Curso: Introducción a la Probabilidad y Estadística Inferencial

CM-274
Tarea 4

Lista de ejercicios

1. Sean X e Y variables aleatorias con esperanza finita. Muestra que si P( X ≤ Y ) = 1. Entonces

E ( X ) ≤ E (Y ) .
2. Un punto es seleccionado aleatoriamente y uniforme de la región

R = {( x, y) : | x | + |y| ≤ 1}.
Encuentra la función densidad de las coordenadas de x del punto seleccionado aleatoriamente.
3. Sea las variables aleatorias X e Y con un PDF conjunto que sea uniforme sobre el triángulo con
vértices en (0, 0), (0, 1) y (1, 0).

(a) Encuentra el PDF conjunto de X e Y.

(b) Halla el PDF marginal de Y.
(c) Calcula el PDF condicional de X dado Y.
(d) Encuentra E( X |Y = y) y usa la ley de esperanza total para encontrar E( X ) en términos de E(Y ).
(e) Usa la simetría del problema para encontrar el valor de E( X ).

4. Sea X e Y variables aleatorias continuas con función densidad de probabilidad f XY ( x, y). Sea Z =
Y/X, X 6= 0. Prueba que la función densidad de probabilidad de Z es dado por :

∞
Z
f Z (z) = | x | f ( x, y, z)dx.
−∞

5. Sea la función densidad de probabilidad condicional de X dado Y = y dado por,

3( x 2 + y2 )
f x |y ( x | y ) = , 0 < x < 1, 0 < y < 1.
3y2 + 1

Encuentra P(1/4 < X < 1/2|Y = 3/4).

6. Sean X e Y variables aleatorias continuas con función densidad conjunta,

3 2
( x + y2 ) si 0 < x < 1, 0 < y < 1
f ( x, y) = 2
0 en otro caso.

Encuentra f X |Y ( x |y).
7. Sean X e Y variables aleatorias continuas con función densidad conjunta,
(
n(n − 1)(y − x )n−2 si 0 ≤ x ≤ y ≤ 1
f ( x, y) =
0 en otro caso.

1
 8. Sea X e Y variables aleatorias continuas con función densidad de probabilidad conjunta,

3 2
( x + y2 ) si 0 < x < 1, 0 < y < 1
f ( x, y) = 2
0 en otros casos.

Encuentra E( X |Y ).
9. Sean X, Y y Z variables aleatorias uniformes en [0, 1]. Encuentra la función densidad conjunta de XY
5
e Z2 y muestra que P( XY < Z2 ) = .
9
10. Resuelve
Z ∞ √
2
(a) Muestra que e− x dx = π y deduce que
−∞
( )
1 −( x − µ)2
f (x) = √ exp − , −∞ < x∞,
σ 2π 2σ2

es una función densidad si σ > 0.

(b) Calcula la esperanza y la varianza de una variable aleatoria estándar.
(c) Muestra que la distribución Φ de N (0, 1) satisface
1 2 √ 1 2
( x −1 − x −3 ) e − 2 x < 2π [1 − Φ( x )] < x −1 e− 2 x , x > 0.
(d) Sea X una variable aleatoria N (0, 1) y a > 0. Muestra que P( X > x + a/x | X > x ) → e− a cuando
x → 0.

11. Resuelve

(a) Sean X e Y que tienen la función densidad normal bivariada

( )
1 1 2 2
f ( x, y) = exp − ( x − 2ρxy + y ) .
2(1 − ρ2 )
p
2π 1 − ρ2
q
Muestra que X e Z = (Y − ρX )/ 1 − ρ2 son variables aleatorias N (0, 1) independientes y
deduce que

1 1
P( X > 0, Y > 0) = + sin−1 ρ.
4 2π
(b) Sean X e Y que tienen la función densidad
q normal bivariada del ejercicio anterior y definimos
Z = max{ X, Y }. Muestra que E( Z ) = (1 − ρ)/π y E( Z2 ) = 1.