Probabilidad

Ejercicios
Primer Parcial

Ivan Ladino
Notas de clase
——

II - 2022
Ejercicios
(Problema 2 sección 2.2 - Bertsekas )
Usted va a una fiesta con 500 invitados, ¿Cuál es la probabilidad que
exactamente uno de los invitados tenga la misma fecha de nacimiento
que usted?. Realizar el cálculo exacto y mediante la aproximación de
Poisson. (Nota:considere un año de 365 días).
Solución:
Para cada una de las n = 500 personas, la probabilidad de nacer en
un día especifico de los 365 días del año es p = 1/365. Recordemos
qué dados n elementos, se tienen Cnk formas de escoger k entre n
(sin importar el orden). Por lo tanto, se puede escoger un invitado
1 , por consiguiente la probabilidad que
entre los restantes 499 es C499
una persona tenga el mismo cumpleaños que el suyo, y las otras 498
no, corresponde a:
499
499! 1 364 498
p)499−1 =


1 p(1 − 1!(499−1)! 365 365 ≈ 0,3486
Empleando la aproximación de Poissón con λ = np = 499/365 y
k = 1 se obtiene la probabilidad: e −λ λk /k! = 0,3483.
2/30
Ejercicios
(Problema 3 sección 2.2 - Bertsekas )
Fischer y Spassky juegan un partido de ajedrez en el que el primer
jugador que gana un juego gana el partido. Después de 10 juegos
sucesivos empatados, el partido se declara empatado. Fischer tiene
una probabilidad de 0,4 de ganar cada juego y Spassky 0,3, la pro-
babilidad de empate es 0,3; estas probabilidades son independientes
de los juegos anteriores. Cálcular:
(a) La probabilidad de que Fischer gane el partido
Solución: Llamemos a L al número de juegos que dura el partido.
Si Fischer gana el partido, entonces se tendrán L − 1 empates
antes de que Fischer gane el juego definitivo. Como el número
de juegos máximo antes de declarar el empate es 10, entonces
la probabilidad de que Fischer gane en 1 o hasta 10 juegos es:
X10
P= (0,3)l−1 (0,4) = 0,57
l=1

3/30
Ejercicios

(Problema 3 sección 2.2 - Bertsekas)

(b) La PMF de la duración del partido (en número de juegos)

solución:
Para el cálculo de la función masa de probabilidad debemos
tener en cuenta que el partido tiene una duración máxima de 10
juegos y, que termina, cuando cualquiera de los jugadores gana
el L−ésimo juego después de una serie L − 1 empates, es decir
la probabilidad de que el juego dure l juegos es (pe )l−1 (pg ),
donde pe es la probabilidad de empate y pg = 0,4 + 0,3 es la
probabilidad de que algún jugador gane.
Por lo tanto, la PMF corresponde a:
(0,3)l−1 (0,7) l = 1, · · · , 9,

P(L = l ) =
(0,3)9 l = 10

4/30
Ejercicios
(Problema 4 sección 2.2 - Bertsekas )
Un proveedor de servicios de Internet emplea 50 modems para aten-
der las necesidades de 1000 usuarios. Se estima que en un determi-
nado instante, cada usuario requiere una conexión con probabilidad
de p = 0,01, independientemente de los demás usuarios.
(a) Cuál es la PMF del número de modems empleado en un deter-
minado momento.
Solución: es claro que el el proceso asociado es el de Poisson,
por consiguiente la probabilidad de que k modems de los 50 sea
ocupado por algunos de los n = 1000 usuarios corresponde a:
pX (k) = Cnk (0,01)k (0,99)1000−k con, 0 ≤ k ≤ 49
por otro lado, la probabilidad de que se ocupen 50 modems es
la misma probabilidad de que 50 o mas usuarios requieran una
conexión, por lo tanto:
1000
X
k
PX (50) = C1000 (0,01)k (0,99)1000−k
k=50
5/30
Ejercicios

(Problema 4 sección 2.2 - Bertsekas )

(b) Repetir la parte (a) usando la aproximación de Poisson.

Solución: en este caso λ = np = (1000)(0,01) = 10, por lo
cuál:
10k
PX (k) = e −10 para, 0 ≤ k ≤ 49
k!
en el caso en que se ocupen todos los modems tenemos:
1000
X 10n
PX (50) = e −10
n!
n=50

6/30
Ejercicios

(Problema 4 sección 2.2 - Bertsekas )

(c) Calcular la probabilidad de que halla más consumidores requi-

riendo el servicio que el número de modems disponible.
Solución: empleando de nuevo la distribución Binomial tenemos
que esta probabilidad corresponde a:
1000
X
k
P= C1000 (0,01)k (0,99)1000−k
k=51
y, empleando la de Poisson obtenemos:
1000
X 10k
P= e −10
k!
k=51

7/30
Ejercicios

(Problema 5 sección 2.2 - Bertsekas )

En una red de comunicaciones por paquetes, un buffer almacena
paquetes de alguna fuente de datos y, se emplea un enlace de comu-
nicaciones para transmitir datos desde dicho buffer hacia el receptor.
El sistema funciona mediante dos ventanas de tiempo, en la primera,
el sistema almacena en el buffer una cantidad de datos generados por
la fuente (generados según un proceso Poisson). El tamaño máximo
del buffer es de b paquetes, por lo tanto los paquetes adicionales a
los b paquetes serán descargados (eliminados). En el segunda venta-
na de tiempo se transmiten (los paquetes transmitidos se retiran del
buffer) todos los paquetes almacenados en el buffer o una cantidad
c (la que resulte menor); c obedece a 0 < c < b.
(a) Asumiendo que al inicio del primer slot, él buffer esta vacío,
cálcule la PMF del número de paquetes almacenados al final del
primer slot y a final del segundo slot.

8/30
Ejercicios
(Problema 5 sección 2.2 - Bertsekas )
(a) Solución:
Sea X el número de paquetes almacenados al final del primer
slot, entonces, para k < b, la probabilidad de que el número de
paquetes en el buffer sea X = k corresponde a:
λk
pX (k) = e −λ con, k = 0, 1, · · · , b − 1
k!
y, la probabilidad de almacenar X = b paquetes es:
∞
X λk
pX (b) = e −λ con, k = b, b + 1, · · ·
k!
k=b
esto porque si llegan b paquetes o mas, solo se podrán almacenar
b paquetes.
Una vez ha transcurrido la primera ventana de tiempo, en la
segunda se transmiten el mínimo entre X y c paquetes, por
consiguiente el número de paquetes que quedan en el buffer, al
final del segunda ventana de tiempo es Y = X − min{X , c}.
9/30
Ejercicios
(Problema 5 sección 2.2 - Bertsekas )
(a) Solución:
La probabilidad de que Y = 0 (queden 0 paquetes en el buffer)
es la probabilidad de que X ≤ c, es decir:
c c
X X λk
PY (0) = PX (k) = e −λ
k!
k=0 k=0
y, la probabilidad de que halla en el buffer, k paquetes al final de
la segunda ventana de tiempo, es la probabilidad de que en el
buffer hubiese habido al final de la primera venta de tiempo c +k
paquetes, por consiguiente la probabilidad de Y = k, cuando
en el buffer al final de la ventana a había k < b paquetes es:
c+k
pY (k) = pX (c + k) = e −λ (c+k)!
λ
para k = 1, · · · , b − c − 1
en el caso de que que se hubiesen generado b o mas paquetes
la probabilidad es: ∞ k X λ
PY (b − c) = PX (b) = e −λ
k!
k=b
10/30
Ejercicios

(Problema 5 sección 2.2 - Bertsekas )

(b) Solución:
Cálcular la probabilidad de que durante la primera ventana de
tiempo se descarguen paquetes.
Solución: Esta probabilidad corresponde al caso en que lleguen
mas de b paquetes al buffer, es decir:
∞
X λk
P= e −λ
k!
k=b+1

11/30
Ejercicios

(Problema 6 sección 2.2 - Bertsekas )

Los Celtics y los Lakers van a jugar una serie de n (impar) juegos
para definir el ganador de la Liga. La probabilidad de que los Celtics
ganen cualquier juego es p y, es independiente de los demás juegos.
(a) Encontrar el valor de p, con el cuál, jugar n = 2k + 1 partidos
es mejor para los Celtics que jugar n = 2k − 1; donde k, es un
número mayor que 0.
Solución: Es claro que n = 2k + 1 es un número impar y su
antecesor impar es n = 2k − 1. Llamemos a N el número de
veces en que los Celtics ganaron en los primeros 2k − 1 juegos
y, llamemos a A y B los eventos en los que los Celtics ganan la
Liga con 2k + 1 y 2k − 1 juegos respectivamente.
Es claro que se requiere ganar por lo menos k + 1 juegos de
los 2k + 1 disputados, para ganar la serie, en el caso de que se
disputen 2k − 1, se deben ganar k juegos o mas.

12/30
Ejercicios
(Problema 6 sección 2.2 - Bertsekas )
(a) La probabilidad del evento B corresponde a la probabilidad de
ganar exactamente en N = k juegos (de los 2k − 1) o ganar
N = k + 1 o mas, por lo tanto, la probabilidad del evento B
corresponde a:
P(B) = P(N ≥ k) = p(K = N) + p(N ≥ k + 1)
Por otra parte, la probabilidad de A equivale a que en los prime-
ros 2k − 1 juegos de los 2k + 1 posibles, los Celtics ganen k + 1
o mas juegos, es decir P(N ≥ k + 1), en ese caso ya ganarián la
serie a pesar de que faltan dos juegos. Otra posibilidad consiste
en que los Celtics ganen en N = k juegos de los 2k − 1 prime-
ros y, que en los dos siguientes gane los dos partidos o pierda
el penúltimo y gane el último ó, gane el penúltimo y pierda el
último. La otra posibilidad consiste en que gane N = k − 1 de
los primeros 2k − 1 juegos y luego gane los dos últimos, por lo
tanto P(A) corresponde a:
P(A) = P(N ≥ k + 1) + P(N = k)(p 2 + (1 − p)p + p(1 − p)) + P(N = k − 1)p 2
13/30
Ejercicios
(Problema 6 sección 2.2 - Bertsekas )
(a) La última expresión equivale a:
P(A) = P(N ≥ k + 1) + P(N = k)(2p − p 2 ) + P(N = k − 1)p 2
Para evaluar cual debe ser la probabilidad p debemos comparar
a P(A) con P(B), para ello hagamos:
∆ = P(A)−P(B) = P(N = k −1)p 2 −P(N = K )(1−2p +p 2 )
evaluando P(N = k − 1) y P(N = k) se obtiene:
   
2k − 1 2k − 1
∆= p k−1 (1 − p)k p 2 − p k (1 − p)k−1 (1 − 2p + p 2 )
k −1 k
al resolver esta diferencia se llega a:
(2k − 1)! k
∆= p (1 − p)k (2p − 1)
(k − 1)!k!
Para que resulte mejor para los Celtics 2k +1 partidos que 2k −1,
∆ > 0, para ello basta con que 2p − 1 > 0 en consecuencia la
probabilidad de que los Celtics ganen cualquier partido debe ser
p > 1/2.
14/30
Ejercicios
(Problema 7 sección 2.2 - Bertsekas )
Usted renta una casa que tiene 5 puertas, el vendedor le da cinco
llaves, pero todas las llaves se ven idénticas, así que se deben usar al
azar para abrir la puerta principal.
(a) Encontrar la PMF del número de ensayos que se requieren para
abrir la puerta principal con base en las siguientes condiciones:
(1) luego de cada ensayo, cada llave es marcada, entonces si no
sirve no se volverá a usar. (2) en cada ensayo se usan todas las
llaves con la misma probabilidad.
Solución: Li es el evento de seleccionar la llave i , a Lci su com-
plemento y, a pX (j) la probabilidad de j ensayos, entonces:
1
pX (1) = P(Li ) =
5
41 1
pX (2) = P(Lci )P(L2 |Lc1 ) = =
54 5
431 1
pX (3) = P(L1 )P(L2 |L1 )P(L3 |L1 ∩ Lc2 ) =
c c c
=
543 5
15/30
Ejercicios
(Problema 7 sección 2.2 - Bertsekas )

(a) En consecuencia, la PMF para el caso (1) es:

1
pX (x) = 5 para, x = 1, 2, 3, 4, 5.
En el caso (2) la distribución es geométrica por lo tanto la PMF
obedece a:
4 k−1 1


PX (k) = 5 5
(b) Repetir el análisis del punto (a), para el caso en qué se tiene un
duplicado de cada llave (10 llaves en total).
Solución: Siguiendo el mismo procedimiento del punto anterior
tenemos:
2
pX (1) = P(L1 ) = 10
8 2
PX (2) = P(L1 )P(L2 |Lc1 ) = 10
c
9
8 72 7 2
PX (3) = P(L1 )P(L2 |L1 )P(L3 |Lc1 ∩ Lc2 ) =
c c c
10 9 8 = 10 9
por lo tanto la PMF es:
2(10−x)
PX (x) = 90 con, x = 1, 2, · · · 10.
16/30
Ejercicios
(Problema 13 sección 2.3 Bertsekas )
Una familia tiene 5 hijos naturales y adopta dos niñas. La probabilidad
de que un hijo natural sea niño o niña es la misma y es independiente
de los otros hijos. Encontrar la PMF del numero de niñas en los 7
hijos.
Solución: Llamemos p(x) la probabilidad de x niñas en la familia.
Como adoptan dos niñas, entonces sabemos que la probabilidad de
0 o 1 niñas es cero, es decir que p(0) = 0 = p(1). La probabilidad
de solo dos niñas en la familia corresponde a la probabilidad de que
los demás sean niños:
p(2) = (0,5)5 = 0,03
En general, la probabilidad de tener x niñas (contando las dos adop-
tadas) corresponde a la probabilidad de tener x − 2 en el conjunto
de hijos naturales es decir:
     
5 5 5
q(x) = (0,5)(x−2) (0,5)(5−(x−2)) = (0,5)5 = 0,03
x −2 x −2 x −2
con 2 ≤ x ≤ 7.
17/30
Ejercicios

(Problema 14 sección 2.3 )

Sea X una variable aleatoria que toma valores entre 0 y 9 con la
misma probabilidad de 1/10, encontrar:
(a) La PMF de la variable aleatoria Y = Xmod(3).
Solución: Para construir la función de variable aleatoria Y , su-
mamos las probabilidades de todos los valores de X que contri-
buyen a la probabilidad de cada valor que toma Y :
X
PY (y ) = PX (x)
{x|x mod(3)=y }
por lo tanto:
4
PY (0) = PX (0) + PX (3) + PX (6) + PX (9) = 10
3
PY (1) = PX (1) + PX (4) + PX (7) = 10
3
PY (2) = PX (2) + PX (5) + PX (8) = 10
PY (y ) = 0. si y ∈/ {0, 1, 2}

18/30
Ejercicios

(Problema 14 sección 2.3 )

(b) La PMF de la variable Y = 5 mod(X + 1).

Solución: En este caso se emplea la formula:
X
PY (y ) = PX (x)
x|5 mod(x+1)=y
por lo cual:
2
PY (0) = PX (0) + PX (4) = 10
2
PY (1) = PX (1) + PX (3) = 10
1
PY (2) = PX (2) = 10
5
PY (5) = PX (5) + PX (6) + PX (7) + PX (8) + PX (9) = 10

19/30
Ejercicios

(Problema 15 sección 2.3 )

Sea K una variable aleatoria que toma valores entre [−n, n] con la
misma probabilidad 1/(2n + 1). Encontrar la PMF de la variable
aleatoria Y = ln(X ), donde X = a|K | y, a un número positivo.
Solución: Por las propiedades de los logaritmos tenemos que:
Y = ln(X ) = |k| ln(a)
por lo tanto Y toma valores de |k| ln(a) cuando k = +|k| o cuando
k = −|k|, por lo tanto la PMF de Y corresponde a:
 2
 2n+1 si y = ln(a), 2ln(a), · · · , nln(a)
1
PY (y ) = si y =0
 2n+1
0 en otro caso

20/30
Ejercicios

(Problema 16 sección 2.4 )

Dada un variable aleatoria X con PMF:
 x2
si x = −3, −2, −1, 0, , 1, 2, 3,
pX (x) = a
0 en otro caso

(a) Hallara E [X ]. P
Solución: Dado que x PX (x) deber 1, entonces:
3
X 1 X 2
PX (x) = x =1
x
a
x=−3
desarrollando la sumatoria encontramos que a = 28.
el valor esperado de X es obviamente 0, puesto que la PMF es
simétrica al rededor del valor x = 0:
Px 2 2 2 2 2 2
E [X ] = x=−3 xPX (x) = −3 3a − 2 2a − 1 1a + 0 + 1 1a + 2 2a + 3 3a = 0

21/30
Ejercicios

(Problema 16 sección 2.4 )

(b) Encontrar la PMF de la variable Z = (X − E [X ])2

Solución: Como E [X ] = 0 entonces, la variable aleatoria Z
corresponde a Z = X 2 , por consiguiente:
PZ (0) = PX (0) = 0
1 1 1
PZ (1) = PX (1) + PX (−1) = 28 + 28 = 14
4 4 4
PZ (4) = PX (2) + PX (−2) = 28 + 28 = 14
9 9 9
PZ (9) = PX (3) + PX (−3) = 28 + 28 = 14
es decir que PZ (z) = z/14.
(c) Hallar la varianza de X con base en el apartado (b).
Solución: como var (X ) = E [(X − EX )2 ] = var (X 2 ), entonces,
var (X 2 ) = E [Z ]:
X X z2 98
var (X ) = E [Z ] = zPZ (z) = = =7
14 14
z=0,1,4,9 z=0,1,4,9

22/30
Ejercicios

(Problema 16 sección 2.4 )

(d) Encontrar la varianza de X empleando la formula var (X ) =

2
P
x (x − E [X ]) pX (x),
Solución:
X X
var (X ) = (x − E [X ])2 pX (x) (x)2 pX (x)
x x
= 12 (PX (−1) + PX (1)) + 22 (PX (−2) + PX (2))
+ 32 (PX (−3) + PX (3)) = 7

23/30
Ejercicios
(Problema 17 sección 2.4 )
En una ciudad la temperatura se modela como una variable aleatoria
con media y desviación estándar iguales a 10 grados Celsius. A un
día se le califica como normal si la temperatura varia una desviación
estándar hacia arriba y hacia abajo de la media. Cálcular el rango
de temperatura para un día normal con la temperatura medida en
grados Fahrenheit.
Solución: Sea X la temperatura medida e grados Celsius, entonces
la temperatura medida en grado Fahrenheit corresponde a Y = 32 +
9X /5, por ende:
E [Y ] = 32 + 95 E [X ] = 32 + 18 = 50
por otra parte,
9 2 92 2 92
102 ⇒ σY (y ) = 59 10 = 18


var (Y ) = 5 var (X ) = σ (x)
52 X
= 52
por consiguiente en grados Fahrenheit la temperatura esta en un
rango de:
[−σX (x) + 50, σX (x) + 50] = [−18 + 50, 18 + 50] = [32, 68]
24/30
Ejercicios

(Problema 18 sección 2.4 )

Sean a y b, dos enteros positivos con a ≤ b y, sea X una variable
aleatoria que toma con la misma probabilidad valores en el rango
[2a , 2b ]. Encontrar el valor esperado y la varianza de X . Solución: la
PMF de X corresponde a:
1 k

PX (x) = b−a+1 si x = 2 con a ≤ k ≤ b, k ∈ Z
0 en otro caso
Así, el valor esperado corresponde a la serie geométrica:
Pb 1 k 2b+1 −2a
E [X ] = k=a b−a+1 2 = b−a+1
de la misma forma:
Pb 1 k 2 4b+1 −4a
E [X 2 ] = k=a b−a+1 (2 ) = 3(b−a+1)
por lo tanto:
 2
4b+1 −4a 2b+1 −2a
var (X ) = E [X 2 ] − E [X ]2 = 3(b−a+1) − b−a+1

25/30
Ejercicios

(Problema 20 sección 2.4 )

Una fabrica de chocolates como campaña publicitaria coloca unos
pases dorados en algunas barras de chocolate, que permitirán a los
que les salga el boleto, visitar la fabrica y poder tener suministro
gratis de chocolates de por vida. Si la probabilidad de encontrar un
boleto en una barra de chocolate es 1/p, encuentre la media y la
varianza del número de barras de chocolate que se necesitan para
encontrar un boleto.
Solución: La distribución del problema corresponde a la geométrica,
puesto que, alguien interesado comprará chocolates hasta que le salga
el boleto, es decir que la PDF del número necesario de barras de
chocolate obedece a la expresión:
PX (k) = (1 − p)k−1 p
como se obtuvo en clase, la media de este proceso corresponde a:
E [X ] = 1/p y la varianza a var (X ) = (1 − p)/p 2

26/30
Ejercicios
(Problema 21 sección 2.4 )
Suponga que usted realiza con una moneda normal, lanzamientos
estadísticamnete independientes uno de otro y cuenta el número de
lanzamientos (n) hasta que sale el primer símbolo cara. Una vez
salga la primera cara usted recibirá un premio de 1000 ∗ 2n pesos.
Determine:
(a) El valor esperado del dinero que usted ganará
Solcuión:Sea x la variable aleatoria que representa el número de
lanzamientos de la moneda hasta que aparece la primera cara,
en consecuencia la variable x sigue la distribución geométrica
con probabilidad p = 0,5. La probabilidad que el evento cara
ocurra en el n-esimo lanzamiento corresponde a:
P(X = n) = (1 − p)n−1 p = p n−1 p = p n = (0,5)n
Ahora, el valor esperado obedece a:
∞
X ∞
X ∞
X
E (10002n ) = 1000 (2n )P(X = n) = 1000 (2n )(0,5)n = 1000 =∞
n=1 n=1 n=1
27/30
Ejercicios

(Problema 21 sección 2.4 )

(b) Calcule cuanto estaría dispuesto a pagar por jugar este juego.
Como el valor esperado es infinito, entonces uno estaría dispues-
to a pagar cualquier precio...

28/30
Ejercicios
(Problema 22 sección 2.4 )
Dos monedas se lanzan simultáneamente e independientemente, has-
ta que una de las dos cae cara y la otra sello. La primera moneda
tiene probabilidad de la cara de p y la otra de q.
(a) Calcule la PMF, el valor esperado, y la varianza del numero de
lanzamientos.
Solución: La probabilidad de que una moneda caiga cara y la
otra sello es:
P({CS, SC }) = p(1 − q) + q(1 − p)
por lo tanto, la distribución geométrica obedece a:
PX (k) = (1 − p(1 − q) + q(1 − p))k−1 (p(1 − q) + q(1 − p))k
para k = 1, 2, · · · . Ahora, por ser una distribución geométrica
entonces:
E [X ] = 1/(p(1 − q) + q(1 − p))
var (X ) = [1 − p(1 − q) + q(1 − p)]/(p(1 − q) + q(1 − p))2
29/30
Ejercicios

(Problema 22 sección 2.4 )

(b) Calcular la probabilidad de que en el último lanzamiento de la

primera moneda se obtenga cara.
Solución: la probabilidad de que en ultimo lanzamiento la pri-
mera moneda se cara es:
p(1 − q)
P(CS|{CS, SC }) =
p(1 − q) + q(1 − p)

30/30