Ejercicios Resueltos de Probabilidad

Juan Jos´ Salazar Gonz´lez e a
Marta L´pez Yurda o

´ Indice general

Pr´logo o 1. Combinatoria 2. Fundamentos de probabilidades 3. Distribuciones de probabilidad 4. Principales variables aleatorias 5. Variables aleatorias bidimensionales 6. Convergencia 7. Regresi´n y correlaci´n o o Bibliograf´ ıa

9 11 23 85 109 145 169 177 183

7

.

Entonces. Dado que o a o no ha sido objetivo el extendernos en la parte te´rica. mucha gente responder´ afirmativamente. etc. Por el contrario. desafiantes y s´lo o aptos para alumnos brillantes. ıa Consideremos 1000 monos durante diez d´ Cada d´ le asociamos. se trata de una lista de ejercicios de dificultad variada que pretende ayudar a cualquier alumno que se inicie en el C´lculo de Probabilidades. ıa uno. Es decir. En ella hay ejercicios cl´sicos. de configurar una gama de problemas apropiados para un primer curso de Probabilidades. de los que ıa a o 250 tambi´n acertar´n la segunda.i i i “libroult” 2001/8/30 page 9 i Pr´logo o Un d´ sale en el peri´dico que un inversor ha logrado preveer el ´xito ıa o e o fracaso de ciertas operaciones complejas de bolsa durante las ultimas 10 ´ jornadas. Transcurridos e a los diez d´ es muy probable que tengamos un mono que haya acertado todas ıas las operaciones. el primer d´ 500 monos acertar´n la operaci´n justa. tratando ıa. la respuesta “´xito en la inversi´n” si se levanta con el pie derecho. ¿Se dejar´ asesorar por ´l para que le rentabilizase sus ahorros? Sin ıa e duda. y e o “fracaso en la inversi´n” si se levanta con el pie izquierdo. y de ellos 125 la tercera. algunos conceptos se o presentan de forma simplificada (como los referentes a la Ley Fuerte de los 9 i i i i . algunos tomados de a a libros mencionados en la bibliograf´ con distinto grado de dificultad. Cada cap´ ıtulo inicia con un resumen te´rico que pretende establecer la o notaci´n b´sica que luego se usa en la resoluci´n de sus ejercicios. cada d´ o ıa aproximadamente la mitad acertar´. ¡Este ser´ el mono al que esas personas le dar´ su dinero! ıa ıan Este libro contiene 139 ejercicios resueltos de Probabilidades. No se trata de una colecci´n exclusiva de problemas dif´ o ıciles de resolver. y para el d´ siguiente consideramos s´lo a ıa o esos. a cada ıas.

y en este sentido deseamos que el estilo de ıas. o o Tambi´n agradecemos al Gobierno de Canarias que. incluyendo la probabilidad condicionaa da. Por ello. i i i i . ULL). Estad´ ıstica Econ´mica y Econometr´ ULL) y de Carlos Gonz´lez Alc´n o ıa. o ıa. De forma especial queremos destacar las valiosas sugerencias que hemos recibido de Jos´ Juan C´ceres Hern´ndez (Departamento de Econom´ de las Institucioe a a ıa nes. tanto discretas como continuas. ha financiado parcialmente el trabajo realizado. etc.i i i “libroult” 2001/8/30 page 10 i 10 EJERCICIOS RESUELTOS DE PROBABILIDAD Grandes N´meros o al de regresi´n). Las variables aleatorias bidimensionales se afrontan en el cap´ ıtulo quinto. Investigaci´n Operativa y Computaci´n. Creemos que este rigor matem´tico a (nunca excesivo) es aconsejable tambi´n para alumnos de facultades de Ingee nier´ Econ´micas. y el s´ptimo e ejercicios sencillos de regresi´n y correlaci´n. la resoluci´n de varios problemas subraya conceptos abso tractos como el de espacio muestral. o o Esta colecci´n se ha desarrollado impartiendo durante varios cursos la asigo natura Probabilidades I. El cap´ ıtulo sexto presenta ejercicios de convergencia. entre otros. El primer cap´ ıtulo se dedica a la Combinatoria y el segundo la utiliza para el c´lculo elemental de probabilidades. resoluci´n en este libro le puedan tambi´n ser de ayuda. en la Facultad de Matem´ticas de la Universidad de a La Laguna. Biolog´ etc. quien previamente ha debido trabajarlos por su cuenta. pero nunca como libro de texto en s´ mismo. Tenerife. recomendamos que este material u o sirva s´lo para controlar que sus ejercicios han sido correctamente resueltos por o el lector. o ´ ´ ´ Juan Jose Salazar Gonzalez y Marta Lopez Yurda. a trav´s del proyecto de e e investigaci´n PI2000/116. a 14 de agosto de 2001. El tercer cap´ ıtulo introduce los conceptos de variable aleatoria. Por ello. funci´n o de distribuci´n y esperanza matem´tica. o e Aunque los errores que aparecen son responsabilidad exclusiva de los autores. han sido varias las personas que han realizado aportaciones a este libro.. a o (Departamento de Estad´ ıstica. Los ejercicios del cuarto o a cap´ ıtulo tratan sobre variables aleatorias tradicionales. y a´n menos como libro de teor´ ı u ıa.

de los cuales hay s´lo k e o diferentes (n1 iguales. teniendo especial cuidado en no olvidar ning´n elemento ni en contarlo m´s de u a una vez. . (n − m)! i i i i . .i i i “libroult” 2001/8/30 page 11 i CAP´ ITULO 1 Combinatoria La Combinatoria es el arte de contar los posibles elementos de un conjunto. ..nk = n! .. con ni repeticiones del io ´simo elemento. A continuaci´n resaltamos seis casos t´ o ıpicos: Permutaciones de n elementos: Dados n elementos distintos. con n1 +n2 +.. el n´mero de selecciones ordenadas de m de ellos es u Vn. u e Permutaciones con repetici´n de n elementos. .. i = 1. el n´mero de u secuencias ordenadas de ´stos es e Pn = n · (n − 1) · · · · · 2 · 1.. n2 iguales.+nk = n). .m = 11 n! . . . n1 ! · . . el n´mero de secuencias ordenadas de estos elementos es u n P Rn1 . Este n´mero tambi´n se denota como n!. k: Dados n elementos. · nk ! Variaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos. .nk iguales. ..

m = nm . Combinaciones con repetici´n de n elementos tomados de m en m: Dados o n elementos distintos. ya que los o cuatro sitios son diferentes.i i i “libroult” 2001/8/30 page 12 i 12 EJERCICIOS RESUELTOS DE PROBABILIDAD Variaciones con repetici´n de n elementos tomados de m en m: Dados n o elementos distintos. hay V10.m = . Combinaciones de n elementos tomados de m en m (con m ≤ n): Dados n elementos distintos. es o V Rn. Soluci´n o Hay dos supuestos posibles: si una misma persona no puede recibir m´s de un premio: a i i i i . Por lo tanto. el n´mero de maneras de seleccionar m de ellos (sin u tener presente el orden) viene dado por Cn. sin tener u presente el orden y pudiendo haber elementos repetidos en una selecci´n. los premios son diferentes.2] En una clase de 10 alumnos van a distribuirse 3 premios.4 = 10!/6! = 10 · 9 · 8 · 7 = 5040 maneras. los premios son iguales.1] ¿De cu´ntas maneras pueden sentarse 10 personas en un banco si hay 4 a sitios disponibles? Soluci´n o N´tese que importa el orden en que se sienten las personas. o es n+m−1 CRn. m Ejercicios Resueltos P1. m! · (n − m)! n m Este n´mero tambi´n se denota como u e . el n´mero de selecciones de m de ellos. u pudiendo ocurrir que un mismo elemento aparezca m´s de una vez en la a selecci´n. Averiguar de cu´ntos modos puede hacerse si: a 1. y que una persona no puede ocupar m´s de a un sitio a la vez. P1. 2.m = n! . el n´mero de selecciones ordenadas de m de ellos.

Igualando el n´mero de lados y el n´mero u u u de diagonales se obtiene: n= n2 − 3n . 2.2 − 6 = 6! − 6 = 15 − 6 = 9 diagonales. pueden distribuirse de C10. Comenzamos calculando el n´mero de diagonales del cuadrado. 2! · (n − 2)! 2 2 Veamos si existe alg´n pol´ u ıgono donde el n´mero de lados sea igual u al n´mero de diagonales. e adyacentes o no.2 − 8 = 8! 8·7 −8= − 8 = 28 − 8 = 20 diagonales. P1.2 = 6 uniones posibles de dos v´rtices diferentes cualesquiera. si ´stos son diferentes.3 = 10 · 9 · 8/6 = 120 maneras. a Procediendo del mismo modo con el hex´gono. hay CR10. quedar´n 6 − 4 = 2 diagonales. 2 i i i i . n! n · (n − 1) n2 − 3n −n= −n= .2 − n = 2. en el caso de que los premios sean iguales. en el caso del oct´gono. si una misma persona puede recibir m´s de un premio: a 1.3 = 10 · 9 · 8 = 720 maneras de distribuir los premios si ´stos son diferentes. ¿Existe alg´n pol´ u ıgono en el que el n´mero de lados sea igual al de u diagonales? Soluci´n o 1.3 e =103 = 1000 maneras. el n´mero u de diagonales es: Cn. 2. Obtener el n´mero de diagonales del cuadrado. Si de estas 6 parejas eliminamos las que corresponden a v´rtices adyacentes (tantas como el n´mero de lados del e u cuadrado). de V R10. 1. el hex´gono y el u a oct´gono. e 2.i i i “libroult” 2001/8/30 page 13 i CAP´ ITULO 1.3] Las diagonales de un pol´ ıgono se obtienen uniendo pares de v´rtices no e adyacentes. Hay u C4. se obtienen a C6. para el caso general de un pol´ ıgono de n lados. se obtienen a o C8. 2! · 4! An´logamente. COMBINATORIA 1. se pueden distribuir los premios. Calcularlo para el caso general de un pol´ o ıgono de n lados. 2! · 6! 2 Finalmente.3 = 220 maneras de distribuir los premios si ´stos son e iguales. 13 hay V10.

i i i “libroult” 2001/8/30 page 14 i 14 es decir. La soluci´n es n = 5 a o (el pent´gono). i i i i .4] Hay que colocar a 5 hombres y 4 mujeres en una fila de modo que las mujeres ocupen los lugares pares. Como n ≥ 1 . P1. e u 2.1. 3. el primer d´ ıgito no puede ser cero. ¿cu´ntas distribuciones de sus fechas de cuma plea˜os pueden darse al a˜o? n n Soluci´n o Considerando que el a˜o tiene 365 d´ y que puede darse el caso de n ıas que varias personas cumplan en la misma fecha. obteni´ndose un total de 9 · 103 = 9000 n´meros posibles. sin repeticiones. u 3. el n´mero de maneras u distintas es V R365. u P1.6] En un grupo de 10 amigos.9 1. permitiendo repeticiones. Fijamos el ultimo d´ ´ ıgito y. se obtiene un total de 9 · 8 · 7 · 1 = 504 n´meros. ¿De cu´ntas maneras puede hacerse? a Soluci´n o Ya que la fila es de 9 individuos en total. . EJERCICIOS RESUELTOS DE PROBABILIDAD n(n − 5) = 0. Por lo tanto..5] ¿Cu´ntos n´meros de 4 d´ a u ıgitos se pueden formar con las cifras 0. el primero de ´stos no puede ser cero. a P1. 1. el resultado n = 0 no es v´lido. Al igual que en el apartado anterior. . se pueden formar 92 · 8 · 7 = 4536 n´meros. Por lo tanto. pueden colocarse de P4 · P5 = 4! · 5! = 2880 maneras. como no puede haber repeticiones. hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres).10 = 36510 . hay nueve posibilidades para e el primer d´ ıgito y diez para cada uno de los tres d´ ıgitos restantes. si el ultimo d´ ´ ıgito ha de ser 0 y no se permiten repeticiones? Soluci´n o Asumamos que para que un n´mero sea de 4 d´ u ıgitos su primer d´ ıgito debe ser distinto de cero. hay nueve posibilia dades para el segundo d´ ıgito: el cero y las ocho no escogidas para el primer d´ ıgito. Por tanto. 2. Puesto que debe formarse un n´mero de 4 d´ u ıgitos. Como adem´s no se permiten repeticiones. .

Estos casos son: “4 caras y 0 cruces”. y “0 caras y 4 cruces”.i i i “libroult” 2001/8/30 page 15 i CAP´ ITULO 1. que supondremos ser´n las de resultado “cara” (siendo a as´ las dos restantes de resultado “cruz”). seis de f´ a ısica y dos de qu´ ımica han de ser colocados en una estanter´ ¿Cu´ntas colocaciones distintas admiten si: ıa a 1. cruz”.2 = 6 ı resultados de dos caras y dos cruces.2 ). s´lo habr´ un a o a caso posible con 2 caras y 2 cruces. 2. etc. hay un total de V R2. y que las monedas no pueden distinguirse entre s´ existen CR2. a dado que de los cinco elementos tan s´lo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces. cara. Se calcula el n´mero de combinaciones posibles de dos monedas u distintas. cara. “cara. a u P1. En este caso. cara.9] Cuatro libros de matem´ticas. cruz. puesto que se distinguen las monedas entre s´ y ı en una tirada pueden haber varias con el mismo resultado individual. P1. cara”. “3 caras y 1 cruz”.4 = 5 resultados posiı.7] ¿Cu´ntas letras de 5 signos con 3 rayas y 2 puntos podr´ tener el alfabeto a ıa Morse? Soluci´n o Si se consideran como cinco s´ ımbolos diferentes entonces. Suponiendo que las monedas son distintas: 1.4 = 24 = 16 resultados posibles. 2. es decir. “2 caras y 2 cruces”. Como las monedas se arrojan simult´neamente. cara. los libros de cada materia han de estar juntos. COMBINATORIA 15 P1. i i i i . a 1. se tendr´ un total de P5 = 5! posibles ordenaciones. hay C4. Estos casos son: “cara.8] Cuando se arrojan simult´neamente 4 monedas. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez. “cara. cruz. Pero. respectivamente. 2. obteniendo as´ un total de ı C5. dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones. y adem´s coincide con el n´mero de posiciones para los puntos (C5. “cara. dividiremos por las posibles permutaciones de cada uno de ellos. cara.3 = 5!/ (3! · 2!) = 5 · 4/2 = 10 letras. N´tese que ´ste es el n´mero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras. cruz”. ¿cu´les son los resultados posibles que se pueden obtener? a ¿cu´ntos casos hay en que salgan 2 caras y 2 cruces? a Soluci´n o Suponiendo que las monedas son iguales: 1. bles. “1 cara y 3 cruces”. cara. cara”.

Se tiene entonces un total de 9! = 362880 ora denaciones posibles y. hay 3! = 6 ordenaciones posibles de las materias.11] Con 7 consonantes y 5 vocales ¿cu´ntas palabras se pueden formar que a tengan 4 consonantes distintas y 3 vocales distintas? i i i i . Supongamos que los libros de cada materia son id´nticos. Consideremos cada conjunto de libros de una misma materia como una unidad. si las 4 primeras son obligatorias. debe escoger 3 preguntas entre las 6 restantes para completar las 7 necesarias. 1. En este caso tendremos una unica unidad de matem´ticas. Se tendr´ entonces una unidad correspondiente a maıa tem´ticas. ¿De cu´ntas maneras puede elegirlas? ¿Y si las 4 primeras son obligatorias? a Soluci´n o El orden en que elija las preguntas.7 = 10·9·8/ (3 · 2) = 120 ı. P1. puesto que los libros de cada materia son indistinguibles. Por lo tanto. que adem´s no podr´n repetirse. y por cada una de ellas hay 4! ordenaciones posibles de los 4 libros de matem´ticas. 2. que consideraremos diferentes para este c´lculo inicial. s´lo los de matem´ticas tienen que estar juntos? o a Soluci´n o Supongamos que los libros de cada materia tambi´n son diferentes e (de distintos autores).3 = 6 · 5 · 4/ (3 · 2) = 20 maneras. por lo que a en total hay 9! · 4! = 8709120 formas de colocar los libros.i i i “libroult” 2001/8/30 page 16 i 16 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. Por a lo tanto. ı Consideremos los cuatro libros de matem´ticas como una unia dad. Entonces. N´tese que entonces se tendr´ un total de 3 o ıa unidades. existen 9! = 362880 maneras de ordenar estas 9 unidades. maneras. Adem´s hay que considerar tambi´n las 4! = 24 a e permutaciones de los libros de matem´ticas. P1. Por otra parte. 6 unidades diferentes de f´ a ısica y dos unidades diferentes de qu´ ımica. Se concluye as´ que hay 3!·4!·6!·2! = 207360 colocaciones distintas. As´ puede elegir las preguntas de C10. adem´s ´ a a de 6 de f´ ısica y 2 de qu´ ımica. as´ como las 6! = a ı 720 y las 2! = 2 de los de f´ ısica y qu´ ımica. hay un total de 9!/ (6! · 2!) = 252 ordenaciones. resultando un total de C6.10] Un alumno tiene que elegir 7 de las 10 preguntas de un examen. Consideramos cada conjunto de libros de una misma materia como una unidad. 2. es a a irrelevante. que pueden ordenarse de 3! = 6 formas distintas. respectivamente. n´tese que deben tenerse en cuenta las 6! · 2! = o 1440 formas de colocar los libros de f´ ısica y matem´ticas. e 1.

por lo que el total de comisiones que pueden formarse es 9 · 35 = 315. Se excluye la unica posibilidad de que el subgrupo de dos matem´ti´ a cos lo constituyan los dos que no pueden estar juntos. 3.3 = 35 grupos de 3 f´ a ısicos.3 = 10 grupos de 3 vocales distintas. 10 · 15 = 150 comisiones. hay un total de V25. P1. Se concluye as´ que el total de palabras que pueden formarse es e ı 35 · 10 · 7! = 350 · 5040 = 1764000. 2. Puesto que todos son elegibles. hay P7 = 7! = 5040 ordenaciones posibles de ´stas. y C6. ¿De cu´ntas maneras o a podr´n llegar a la meta? (Pueden llegar juntos) a Soluci´n o Hay varias posibilidades: Si llegan los tres juntos. P1. P1. un f´ ısico particular ha de estar en esa comisi´n.2 = 10 grupos de 2 matem´ticos. As´ se pueden formar ı. Se fija uno de los f´ ısicos. o dos matem´ticos concretos no pueden estar juntos? a Soluci´n o 1. Luego hay un total de 10 · 35 = 350 comisiones posibles.4 = 35 grupos de 4 consonantes distintas y C5. por lo que hay C5. 2. existen C5.i i i “libroult” 2001/8/30 page 17 i CAP´ ITULO 1. es importante saber si corresponden al principio o al final del trayecto.14] Tres atletas toman parte en una competici´n. COMBINATORIA Soluci´n o 17 Podemos formar un total de C7.12] Una l´ ınea de ferrocarril tiene 25 estaciones.2 = 25 · 24 = 600 billetes diferentes. 3. y adem´s. a o Adem´s hay C7. ¿Cu´ntos billetes diferentes a habr´ que imprimir si cada billete lleva impresas las estaciones de origen a y destino? Soluci´n o Dado que las estaciones de origen y destino no pueden coincidir.3 = 7 · 6 · 5/ (3 · 2) = 35 grupos de 3 f´ a ısicos. para cada una de las 35 · 10 = 350 maneras de escoger 7 letras verificando las condiciones impuestas. a dadas dos estaciones. entonces s´lo hay 1 posibilidad.2 − 1 = 9 grupos de 2 matem´ticos cumpliendo la condici´n. o i i i i .2 = 15 grupos de 3 f´ a ısicos.2 = 10 grupos de 2 matem´ticos. todos son elegibles.13] A partir de 5 matem´ticos y 7 f´ a ısicos hay que constituir una comisi´n o de 2 matem´ticos y 3 f´ a ısicos. Por otra parte. ¿De cu´ntas formas podr´ hacerse si: a a 1. y C7. luego existen C5.

tres bolas en la tercera. si ninguna urna puede quedar vac´ fijamos n bolas. Hay Cn. pueden llegar a la meta de 13 maneras distintas. existen C3. se fija una bola en cada ıas.r maneras distintas de escoger las r urnas que quedar´n a vac´ Por cada una de estas combinaciones. ¿De cu´ntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas id´nticas: e 1. n−1 m! · (n − 1)! 2.15] Se tienen n urnas diferentes. y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta. 3. una posible distribuci´n puede represeno tarse como: | | | | y significa que se coloca una bola en la primera urna.2 = 3 grupos de dos que llegan juntos. Sin embargo. por lo que el problema se reduce a distribuir m−n bolas en n urnas. P1. ninguna en la cuarta y dos en la quinta. Si llegan los tres por separado. existen 3! = 6 posibilidades. En particular. si quedan exactamente r (0 < r ≤ n) urnas vac´ ıas? Soluci´n o Asumiendo que las urnas son distinguibles. se obtiene un total de CRm−n. Por ejemplo. ıa. ninguna bola en la segunda. por lo que existen 3 · 2 = 6 posibilidades. resultando as´ un total a u ı m−1 n−1 = (m − 1)! (m − n)! · (n − 1)! i i i i . si no puede haber ninguna urna vac´ ıa.i i i “libroult” 2001/8/30 page 18 i 18 EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos. sin restricci´n alguna en cuanto al n´mero de bolas en cada urna. una de las urnas que tendr´n alg´n elemento. 1. Por lo tanto. plantear este problema es equivalente a calcular de cu´ntas maneras pueden distribuirse m estrellas a (‘ ’) y n − 1 barras (‘| ’) entre dos barras fijas (puesto que los elementos de los extremos deben ser necesariamente barras). Si todos los elementos fuesen distinguibles habr´ (m + n − 1)! perıa mutaciones posibles de estos elementos.n = distribuciones posibles.m = = . si n = 5 y m = 6. ı es m+n−1 (m + n − 1)! CRn. dado que las barras son indistinguibles entre s´ as´ como las estrellas. o u 2. una en cada urna. Aplicando lo anterior. el resultado ı. 3.

16] En un hospital se utilizan cinco s´ ımbolos para clasificar las historias cl´ ınicas de sus pacientes. 2. Se procede de forma similar al caso anterior.m−r = maneras de distribuir las bolas. dada una de estas posibles distribuciones. se observa que. u Sin embargo. El n´mero de permutaciones de las siete personas en la mesa es 7!. ıa ıa P1. El total de historias cl´ ınicas que pueden hacerse es.17] ¿De cu´ntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. la posici´n relativa de todos los individuos ser´ la miso a ma. P1. 625 · 1000 = 625000.3 = 1000 posibilidades para los d´ ıgitos. hay: Cn. resulta que hay V R25. por lo tanto. Por tanto. dos personas particulares no pueden sentarse juntas? Soluci´n o 1. no hay restricciones. As´ hay V25.r · CRn−r.2 = a e 252 = 625 posibilidades para las letras. u las dos letras no pueden ser iguales? n n + m − 2r − 1 · r n−r−1 Soluci´n o 1.2 = 25·24 = ı. 2. como no se hacen distinciones entre los asientos en la i i i i . no hay restricciones sobre letras y n´meros.m−r formas de distribuir las m − r bolas que quedan en las n − r urnas restantes. si cada individuo se traslada al asiento situado a su derecha. y V R10. COMBINATORIA 19 de CRn−r. 2. ¿cu´ntas historias a cl´ ınicas podr´n hacerse si: a 1. Se procede an´logamente con a el caso de los d´ ıgitos y se obtiene un total de V R10.i i i “libroult” 2001/8/30 page 19 i CAP´ ITULO 1. resultando que hay 600 · 1000 = 600000 historias cl´ ınicas. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adem´s ´stas pueden repetirse. Por lo tanto. por ejemplo. en el caso de que las urnas no fueran distinguibles. el problema o se complicar´ y habr´ que recurrir a otros procedimientos. Suponiendo que hay 25 letras. de manera que los dos primeros son letras y los tres ultimos son d´ ´ ıgitos.3 = 103 = 1000 posibilidades para los d´ ıgitos. N´tese que. 600 posibilidades para las letras. con la unica diferencia ´ de que ahora las letras no pueden repetirse.

Por tanto. hay 120 · 2 = 240 formas de sentarse. 2. dado que o las flores de un ramillete no est´n ordenadas y adem´s no se repiten. 2. As´ el n´mero total de formas ı. se obtiene que hay 6!/6 = 5! = 120 distribuciones. debemos de dividir por el n´mero de casos en que la posici´n u o relativa es la misma. exactamente dos nombres. Si tiene dos nombres como m´ximo. 4 ´ 5 flores. 2. no m´s de tres nombres? a Soluci´n o 1. Por otra parte.3 = 273 = 19683 conjuntos de iniciales. 2. que puede ser A (adenina). P1. estando juntas las dos personas particulares. Si tiene dos nombres. P1. hay V R27. Finalmente.19] ¿Cu´ntos ramilletes distintos se pueden formar con 5 flores de variedades a distintas? Soluci´n o Pueden formarse ramilletes de 1. a 3.20] Suponiendo que hay 27 letras distintas. por 7. o u G (guanina). y adem´s ´stos o a e pueden repetirse. ¿Cu´ntas secuencias distintas se a podr´n formar si se pueden repetir nucle´tidos? a o Soluci´n o Ya que importa el orden de los nucle´tidos en la secuencia. no m´s de dos nombres. C (citosina) y T (timina).i = 25 − 1 = 31 i=1 ramilletes distintos.18] En la s´ ıntesis de prote´ ınas hay una secuencia de tres nucle´tidos sobre o el ADN que decide cu´l es el amino´cido a incorporar. se concluye que hay 720 − 240 = 480 formas de sentarse. Por tanto.i i i “libroult” 2001/8/30 page 20 i 20 EJERCICIOS RESUELTOS DE PROBABILIDAD mesa. P1. hay dos posibilidades: a i i i i . Adem´s. ¿cu´ntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. entonces existen V R4. 3. Existen cuatro a a tipos distintos de nucle´tidos seg´n la base. u de sentarse es 7!/7 = 6! = 720. Consideremos a esas dos personas como una sola.3 = 43 = 64 secuencias distintas. es decir. hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. sin restricciones. Procediendo igual que en el apartado (a). a a tenemos: 5 C5. hay 6! = 720 formas de sentarse.

Por lo tanto.d = Cd+5.4 = 274 posibilidades. Adem´s. de obtenerse el mismo resultado en varios dados.d = C6+d−1. obteni´ndose finalmene te un total de 272 · 1 + 27 + 272 = 551853 conjuntos de iniciales.i i i “libroult” 2001/8/30 page 21 i CAP´ ITULO 1. 3.m = m + 1 resultados. ı Suponiendo que los dados son iguales y las monedas son iguales: El n´mero de resultados que se pueden obtener al arrojar los d dados. hay un total de V R6. se obtienen a V R2.m = 2m resultados distintos para las monedas. para las m monedas.d = 6d resultados distintos para los dados. del tipo “nombre1 nombre2 apellido” hay V R27.d · (m + 1) resultados diferentes. COMBINATORIA 21 del tipo “nombre apellido” hay V R27. hay Cd+5.m = C2+m−1. Si tiene tres nombres como m´ximo. hay un total de CR2.21] Si se arrojan d dados y m monedas. u teniendo en cuenta que ´stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos. Se concluye as´ que hay un total de 6d · 2m resultados diferentes. Luego hay 272 · (1 + 27) = 20412 conjuntos de iniciales. i i i i . a las dos posibilidades del apara tado (b) hay que a˜adir el tipo “nombre1 nombre2 nombre3 apellin do”.m = a Cm+1. puesto que se distinguen los dados entre s´ y en una tirada pueı. ¿cu´ntos resultados diferentes se a pueden distinguir? Soluci´n o Suponiendo que los dados son distintos y las monedas son distintas: Para el caso de los d dados (un dado tiene 6 resultados posibles). del que hay V R27. es CR6.2 = 272 posibilidades. P1.3 = 273 posibilidades.d . Procediendo de forma an´loga para las m monedas.

i i i “libroult” 2001/8/30 page 22 i i i i i .

T´ ıpicamente se desea estudiar caracter´ ısticas de algunos subconjuntos de sucesos elementales. Para garantizar rigor en el uso de operaciones algebraicas como la uni´n y o la intersecci´n de conjuntos. que reciben el nombre de sucesos. es decir. pudiendo por tanto existir diferentes espacios muestrales para un mismo problema.i i i “libroult” 2001/8/30 page 23 i CAP´ ITULO 2 Fundamentos de probabilidades Se llama espacio muestral Ω a un conjunto matem´tico donde cada elemento a representa un resultado (concreto) de un experimento. 1] 23 i i i i . ∅ ∈ A. A1 . ω ∈ A. Se dice que un suceso A ocurre cuando el resultado del experimento ω est´ asociado a uno de sus a sucesos elementales.) de manera que la familia extendida A tenga la siguiente propiedad de ´lgebra: a A ∈ A entonces Ac := Ω \ A ∈ A. A2 ∈ A entonces A1 ∪ A2 ∈ A. Dado que es una imagen matem´tica (abstracta) de un problema (real) no es necesariamente unico para a ´ un experimento dado. A) se define una probabilidad como una funci´n o P : A −→ [0. A cada elemento del espacio muestral se le llama suceso elemental ya que se consideran como los resultados m´s simples que interesan de un experimena to. etc. la familia de sucesos se extiende con algunos otros o subconjuntos (complementos. Sobre una pareja (Ω.

i i i i . A2 ∈ A: A1 ∩ A2 = ∅ entonces P (A1 ∪ A2 ) = P (A1 ) + P (A2 ).i i i “libroult” 2001/8/30 page 24 i 24 EJERCICIOS RESUELTOS DE PROBABILIDAD con las siguientes propiedades: P (Ω) = 1. Se representa por P (A | B). Dado (Ω. 250 personas son seleccionadas en La Laguna y se les pregunta si van a votar al candidato A o al B. Una importante caracter´ ıstica de los espacios muestrales equiprobables es que la probabilidad de cualquier suceso suyo se calcula determinando la proporci´n de sus elementos sobre el total. Intuitivamente: o P (A) = casos favorables a A . A. 2. se llama probabilidad condicionada de A dado B a la probabilidad de que ocurra un suceso elemental en A supuesto que ha ocurrido alg´n suceso u elemental de B. P ) se le llama espacio probabil´ ıstico. a 4. y sucede que: P (A | B) := P (A ∩ B) . 5. y s´lo si. P ) con Ω ⊂ A. P (A ∩ B) = P (A)P (B). Un dado es lanzado cinco veces consecutivas. |Ω| Dados dos sucesos A y B de un mismo espacio probabil´ ıstico (Ω. si A1 . o Ejercicios Resueltos P2. Cinco dados son lanzados simult´neamente. 3. A. Cuatro objetos se envasan en paquetes de dos. A. Una moneda es lanzada hasta que salen dos caras o dos cruces consecutivas. el espacio muestral Ω se llama equiprobable cuando la probabilidad de todos sus sucesos elementales es la misma. A la terna (Ω. P (B) Se dice que A y B son independientes si. P ) con P (B) > 0.1] Describir el espacio muestral para cada uno de los siguientes experimentos aleatorios: 1. casos posibles de Ω Cuando Ω sea un conjunto finito esta ultima idea consiste en un c´lculo de ´ a cardinales ya que: |A| P (A) = .

w3 . B. desde que se conozca la composici´n de un paquete ya se conoce la del otro. Soluci´n o 1. . . 3. elegido un objeto (por ejemplo. o Adem´s. . 4. Si wi representa la opci´n del i-´simo encuestado (i = 1. w6 ) : wi ∈ {0. . y se envasan en dos paquetes de dos objetos cada uno. 4. 3. w4 . w5 . otro espacio muestral v´lido ser´ a ıa: Ω = {0. i i i i . 2. donde cada suceso elemental representa el n´mero de encuestados u que optan por el candidato A. w2 . . FUNDAMENTOS DE PROBABILIDADES 6.} . . . 6}} . . 5). i=1 wi = 5 donde cada wi representa el n´mero de veces que sale el n´mero i u u en un lanzamiento (i = 1. podemos definir como espacio muestral: ´ Ω = {w = (w1 . . (B. A. y por w2 el resultado de los dos ultimos lanzamientos. B. Representando por w1 el n´mero de lanzamientos hasta conseguir u dos caras o dos cruces consecutivas. 250} = {(A. podemos definir como e espacio muestral para este experimento: Ω = {B. B)} . . (A. . . por lo que de cada lana zamiento tendremos en cuenta tan s´lo el n´mero de veces que ha o u salido cada cara. 2.i i i “libroult” 2001/8/30 page 25 i CAP´ ITULO 2. 1. 5. . w2 ) : w1 ∈ {2. . w4 . 5. w2 . As´ un posible espacio muestral es: ı. . . C y D. 2. Si no interesa conocer lo que vota cada persona. i = 1. que representaremos por A. . podemos definir el espacio muestral como Ω = {w = (w1 . . w5 ) : wi ∈ {1. . 25 Cuatro bolas son extra´ ıdas aleatoriamente y sin reeplazamiento de una urna que contiene ocho bolas blancas y seis azules. X}} . 3. A) . w2 . . 5}. 250) o e entonces un posible espacio muestral es Ω = = {w = (w1 . 6) . w2 ∈ {C. B. . . A) basta saber qui´n va a e con ´l en el paquete. w3 . . C. 2. 250} . . . 1. . A. Por lo tanto. . . . . B} . . Los dados se lanzan de forma simult´nea. . 3. . . . 4. . 2. . . D} . 6 Ω= w = (w1 . 5. B. 4. . Hay 4 objetos. Representando por wi el resultado del i-´simo lanzamiento del dado e (i = 1. w250 ) : wi ∈ {A. Teniendo esto en cuenta. 3. A) .

tral es: Ω = {0. i i i i . w2 . 4. 2. P2. si A ∈ A: P (Ac ) = 1 − P (A).2] Una moneda es lanzada cinco veces. 5) . que puede ser C =“cara” y X =“cruz” (i = 1. w5 ) : wi ∈ {C. 3. siendo B =“blanco” y A =“azul” los dos posibles colores a obtener. 2. pero que la afirmaci´n rec´ e o ıproca no es cierta. P (∅) = 0. si A. a partir del n´mero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual. i = 1. 3. 3. X}} . 4. B ∈ A: P (A ∪ B) = P (A) + P (B) − P (A ∩ B). A} . 2. 2. 4). w2 . Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambi´n usado en (1). 1. Si representamos por wi el color de la bola de la i-´sima extracci´n e o (i = 1. 2. A. El resultado de cada lanzamiento individual es de inter´s. 3. Definir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1.3] Dado (Ω. Sin embargo. P2. 4. 5} . 2. donde cada wi representa el resultado del i-´simo lanzamiento de la e moneda. e 3. o u e 2. Un posible espacio muestral es: Ω = {w = (w1 . Si tomamos un suceso del espacio muestral del apartado (b) podemos calcular el n´mero de caras que han salido (espacio muestral del u apartado (a)). w4 ) : wi ∈ {B. 3. Soluci´n o 1.i i i “libroult” 2001/8/30 page 26 i 26 EJERCICIOS RESUELTOS DE PROBABILIDAD 6. demostrar: 1. un posible espacio muestral es Ω = {w = (w1 . 5. As´ un posible espacio muesı. Representamos cada suceso elemental como w =“n´mero de caras u obtenidas en los cinco lanzamientos”. 4} . 3. si A. B ∈ A: A ⊆ B entonces P (A) ≤ P (B). w3 . S´lo el n´mero de caras es de inter´s. P ) un espacio probabil´ ıstico. w3 . w4 . si A. B ∈ A: P (A \ B) = P (A) − P (A ∩ B).

6} . Explicar por qu´ y calcular e las correspondientes probabilidades. 5. 2. 4. 135. 144. Pero Galileo vio que estas combinaciones no se pueden considerar igualmente probables. por observar que al o jugar con 3 dados la suma 10 aparece con m´s frecuencia que la 9. 5)})] ({(3. o considerando A1 := A y A2 := Ac . 4)})] 3 + · [P ({(1. 3. o La probabilidad de obtener resultados que sumen nueve es: 3! · [P ({(1. y al 10: 136. 2. 235. o considerando A1 := A ∩ B = A y A2 := B \ A. w3 ) : wi ∈ {1. 3. 2. 2. 4)})] 3 1 ·3 = . 2. 3. Basta tener presente las dos condiciones que cumple P por definici´n. 3. 234 y 333. 5)}) + P ({(2. Soluci´n o Consideremos como espacio muestral: Ω = {w = (w1 . N´tese que este espacio es equiprobable y |Ω| = 63 . 225. 2. 4. 3). la probabilidad en el caso de que la suma sea igual a diez es: 3! · [P ({(1. 3. 4. 3. 3)}) 2 1 3 25 ·2+1 = . 3. 27 Basta tener presente las dos condiciones que cumple P por definici´n. i = 1. o considerando A1 := Ω y A2 := ∅. 6)}) + P ({(1. 244 y 334. ({(2. 5)})] + P ({(3. 226. 6)}) + P ({(2. Usando los apartados anteriores: P (A ∪ B) = P (A) + P (B \ A) = P (A) + P (B) − P (A ∩ B). 6)}) + P ({(1. 3. w2 . 5)}) + P 3 + · [P ({(2. 4)}) + P 2 1 = 3 · 6·3+ 6 que es mayor que 25/216. 145.i i i “libroult” 2001/8/30 page 27 i CAP´ ITULO 2. Seg´n el a u jugador los casos favorables al 9 ser´ ıan: 126. P2. 2. 3} . = 3 · 6·3+ 6 2 216 Por otra parte. 5. o considerando A1 := A \ B y A2 := A ∩ B.4] Un jugador italiano expres´ su sorpresa a Galileo. 4)}) + P ({(2. 4. Basta tener presente las dos condiciones que cumple P por definici´n. donde cada wi representa el resultado del lanzamiento del i− ´simo dado e (i = 1. 4. 2 8 i i i i . FUNDAMENTOS DE PROBABILIDADES Soluci´n: o 1. Basta tener presente las dos condiciones que cumple P por definici´n.

4 |A1 ∩ A2 ∩ A3 ∩ A4 | 1 = . Definimos Ai = {w ∈ Ω/en u w aparece el n´mero i en el lugar i-´simo}. j = 1. . . . 4 (4 − 2)! 2 1 |Ai ∩ Aj | = = = . j. P (A1 ∪ A3 ) 4. . . |Ω| 24 24 12 para todo i. 2. . Aj = A2 . . todas equiprobables. . P (A1 ∪ (A3 ∩ A4 )) Soluci´n o 1. . k = 1. |Ω| 24 para todo i. 3 y 4. Calcular: u e 1.5] Consid´rese un espacio muestral Ω formado por las 24 permutaciones de e los n´meros 1.i i i “libroult” 2001/8/30 page 28 i 28 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. Dado que P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 1≤i≤4 P (Ai ) − 1≤i<j≤4 P (Ai ∩ Aj ) + 1≤i<j<k≤4 P (Ai ∩ Aj ∩ Ak ) −P (A1 ∩ A2 ∩ A3 ∩ A4 ). P (A1 ∪ A2 ∪ A3 ∪ A4 ) 2. |Ω| 24 P (Ai ∩ Aj ) = P (Ai ∩ Aj ∩ Ak ) = P (A1 ∩ A2 ∩ A3 ∩ A4 ) = Luego. P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) 3. . Ak = A3 . |Ω| 24 24 4 para todo i = 1. . se tiene que la probabilidad pedida es: P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 4 4 · P (Ai0 ) − · P (Ai0 ∩ Aj0 ) 1 2 4 + · P (Ai0 ∩ Aj0 ∩ Ak0 ) 3 i i i i . procedemos a calcular cada uno de los t´rminos: e P (Ai ) = |Ai | (4 − 1)! 6 1 = = = . 4 |Ai ∩ Aj ∩ Ak | 1 = . fijados por ejemplo Ai = A1 . .

12 24 24 24 3. i i i i . FUNDAMENTOS DE PROBABILIDADES 4 · P (A1 ∩ A2 ∩ A3 ∩ A4 ) 4 1 1 1 5 1 +4· −1· = . A2 y A3 sucesos tales que A1 ∪ A2 ∪ A3 = Ω y A1 ∩ A2 = A1 ∩ A3 = A2 ∩ A3 . y adem´s podemos expresar esta probabilidad a en funci´n de los tres sucesos que se definen en el enunciado. se obtiene el resultado: P ((A1 ∪ A2 ) ∩ (A3 ∪ A4 )) = P (A1 ∪ A2 ) + P (A3 ∪ A4 ) −P (A1 ∪ A2 ∪ A3 ∪ A4 ) = {P (A1 ) + P (A2 ) − P (A1 ∩ A2 )} + {P (A3 ) + P (A4 ) − P (A3 ∩ A4 )} −P (A1 ∪ A2 ∪ A3 ∪ A4 ) = 1 15 24 − 4 − 15 5 = 1−2· − = = .i i i “libroult” 2001/8/30 page 29 i CAP´ ITULO 2. llando esta expresi´n y sustituyendo los datos que nos da el problema. 4 12 24 24 4. se obtiene que: a P (A1 ∪ (A3 ∩ A4 )) = = P (A1 ) + P (A3 ∩ A4 ) − P (A1 ∩ A3 ∩ A4 ) = 1 1 1 7 + − = . Utilizando la propiedad de la probabilidad de la uni´n de dos sucesos o se obtiene: 1 1 5 P (A1 ∪ A3 ) = P (A1 ) + P (A3 ) − P (A1 ∩ A3 ) = 2 · − = .6] Sean A1 . P2. para la ultima igualdad. Soluci´n o Sabemos que P (Ω) = 1. que: ´ P (A1 ∩ (A2 ∩ A3 )) = P (A1 ∩ (A1 ∩ A2 )) = P (A1 ∩ A2 ). 29 Utilizando lo ya conocido para la probabilidad de la uni´n de dos o sucesos. se o tiene que: P (Ω) = 1 = P (A1 ∪ A2 ∪ A3 ) = P (A1 ) + P (A2 ) + P (A3 ) −P (A1 ∩ A2 ) − P (A1 ∩ A3 ) − P (A2 ∩ A3 ) +P (A1 ∩ A2 ∩ A3 ) = 1 1 + + P (A3 ) − 2 · P (A1 ∩ A2 ). = 4· −6· 4 12 24 24 8 − 2. Sabiendo que P (A1 ) = 1/4 y P (A2 ) = 1/2 hallar P (A3 ). 4 12 12 An´logamente. 4 2 = usando. As´ desarroo ı.

los sucesos elementales son las permutaciones de las letras A. BAC. AC y CB independientes? Soluci´n o En este problema se asume que no existen los empates. las probaı bilidades que pide el problema son: P (A venza) = P ({ABC}) + P ({ACB}) = 2 · p1 = 5/9 P (B venza) = P ({BAC}) + P ({BCA}) = 2 · p2 = 2/9 P (C venza) = P ({CAB}) + P ({CBA}) = 2 · p3 = 2/9. P (AC) = 2/3 ı y P (BC) = 1/2. BAC} BC = {ABC. |Ω| = 3! = 6 Dicho espacio tiene |Ω| = 3! = 6 elementos. ACB. Adem´s: a AB = {ABC. y un simple espacio muestral es: Ω = {ABC. el cual vence a C” como ABC. Denotemos las probabilidades de los sucesos elementales: P ({ABC}) = P ({ACB}) = p1 . P (BAC) = P (BCA) a y P (CAB) = P (CBA). Adem´s P (ABC) = P (ACB).7] Tres caballos A. P (C venza). Calcular P (A venza). p2 = 1/9 y p3 = 1/9. P ({CAB}) = P ({CBA}) = p3 .i i i “libroult” 2001/8/30 page 30 i 30 EJERCICIOS RESUELTOS DE PROBABILIDAD Finalmente. pero no es necesariamente equiprobable. BCA. 4 P2. P (B venza). CAB. i i i i . ¿Son AB. El suceso “A vence a B” se designa por AB. ACB. Por tanto. B y C. obtenemos: 1 P (A3 ) = 2 · P (A1 ∩ A2 ) + . BAC. P ({BAC}) = P ({BCA}) = p2 . Por ello. ACB. CAB} AC = {ABC. CBA} . despejando. el suceso “A vence a B. BCA} . y as´ sucesivamente. y resolvamos:  P (AB) = 2/3 ⇒ 2 · p1 + p3 = 2/3  P (AC) = 2/3 ⇒ 2 · p1 + p2 = 2/3  P (BC) = 1/2 ⇒ p1 + 2 · p2 = 1/2 Se obtiene as´ que p1 = 5/18. B y C participan en una carrera. Se sabe que P (AB) = 2/3.

i i

i

“libroult” 2001/8/30 page 31 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES Por ultimo, para ver si AB, AC y CB son independientes, calculemos: ´ P (AB ∩ AC) = P ({ABC, ACB}) = P ({ABC}) + P ({ACB}) = P (AB) · P (AC) = 4 2 2 · = . 3 3 9 5 9

31

Dado que P (AB ∩ AC) = P (AB) · P (AC), se concluye que no son independientes. P2.8] Siendo A, B y C tres sucesos pertenecientes a un determinado espacio muestral, se consideran los dos sucesos M = A∩B c ∩C c y N = A∩(B∪C). Calcular las probabilidades de M y N sabiendo que P (A) = 0,7, P (B) = 0,6, P (C) = 0,5, P (A ∩ B) = 0,45, P (A ∩ C) = 0,35, P (B ∩ C) = 0,25 y P (A ∩ B ∩ C) = 0,15. Soluci´n o Se puede usar la diferencia de sucesos, y as´ ı: P (M ) = = = = = P (A ∩ B c ∩ C c ) = P (A ∩ (B ∪ C) ) P (A| (B ∪ C)) = P (A) − P (A ∩ (B ∪ C)) P (A) − P ((A ∩ B) ∪ (A ∩ C)) P (A) − P (A ∩ B) − P (A ∩ C) + P ((A ∩ B) ∩ (A ∩ C)) 0,7 − 0,45 − 0,35 + 0,15 = 0,05.
c

Otro modo de calcular P (M ) consiste en usar la expresi´n equivao lente a la uni´n de los sucesos A, B y C: o A ∪ B ∪ C = (A ∩ (B ∪ C)c ) ∪ B ∪ C = (A ∩ B c ∩ C c ) ∪ B ∪ C. Se tiene entonces que: P (A ∪ B ∪ C) = P ((A ∩ B c ∩ C c ) ∪ B ∪ C) = P (A ∩ B c ∩ C c ) + P (B) + P (C) −P (A ∩ B c ∩ C c ∩ B) − P (A ∩ B c ∩ C c ∩ C) −P (B ∩ C) + P ((A ∩ B c ∩ C c ) ∩ B ∩ C),

siendo A ∩ Bc ∩ C c ∩ B = A ∩ Bc ∩ C c ∩ C = ∅ y (A∩B c ∩C c )∩(B ∪ C) = (A ∩ B c ∩ C c ∩ B)∪(A ∩ B c ∩ C c ∩ C) = ∅.

i i i

i

i i

i

“libroult” 2001/8/30 page 32 i

32 Por tanto:

EJERCICIOS RESUELTOS DE PROBABILIDAD

P (A ∪ B ∪ C) = P (A ∩ B c ∩ C c ) + P (B) + P (C) − P (B ∩ C). (1) Hemos logrado expresar la probabilidad pedida en funci´n de las o probabilidades conocidas P (B), P (C), P (B ∩ C) y P (A ∪ B ∪ C), siendo el valor de esta ultima: ´ P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) −P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C) = = 0,7 + 0,6 + 0,5 − 0,45 − 0,35 − 0,25 + 0,15 = 0,9

Finalmente, despejamos en 2.1 el resultado: P (M ) = P (A ∩ B c ∩ C c ) = 0,05 Para calcular P (N ), expresamos N como uni´n de sucesos disjuntos, o utilizando la diferencia de sucesos: P (N ) = P (A ∩ (B ∪ C)) = P ((A ∩ B) ∪ ((A ∩ C) | (A ∩ B ∩ C))) = P (A ∩ B) + P ((A ∩ C) | (A ∩ B ∩ C)) = P (A ∩ B) + P (A ∩ C) − P ((A ∩ C) ∩ (A ∩ B ∩ C)) = = P (A ∩ B) + P (A ∩ C) − P (A ∩ B ∩ C) 0,45 + 0,35 − 0,15 = 0,65,

verific´ndose la tercera igualdad debido a que los sucesos A ∩ B y a (A ∩ C) | (A ∩ B ∩ C) son disjuntos. Otra forma de obtener la probabilidad pedida ser´ directamente: ıa, P (N ) = = P (A ∩ (B ∪ C)) = P ((A ∩ B) ∪ (A ∩ C)) P (A ∩ B) + P (A ∩ C) − P (A ∩ B ∩ C) .

P2.9] Siendo A1 , A2 y B tres sucesos tales que A1 ∩ A2 = ∅, demostrar que P (A1 ∪ A2 |B) = P (A1 |B) + P (A2 |B). Soluci´n o Aplicamos la definici´n de probabilidad condicionada y se obtiene: o P (A1 ∪ A2 |B) = = = = P ((A1 ∩ B) ∪ (A2 ∩ B)) P ((A1 ∪ A2 ) ∩ B) = = P (B) P (B) P (A1 ∩ B) + P (A2 ∩ B) − P (A1 ∩ A2 ∩ B) = P (B) P (A1 ∩ B) P (A2 ∩ B) + P (B) P (B) P (A1 |B) + P (A2 |B).

i i i

i

i i

i

“libroult” 2001/8/30 page 33 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

33

La tercera igualdad se verifica debido a que P (A1 ∩ A2 ∩ B) = P (∅ ∩ B) = P (∅) = 0. P2.10] Demostrar que si A1 , A2 y A3 son independientes, entonces tambi´n lo e son Ac , Ac y Ac . Y que si A1 , A2 y A3 son independientes, entonces son 1 2 3 independientes por pares, pero que lo rec´ ıproco no es cierto. Soluci´n o “Si A1 , A2 y A3 son independientes, entonces Ac , Ac y Ac son 1 2 3 independientes”. Supongamos A1 , A2 y A3 independientes. Esto quiere decir que: P (A1 ∩ A2 ) P (A1 ∩ A3 ) P (A2 ∩ A3 ) P (A1 ∩ A2 ∩ A3 ) = = = = P P P P (A1 ) · P (A1 ) · P (A2 ) · P (A1 ) · P (A2 ) (A3 ) (A3 ) (A2 ) · P (A3 )

Veamos que esto se verifica tambi´n para Ac , Ac y Ac , pues: e 3 2 1 P (Ac ∩ Ac ) 1 2 = = = = P ((A1 ∪ A2 ) ) = 1 − P (A1 ∪ A2 ) = 1 − P (A1 ) − P (A2 ) + P (A1 ∩ A2 ) = 1 − P (A1 ) − P (A2 ) + P (A1 ) · P (A2 ) = (1 − P (A1 )) · (1 − P (A2 )) = P (Ac ) · P (Ac ) . 1 2
c

An´logamente: a P (Ac ∩ Ac ) = P (Ac ) · P (Ac ) 1 3 1 3 P (Ac ∩ Ac ) = P (Ac ) · P (Ac ) . 2 3 2 3 Por ultimo, tenemos que: ´ P (Ac ∩ Ac ∩ Ac ) = 1 2 3 = P ((A1 ∪ A2 ∪ A3 ) ) = 1 − P (A1 ∪ A2 ∪ A3 ) 1−
1≤i≤3 c

P (Ai ) +
1≤i<j≤3

P (Ai ∩ Aj )

−P (A1 ∩ A2 ∩ A3 ) = 1−
1≤i≤3

P (Ai ) +
1≤i<j≤3

P (Ai ) · P (Aj )

=

−P (A1 ) · P (A2 ) · P (A3 ) P (Ac ) · P (Ac ) · P (Ac ) . 1 2 3

“Si A1 , A2 y A3 son independientes, entonces son independientes por pares”. El resultado es consecuencia de la definici´n. o

i i i

i

2. 2. sin embargo.i i i “libroult” 2001/8/30 page 34 i 34 EJERCICIOS RESUELTOS DE PROBABILIDAD “Si A1 . 4. Supongamos que se realiza un experimento aleatorio que consiste en lanzar dos dados distinguibles (1 y 2). Este espacio es equiprobable. 2. no se cumple la ultima condici´n para la inde´ o pendencia. Un espacio muestral es Ω = {(i. 3. 36 12 1 24 i i i i . j = 1. j)) = 1 6 2 = 1 . 36 para todo i. j = 1. P ((i. A2 y A3 son independientes por pares. donde i representa el resultado del dado 1 y j el resultado del dado 2 (i. 5. 6) . 4. 6. 4. Definamos los sucesos: A = “El resultado del dado 1 es un no par”. 5. 36 2 2 36 6 Son independientes por pares ya que P (A ∩ B) = P (A ∩ C) = P (B ∩ C) = 9 1 = = P (A) · P (B) . j) : i. y su cardinal es |Ω| = 62 = 36. C = “Los dos dados dan el mismo resultado”. ya que las probabilidades: P (A ∩ B ∩ C) = P (A) · P (B) · P (C) = son diferentes: P (A ∩ B ∩ C) = P (A) · P (B) · P (C) 6·3 1 = . esto no implica que necesariamente sean independientes”. 36 4 1 3 = = P (A) · P (C) . 36 12 3 1 = = P (B) · P (C) . 5. Por tanto. 36 12 pero. 6} . 3. 3. Entonces: P (A) = 18 1 1 6 1 = P (B) = P (C) = = . B = “El resultado del dado 2 es un no par”. j = 1.

A y B son independientes.11] Sea A1 y A2 dos sucesos con A1 ∩ A2 = ∅. P (A) 1/3 obteni´ndose as´ que P (B ∩ A) = 1/9. 7. Entonces. P (A) 1/3 1/3 3 P (B) = P (B|A). A ∩ B = ∅. . B = {3. para todo i = 1. 2. Definimos A como el suceso “el n´mero extra´ es menor que cuau ıdo tro”. . 9. Entonces: P (B) P (B|A) = = 7 9 P (B ∩ A) P ({3}) 1/9 1 = = = . A = {1. Soluci´n o 1. i i i i .i i i “libroult” 2001/8/30 page 35 i CAP´ ITULO 2. 5. . 9} . FUNDAMENTOS DE PROBABILIDADES 35 P2. por lo que se concluye que los dos sucesos no son independientes. A ∩ B = ∅. 4. A2 independientes ⇔ P (A1 ) · P (A2 ) = P (A1 ∩ A2 ) = P (∅) = 0 ⇔ P (A1 ) = 0 ´ P (A2 ) = 0 o P2. 9} . . un espacio muestral es Ω = {1. Dar una condici´n necesaria o y suficiente para que A1 y A2 sean independientes. P (B|A) = 1/3. 8. A ⊆ B. 2. es decir. 4. 4. 5.12] Dado que P (A) = 1/3. 6. 8. Por definici´n de probabilidad condicionada. 2. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A ⊆ B. Dicho espacio es equiprobable y P ({i}) = 1/9. 2. P (Ac |B c ) = 2/3. y sea B el suceso “el n´mero extra´ u ıdo es mayor que dos”. 3. determinar si se cumple que: 1. es decir. 7. Soluci´n o A1 . Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. 3} . 6. Por lo tanto. se tiene que: o P (B|A) = P (B ∩ A) P (B ∩ A) = = 1/3. 3. e ı 3.

13] ¿Son ciertas las igualdades: 1. se obtiene: A ∩ B c = {1. c Sustituyendo en las correspondientes expresiones. Obs´rvese. . utilizando nuevamente el ejemplo del primer apartado. c c c A ∩ B = (A ∪ B) = {5. 2. definimos un espacio muestral Ω = {1. 2. pues. en el contraejemplo del apartado (a). se obtiene: P (A|B) = P (Ac |B c ) = = P (A ∩ B) P (∅) = =0 P (B) P (B) P (Ac ∩ B c ) = P (B c ) P ({5. 6. Definimos tambi´n los sucesos A = {1. que verifican: e A ∩ B = ∅. resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1.i i i “libroult” 2001/8/30 page 36 i 36 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa. i i i i . 2} . . pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. con P ({i}) = 1/6. 3. 2. La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verifica. 6}) 2/6 1 = = . P (A|B) + P (A|B c ) = 1? Soluci´n o 1. 6} . 5. 3. P (A|B) = P (Ac |B c ). 2. 6} . para todo i = 1. P (A|B) + P (Ac |B c ) = 1. 5. . 4}. B = {1. . P (B c ) P ({1. 2} y B = {3. 3. 2}) P2. si utilizamos los datos del ejemplo del apartado anterior. 6}. que: e P (Ac |B c ) = P (∅) P (Ac ∩ B c ) = = 0. pues. 4. La igualdad P (A|B) + P (A|B c ) = 1 no es cierta. P ({1. 5. 6}) 4/6 2 Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. 2.

y se verificar´ o ıa: P (B|A) = P (A ∩ B) P (A) 1 = =1= . e ı P2. i i i i . P (A|B) + P (Ac |B c ) = 1. 4. Soluci´n o Comprobemos que P (A ∩ B) = P (A) · P (B) implica que P (Ac ∩ B c ) = P (Ac ) · P (B c ). = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1. A ⊂ B. 2. c concluy´ndose as´ que Ac y B c son independientes. N´tese que si A ⊂ B entonces A ∩ B = A. Soluci´n o 1. P (B|A) = 1/2 y P (A|B) = 1/4. 3. Ac y B c son independientes. 5. P (Ac ∩ B c ) = = = = P ((A ∪ B) ) = 1 − P (A ∪ B) 1 − P (A) − P (B) + P (A ∩ B) 1 − P (A) − P (B) + P (A) · P (B) (1 − P (A)) · (1 − P (B)) = P (Ac ) · P (B c ) . A y B son incompatibles. P (Ac |B c ) = 1/2. 6}) 1 2/6 = . P (A|B) = 37 P2. 5. Decir si son ciertas o falsas las siguientes relaciones: 1. entonces Ac y B c son independientes. 6.15] Sean A y B dos sucesos tales que P (A) = 1/4. P (A) P (A) 2 por lo que no es posible que A ⊂ B. A y B son independientes.i i i “libroult” 2001/8/30 page 37 i CAP´ ITULO 2. 2.14] Demostrar que si dos sucesos A y B son independientes. 2}) P (A ∩ B c ) P (A|B c ) = = P (B c ) P ({1. En efecto.

16] Demostrar los siguientes resultados: Dado (Ω. Tampoco se cumple que P (Ac |B c ) = 1/2. P (B c ) P (B c ) 4 6. 4 4 P2. A. pues: P (A ∩ B) = P (B|A) · P (A) = y P (A) · P (B) = Luego P (A ∩ B) = P (A) · P (B) . Consecuencia inmediata de aplicar la definici´n de probabilidad cono dicionada y del apartado anterior. 4 2 8 5. i i i i . Dado que B es la uni´n disjunta de los conjuntos B ∩Ai . Teorema de Bayes: para cada j ∈ {1. P ) un espacio probabil´ ıstico. pues: P (Ac |B c ) = P (Ac ∩ B c ) P (Ac ) · P (B c ) 3 = = . . P (B|Aj )P (Aj ) k i=1 P (B|Ai )P (Ai ) . En efecto. 3. Es cierto. A y B son independientes. se concluye que Ac y B c son independientes. Habiendo demostrado ya la independencia de A y B. Teorema de la probabilidad total: k P (B) = i=1 P (B|Ai )P (Ai ). P (A|B) + P (Ac |B c ) = 1 3 + = 1. y teniendo en cuenta el ejercicio 14. No es cierto que A y B sean incompatibles. y otro suceso B tal que B ⊆ ∪k Ai . 4. Ak disjuntos dos a dos. . k}. . . el resultado o es trivial. . 2. i=1 1. En efecto.i i i “libroult” 2001/8/30 page 38 i 38 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. P (Aj |B) = Soluci´n: o 1. 2. un subconjunto de sucesos A1 . . . ya que: P (A ∩ B) = P (B|A) · P (A) = 1 1 1 · = = 0. . Se verifica que P (A|B) + P (Ac |B c ) = 1. 2 4 8 1 1 1 · = 2 4 8 1 1 1 · = .

como m´ximo ocurren r sucesos. 2. = P (Ac ) · P (Ac ) · P (Ac ) = 1 2 3 = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) .i i i “libroult” 2001/8/30 page 39 i CAP´ ITULO 2.j=1 (P (Ai ) · P (Aj ))+3·P (A1 )·P (A2 )·P (A3 ) . ocurren exactamente r sucesos. i i i i . Adem´s. j = k. FUNDAMENTOS DE PROBABILIDADES 39 P2. al menos ocurren r sucesos. j. entonces: P ((A1 ∩ A2 ∩ Ac ) ∪ (A1 ∩ Ac ∩ A3 ) ∪ (Ac ∩ A2 ∩ A3 )) = 3 2 1 = P ((A1 ∩ A2 ) ∩ Ac ) + P ((A1 ∩ A3 ) ∩ Ac ) + P (Ac ∩ (A2 ∩ A3 )) 3 2 1 = P (A1 ∩ A2 ) − P (A1 ∩ A2 ∩ A3 ) + P (A1 ∩ A3 ) −P (A1 ∩ A2 ∩ A3 ) + P (A2 ∩ A3 ) − P (A1 ∩ A2 ∩ A3 ) . entonces Ac . A2 y A3 son independientes. luego 1 2 3 P (Ac ∩ Ac ∩ Ac ) 1 2 3 Si r = 1 entonces P ((A1 ∩ Ac ∩ Ac ) ∪ (Ac ∩ A2 ∩ Ac ) ∪ (Ac ∩ Ac ∩ A3 )) 2 3 1 3 1 2 = P (A1 ∩ Ac ∩ Ac ) + P (Ac ∩ A2 ∩ Ac ) + P (Ac ∩ Ac ∩ A3 ) . i = k. por el ejercicio 10: “Si A1 . i = j. 2. que est´ expresado en t´rminos de las probabilidades pedidas. 3. obtener expresiones en t´rminos de P (A1 ). k = 1. Ac y Ac son independientes”. a por el ejercicio P2. A2 y A3 son independientes y asumiendo que r = 0. 3. P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. 3. Continuando con las igualdades anteriores 3 3 P (Ai )−2· i=1 i<j i.8: P Ai ∩ Ac ∩ Ac k j = = P (Ai ) − P (Ai ∩ Aj ) − P (Ai ∩ Ak ) +P (Ai ∩ Aj ∩ Ak ) P (Ai ) − P (Ai ) · P (Aj ) − P (Ai ) · P (Ak ) +P (Ai ) · P (Aj ) · P (Ak ) . 2 3 1 3 1 2 Esta igualdad se verifica porque los sucesos son disjuntos. 2. a Soluci´n o 1. para todo i.17] Supuesto que los sucesos A1 . 1. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0. a e Si r = 2.

A2 y A3 son independientes por pares”.i i i “libroult” 2001/8/30 page 40 i 40 EJERCICIOS RESUELTOS DE PROBABILIDAD donde la primera igualdad se verifica por ser sucesos disjuntos. 3. A2 y A3 son independientes. a Si r = 0. donde la segunda igualdad se verifica por ser A1 . entonces: P (A1 ∪ A2 ∪ A3 ) = 1 − P (Ac ∩ Ac ∩ Ac ) = 1 2 3 = 1 − (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . verific´ndose esta igualdad por ser A1 . el ultimo t´rmino de esta ultima expresi´n es equivalente a: ´ e ´ o P (A1 ) · P (A2 ) + P (A1 ) · P (A3 ) + P (A2 ) · P (A3 ) −3 · P (A1 ) · P (A2 ) · P (A3 ) . 2. Adem´s. La probabilidad de que ocurran al menos r sucesos es: Si r = 0. 1 2 3 i i i i . se tiene que P (Ac ∩ Ac ∩ Ac ) = (1 − P (A1 )) · (1 − P (A2 )) · (1 − P (A3 )) . esta probabilidad es P (Ω) = 1. Si r = 3. A2 y A3 sucesos independientes. a entonces A1 . A2 y A3 sucesos indepena dientes. por el ejercicio 10: “Si A1 . Si r = 1. Si r = 2. por ser sucesos independientes. Calculemos la probabilidad de que al m´ximo ocurran r sucesos. Si r = 3. tenemos P ((A1 ∩ A2 ) ∪ (A1 ∩ A3 ) ∪ (A2 ∩ A3 )) = P (A1 ∩ A2 ) + P (A1 ∩ A3 ) + P (A2 ∩ A3 ) −2 · P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) + P (A1 ) · P (A3 ) + P (A2 ) · P (A3 ) −2 · P (A1 ) · P (A2 ) · P (A3 ) . luego. se tiene que: P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) · P (A3 ) . la probabilidad es: P (A1 ∩ A2 ∩ A3 ) = P (A1 ) · P (A2 ) · P (A3 ) .

Obviamente. el concursante s´ deber´ cambiar su elecci´n original. A2 y A3 sucesos independientes. FUNDAMENTOS DE PROBABILIDADES Si r = 1. ¿de qu´ manera? Desde luego. tras decirlo. mientras que las otras dos se reparten el 1/3 que esa puerta pierde. Pero. ya que la puerta abierta por el presentador pasa a tener probabilidad 0. C) para quedarse lo que hay tras ella. o no? o Soluci´n o En el momento original donde el concursante debe tomar su primera decisi´n. el presentador (que conoce exactamente d´nde est´ el regalo) o a le abre una de las otras dos puertas no elegidas por el concursante donde no est´ el regalo. El presentador le informa de que s´lo una o de ellas tiene un buen regalo (un apartamento en Torrevieja. 41 P2. ¿Qu´ debe hacer el o u e concursante? Es decir. no equitativamente. Alicante). Si r = 2. por ser A1 . es evidente que la probabilidad de que escoja la puerta tras la que o se oculta el regalo es igual a 1/3. la probabilidad que nos interesa obtener es 1 − P (A1 ∩ A2 ∩ A3 ) = 1 − P (A1 ) · P (A2 ) · P (A3 ) . ya que ı ıa o con ello duplica la probabilidad de obtener el regalo. este consejo se basa unicamente en consideraciones matem´ticas y no tiene ´ a presente de ninguna forma la afici´n o aversi´n al riesgo del concursante. A2 y A3 sucesos independientes. por ser A1 . B. puesto que la puerta e elegida por el concursante sigue teniendo probabilidad 1/3 y la otra que no abri´ el presentador pasa a tener probabilidad 2/3. Esto cambia por tanto las probabilidades. En un concurso de televisi´n se le ofrece o al concursante la posibilidad de elegir una entre 3 puertas (A. o Por tanto. Supuesto que opta por una. el resultado es P (Ω) = 1. o o i i i i . entonces 1 − P ((A1 ∩ A2 ) ∪ (A1 ∩ A3 ) ∪ (A2 ∩ A3 )) = 1 − P (A1 ) · P (A2 ) − P (A1 ) · P (A3 ) − P (A2 ) · P (A3 ) +2 · P (A1 ) · P (A2 ) · P (A3 ) .18] Dilema del concurso televisivo. mientras que las otras dos est´n vac´ El concursante opta por una y a ıas. se encuentra con que el presentador le ofrece una nueva informaci´n: le reduce las tres o posibilidades iniciales a dos. Si r = 3. Luego le ofrece al concursante la opci´n de cambiar su a o decisi´n inicial eligiendo la otra puerta a´n no abierta. ¿debe el concursante aceptar la nueva posibilidad cambiando la puerta que eligi´ originalmente.i i i “libroult” 2001/8/30 page 41 i CAP´ ITULO 2.

6 donde se asume que A no es indultado con probabilidad 1/3 y en tal caso la respuesta puede ser B ´ C con igual probabilidad. mientras que si la hace obtendr´ respuesta y a entonces la probabilidad de ser el otro indultado es 1/2. w1 = w2 . C} . C} . Sabe que no puede preguntar o si ´l es uno de los dos indultados. w2 } : wi ∈ {A. Pensando un poco e e concluye que si no hace tal pregunta. C} . C} . En una c´rcel hay 3 prisioneros (A. concluye que es mejor no hacer tal pregunta. B)) = P (({A. En un momento dado. C} . B) . si hace la pregunta. B} . El prisionero A conoce a uno de los miembros del tribunal y puede intentar hacerle una pregunta para obtener algo de informaci´n. {B. los tres solicitan el indulto a un tribunal. w2 } \ {A}} . B} . un espacio muestral ser´ ıa Ω = {w = ({w1 . B.19] Dilema del prisionero. B. 3 1 P (({B. porque sea cual sea la respuesta. pero s´ puede pedir que le den el nombre e ı de uno de los otros dos (nunca ´l) que est´ indultado. B)) = P (({B. w3 ) : wi ∈ {A. C)} y por tanto la probabilidad sigue siendo 2/3. Aqu´ est´ su error. C}}. y sin conocerse m´s detalles llega la informaci´n al prisionero a o A de que han concedido el indulto a 2 de los 3 prisioneros. y w3 es el nombre de uno de los indultados que el miembro del tribunal da al preso A. Por ello. B. que es un espacio equiprobable. C} . {A. C) con a historiales similares. N´tese o que: P (({A. w3 ∈ {w1 . w2 } . En efecto. y por tanto ese c´lculo del prisionero es correcto. B} . entonces la probabilidad de ser uno de los dos indultados es 2/3. entonces su probabilidad es 2/3. C} . i i i i . debido al propio e enunciado de la pregunta. era ı a de esperar que conocer la respuesta a su pregunta no le diera informaci´n o sobre la probabilidad de que ´l mismo fuera indultado. Dado que el suceso “A es indultado” coincide con {{A. entonces un espacio muestral es Ω = {w = {w1 . w1 = w2 } = {{A. {A. C)) = 1 .i i i “libroult” 2001/8/30 page 42 i 42 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. C}} . a Sin embargo. C)) = . a ¿D´nde est´ el error de su razonamiento? o a Soluci´n o Si no hace la pregunta. donde w1 y w2 representan los dos presos indultados. s´lo o le servir´ para disminuir la probabilidad de ser uno de los dos indultados. B} . ({A. En consecuencia el o suceso “A es indultado” coincide con {({A.

FUNDAMENTOS DE PROBABILIDADES 43 P2. −n · (ln364 − ln365) ≥ ln1 − ln2. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. apostar los 20 euros sobre “pares” en una unica jugada. propia de jugadores m´s arriesgados. Ahora obtengamos el menor valor n natural tal que: 1− es decir. o P2. = Sin embargo. o a hay una probabilidad de ganar igual a 18/38 ∼ 0. 1084. o a la probabilidad de ganar es: 20 20 18 20 40 18 −1 −1 = 0. a Soluci´n o Recurriendo a la primera opci´n. Analizar matem´ticamente ambas alternativas. Es decir. propia de jugadores m´s cautelosos. Soluci´n o La probabilidad de que entre n alumnos no haya ninguno con el mismo d´ de cumplea˜os que el rector es 364n /365n .i i i “libroult” 2001/8/30 page 43 i CAP´ ITULO 2.21] ¿Cu´l es el m´ a ınimo n´mero de alumnos que debe tener una clase para u garantizar una probabilidad 0. 2 i i i i . concluyendo as´ que n ≥ 252.652. con la segunda opci´n. y por tanto la probabilidad ıa n de que en una clase con n alumnos haya al menos uno con el cumplea˜os n deseado es 1 − 364n /365n .474.20] Supongamos que entramos en un casino con 20 euros y desear´ ıamos salir con 40 euros. luego la clase debe tener al menos 253 ı alumnos. 364 365 n ≥ 1 . 2. con la segunda opci´n tiene un 25 % menos de posibilidades de o ganar que con la primera opci´n.5 de que el d´ de cumplea˜os de alg´n ıa n u alumno coincida con el d´ de cumplea˜os del rector de la universidad? ıa n Se asume que los a˜os son de 365 d´ n ıas. ´ apostar un euro sobre “pares” en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado.

i i

i

“libroult” 2001/8/30 page 44 i

44

EJERCICIOS RESUELTOS DE PROBABILIDAD

P2.22] ¿Cu´l es el menor n´mero de alumnos que debe tener una clase para a u garantizar con probabilidad 0.5 que haya al menos dos alumnos con igual d´ de cumplea˜os? ıa n Soluci´n o Sea n el n´mero de alumnos de una clase. Claramente, si n > 365, entonu ces seguro que hay alguna coincidencia. Asumamos por tanto que n ≤ 365. La probabilidad de que en el aula no haya ninguna coincidencia es: 365 · 364 · . . . · (365 − n + 1) 365! = . n 365 (365 − n)! · 365n Por tanto, se trata de encontrar el menor n tal que: 1− es decir: ln365! − ln (365 − n)! − nln365 ≤ ln2. Si n = 22 la probabilidad de que haya al menos una coincidencia es 0,4757, es decir, no cumple lo deseado. Sin embargo, para n = 23 tal probabilidad es 0,5073, es decir, s´ cumple la desigualdad anterior, y por ı lo tanto el menor n´mero de alumnos es 23. u P2.23] Un joven tiene un pleito sobre el que cree firmemente que ´l tiene la e raz´n. Sabe que hay dos tribunales: o 1. Tribunal A: formado por 3 personas que, con independencia, tienen probabilidad p, p, 1/2 respectivamente de emitir un informe individual correcto. El informe colectivo se obtiene mediante la regla de la mayor´ entre los tres informes individuales. ıa 2. Tribunal B: formado por 1 persona que tiene probabilidad p de emitir un informe correcto. ¿Por cu´l de los dos tribunales deber´ optar el joven? Razonar la resa ıa puesta matem´ticamente. a Soluci´n o El tribunal A emite un informe conjunto acertado cuando se da uno de los siguientes sucesos: A1 ≡ “los dos miembros con probabilidad p aciertan”. (Esto ocurre debido a que por la regla de la mayor´ esto implica ıa que el informe conjunto ser´ acertado, sin importar el informe del a miembro con probabilidad 1/2.) 365! 1 ≥ , n (365 − n)! · 365 2

i i i

i

i i

i

“libroult” 2001/8/30 page 45 i

CAP´ ITULO 2. FUNDAMENTOS DE PROBABILIDADES

45

A2 ≡ “uno de los dos miembros de probabilidad p acierta y el otro no, y el miembro con probabilidad 1/2 acierta”. Puesto que ambos sucesos son disjuntos, la probabilidad de que el tribunal acierte es: P (A1 ) + P (A2 ) = p2 + 2 · p · (1 − p) · 1 = p. 2

Es decir, los dos tribunales tienen la misma probabilidad de emitir un informe acertado sobre un pleito. P2.24] Una mano de p´ker consiste en cinco cartas seleccionadas sin reemplazao miento de una baraja de 52 (sin comodines). Determinar la probabilidad de obtener las siguientes combinaciones: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Escalera de color: las cinco cartas consecutivas y del mismo palo. Escalera de color real: escalera de color con el As como carta mayor, detr´s de la K. a P´ker: cuatro cartas con la misma numeraci´n. o o P´ker de ases. o Full: tres cartas con una numeraci´n y las otras dos con otra. o Escalera: las cinco cartas consecutivas (el As puede ir al comienzo o al final). Color: las cinco cartas del mismo palo. Dobles parejas. Tr´ ıo. Pareja.

Soluci´n o Para introducir un espacio muestral denotemos cada carta mediante un par (n, e), donde n representa el n´mero en la carta (es decir, n ∈ u {1, 2, . . . , 13}) y l representa el palo (es decir, l ∈ {A, B, C, D}). Entonces el espacio muestral es: Ω = {w = {w1 , w2 , w3 , w4 , w5 } : para todo i = j; wi = (n, e) , n ∈ {1, 2, . . . , 13} , e ∈ {A, B, C, D} , wi = wj }. Claramente este espacio es equiprobable y: |Ω| = C52,5 = 52 . 5

i i i

i

i i

i

“libroult” 2001/8/30 page 46 i

46

EJERCICIOS RESUELTOS DE PROBABILIDAD 1. Definamos el suceso A = “Se obtiene una escalera de color”. Cada palo de la baraja tiene 52/4 = 13 cartas, con las que se pueden formar 13 − 5 + 1 = 9 escaleras de color. Por tanto, ya que hay cuatro palos distintos, se tiene que: |A| = Luego: P (A) = 4 · 9 = 4 · 9 = 36. 1 |A| 36 = 52 . |Ω| 5

2. Sea el suceso B = “Se obtiene una escalera de color real”. Por cada palo de la baraja s´lo hay una escalera de color real posible. Por o tanto: 4 |B| 1 P (B) = = 52 . |Ω| 5 3. Sea C el suceso “Se obtiene un p´ker”. Hay 13 numeraciones difeo rentes. Una vez escogidas 4 cartas con la misma numeraci´n se elige o entre las 52 − 4 = 48 restantes la que falta para completar la mano, obteni´ndose que e P (C) = |C| = |Ω|
13 1

· 48
52 5

.

4. Definamos el suceso D =“Se obtiene un p´ker de ases”. Hay 52−4 = o 48 cartas posibles para a˜adir a los 4 ases y completar la mano, por n lo que la probabilidad deseada es: P (D) = |D| 48 = 52 . |Ω| 5

5. Sea el suceso E = “Se obtiene un full”. Fijada una numeraci´n, o pueden formarse C4,3 = 4 conjuntos de tres cartas, ya que hay 4 palos distintos. Por lo tanto, como hay 13 posibles numeraciones distintas, en total se tienen 13 · 4 = 52 posibilidades para escoger las tres cartas iguales del full. Para las dos cartas restantes hay que tener en cuenta que no pueden ser de la misma numeraci´n anterior, luego, procediendo an´logao a mente al caso anterior, hay en total 12 · C4,2 = 12 · 6 = 72 combinaciones posibles. Finalmente, se calcula: P (E) = 13 · |E| = |Ω|
4 3

· 12 ·
52 5

4 2

.

i i i

i

quedan 45 −4 = 4·(44 −1) o escaleras y. dado que hay 10 numeraciones posibles. se escoge la cuarta carta de un conjunto de 52 − 4 = 48 cartas (se descartan las 4 cartas que hay con la numeraci´n de las tres ya elegidas). Si eliminamos las 4 escaleras de color correspondientes a esa numeraci´n (una por cada palo). Si fijamos una numeraci´n i. Para cada palo. P (I) = 52 |Ω| 5 9. o ´ 48 − 4 = 44 posibilidades (se descartan las de la misma numeraci´n o que la cuarta carta). o De este modo se evita obtener un full. Hay C13. Representemos por G al suceso “Se obtiene color”. . 10. Para las o dos que completan la mano se debe tener en cuenta que ninguna de ellas puede tener la misma numeraci´n que las tres cartas anterioo res. i + 2. pues se formar´ un full. i i i i . Por lo tanto se eliminan. 9. una vez o ıa fijadas las 3 primeras. i + 1. puesto que se restan. Luego. Definamos el suceso H =“Se obtienen dobles parejas”. adem´s de las cuatro cartas ya escogidas. FUNDAMENTOS DE PROBABILIDADES 6. 45 escaleras (incluyendo las de color.1 ·C4. . tendremos. 8. . como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas. Hay 13−5+1 = 9 numeraciones posibles de las escaleras. hay C13. 52 |Ω| 5 Denotemos por I al suceso “Se obtiene un tr´ Hay C13. i + 4. y para la ultima quedan. Para la quinta carta quedan 52 − 4 − 2 − 2 = 44 posibilidades. y adem´s ambas no pueden ser ıa o a de la misma numeraci´n. 52 |Ω| 5 7. para o cada valor de i. a las que hay que a˜adir una m´s n a que corresponde a la escalera con el As al final.2 de crear la pareja para cada uno de esos palos. Entonces: P (F ) = |F | 4 · (44 − 1) · 10 = . dividimos 48 · 44 por 2! y ´ resulta: 13 · 4 · 48·44 |I| 3 2! = 1 . De ellas.3 comıo”. y las de color real si i = 10). finalmente. como vimos en los apartados (a) y (b). .i i i “libroult” 2001/8/30 page 47 i CAP´ ITULO 2. i + 3. 9+1=10 corresponden a escaleras de color y a escaleras de color reales. 47 Sea el suceso F =“Se obtiene una escalera”. y C4. resultando: P (G) = |G| = |Ω| 4 1 · 13 5 52 5 − 10 . es 13 · 4 · 4 · 44 |H| 2 2 P (H) = = 2 . Adem´s. binaciones posibles de tres cartas con la misma numeraci´n. ya que se obtendr´ un p´ker. con i = 1. las cuatro cartas a que quedan con la misma numeraci´n que cada una de las parejas.2 formas distintas de elegir los palos con los que se forman las dos parejas.5 combinaciones posibles de 5 cartas. As´ la probabilidad buscada ı.

w2 ) . y procediendo de forma similar al caso del tr´ fijadas ıo. 0. Sea J el suceso “Se obtiene una pareja”.9. Para las tres que faltan deben descartarse aquellas combinaciones que. ¿Qu´ probabilidad hay de que sea de un cliente sin e fondos? Soluci´n o Representemos un suceso elemental como w = (w1 . formar´ un tr´ un p´ker o un full. As´ e ı: P (J) = |J| = |Ω| 13 1 · 4 2 · 48 · 44 · 40 52 5 . ya que no importa el orden en que ´ ´stas se elijan.i i i “libroult” 2001/8/30 page 48 i 48 EJERCICIOS RESUELTOS DE PROBABILIDAD 10. 48−4 = 44 para la cuarta y 44−4 = 40 para la ultima.1 + 0. Las dos cartas que forman la pareja pueden escogerse de un total de 13·C4.9 i i i i .001. donde w1 representa si el cliente tiene o no fondos (w1 ∈ con. Los datos que se dan son: P (w2 = equiv|w1 = con) P (w2 = corr|w1 = con) P (w2 = equiv|w1 = sin) P (w2 = corr|w1 = sin) P (w1 = con) P (w1 = sin) La probabilidad pedida es: P (w1 = sin|w2 = equiv) = = = = = = = = 0.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0. 0.1 = 0. junto a las dos primeras cartas.999. se dividen las 48 · 44 · 40 combinaciones de las tres ultimas cartas por 3! = 6. Se recibe hoy en caja un cheque con fecha equivocada. An´logamente ´ a al apartado anterior. las dos primeras hay 52 − 4 = 48 posibilidades para la tercera carta. 1 · 0. El 90 % o de los clientes del banco tienen fondos. o Por lo tanto. P (w1 = sin ∩ w2 = equiv) = P (w2 = equiv) P (w2 = equiv|w1 = sin) · P (w1 = sin) = P (w2 = equiv|w1 = sin) · P (w1 = sin) + P (w2 = equiv|w1 = con) · P (w1 = con) = 1 · 0.001 · 0. sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 ∈ {corr. todo cliente sin fondos pone una fecha err´nea en sus cheques. equiv}).1.2 parejas posibles. 0. En cambio. ıan ıo.001.99108. 1. El espacio Ω no es equiprobable y tiene 4 elementos. 0. P2.

3.i i i “libroult” 2001/8/30 page 49 i CAP´ ITULO 2. w6 ) . 4. Se extrae una bola y es blanca. As´ ı: Ω = {w = (w1 . 4. R)}) . 3. y w2 u u es el color que se obtiene al lanzar el dado. R}} . Se selecciona al azar un dado de la urna. w5 . donde w1 . w3 . La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i ∩ w2 = R) P (w2 = R) i i i i . w4 . blancas o negras. Denotemos ıda por Ci (i = 0. Este espacio muestral no es equiprobable. H´llese la probabilidad de que en la bolsa haya dos blancas y a tres negras si para formar la urna se tiraron cinco monedas y se metieron tantas blancas como caras resultaron y tantas negras como cruces. El dado n´mero i (i = 1. donde w1 es el n´mero de caras blancas del dado (y por tanto el n´mero del dado). Adicionale o mente. 4 P2. 5} . 5) tiene i de sus caras blancas y el resto u rojas. w2 ) : w1 ∈ {1. se lanza y sale cara roja. pues P ({(1. w6 representa el color de la bola extra´ de la urna. 1. es decir. y sea B el suceso “extraer una bola blanca de la urna”. Entonces el problema se resuelve mediante los siguientes c´lculos: a P (C2 |B) = P (C2 ∩ B) = P (B) 2 5 5 i=0 P (B|C2 ) · P (C2 ) 5 i=0 = P (B|Ci ) · P (Ci ) 4 1 5 i=1 = · i 5 5 2 · 5 i 1 5 2 · · 1 5 2 = 0+ 4 4 i−1 = 4 5 i=0 4 i = 4 (1 + 1) = 1 . ¿Cu´l es la probabilidad de que el dado seleccionado sea el i? a Soluci´n o Representemos un suceso elemental como w = (w1 . 4. w2 ) . R)}) = P ({(5. w4 y w5 representan los resultados de los lanzamientos de la moneda. w2 ∈ {B. Soluci´n o Representemos un suceso elemental como: w = (w1 . 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda. 3. 2.26] En una bolsa hay cinco bolas. y por tanto tambi´n la composici´n de la urna.27] Una urna contiene cinco dados con sus caras de color blanco o rojo. w2 . FUNDAMENTOS DE PROBABILIDADES 49 P2. 2. 2. w2 . w3 . que la urna contenga i bolas blancas y 5 − i bolas negras.

etc. . n al suceso “ambas obtienen exactamente k caras”. . Dado que estos sucesos son disjuntos. 1. En cada paso se elige aleatoriamente al receptor del rumor de entre n personas. . . i = 1. y supongamos que el rumor parte inicialmente del habitante 0. Encontrar la probabilidad de que el rumor pase r veces sin: 1. . wn son los resultados de los n lanzamientos de una de las dos personas. . X}. ¿Cu´l es la probaa bilidad de que obtengan el mismo n´mero de caras? u Soluci´n o Representemos un suceso elemental como w = (w1 . wr ) . . . . una persona le rumorea algo a una segunda persona. . y wn+1 . . . . . k = 0. . . quien lo repite a una tercera. wn+1 . i i i i . 15 P2.28] Dos personas lanzan una moneda n veces cada una. . . repet´ ırsele a una persona. w2n los resultados de la otra. P2. 5. la probabilidad de obtener el mismo n´mero de caras viene dada por: u n P (C0 ∪ C1 . donde w1 . regresar al que lo origin´. . wn . . o 2. w2n ) . . Para introducir un espacio muestral. . w2 . vamos a representar cada suceso elemental como w = (w1 . ∪ Cn ) = k=0 n P (Ck ) n = k=0 n · k 1 2 k · n · k 1 2 k = k=0 n k 2 · 1 2 2k . . . con wi ∈ {C. . . . .i i i “libroult” 2001/8/30 page 50 i 50 EJERCICIOS RESUELTOS DE PROBABILIDAD P (w2 = R|w1 = i) · P (w1 = i) 5 j=1 = = P (w2 = R|w1 = j) · P (w1 = j) · 1 5 = 6−i 6 5 j=1 = 1 5 6−i 6 6−j 6 · 5− 1 6 · 5 j=1 = j 5 6−i 6 − 1 · 5·6 6 2 = 6−i 6 5 2 6−i = . . Denotamos por Ck .29] En un pueblo de n + 1 habitantes. . Soluci´n o Numeremos a los habitantes desde 0 hasta n.

para todo i = j}. Si se escogen al azar 2r zapatos (con 2r < n) ¿Cu´l es la probabilidad de que: a 1. 1. (Si 2r > n. para todo i}. i = 0. |Ω| nr (n − r)! · nr P2. . j = 1. w1 = 0. Entonces. . Por lo tanto: P (B) = |B| n · (n − 1) · (n − 2) · . w2 . Entonces: P (A) = 2. . . . i. · (n − r + 1) n! = = . . . 1. I}). . . . z). . . . n} . Sea el suceso A = “El rumor pasa r veces sin regresar al habitante 0”= {w ∈ Ω : wi = 0. Claramente este espacio es equiprobable. . As´ ı: Ω = {w = (w1 . n} . entonces P (A) = 0). . w2r } : wi = (yi . y |Ω| = 1. 2r Definimos el suceso A = “No hay ning´n par completo”: u A = {w ∈ Ω : yi = yj . no haya ning´n par completo. u haya exactamente un par completo. n} . . .i i i “libroult” 2001/8/30 page 51 i CAP´ ITULO 2. 2. . . u z ∈ {D. Este espacio es equiprobable y |Ω| = nr . y ∈ {1. . . wi = wi−1 } . para todo i = j} . . . para todo i = j. |A| n · (n − 1) = |Ω| nr r−1 = n−1 n r−1 . n}) y z representa el pie (es decir. wr ) : wi ∈ {0. zi ) . yi ∈ {1. Entonces. . . Sea el suceso B = “El rumor pasa r veces sin repetirse a ninguna persona”= {w ∈ Ω : wi = wj . un espacio muestral es: Ω = {w = {w1 . FUNDAMENTOS DE PROBABILIDADES 51 donde wi . n son las personas por las que pasa el rumor tras transmitirlo el habitante 0. 3. . zi ∈ {D. haya exactamente dos pares completos? Soluci´n o Representemos cada zapato mediante un par (y. donde y representa el n´mero del par (es decir. P (A) = |A| = |Ω| n 2r · 22r 2n 2r . . 2.30] Un ropero contiene n pares de zapatos. I} . . i i i i . 2n . wi = wj . . .

w1 = w2 } . supongamos que i = “n´mero de temas preparados por el u alumno”.i i i “libroult” 2001/8/30 page 52 i 52 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. w2 ∈ {1. Se debe escoger un teo ma de entre dos tomados al azar. luego. 14}. Por lo tanto. 3. w2 } . w1 . . Calcular la probabilidad de que a un alumno que ha preparado 5 temas le toque al menos uno que sabe. e imponiendo la condici´n del enunciado: o P (A) = 1 − P (Ac ) = 1 − 14 − i 14 / 2 2 > 1 . Entonces: P (A) = 1 − P (Ac ) = 1 − 14−5 2 14 2 =1− 36 55 = . j : yk = yl . 2. . ∀l = k} . donde w1 . 2. . ¿Cu´l a es el n´mero m´ u ınimo de temas que debe preparar para que tenga una probabilidad superior a 1/2 de superar el examen? Soluci´n o Representemos cada suceso elemental como w = {w1 . Definimos el suceso A = “Le toca al menos un tema que ha preparado”. As´ ı Ω = {w = {w1 . Para superar el examen le debe tocar al menos un tema que haya preparado. w2 ∈ {1. P (B) = |B| = |Ω| n 1 · n−1 2r−2 2n 2r · 22r−2 . . 14} . w2 }. . la probabilidad de aprobar el examen ser´ ıa P (A).31] Un examen de oposici´n consta de 14 temas. j : yk = yl . ∀l = k} . 91 91 que es la probabilidad que se pide calcular. Finalmente. que es claramente un espacio muestral equiprobable. . P2. As´ se tiene que ı. . Definimos el suceso B = “Hay exactamente un par completo”: B = {w ∈ Ω : ∃i = j/yi = yj ∧ ∀k = i. . 2 i i i i . P (C) = |C| = |Ω| n 2 · n−2 2r−4 2n 2r · 22r−4 . Definimos el suceso C = “Hay exactamente dos pares completos”: C = {w ∈ Ω : ∃i = j/yi = yj ∧ ∀k = i.

A = {w ∈ Ω : ∃k ∈ {1. luego Ac = {w ∈ Ω : (w2k−1 . 2. n son los resultados respectivos de ambos dados en el i-´simo lanzamiento. w4 . 6)}] = 1− 1 − 1 36 n Por ultimo. i i i i . i = 1. . donde w2i−1 y w2i . Entonces. y resolvi´ndola se concluye que el alumno debe preparar como m´ e ınimo 4 temas. la inecuaci´n se puede exo presar como: i2 − 27i + 91 < 0. 2 −ln2 = 24. . . 6) .i i i “libroult” 2001/8/30 page 53 i CAP´ ITULO 2. Luego. . ln35/36 Por tanto. w2k−1 = w2k = 6} . 4. P2. w2 . . . w2n ) : wi ∈ {1. 6}} . w3 . 2. . . 2. a es 1/62 = 1/36. . . 5. w2k ) = (6. tras aproximar el resultado.32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble.605. . . . . n}} . ¿Cu´ntas partidas habr´ que jugar para que a a tengamos p = 1/2 de obtener un 6 doble? Soluci´n o Un espacio muestral para este problema es: Ω = {w = (w1 . 2. FUNDAMENTOS DE PROBABILIDADES 1 (14 − i) · (13 − i) > . . se tiene que: n P (A) = 1−P (Ac ) = 1− k=1 [1 − P {(w2k−1 . . n} . w2n−1 . 14 · 13 2 53 1− Efectuando las operaciones correspondientes. para todo k ∈ {1. Igualando: 1− 1− n= 1 36 n = 1 . w2k ) = (6. sea el suceso A = “se obtiene e al menos un 6 doble”. 3. dado que los resultados de los lanzamientos del par de dados son independientes entre s´ y adem´s la probabilidad de obtener un 6 doble ı. se concluye que necesitamos jugar 25 partidas. veamos cu´ntas partidas necesitamos jugar para obtener un ´ a 6 doble con probabilidad p = 1/2 .

i i i “libroult” 2001/8/30 page 54 i 54 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. Si una persona compra n ıa boletos.35] Una loter´ vende n2 boletos y da n premios. “intermedio” y “m´s alejado” entre los tres lanzamientos.34] Problema de Galton. todos ellos equiprobables. P2.33] Problema de Bertrand. siendo w1 y w2 el primer y segundo lanzamiento. i = 1. sean los sucesos A = “se obtienen tres caras” y B = “se obtienen tres cruces”. As´ por ejemplo. 2. ¿cu´l es la probabilidad de que gane a a el primero? Soluci´n o Un espacio muestral para este problema consiste en considerar cada suceso elemental como la posici´n en proximidad al centro que ocupa cada o lanzamiento. con lo que el espacio muestral equivale a las distintas formas de reordenar las tres calificaciones “m´s cercano”. Dos arqueros de la misma destreza tiran al blanco. ¿cu´l es la probabilidad de que gane al menos un premio? a i i i i . se puede considerar que los dos primeros ı. w2 . entonces P (A) = 2/6 + 2/6 = 2/3. 2. 3 son los resultados respectivos de las tres monedas. Si cada elemento de dicho espacio se representa por w = (w1 . w3 es el unico lanzamiento del segundo arquero. ¿cu´l es la probaa bilidad de que las tres sean caras o las tres cruces? Soluci´n o Asumiendo que las monedas son distintas. Entonces. a a Claramente se trata de un espacio con 3! = 6 sucesos elementales. lanzamientos son del primer arquero y el tercer lanzamiento es del segundo. P2. el primero dos flechas y el segundo una. w3 ) . se tiene que la probabilidad de obtener tres caras o tres cruces es 3 3 P (A ∪ B) = P (A) + P (B) = (1/2) + (1/2) = 1/4. 3} donde wi . la probabilidad de que dos lanzamientos queden exactamente a a igual distancia del centro se asume que es cero. siendo C = “cara” y X = “cruz” los resultados posibles de cada lanzamiento. X} . w3 ) : wi ∈ {C. i = 1. Adem´s. entonces ´ el suceso que nos interesa es A = {w : w1 = “m´s cercano”} ∪ {w : w2 = “m´s cercano”} a a Dado que estos sucesos son disjuntos y contienen dos sucesos elementales cada uno de ellos. w2 . Se lanzan tres monedas al aire. representemos el espacio muestral como: Ω = {w = (w1 . Si gana el que tire la flecha m´s cercana al centro de la diana. respectivamente. del primer arquero. Puesto que estos sucesos son disjuntos.

. wi = 0 si se escoge la B. (i = 1. . . ∀i = j. . donde cada wi . Este espacio es claramente equiprobable. . Esto a ıa ´ o significa que el profesor ha tomado 2N − r f´sforos en total: N − r o de una de las cajas y N de la otra (la que queda vac´ y una vez ıa). . . . para. . j = 1. ya que e e o puede estar vac´ Se supone que wi = 1 si se escoge la caja A y ıa). . . de las cuales n son negras y el resto blancas. i i i i . Al cabo de o cierto tiempo una de las cajas est´ vac´ Calcular las correspondientes a ıa. . o Soluci´n o Supongamos que las dos cajas. . wi = wj . cada o vez que necesita un f´sforo toma al azar una de las cajas. . w2 . 1. . 2N − r) representa la caja que se escoge en i−´simo lugar (pudi´ndose tomar o no f´sforos de ella. . n . 1} . i. con |Ω| = 22N −r . . Para cada apartado del problema se definir´ un espacio muestral. . que representaremos por A y B. . . que deja vac´ una caja. wn } : wi ∈ 1. 2N − r) . w2N −r ) : wi ∈ {0. P2. . 2.i i i “libroult” 2001/8/30 page 55 i CAP´ ITULO 2. probabilidades de que en ese momento la otra contenga r = 0. Por lo tanto. 2N − r} . . . Supongamos que la caja est´ vac´ al tomar el ultimo f´sforo. i = 1. 2. Un espacio muestral es: Ω = w = {w1 . . Si definimos el suceso A = “se extrae al menos una bola negra”. n2 . entonces la probabilidad pedida ser´ ıa: P (A) = 1 − P (Ac ) = 1 − n2 −n n n2 n . a 1. a ıa ´ o descubre la caja vac´ cuando por primera vez la saca y no hay ya ıa f´sforos. al extraer n bolas diferentes simult´neamente de una urna con n2 bolas a (numeradas de 1 a n). FUNDAMENTOS DE PROBABILIDADES Soluci´n o 55 Resolver este problema es equivalente a calcular la probabilidad de que. . . que es claramente equiprobable. . para cada valor de i (i = 1.36] Cierto profesor lleva siempre en el bolsillo dos cajas de N f´sforos. . . N f´sforos suponiendo que: o 1. la caja est´ vac´ al tomar el ultimo f´sforo. al menos una de las bolas que se saquen sea negra. . podemos definir como ıa espacio muestral: Ω = {w = (w1 . . tienen la misma probabilidad de ser tomadas. .

wi = N   i=1 Por lo tanto. 1) : 2N −r . ıa o   wi ∈ {0. . . w2N −r . . i = 1. |Ω| = 22N −r+1 .  A= . P2.N −1 /22N −r . 1) : wi ∈ {0. . se define como espacio muestral: a ıa. . Hallar la probabilidad de que la aguja corte a alguna l´ ınea si a ≤ b. 2N − r − 1. . . 1} .i i i “libroult” 2001/8/30 page 56 i 56 EJERCICIOS RESUELTOS DE PROBABILIDAD Definamos el suceso A =“la caja A queda vac´ y en la B quedan r ıa f´sforos”. . 2N −r−1     wi = N − 1   i=1 Por lo tanto. En este caso. 2. . Ω = {w = (w1 . donde los wi (i = 1. . donde el primero w1 representa la distancia u del centro de la aguja (tras caer sobre la mesa) a la l´ ınea m´s pr´xima. a o i i i i . . Por lo tanto. . Sea el suceso B =“la caja A queda vac´ y en la B quedan r f´sforos”. w2N −r . w = (w1 . 2N − r   B = w = (w1 . w2N −r+1 ) : wi ∈ {0.N −1 /22N −r .37] Problema de Buffon. . w2N −r−1 . . 1} .N /22N −r+1 . Supongamos que descubre la caja vac´ cuando por primera vez la ıa saca y no hay ya f´sforos. 2N − r} . la probabilidad de que la caja A quede vac´ y en ıa la B queden r f´sforos es |M | / |Ω| = C2N −r−1. se obtiene finalmente que o la probabilidad pedida es 2 · C2N −r. . o    w = (w1 . i = 1. el profesor coge una ultima caja antes de parar: o ´ la caja que est´ vac´ Por lo tanto. . w2 ). Esta o probabilidad es igual a la del otro caso posible: que la caja B quede vac´ y en la A queden r f´sforos. 1} . . la probabilidad de que la caja A quede vac´ y en la B ıa queden r f´sforos es |M | / |Ω| = C2N −r. . . . . Se tiene una mesa rayada con l´ ıneas paralelas separadas una distancia 2b.     i = 1. . . De este modo. . . Se lanza una aguja de longitud 2a para que caiga sobre la mesa. se obtiene finalmente ıa o que la probabilidad pedida es 2 · C2N −r−1. Esta probabilio dad es igual a la del otro caso posible: que la caja B quede vac´ y ıa en la A queden r f´sforos. Soluci´n o Un suceso elemental de este problema puede describirse mediante un par de n´meros. tras coger 2N − r f´sforos o o (de los que N corresponden a la caja que queda vac´ y N − r a la ıa otra) mediante el procedimiento de tomar una caja al azar y tomar un f´sforo de ella. .N /22N −r+1 . 2N − r) se definen igual que en el apartado anterior. De este modo. w2 . . . 2.

i i i i . dado el objetivo que se persigue en el problema. es decir: A = {w ∈ Ω : w1 − w2 > 1/6 o w2 − w1 > 1/6} Gr´ficamente es f´cil ver que el ´rea de A es la de un cuadrado con a a a lado 5/6.69444. Consecuentemente P (A) = 1 bπ π 0 0 a cos(y) ∂x ∂y = 2a bπ P2. En concreto. P (A) = (5/6)2 = 0. 3. Calcular la probabilidad de que su producto sea mayor que 1/7. a 1. entonces A := {w ∈ Ω : w1 ∈ [0. el c´lculo de la a probabilidad de un suceso se limita al c´lculo del ´rea del correspondiente a a trozo en Ω. El conjunto de todos los sucesos elementales anteriores configura un espacio muestral Ω = [0. b[ y que o w2 ∈ [0. es suficiente mirar s´lo la posici´n respecto a la l´ o o ınea en la mesa m´s a pr´xima y no interesa distinguir entre los dos extremos de la aguja (da o igual la punta que el ojo de la aguja). a cos(w2 )[ para cada w2 ∈ [0. ya que el ´rea del total es la unidad. Seg´n la hip´tesis del enunciado. si A es el suceso que representa “la aguja toca una l´ ınea” y. 1]. b[×[0. FUNDAMENTOS DE PROBABILIDADES 57 y el segundo w2 representa el ´ngulo que la inclinaci´n de la aguja tiene a o respecto de las l´ ıneas en la mesa. Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . En efecto. π[}. π[ claramente equiprobable. π[.i i i “libroult” 2001/8/30 page 57 i CAP´ ITULO 2. la probabilidad de cualquier suceso A ⊆ Ω se obtiene dividiendo la integral sobre A entre bπ. se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. 2. Consecuentemente. w2 ) : 0 ≤ w1 ≤ 1 y 0 ≤ w2 ≤ 1}. asumiendo que a ≤ b.38] Se consideran dos n´meros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0. Sea A el suceso “su diferencia es mayor que 1/6”. Calcular la probabilidad de que su diferencia sea mayor que 1/6. Calcular la probabilidad de que su suma sea mayor que 1. 1. Por ello. es decir. N´tese que por tanto w1 ∈ [0.

Se conoce que en un intervalo de tiempo de 30 minutos llegan a un mismo punto de encuentro y de forma aleatoria dos personas. 2 3. que una de las personas permanece en el i i i i . x + 1/12] el intervalo de tiempo. ¿Qu´ probabilidad existe de que una de las personas espere por e la otra al menos 10 minutos? Soluci´n: o Este cl´sico problema en cualquier asignatura relacionada con las Probaa bilidades es una mera reformulaci´n del problema anterior. Si A representa los sucesos en los que “el encuentro sucede despu´s de 10 minutos de espera por parte de algunas de las personas”. sino la fracci´n de una hora que ha transcurrido o desde las 18:00 horas.i i i “libroult” 2001/8/30 page 58 i 58 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. un o espacio muestral equiprobable es Ω = {w = (w1 . Sea C el suceso “su producto es mayor que 1/7”. es decir: C = {w ∈ Ω : w1 · w2 > 1/7}.39] Problema de encuentro. y de forma an´loga a como se hizo en el problema anterior: a P (A) = 5 . es decir: 1 P (B) = . Sea B el suceso “su suma es mayor que 1”. 9 P2. pero s´lo permanecen en dicho punto 5 minutos. sea [x.40] Dos personas acuden a un punto de encuentro aleatoriamente entre las 18:00 y las 19:00 horas. Gr´ficamente se deduce que el ´rea coincide con la de medio cuaa a drado. o ¿Qu´ probabilidad hay de que efectivamente coincidan? e Soluci´n: o A efectos pr´cticos. es decir: B = {w ∈ Ω : w1 + w2 > 1}. y considerando que las 18:00 horas son el origen. no es relevante la hora en que acuden las personas a al punto de encuentro. w2 ) : 0 ≤ w1 ≤ 30 y 0 ≤ w2 ≤ 30}. e es decir: A = {w ∈ Ω : w1 − w2 > 10 o w2 − w1 > 10}. 7 P2. x + 5/60] = [x. En efecto. Concretamente: P (C) = 1 ·1 + 7 1 1/7 1 ∂w2 1/(7w1 ) ∂w1 = 1 − 1 · ln7. entre las 18:00 y 19:00 horas. Por lo tanto.

n+1). n).40. Podemos representar cada suceso elemental como w = (w1 . . luego la probabilidad de coincidir ser´ aproximadamente a igual a 1/6. . 0). La probabilidad de un suceso elemental con s movimientos a la derecha. a + b} . es ps · a+b−s (1 − p) . .i i i “libroult” 2001/8/30 page 59 i CAP´ ITULO 2. b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba. w2 . a + b. Este espacio no es equiprobable si p = 1/2. pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. es decir. . . FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12 59 1 y = x − 11/12 1 x Figura 2. un total de a + b desplazamientos.1: Regi´n de casos favorables sobre casos posibles del problema P2. donde cada wi es la direcci´n del o i−´simo movimiento: D =“derecha” y A =“arriba”. A} . n) y o una probabilidad 1−p de pasar a la (m. para cualesquiera n´meros a o u enteros m y n. o punto de encuentro. y + 1/12] el correspondiente a la otra persona. por lo a o que para pasar por (a. Para que ambas coincidan debe verificarse que x − 1/12 ≤ y ≤ x + 1/12. e igualmente [y. La figura 2. . A} . . o Soluci´n: o Supongamos que el punto est´ inicialmente en la posici´n (0. . . i = 1. . wa+b ) : wi ∈ {D. tiene una probabilidad p de pasar a la posici´n (m+1. wa+b ). . Por lo tanto. b). . Determinar la probabilidad de que el punto pase por la posici´n (a. un e espacio muestral ser´ ıa Ω = {w = (w1 . con wi ∈ {D. i i i i . Cuando est´ en la posici´n (m. por ejemplo. N´tese que en consecuencia x e y estar´n comprendidos entre 0 o a y 1 − 11/12.1 muestra que el ´rea comprendida entre estas dos rectas es a 2 12 − (11/12) . P2. . . .41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. . i = 1.

identificando cada suceso elemental con el n´mero de personas que se bajan en cada planta. ı ´ 2. . Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all´ se bajen las ultimas personas que queden. Ω = {w = (w1 . Calcular la probabilidad de que s´lo dos personas viajen o entre el piso sexto y el s´ptimo. u en este caso el c´lculo de la probabilidad de un suceso no se reduce a cona tar cu´ntos sucesos elementales contiene ya que el nuevo espacio muestral a no ser´ equiprobable. Continuando con el espacio muestral Ω.. e Soluci´n: o Un modelo matem´tico para este problema puede consistir en considerar a cada suceso elemental como la planta donde decide bajarse cada persona asumiendo. y adem´s a todos ellos son igualmente probables. . ya que hay Ca+b. es decir: A = {w ∈ Ω : wi < 5 para cada i = 1. . . w8 ) : wi ∈ {1. a P2. Por lo tanto. . Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir. Como consecuencia de esto ultimo. . que todas las personas son distinguibles. ´ la probabilidad de cualquier suceso se calcula dividiendo el n´mero de u sucesos elementales que contiene entre |Ω|. Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. . . ıa 1. a a a 1. Calcular la probabilidad de que en ning´n piso se baje m´s de una u a persona. y esta probabilidad es pa · (1 − p) . Sin embargo.10. . 8}. . Cada persona selecciona el piso en el que se bajar´n. Es decir. finalmente se tiene que P (A) = a+b b · pa · (1 − p) . Este espacio muestral tiene |Ω| = 118 sucesos elementales. 11} para cada i = 1.2. . es decir. i i i i . . Nadie m´s se subir´. . sea A el suceso “todas las personas se bajan antes del quinto piso”. . .a combinaciones posibles de estos a + b movimientos. . entre el 1 y el 11. N´tese que otro espacio muestral alternativo podr´ desarrollarse no diso ıa tinguiendo entre las personas. .i i i “libroult” 2001/8/30 page 60 i 60 EJERCICIOS RESUELTOS DE PROBABILIDAD Definamos el suceso A =“el punto realiza a desplazamientos hacia la derecha y b hacia la izquierda”.11).1. . con igual probabilidad. por ejemplo. .42] Ocho personas se suben en un ascensor en el piso 0 de un edificio de once plantas (0. 8} .

o N´tese que adem´s Sk−1 ⊆ Sk para todo k = 1. 8 y existe un j : wj = 8}. . es decir: e Sk = {w ∈ Ω : wi < k para cada i = 1. 9. Por tanto. 5. 3. . y el segundo las distintas a asignaciones porque estamos trabajando con un espacio muestral donde distinguimos entre personas. . y wj ∈ {7. 8}. 88 − 78 P (B) = = 0. 2. 3. . . entonces P (Sk ) = |Sk |/|Ω|. 8. 118 Sea C el suceso “en ning´n piso se baja m´s de una persona”. . . . Entonces B = S9 \ S8 y |B| = |S9 \ S8 | = |S9 | − |S8 |. . es decir: e D= w∈Ω: wi ∈ {1. 4}. . En general. FUNDAMENTOS DE PROBABILIDADES 61 Entonces P (A) = |A|/|Ω| donde |A| = 48 . Sea D el suceso “s´lo dos personas viajan entre el piso sexto y el o s´ptimo”. 11. . o a Consideremos ahora el suceso B definido por “el ascensor llega hasta el piso octavo y all´ se bajan las ultimas personas que quedan”. El primer factor son las distintas formas de elegir las 8 plantas diferentes donde se bajar´n las personas. . 4. 0513. donde |Sk | = (k−1)8 ya que cada componente de un suceso en Sk s´lo puede asumir valores en {1. 0003. . es ı ´ decir: B = {w ∈ Ω : wi < 9 para cada i = 1. ya que cada componente de un suceso en A s´lo puede asumir valores en {1. 2. . . . 6} para seis ´ ındices i. o P (A) = 4 11 8 = 0. . 8 2. . .i i i “libroult” 2001/8/30 page 61 i CAP´ ITULO 2. Entonces P (C) = |C|/|Ω| donde |C| = 11 · 8!. si Sk representa el suceso “todas las personas se bajan antes del k-´simo piso”. . k −1}. para k = 1. 11. 11} para los otros ´ ındices j Entonces P (D) = |D|/|Ω| donde |D| = 8 · 66 · 52 6 i i i i . es u a decir: C = {w ∈ Ω : wi = wj para todo i =j}. 10. Consecuentemente.

Por otra parte. puesto que. B. i = 1. 3. B)}) = 1/18. 1. y el tercer factor las posibilidades de que las 2 personas e restantes se bajen despu´s de la sexta. 2. para todo j = 1. A gana seis. 3. Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . 4. los rea sultados de las partidas son independientes. 3. A)}) = 1/12. 1/3 y 1/6. ıa Hallar la probabilidad de que 1. por ı.i i i “libroult” 2001/8/30 page 62 i 62 EJERCICIOS RESUELTOS DE PROBABILIDAD El primer factor son las posibilidades de elegir las 6 personas que se bajar´n antes de la planta s´ptima. Luego. se asume que las respectivas probabilidades de obtener cada uno de los resultados anteriores son 1/2. j = i}. w3 ) : wi ∈ {A. B} . 2. siendo este resultado A o B si la partida la gana el jugador A o el B. e P2. ejemplo. B. respectivamente. 3) representa el resultado de la i-´sima partida e del torneo. i i i i . w2 . B. M = {(A. siendo Ni = {w = (w1 .43] A y B juegan 12 partidas de ajedrez. pero P ({(A. As´ el espacio muestral dado no es equiprobable. en dos partidas queden en tablas. 3} . Adem´s. A y B ganen alternadamente. 2. wj = X. o bien X si quedan en tablas. P ({(A. B gane al menos una partida. quedando al tiempo fijas tambi´n a e e las que se bajar´n despu´s de la sexta. 2. A)} y la correspondiente probabilidad es P (M ) = (1/2)3 = 1/8. El segundo factor son las a e posibilidades de que las 6 personas elegidas se bajen antes de la s´ptima. Definimos el suceso N = “En dos partidas del torneo A y B quedan en tablas”. a la vista de los resultados obtenidos en 12 partidas. Sea M el suceso “A gana las tres partidas”. Se tiene entonces que N = N1 ∪ N2 ∪ N3 . X} . A gane las tres. i = 1. 2. Otro d´ acuerdan jugar un torneo de 3 partidas. donde cada wi (i = 1. B gana cuatro y en dos quedan en tablas. 2. w3 ) : wi ∈ {A. w2 . A.

X)}) − P ({(X. se obtiene que P (S) = P ({(A. 3. 2. X. Las probabilidades de ganar son. B. C y D. Representemos por T el suceso “B gana al menos una partida”. ıa Ω = {w = (w1 .1 · P ({(A. 4. X. 2. 2.i i i “libroult” 2001/8/30 page 63 i CAP´ ITULO 2. w2 . Por otra parte. donde cada wi . A. w2 . La probabilidad deseada es P (T ) = 1 − P (T c ) = 1 − P ({(A. torneo consta de 3 partidas. B)}) = 1 1 · 3 2 2 1 1 + · 2 3 2 = 5 . 72 Sea el suceso S = “A y B ganan alternadamente”. Por lo tanto: P (N ) = 3 · P ({(A. X)}) 1 1 1 1 19 = 1− +3· +3· + = . V } . FUNDAMENTOS DE PROBABILIDADES 63 N´tese que los sucesos elementales que son permutaciones de un o mismo conjunto de resultados individuales. X)}) =3· 3. 8 72 24 216 27 P2. saca una bola y no la repone. sean los sucesos Ai = “La i-´sima persona gana”= “La e primera bola blanca aparece en el i-´simo lugar”. 5 3 2 3 · = . A. para i = 1. 3. 5 4 10 i i i i . X)}) + 3 · P ({(B. e siendo wi = U si la bola es blanca y wi = V si es negra. Soluci´n: o Representemos cada suceso elemental como w = (w1 . 1 · 2 1 6 2 +3· 1 · 3 1 6 2 = 5 . El primero que la saque blanca gana.1 · P ({(A. w3 . As´ como cada ı. A)}) − C3. w4 ). X. A. Supondremos que las e personas est´n ordenadas de A a D. por a tanto: P (A1 ) = P (A2 ) = 2 . B. X. w4 ) /wi ∈ {U. i = 1. A)})+P ({(B. X)}) −C3. As´ un espacio muestral ser´ ı. tienen la misma probabilidad de ocurrir. 36 4. 4 es el color de la bola que extrae la i-´sima persona. 3. 4} . w3 . Determinar las probabilidades de ganar de A. B. Cada una de cuatro personas. A.44] Una bolsa contiene dos bolas blancas y tres bolas negras. i = 1. en ese orden. que no es equiprobable. C y D.

C20.3 1140 3. 3 representa el color de cada bola que se extrae. blanca. 2. . 3}. 4. w2 . azul. donde wi .1 = . Soluci´n: o Asumiendo que las bolas se extraen de forma simult´nea. al menos una sea blanca.45] Una caja contiene ocho bolas rojas. Definamos el suceso C = “Se extraen dos bolas rojas y una blanca”. y podremos usar la regla de Laplace. 1. b si es blanca y a si es azul. salgan en el orden roja. La probabilidad pedida es entonces: P (A) = C8. 5. . 5 2 1 = . P (B) = C20. b. a siendo|Ω| = C20. consideremos a el espacio muestral Ω = {w = {w1 . Si se sacan tres bolas al azar. Se tiene que: 1 C3. 2. w2 . w3 } : wi ∈ {r. Representemos por B al suceso “Se extraen tres bolas blancas”. Sea el suceso A = “Se extraen tres bolas rojas”.3 = . Este espacio no es equiprobable. 3. 6. . i = 1.2 · C3.3 . se obtiene: P (C) = 7 C8. si se numeran las bolas del 1 al 20 (es decir. las tres sean blancas. se consideran las bolas de un mismo color distinguibles entre s´ y se considera como esı) pacio muestral Ω = {w = {w1 . las tres sean rojas. C20.i i i “libroult” 2001/8/30 page 64 i 64 EJERCICIOS RESUELTOS DE PROBABILIDAD P (A3 ) = P (A4 ) = 3 5 3 5 2 4 2 · 4 · 2 3 1 · 3 · = · 1 . sean una de cada color. determinar la probabilidad de que: 1.3 95 i i i i . i = 1. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas. w3 } : wi = 1. tres blancas y nueve azules. 2 10 P2. . s´ se ı tendr´ un espacio equiprobable. 20.3 14 = . 2.3 285 2. Sin embargo. siendo r si la bola es roja. 2. dos sean rojas y una blanca. a}} .

3 34 = .i i i “libroult” 2001/8/30 page 65 i CAP´ ITULO 2. que es mucho m´s sencillo que Ω y o a no tiene en cuenta el orden de aparici´n de las bolas. V20.2 · V3.1 · V8. 3 blancas y 9 azules. manteniendo las dos bolas rojas en su posici´n relativa. No obstante. . Se tiene entonces.3 14 = . y V3. Entonces. Si nuo meramos las bolas del 1 al 20 (para as´ distinguir entre s´ a las bolas ı ı de un mismo color. 20 wi = wj i = 1.3 = . dado que las bolas se extraen una a una y sin reemplazamiento. que: 8·3·9 3 P (F ) = = .3 95 i i i i . V20. dado que hay 8 bolas rojas.1 = . V20. Este espacio es claramente equiprobable. obteni´ndose que: o e P (C) = 7 C3. al igual que se hizo al comienzo del ejercicio). =1− C20. para ello se recurri´ al espacio muestral Ω. o si se realizaran todos los c´lculos s´lo con este espacio se obtendr´ a o ıa: V8.3 95 Para calcular la probabilidad pedida. con Ω = V20. Sin embargo. hay.3 285 1 V3. w3 ) : wi = 1. . Definamos el suceso E = “Se extraen 3 bolas de diferente color”.1 · C9. FUNDAMENTOS DE PROBABILIDADES 4. P (B) = V20. se tiene que un espacio muestral es: Ω = w = (w1 .3 95 Obs´rvese que este nuevo espacio muestral Ω podr´ haberse usado e ıa desde el comienzo del problema para calcular tambi´n las probabie lidades de los cinco primeros apartados.3 57 57 5. 2. P (D) = 1 − P (Dc ) = 1 − 23 C17.3 1140 P (A) = Teniendo en cuenta que hay V8. . para cada distribuci´n de ´stas. C8. w2 . debemos definir un nuevo espacio muestral en el que se tenga en cuenta el orden de extracci´n. blanca.1 18 P (E) = = . 3 para todo i = j . Por lo tanto.3 .2 formas de ordenar dos bolas rojas tomadas de las 8 que existen.1 formas de tomar las bolas blancas. C3.1 · C3. azul”. 2. . C20.1 formas de combinar o e esas 3 bolas de forma ordenada. Sea el suceso F = “Las tres bolas se extraen en el orden roja. 6. 65 Sea D el suceso “Al menos una de las bolas extra´ ıdas es blanca”.

Entonces el espacio muestral es: Ω = {w = {w1 . . se debe tener en cuenta que.1 18 = . B. u u n ∈ {1. Caballo y Rey en cualquier orden.1 · V9.i i i “libroult” 2001/8/30 page 66 i 66 EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes. n ∈ {1. . D}}. Soluci´n: o Para introducir un espacio muestral denotemos cada carta mediante un par de n´meros (n. 2.1 · V3. para todo i = j. tambi´n se tiene que: e P (D) = 1 − P (Dc ) = 1 − V17. l ∈ {A. wi = (n. 2. Una vez fijados los 4 Ases. V20. cuatro sean Ases. 13} . Claramente este espacio es equiprobable y: |Ω| = 52 5 = 2598960. Diez. 5. se obtiene que: P (A) = 1 · 48 52 5 = 1 . . fijadas las tres bolas. si han de ser de tres colores diferentes. Sea A el suceso “Cuatro de las cinco cartas escogidas son Ases”. 4. l ∈ {A. . y 6. Sota. Aplicando la regla de Laplace. l). B. P (E) = 3! · V8. D}). tres sean de un palo y dos de otro.3 57 57 Finalmente.46] De una baraja de 52 naipes se sacan 5. salgan Nueve. al menos uno sea un As. 2. . 3.3 34 23 =1− = . C. w3 . C. V20. hay un total de 52 − 4 = 48 posibilidades para la quinta carta. donde n representa el n´mero en la carta (es decir. w4 . cuatro sean Ases y uno Rey. . . Hallar la probabilidad de que: 1. l) . w5 } : wi = wj .3 95 P2. w2 . tres sean Dieces y dos Sotas. 1. 13}) y l representa el palo (es decir. 54145 i i i i . Por lo tanto. hay 3! maneras posibles de ordenarlas. .

2 posibilidades para elegir las tres y dos cartas. ya que cada palo consta de 13 cartas. por lo hay C52−4. Sea el suceso C = “Hay tres Dieces y dos Sotas”. 54145 54145 P2. P (B) = 1·4 52 5 = 1 . Caballo y Rey en cualquier orden”. Diez. 8330 6. 67 Representemos por B al suceso “Cuatro cartas son Ases y una Rey”. De esta forma se tiene que: P (F ) = 1 − P (F c ) = 1 − 48 5 52 5 =1− 18472 35673 = .3 formas de escoger tres Dieces. Sea E el suceso “Tres cartas son de un palo y dos de otro”. suceso F c = “Ninguna carta es un As”. 162435 5. As´ el ı.47] En una urna que contiene n bolas se echa una bola roja.i i i “libroult” 2001/8/30 page 67 i CAP´ ITULO 2. En este caso. As´ se tiene que ı. resultando: P (E) = 4 2 · 13 3 52 5 · 13 2 = 429 . hay 4 posibilidades para la quinta carta: los 4 Reyes. Se obtiene que: P (D) = 4 5 1 52 5 = 64 . La baraja tiene 4 palos. Se tienen C4. si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna. extrayendo posteriormente una bola. 649740 3. por lo que hay C4.2 formas de elegir las dos Sotas. de cada uno de los dos palos. Hallar la probabilidad de que la bola extra´ ıda sea roja. FUNDAMENTOS DE PROBABILIDADES 2. Para cada una de ´stas.5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. Definamos el suceso D = “Salen Nueve. por lo que podemos continuar usando el espacio muestral definido al principio del ejercicio. N´tese que hay 4 Ases e a o en la baraja. Por lo tanto: P (C) = 4 3 · 52 5 4 2 = 1 . 108290 4. Sota. i i i i .3 y C13.2 formas de escoger los dos palos. una vez fijados los 4 Ases. Sea el suceso F = “Al menos una de las cartas es un As”. que han de combinarse con el total de C4. N´tese que no importa el orden en que aparezcan o las cartas. respectivamente. se e tiene un total de C13. y es m´s sencillo recurrir a a ´ste para el c´lculo de la probabilidad de F .

Por lo tanto. r = 1. . por lo que el espacio muestral definido no es equiprobable. que hay en la urna despu´s de introducir una e bola roja en la urna inicial.n−1 )·P (B2. r. . Los sucesos Bij (con i = 1. . c. . n+1 n+1 (n + 1) 1 1 1 · = 2. Por el enunciado del problema. Sean tambi´n los sucesos Bij = “Despu´s de introducir una bola roja. las suposiciones para los colores de las n bolas de la urna inicial son equiprobables. n + 1. Se comprueba que. . a o Definamos el suceso A = “Se extrae una bola roja”. 2. Para calcular P (A). . r + r = n + 1 . R con i = 1. i.n−1 ) + . n + 1 : r = 0. n.n ) + P (A|B2. n − 1)}) = P (A|B2. n. que es el conjunto de sucesos elementales: A = {w = (R. . . Un espacio muestral viene dado por Ω = w = (c. . . . n + 1. . . y r y r son el n´mero de bolas rojas y u no rojas. .0 ) · P (Bn+1. . donde el color de la bola que se saca. r. . .n ) · P (B1. . 2 · 2 2 · (n + 1) (n + 1) = = i i i i . + n+1 n+1 n+1 n+1 (n + 1) · (n + 2) n+2 1 = . . r). es R si la bola es roja y R si es de otro color. Este espacio no es equiprobable. para todo i = 1.0 ) = 1 1 2 n+1 · + + . r = 0. . por lo que tambi´n lo ser´n las urnas que resultan de e a a˜adir una bola roja a las iniciales. . n. . respectivamente. R . como se ver´ a continuaci´n. . n. j = 0. . . n + 1.n ) · P (B1. + P (A|Bn+1. n)}) = P (A|B1. j = 0. 1. i + j = n + 1. n. . n´tese que se han de tener en cuenta todas las posio bles combinaciones para la urna. . . . . . se tiene que: P (A) = P (A|B1. . . n+1 n+1 (n + 1) . . . Por lo tanto. j) / c ∈ R. r + r = n + 1} .n ) = pero P ({(R. aplio cando el teorema de la probabilidad total. r) : r = 1. j = 0. . donde c representa el color de la bola extra´ ıda...n−1 ) = 2 1 1 · = 2. ya que se tiene un total n de n + 1 urnas posibles.i i i “libroult” 2001/8/30 page 68 i 68 Soluci´n: o EJERCICIOS RESUELTOS DE PROBABILIDAD Representemos cada suceso elemental como w = (c. la e e urna tiene i bolas rojas y j bolas de otro color”= w = (c. . por ejemplo: P ({(R. r) : c ∈ R. i + j = n + 1) constituyen una partici´n de Ω. . . . n+1. . con i + j = n + 1. se verifica que P (Bij ) = 1/ (n + 1) . . r.n−1 ) · P (B2.

N´tese que o el espacio muestral tomado es equiprobable. ya que los n´meros se eligen de forma u uniforme e independiente. donde x e y son dos n´meros tomados al azar sobre el intervalo [0. debemos dividir el ´rea deseada en dos partes.26.2 ayuda a ello. que corresponde al espacio Ω. para la segunda dea bemos calcular la correspondiente integral. a que es una parte de la superficie de un cuadrado de lado a. por lo que el c´lculo de a P (A) se reduce. y la figura 2.48] Consid´rese el intervalo de la recta real [0. Si b > a2 .38. el resultado a a es: 1 · (2 + 2 · Ln 8 − 2) ∼ 0. a Adem´s. Soluci´n: o Un posible espacio muestral es Ω = {w = (x. Para los valores de a y b del apartado anterior. e 1. a] con a > 0. a] es menor que b”= {w ∈ Ω : x · y < b}. El ´rea deseada es la intersecci´n de A y B. se deben distinguir dos casos: a Si b ≤ a2 . puesto que es un a rect´ngulo de lados b/a y a. a obtener el ´rea A. a] es mayor que b”= {w ∈ Ω/w1 + w2 > b} . 1. aplicando la ley de Laplace. para dividirla por el ´rea de este cuadrado. a]. y) : 0 ≤ x. El resultado final es: P (A) = 1 · b+ a2 a b/a 0 b/x ∂y ∂x = 1 · b + b · ln a2 /b a2 . Sea el suceso A = “El producto de dos n´meros tomados al azar en u el intervalo [0. por lo que P (A) = a2 /a2 = 1. para b = 2 y a = a o 4. 2. 2. se tiene que b/a > a. }. 69 Calcular la probabilidad de que el producto de dos n´meros tomados u al azar sobre tal intervalo sea menor que una constante b. y ≤ a.i i i “libroult” 2001/8/30 page 69 i CAP´ ITULO 2. sabiendo que su suma es mayor que b. Sin embargo. todo se reduce a restar a ´sta el ´rea de un e a tri´ngulo rect´ngulo de base 2 y altura 2. Definamos el suceso B = “La suma de dos n´meros tomados al u azar en el intervalo [0. Por lo tanto. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8·(1 + Ln 8) ∼ = 0. Cuantificar tal probabilidad suponiendo b = 2 y a = 4. FUNDAMENTOS DE PROBABILIDADES P2. P (A ∩ B) = = 16 i i i i . Paa ra la primera de ellas el ´rea es inmediata. Este u espacio es claramente equiprobable. Obs´rvese que si utilizamos el ´rea correspondiente obtenida en e a el apartado anterior. calcular la probabilidad de que el producto de los dos n´meros tomados al azar sea u menor que b.

i i i “libroult” 2001/8/30 page 70 i 70 EJERCICIOS RESUELTOS DE PROBABILIDAD y a y = b/x a x Figura 2.2: Regi´n para integrar en el problema P2. con a < b. Hallar la probabilidad de que 1. Procediendo an´logamente al ejercicio anterior. pues los puntos se eligen de forma aleatoria e independiente. este espacio a es claramente equiprobable. b y c a las longitudes de los segmentos que se forman con los tres puntos elegidos aleatoriamente. cada uno de ellos tenga una longitud mayor o igual que 1/4. w2 ) : w1 . los segmentos que se forman tienen longitudes w1 . se pueda formar un tri´ngulo con ellos como lados. respectivamente. w2 ∈ [0. resultando dividido en tres nuevos segmentos. 2. Para dos valores de a y b (dentro de los posibles). 1 − w2 ≥ 1/4} .49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad. 1. 2 32 2 2. el c´lculo de P (A) a a se reduce a obtener el ´rea del tri´ngulo que forman las tres rectas a a correspondientes a las desigualdades anteriores. o P2. Representemos por a. que es el conjunto A = {w = (w1 . Adem´s.48. Representemos por A al suceso “Cada uno de los segmentos que se forman tiene una longitud mayor o igual que 1/4”. a Soluci´n: o Un posible espacio muestral es Ω = {w = (w1 . al extremo inferior del segmento. n´tese que s´lo con un o o i i i i . w2 ) ∈ Ω : w1 ≥ 1/4. 1]}. Por lo tanto. donde w1 y w2 son las distancias del primero y segundo punto. w2 − w1 ≥ 1/4. w2 − w1 y 1 − w2 . Por lo tanto: P (A) = 1 (1/4) = .

la probabia lidad de poder formar un tri´ngulo con los segmentos obtenidos es a 1/8. 2. i = 1. Por lo tanto. y si invierte en V2 tiene una probabilidad de 0. B . que corresponde al caso a ≤ b. 1]}. En cambio. invertir´ en el otro tipo. y B2 = {w = (w1 . FUNDAMENTOS DE PROBABILIDADES 71 segmento de longitud c que verifique b−a < c < b+a podr´ formarse a un tri´ngulo. si no obtiene beneficios. w2 ∈ [0. se tiene que B = B1 ∪ B2 . con: B1 = {w = (w1 . Adem´s. para a > b. e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente. que ser´ B si obtiene beneficios o B si no los o a i i i i . w2 − 2 · w1 < 0. a Sea el suceso B = “Podemos formar un tri´ngulo con los segmentos a obtenidos (a < b)”. donde wi1 representa el tipo de valor en el que invierte la i-´sima vez. a 1. V2 } . w1 . wi2 ) . y wi2 el resultado de esa inversi´n. a Procediendo an´logamente al primer apartado de este ejercicio. wi1 ∈ {V1 . por lo que se concluye que la probabilidad de poder formar un tri´ngulo es 1/4. a P2. w2 ) : wi = (wi1 . Si invierte en V1 tiene una probabilidad de 0. 1]}. wi2 ∈ B. An´logamente. Teniendo en cuenta lo anterior. w2 ) : 2 · w1 − w2 < 1 − w2 < w2 . B1 ∩ B2 = ∅. Si en tal inversi´n obtiene beneficios. ¿Cu´l es la probabilidad de que obtenga beneficios en la segunda a inversi´n? o Si finalmente obtiene beneficios.6 de obtener 16 millones de beneficio. ¿cu´l es la probabilidad de que la a primera inversi´n la hubiera efectuado en V1 ? o Soluci´n: o Un espacio muestral para este problema viene dado por Ω = w = (w1 .8 de conseguir 12 millones.i i i “libroult” 2001/8/30 page 71 i CAP´ ITULO 2. w2 − 2 · w1 ≥ 0. w2 ) : w2 − 2 · w1 < 1 − w2 < w2 . est´ dispuesto a volver o a a invertir en el mismo tipo de valor. cuando a ≥ b. se a tiene que el ´rea deseada corresponde a dos tri´ngulos que forman a a un tri´ngulo rect´ngulo de base 1/2 y altura 1/2. w1 . w2 ∈ [0. 2 .50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . el a a resultado es P (B) = 1/8.

P (M1B ) = 0. De acuerdo con los datos que proporciona el problema y suponiendo que elegir el tipo de valor 1 en la primera inversi´n o o elegir el 2 son igualmente probables. y NkB = {w ∈ Ω : w21 = Vk . resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) · P (M1B ) + P (N1B |M2B ) · P (M2B ) = 0.2 = 0. Se tiene que MkB = w ∈ Ω : w11 = Vk . P (N2B |M2B ) · P (M2B ) + P (N2B |M1B ) · P (M1B ) = 0. w22 = B} .48.24.3 = 0. Sean MkB y MkB los sucesos “No obtiene beneficios con una primera inversi´n en Vk ” y “Obtiene beneficios con una primera inversi´n en o o Vk ”. De esta forma. Se procede de forma an´loga con los dos sucesos restantes. Estos sucesos constituyen tambi´n una partici´n e o del espacio Ω.5 − 0.1. por ejemplo.6 · 0. y MkB = {w ∈ Ω : w11 = Vk .8 · 0. 2. respectivamente. con k = 1.4. que son el conjunto de sucesos elementales: o NkB = w ∈ Ω : w21 = Vk . Estos sucesos constituyen una partici´n del espacio Ω. 1. Adem´s.2. tendr´ probabilidad cero. B). un suceso elemental del e ıa tipo w = (w1 .5 · 0. entonces repite con el tipo de valor.8 + 0.i i i “libroult” 2001/8/30 page 72 i 72 EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. w12 = B . obtea ni´ndose que e P (M2B ) = 0. respectivamente. w2 ). P (M2B ) = 0.5 · 0.8 · 0. 2. Para que obtenga beneficios en la segunda inversi´n hay que tener o en cuenta dos posibilidades: que los obtenga invirtiendo en el primer tipo o bien en el segundo.8 · 0.5 · 0.5 = 0. con w1 = V1 . Si. w2 = (V1 . por el contrario.5 − 0.6 + 0. con k = 1. el espacio Ω no es equiprobable. dado que si el inversor no obtiene beneficios con un a tipo de valor entonces no vuelve a invertir en ´l.5 · 0. obtiene beneficios.3.4 = 0.5 = 0. w22 = B .6 · 0.6 · 0. B . o Definamos tambi´n los sucesos NkB = “No obtiene beneficios con e una segunda inversi´n en Vk ” y NkB = “Obtiene beneficios con una o segunda inversi´n en Vk ”. se verifica que P (M1B ) = P (M1B |M1B ∪ M1B ) · P (M1B ∪ M1B ) = 0. w12 = B} . i i i i . Por tanto.4 = 0.

2.51] Una urna contiene 10 bolas numeradas del 0 al 9. La primera bola extra´ est´ numerada con 3 y la segunda con 0. calcular la probabilidad de los siguientes sucesos: 1. u Supongamos una loter´ en la que cada boleto cuesta 1. 3.472.6 + 0) · 0.2/0. 3. ıda a El n´mero que se forma con las bolas acaba en 380.000 ptas.000. 200.000 ptas. si coinciden las 2 ultimas o ´ ´ i i i i . P2. si coinciden s´lo las tres ultimas cifras.72 ∼ 0.8) · 0.000 ptas. si coinciden las 4 cifras.72.72 = 0.3/0. Se extraen 4 bolas una a una con reemplazamiento. Obtienen u premios todos los boletos cuyos n´meros coincidan con las 4..i i i “libroult” 2001/8/30 page 73 i CAP´ ITULO 2. = por lo que la probabilidad de que la primera inversi´n la hubiera o efectuado en V1 habiendo obtenido beneficios en la segunda inversi´n o es aproximadamente 0. sorteo consiste en extraer 4 bolas.000 ptas. FUNDAMENTOS DE PROBABILIDADES por lo que finalmente: P (N1B ∪ N2B ) = P (N1B ) + P (N2B ) = 0. seg´n el experimento previo. con P (M1B |N1B ∪ N2B ) = P (N1B ∪ N2B |M1B ) · P (M1B ) /P (N1B ∪ N2B ) = [P (N1B |M1B ) + P (N2B |M1B )] · P (M1B ) /P (N1B ∪ N2B ) = = (0. 73 Utilizando los sucesos definidos en el apartado anterior. 20. ¿Cu´ntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace. la probabilidad deseada es P (M1B ∪ M1B |N1B ∪ N2B ) = P (M1B |N1B ∪ N2B ) + P (M1B |N1B ∪ N2B ) . La cuant´ (no acumulable) de los ıa premios es de: 2. 2.2222.25. u El n´mero que se forma con las bolas es mayor que 3571. 2 ´ 1 u o ultimas cifras del n´mero extra´ ´ u ıdo. y tambi´n e P (M1B |N1B ∪ N2B ) ∪ N2B |M1B ) · P (M1B ) /P (N1B ∪ N2B ) = = P (N1B = [P (N1B |M1B ) + P (N2B |M1B )] · P (M1B ) /P (N1B ∪ N2B ) = = (0 + 0. cuyo ıa.

La probabilidad deseada es P (B) = |B| / |Ω| = 10/104 = 0. 3. Para ello. donde wi representa el n´mero de la bola que aparece en la i-´sima exu e tracci´n. w2 = 0} . para todo i = j} . w4 = 0} . 4. w4 ) : wi = 0. . Sean los sucesos Ai = “Las i ultimas cifras del boleto coinciden con las del n´mero premiado”= ´ u i i i i . 2. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 · 103 + 4 · 102 + 2 · 10 + 8 = 6428. que es el conjunto: C = C1 ∪ C2 ∪ C3 ∪ C4 = {w ∈ Ω : w1 > 3} ∪ {w ∈ Ω : w1 = 3. . 2. w4 > 1} . 3. Aplicando la regla de Laplace se obtiene que P (A) = |A| / |Ω| = 102 /104 = 0. w2 = 5. 9. Si suponemos una loter´ con boletos de 1000 pesetas en la que se obtieıa nen premios de diferente cuant´ seg´n el n´mero de cifras que coinciden ıa u u con el n´mero extra´ en el sorteo. A = {w ∈ Ω : w1 = 3. 4. 3. donde los sucesos Ci son disjuntos. . necesitamos definir una variable u ıdo aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. supongamos que y es el n´mero del boleto comprau do. para i = 1. w2 > 5} ∪ {w ∈ Ω : w1 = 3. y2 . w2 = 5. y3 e y4 . y 2.6428.01. ¿Ser´ rentable jugar a esta ´ ıa loter´ ıa? Soluci´n: o Un espacio muestral viene dado por Ω = {w = (w1 . 1. 1. w3 = 8. Representemos por C al suceso “El n´mero que se forma con las u bolas es mayor que 3571”. w2 .i i i “libroult” 2001/8/30 page 74 i 74 EJERCICIOS RESUELTOS DE PROBABILIDAD cifras. N´tese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s´ por lo que este espacio es ı. equiprobable y tiene un total de |Ω| = 104 elementos. w3 = 7.000 ptas. . B = {w ∈ Ω : w2 = 3.001. y consta de las cifras siguientes: y1 . Definamos el suceso B = “El n´mero que se forma con las bolas u acaba en 380”. w3 . w3 > 7} ∪ {w ∈ Ω : w1 = 3. i = 1. Finalmente se obtiene que P (C) = 6428/104 = 0. 2. Sea el suceso A = “La primera bola es un tres y la segunda un cero”. si coincide la ultima cifra.

4. 2. con i = 1. w2 ) : wi ∈ {1. u Se selecciona una bola con n´mero impar la segunda vez. 104 Por lo tanto. FUNDAMENTOS DE PROBABILIDADES 75 {w ∈ Ω : wj = yj . . 2. . 3. . P2. no es rentable jugar a esta loter´ puesto que el dinero que ıa. 2. Hallar la probabilidad de los siguientes sucesos: 1. 104 Finalmente. Se u tiene que P ξ = 2 · 102+i = P w ∈ Ω : ξ (w) = 2 · 102+i |Ai | 94−i = . i i i i . 3. definamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria ξ que representa la ganancia del jugador. 4. y se supone que existe aleatoriedad uniforme. se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir.52] Una urna contiene cinco bolas numeradas del 1 al 5. 5} . utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador. con |Ω| = 20. Este espacio es equiprobable. ∀j = 4 − i + 1. donde wi representa el n´mero de la bola de la i-´sima extracci´n. ¿Se obtienen los mismos resultados cuando n es par que cuando es impar? Soluci´n: o Consideremos el espacio muestral Ω = {w = (w1 . . De aqu´ se deduce que ı 4 P (ξ = 0) = 1 − i=1 94−i = 0. 2. |Ω| 104 = P (Ai ) = para i = 1. w1 = w2 } .i i i “libroult” 2001/8/30 page 75 i CAP´ ITULO 2. wk = yk . 3. Por otra parte. Se selecciona una bola con n´mero impar la primera vez. para u e o i = 1. 4. numeradas de 1 a n. Se extraen dos bolas una a una sin reemplazamiento. para el n´mero premiado en el sorteo.918. u Se seleccionan las dos bolas con n´mero impar. ∀k = j}. 4. u Generalizar el problema al caso de que la urna contenga n bolas. obteni´ndose: e 4 E [ξ] = i=1 2 · 102+i · 94−i = 687. 3. 2.8. con el boleto que ha comprado.

w2 ∈ {1.i i i “libroult” 2001/8/30 page 76 i 76 EJERCICIOS RESUELTOS DE PROBABILIDAD 1. . w2 ∈ {1. Se tiene por tanto: 3·2 3 P (C) = = . Representemos por B al suceso “Se selecciona una bola con n´mero u impar la segunda vez”. 20 5 2. Aplicando la regla de Laplace se obtiene que P (A) = 3·4 3 = . 5}} . 4} . 3. . w1 = w2 } . 3. 5}}. . Sea el suceso A = “Se selecciona una bola con n´mero impar la u primera vez”: A = {w ∈ Ω : w1 ∈ {1. n · (n − 1) 2 n 2 n . De forma an´loga resulta a P (B) = 1 . . . Definamos el suceso C = {w ∈ Ω : w1 . 2 2. Aplicando la regla de Laplace se obtiene que P (A) = · (n − 1) 1 = . 20 5 3. utilizaremos el espacio muestral Ω = {w = (w1 . . w2 ∈ {1. resulta a P (B) = 3·2+2·3 3 = . . . 5}} ∪ {w ∈ Ω : w1 ∈ {2. 2 i i i i . An´logamente al apartado anterior. 5}} = {w ∈ Ω : w1 . 3. para todo i = 1. 3. Sea el suceso A = “Se selecciona una bola con n´mero impar la u primera vez”: A = w ∈ Ω : w1 = 2 · i − 1. y se han de distinguir dos casos: Si n es par: 1. w2 ) : wi ∈ {1. 3. n} . Representemos por B al suceso “Se selecciona una bola con n´mero u impar la segunda vez”: B = {w ∈ Ω : w2 ∈ {1. 20 10 En el caso general de que la urna contenga n bolas. numeradas de 1 a n. con |Ω| = n · (n − 1). 5}} .

e Una caja contiene una moneda de oro en cada caj´n. . 2. (n + 1) /2} .i i i “libroult” 2001/8/30 page 77 i CAP´ ITULO 2. nos encontramos con una moneda de oro. FUNDAMENTOS DE PROBABILIDADES 3. n · (n − 1) 4 · (n − 1) · (n − 1) n+1 = . . para todo i = 1. 2·n · n+1 − 1 n+1 2 = . . w2 = 2 · i − 1. . n · (n − 1) 4·n A la vista de los resultados obtenidos. obteni´ndose por lo tanto que e P (A) = 2. las monedas de i i i i . Definamos el suceso C = {w ∈ Ω : w1 .53] Se dispone de tres cajas id´nticas y cada caja contiene dos cajones. . ¿cu´l es la probabilidad de a que la caja seleccionada contenga monedas de diferentes metales? Se selecciona aleatoriamente una caja. se obtiene que ´ P (C) = (n+1) 2 n+1 2 n 2 77 · n −1 n−2 2 = . n · (n − 1) 2·n n+1 . finalmente. La probabilidad pedida es P (C) = Si n es impar: 1. y la tercera una moneda de oro en un o caj´n. P2. n/2} . . En este caso. An´logamente a P (B) = 3. se puede concluir que para calcular estas probabilidades se ha de distinguir si el n´mero de bolas es par o u impar. la 2 es la que tiene 2 monedas de plata y. . Se selecciona aleatoriamente una caja. y al abrir aleatoriamente un caj´n. puesto que de un caso a otro las probabilidades difieren. . el suceso A = {w ∈ Ω : w1 = 2 · i − 1. y una moneda de plata en el otro caj´n. ¿Cu´l es la probao a bilidad de que el otro caj´n contenga una moneda de plata? o Soluci´n: o Numeremos las cajas: la caja 1 es aquella caja con 2 monedas de oro. Por ultimo. otra contiene una o moneda de plata en cada caj´n. para todo i = 1. o o 1.

por ejemplo. 2. 2. 2. por lo que el suceso A3 es equivalente a “La caja seleccionada tiene monedas de diferentes metales”. 2 3 3 2. Se tiene entonces que: P (A3 ) = P ({(3. w2 ) : w1 ∈ {1. Sea entonces el espacio muestral Ω = {w = (w1 . Sean tambi´n los e o sucesos Bo = “La moneda en el caj´n escogido de forma aleatoria en la caja seleccionada es de oro”y Bp el correspondiente a una moneda de plata. pues. 3. ıda e con i = 1. P ({(1.´simo lugar. 1. Este espacio o muestral no es equiprobable. P )}) = P (Bo |A3 ) · P (A3 ) + P (Bp |A3 ) · P (A3 ) = 1 1 1 = 2· · = . donde w1 representa la caja escogida y w2 el metal de la moneda que contiene un caj´n de esa caja escogido de forma aleatoria. O)}) = 1/3.54] Una urna contiene 8 bolas blancas y 4 bolas negras. P (Ac ∩ B c ) y las probabilidades condicionadas P (A|B). P (A|B c ). Por lo tanto. Si uno de los cajones contiene una moneda de oro y el otro una de plata. Sea el suceso Ai = “Se selecciona la caja i”. 3} .i i i “libroult” 2001/8/30 page 78 i 78 EJERCICIOS RESUELTOS DE PROBABILIDAD diferente metal (una de oro y otra de plata) se encuentran en la caja 3. w2 ) : wi ∈ {b. 2} . En nuestro caso. la caja en la que se encuentran es la B. Este i i i i . 3 P2. Se sacan dos bolas una a una con reemplazamiento. siendo igual a b si la bola es blanca y n si es negra. P (Ac ∩ B). P )}) = 0. Calcular P (A ∩ B). i = 1. Soluci´n: o Un espacio muestral para este problema es Ω = {w = (w1 . n} . Sea A el suceso: “la primera bola extra´ ıda es blanca”. P (B|A) y P (B|Ac ). O)}) + P ({(3. P (A ∩ B c ). i = 1. es: P (A3 |Bo ) = = P (Bo |A3 ) · P (A3 ) = P (Bo ) P (Bo |A3 ) · P (A3 ) 3 i=1 = P (Bo |Ai ) · P (Ai ) 1· 1 3 ·1 3 +0· 1 + 3 1 2 1 2 · 1 3 = 1 . la probabilidad pedida. donde cada wi representa el color de la bola extra´ en i. i = 3. P }} . w2 ∈ {O. pero P ({(1. y B el suceso: “al menos una de las dos bolas extra´ ıdas es blanca”.

b)} . P ({(b. Ac ∩ B = {(n.55] Se lanza una moneda tres veces y en una urna vac´ se ponen tantas ıa bolas blancas como n´mero de caras obtenidas y tantas negras como el u n´mero de lanzamiento en que se obtiene cruz por primera vez. (b. pero P ({(b. FUNDAMENTOS DE PROBABILIDADES 79 2 espacio no es equiprobable. se calculan las probabilidades correspondientes. P (B) 1 − P (B c ) 4 P (A ∩ B c ) = 0. ¿Cu´l es la probabilidad de que sean a de distinto color? Si son de distinto color. si es que u se obtiene alguna. Se tiene que: A ∩ B = A = {(b. 9 2 3 2 + 2 1 · 3 3 = 2 . y resulta: P (A ∩ B) P (A ∩ B c ) P (Ac ∩ B) P (Ac ∩ B c ) = P ({(b. Por lo tanto. n)} . las probabilidades condicionadas son: P (A|B) P (A|B c ) P (B|A) P (B|Ac ) = = = = P (A ∩ B) P (A ∩ B) 3 = = . P (B c ) P (A ∩ B) = 1. Soluci´n: o i i i i . c) P (A 3 P2. 9 Una vez visto esto. por ejemplo. b)}) = = 1 . ¿Son independientes el n´mero de bolas blancas y el n´mero de bolas u u negras? ¿Son condicionalmente independientes dado que en la urna hay m´s de tres bolas? a Se sacan dos bolas de la urna. b) . ¿cu´l es la probabilidad a de que la urna quede vac´ ıa? 2. ya que. b)}) + P ({(b. Ac ∩ B c = B c = {(n. b)}) = (8/12) .i i i “libroult” 2001/8/30 page 79 i CAP´ ITULO 2. 2 . 1. n)}) = 8/12 · 4/12. n)}) = = 0. P (A) P (Ac ∩ B) 2 = . n)} . 3 = P ({(n. A ∩ B c = ∅.

P (A2· ∩ A·k |B) = P (A2· |B)·P (A·k |B) . 3. y adem´s P (Aj· |B) = a 0. por lo que P (Aj· ∩ A·k |B) = P (Aj· |B) · P (A·k |B) = 0. k = 0. Por otra parte. C)} . w2 . 1. con k = 0. X)} . X)} . Se tiene. 3. De esto y de lo obtenido anteriormente para j = 2 se tiene que el n´mero de bolas blancas y el n´mero de bolas u u negras en la urna son condicionalmente independientes dado que en la urna hay m´s de tres bolas. X)} . 2. X} . Veamos todos los casos posibles. en caso contrario 1/2 0 si k = 2. para j. 3. 3. pero P (A2· ) = 3/8 y P (A·3 ) = 1/8. X)} . X. X. luego P (Aj· ∩ A·k |B) = P (Ajk |B) = 0. 2. para cualquier valor de k = 0. C. en caso contrario Por lo tanto. Definamos tambi´n los sucesos Al· = “En la urna hay l bolas blancas”. 2. 2. A23 = {(C.i i i “libroult” 2001/8/30 page 80 i 80 EJERCICIOS RESUELTOS DE PROBABILIDAD Un espacio muestral para este problema es Ω = {w = (w1 . Supongamos que j = 2. Definamos los sucesos Ajk = “En la urna hay j bolas blancas y k negras”. Se concluye as´ que el n´mero de bolas blancas y el n´mero ı u u de bolas negras no son independientes. C) . i = 1. 1. w3 ) : wi ∈ {C. para cualquier valor de k. donde wi representa el resultado del i-´simo lanzamiento de la moneda: C e si es “cara”y X si es “cruz”. 2. Este espacio es equiprobable. a i i i i . 2. 3. X. por lo que P (A2· ∩ A·3 ) = P (A2· ) · P (A·3 ). con |Ω| = 23 = 8. En el caso de que j = 2. C. e para l = 0. 1. 1. C. para i = 1. que P (A2· ∩ A·3 ) = P (A23 ) = 1/8. A12 = {(C. C)} . 1. por ejemplo. A11 = {(X. 3} . (X. para m = 0. sea el suceso B = “La urna tiene m´s de 3 bolas”= a A22 ∪ A23 . se tiene que P (A2· ∩ A·k |B) = P (A2k |B) = y adem´s P (A2· |B) = 1 y a P (A·k |B) = 1 = 1/2 0 si k = 2. X. A21 = {(X. A22 = {(C. C. 1. 2. C)} . 3 . Se tiene as´ que los unicos ı ´ sucesos distintos del vac´ ser´n: ıo a A30 = {(C. 3 y A·m = “En la urna hay m bolas negras”. A01 = {(X. 3 .

X} . 10 Procediendo de manera an´loga se llega a que P (B2 ) = 1/5. u Este espacio no es equiprobable. 2. para i = 0. y dado que no importa el orden en que ´stas se extraigan. w2 . a i i i i . Sea el suceso A = “Las dos bolas extra´ ıdas son de distinto color”. i = 1. 2. la urna quedar´ vac´ a ıa s´lo si antes de las extracciones ten´ 1 bola blanca y 1 negra. se tiene que: P (B0 ) = P (B0 |A30 ) · P (A30 ) + P (B0 |A21 ) · P (A21 ) +P (B0 |A22 ) · P (A22 ) + P (B0 |A23 ) · P (A23 ) +P (B0 |A11 ) · P (A11 ) + P (B0 |A12 ) · P (A12 ) +P (B0 |A01 ) · P (A01 ) . x = 0. donde x representa el n´mero de bolas blancas en una extracci´n de u o dos bolas de una urna formada seg´n el resultado de las 3 tiradas. 10 Si las dos bolas extra´ ıdas son de distinto color. P (B1 ) 23 40 donde P (B1 ) se ha calculado de forma an´loga a P (B0 ) . w3 . Sean tambi´n los sucesos Bi = “De las dos bolas extra´ e ıdas. y utilizando los sucesos definidos en el apartado anterior para aplicar el teorema de las probabilidades totales. 3. resultando una probabilidad P (B0 ) = 1 · 8 2 2 4 2 + 3 2 5 2 + 2 2 3 2 = 1 . 81 Suponiendo que las dos bolas se extraen sin reemplazamiento. Por o ıa lo tanto. 1. i son blancas”. y usando los sucesos definidos anteriormente. x) : wi ∈ {C. se tiene que la probabilidad de que la urna quede vac´ despu´s de extraer una ıa e bola blanca y una negra es: P (A11 |B1 ) = 1· 1 10 P (B1 |A11 ) · P (A11 ) = 234 = . FUNDAMENTOS DE PROBABILIDADES 2. 1. 2} . De este a modo 7 P (A) = 1 − [P (B0 ) + P (B2 )] = . Por lo tanto: P (A) = 1 − P (Ac ) = 1 − [P (B0 ) + P (B2 )] . podemos definir e el espacio muestral Ω = {w = (w1 .i i i “libroult” 2001/8/30 page 81 i CAP´ ITULO 2.

Un tirador deja de disparar al alcanzar el blanco.8. para todo i = 1. 2. 2. Soluci´n: o Un espacio muestral es Ω = {w = (w1 . 1. ya no le sobrar´ ninguna bala. 2794 · 10−3 i=1 1− i i i i . N´tese que si a un a o tirador le sobra alguna bala. Sin embargo. Sea A el suceso “Alguno de los tiradores consume toda su munici´n”. y wi2 es el resultado que ha obtenido. se tiene que 4 4 P (A) = = = 1− i=1 4 P (Ac ) = 1 − i0 i=1 [1 − P (Ai0 )] = 1− i=1 4 1 − 0. o Definamos tambi´n los sucesos Aij = “Al tirador i le sobran j balas”. wi2 ) . w4 ) : wi = (wi1 .8. 4. a sea cual sea el resultado para esta ultima. 3.25 · 0. ¿cu´l es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. 2. Por lo tanto: 4 P (A) = 1 − P (Ac ) = 1 − P i=1 Ac i0 . donde cada wi1 representa el n´mero de balas que le sobran al tirador u i tras acertar en el objetivo.25 = 1. 4. w3 . wi1 = 0. para todo i = 1. y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0. wi2 ∈ {a. Calcular la probabilidad de que sobren dos balas en total.8 + 0. 4 y j = 0. 4. 3. 3.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos. 2. o 2. ´ 1.2 1 − 0. significa que ha acertado. cada uno sobre uno. puede que haya acertado al disparar la ultima bala ´ o bien que ´ste tiro tambi´n lo haya fallado. w2 . 1. 3. N´tese tambi´n que desde e e o e que un jugador falle los 5 primeros tiros. 3. La probabilidad de acertar en el objetivo con cada tiro es de 0.i i i “libroult” 2001/8/30 page 82 i 82 EJERCICIOS RESUELTOS DE PROBABILIDAD P2. 1. 5. Si todos los tiradores consumen la munici´n. Probabilidad de que alguno de los tiradores consuma toda su munici´n. e para i = 1. 2. que ser´ a si acierta y f si falla.25 · 0. 5. 4}. f } . si no le sobra ninguna. Cada tirador dispone de seis balas.

FUNDAMENTOS DE PROBABILIDADES 2.8 + C4. podemos luego extenderlo a todos. = 0.2 · (0. teniendo en cuenta todos los casos posibles.84 = 0. como siempre. por lo que si vemos estos dos casos para dos tiradores concretos. 2.8. 8455 · 10−12 .25 4 N´tese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que.2) 4 2 5 2 = (0.2) ·(0. Por lo tanto.8 + 6 · (0. resulta: P (C) = C4.8 · (0.2) · (0. 3. 83 Definamos los sucesos Bi = “El tirador i acierta”. 4.8) = 2 2 · 0.8 · (0.8 0.2) · 0. y teniendo en cuenta. se tiene que: 4 P A12 ∩ i=2 Ai0 = (0. y por otra parte 4 P A11 ∩ A21 ∩ i=3 Ai0 = (0. por lo que la probabilidad pedida es: 4 4 4 P i=1 Bi | i=1 Ai0 = i=1 P (Bi |Ai0 ) = [P (B1 |A10 )] P (B1 ∩ A10 ) P (A10 ) 0.2) 18 18 · (0. o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes.i i i “libroult” 2001/8/30 page 83 i CAP´ ITULO 2.2) = 4 · (0. Todos los tiradores tienen la misma probabilidad de acertar.1 · (0. para i = 1.25 · 0.2) 18 18 · 0.4096.8) = 1. i i i i . 4 4 = = 3. que disparan de forma independiente.2) · 0.2) 18 · 0.8) . entonces.2) 3 5 3 = (0. 18 2 Si denotamos por C al suceso “Sobran dos balas en total”. Los tiradores disparan de manera independiente.

i i i “libroult” 2001/8/30 page 84 i i i i i .

tal que: e Fξ : IR −→ IR x −→ Fξ (x) = P ({w ∈ Ω : ξ (w) ≤ x}) En general. 3. una variable aleatoria ξ sobre Ω es una funci´n real que act´a como un “aparato de medida” sobre los sucesos o u elementales: ξ : Ω −→ IR w −→ ξ (w) Se llama funci´n de distribuci´n de ξ a otra funci´n real. 2. o Atendiendo a la forma de su funci´n de distribuci´n. A. x→−∞ lim F (x) = 0. F continua por la derecha. dada una funci´n real F cualquiera tal que: o 1. ya que siempre es posible dise˜ar un espacio o o n muestral con una probabilidad y una variable aleatoria cuya funci´n de distrio buci´n sea F .i i i “libroult” 2001/8/30 page 85 i CAP´ ITULO 3 Distribuciones de probabilidad Dado un espacio probabil´ ıstico (Ω. x→+∞ F no decreciente. se dice funci´n de distribuci´n. ahora con dominio o o o tambi´n real. lim F (x) = 1. las variables aleatorias o o reales pueden ser clasificadas en tres tipos: 85 i i i i . P ).

3. t∈ξ(Ω) E [ξ] = t · fξ (t) · ∂t. Funci´n generatriz de probabilidades (o funci´n generatriz de momentos o o factoriales) de ξ discreta: φξ (t) = E tξ . 2. se llama funci´n de densidad a: o x fξ (x) tal que Fξ (x) = −∞ fξ (t) · ∂t. Se llama varianza de una variable aleatoria ξ a: V [ξ] = E (ξ − E [ξ]) 2 = E ξ 2 − (E [ξ]) . Dada una variable aleatoria discreta ξ. se define: 1. i i i i . que pueden ser acotados o no acotados. para todo x ∈ IR. si la variable aleatoria es discreta. Dada una variable aleatoria continua ξ. Se llama esperanza de una variable aleatoria ξ a: E [ξ] = k∈ξ(Ω) k · Pξ (k). si la variable aleatoria es continua. 2 Dada una variable aleatoria ξ. se llama funci´n de probabilidad a: o Pξ (k) = P ({w ∈ Ω : ξ (w) = k}) . Mixtas: Son combinaciones de las dos anteriores. Continuas: Pueden tomar todos los valores de uno o varios intervalos de la recta real. Funci´n generatriz de momentos de ξ: o Gξ (t) = E etξ . Funci´n caracter´ o ıstica de ξ (esta funci´n siempre existe): o ϕξ (t) = E eitξ . para todo k ∈ IN.i i i “libroult” 2001/8/30 page 86 i 86 EJERCICIOS RESUELTOS DE PROBABILIDAD Discretas: Pueden tomar un n´mero discreto (finito o numerable) de valores u reales. Denotaremos por F (y − ) al l´ ımite de F (x) cuando x se aproxima a y por la derecha.

1275. a La probabilidad de que haya igual n´mero de matr´ u ıculas es: P (ξ = 10) = 20 20−10 · 0.4k · (1 − 0. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos. 10 2. Si las cinco primeras matr´ ıculas son de Humanidades. no haya m´s de 12 matr´ a ıculas en Ciencias. .6 = 0. mientras que el otro 40 % lo hacen en carreras de Humanidades.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias.4. . para todo k = 0. Por lo tanto: P (ξ ≤ 12) = Fξ (12) = 0. 20. .9790. i i i i . k en total haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. haya al menos 8 matr´ ıculas en Ciencias. se tiene que esta variable es una binomial de par´metros n = 20 y p = 0.11714. Si un determinado d´ se realizan ıa 20 matr´ ıculas. calcular la probabilidad de que: a) b) Soluci´n o Sea ξ una variable aleatoria que mide el n´mero de matr´ u ıculas en Humanidades de un total de 20 matr´ ıculas. siendo: a P (ξ = k) = 1. 3. haya igual n´mero de matr´ u ıculas en Ciencias y en Humanidades. 4.4. Para calcular la probabilidad de que el n´mero de matr´ u ıculas en Ciencias sea menor que el n´mero de matr´ u ıculas en Humanidades debe obtenerse: P (ξ > 10) = 1 − Fξ (10) = 1 − 0. DISTRIBUCIONES DE PROBABILIDAD 87 Ejercicios Resueltos P3.i i i “libroult” 2001/8/30 page 87 i CAP´ ITULO 3.410 · (1 − 0. 20 20−k · 0. . y teniendo presente (seg´n el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 − 0.4) = 0.8725 = 0.4) . 3. 2. 5. el n´mero de matr´ u ıculas en Ciencias sea menor que en Humanidades. en total haya al menos 6 en Ciencias m´s que en Humanidades. La probabilidad de que haya al menos 8 matr´ ıculas en Ciencias es equivalente a la probabilidad de que haya como m´ximo 12 matr´ a ıculas en Humanidades. calcular la probabilidad de que: 1.

que determina el n´mero de matr´ u ıculas en Humanidades de un total de 15 matr´ ıculas. se tiene que ∂F (x) = k > 0.4.i i i “libroult” 2001/8/30 page 88 i 88 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. 1] ∩ [1/2. las cinco primeras son en Humanidades. 2]) P ([1/2. De esta forma: a) La probabilidad de que en total haya igual n´mero de matr´ u ıculas en Ciencias que de matr´ ıculas en Humanidades es: P (η = 5) = Fη (5) − Fη 5− = 0.4159 = 0. pero con par´metros n = 20 − 5 = 15 e a y p = 0. N´tese que las matr´ o ıculas son independientes entre s´ por lo que si ı.0271.2] Determinar k para que la siguiente funci´n sea de distribuci´n: o o  x <0  0. 2]) F (1) − F (1/2− ) F (1) − F (1/2− ) = = 1.4032. podemos definir una nueva variable η. Soluci´n o Las tres primeras condiciones vistas en el ejercicio anterior para tener una funci´n de distribuci´n se verifican para cualquier valor de k. Ya que k > 0. debe verificarse que F (x) ≥ 0. por lo que se tiene que. 2]. 0 ≤ x < k cuando k ≤ 1.5851. en o o ese caso. La probabilidad de que no haya m´s de 12 matr´ a ıculas en Ciencias es: P (ξ ≥ 8) = 1 − Fξ (7) = 1 − 0. 0 ≤ x < k F (x) =  1. 1]) = P ([1/2. Se comprueba que para 0 < k ≤ 1 la funci´n es mon´tona creciente y positiva. o o Bajo la condici´n 0 < k ≤ 1. 1] condicionada por [1/2. calculemos la probabilidad pedida: o P ([1/2. b) La probabilidad de que en total haya al menos 6 matr´ ıculas en Ciencias m´s que en Humanidades es: a P (η ≤ 2) = Fη (2) = 0. Sin embaro o go. 2]) = = P ([1/2. 2]) P ([1/2. 5. tambi´n binomial. 1 − k(1 − x). k≤ x Calcular la probabilidad de [1/2. F (2) − F (1/2− ) F (1) − F (1/2− ) i i i i . 1 − a k (1 − x) ≥ 0. para todo x. ∂x Adem´s. F es funci´n de distribuci´n. 0 ≤ x < k. para que se verifiquen las dos ultimas condiciones deben descartarse ´ ciertos valores de k. 1] | [1/2. P3. En particular.

I I Soluci´n o N´tese que esta funci´n es continua en todo IR. 0]) = √ 9 − 2 /8 − 4/16 = 7 − 2 /8.i i i “libroult” 2001/8/30 page 89 i CAP´ ITULO 3. P ({0. {0. x]) =  (x − 2 + 4)/8. 1]. P (I ∩ [0. 1}. 5)) = P ((−∞. excepto en el punto o o Teniendo eso en cuenta. DISTRIBUCIONES DE PROBABILIDAD P3. 8]. 5). [0. 2] − Q.   1. √ √ √ P ( 2. 1]) − P ((−∞. √ √ √ √ P [ 2. √ P 4+ 2 =0 √ √ √ √ P 2 = P (−∞. 8]) − P ((−∞. 3]. 1]. √ P ((−∞.4] Sea la probabilidad en IR dada por P ((−∞. [−2. 89 x ≤ −4 √ −4 < x < 2 √ √ √2 ≤ x < 4 + 2 4+ 2≤ x √ √ Calcular la probabilidad de √ siguientes conjuntos: [0. los √ √ ( 2. {0}. 5))−P √ ((−∞. Q P ([−2. [1. 1}) = 0. 5])−P ((−∞. 8]) = P ((−∞. 2] −P (−∞. 1]) = P ((−∞. 4])−P ((−∞. 4]. [−2. 0)) = P ((−∞. 0)) = 5/16 − 4/16 = 1/16. 1]) = 0. 1]. 4)) − P ((−∞. Soluci´n o Las probabilidades que se piden son: i i i i . [2. 4) = P ((−∞. 2)) = 8 − 2 /8− 2 + 4 /16 = √ 3/4 − 3 2/16. 3}. √ P ([2. √ √ P [0. 2] = P ((−∞. [0. 2)) = 1 − 6 − 2 /8. 4] = P ((−∞. Q ∩ [0. −∞ < x 0< x ≤0 Calcular las probabilidades de: [0. {4 + 2}. calculemos las probabilidades que se piden: √ 2.3] Sea la probabilidad en IR dada por   0. 2]. 2]) − P ((−∞. P ([0. IN. 2] − Q) = P I √ 2 = 1/4 − √ 2/16. P ([0. 0)) = 4/8 − 4/16 = 1/4. [ 2. { 2}. P3. 2]) = 8 − 2 /8 − 4/8 = √ 1/2 − 2/8. 4). {1. 2). P (IN) = 0. 1 − e−x /2. x]) = ex /2.   (x + 4)/16. 2) = 4/8− 2 + 4 /16 = √ 1/4 − 2/16. 2.

1)) = 0.5 · (0.4·0.2. i i i i . P ({1. . x] × (−∞. 1]2 = 1 · 1 · (1 + 1) /2 − 2 · [1 · 0. [0. d]) + P ((−∞. 0. y]) = xy(x + y)/2 si 0 ≤ x. b] × [c.4. 0]) − P ((−∞. d]) = P ((−∞. 0. y)) . 0.504. puesto que: a P ((−∞.5. y)) = P ((−∞.5) /2 −0. c]).4.5) /2 + 0.6]2 ∪ [0.3.4) × [0.3 + 0. c]) −P ((−∞. 0. y ≤ 1. 0. P ({0}) = P ((−∞. P3. 1) .4) /2− 0. P [0. b] × (−∞.5] Soluci´n o Procedemos a calcular las probabilidades correspondientes. estas probabilidades se calculan de manera an´loga. −2)) = 1 − e−2 /2 − e−2 /2 = 1 − 2e−2 /2 = 1 − 1/e2 .5·(0.4.8] × {0. (0.5} .4) × [0. 0. 0)) = 1/2 − 1/2 = 0. 0.5 · 1 · (0. 3]) − P ((−∞.42 ·(0.4) /2 = 0.3.3 · 0. b] × (−∞. y) : x + y ≤ 1}.5] Sea la probabilidad en IR2 : P ((−∞.5]) = 0.4 · (0. x) × (−∞. 2)) = P ((−∞.4 · (0. P ((0. x) × (−∞.3 + 0. P ([−2. 3}) = 0.4 · 0. x] × (−∞.3 · 0. 1]) − P ((−∞. 0)) = 1 − e−1 /2 − 1/2 = 1/2 − e−1 /2.4 + 0. [0.5) × (0. P ([0.2. 0.5 · (0. y]) = P ((−∞.5 · 0. 0. a] × (−∞. Calcular las probabilidades de (0. x] × (−∞.5 + 0. .4 · (1 + 0. a] × (−∞. y]) = P ((−∞.25. 1)) = 1 − e−3 /2 − 1 − e−1 /2 = −e−3 + e−1 /2.4) /2 = .4) /2] + 0.8] × {0.00 8. d]) − P ((−∞. 2)) − P ((−∞. teniendo en cuenta que: P ([a.5) × (0. De esta forma se obtiene que: P ((0.5 + 1) /2 − 0. 0.4 + 0. 3]) = P ((−∞. [0. P ([1.5}) = 0.8]2 En caso de que el intervalo sea abierto o semiabierto.2.5. 2. 1]) = P ((−∞.5) /2 − 0 = .i i i “libroult” 2001/8/30 page 90 i 90 EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0.4. 1]2 {(x.4.4 + 0.

2) /2 + 0.6 + 0.4 · 0. t] ∪ [1/2.2. Teniendo en cuenta la definici´n de la variable aleatoria ξ.62 · (0. conviene distinguir varios casos: Si t < 0.4.8]2 −P [0.8 + 0.4. 1] con im´genes a trav´s de ξ en (−∞.4 + 0. entonces Fξ (t) = 1 Por lo tanto. 0.4 · 0. 0.82 · (0. P ({(x.2.6]2 ∩ [0. i i i i . 1] como sigue: ξ(x) = x si x ≤ 1/2 x − 1/2 si x > 1/2 Hallar la funci´n de distribuci´n de ξ y su funci´n de densidad.6]2 = 0. se tiene que:   0.2.42 · (0. 1] : ξ (x) ≤ t}) . P3. 0.4 + 0.1: Puntos de [0. t]. 0.2 · 0.22 · (0.28.6 + 0. a e P [0.2 + 0.8 · (0.6 · (0. entonces Fξ (t) = P ([0. DISTRIBUCIONES DE PROBABILIDAD ξ(x) 1/2 t 91 0 t 1/2 t + 1/2 x Figura 3. si 0 ≤ t < 1/2 Fξ (t) =  0.6] Sea ξ una variable aleatoria definida sobre el intervalo [0. entonces Fξ (t) = P (φ) = 0.42 · (0.2 + 0.6) +0.8]2 −P [0.8) + 0.6]2 ∪ [0.6) /2 − 0.1.2.8) /2 − 0. si t ≥ 1/2.4.4 + 0. 0.6) + 0. Si 0 ≤ t < 1/2. t + 1/2]) = 2t.6) /2 − 0. o o o Soluci´n o La funci´n de distribuci´n de una variable aleatoria viene dada por: o o Fξ (t) = P (ξ ≤ t) = P ({x ∈ [0. y) : x + y ≤ 1}) = P [0. 0.4) /2 + 0.6]2 + P [0.i i i “libroult” 2001/8/30 page 91 i CAP´ ITULO 3.4. 0.4 + 0. 1] 2 /2 = 1 · 1 · (1 + 1) /4 = 1/2.6 · (0.6]2 + P [0. representada o en la figura 3. 0.4. 0.4) /2 = 0. Si t ≥ 1/2.8]2 = P [0. si t < 0 2t.8]2 = P [0.62 · (0.

6)} y {w : ξ(w) = 29} = w1 . . Sea ξ la variable aleatoria que nos indica la suma de los valores de sus caras. para todo w ∈ Ω. 5. Sea el espacio de probabilidad Ω. . . para todo i ∈ k {1. .i i i “libroult” 2001/8/30 page 92 i 92 y por lo tanto: EJERCICIOS RESUELTOS DE PROBABILIDAD   0. 2. 4. 6. . w4 . . donde cada wi representa el resultado del i-´simo lanzamiento del dado. Soluci´n o Antes de hallar los conjuntos que se piden. e con i = 1. 4. 6. 5. w3 . fξ (t) =  1. {w : ξ(w) = 30}. w4 . w3 . 2. . 4. 6)} . 5} \ {k} y wk = 2. 5.7] Un dado es lanzado 5 veces. w5 ) : wi ∈ {1. w5 . {w : ξ(w) ≥ 29}. . k son aquellos elementos de Ω tales que wi = 1. w3 . Definamos: Ω = {w = (w1 . w4 . k son aquellos elementos de Ω tales que: wi = 6. {w : ξ(w) = 6} = w1 . para todo i ∈ k {1. 6. Sobre dicho espacio se considera la variable ξ. 2Ω . . 3. P . donde los elementos k k k k k wk = w1 . . . w5 . donde {w : ξ(w) = 30} = {(6. 5} \ {k} y wk = 5. 2. i i i i . es conveniente definir un espacio para la variable que se va a utilizar. . Hallemos los conjuntos que se piden: Evidentemente. {w : ξ(w) = 4} = φ. {w : ξ(w) ≥ 29} = {w : ξ(w) = 29} ∪ {w : ξ(w) = 30}. w2 . k = 1. w2 . si t < 0 si 0 ≤ t < 1/2 si t ≥ 1/2 P3. w5 . 3. . {w : ξ(w) = 6}. ∀i = 1. w2 . . {w : ξ(w) = 30} = {(6. w2 . w3 . cuyos sucesos elementales son equiprobables. 6. 3. 6. 6} . w4 . w4 . w2 . Hallar los siguientes conjuntos: {w : ξ(w) = 4}. . definida como: 5 ξ (w) = i=1 wi . 6. k = 1. w3 . 2. . Los elementos k k k k k wk = w1 . 5} . w5 . 5.

2 2 2 e− x/3 e−x/3 − = 2 2 x→6− e−2 e−1 e−1 − e−2 = 1 − e−2 − 1 + + = . que F (x) = 0 para todo x < 1. es funci´n de distrio Comprobemos las condiciones que debe verificar toda funci´n de distrio buci´n: o 1.9] Demostrar que F (x) = buci´n. Por otra parte: P (ξ = 6) = P (ξ ≤ 6) − P (ξ < 6) = Fξ (6) − Fξ 6− = 1− e−6/3 e− 6/3 e−2 + =2· = e−2 . para todo x ≥ 0. superior a 6 minutos. o o 1.i i i “libroult” 2001/8/30 page 93 i CAP´ ITULO 3. Soluci´n o Sea ξ una variable aleatoria con la distribuci´n indicada en el enunciado o que mide la duraci´n (en minutos) de una llamada telef´nica. Se tiene que: P (ξ > 6) = 1 − Fξ (6) = 2. x→+∞ l´ ım F (x) = l´ ım x→+∞ n=1 1/2n = ∞ n=1 1/2n = 1. 2. o Soluci´n o n=1 1/2n . Calcular la probabilidad de que la duraci´n de una llamada cualquiera o sea: 1. ya que no se indica nada al respecto. Se supone. DISTRIBUCIONES DE PROBABILIDAD 93 P3. 2 2 2 = 1 − e−2 − l´ ım x P3. igual a 6 minutos. por lo que l´ ım F (x) = 0.8] Supongamos que la duraci´n en minutos de las llamadas telef´nicas sigue o o una distribuci´n dada por la funci´n o o Fξ (x) = 1 − e−x/3 2 − e− x/3 2 . para todo x ≥ 1. i i i i . x→−∞ x 2.

f (x) = k/ 1 − x. Adem´s.i i i “libroult” 2001/8/30 page 94 i 94 EJERCICIOS RESUELTOS DE PROBABILIDAD x+h x n=1 3. f (x) = kxe−kx . es decir. h→0 l´ + F (x + h) = l´ + ım ım h→0 1/2n = 1/2 =F (x). Se han de distinguir dos casos: a) Si k > 0. 4. lo que es 1 si k = 1/π. para todo 1 ≤ x1 ≤ x2 . para todo x > 0 √ √ 2. lo que es uno si k = 1. para todo x.11] Sea ξ una variable aleatoria con funci´n de densidad fξ (x) = kx + o 1/2. Es claro que F (x) ≥ 0. 1]. o 1. F (x1 ) = x1 n=1 n=1 1/2n ≤ F (x2 ) = x2 n=1 1/2n . 1]. 2. +∞ −∞ P3. P3. o Comprobemos en cada caso la segunda condici´n. para todo x < 1. 0898. Determinar los valores de k para los cuales fξ (x) es ciertamente una funci´n de densidad. Por lo tanto. Por lo tanto. la moda y la mediana de ξ. ¿Para qu´ valores de k se minimiza la varianza de ξ? e Soluci´n o 1. para todo x ≥ n 1. Debe verificarse que fξ (x) ≥ 0. para todo x ∈ [−1. Calcular la esperanza. para todo x ∈ IR Soluci´n o N´tese que para las tres funciones se verifica f (x) ≥ 0 para k > 0. la funci´n de densidad es una recta con pendiente o positiva. para todo x ∈ [−1. f (x) = k/(1 + x2 ). para todo x ∈ (0. 3.10] Determinar el valor k para que cada una de las siguientes funciones sean funci´n de densidad: o 1. ∞ f (x) ∂x = 0 √ 2/2 f (x) ∂x 0 ∞ 0 kxe−kx ∂x = 1/k·Γ (2) = 1/k. o 2. 1/2 3. a ya que F (x) = 0. lo que es 1 si k = 1. √ 2/2 = √ 0 = k · − 1 − 2/2 +∞ −∞ k(1 − x)−1/2 ∂x / (1/2) + 2 . 2/2) 3. tiene que imponerse que fξ (−1) = −k + 1/2 ≥ 0. o 5. 1. i i i i . k ≤ 1/2. se concluye que F es mon´tona. f (x) ∂x = k(1 + x2 )−1 ∂x = k · (arctan (−∞) − arctan (+∞)) = k [π/2 − (−π/2)] = kπ. F es continua por la derecha en todo punto de la recta real.

En el caso que nos ocupa: 1 1 P (ξ ≥ Me) = Me fξ (x) · ∂x = Me 2 (kx + 1/2) · ∂x = √ y esta probabilidad es igual a 1/2 si Me = −1 + 1 + 4k 2 /2k. entonces la moda de la variable ξ es 1. La varianza de la variable ξ es V (ξ) = E ξ 2 − (E [ξ]) . 2. la recta tiene ahora pendiente negativa. por el segundo apartado del problema. para ı que fξ (x) sea funci´n de densidad. 1]. la moda es −1. o 3. y adem´s su derivada o a es igual a k. 3 De este modo. se obtiene que: a) b) c) Si k > 0. en el caso de que k = 0. 2 2 2 2 x2 · fξ (x) · ∂x = 1 −1 x2 · kx + 1 2 · ∂x = 1 .i i i “libroult” 2001/8/30 page 95 i CAP´ ITULO 3. la mediana es un valor Me tal que P (ξ ≥ Me) ≥ 1/2 y P (ξ ≤ M e) ≤ 1/2. Ya que ´sta o e es una funci´n derivable en el intervalo [−1. obtenemos que: V (ξ) = 1 − 3 2k 3 2 = 1 4k 2 − . la moda es cualquier punto en el intervalo [−1. N´tese que si k = 0. y conociendo. entonces Me = 0. para cualquier valor a de k. 1] . DISTRIBUCIONES DE PROBABILIDAD b) 95 Si k < 0. Calculemos la esperanza de la variable ξ: 1 1 E [ξ] = −1 x · fξ (x) · ∂x = −1 x · (kx + 1/2) · ∂x = 2k . que E [ξ] = 2k/3. por lo que es necesario que fξ (1) = k + 1/2 ≥ 0. el signo de la constante k. luego k ≥ −1/2. k debe pertenecer al intervalo o [−1/2. al igual que en el primer apartado. Si k < 0. para calcular la moda debemos tener en cuenta. 1 Se comprueba adem´s que −1 fξ (x) · ∂x = 1. Si k = 0. Por otra parte. 3 Por otra parte. Se tiene que E ξ2 = 1 −1 2 k 1 (Me) Me + −k· − . de acuerdo con esto y lo visto anteriormente. La moda es el valor que maximiza la funci´n de densidad fξ (x). i i i i . 1/2]. 3 9 y se comprueba que esto se maximiza cuando k = 0. as´ que.

2.6092 − (0. 1764 · 10−2 . Los tres primeros momentos ordinarios son E [ξ] . E ξ 2 y E ξ 3 . Utilizar (1) para encontrar la media y la varianza de ξ. E [ξ] = E ξ2 0. La funci´n generatriz de momentos de una variable aleatoria es: o Gξ (t) = E etξ = 0 ∞ e−tx · x · e−x/4 · ∂x = 16 x=+∞ Para t < 1/4 es: Gξ (t) = 1 x(t−1/4) x 1 e − 16 t − 1/4 (t − 1/4)2 = x=0 1 (1 − 4t) 2. 71933) = 9.72x · ∂x = 0. 71933.9132. i i i i .8 0.8 < x ≤ 1.8 1.13] La funci´n de densidad de una variable aleatoria ξ viene determinada o por:  1  16 xe−x/4 .72x2 · ∂x = 0.8 0. para cualquier otro valor 1. Soluci´n o 1. Soluci´n o 1.72x3 · ∂x = 0. a 3. Determinar la funci´n generatriz de momentos de ξ. 3. el resultado es: E[2ξ + 5ξ 2 − ξ 3 ] = 2 · E[ξ] + 5 · E[ξ 2 ] − E[ξ 3 ] = 3.8 0. esperanza matem´tica y varianza.8 1. Calculamos la varianza y se obtiene: V (ξ) = E ξ 2 − (E [ξ]) = 0.3  0. 57144.12] La densidad de cierta caracter´ ıstica qu´ ımica de algunos compuestos viene dada por la funci´n siguiente: o  x≤0  0   2x 0 < x ≤ 0. 2 2 E ξ3 2.3 Calcular: 1. o 2.3 = 0 2x3 · ∂x + 0. Teniendo en cuenta las propiedades de la esperanza. los tres primeros momentos ordinarios.72   0 x > 1.8 fξ (x) = 0. 0. 0 0. 6092.8 1. E[2ξ + 5ξ 2 − ξ 3 ].3 2x2 · ∂x + 0. P3.i i i “libroult” 2001/8/30 page 96 i 96 EJERCICIOS RESUELTOS DE PROBABILIDAD P3.3 = 0 2x4 · ∂x + 0. x > 0 fξ (x) =  0.

el n´mero medio de extracciones hasta que apau rezca un resultado cualquiera es 1. volvamos a nuestro problema original. i i i i . . el n´mero medio de extracciones u hasta que aparezcan n s´ ımbolos distintos (n = 1. en general. . = E ξ2 . .14] Bajo las tapas de yogur de una determinada marca comercial hay 6 tipos diferentes de s´ ımbolos. DISTRIBUCIONES DE PROBABILIDAD 2. Bajo cada tapa hay exactamente uno. p y por tanto m = 1/p. ¿cu´ntos yogures a hay que comprar en media? Soluci´n o En general. . la media y la varianza de la variable ξ son: V (ξ) = P3. Para sumar esta serie n´tese que: o (1 − p) · m = (1 − p) · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . Dicho esto. y se asume que en el mercado todos han sido distribuidos aleatoriamente de manera uniforme. . este n´mero es u 1 + 1/ (5/6) = 1 + 6/5. . Se verifica que: ∂Gξ (t) ∂t ∂ 2 Gξ (t) ∂t2 E [ξ] = 8. hay que comprar una media de 6 · (1/6 + 1/5 + 1/4 + 1/3 + 1/2 + 1) = 14. y restando ambas series: ∞ 2 3 2 m − (1 − p) · m = p · k=0 (1 − p) = p · k 1 = 1. entonces el n´mero medio de extracciones necesario o u hasta que aparece por primera vez ese s´ ımbolo es: m = 1 · p + 2 · (1 − p) · p + 3 · (1 − p) · p + . En el caso de dos. Evidentemente. y. .i i i “libroult” 2001/8/30 page 97 i CAP´ ITULO 3. Por lo tanto. . si un s´ ımbolo determinado aparece con probabilidad p al realizar una extracci´n.7 yogures para conseguir los seis s´ ımbolos distintos. E ξ 2 − (E [ξ]) = 96 − 64 = 32. t=0 Por lo tanto. . 2 97 | | t=0 = E [ξ] . 6) es n 1 6−i+1 6 k=1 . Si nos ofrecen un premio regalo por enviar un sobre con los 6 s´ ımbolos diferentes (una tapa con cada uno).

w2 . a teniendo en cuenta que todos los lanzamientos efectuados con la moneda son independientes entre s´ ı: 4 P Bi = 4 i=1 Bi |A · P (A) 4 i=1 P A| i=1 = Bi 4 P = P i=1 4 i=1 P (Bi |A) · P (A) 4 i=1 = Bi |Ac · P (Ac ) Bi |A · P (A) + P i i i i . 4. la probabilidad de que la moneda sea legal es: P (A|B1 ) = P (B1 |A) · P (A) /P (B1 ) = P (B1 |A) · P (A) = = P (B1 |A) · P (A) + P (B1 |Ac ) · P (Ac ) 1 2 1 2 · = 1 2 3 1 = . 3. para i = 1. w3 . Si se e lanza una moneda escogida al azar y sale cara. para i = 1. Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras. 2. w4 ) : m ∈ {l1 . 2. 1. 2. Si se lanza la moneda y sale cara. e siendo C si es “cara”y X si es “cruz”. ¿Cu´l a ser´ el n´mero medio de veces que tendremos que repetir el proceso a u hasta que se obtenga una cruz? Soluci´n: o Un espacio muestral para este problema es Ω= w = (m. l2 . Sean los sucesos A = “La moneda escogida es legal”y Bi = “El i´simo lanzamiento de la moneda es cara”. es. w1 . 4. ¿cu´l es la probabilidad de que a la moneda sea legal? ¿Y si en otros tres lanzamientos vuelve a salir cara? 2. cada wi es el resultado del i. Se selecciona una moneda al azar.i i i “libroult” 2001/8/30 page 98 i 98 EJERCICIOS RESUELTOS DE PROBABILIDAD P3. donde m representa la moneda escogida al azar.15] Una caja contiene dos monedas legales y una con dos caras. para todo i = 1. X}.´simo lanzamiento. se lanza y se devuelve a la caja. l} wi ∈ {C. Se selecciona una moneda. 2 · 3 +1· 3 2 La probabilidad de que la moneda sea legal conociendo lo anterior y que adem´s en otros tres lanzamientos vuelve a salir cara. Por otra parte. 1. 3. 4 . 3.

. . Usando los e sucesos definidos en el apartado anterior. l . 2 3 3 1 2 1 2 · +1· = . . k. l2 . wk ) : wi1 ∈ l1 . donde P (Di ) = P (Di |Li ) · P (Li ) + P Di |Li · P Li = para todo i = 1. . donde wi1 es la moneda escogida al repetir el proceso por i. . wi2 = C   para todo i = 1.´simo lanzamiento es legal”y e e Li = “La moneda del i -´simo lanzamiento no es legal”. Por lo tanto: P (ξ = k) = 2 3 k−1 1 · .     wi = (wi1 . . .i i i “libroult” 2001/8/30 page 99 i CAP´ ITULO 3. 1 4 2 ·3 2 1 4 2 · 3 + 14 2 · 1 3 Definimos el espacio muestral  k = 1. pues debe dar una cruz. y que. . y P (Ek ) = P (Ek |Lk ) · P (Lk ) + P Ek |Lk · P Lk = 1 2 1 · = . ´ Sean Di los sucesos “En el i. . 3 i i i i . se tiene que: k−1 P (ξ = k) = P ({w ∈ Ω : ξ (w) = k}) = i=1 P (Di ) · P (Ek ) . . N´tese que esta ultima moneda o ´ debe ser legal. . e Sean tambi´n Li = “La moneda del i. k − 1    wk1 ∈ {l1 . 2. . las k − 1 primeras tiradas deben ser cara. k − 1. wi2 )  Ω = w = (w1 .´simo lanzamiento sale una cruz”. 3. por otra parte. DISTRIBUCIONES DE PROBABILIDAD 4 99 = i=1 4 i=1 P (Bi |A) · P (A) 4 i=1 = P (Bi |Ac ) ·P (Ac ) P (Bi |A) · P (A) + = 1 . 9 = 2. para i = 1. . . . incluyendo el ultimo lanzamiento. . 2. 2 3 3 3 pues la moneda del ultimo lanzamiento debe ser legal para que pueda ´ salir una cruz. l2 } . k. . .´sima e vez. para i = k y wk1 es la moneda con la que sale una cruz y detenemos el proceso. 2. 2. . para que se necesite continuar el proceso. . . .´simo lanzamiento sale una cara”y Ei = e “En el i. Sobre este espacio definimos la variable aleatoria ξ que representa el n´mero de veces que hay que repetir el proceso hasta u que sale cruz. wk2 = X            . para i = 1. .

luego. o salto de 1 a 0. la figura 3. para n = 2 y m = 3. la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m). xn+m ) . donde los valores x1 . An´logamente.2 muestra una recta con 3 saltos. . P3. y de que haya un 0 en el segundo es n/ (n + m − 1). n+m n+m−1 n+m n+m−1 m+n i i i i . Mientras que el segundo valor es claramente n + m − 1. y multiplicar dicho valor por el n´mero de u puntos consecutivos (parejas de puntos) que hay. (2. (n + m. x1 ) . x2 . . el n´mero medio solicitado es o u (n + m − 1) · n m m n 2nm · + · = .i i i “libroult” 2001/8/30 page 100 i 100 EJERCICIOS RESUELTOS DE PROBABILIDAD T 1 d 1 2  d   4 d d d  3   d d d 5 E Figura 3. . y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m − 1). Adem´s. . n+m n+m−1 n+m n+m−1 Para calcular este ultimo valor se ha tenido presente que hay dos probabi´ lidades disjuntas: o salto de 0 a 1. . Por ejemplo. ¿Cu´l es el n´mero medio de saltos a u de una l´ ınea? Soluci´n o Dado que la media de una suma es siempre la suma de las medias. . el primero es n m m n · + · . Como conclusi´n.2: Ejemplo para el ejercicio P3. el n´mero medio de lanzamientos hasta que salga cruz es u E [ξ] = 1 · 3 ∞ k· k=1 2 3 k−1 = 3. entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto. .16] Consideremos l´ ıneas que unen n + m puntos del plano (1. xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria.16 con n = 2 y m = 3. la probabilidad de que haya un 1 en el primer punto es a m/ (n + m). . x2 ) .

por lo que. independientemente de lo que tenga. mientras que la e o ıcil media es f´cil. ya que en algunos problemas a o (como ´ste) tal distribuci´n puede ser dif´ de obtener. donde se asume P0 = 1. ya que ´stas son las dos o e soluciones de la ecuaci´n cuadr´tica anterior. o bien P1 = 1. si p > 1/2. hasta que no tenga nada. La probabilidad de que A gane una partida es p y la de que gane B es 1 − p.i i i “libroult” 2001/8/30 page 101 i CAP´ ITULO 3. si p < 1/2 o a entonces P1 = 1 y si p ≥ 1/2 entonces P1 = (1 − p) /p. no siempre el mejor camino para calcular la media de una variable aleatoria consiste en pasar primero por el c´lculo de su distribuci´n de probabilidad. 2 y puesto que P2 = P1 . entonces Pk = (1 − p) Pk−1 + pPk+1 . El juego contin´a u hasta que uno pierda todo. si . P1 = 1 − p + pP2 . Ahora bien. i i i i . ¿Qu´ probabilidad tiene A de perder? e Soluci´n o Observemos que plantear este problema es equivalente al problema anterior cuando uno de los jugadores (B) tiene un enorme capital (n → +∞). La probabilidad de ganar el euro de cada partida es p y la de perder el euro es 1 − p. En cada partida el juego le permite ganar o perder 1 euro. As´ por ejemplo: ı. DISTRIBUCIONES DE PROBABILIDAD 101 Como se observa en este ejemplo. ¿Qu´ probabilidad hay de que e lo pierda todo alguna vez? Soluci´n o Si Pk representa la probabilidad buscada.17] Un jugador comienza un juego de azar con k euros. ya que perder 2 euros es perder primero uno y luego otro de forma independiente. si p > 1/2 p ≤ 1/2 P3. a P3. m y que en tal caso la probabilidad de que A pierda es [(1 − p) /p] . En cada partida un jugador gana 1 euro y el otro pierde 1 euro.18] Un jugador A tiene m euros y otro B tiene n euros. ´ P1 = (1 − p) /p. De igual forma se concluye que Pk = 1−p p Pk = 1 m . entonces: 2 P1 = 1 − p + pP1 .

ya que luego es seguro que habr´ empate porque n > m. dicho en otras palabras. Ahora bien. La correspondencia consiste s´lo en cambiar las letras. si Qm representa la probabilidad que tiene A a de pasar de m a Q. P3. y en la urna de votaci´n hay n o o papeletas a favor de uno y m a favor del otro. que la probabilidad de que exista al menos un empate es el doble de la probabilidad de que haya empate empezando por el candidato M .19] En una elecci´n hay dos candidatos. la expresi´n anterior es la indeterminaci´n 0/0. a Consecuentemente la probabilidad buscada es: m . Por tanto. pero el problema se puede resolver o de forma an´loga porque. si representamos por N y M a los dos candidatos. con n > m. 2· n+m 1 − [(1 − p) /p] 1 − [(1 − p) /p] m+n . ¿qu´ probae bilidad hay de de que al menos suceda un empate durante el conteo de los votos? Soluci´n o Es importante observar que. i i i i . o Esta importante observaci´n demuestra que el n´mero de casos favorables o u que comienzan con un candidato es igual al n´mero de casos favorables u que comienzan con el otro candidato. existe otra secuencia que lleva tambi´n e a empate y comienza con el otro candidato. entonces una secuencia tal como NNMNNMMM tiene asociada otra secuencia que da empate y que comienza en M : M M N M M N N N. por cada sucesi´n que produzca un empate o comenzando con un candidato. la situaci´n cambia. entonces: 1−p p m = Qm + (1 − Qm ) · 1−p p m m+n . sin haber alcanzado nunca n + m. En efecto. O. Cuando p = 1/2. que se o o resuelve aplicando la regla de L’Hospital.i i i “libroult” 2001/8/30 page 102 i 102 EJERCICIOS RESUELTOS DE PROBABILIDAD Cuando n es finito. la probabilidad pedida es: Qm = 1 − siempre que p > 1/2. esta ultima probabilidad es simplemente la probabilidad de que el primer ´ voto sea de M . obteni´ndose e Qm = n/ (n + m) . Si se asume que los votos en la urna han sido suficientemente mezclados.

la fuerza y direcci´n con o que se lanza. es decir. para dar una respuesta con esta segunda herramienta. si tenemos presentes las caracter´ ısticas f´ ısicas de los materiales. DISTRIBUCIONES DE PROBABILIDAD 103 Figura 3.3). Con esta notaci´n es e o claro que el problema pide la distancia que debe separar a los dos c´ ırculos para que el ´rea sobre la esfera que limitan sus dos c´ a ırculos sea la mitad del ´rea restante.3: Esfera que circunscribe los bordes de la moneda.i i i “libroult” 2001/8/30 page 103 i CAP´ ITULO 3. Puesto que tanα = r/g con r el radio de la moneda y g la mitad de su grueso. y e entendamos que la moneda “cae de canto” cuando el polo inferior de la esfera est´ entre los dos c´ a ırculos (v´ase figura 3.4).5). entonces este problema no est´ matem´ticamente bien definido y su resa a puesta debe proceder m´s de experimentos f´ a ısicos que de la Teor´ de ıa Probabilidades. las caracter´ ısticas de la superficie sobre la que cae. debe cumplirse que α = 2π/6.4 % el di´metro de a la moneda para que tenga probabilidad 1/3 de caer de canto. a Dada la simetr´ concentr´monos en una secci´n de la esfera.20] ¿Cu´n gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Soluci´n o Evidentemente.354r. la elasticidad de la moneda. en su secci´n central (figura 3. Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado. etc.. entonces g= r = 0. arctan (π/3) En otras palabras. P3. el grueso de la moneda debe ser 35. i i i i . e o plo. Por ejemıa. asumamos las siguientes hip´tesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (v´ase figura 3. Sin embargo.

i i i “libroult” 2001/8/30 page 104 i 104 EJERCICIOS RESUELTOS DE PROBABILIDAD suelo Figura 3.4: Moneda cayendo de canto. r α g Figura 3. o i i i i .5: Secci´n central de la esfera.

Sobre el espacio a muestral Ω se asume una probabilidad P . En efecto. π/2). DISTRIBUCIONES DE PROBABILIDAD 105 Ω η g ξ IR IR Figura 3. se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2).21] Dos de los lados de un tri´ngulo is´sceles tienen una longitud L cada a o uno y el ´ngulo x entre ellos es el valor de una variable aleatoria ξ con a funci´n de densidad proporcional a x(π − x) en cada punto x ∈ (0. fξ (x) ∂x −∞ De estas dos condiciones resulta que k es igual a 12/π 3 . Entonces en el enunciado nos informan que se trata de una a variable aleatoria sobre Ω con funci´n de densidad: o fξ (x) = kx(π − x).i i i “libroult” 2001/8/30 page 105 i CAP´ ITULO 3. o a a Soluci´n o Consideremos un espacio muestral Ω donde los sucesos elementales w que lo configuran son los tri´ngulos is´celes cuyos dos lados iguales miden a o L. 2 2 2 Es decir. conociendo el ´ngulo x entre los dos lados de tri´ngulo w. = 1.6: Transformaci´n de variables aleatorias. Esta variable es claramente obtenible a partir de la variable ξ. π/2) 0. el a ´rea y de un tri´ngulo con ´ngulo x es a a y = g(x) = L2 sen(2x/2) L2 senx 2Lsen (x/2) · Lcos (x/2) = = . Por tanto. 2 i i i i . para todo x. x ∈ (0. o P3. Definamos ahora una segunda variable η que mide el ´rea de cada tri´ngua a lo en Ω.6): u o e η=g ◦ ξ= L2 senξ . y se distinguen por el ´ngulo que ambos forman. o Calcular la funci´n de densidad del ´rea del tri´ngulo y su esperanza. la variable η se calcula totalmente componiendo ξ con la funci´n o g seg´n la expresi´n (v´ase la figura 3. Sea ξ la variable que mide dicho ´ngulo. donde k debe ser una constante tal que se verifica que: fξ (x) +∞ ≥ 0. para cualquier otro valor.

mientras que si y ≥ L2 /2 entonces Fη (y) = 1. Para esto consio o deremos cualquier valor y ∈ IR: Fη (y) = P {w ∈ Ω : η(w) ≤ y} = P {w ∈ Ω : g(ξ(w)) ≤ y} Claramente. L2 /2 .i i i “libroult” 2001/8/30 page 106 i 106 EJERCICIOS RESUELTOS DE PROBABILIDAD Una primera idea para calcular la funci´n de densidad del ´rea fη es la o a de comenzar calculando su funci´n de distribuci´n Fη . y para ello sustituyamos el valor de la funci´n g en la expresi´n o o anterior: Fη (y) = P L2 sen(ξ(w)) ≤y 2 2y = P w ∈ Ω : ξ(w) ≤ arcsen L2 2y 2y arcsen( L2 ) arcsen( L2 ) 12 fξ (x)∂x = = x(π − x)∂x. Luego o o derivando en y se concluye su funci´n de densidad: o fη (y) = 12 · arcsen π3 2y L2 · π − arcsen 2y L2 · 2 L4 − 4y 2 . 2 π π3 P3. S´lo nos queda ver c´mo queda Fη (y) cuando 0 ≤ o o y ≤ L2 /2. se conoce o que la demanda ξ de determinado producto es una variable aleatoria con funci´n de densidad fξ (x) = e−x . π3 −∞ 0 w∈Ω: Resolviendo esta integral se obtiene la funci´n de distribuci´n de η. para y ∈ 0. cuando x > 0. La venta de una cantidad o i i i i .22] En funci´n de un estudio realizado en varios establecimientos. tambi´n es posible realizar un c´lculo directo de la funci´n e a o de densidad de η = g ◦ ξ conociendo la f´rmula general que acorta el o proceso: hη (y) = fξ (g −1 (y)) · g −1 (y) Finalmente. Obviamente. si y ≤ 0 entonces Fη (y) = 0. la esperanza de la variable η se puede calcular o bien directamente aprovechando que hemos calculado su funci´n de densidad: o L2 /2 E[η] = 0 fη (y)∂y o indirectamente usando que η = g ◦ ξ: π/2 π/2 E[η] = 0 g(x) · fξ (x) · ∂x = 0 12L2 L2 senx 12 · 3 · x · (π − x) · ∂x = . y 0 en otro caso.

y 1 billete de 10000 pts. sea ξi una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra´ de la ıdo hucha i. 7. .6). respectivamente.uplas de billetes. ¿Cu´l es el n´mero esperado de pesetas que recibimos? a u ¿Qu´ probabilidad hay de recibir 17000 pesetas? (Ayuda: calcular e la funci´n generatriz de probabilidades). DISTRIBUCIONES DE PROBABILIDAD 107 x produce una ganancia de ax y el sobrante y no vendido produce una p´rdida by. extra´ ıdos aleatoriamente uno de cada hucha. 5 y 10 con e probabilidades P (ξi = 1) = 10/21. Soluci´n o Sea c la cantidad de aprovisionamiento.0 ≤ x < c . 6 billetes de 2000 pts. P (ξi = 5) = 4/21 y P (ξi = 10) = 1/21. cada una con 10 billetes de 1000 pts.´sima. . con a y b constantes positivas. Nos dan 7 billetes. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extracci´n). Para una demanda x.. . 2. P3. b = 2 se tiene que c = ln (3/2) . . a Apl´ ıquese al caso particular de a = 1 y b = 2. .23] Se dispone de 7 huchas. resultando: +∞ E[η] = = E[g ◦ ξ] = −∞ c 0 g(x)fξ (x)∂x = ∞ c (ax − b (c − x)) e−x ∂x + ace−x ∂x = = − (a + b) ce−c + (a + b − bc) 1 − e−c + ace−c El valor de c que maximiza la ganancia esperada se obtiene derivando la expresi´n anterior respecto de c. P (ξi = 2) = 6/21.i i i “libroult” 2001/8/30 page 107 i CAP´ ITULO 3. Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea m´xima.. sea η = o 7 i=1 ξi la variable aleatoria que representa el valor total de los billetes extra´ ıdos i i i i . 2. i = 1. la ganancia g (x) viene definida por: g(x) = ax − b (c − x) ac . o Soluci´n o Consideremos como espacio muestral el conjunto de 7. resultando que c = ln (1 + a/b) . 1. o En el caso particular a = 1. Esta variable puede tomar los valores 1. uno procedente de cada urna.x ≥ c A partir de esto se tiene la variable aleatoria ganancia η = g ◦ ξ(v´ase la e figura 3. Adem´s. 4 billetes de 5000 pts.

i i i i . esta funci´n es: o   7 P φη (t) = E ti=1  = i=1 ξi 7 E tξi = E tξ 7 = 1 21 7 · t1 · 10 + t2 · 6 + t5 · 4 + t10 · 1 7 .i i i “libroult” 2001/8/30 page 108 i 108 EJERCICIOS RESUELTOS DE PROBABILIDAD 1. Para calcular P (η = 17) usando la funci´n generatriz de probabilio dades φη (t) = E [tη ] . 21 2. evaluarla en t = 0 y e dividirla por 17!. sucede que: φ(k) (t) η t=0 = k! · P (η = k) . 333. Queda pendiente calcular la derivada 17-´sima. En el caso de este problema. El n´mero esperado de pesetas (en miles) recibidas es: u 7 7 E [η] = E i=1 ξi = i=1 E [ξi ] = 7 · (10 · 1 + 6 · 2 + 4 · 5 + 1 · 10) = 17.

1]. 2.i i i “libroult” 2001/8/30 page 109 i CAP´ ITULO 4 Principales variables aleatorias Entre las variables aleatorias discretas destacan: Variable Aleatoria Uniforme: Dado un n´mero natural n. . . n} Algunas caracter´ ısticas son: E [ξ] = (n + 1) /2 V (ξ) = n2 − 1 /12 φξ (t) Gξ (t) ϕξ (t) = = = 1 · n 1 n 1 n · n tk k=1 tn e −1 1 − e−t eitn − 1 · 1 − e−it Variable Aleatoria de Bernoulli: Dado p ∈ [0. si 0 . . . . es una variable aleatoria discreta con funci´n de o probabilidad: Pξ (k) = 1/n . Es decir. . . resto k ∈ {1. . se llama u variable aleatoria uniforme ξ y se denota por ξ ∼ U [n] a una variable que toma valores en {1. n}. 2. cada uno con igual probabilidad. se llama variable aleatoria de Bernoulli de par´metro p a una variable aleatoria que a 109 i i i i .

uno con probabilidad p y el otro con o probabilidad 1 − p. si k = 1 Pξ (k) = 1 − p . A. de una urna con N = A + B bon las.i i i “libroult” 2001/8/30 page 110 i 110 EJERCICIOS RESUELTOS DE PROBABILIDAD toma s´lo dos valores posibles. . p). . . se llama variable aleatoria Hipergeom´trica de par´metros e a (n. . sus dos resultados se suelen denominar “´xito” e y “fracaso” (o “blanco” y “negro”. 1.). Algunas caracter´ a ısticas de esta distribuci´n son: o E [ξ] V (ξ) φξ (t) Gξ (t) = n·p = n · p · (1 − p) n = (1 − p + p · t) n = 1 − p + p · et 1 − p + p · ei·t n ϕξ (t) = Variable Aleatoria Hipergeom´trica: Dados N . n} .. 1. por ejemplo) cuando se extrae una muestra de tama˜o n sin reemplazamiento. y la variable les asocia los valores 1 y 0. con n natuu ral y p perteneciente al intervalo [0. respectivamente.. 1]. y representa una variable aleatoria que mide el n´mero de veces que ocurre el suceso “´xito” en n pruebas de u e Bernoulli de par´metro p e independientes. B) a una variable que trata de medir el n´mero de “´xiu e tos”(bolas azules. A y B n´meros nae u turales. . La funci´n de probabilidad de esta o variable es: p . k Se denota por ξ ∼ Bi (n.. Esta distribuci´n es o i i i i . y algunas caracter´ ısticas suyas son: E [ξ] = p V (ξ) = p · (1 − p) φξ (t) Gξ (t) ϕξ (t) = (1 − p) + p · t = (1 − p) + p · et = (1 − p) + p · ei·t Variable Aleatoria Binomial: Dados dos n´meros n y p. para todo k ∈ {0. . . Los experimentos de este tipo se llaman “pruebas de Bernoulli”. se llama variable aleatoria Binomial de par´metros n y p a una variable aleatoria que toma a valores en {0. de las que A son azules y el resto blancas. n} y tiene como funci´n de probabilidad: o Pξ (k) = n n−k · pk · (1 − p) . . si k = 0 Se denota por ξ ∼ B (p).

con λ > 0. y se denota ξ ∼ o a P (λ). Su funci´n de probabilidad es: o Pξ (k) = A k · N n B n−k . 1 − (1 − p) · t 1−p n p . para todo k = 0. para (1 − p) et < 1. 1. . N N N −1 n· V (ξ) = Variable Aleatoria Binomial Negativa: Dados dos n´meros n y p. y se denota por ξ ∼ H (n. . . k! i i i i . Se tiene que: E [ξ] = A N A B N −n n· · · . . . para k = 0. 1. . Su funci´n de probabilidad es: o Pξ (k) = λk −λ · e .i i i “libroult” 2001/8/30 page 111 i CAP´ ITULO 4. 1. Algunas caracter´ e ısticas de esta distribuci´n o son: E [ξ] = V (ξ) = φξ (t) = Gξ (t) = ϕξ (t) = n · (1 − p) p n · (1 − p) p2 n p 1 . pero se basa en un muestreo realizado sin a reemplazamiento. u con n natural y p perteneciente al intervalo [0. . 1]. B). . A. y representa una variable aleatoria que mide el n´mero de fracasos que ocurren antes de obtener n u ´xitos con una secuencia de pruebas independientes de Bernoulli con e probabilidad de ´xito p. . k Se denota por ξ ∼ BN (n. . PRINCIPALES VARIABLES ALEATORIAS 111 an´loga a la Binomial. 1 − (1 − p) · et n p 1 − (1 − p) · eit Variable Aleatoria de Poisson: Consideremos la variable que mide el n´mero de sucesos que ocurren en un intervalo de amplitud fija. 1. . para |t| < . u siendo λ el promedio de sucesos en dicho intervalo. y tiene como funci´n de o probabilidad: Pξ (k) = n+k−1 k · pn · (1 − p) . se llama variable aleatoria Binomial Negativa de par´metros n y p a una variable a aleatoria que toma valores k = 0. n. p). . Esta variable sigue una distribuci´n de Poisson de par´metro λ. . para todo k = 0.

para (1 − p) · et < 1 1 − (1 − p) · et p 1 − (1 − p) · eit k Es importante destacar que la suma de variables independientes e id´nticamente distribuidas seg´n una Geom´trica de par´metro p es e u e a una Binomial Negativa. b]. con k = 0. para |t| < . y se denota por ξ ∼ U [a. b ∈ IR. 1]. y e a e se denota ξ ∼ G (p). con a ≤ b y a. La funci´n de probabilidad de esta variable es: o Pξ (k) = p · (1 − p) . para a ≤ x ≤ b. 1. . donde p es la probabilidad de ´xito. o a a la suma de dos variables de Poisson independientes de par´metros λ1 a y λ2 . b]. . Adem´s. a Variable Aleatoria Geom´trica: Dado p ∈ [0. 1 − (1 − p) · t 1−p p . la variable aleatoria e que cuenta el n´mero de fracasos que preceden al primer ´xito en u e una sucesi´n infinita de pruebas de Bernoulli sigue una distribuci´n o o Geom´trica de par´metro p. Entre las variables aleatorias continuas destacan: Variable Aleatoria Uniforme: Se llama variable aleatoria Uniforme en un intervalo [a.i i i “libroult” 2001/8/30 page 112 i 112 EJERCICIOS RESUELTOS DE PROBABILIDAD Las principales caracter´ ısticas de esta distribuci´n son: o E [ξ] = λ V (ξ) = λ φξ (t) = eλ·(t−1) t G (t) = eλ·(e −1) ξ ϕξ (t) = eλ·(e it −1) La distribuci´n de Poisson se obtiene tambi´n como l´ o e ımite de la distribuci´n Binomial de par´metros n y λ/n cuando n → ∞. b−a i i i i . . es a su vez una Poisson de par´metro λ1 +λ2 . Adem´s: a E [ξ] = V (ξ) = φξ (t) = Gξ (t) = ϕξ (t) = 1−p p 1−p p2 p 1 . respectivamente. a una variable aleatoria ξ con funci´n de densidad o fξ (x) = 1 .

p > 0. y se denota por ξ ∼ Exp (λ). 12 et·b − et·a . para x ≥ 0. a una a variable aleatoria ξ con funci´n de densidad o fξ (x) = ap · e−a·x · xp−1 . si a+b ≤ x < b 2 2   (b−a) 0 . λ2 λ . por ejemplo. para x > 0.i i i “libroult” 2001/8/30 page 113 i CAP´ ITULO 4. λ−i·t Esta variable aparece. Variable Aleatoria Exponencial: Se llama variable aleatoria Exponencial con par´metro λ. PRINCIPALES VARIABLES ALEATORIAS Sus principales caracter´ ısticas son: E [ξ] V (ξ) Gξ (t) ϕξ (t) = = = = a+b . 2 2 (b − a) . Γ (p) i i i i . Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = ϕξ (t) = 1 . a una variable aleatoria ξ cuya funci´n de o densidad viene descrita por:  4(x−a)  (b−a)2 . λ 1 . i · t · (b − a) 113 Variable Aleatoria Triangular: Dados dos par´metros a y b tales que a a < b. si a ≤ x < a+b  2 4(b−x) fξ (x) = . para t = 0. λ−t λ . para t < λ. y se denota por ξ ∼ Γ (a. a a una variable aleatoria ξ con funci´n de densidad o fξ (x) = λ · e−λ·x . con λ > 0. o Variable Aleatoria Gamma: Se llama variable aleatoria Gamma de par´metros a y p. t · (b − a) eit·b − eit·a . se llama variable aleatoria Triangular de par´metros a y b a y se denota por T (a. cuando se estudia la distancia entre dos sucesos consecutivos que sigan una distribuci´n de Poisson. para t = 0. en el resto Claramente E [ξ] = (a + b) /2. p). con a. b).

1 i·t·µ− 2 ·σ 2 ·t2 Es importante destacar la importancia de la variable aleatoria con distribuci´n N (0. Por ello. para |t| < a. a−i·t p Adem´s. 1). Su u d funci´n de densidad es: o fξ (x) = 2−d/2 · xd/2−1 · e−x/2 Γ (d/2) para todo x > 0. a una variable aleatoria ξ con funci´n de densidad: o fξ (x) = √ 1 2·π· σ2 · e− (x−µ)2 2·σ 2 . o o Variable Aleatoria χ2 de Pearson: Se llama as´ a la variable aleatoı ria resultante de sumar los cuadrados de d variables aleatorias independientes con distribuci´n N (0. a−t p a . et·µ+ 2 ·σ e 1 2 ·t2 . Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = ϕξ (t) = µ. la distribuci´n Gamma es la que apao o rece cuando se estudia la distancia entre p sucesos que sigan una variable de Poisson de par´metro a. σ2 . y la variable se denota ξ ∼ χ2 . Su media es d y su varianza es 2d. σ 2 . a p . a Variable Aleatoria Normal: Se llama variable aleatoria Normal de media µ y varianza σ 2 y se denota por ξ ∼ N µ. 2 i i i i . 1). denominada “distribuci´n normal tipificada”. para t < 1 . . La funci´n o generatriz de momentos es: Gξ (t) = (1 − 2t) −d/2 . Se dice que d (d > 0) es el o n´mero de grados de libertad. a2 ϕξ (t) = a .i i i “libroult” 2001/8/30 page 114 i 114 EJERCICIOS RESUELTOS DE PROBABILIDAD Sus principales caracter´ ısticas son: E [ξ] = V (ξ) = Gξ (t) = p . se verifica que la suma de variables aleatorias independiena tes e id´nticamente distribuidas seg´n una Exponencial sigue una e u distribuci´n Gamma.

3. y su media es: m .05.1] Supongamos que la probabilidad de tener una unidad defectuosa en una l´ ınea de ensamblaje es de 0. respectivamente. La funci´n generatriz de momentos no existe. PRINCIPALES VARIABLES ALEATORIAS 115 Variable Aleatoria t de Student: La variable aleatoria ξ tiene distribuci´n t de Student con d grados de libertad. 2. Adem´s.i i i “libroult” 2001/8/30 page 115 i CAP´ ITULO 4. para m > 2. si o su funci´n de densidad es: o Γ d+1 2 fξ (x) = √ dπΓ d 2 x2 1+ d − d+1 2 para todo x real. Ejercicios Resueltos P4. La funci´n generatriz de momentos no existe. si su funci´n de densidad es: u o fξ (x) = Γ n+m 2 Γ n 2 nn/2 mm/2 n/2−1 −(n+m)/2 x (m + nx) Γ m 2 para todo x real. y se denota ξ ∼ Td . Se denota ξ ∼ Fn. o con n y m grados de libertad. es una Fn. ¿cu´l es la probabilidad de que entre diez unidades dos se encuentren a defectuosas? ¿y de que a lo sumo dos se encuentren defectuosas? ¿cu´l es la probabilidad de que por lo menos una se encuentre dea fectuosa? i i i i .m .m . Adem´s. o Variable Aleatoria F de Fisher-Snedecor: La variable aleatoria ξ tiene distribuci´n F de Fisher-Snedecor con n y m grados de libertad o (n y m n´meros naturales). Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes 1. el cociente entre o a una variable normal tipificada y una variable con distribuci´n χ2 o d independientes tiene una distribuci´n Td . Su media es 0 y la varianza d/ (d − 2). para m > 4. el cociente o a entre dos variables aleatorias independientes con distribuci´n χ2 . (m − 2) y su varianza: 2m2 (n + m − 2) n (m − 2) (m − 4) 2 .

siendo ξi = 1 si la unidad es defectuosa y ξi = 0 en caso contrario. i 3. Hechas estas consideraciones iniciales.i i i “libroult” 2001/8/30 page 116 i 116 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Sea ξi una variable aleatoria que representa el estado de una unidad terminada en la l´ ınea de ensamblaje en el momento i. el n´mero de ellas que acuden finalmenu te al restaurante es una variable aleatoria Yn = n i=1 ξi . de acuerdo con el dato o a inicial del problema.05) = 0 = 1 − 0. .05 = 2) = 2. . sigue una distribuci´n binomial de o par´metros n y p = 0.9884. 1. ηn.05. por lo que el n´mero de unidades defectuosas de un total de n unidades terminau n das (ξ1 . ξn ). o por experiencia. Por ultimo: ´ P (η10.05 = 0) = 10 10−0 = 1− · 0. de acuerdo con el enunciado del ejercicio. Se tiene que: 2 i=1 10 8 · 0. esto es. . 2 P (η10. .0. total de n reservas (ξ1 . Si el restaurante acepta 25 reservas pero s´lo dispone de 20 a o mesas.0.050 · (1 − 0. ξn ).2. La variable ξi sigue una distribuci´n de Bernoulli con par´metro p = 0. Procedemos a calcular: P (η10.4013. P4.05i · (1 − 0.05) = 0.0. ¿cu´l es la probabilidad de que a todas las personas que asistan a al restaurante se les asigne una mesa? Soluci´n o Representemos por la variable aleatoria ξ la decisi´n de asistir (ξ = 0) o o no (ξ = 1) finalmente al restaurante por parte de una persona que ha hecho una reserva.05 ≤ 2) = i=0 10 10−i · 0.05 ≥ 1) = 1 − P (η10. .0. .05.2] El gerente de un restaurante que s´lo da servicio mediante reservas sabe. que el 20 % de las personas que reservan una mesa no asistir´n. Esta variable sigue una distribuci´n de Bernoulli de o par´metro p = 0. .05) = 0.052 · (1 − 0. de un ı. n´tese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes. Suponiendo a que las distintas reservas son independientes entre s´ se tiene que.0746. procedea mos a resolver el problema. . con distribuci´n o i i i i .5987 = 0.p = ξi . Adem´s.

5799. que determina el n´mero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. Se tiene entonces que: 2 P (U ≤ 2) = i=0 4i −4 · e = 0. 20 P (Y25 ≤ 20) = i=0 25 25−i · 0. 27067. que mide el n´mero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento.i i i “libroult” 2001/8/30 page 117 i CAP´ ITULO 4. Considerando que se cumplen ciertas condiciones de regularidad. i! i i i i .2. PRINCIPALES VARIABLES ALEATORIAS 117 binomial de par´metros n y p = 0. 1! An´logamente. definiendo una variable aleatoria V con distribuci´n de Poisson de par´metro λV = 10. 2381. As´ se tiene que: ı. i! 3. 1. se obtiene: o a 10 P (V ≥ 10) = 1 − P (V < 10) = 1 − i=0 10i −10 ·e = 0. 2.41696. u 1.3] Una empresa electr´nica observa que el n´mero de componentes que o u fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Entonces. debe ocurrir que acudan 20 o menos. ¿cu´l es la probabilidad de que falle un componente en 25 horas? a ¿y de que fallen no m´s de dos componentes en 50 horas? a ¿cu´l es la probabilidad de que fallen por lo menos diez en 125 horas? a Soluci´n o Sea la variable aleatoria ξ.2i · (1 − 0. o a Por lo tanto.2) = 0. 3. De la misma forma. a n = 25. para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa. la probabilidad deseada es la siguiente: P (η = 1) = 2. 21 −2 · e = 0. Si el n´mero promedio de estos fallos es ocho. i P4. definimos una variable aleatoria U con distribuci´n a o de Poisson de par´metro λU = 8/2 = 4. podemos asumir que una variable η que mide el n´mero de compou nentes que fallan antes de cumplir 25 horas de funcionamiento sigue una distribuci´n de Poisson con par´metro λη = E [η] = 8/4 = 2. con distribuci´n de Poisson de par´metro o a λξ = E [ξ] = 8. En el caso particular del problema.

2. La ganancia de cada tostador vendido es de 500 ptas. .6) para una simple o a e funci´n real g. si 0 ≤ ξ < 10 η= 5000 . si ξ ≥ 10 En el segundo caso. es decir. si t ≥ 5000. . . s´lo es posible vender este ultimo u o ´ n´mero de tostadores.10. . N´tese adem´s que el unico dato a u a o a ´ tener en cuenta en cada extracci´n es el n´mero de la carta. . . Si ξ representa la suma de los n n n´meros que aparecen en las cartas. que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada. si t < 0  0   t/500 t = P (ξ = i) . Sin embargo. calcular P (ξ = k) y E[ξ] . no el palo. Determinar la a e distribuci´n de las ganancias totales (en ptas. Definamos tambi´n un e conjunto B formado por los (k1 . 2. . a si supera al n´mero de existencias. u La distribuci´n de las ganancias totales en pesetas es. hallar la funci´n generatriz de probabilidades de ξ. u 1. o Soluci´n o Definamos una variable aleatoria η que representa el valor de una carta extra´ del total de la baraja. . un lunes se encuentran con que s´lo les quedan 10 tostadores. podemos definir una variable aleatoria η.5] Se extraen n cartas. a partir de la variable ξ: 500 · ξ . . y que a lo o largo de esa semana no van a poder traer m´s del almac´n. 10}. siendo ıda P (η = k) = 1/10. o P4.4] Una gran tienda de art´ ıculos el´ctricos descubre que el n´mero ξ de e u tostadores vendidos por semana obedece a una ley de Poisson de media 10. .) en concepto de tostadores o de pan a lo largo de esa semana. con valores equiprobables 1. si la demanda ξ es de m´s de 10 tostadores. de una baraja espa˜ola (4 palos de 10 cartas cada uno).i i i “libroult” 2001/8/30 page 118 i 118 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. para todo k ∈ A = {1. si 0 ≤ t < 5000 P (500 · ξ ≤ t) = Fξ 500 =   i=0  1 . por tanto: o Fη (t) = P ({w ∈ Ω : η(w) ≤ t}) =  . . una a una con reemplazamiento. o u i i i i . Soluci´n o Teniendo en cuenta los datos del problema. N´tese que una vez m´s η = g ◦ ξ (v´ase la figura 3.. kn ) ∈ An en los que no se repite un mismo n´mero m´s de 4 veces.

kn )∈B n P P (ηi = ki ) = i=1 (k1 . La funci´n generatriz de probabilidades es: o n P φξ (t) = E t Se obtiene que: E [tη ] = y por lo tanto: ηi n i=1 = i=1 E [tηi ] = (E [tη ]) .. n i=1 ηi .kn )∈B n P . . Suponiendo que en el primer lanzamiento no hemos obtenido un as.. i= 10 i=1 2 10 2. . . : u n P (ξ = k) = P i=1 n ηi = k 1 10 n = (k1 ... . dado un n´mero n = 1. 2. . P4. ηn un conjunto de n variables aleatorias independientes con la misma distribuci´n que η. n 1 1 t − tn+1 · ti = · .6] Se lanza consecutivamente un dado hasta que aparece por primera vez un as. u Supuesta la independencia de las extracciones. a Soluci´n o Sea ξ una variable aleatoria que representa el n´mero de lanzamientos u consecutivos (e independientes) que hay que efectuar con un dado hasta i i i i . ki =k ki =k i=1 i=1 Adem´s.. a n n E [ξ] = E i=1 ηi = i=1 E [ηi ] = n · E [η] = n 11 · · n.. 10 i=1 10 1−t 1 t − tn+1 · 10 1−t n n φξ (t) = ... PRINCIPALES VARIABLES ALEATORIAS 119 puesto que en el problema se utilizar´ una variable ξ que da la suma de a los n´meros de un total de n extracciones con reemplazamiento. . N´tese que ξ = o 1. . calcular la probabilidad de que sean necesarios m´s de tres lanzamientos.i i i “libroult” 2001/8/30 page 119 i CAP´ ITULO 4. sea η1 . o que miden el resultado en cada una de las n extracciones con reemplazamiento. Las probabilidades deseadas son.

En el enunciado del problema se a˜ade la suposici´n n o de que el as no se obtiene en el primer lanzamiento y. siendo p la probabilidad de obtener un as en un lana zamiento del dado. n. n. . . 3. Se tiene que: n P (ξ2 = j) = i=1 P (ξ2 = j | ξ1 = i) · P (ξ1 = i) 1 · P (ξ2 = j | ξ1 = i) . 2. entonces P (ξ2 = j | ξ1 = i) = 0. . . 2. . n se selecciona aleatoriamente una tarjeta. P (ξ1 = k|ξ2 = j).7] De un paquete de n tarjetas ordenadas de forma creciente y numeradas 1. P (ξ2 = j). . 2. . n j=1 i j=1 i=j i i i i . n i=1 n = Obs´rvese que si j > i. El valor esperado de la tarjeta seleccionada en segundo lugar es:    n n n 1 1  j ·  E[ξ2 ] = j · P (ξ2 = j) = · . Por lo tanto: e P (ξ2 = j) = 1 · n n P (ξ2 = j | ξ1 = i) = i=j 1 · n n i=j 1 .i i i “libroult” 2001/8/30 page 120 i 120 EJERCICIOS RESUELTOS DE PROBABILIDAD que aparezca un as por primera vez. 4. con P (ξ1 = k) = 1/n. . Soluci´n o N´tese que la variable ξ1 . la probabilidad que se pide calcular es: P (ξ > 3) = P (ξ > 1) 1− 3 i=1 5 i−1 6 5 0 6 · 1 1 6 P (ξ > 3 | ξ > 1) = 1− · 1 1 6 = 25 = 0. 36 P4. E[ξ2 ]. Si est´ marcada con a k. para todo k = 1. para el c´lculo de las probabilidades P (ξ2 = j) es a necesario tener en cuenta el resultado de la primera selecci´n. Esta variable es una geom´trica de e par´metro p = 1/6. Calcular: 1. i 2. por lo tanto. . Sea ξ1 el n´mero u de la tarjeta seleccionada en primer lugar y ξ2 el de la tarjeta seleccionada en segundo lugar. E[ξ1 ]. supuestas ciertas condiciones de regularidad. Sin embargo. . se selecciona una segunda tarjeta entre las k primeras. o puede tomar los valores 1. . 6944. . o 1.

i i i i . que representan el n´mero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d´ del mes. se calcula: P (ξ1 = k|ξ2 = j) =    = 4.7i i = = 0. el n´mero medio de visitas diarias que ı. p 0. n i=1 2 i=1 P4.3. para calcular la probabilidad de que no tenga que hacer m´s de 50 visitas diarias a lo largo de un mes (de 30 d´ a ıas). 333. PRINCIPALES VARIABLES ALEATORIAS 3. 9597730 = 0.i i i “libroult” 2001/8/30 page 121 i CAP´ ITULO 4. . . a y por tanto E [ξ] = n (1 − p) /p. .3 Por otra parte.7 + 10 = 10 · + 10 = 33. u debe hacer el vendedor es: E [ξ + 10] = n (1 − p) 0. definamos un conjunto de variables aleatorias ξ1 .   0 P (ξ2 = j|ξ1 = k) · P (ξ1 = k) P (ξ2 = j) n i=j −1 1 i 121 k· . si j > k Por ultimo. . si j ≤ k . ξ30 ≤ 40) = i=1 P (ξi ≤ 40) = [P (ξ ≤ 40)] 40 30 = 30 = i=0 10 + i − 1 · 0.310 · 0. Se ıas tiene que: 30 P (ξ1 ≤ 40. . a lo largo de un mes. no tenga que hacer m´s de 50 visitas diarias? a Soluci´n o Definamos una variable aleatoria ξ que representa el n´mero de visitas u en las que no obtiene clientes que debe realizar el vendedor hasta vender 10 enciclopedias. 29175. Esta variable sigue una distribuci´n binomial negativa o de par´metros n = 10 y p = 0. ¿Cu´l es el n´mero medio de visitas diarias a u si cada d´ vende exactamente 10 enciclopedias? ¿Cu´l es la probabilidad ıa a de que. ξ30 independientes e id´nticamene te distribuidas seg´n ξ. de acuerdo con los datos del problema.3. Procediendo de forma similar al primer apartado.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0. . . el valor esperado para la primera tarjeta seleccionada ´ es: n n 1 n+1 E [ξ1 ] = i · P (ξ1 = i) = · i= . Se asume que las visitas realizadas son independientes entre s´ Entonces. .

i i i “libroult” 2001/8/30 page 122 i 122 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. . p). si ξ ∼ Poiss(λ). Se verifica que: Pξ (k + 1) = = = n n−k−1 · pk+1 · (1 − p) = k+1 n n−k (1 − p) · · p · pk · k k+1 (1 − p) (n − k)p · Pξ (k). es decir. p). (k + 1)(B − (n − k) + 1) 1. P4. A. . k para todo k = 0.10] Demostrar las siguientes f´rmulas recurrentes para el c´lculo de la funo a ci´n de probabilidad: o (n − k)p · Pξ (k). entonces Pξ (k) = n n−k · pk · (1 − p) . Si ξ ∼ Bi(n.9. k+1 (n + k)(1 − p) 3. Soluci´n o Sea ξn una variable aleatoria que representa el n´mero de ases obtenidos u en n lanzamientos de un dado. Pξ (k + 1) = · Pξ (k). Pξ (k + 1) = Soluci´n o 1. (k + 1)(1 − p) λ 2. sea mayor o igual que 0. si ξ ∼ Bi(n. . (k + 1)(1 − p) n−k = i i i i . Se debe obtener el menor entero n tal que: P (ξn ≥ 1) ≥ 0. Pξ (k + 1) = · Pξ (k). p). P (ξn = 0) ≤ 0. B). k+1 (A − k)(n − k) 4. n. si ξ ∼ Hip(n.9. si ξ ∼ BiNeg(n. 6 desigualdad que se verifica para todo n ≥ 13. .1. Considerando que la probabilidad de obtener un as con este dado es 1/6. Pξ (k + 1) = · Pξ (k).1.9] Hallar el m´ ınimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos. se tiene que: n 5 ≤ 0.

i i

i

“libroult” 2001/8/30 page 123 i

CAP´ ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 2. Si ξ ∼ Poiss(λ), entonces Pξ (k) = λk −λ ·e , k!

123

para todo k = 0, 1, . . . Se verifica que: Pξ (k + 1) = 3. λk+1 λ · e−λ = · Pξ (k). (k + 1)! k+1

Si ξ ∼ BiNeg(n; p), entonces Pξ (k) = n+k−1 k · pn · (1 − p) , k

para todo k = n, n + 1, . . . Se verifica que: Pξ (k + 1) = = = 4. n+k k+1 · pn · (1 − p) = k+1 n+k−1 n+k k · · pn · (1 − p) · (1 − p) = k k+1 (n + k)(1 − p) · Pξ (k). k+1

Si ξ ∼ Hip(n, A, B), entonces Pξ (k) =
A k B n−k A+B n

·

,

para todo k = 0, . . . , n. Se verifica que: Pξ (k + 1) =
A k+1 B n−k−1 A+B n

·

=
n−k B−n+k+1

= =

A−k k+1

·

A k

·

·

B n−k

A+B n

=

(A − k)(n − k) · Pξ (k). (k + 1)(B − (n − k) + 1)

P4.11] Sean ξ y η las variables aleatorias que cuentan el n´mero de veces que u sale 1 y 6, respectivamente, en 5 lanzamientos de un dado. ¿Son ξ y η independientes? Soluci´n o

i i i

i

i i

i

“libroult” 2001/8/30 page 124 i

124

EJERCICIOS RESUELTOS DE PROBABILIDAD Las variables ξ y η siguen ambas una distribuci´n binomial de par´metros o a n = 5 y p = 1/6. Veamos, mediante un contraejemplo, que ξ y η no son independientes. Por un lado se tiene que: P (ξ = 0, η = 0) = pero P (ξ = 0) = y por lo tanto P (ξ = 0, η = 0) = 2 3
5

2 3

5

,

5 6

5

= P (η = 0) ,

= P (ξ = 0) · P (η = 0) =

5 6

10

,

concluy´ndose as´ que las variables no son independientes. e ı P4.12] En la teor´ de los rayos c´smicos se presenta la distribuci´n de Pascalıa o o Furry, dada por los valores i = 0, 1, 2, . . ., con probabilidades respectivas: µ 1 pi = 1+µ ( 1+µ )i , µ > 0. Determinar el par´metro µ. a Soluci´n o Se verifica que
∞ ∞

pi =
i=0 i=0

1 · 1+µ

µ µ+1

i

=

1 1 · = 1, 1 + µ 1 − [µ/ (µ + 1)]
i

para cualquier µ > 0. Adem´s, 1/ (1 + µ) < 1 y [µ/ (1 + µ)] < 1, para a todo µ > 0. P4.13] Pedro y Juan dividen al azar una barra de chocolate con 4n porciones (n > 0) en dos trozos de modo que el trozo de Pedro siempre es mayor que el de Juan, al que siempre le toca algo. 1. Calcular el n´mero esperado de porciones de Pedro. u 2. Calcular la varianza de tal n´mero. u 3. Probar que si en tres ocasiones sucesivas el trozo de Pedro es mayor que tres veces el de Juan, es razonable pensar que la partici´n no se o ha hecho de un modo aleatorio.

i i i

i

i i

i

“libroult” 2001/8/30 page 125 i

CAP´ ITULO 4. PRINCIPALES VARIABLES ALEATORIAS Soluci´n o 1.

125

Consideremos el espacio muestral Ω formado por todas las posibles divisiones de la tableta. Numerando las porciones podemos caracterizar cada divisi´n mediante un n´mero entre 1 y 4n − 1, donde no o u vale el 2n. Es decir, cada suceso elemental w ∈ Ω puede identificarse como la cantidad de porciones que quedan a un lado (por ejemplo a la derecha) tras la divisi´n, lo que a la vez determina el n´mero de o u porciones que quedan al otro lado. As´ ı: Ω = {1, 2, . . . , 4n − 2, 4n − 1} − {2n} . Para cada w ∈ Ω, no confundamos su valor con la cantidad de porciones que le damos a Juan y a Pedro, ya que esto se calcula mediante un m´ ınimo y un m´ximo de {w, 4n − w}, respectivamente. a Asumamos por hip´tesis que Ω es equiprobable, es decir, que: o P (w) = 1 , 4n − 2

para todo w ∈ Ω, o dicho en otras palabras, que la tableta se parte en dos trozos de forma aleatoria y uniforme, pero descartando la probabilidad de que los dos trozos sean iguales o alguno vac´ ıo. Definamos ahora las variables aleatorias: ξ: Ω w y η: Ω w → → IR η (w) = m´ {w, 4n − w} ın → IR → ξ (w) = m´x {w, 4n − w} a

representando la primera a Pedro y la segunda a Juan. Antes de sumergirnos en el c´lculo de E [ξ] y V (ξ), como pide el enunciado, a conozcamos algo de estas variables. Claramente son discretas y η = 4n−ξ. Adem´s, ξ toma valores en {2n + 1, 2n + 2, . . . , 4n − 2, 4n − 1}, a todos con igual probabilidad: P (ξ = k) = P ({w ∈ Ω : ξ (w) = k}) = 2 1 = , 4n − 2 2n − 1

cualquiera que sea k ∈ {2n + 1, . . . , 4n − 1}. Por tanto:
4n−1

E [ξ]

=
k=2n+1

k · P (ξ = k) = 2n + n (2n − 1) = 3n. 2n − 1

1 2n − 1

2n−1

k=
k=1

= 2n +

i i i

i

P (ξ > 0) y P (1 ≤ ξ ≤ 3). Se pide: 1.14] Una variable aleatoria ξ tiene la funci´n generatriz Gξ (t) = (0. se verifica que: o ξ > 3 · (4n − ξ) . o 2. Por lo tanto.2et + o 0. se obtiene que: 4n−1 V (ξ) = E ξ 2 − (E [ξ]) = k=2n+1 2 k 2 · P (ξ = k) − 9n2 = 2n−1 = = = 1 2n − 1 2n−1 1 2n − 1 (k + 2n) − 9n2 = k=1 2 2n−1 k 2 + 4n k=1 3 k=1 2 k + 4n2 (2n − 1) − 9n2 = 2 (2n − 1) + 3 (2n − 1) + (2n − 1) 1 + 8n2 (2n − 1) 2n − 1 6 −9n2 = n (n − 1) . 3 3. ξ2 y ξ3 independientes. Por lo tanto.8)5 .i i i “libroult” 2001/8/30 page 126 i 126 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. ξ2 y ξ3 al n´mero de u trozos que corresponden a Pedro en cada una. o P4. es decir: ξ > 3n. De la misma forma. supongamos que se realizan 3 particiones (independientes) y representemos. Funci´n de probabilidad. es razonable n pensar que la partici´n no se ha hecho de un modo aleatorio. por ξ1 . respectivamente. se tiene que: 3 4n−1 3 P (ξi > 3n) = i=1 [P (ξ > 3n)] = i=3n+1 3 P (ξ = i) 1 2n − 1 3 = = = = (4n − 1 − (3n + 1) + 1) · n−1 2n − 1 3 . que es una probabilidad muy peque˜a. Si el trozo de Pedro es mayor que tres veces el de Juan en una partici´n. Siendo las variables ξ1 . i i i i .

2. −1 t=0 · 1. 4. Teniendo esto en cuenta.85−k = 0. k 4. 0 3. t=0 = 0. k = 0.8 t=0 3 t=0 t=0 = ∂G(k) (t) ∂tk = mk .6656.6 + 0. entonces G(k) (t) En este caso: E [ξ] = m1 = Gξ (t) Y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = et · 0.85 = 0.2 · t + 0.2 · et + 0. Si G (t) es derivable en un entorno del origen k veces. mientras que su funci´n generatriz de momentos o tξ es Gξ (t) = E e .2 · elnt + 0. 127 Soluci´n o Podemos obtener la funci´n generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funci´n generatriz de momentos. ∂tk t=0 En concreto. en este caso.85−k .2 · et + 0. 1.8 1.8 i i i i . 5 Se verifica que. N´tese que ´sta es la funci´n de proo e o babilidad de una variable aleatoria binomial de par´metros n = 5 y a p = 0.2k · 0.i i i “libroult” 2001/8/30 page 127 i CAP´ ITULO 4. 2. 5.2k · 0.20 · 0. 4. 5. 3. Por lo tanto: φξ (t) = Gξ (lnt) = 0. N´tese o o que la funci´n generatriz de probabilidades de una variable aleatoria es la o o funci´n φξ (t) = E tξ . 67232. entonces: ∂φξ (k) (t) = k! · P (ξ = k) . 3. De forma similar: 3 P (1 ≤ ξ ≤ 3) = k=1 5 · 0.2 · et − 1 = 0. 5 = (0. para todo k = 0. Esperanza y varianza. PRINCIPALES VARIABLES ALEATORIAS 3.8 4 · et t=0 = 1. As´ ı: P (ξ = k) = 5! · 0. (5 − k)! · k! 2.8) . 1. se tiene que: P (ξ > 0) = 1 − P (ξ = 0) = 1 − 5 · 0. si φξ es derivable k veces en un entorno del origen.2.

Hallar la probabilidad de que el tiempo de reparaci´n sea menor que o diez minutos. . Se pide: 1. −1)+t t=0 P4. Por ultimo.16] El tiempo de reparaci´n de unas m´quinas de escribir tiene una distrio a buci´n aproximadamente exponencial. t=0 −1 − 4 = 2.i i i “libroult” 2001/8/30 page 128 i 128 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. Las probabilidades deseadas son: 1 P (ξ > 1) = 1 − k=0 1 · 2k · e−2 = 0. N´tese que esto se corresponde con la funci´n o o de probabilidad de una variable de Poisson con par´metro λ = 2. k! 3.15] Una variable aleatoria ξ tiene la siguiente funci´n generatriz Gξ (t) = o t e2(e −1) . . Esperanza y desviaci´n t´ o ıpica. o 2. 1.59399. k! y tambi´n: e 2 P (ξ > 2) = 1 − k=0 1 · 2k · e−2 = 0. a 2. Funci´n de probabilidad. y de forma similar al anterior ejercicio: ´ E [ξ] = m1 = Gξ (t) y tambi´n: e V (ξ) = m2 − m2 = Gξ (t) 1 = 2 · 2 · et + 1 · e2·(e t t=0 = 2 · e2·(e t −1)+t t=0 = 2. 1 · 2k · e−2 . . Asimismo: P (ξ = k) = lnt −1) = e2·(t−1) . Soluci´n o Procediendo de forma an´loga al ejercicio anterior.32332. la funci´n generatriz a o de probabilidades es: φξ (t) = Gξ (lnt) = e2·(e 1. P (ξ > 1) y P (ξ > 2). o 1. k! para todo k = 0. con media 22 minutos. 3. i i i i .

22 1. 3. se observa que una reparaci´n costar´ 4000 o a pesetas siempre que su duraci´n sea superior a 30 minutos e inferior o o igual a 60 minutos (y as´ cada fracci´n de la segunda media hora ı o se cobrar´ como una media hora entera). por cada media hora o fracci´n. Debe verificarse: P (ξ > t) = 0.1 y esto se cumple para t = −22 · ln0. Por lo tanto. 22 3. 657 ∼ 51 minutos. es decir: ∞ t 1 · e−x/22 ∂x = −e−x/22 22 ∞ t = e−t/22 = 0. inferiores a 30. se cobran a 2000 pesetas).1? o o Soluci´n o Definamos una variable aleatoria ξ que representa el tiempo de reparaci´n o (en minutos) de las m´quinas y sigue una distribuci´n exponencial de a o −1 par´metro λ = (E [ξ]) = 1/22. PRINCIPALES VARIABLES ALEATORIAS 2. (Todos. este ultimo inclusive. ¿cu´nto tiempo se debe asignar a o a cada reparaci´n para que la probabilidad de que cualquier tiempo o de reparaci´n mayor que el tiempo asignado sea s´lo de 0. = i i i i . o o ¿Cu´l es la probabilidad de que una reparaci´n cueste 4000 pts. Representamos por t (t > 0) el tiempo asignado a una reparaci´n o (en minutos).1 = 50. para un tiempo de reparaci´n dado. la funci´n de densidad de a o esta variable es: 1 fξ (x) = · e−x/22 .i i i “libroult” 2001/8/30 page 129 i CAP´ ITULO 4. As´ a ı: 60 P (30 < ξ ≤ 60) = 30 1 · e−x/22 ∂x = −e−30/11 + e−15/11 .1. Te´ niendo esto en cuenta. x > 0. 129 El costo de reparaci´n es de 2000 pts. La probabilidad de que un tiempo de reparaci´n sea menor que diez o minutos es: 10 P (ξ < 10) = 0 1 · e−x/22 ∂x = −e−x/22 22 10 0 = 1 − e−5/11 . o el costo de reparaci´n se obtendr´ a partir del n´mero total de fraco a u ciones de media hora y el conjunto de minutos restantes. 2.? a o Para efectuar una programaci´n. De acuerdo con el enunciado.

si x ≥ 0. si x < 0 . . 1. Encontrar p en t´rminos de λ. . si x > 0 entonces {w : ξ (w) ≤ x} representa el suceso “en un c´ ırculo de radio x. entonces o la variable aleatoria η = ξ (parte entera de ξ) es una geom´trica de e par´metro p. es decir. a e Soluci´n o La variable ξ tiene funci´n de densidad fξ (x) = (1/λ) · e−x/λ . se tiene que: k+1 P (η = k) = P ( ξ = k) = P (k ≤ ξ < k + 1) = k 1 −x/λ ·e ∂x = λ = −e−x/λ k+1 k = e−k/λ − e−(k+1)/λ = e−k/λ 1 − e−1/λ . sea ξ la distancia a la planta vecina de su misma especie m´s pr´xima. si x < 0 . descontado el punto central.i i i “libroult” 2001/8/30 page 130 i 130 EJERCICIOS RESUELTOS DE PROBABILIDAD P4. Ahora podemos f´cilmente conocer la funci´n de densidad de ξ : a o fξ (x) = y su media: E [ξ] = 0 0 2 2λπxe−λ·π·x ∞ . Fξ (x) = 0 2 1 − e−λ·π·x . Soluci´n o Comencemos determinando la funci´n de distribuci´n de ξ. . no hay ninguna planta”. Elegida a a una planta al azar. cuando o x > 0. o o Fξ (x) = P ({w : ξ (w) ≤ x}) para todo x ∈ IR. si x ≥ 0. es decir.18] Demostrar que si ξ tiene distribuci´n exponencial con media λ. Adem´s se conoce que tal aleatoriedad sigue una distria a buci´n de Poisson. Claramente Fξ (x) = 0 cuando x ≤ 0. y cuya probabilidad viene dada por λπx2 0! 0 · e−λ·π·x = e−λ·π·x . Para cualquier k = 0. Determinar la funci´n de densidad de ξ y determinar a o o su valor medio. En cambio. descontado el punto central. i i i i .17] Se supone que las plantas de una determinada especie se distribuyen de forma aleatoria en una regi´n con densidad promedio de λ plantas por o unidad de ´rea. 2 λ P4. Consecuentemente. hay al ´ menos una planta”. 2. que el n´mero de plantas en una regi´n con o u o ´rea A es una variable aleatoria de Poisson de par´metro λ · A. 2 1 2λπx2 e−λ·π·x ∂x = √ . Este es el suceso complementario de “en un c´ ırculo de radio x. 2 2 ya que el ´rea de un c´ a ırculo de radio x (incluso elimin´ndole el punto a central) es π · x2 .

i i i “libroult” 2001/8/30 page 131 i CAP´ ITULO 4.9. en [−1. 4 es decir. En este caso.75 = 0.4307 y. 2.19] Sup´ngase que ξ se distribuye como N (µ. b] .6745. para todo u ∈ [a. ıan procediendo de modo an´logo. podremos obtener dos ecuaciones lineales en µ y σ. A partir de estas dos condiciones. se tiene que su funci´n de distribuci´n es Fξ (u) = (u − a) / (b − a) . Debe a verificarse que: P (ξ ≤ 0) = FZ 0−µ σ = 1 . en el intervalo [0. 1]. 2.3333 = −0. siendo Z una variable aleatoria con distribuci´n normal de media 0 y varianza 1. 2].16. 2.4307. (1 − µ) /σ = z0.39 y σ = 0. k 131 P4. 3. a < b.5 y σ = 1. de manera que P (ξ ≤ 0) = o 1/3 y P (ξ ≤ 1) = 2/3. 1]. 3 de donde se deduce que −µ/σ = z0.4307. σ 3 luego (1 − µ) /σ = z0. P (η = k) = p · (1 − p) con p = 1 − e−1/λ . b] . ¿Cu´les son los valores de µ y σ? a ¿Y si P (ξ ≤ 1) = 3/4? Soluci´n o 1. a P (ξ ≤ 1) = FZ 1−µ σ = 3 . las ecuaciones ser´ −µ/σ = z0.20] Encontrar la distribuci´n de ξ 2 siendo ξ una variable aleatoria uniforme: o 1. 1. PRINCIPALES VARIABLES ALEATORIAS es decir. o Adem´s: a 1−µ 2 P (ξ ≤ 1) = FZ = .obteni´ndose finalmente que µ = e 0. o o i i i i . σ). de lo que se obtiene que µ = 0. P4.3333 = −0.6667 = 0. en [−1. tipificando la variable ξ y buscando los correspondientes percentiles en las tablas de la variable normal est´ndar. Soluci´n o Si ξ es una variable uniforme en un intervalo [a.

22] Supongamos que una part´ ıcula es lanzada desde el origen del plano xy en l´ ınea recta que forma un ´ngulo θ con el eje x. 1]. que se corresponde con la distribuci´n de una variable aleatoria exponeno cial de media c · θ. o que denominaremos η. x > 0. b−a b−a b−a obteni´ndose. por tanto o o a t Fξ (t) = 0 1 −x/θ ·e ∂x = −e−x/θ θ t 0 = 1 − e−t/θ . la segunda a coordenada del punto donde la part´ ıcula choca con la recta x = 1 coincide i i i i . Si [a. π/2). P4. La distribuci´n de la variable cX es: o Fcξ (t) = P (cξ ≤ t) = Fξ (t/c) = 1 − e−t/(c·θ) .21] Encontrar la distribuci´n de cξ. 1]. donde c es una constante positiva y ξ o una exponencial de media θ. P4. b] = [0. Sea ξ la segunda a coordenada del punto cuando la part´ ıcula choca con la recta x = 1. √ 2. Ver que es sim´trica respecto al cero pero que no tiene esperanza. Soluci´n o Si la variable ξ sigue una distribuci´n exponencial de media θ. b] = [−1. θ y su funci´n de distribuci´n ser´. Fη (c) = 2 · c. Si [a. si se quiere ver la distribuci´n del cuadrado de esta variable. Si [a. √ 3. Fη (c) = c. Mostrar que si el ´ngulo se distribuye uniformemente en (−π/2. en cada caso particular: e √ 1. 2]. a entonces fξ (y) = [π(1 + y 2 )]−1 . su funci´n o o de densidad vendr´ dada por a fξ (x) = 1 −x/θ ·e .i i i “libroult” 2001/8/30 page 132 i 132 EJERCICIOS RESUELTOS DE PROBABILIDAD Por lo tanto. Esta distribuci´n se llama distribuci´n de o o Cauchy. se proceder´ del siguiente modo: a Fη (t) = = = P (η ≤ c) = P ξ 2 ≤ c √ √ √ √ P − c ≤ ξ ≤ c = Fξ c − Fξ − c = √ √ √ 2· c c−a − c−a − = . e Soluci´n o N´tese que si la l´ o ınea recta forma un ´ngulo θ con el eje x. b] = [−1. Fη (c) = 2 c/3.

es decir. fθ (t) = a o 1/π. P4. donde a y b son par´metros positivos: a (a) exp(−x2 /2). −(x−a)2 (e) e . 0 < x < b. (c) 1. (g) e−ax x5 .23] A partir de las expresiones de las distribuciones notables. Teniendo en cuenta que. para todo t ∈ (−π/2. esta funci´n es positiva para cualquier valor real. para todo x ∈ IR. √ √ +∞ Se verifica que −∞ c · exp(−x2 /2) · ∂x = c · 2π = 1 si c = 1/ 2π. Adem´s. para todo x ∈ IR. 0 < x < 1. 1 < x < 10. aunque es sim´trica respecto al cero no tiene esperanza. para todo x ∈ IR. o calculamos la esperanza y la varianza de la variable. (d) exp(−5x). = 1. 2 2π i i i i . x > 0. di cu´l es el a valor adecuado de la constante c de manera que c · h(x) sea funci´n de o densidad. π/2). para todo x ∈ A. (j) x7 (b − x)9 . para todo x ∈ IR. π/2). e indica su esperanza y varianza para las siguientes funciones h(x). x · 1/ 2π · exp( 2 2 +∞ −∞ V (X) = E X 2 − (E [X]) = −x2 1 x2 · √ · exp( ) · ∂x = 1. θ sigue una distribuci´n uniforme en (−π/2. resultando: +∞ E [X] = −∞ √ −x2 ) · ∂x = 0. (h) e−a|x| . Se obtiene que: fξ (y) = fθ (arctan (y)) · (arctan(y)) = 1 · 1 + y2 π −1 . (i) x7 (1 − x)9 . adem´s.i i i “libroult” 2001/8/30 page 133 i CAP´ ITULO 4. Soluci´n o La constante c debe verificar que: f (x) f (x) ∂x A 2 2 ≥ 0. 1. Adem´s. por lo a o que es una funci´n de densidad. (b) x. (f) e−(x−a) /b . 0 < x ≤ 2. la variable ξ = tanθ. Una vez determinado el valor de c. PRINCIPALES VARIABLES ALEATORIAS 133 con la tangente de θ. puesto a e que 0 −∞ 1/π · y · 1 + y 2 −1 · ∂y = −∞ pero +∞ 0 1/π · y · 1 + y 2 −1 · ∂y = +∞. x > 0.

Por lo tanto: ∞ E [X] = 0 ∞ 5x · e−5x · ∂x = 1 5 1 . 4 4 4. b π i i i i . b π V (X) = −∞ 2 2 1 √ · x2 · e−(x−a) /b · ∂x − a2 = b2 /2. 9 2 1 10 V (X) = 1 x2 · ∂x − 9 11 2 2 = 37 − 121 27 = . se ha de cumplir que 1 c·∂x = 1. Adem´s: o a +∞ √ −1 √ · ∂x = cb π = 1 si c = (b π) . Se tiene que 2 0 EJERCICIOS RESUELTOS DE PROBABILIDAD cx · ∂x = 2c = 1 si c = 1/2. Se tiene entonces que: o +∞ E [X] = −∞ +∞ e−(x−a) x· √ · ∂x = a. Adem´s: a 2 E [X] = 0 2 x2 4 · ∂x = .i i i “libroult” 2001/8/30 page 134 i 134 2. La esperanza y la varianza de la variable son: 10 11 x E [X] = · ∂x = . 9 10 3. o para lo cual c debe ser igual a 1/9. Se verifica que ∞ 0 c · exp(−5x) · ∂x = c/5 = 1 si c = 5. La funci´n c·e−(x−a) es funci´n de densidad si −∞ c·e−(x−a) ·∂x = o o √ 1. condici´n que se cumple para c = 1/ π. Se verifica que −∞ c · e−(x−a) N´tese que c > 0. 5 2 V (X) = 0 2 5x2 · e−5x · ∂x − = +∞ 1 . 2 3 4 3 2 V (X) = 0 x3 · ∂x − 2 = 2 . E [X] = −∞ +∞ 2 2 1 √ · x · e−(x−a) /b · ∂x = a. 25 2 5. π e−(x−a) 1 √ · ∂x − a2 = . 2 π /b2 2 2 V (X) = −∞ +∞ x2 · 2 6. Para que sea funci´n de densidad.

PRINCIPALES VARIABLES ALEATORIAS 7. Para que sea funci´n de densidad. para lo cual c debe ser igual a 194480/b17 . La integral ∞ 0 135 c · e−ax · x5 · ∂x = 1 si c = a6 /120. el segundo lo vuelve a lanzar y sus puntos son el producto los puntos en su lanzamiento por los puntos del primero. se ha de cumplir que o V (X) = +∞ −∞ c · e−a|x| · ∂x = 2c = 1. se ha de cumplir que o b 0 c · x7 · (b − x)9 · ∂x = 1. a para lo cual c debe ser igual a a/2 . resultando: 1 1 0 7 E [X] = 0 1 194480 · x8 · (1 − x)9 · ∂x = 4 9 2 4 . Tres jugadores act´an de la siguiente manera: u el primero obtiene sus puntos lanzando el dado. 2 a a a Para que sea funci´n de densidad. igualmente hace el tercero multiplicando el resultado de su lanzamiento por los puntos del segundo. b17 9 V (X) = 0 16 4 2 16 2 20 2 194480 9 ·x ·(b−x)9 ·∂x− ·b2 = b − ·b = b . 19 81 1539 10. La esperanza y la varianza de la variable son: E [X] = 0 +∞ V (X) = −∞ a 2 −a|x| 2 ·x ·e · ∂x − 02 = 2 . Se verifica que c · x · (1 − x)9 · ∂x = c/194480 = 1 si c = 194480. 42 36 6 − 2 = 2. La esperanza y la varianza de la variable son: b E [X] = 0 b 194480 8 4 · x · (b − x)9 · ∂x = · b. 2 a 9. i i i i .i i i “libroult” 2001/8/30 page 135 i CAP´ ITULO 4. 120 a 8. calculamos la esperanza y la varianza de la variable.24] Consideremos un dado que tiene en tres de sus caras un 1. Adem´s: a ∞ E [X] = 0 a6 6 · e−ax · x6 · ∂x = . en dos tiene un 2 y en una de ellas un 3. Una vez determinado el valor de c. 9 V (X) = 0 194480 · x9 · (1 − x)9 · ∂x − = 4 16 20 − = . 17 b 81 19 81 1539 P4.

1. son 1. 3))] = 1− 1 2 3 + 1 · 3 1 2 2 + 1 · 6 1 2 2 = 3 . 2. 3. Sea tambi´n A la σ. 3 y 2 para cada jugador. A. P (ξ < = = 3) = 1 − P (ξ = 3) = 1 − P ({w ∈ Ω : x = y = z}) = 1 − [P ((1. Describir el espacio probabil´ ıstico asociado a esta experiencia aleatoria: (Ω. 2. seg´n las reglas del o u juego: Ω= y z w = (x. As´ por ejemplo. que se define teniendo en cuenta que los tres lanzamientos son independientes. 1)) + P ((2. Soluci´n o 1. Teniendo en cuenta c´mo se obtienen. 3. . P (ξ ≤ 1) P (ξ = 1) Para que las puntuaciones de los tres jugadores sean distintas. respectivamente. siendo 1/2 la probabilidad de obtener un 1. z) : x. 4 Por otra parte: P (η > 8|ξ ≤ 1) = P (η > 8. Sea ξ el n´mero de jugadores con igual puntuaci´n y η la suma de u o las tres puntuaciones. 3} . 2. 2. por lo que P ((1.´lgebra fore a mada por todos los subconjuntos de Ω y la funci´n de probabilio dad P . Las variables ξ y η est´n definidas sobre el espacio probabil´ a ıstico definido en el apartado anterior del problema. La tabla siguiente muestra las distintas posibilidades: i i i i . Sea Ω el espacio formado por las posibles puntuaciones de los tres jugadores. 3 y 6. x y donde x. ξ = 1) P (η > 8. Hallar E[η|ξ = 2]. ∈ {1. 3. 6)) = (1/2) · (1/6) · (1/3) = 1/36. y. si las puntuaciones ı. P ). 2)) + P ((3. ning´n u resultado del dado puede ser igual a 1 para el segundo o tercer jugador.i i i “libroult” 2001/8/30 page 136 i 136 EJERCICIOS RESUELTOS DE PROBABILIDAD 1. los resultados de los tres lanzamientos deben de haber sido 1. y. respectivamente. 1/3 para un 2 y 1/6 para un 3. ξ ≤ 1) = . Calcular P (ξ < 3) y P (η > 8|ξ ≤ 1). z son las puntuaciones obtenidas por cada uno de los tres jugadores.

12) (1/3) · 1/6 21 2 3.3 (2. k = 4 y n = 3. 6.3 (2. PRINCIPALES VARIABLES ALEATORIAS 137 resultados dado puntuaci´n probabilidad suma de puntuaciones o 2 1.2. 4) 1/2 · (1/3) 7 1.2.25] Para averiguar el tama˜o N de una poblaci´n de lagartos se utiliza el n o m´todo siguiente de captura-marcaje-recaptura. Obtener una expresi´n para la probabilidad de que ξ = m.2 (2.3.2 (3. 6) 1/2 · 1/3 · 1/6 9 1. 6) 1/2 · 1/3 · 1/6 10 2 1. 4 P (η > 8|ξ ≤ 1) = = 7 . Se capturan k lagartos.2. demostrar que la probabilidad es m´xima cuando a N = 4n. Si N = 12.3. 9 P4. 9) 1/2 · (1/6) 13 3 2.2.2 (3.3. Un tiempo despu´s se o e realizan n avistamientos independientes de los que ξ es el n´mero de ellos u que est´n marcados. e se les marca y se les reincorpora a su poblaci´n.3 (3. 18) 1/3 · (1/6) 27 2 3. 8) (1/3) 14 2 2. 4.2 (1.2. a 1. 9. 2. 2.3 (3. 36 + P (ξ = 1) = por lo que: 7 1 + · 36 2 1 3 7 36 1 4 2 = 1 .3. 6.3 (1.2 (1. 6. 9. ¿cu´l es la probabilidad de que los tres a lagartos observados est´n marcados si sabemos que al menos uno de e ellos lo est´? a i i i i . 27) (1/6) 39 Se obtiene por tanto que: P (η > 8. o Si k = 4 y m = 1.2.i i i “libroult” 2001/8/30 page 137 i CAP´ ITULO 4. 6. 12) (1/3) · 1/6 20 2 2.3. 3.3. ξ = 1) = 2· 1 1 1 1 · · + · 2 3 6 2 1 · 3 1 6 2 1 6 1 6 2 + 3 1 3 3 +3· 1 3 2 · 1 6 +3· = y adem´s: a 7 . 12) (1/3) · 1/6 18 2 2. 3. 18) 1/3 · (1/6) 26 2 3.2 (2. 18) 1/3 · (1/6) 30 3 3. 3. 2.3 (1. 4.

¿Qu´ probabilidad hay de que soporte una hora de clase sin morder e su tableta? i i i i . Si k = 4 y m = 1: P (ξ = 1) = n · 1 4 N 1 n · m k N m · 1− k N n−m . la probabilidad de que los tres lagartos est´n marcados sabiendo que al menos uno de ellos lo est´ es: e a P (ξ = 3 | ξ ≥ 1) = P (ξ = 3. m = 0. y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. la variable aleatoria ξ sigue una distribuci´n binomial de par´meo a tros n y k/N . Asumiendo que esta golosa apetencia aparece en la ma˜ana siguiendo una distribuci´n de Poisson de media un mordisco por n o hora: 1. . ξ ≥ 1) P (ξ = 3) 1 = = . k = 4 y n = 3. ¿Cu´l es el n´mero medio de observaciones que habr´ que hacer a u ıa para que en dos de ellas el lagarto est´ marcado? e Soluci´n o Teniendo en cuenta que los n avistamientos que se realizan son independientes. · 1− 4 N n−1 = 4 · n · (N − 4) Nn n−1 . Derivando en la anterior expresi´n respecto de N e igualando a cero o se obtiene que: N n−1 · (N − 4) por lo que N = 4n. donde k/N es la probabilidad de que un lagarto escogido al azar de la poblaci´n est´ marcado. . P (ξ ≥ 1) 1 − P (ξ = 0) 397 n−2 · [(n − 1) · N − (N − 4) · n] = 0. P4. n.. o e 1. La probabilidad de que m de los lagartos est´n marcados es: e P (ξ = m) = 2.26] Una alumna trae cada d´ a la Universidad una tableta de chocolate ıa de 16 cm. Si N = 12. Calcular la distribuci´n del tiempo que transcurre hasta que aparece o la primera mordida. . 2. 3. ¿Cu´ntos cent´ a ımetros de chocolate esperas que le quede tras las cinco horas de clases? 3. 1.i i i “libroult” 2001/8/30 page 138 i 138 EJERCICIOS RESUELTOS DE PROBABILIDAD 4. .

a lo largo de los cinco d´ de una n ıas semana. ¿Cu´les son los supuestos necesarios para a que esa respuesta sea correcta? Calcular la funci´n de distribuci´n del m´ o o ınimo tiempo hasta su primera mordida en la ma˜ana. sea ξt la variable aleatoria que mide el n´mero u de mordiscos que se producen en dicho intervalo. esta variable aleatoria sigue una distribuci´n de Poisson de o par´metro t. PRINCIPALES VARIABLES ALEATORIAS 4. 2. ¿qu´ probabilidad hay de que lo haya hecho durante las e tres primeras horas de clase? Calcular la distribuci´n del tiempo transcurrido hasta que toma el o tercer trozo de chocolate. es decir: a P (ξt = k) = tk −t · e . Seg´n el enunu ciado. 139 Si un d´ entre las 9:00 y las 14:00 horas. Se pretende demostrar que: fη1 (x) = e−x . para todo x > 0. 2ζ5 = k=0 16 · P (ζ5 = k) 2k i i i i . .i i i “libroult” 2001/8/30 page 139 i CAP´ ITULO 4. utilizando la informaci´n disponible para ξt y la relaci´n o o entre ambas variables aleatorias. Fijado cualquier intervalo temporal de amplitud t horas. Soluci´n o 1. 6. Sea ζ5 la variable aleatoria que mide la longitud de la tableta restante tras un intervalo de tiempo de 5 horas. o a 2. para cualquier x > 0 : Fη1 (x) = P (η1 ≤ x) = 1 − P (η1 > x) = 1 − P (ξx = 0) = x0 = 1 − e−x · = 1 − e−x . ocasiones. para todo k = 0. . 1. se tiene que. 5. para t > 0 arbitrario pero fijo. En efecto. Claramente: ζ5 = y por lo tanto lo solicitado es: E [ζ5 ] = E 16 2ζ5 ∞ 16 . 0! luego el tiempo que transcurre hasta que aparece la primera mordida sigue una distribuci´n exponencial de par´metro 1. . k! Consideremos otra variable aleatoria η1 que mide el tiempo que transcurre hasta que se produce el primer mordisco en un intervalo de amplitud ilimitada. la ha mordido en cuatro ıa.

Se obtiene entonces: 1 2 3 Fη3 (t) = P η1 + η1 + η1 ≤ t t t−x 0 0 t−x = 0 e−(x+y+z) · ∂z · ∂y · ∂x = t2 e−t . 2 y por lo tanto: ∂Fη3 (t) t2 e−t = . 0! e 4. ξ2 = 0) = = P (ξ5 = 4) P (ξ5 = 4) P (ξ3 = 4) · P (ξ2 = 0) = P (ξ5 = 4) 34 4! · e−3 · 54 4! 20 0! · e−2 · e−5 = 0. y. y por tanto: fη3 (t) = 3 2 1 1 2 3 fη1 .η1 (x. 3. η1 .η1 . que denotaremos η1 .i i i “libroult” 2001/8/30 page 140 i 140 EJERCICIOS RESUELTOS DE PROBABILIDAD ∞ = 16 · e−5 · k=0 1 · k! 5 2 k = 16e−5/2 . Sea η3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco. La probabilidad de que haya mordido la tableta cuatro veces en 5 horas. ∂t 2 Otra alternativa consiste en razonar pensando que η3 es suma de 3 variables aleatorias independientes e id´nticamente distribuidas del e 1 2 3 tipo η1 . z) = fη1 (x) · fη1 (y) · fη1 (z) = e−(x+y+z) . La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 −1 1 P (ξ1 = 0) = ·e = . η1 . sabiendo que lo ha hecho en las tres primeras horas de clase es: P (ξ3 = 4 | ξ5 = 4) = = = P (ξ3 = 4. 2 i i i i . Se tiene que: Fη3 (t) = P (η3 ≤ t) = 1 − P (η3 > t) = = 1 − [P (ξt = 0) + P (ξt = 1) + P (ξt = 2)] = t0 −t t1 −t t2 −t = 1− ·e + ·e + ·e = 0! 1! 2! t2 = 1 − e−t 1 + t + . ξ5 = 4) P (ξ3 = 4. 5. 1296.

.) : wi ∈ {A. Se asume que las partidas son independientes. que concluye cuando uno de ellos alcanza v victorias. q. Se desea calcular la distribuci´n de: a o η = m´ η1 . η1 . se pide: 1. a calcular la probabilidad de que gane A. Dejando indicados los resultados. η1 . Asumamos que 0 ≤ w < v. η1 > x = ın 1 2 3 4 5 = 1 − [P (η1 > x)] = 1 − [1 − Fη1 (x)] = 1 − e−5x . con distribuci´n exponeno cial de par´metro 1. .i i i “libroult” 2001/8/30 page 141 i CAP´ ITULO 4. η1 . pero no sabemos cu´ntas haya podido ganar A hasta el momento. ın 1 2 3 4 5 La distribuci´n de esta variable es: o Fη (x) = P m´ η1 . η1 ≤ x ın 1 2 3 4 5 = 1 − P m´ η1 . nos enteramos de que B lleva ganadas b partidas y se han producido t tablas. con p+q < 1. o u en un momento dado. B. sucediendo que: P (A) = P (B) = P (X) = 1. w2 . P4. En cada partida el jugador A tiene probabilidad p de ganar. p. η1 . η1 . wi = B significa que “A pierde” y wi = X significa que “A empata”.27] A y B disputan un torneo de ajedrez. Soluci´n o Consideremos el espacio muestral: Ω = {w = (w1 . Para calcular la probabilidad de que el torneo consista en: i i i i . η1 . η1 . donde cada wi representa el resultado de la partida i−´sima: wi = A e significa que “A gana”. X}} . . funci´n de probabilidad del n´mero total de partidas disputadas. Probabilidad de que A gane el torneo. η1 . y B probabilidad q. η1 . probabilidad de que A gane el torneo. cuando el torneo no ha finalizado. 141 1 2 3 4 5 Consideremos 5 variables aleatorias η1 . 3. η1 . η1 independientes e id´nticamente distribuidas seg´n la variable η1 introducida en el e u primer apartado de este mismo problema. η1 . η1 . resultando t partidas en tablas y ganando b partidas el otro jugador. η1 . 1 − p − q. PRINCIPALES VARIABLES ALEATORIAS 6. 5 5 2.

v + 1. en otro caso. es decir wv+w+t = A. i i i i . entonces la probabilidad del suceso solicitada es: A P SvA+wB+tX = v+w+t−1 · v+t−1 w t (v+w+t−1)! = w!·t!·(v−1)! · pv · pv · q w · (1 − p − q) · q w · (1 − p − q) .i i i “libroult” 2001/8/30 page 142 i 142 EJERCICIOS RESUELTOS DE PROBABILIDAD v partidas tipo A. si antes hay menos e de v de tipo B. e B y donde SwA+vB+(k−v−w)X es el conjunto de todos los torneos en los que gana B despu´s de perder w partidas y empatar k − v − w. t partidas tipo X. . la ultima partida es tipo A. t t Finalmente la probabilidad de que gane A es: ∞ v−1 P SA = t=0 w=0 ∞ v−1 A P SvA+wB+tX = (v + w + t − 1)! v w t · p · q · (1 − p − q) . w partidas tipo B. A donde SvA+wB+(k−v−w)X es el conjunto de todos los posibles torneos en los que gana A. ´ observemos que hay v+w+t−1 formas de situar las w partidas tipo w B entre las v + w + t − 1 primeras partidas. Entonces: v−1 P (A gana) = k=0 P (A gana | ha ganado k) · P (ha ganado k) . y el n´mero de la partida donde aparece la v−´sima u e partida tipo B. Asumimos que w < v. e 3. y hay v+t−1 formas t de situar las t partidas tipo tabla. Entonces.} sucede: m´ ın{v−1. . w! · t! · (v − 1)! t=0 w=0 2.k−v} Fη (k) = w=1 A B P SvA+wB+(k−v−w)X +P SwA+vB+(k−v−w)X . . Sea la variable aleatoria η : Ω → IR donde η (w) es el n´mero de la u partida donde aparece la v−´sima partida tipo A. despu´s de perder w partidas y empatar k −v −w. Dado adem´s que cualquiera de a t estas distribuciones posibles tiene probabilidad pv · q w · (1 − p − q) . para todo k ∈ {v.

Hallar la funci´n de densidad de la variable aleatoria Y = X1 − X2 . o Calcular la esperanza de Y y de |Y |. Dados dos puntos elegidos uniformemente en una semicircunferencia de radio R. π]. y a cualquier n´mero adicional de tablas. s! · u! · (v − k − 1)! w+t+k t+u t · · pk · q w · (1 − p − q) . 1. PRINCIPALES VARIABLES ALEATORIAS 143 donde P (A gana | ha ganado k) equivale a la probabilidad de que A obtenga las otras v − k victorias. Se deben distinguir dos casos posibles: FY (y) = P (Y ≤ y) = P (X1 − X2 ≤ y) = (π + y) / 2π 2 π − (π − y) /2 /π 2 2 2 2 . fY (y) = (π + y) /π 2 (π − y) /π 2 . de lo que se obtiene que: fY (y) = es decir.28] Sean x1 y x2 dos puntos aleatorios elegidos uniformemente en el intervalo [0. . π]. si − π ≤ y < 0 . hallar la distribuci´n de la distancia entre ellos. π] . o Soluci´n o 1. si − π ≤ y < 0 . 3.i i i “libroult” 2001/8/30 page 143 i CAP´ ITULO 4. s! · u! · (v − k − 1)! · w! · t! · k! P4. π2 i i i i . si 0 ≤ y < π π − |y| . As´ u ı: P (A gana | ha ganado k) ∞ v−w−1 = s=0 u=0 (v − k + s + u − 1)! v−k u s ·p · q · (1 − p − q) . 2. El rango de la variable aleatoria Y = X1 − X2 es el conjunto de valores comprendidos en el intervalo [−π. no m´s de v − w − 1 derrotas. w t v−1 ∞ v−w−1 Por otro lado: P (ha ganado k) = Como conclusi´n: o P (A gana) = k=0 s=0 u=0 (v − k + s + u − 1)! · (w + t + k)! v u+w s+t ·p ·q · (1 − p − q) . y ∈ [−π. si 0 ≤ y < π .

para la variable |Y |.i i i “libroult” 2001/8/30 page 144 i 144 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. π2 π2 0 0 Por otra parte. se obtiene: E [|Y |] = 2 · 0 πy · π−y π · ∂y = . π2 3 i i i i . La esperanza de la variable Y es: E [Y ] = −π 0 πy · π − |y| · ∂y π2 π+y π−y y· = · ∂y + πy · · ∂y = π2 π2 −π 0 π−y π−y = πy · · ∂y − πy · · ∂y = 0.

x2 ) ∈ IR2 . A. Por ejemplo: o +∞ fξ1 (x1 ) = fξ (x1 . para alg´n natural n. sucediendo que la funci´n de densidad de una componente coincide con la integral de la o funci´n de densidad conjunta sobre la otra componente. x2 )∂x2 . x2 ). x2 →+∞ Si la funci´n de distribuci´n conjunta del vector aleatorio es continua entono o ces cada componente del vector es una variable aleatoria continua. P ) sobre IR.i i i “libroult” 2001/8/30 page 145 i CAP´ ITULO 5 Variables aleatorias bidimensionales Si bien las variables aleatorias son funciones de un espacio probabil´ ıstico (Ω. x2 ) = fξ1 (x1 ) · f˙ξ2 (x2 ). los vectores aleatorios son funciones de un espacio probabil´ ıstico sobre IRn . x2 ) = P ({w ∈ Ω : ξ1 (w) ≤ x1 . 145 i i i i . ξ2 ). a la proyecci´n de la funci´n de distribuci´n o o o conjunta cuando las otras componentes toman valores pr´ximos a infinito. Fξ1 (x1 ) = l´ ım Fξ (x1 . ξ2 (w) ≤ x2 }) para todo (x1 . Se llama funci´n de distribuci´n marginal de una o o componente del vector aleatorio. −∞ Cuando adem´s las componentes son variables aleatorias independientes entona ces: fξ (x1 . Dado un vector aleatorio bidimensional ξ = (ξ1 . En este cap´ u ıtulo se presentan problemas donde aparecen vectores aleatorios con n = 2. Por o ejemplo. se llama funci´n de o distribuci´n conjunta a la funci´n definida sobre IR2 como: o o Fξ (x1 .

o i i i i . y ≥ 3  2/3   1 si x ≥ 3. η) donde ξ es “n´mero de rojas”y η es “n´mero de negras”. y ≥ 3 2. 3)} = o 1/6. eno tonces cada componente es una variable aleatoria discreta. k2 ) = Pξ1 (k1 ) · Pξ2 (k2 ). 2). o 2. Calcular la funci´n de probabilidad conjunta. 10 negras y 25 blancas. P5. Considerando los distintos casos posibles. y) ∈ IR2 : x + y = 4 = P ({(1. 2)}) = 1/3. Los unicos puntos con probabilidad no nula pertenecientes a la recta ´ x + y = 4 son (1. u u 1. 2 ≤ y < 3  1/6 2 ≤ x. 3)} = 2/6. Calcular: 1. 2)} = P {(1. la funci´n de distribuci´n bivariante asociada. sucediendo que la funci´n de probabilidad de una componente coincide con la suma de la funci´n o o de probabilidad conjunta sobre la otra componente. Soluci´n o 1. 3)}) + P ({(2. P {(3. Cuando adem´s las componentes son variables aleatorias independientes entona ces: ˙ Pξ (k1 . 2 ≤ y < 3 F (x. 3)} = P {(2. 3) y (2. y) = si  1/3  1 ≤ x < 2. Ejercicios Resueltos P5. o o 2. y) ∈ IR2 : x + y = 4}. k2 ). Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (ξ. P {(x. Por ejemplo: Pξ1 (k1 ) = k2 Pξ (k1 .2] Sea una urna con 15 bolas rojas. 2)} = P {(2. la funci´n de distribuci´n o o bivariante asociada es:  si x < 1  0    si y < 2  0    si 1 ≤ x < 2. y ≥ 3     si 2 ≤ x < 3.1] Sea la funci´n de masa P {(1. Hallar las funciones de distribuci´n marginales.i i i “libroult” 2001/8/30 page 146 i 146 EJERCICIOS RESUELTOS DE PROBABILIDAD Si el vector aleatorio asume s´lo una cantidad numerable de valores. Por lo tanto: P (x.

147 La funci´n de probabilidad conjunta viene dada. sin reemplazamiento. Sean las variables ξ y η definidas como ξ = 1 si la bola extra´ en primer lugar es roja y 0 si ıda no lo es. . tres blancas y cuatro negras. j)tales que i. j = 0. Se extraen dos bolas de la urna. η = y) = 10! 15 · x! · y! · (10 − x − y)! 50 x · 10 50 y · 25 50 10−x−y . . VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1. Soluci´n o N´tese que esta funci´n de probabilidad conjunta toma valores no nulos o o para aquellos puntos (i. para x. por: P (ξ = x. 10−y P (η = y) = · . Las funciones de distribuci´n de estas dos variables discretas son: o P (ξ = x) = 10 · x 10 · y 15 50 10 50 x 10−x · y 35 50 40 50 . 2. η = 3) = P (ξ = 1. 2. 2. 10} . 1. Por otra parte: 3 P (ξ ≥ 1) = 1 − P (ξ = 0) = 1 − j=0 3 P (ξ = 0. η = j) = 3 i 3 j 4 3−i−j 120 .3] Sea el vector aleatorio (ξ.i i i “libroult” 2001/8/30 page 147 i CAP´ ITULO 5. . . η = 3) y P (ξ ≥ 1). η = 3) + P (ξ = 2. 3 y i + j ≤ 3. 24 = 1− j=0 1 3 120 0 3 j = P5. η = j) = 4 3−j 17 . Por lo tanto: P (0 < ξ ≤ 2.4] Una urna contiene tres bolas rojas. teniendo en cuenta o que las bolas se extraen con reemplazamiento. 3 i+j ≤3 Calcular P (0 < ξ ≤ 2. j = 0. η) con funci´n de probabilidad conjunta: o P (ξ = i. η = 3) = 0. i. 1. y ∈ {0. y η = 1 si la bola extra´ en segundo lugar es roja y 0 si no lo ıda i i i i . P5.

η = y) . P5.i i i “libroult” 2001/8/30 page 148 i 148 EJERCICIOS RESUELTOS DE PROBABILIDAD es. si x=0 . Soluci´n o De forma similar al caso anterior: η|ξ 0 1 7 10 7 10 0 · · 7 10 7 10 3 10 3 10 3 10 1 · · 3 10 7 10 3 10 7 10 3 10 1 i i i i . Calcular las distribuciones conjuntas. si 2/9 . se puede afirmar que las variables ξ y η no son independientes. marginales y condicionadas de (ξ. x=1 x=0 . P (η = y) 2/3 . 1. y = 0. x=1 P (ξ = x | η = 0) = P (ξ = x | η = 1) = Finalmente. si 1/3 . η = y) = P (ξ = x) · P (η = y) . est´n expresadas en la siguiente tabla: a η|ξ 0 1 7 10 7 10 0 · · 6 9 3 9 3 10 3 10 1 · · 7 9 2 9 7 10 3 10 7 10 3 10 1 Adem´s: a P (ξ = x | η = y) = por lo que: P (ξ = x. si 7/9 . para todo x. η).5] Repetir el problema anterior suponiendo que las extracciones se hacen con reemplazamiento. y ∈ {0. as´ como las funciones de probabio ı lidad marginales. puesto que P (ξ = x. 1} . ¿Son ξ y η independientes? Soluci´n o La funci´n de probabilidad conjunta.

si 3/10 . Las distribuciones marginales son: P (ξ = x) = (x + 1)(y + 1) x+1 = . Distribuciones de Z = ξ + η y de ϕ = ξ 2 + η 2 . 2) es: o P (ξ = x | η = y) = x+1 P (ξ = x. Distribuciones de ξ condicionada a η = y (y = 0. 1. El valor de k es aqu´l para el que se verifica: e 2 2 k(x + 1)(y + 1) = 36k = 1. para x = 0. 1. Calcular el valor de k. si 7/10 . 4. η = y) = P (ξ = x) · P (η = y) . k = 1/36. 2. 2. 2. VARIABLES ALEATORIAS BIDIMENSIONALES y adem´s: a P (ξ = x | η = 0) = P (ξ = x | η = 1) = 7/10 . y = 0. para x = 0. 5. si 3/10 . 2. 1. x=0 y=0 es decir. 36 6 x=0 2 2 P (η = y) = 3. 1. 3. Calcular las distribuciones marginales. 36 6 y=0 y+1 (x + 1)(y + 1) = . 1. η = y) = k(x + 1)(y + 1) donde x. η) tiene la distribuci´n de probabilidad conjunta o dada por P (ξ = x. si x=0 .i i i “libroult” 2001/8/30 page 149 i CAP´ ITULO 5. 1. para todo x. y = 0.6] El vector aleatorio (ξ. 1. 6. puesto que P (ξ = x. x=1 x=0 . ¿Son independientes ξ y η? Calcular P (ξ + η > 2) y P (ξ 2 + η 2 ≤ 1). La distribuci´n de ξ condicionada a η = y (y = 0. P (η = y) 6 i i i i . 1. P5. 2. para y = 0. 2. η = y) = . Soluci´n o 1. se puede afirmar que las variables ξ y η son independientes. 2). x=1 149 Finalmente.

η) se concluye que la variable Z = ξ + η tiene distribuci´n: o z 0 1 2 3 4 y ϕ = ξ 2 + η2 : w 0 1 2 3 4 5 6 7 8 P (ϕ = w) 1/36 1/19 1/14 0 1/16 1/13 0 0 1/14 P (Z = z) 1/36 1/19 5/18 1/13 1/14 i i i i . pues P (ξ = x. A partir de la funci´n de probabilidad conjunta del vector aleatorio o (ξ. η = 0) = 5 . η = 2) = 7 . Las variables ξ y η son independientes. y = 0. porque P (ξ = x | η = y) = P (ξ = x) . η = 1) +P (ξ = 2. alternativamente. O. 5. y = 0. 36 6. Se tiene que P (ξ + η > 2) = P (ξ = 1. 1. η = 2) + P (ξ = 2. para todo x. 2. para todo x. 1. η = y) = P (ξ = x) · P (η = y) . η = 0) +P (ξ = 0. 2. η = 1) + P (ξ = 1. 12 P (ξ 2 + η 2 ≤ 1) = P (ξ = 0.i i i “libroult” 2001/8/30 page 150 i 150 EJERCICIOS RESUELTOS DE PROBABILIDAD 4.

10 x = 0. y = 0 x = 1. 5. si · 10−x j = 1/2x . . 3. Distribuciones de ξ condicionada a η = y (y = 0. . η = y) ser´ nua la si la otra variable toma un valor distinto de 1. . Las correspondientes distribuciones marginales son: i i i i . . si 2. y consideremos las variables aleatorias que nos dan el n´mero ξ de bolas azules y el n´mero η de bolas blancas u u que aparecen en la extracci´n. Soluci´n o 1. y = 1 · i=0 10−x j=0 10−y i = 1/2y . y = 1 x = 2.. si . η = y) es:          =         1 10 2 1 10 2 1 10 2 1 10 2 . 10. . Soluci´n o ξ=0 0 0 1/20 ξ=1 0 6/20 3/20 ξ=2 3/20 6/20 0 ξ=3 1/20 0 0 η=0 η=1 η=2 P5. Por lo tanto P (ξ = x.10). 1. o Calcular las distribuciones marginales. Calcular la distribuci´n de probabilidad o o conjunta. 2. N´tese que si una de las dos variables (ξ o η) toma un valor mayor o que 1 o bien igual a cero. . . y η como el “n´mero de u lanzamiento en el que aparece la primera cruz” (con η = 0 si no aparece cruz). Calcular la funci´n de probabilidad conjunta. 2 blancas y 1 roja.8] Definimos sobre el experimento de lanzar diez veces una moneda las variables aleatorias ξ como el “n´mero de lanzamiento en el que aparece u la primera cara (si no aparece cara ξ = 0)”. la probabilidad P (ξ = x.i i i “libroult” 2001/8/30 page 151 i CAP´ ITULO 5. ¿Son independientes ξ y η? Probabilidad de que |ξ − η| ≥ 1. Extraemos 3 bolas sin reemplazamiento. 4. y = 2. si 10−y x = 1. . VARIABLES ALEATORIAS BIDIMENSIONALES 151 P5.7] Consideremos una urna con 3 bolas azules.

i i i i . . . Esperamos o una hora y observamos lo que queda en la jaula. Las variables aleatorias ξ y η no son independientes. . 2 2 2 2 = 1 − P (ξ = η) = 1 − i=0 P (ξ = i. . si . . .i i i “libroult” 2001/8/30 page 152 i 152 EJERCICIOS RESUELTOS DE PROBABILIDAD P (ξ = x) =     =    10 y=0 1 10 2 1 10 2 1 2x 10 x=0 1 10 2 1 10 2 1 2y P (ξ = x. 1 9 2 1 P (ξ = x. η = i) = 1. si y=0 y=1 y = 2. η = 1) = 5. P (η = 0) 2x−1 . si x=0 x = 2. . . η = y) = .9] En una jaula hay un rat´n y dos pollitos. . La probabilidad de que cada uno o de los animales salga de la jaula en la pr´xima hora es de 0. si y = 2. 10 : ´ P (ξ = 1 | η = y) = 1 2y−1 . η = 0) = 1. 10 + 10 x=2 1/2x = 1/2 . . si 3. por ejemplo: P (ξ = 2. . . si P (η = y) =     =    P (ξ = x. P5.3. Si y = 0 : P (ξ = 1 | η = 0) = si y = 1 : P (ξ = x | η = 1) = y por ultimo. . 10 + 10 y=2 1/2y = 1/2 . 10 4. . Finalmente: P (|ξ − η| ≥ 1) = 1 − P (|ξ − η| = 0) 10 1 1 1 = P (ξ = 2) · P (η = 1) = 2 · . si . si x=0 x=1 x = 2. . si . η = y) = . . pues.

3. y = 0. 1. 2. Calcular las funciones de densidad marginales.21 6 0 0 0.027 0. 3 · 0.343 1 Adem´s.33−x · 0.189 0.147 0 0. P5. VARIABLES ALEATORIAS BIDIMENSIONALES 1. Calcular las funciones de densidad condicionadas.343 0. ¿Son ξ y η independientes? o ¿Cu´l es la probabilidad de que el n´mero de patas no supere al a u doble del n´mero de animales? u Soluci´n o 1. y) = 24y (1 − x − y).441 0. 1. 2.027 0 0 0 0. η) .i i i “libroult” 2001/8/30 page 153 i CAP´ ITULO 5. si (x. para x = 0. 153 ¿C´mo se distribuye la variable aleatoria ξ que cuenta el n´mero de o u animales que quedan en la jaula? Si η es el n´mero total de patas de los animales que hay en la jaula.343 0. η = 4) = 0. η) una variable aleatoria bidimensional con funci´n de densidad o f (x. η = 2)+P (ξ = 2. u dar la distribuci´n conjunta de (ξ.1. η = 0) = 0. 2.7x .294 0 0. Esto puede observarse en la figura 5. 3. 3. η = 0)+P (ξ = 1.33 = P (ξ = 0) · P (η = 0) = 0.126 0 0 0. i i i i . La probabilidad de que el n´mero de patas no supere al doble del u n´mero de animales viene dada por: u P (η ≤ 2ξ) = P (ξ = 0.3. las variables ξ y η no son independientes.063 0.126 4 0 0.10] Sea (ξ. x La distribuci´n de probabilidad conjunta del vector aleatorio (ξ. pues: a P (ξ = 0.027 2 0 0.36 . y) pertenece al recinto limitado por las rectas x + y = 1.294 8 0 0 0 0. η) o es: η|ξ 0 1 2 3 0 0. 3. η). La variable aleatoria ξ que cuenta el n´mero de animales que quedan u en la jaula tiene la siguiente distribuci´n: o P (ξ = x) = 2. x = 0. Calcular la funci´n de distribuci´n de la variable aleatoria bidimeno o sional (ξ.

2: Regiones del plano para el problema P5.1: Diagrama para el ejercicio P5.i i i “libroult” 2001/8/30 page 154 i 154 EJERCICIOS RESUELTOS DE PROBABILIDAD η T ¡ ¡ ¡ ¡ ¡ η = 2ξ q ¡ ¡ q ¡ ¡ ¡ q q ¡ ¡ q ¡ E ξ Figura 5. y R4 R3 R2 R1 R6 R5 x Figura 5. i i i i .10.9.

VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 155 Dividimos IR2 en distintas regiones seg´n muestra la figura 5. y) ∈ R5 : y 1−t 0 F (x. i i i i . y) ∈ R1 : F (x. para 0 ≤ x ≤ 1. y en cada u una se obtiene: si (x. y) = 0 24t (1 − s − t) ∂t ∂s = 1 − (1 − x)4 . Las correspondientes funciones de densidad marginales son: 1−x fξ (x) = 0 24y (1 − x − y) ∂y = 3 3 24y 2 24y 3 (1 − x) − 2 3 3 y=1−x = y=0 = 12 (1 − x) − 8 (1 − x) = 4 (1 − x) . para 0 ≤ y ≤ 1. y) ∈ R6 : F (x. si (x.2. si (x.i i i “libroult” 2001/8/30 page 155 i CAP´ ITULO 5. y) = 0 24t (1 − s − t) ∂t ∂s = 12y 2 x − 6y 2 x2 − 8y 3 x. y) ∈ R2 : x y 0 F (x. y) ∈ R3 : 1−y y F (x. y) = 1. y) = 0. y) ∈ R4 : x 1−s 0 1−y 2 2 0 24t (1 − s − t) ∂t ∂s y (2y − 8y + 6) − (1 − x)4 + y 4 . F (x. si (x. y) = 0 x 0 24t (1 − s − t) ∂t ∂s 1−s + = si (x. 1−y x=1−y fη (y) = 0 24y (1 − x − y) ∂x = 24y (1 − y) x − 12yx2 x=0 2 2 2 = = 24y (1 − y) − 12y (1 − y) = 12y (1 − y) . y) = 0 24t (1 − s − t) ∂s ∂t = y 2 (3y 2 − 8y + 6). si (x.

k = 1. si (x. As´ a a ı: 2 0 0 x/2 k∂y∂x = 1. 0 ≤ x ≤ 1 − y. y) ∈ R1 : F (x.11] Sea (ξ. y) = xy − y 2 . Por tanto. y) = 0. 0 ≤ y ≤ 1 − x. η) una variable aleatoria bidimensional con funci´n de distribuo ci´n uniforme en el recinto limitado por y = x/2. y) 24y (1 − x − y) 6y(1 − x − y) = = 3 3 fX (x) 4 (1 − x) (1 − x) para 0 ≤ x ≤ 1. la funci´n de distribuci´n es: o o si (x. Calcular o la funci´n de distribuci´n. y) 24y (1 − x − y) 2(1 − x − y) = = 2 2 fη (y) 12y (1 − y) (1 − y) para 0 ≤ y ≤ 1. Por ultimo.3. y = 0. o o Soluci´n o El recinto propuesto en el enunciado es el tri´ngulo sombreado en la a figura 5. y fη|ξ=x (y) = f (x. y) ∈ R2 : F (x.11. x = 2.i i i “libroult” 2001/8/30 page 156 i 156 EJERCICIOS RESUELTOS DE PROBABILIDAD y R3 R5 R2 R1 R4 x Figura 5. las funciones de densidad condicionadas son: ´ fξ|η=y (x) = f (x. P5. Dado que la funci´n de distribuci´n es uniforme.η (x. y) = k para k un valor constante en el recinto y las integrales se reducen al c´lculo de ´reas.3: Regiones del plano para el problema P5. i i i i . entonces o o fξ. es decir.

si (x. y) ∈ R4 : x2 . y o a f (x. y) = 1. x ≥ 0. y) est´ fuera de R2 . Soluci´n o 1.12. P5. La funci´n de densidad es f (x. si (x. o o Calcular las funciones de densidad marginales. Calcular las funciones de densidad condicionadas. VARIABLES ALEATORIAS BIDIMENSIONALES y 157 R4 R3 R2 R6 R5 x R1 Figura 5.12] Sea (ξ. y) ∈ R5 : F (x. y ≥ 0 . 1. y) = si (x. η) una variable aleatoria bidimensional con distribuci´n uniforme o en el recinto: C = (x. 2. 3. y) = 4/π cuando (x.4: Regiones del plano para el problema P5. y) arbitrario pero fijo: i i i i .i i i “libroult” 2001/8/30 page 157 i CAP´ ITULO 5. Consideremos las zonas del plano indicadas en la figura 5. Para calcular la funci´n a o de distribuci´n es util el siguiente resultado: o ´ 1 − x2 · ∂x = 1 · arcsenx + x · 2 1 − x2 + c. y) ∈ R3 : F (x. De este modo. Calcular la funci´n de distribuci´n conjunta. y) est´ en R2 . y) ∈ IR2 : x2 + y 2 < 1. 4 F (x. considerando un punto (x. y) = y(2 − y).4. y) = 0 cuando (x.

1 − x2 ]. Las funciones de densidad marginales son: √ 1−x2 fξ (x) = 0 4 4 ∂y = π π 1 − x2 si 0 < x < 1.i i i “libroult” 2001/8/30 page 158 i 158 EJERCICIOS RESUELTOS DE PROBABILIDAD si (x. y) = 0 2 4 ∂s ∂t = arcseny + y π π F (x. 1] : fη|ξ=x (y) = 1 − y2 √ si 0 ≤ y ≤ 1 − x2 y cero en el resto. y fξ (x) = 0 en el resto. y) =√ fξ (x) 1 − x2 i i i i . y √ 2 1−y 4 4 fη (y) = ∂x = π π 0 si 0 < y < 1. y) = 0 1−y 2 0 y x 4 ∂t ∂s+ √ π 1−y 2 4 ∂t ∂s = π 1 − y2 . 1 f (x. y) = 0. y) ∈ R2 : y x 0 F (x. y) ∈ R1 : F (x. si (x. 1 − y2 . Para todo x ∈ [0. y) = 1. 4 π y 1 − y2 + 1 arcsenx + x 1 − x2 − arcsen 2 si (x. 3. su distribuci´n ha o resultado uniforme en el intervalo [0. y) ∈ R3 : √ F (x. y) ∈ R6 : 2. 1 − y 2 ] cuando y ∈ [0. y) = 0 2 4 ∂t ∂s = arcsenx + x 1 − x2 . π π si (x. 1]. De forma similar la variable ξ condicionada a η = y sigue una distribuci´n uniforme en o [0. si (x. y) = 0 4 ∂s ∂t = xy π √ 1−s2 0 si (x. Dado que para la variable condicionada el valor de x es un par´√ ametro fijo. y) ∈ R5 : y √ 1−t2 0 F (x. y fη (y) = 0 en el resto. y) ∈ R4 : x √ 1−s2 0 1 − y2 − y F (x.

Soluci´n o 1. Calcular las distribuciones de η. i n i n n para 0 ≤ w ≤ 1. Sean η = m´x {ξ1 . Por otra parte. a i N´tese que las variables aleatorias ξ1 . ξn ≤ w) = [P (ξ ≤ w)] . .ζ (w. La funci´n de distribuci´n conjunta es: o o Fη. o Funci´n de densidad condicionada de ζ dado η. . . . . y procediendo de forma an´loga al caso anterior. ξn ≤ w) . obtenida de una distribun ci´n uniforme en [0. por lo que se puede afirmar que: a e P (ξ1 ≤ w. . . . . . de ζ y de la conjunta. . . η 2 y varianza de η. ξn > z) = 1 − [P (ξ > z)] n = 1 − (1 − z) .13] Sea una muestra aleatoria simple de tama˜o n. ξn } y ζ = m´ {ξ1 . . m´ ξi > z a a ın i Fη (w) − [P (z < ξ ≤ w)] = w − (w − z) . . . Para w ∈ [0. ζ) se ın a distribuye en la regi´n comprendida entre las rectas z = w. 2. . . z ≤ w. Vamos a hallar la funci´n de distribuci´n en el interior de o o esta regi´n. ζ 2 y varianza de ζ.i i i “libroult” 2001/8/30 page 159 i CAP´ ITULO 5. w = 1. . 6. ya que la funci´n de densidad se obtiene derivando en o o esa zona. o z = 0. 1] se tiene: Fη (w) = P m´x ξi ≤ w = P (ξ1 ≤ w. . Funci´n de densidad condicionada de η dado ζ. 4. 3. . . o a ın Se pide: 1. 1]. . i i n Como se verifica que 0 ≤m´ ξi ≤m´x ξi ≤ 1. obteni´ndose as´ que e ı Fη (w) = wn . z) = = = P m´x ξi ≤ w. VARIABLES ALEATORIAS BIDIMENSIONALES 159 P5. Esperanza de ζ. . . para 0 ≤ w ≤ 1. ξn son independientes y o est´n id´nticamente distribuidas. se a obtiene que: Fζ (z) = P m´ ξi ≤ z = 1 − P m´ ξi > z = ın ın i i n = 1 − P (ξ1 > z. para 0 ≤ z ≤ 1. Esperanza condicionada de η dada ζ. o Esperanza de η. i i i i . ξn }. 5. el vector (η. m´ ξi ≤ z a ın i i P m´x ξi ≤ w − P m´x ξi ≤ w.

. z ≤ w ≤ 1. b y c y con ellos u construimos la ecuaci´n de segundo grado ax2 + bx + c = 0. 0 ≤ z ≤ 1. Calcular la o probabilidad de que tenga soluciones reales. n+2 −n . (n + 3) (n + 2) (n + 1) 1 n+1 2 V (ζ) = 6.ζ (w. 0 ≤ w ≤ 1. 0 ≤ z ≤ w. z) (n − 1) (w − z) = fη (w) wn−1 1 n−2 = nwn−1 . An´logamente. 1]. n+1 2 E [ζ] = 0 zn (1 − z) 1 n−1 ∂z = E ζ 2 = 0 z 2 n (1 − z) n−1 ∂z = 2 . n+1 n . a fζ|η=w (z) = fη. se eligen al azar tres n´meros a. E [η | ζ = z] = z w · fη|ζ=z (w) · ∂w n−1 1 n−1 ∂w (1 − z) z 1−z = 1− . Por ultimo: ´ 2 − (n + 3) (n + 2) (n + 1) 1 . = · w (w − z) n−2 i i i i . se obtiene: 1 2 (n + 1) (n + 2) 1 . z ≤ w.14] Dado el intervalo [0. Utilizando los resultados del apartado anterior se obtiene que: E [η] = 0 wnwn−1 ∂w = n . 4. 0 ≤ w ≤ 1.i i i “libroult” 2001/8/30 page 160 i 160 EJERCICIOS RESUELTOS DE PROBABILIDAD 2. = n (1 − z) n−1 . n−2 = n (n − 1) (w − z) . n P5. z) y por lo tanto: fη|ζ=z (w) = 3.ζ (w. A partir de lo anterior se obtiene que: fη (w) fζ (z) fη. z) (n − 1) (w − z) = n−1 fζ (z) (1 − z) . De la misma forma. E η2 Por lo tanto: 1 = 0 w2 nwn−1 ∂w = V (η) = E η 2 − (E [η]) = 5. n−2 fη.ζ (w. para 0 ≤ z ≤ 1.

i i

i

“libroult” 2001/8/30 page 161 i

CAP´ ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o

161

Para que esta ecuaci´n tenga soluciones reales, el discriminante, b2 − 4ac, o ha de ser mayor o igual que cero. Por lo tanto, la probabilidad deseada es P B 2 − 4AC ≥ 0 , donde A, B y C son variables aleatorias con distribuci´n uniforme sobre el intervalo [0, 1]. Para ello, vamos a considerar o una nueva variable aleatoria ξ = AC, con funci´n de densidad fξ (x). Se o tiene entonces que: P B 2 − 4AC ≥ 0 = 1 − P B 2 − 4AC < 0 = 1 − P B <
1/4 √ 2 x 1 1

4AC =

= 1−
0 0

fB (b) · ∂b ·fξ (x)·∂x−
1/4 0

fB (b) · ∂b ·fξ (x)·∂x.

Ahora bien, la funci´n de densidad de la variable aleatoria ξ se obtiene a o partir de: Fξ (x) = P (ξ ≤ x) = P (AC ≤ x) =
x 1

=
0 1 0

fC (c) · ∂c · fA (a) · ∂a
x/a

+
x 0

fC (c) · ∂c

· fA (a) · ∂a =

= x − xlnx, y por lo tanto: fξ (x) = ∂Fξ (x) = −lnx, para x ∈ [0, 1] . ∂x

Sustituyendo en el desarrollo anterior se tiene que: 1 1 3 1 5 1 P B 2 − 4AC ≥ 0 = 1 − ln2 − − + ln2 = + ln2 = 0, 2544. 3 9 4 2 36 6 Antes de terminar conviene observar que, aunque a sea distinto de cero con probabilidad 1, no conviene dividir por a y estudiar la ecuaci´n o x2 + (b/a)x + (c/a) = 0, ya que, aunque A, B, C sean independientes, las variables B/A y C/A no lo son. P5.15] Sea f (x, y) = cyex , x ≤ y ≤ 0; f (x, y) = 0 en el resto. 1. Calcular c y obtener las funciones de distribuci´n conjunta, maro ginales y condicionadas. Expresar y comprobar la relaci´n que hay o entre ellas.

i i i

i

i i

i

“libroult” 2001/8/30 page 162 i

162

EJERCICIOS RESUELTOS DE PROBABILIDAD y

R4

R3 x R2

R1

Figura 5.5: Regiones del plano para el problema P5.15.

2. Calcular la esperanza de η dado ξ + 2 = 0, la funci´n caracter´ o ıstica de η dado η + 2 ≤ 0; la funci´n de distribuci´n de η dado ξ + 2 ≤ o o 0 ≤ η + 2; y la funci´n de densidad de η dado ξ + η + 2 ≥ 0. o Soluci´n o 1. La funci´n f (x, y) = cyex debe verificar: o
0 −∞ 0 x

cyex ∂y ∂x = 1,

y esto se cumple si c = −1. Para obtener la funci´n de distribuci´n conjunta, debemos dividir o o el plano en diferentes regiones y estudiar el valor de la probabilidad F (x, y) = P (ξ ≤ x, η ≤ y) en cada una. Se tiene: si x ≤ y ≤ 0:
x y s

F (x, y) =
−∞

−tes ∂t ∂s =

x2 y2 −x+1− 2 2

ex ,

si y ≤ x:
y y s

F (x, y) =
−∞

−tes ∂t ∂s = (1 − y) ey ,

si x ≤ 0, y ≥ 0:
x 0 t

F (x, y) =
−∞

−tes ∂t ∂s =

x2 − x + 1 ex , 2

i i i

i

i i

i

“libroult” 2001/8/30 page 163 i

CAP´ ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES en otro caso: F (x, y) = 1.

163

Por otra parte, las correspondientes funciones de distribuci´n maro ginales son:
x 0 s y s

Fξ (x) Fη (y)

=
−∞ y

−tes ∂t ∂s =

x2 − x + 1 ex , para x ≤ 0. 2

=
−∞

−tes ∂t ∂s = (1 − y) ey , para y ≤ 0.

Las funciones de distribuci´n condicionadas son: o Si y ≤ 0: Fξ|η=y (x) = Si x ≤ 0: Fη|ξ=x (y) = 2. Se obtiene que: E [η | ξ + 2 = 0] = E [η | ξ = −2] = 4 yfη|ξ=−2 (y) ∂y = − . 3 −2 1 P (η ≤ −2)
0 −2 0

Rx −yes ∂s R−∞ y s
−∞

−ye ∂s

= ex−y

si x ≤ y si y < x.

1

  

Ry −tex ∂t Rx 0 x
x

−te ∂t

=1−

y 2 x

si x ≤ y ≤ 0 si y ≥ 0 si y < x.

 1  0

Adem´s, la funci´n caracter´ a o ıstica de η dado η + 2 ≤ 0 es: ϕη|η≤−2 (t) = E eitη | η ≤ −2 = = = 1 Fη (−2) −e2 + e 3
0 −2 −it

eity fη (y) ∂y

eity (−ey + (1 − y) ey ) ∂y 1 it + 1 − 2 e−it . 3 it + 1

Y la funci´n de distribuci´n de η dado ξ + η + 2 ≥ 0 es: o o Fη|ξ+η+2≥0 (y) = Fη|ξ≤−2≤η (y) = = Pη|ξ≤−2≤η (η ≤ y) = P (ξ ≤ −2 ≤ y) P (ξ ≤ −2 ≤ η) F (−2, y) − F (−2, −2) = = F (−2, 0) − F (−2, −2) y2 = 1 − , para − 2 ≤ y ≤ 0. 4 =

i i i

i

y) d d d d d -100 -30 d 0 30 60 ξ E 100 Figura 5. Por ultimo. Calcular la funci´n caracter´ o ıstica de T y a partir de ella obtener su varianza. i i i i . o 1. Calcular la funci´n de densidad de la variable aleatoria T que mide o la distancia entre el lugar al que corresponde una entrada (el punto (x. esto es.16.6: Plano del teatro del ejercicio P5. ξ + η ≥ −2) = P (ξ + η ≥ −2) y −1 0 −1 t −2−t t −2−t −tes ∂s ∂t −tes ∂s ∂t = = ey (y − 1) + e−2−y (y + 1) + 2e−1 .16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la figura 5.i i i “libroult” 2001/8/30 page 164 i 164 EJERCICIOS RESUELTOS DE PROBABILIDAD η T (x. para obtener la funci´n de densidad de η dado ξ + η + ´ o 2 ≥ 0. a a e m´s de 60 metros a la derecha del eje η? Hallar la posici´n media a o en este caso. 3. Fη|ξ+η+2≥0 (y) = = P (η ≤ y. e−2 + 2e−1 − 1 yey − ye−2−y . tras derivar en la anterior expresi´n se obtiene: o fη|ξ+η+2≥0 (y | ξ + η + 2 ≥ 0) = P5. Cuando se compra una entrada cada asiento es equiprobable (distribuci´n uniforme en las gradas). calculemos primero la correspondiente funci´n de distribuci´n o o para posteriormente derivar. ¿Cu´l es la probabilidad de que el sitio est´ a la sombra. As´ se obtiene que: ı. e−2 + 2e−1 − 1 Por lo tanto. y) y el centro del escenario (el origen 0). 2.16.

s2 100 Adem´s. . teniendo en cuenta que: a ∂ k) ϕT (s) |s=0 = mk . donde: t ∂t = 4550 30 1 cos (100s) + 100ssen (100s) − cos (30s) − 30ssen (30s) . a La funci´n caracter´ o ıstica de la variable aleatoria T es: ϕT (s) = E eisT = E [cos (sT )] + iE [sen (sT )] . 2 − 302 100 9100 para 30 ≤ t ≤ 100. si el punto (x. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1.i i i “libroult” 2001/8/30 page 165 i CAP´ ITULO 5. en otro caso Para hallar la funci´n de densidad de la distancia al origen. y) = 2 π(1002 −302 ) 165 0 . ∂sk se obtiene: V (T ) = m2 − m2 = 1 ∂ 2) ϕT (s) |s=0 − ∂s2 ∂ϕT (s) |s=0 ∂s 2 . 4550 s2 Se obtiene finalmente que: E [cos (sT )] = cos (st) ϕT (s) = is 100eis100 − 30eis30 − eis100 + eis30 . . . 2. 4550 N´tese que la funci´n de distribuci´n de la variable se ha obtenido o o o a partir de las ´reas de los correspondientes semianillos circulares. y derivando en la anterior expresi´n se concluye o que: t fT (t) = para 30 ≤ t ≤ 100. El ´rea de las gradas es π 1002 − 302 /2. k = 1. t2 − 302 t2 − 900 = . = 4550 s2 mientras que: E [sen (sT )] = 1 −sen (100s) + 100scos (100s) + sen (30s) − 30scos (30s) − . y por tanto: a f (x. i i i i . obteno gamos primero: FT (t) = P (distancia al centro < t) = = π (t2 −302 ) 2 π(1002 −302 ) 2 = 2. y) pertenece a las gradas .

En la esquina 0 duerme el perro guardi´n. 15646. Hallar la funci´n de densidad del tiempo que tarda en coger al ino truso. en menos de 15 segundos. η). 1. y por lo tanto.5. la probabilidad que se pide es: 2236. una con frutales y otra con hortalizas. La segunda coordenada η se distribuye uniformemente dentro de cada cultivo.i i i “libroult” 2001/8/30 page 166 i 166 η 200 EJERCICIOS RESUELTOS DE PROBABILIDAD T frutales 100 hortalizas 0 200 E ξ Figura 5.7. 3. tal como muestra la figura 5. El perro corre a 10 m/s. pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. a La primera coordenada ξ tiene funci´n de densidad fξ (x) = x/2000 si o 0 ≤ x ≤ 200. P5. se encontrar´ en un punto aleatorio de la finca (ξ.17] Una finca cuadrada cuyo lado mide 200 metros est´ dividida en dos a partes iguales. Para obtener la probabilidad de estar a la sombra se calcula el ´rea a de la zona a la sombra: 100 60 0 √ 1002 −x2 100 ∂y ∂x = 60 1002 − x2 ∂x = 2236. Hallar la primera coordenada de la posici´n media en que se da o caza. o o 2. 3. Hallar la funci´n de distribuci´n de la coordenada η.17. si detecta la presencia de un intruso sale en su persecuci´n moo vi´ndose s´lo en las direcciones de los ejes. que queda inm´vil al e o o o despertarse el perro. y cero en otro caso. i i i i . El ladr´n. a un ladr´n que se encuentra en los o frutales.5 π(1002 −302 ) 2 = 0. Cuando el perro se a despierta.7: Plano de la finca del ejercicio P5.

si 100 < y ≤ 200 a Adem´s.i i i “libroult” 2001/8/30 page 167 i CAP´ ITULO 5.η (x. y) que verifique (x + y) /10 ≤ t. 0 ≤ x ≤ 200. En primer lugar calculemos la probabilidad de que tarde menos de t segundos en coger al intruso. debe verificarse: a 100 0 1 · ∂y + a 200 100 2 · ∂y = 1. la funci´n de distribuci´n de o o la variable T en el punto t. ya que ξ y η son variables aleatorias independientes. 0 < x ≤ 200. 167 De acuerdo con los datos del problema. Dado que para llegar a un punto (x. 2. si 100 < y ≤ 200. Hay que distinguir varios casos: Si 0 ≤ t ≤ 10: 10t 10t−y 0 FT (t) = 0 x t3 ∂x∂y = 5 6 · 10 3600 Si 10 < t ≤ 20: 100 10t−y 0 FT (t) = 0 x ∂x∂y + 6 · 105 10t 100 0 10t−y x ∂x∂y 3 · 105 Si 20 < t ≤ 30: 100 10t−y 0 FT (t) = 0 x ∂x∂y + 6 · 105 200 100 0 10t−y x ∂x∂y 3 · 105 i i i i . Es decir. VARIABLES ALEATORIAS BIDIMENSIONALES Soluci´n o 1. y) el perro debe recorrer x + y metros. la funci´n de densidad de la o variable η es de la forma:  1  a . por lo tanto. y) = fξ (x) · fη (y) = 1 x 300 2000 2 x 300 2000 = = x 600000 x 300000 si 0 ≤ y ≤ 100. es decir. la distribuci´n marginal es x/(3 · 105 ) en los frutales y o x/(6 · 105 ) en las hortalizas. si 0 ≤ y ≤ 100 fη (y) =  2 . se tiene: fξ. a Efectuando los c´lculos correspondientes se obtiene: a fη (y) = 1/300 2/300 si 0 ≤ y ≤ 100 si 100 < y ≤ 200 y. entonces dicha probabilidad es equivalente a la de que el intruso se encuentre en un punto (x.

S (t. Se desea ahora calcular el valor esperado de ξ supuesto que η ≥ 100 y ξ + η ≤ 150. donde T := (ξ + η)/10 y S := ξ. 200 100 0 10t−y x ∂x∂y 3 · 105 Si 40 < t: Derivando FT (t) se obtiene la funci´n de densidad deseada. ξ + η ≤ 150) P (η ≥ 100. ξ + η ≤ 150) Claramente los valores relevantes suceden para 0 ≤ z ≤ 50. 10t − s). La funci´n de distribuci´n de esta variable aleatoria o o condicionada Z es: FZ (z) = P (ξ ≤ z. Otra o alternativa m´s propia de este cap´ a ıtulo consiste en calcular la funci´n o de densidad conjunta de la variable (T. η ≥ 100.i i i “libroult” 2001/8/30 page 168 i 168 EJERCICIOS RESUELTOS DE PROBABILIDAD Si 30 < t ≤ 40: 100 200 0 FT (t) = 0 x ∂x∂y + 6 · 105 FT (t) = 1. 3. y para cada uno: FZ (z) = z 150−x (x/300000)∂y∂x 0 100 50 150−x (x/300000)∂y∂x 0 100 = 150z 2 − 2z 3 .η (s. dado que ξ = S y η = 10T − S entonces fT. S). i i i i . teniendo presente que conocemos la funci´n de densidad o de la variable (ξ. 125000 La funci´n de densidad es: o fZ (z) = 300z − 6z 2 125000 y por tanto la esperanza solicitada es: 50 E[Z] = 0 zfZ (z)∂z = 25. η). s) = 10 · fξ. Concretamente.

r Sea {ξn } una sucesi´n de variables aleatorias tales que E [ξn ] < ∞. ξn → ξ. a 169 i i i i . se dice que la sucesi´n converge en media o cuadr´tica hacia la variable ξ. equivalentemente. diremos que Fξn converge en ley a Fξ . o. ım Se denota ξn → ξ. P ). para cualquier > 0: n→∞ L L l´ P ({w ∈ Ω : |ξn (w) − ξ(w)| > }) = 0. para o alg´n r > 0. ϕ. Se dice que la sucesi´n converge en probabilidad o a una variable aleatoria ξ si. Se dice que ξn converge en media r hacia una variable u aleatoria ξ si E [ξ r ] < ∞ y adem´s: a P n→∞ r l´ E[|ξn − ξ| ] = 0. Si r = 2. ım en todo punto x en el que Fξ sea continua. Si existe una funci´n o o o de distribuci´n Fξ tal que: o n→∞ l´ Fξn (x) = Fξ (x). Sea {ξn } una sucesi´n de variables aleatorias definidas sobre el espacio de o probabilidad (Ω. ım r y se denota ξn → ξ.i i i “libroult” 2001/8/30 page 169 i CAP´ ITULO 6 Convergencia Sea {Fξn } una sucesi´n de funciones de distribuci´n. y se denota Fξn → Fξ .

. . . n i=1 ξi − nµ L √ → Z. con media µ y varianza σ 2 finitas. Se verifica. . La Ley Fuerte de los Grandes N´meros de Kolmogorov afirma que. ϕ. . . . si ξn → ξ. ξn . ım n→∞ y se denota ξn → ξ. . u o n 1 definida por ηn = n i=1 (ξi − E[ξi ]) converge casi seguro a 0. . P ). . . con media y varianzas finitas. Ejercicios Resueltos P6. . . ξn . . . P L c. o P ({w ∈ Ω : l´ ξn (w) = ξ(w)}) = 1. dada una sucesi´n de variables aleao torias ξ1 . . . El teorema de Tchebyshev afirma que.s. a u Una secuencia de variables aleatorias ξ1 . . . Una secuencia de variables aleatorias ξ1 . para alg´n r > 0. . . cumple la Ley Fuerte de los Grandes N´meros si la sucesi´n de variables aleatorias η1 . ξn . ξn . ım n→∞ r P c. .1] Sea {Xn }n∈N una sucesi´n de variables aleatorias con distribuci´n: o o k 0 1 − 1/n 1 P (Xn = k) 1 − 1/n 1/ (2n) 1/ (2n) i i i i . . . Diremos que esta sucesi´n converge casi seguro o hacia una variable aleatoria ξ si y s´lo si. u o n 1 definida por ηn = n i=1 (ξi − E[ξi ]) converge en probabilidad a 0. . y tal que l´ n→∞ V [ξn ] = 0. con media y varianzas finitas. . se verifica ξn → ξ. . . ηn . . . . A continuaci´n se observan las relaciones que existen entre los distintos o tipos de convergencia: ξn → ξ ⇒ ξn → ξ ⇒ ξn → ξ Adem´s. . . u Sea {ξn } una secuencia de variables aleatorias independientes e id´nticamene te distribuidas. . . . . . entonces {ξn } cumple la Ley Fuerte de los ım Grandes N´meros. . σ/ n donde Z es una variable aleatoria normal con media cero y varianza 1. .s. cumple la Ley D´bil e de los Grandes N´meros si la sucesi´n de variables aleatorias η1 . . . ηn . por el Teorema Central del L´ ımite. ım entonces ξn − E[ξn ] converge en probabilidad a 0 si y s´lo si para cualquier o > 0: l´ P ({w ∈ Ω : |ξn (w) − E[ξn (w)]| > }) = 0.i i i “libroult” 2001/8/30 page 170 i 170 EJERCICIOS RESUELTOS DE PROBABILIDAD Sea {ξn } una sucesi´n de variables aleatorias definidas sobre el espacio o de probabilidad (Ω. y o n tal que l´ n→∞ i=1 V [ξi ]/i2 < ∞. dada una u sucesi´n de variables aleatorias ξ1 .

. si ε < 1 − 1/n P (Xn = 1) = 1/ (2n) . en ley y en media cuadr´tica a de esta sucesi´n a la variable X ≡ 0.2] Sean {Xi }i=1 variables aleatorias independientes distribuidas uniformemente en el intervalo [0. 2n 2n 2n3 l´ E |Xn | ım 2 = 0. se tiene que: P (|Xn − X| > ε)   P (Xn = 1 − 1/n) + P (Xn = 1) = 1/n . o Soluci´n o Estudiemos en primer lugar si la sucesi´n {Xn }n∈N converge en probao bilidad a la variable X ≡ 0. =  0 . se concluye que la sucesi´n converge en ley a esta ultima o ´ variable. si t<0 . n´tese que la funci´n de distribuci´n o o o de la variable Xn . Para ello. n ∈ N es:  . θ > 0. Para ello es necesario calcular: o E |Xn − 0| Se observa que: n→∞ 2 = 1− 1 n 2 · 1 1 2n2 − n + 1 + 12 · = . θ] ... Finalmente. si ε ≥ 1 prob´ndose as´ que esta sucesi´n converge en probabilidad a la variable a ı o X. si . a i∈{1. t≥0 que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. si t < 0  0   1 1 .. si 0 ≤ t < 1 − n 1− n FXn (t) = 1 1 2n−1 1 . dado un ε > 0. de lo que se sigue que la sucesi´n converge en media cuadr´tica a la o a variable aleatoria degenerada X ≡ 0. si 1 − n ≤ t < 1  1 − n + 2n = 2n   1 . si t ≥ 1 y se verifica: n→∞ l´ FXn (t) = ım 0 1 . Para estudiar la convergencia en ley. P6.i i i “libroult” 2001/8/30 page 171 i CAP´ ITULO 6.n} n i i i i . CONVERGENCIA 171 Estudiar la convergencia en probabilidad. Por lo tanto. Estudiar la convergencia en ley de la variable aleatoria X(n) = m´x Xi . se analizar´ la convergencia en media cuadr´tica de la sucea a si´n. si 1 − 1/n ≤ ε < 1 .

.. t≥θ que es la funci´n de distribuci´n de la variable aleatoria degenerada X ≡ o o 0. esta funci´n de distribuci´n tiende a: o o FX (t) = 0 1 . . si t < 1  0   1/3 . . para o o t ∈ [0. FX(n) (t) = 0 si t < 0. .i i i “libroult” 2001/8/30 page 172 i 172 Soluci´n o EJERCICIOS RESUELTOS DE PROBABILIDAD Las variables aleatorias Xi . n tienen como funci´n de distribuci´n o o a: t FXi (x) = .  2/3 ..3] Dar un ejemplo de una sucesi´n de variables aleatorias {Xn }n∈N que o converja a una variable aleatoria X en ley pero no en probabilidad. θ] .n} y. si 1 ≤ t < 2 FXn (t) = . Soluci´n o Sea una sucesi´n de variables aleatorias {Xn }n∈N y una variable aleatoria o X con la siguiente distribuci´n conjunta: o Xn | X 1 2 3 1 0 0 1/3 2 1/3 0 0 3 0 1/3 0 . por su parte. . θ La variable X(n) . y es igual a 1 si t ≥ θ.. . Adem´s. Esta sucesi´n converge en ley a la variable aleatoria X. i∈{1. P6.. Se observa que. pues: o  . . se verifica: FX(n) (t) = P (X1 ≤ t. . i = 1. tiene como funci´n de distribuci´n. θ): FX(n) (t) = P X(n) ≤ t = P m´x a Xi ≤ t = P (X1 ≤ t. si 2 ≤ t < 3   1 . para x ∈ [0. si t ≥ 3 i i i i . si t<θ . ya que estas variables son independientes. . Xn ≤ t) . si . Xn ≤ t) = [P (X1 ≤ t)] = n t θ n . . a cuando n tiende a infinito..

si . 2. t≥0 que es la funci´n de distribuci´n de la variable aleatoria ξ ≡ 0. si 0 < ε < 1  1 1/3 . si . Por lo o o tanto: L ξn → 0. ≥n i i i i . ım Sin embargo. . P6.4] Sea {Fξn } una sucesi´n de funciones de o guiente forma:  . para todo > 0.i i i “libroult” 2001/8/30 page 173 i CAP´ ITULO 6. Demostrar que esta sucesi´n converge en probabilidad o a la variable aleatoria degenerada ξ ≡ 0. .5] Sea la sucesi´n de variables aleatorias {ξn } tales que: o P (ξn = 0) = 1 − 1 n2 1 P (ξn = n) = 2 n para n = 1. si t<0 . si <n . . si Fξn (t) =  1 . si 1 ≤ ε < 2 . Se observa que: P (|ξn − 0| > ) = 0 1 n2 . CONVERGENCIA y se verifica que: n→∞ 173 l´ FXn (t) = FX (t) . la convergencia en el l´ ımite de P (|ξn − 0| > ). pero sin embargo no converge en media cuadr´tica.. P (|Xn − X| > ε) =  0 . por lo que la sucesi´n {Xn }n∈N o no converge en probabilidad a la variable X. si distribuci´n definidas de la sio t<0 0≤t<n . o Soluci´n o Esta sucesi´n converge de forma clara a: o F (t) = 0 1 . si  0 1 1 − n . a Soluci´n o Para estudiar la convergencia en probabilidad es necesario ver. dado un ε > 0 :  . si ε ≥ 2 que no converge a cero cuando n → ∞. n≤t Estudiar la convergencia en ley de esta sucesi´n. P6.

e u Soluci´n o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta. . sino que la probabilidad de que la diferencia entre esta proporci´n y 2/3 sea mayor que una cierta cantidad ε > 0 tiende a o cero. que acierta el primer empleado. sea X1 una variable aleatoria con distribuci´n binomial de par´metros o a n1 = 30 y p1 = 1/2 que representa el n´mero de preguntas. n´tese que E |ξn | = 1. Sean ξ1 . a i i i i . Esto no quiere decir que la proporci´n de aciertos se acerque o a 2/3 conforme crece n. siendo p = 2/3 su probabilidad de encestar en cada tiro. de acuerdo con la Ley D´bil de los Grandes N´meros. y sigue una distribuci´n tambi´n o e binomial de par´metros n2 = 60 y p2 = 1/2. ξ2 . Obtener la probabilidad de que el primer empleado conteste correctamente a m´s de 40 preguntas. Sea tambi´n otra e variable X2 que representa esto ultimo en el caso del segundo empleado ´ (de un total de 60 respondidas al azar).7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una. P6. a P6. ım 2 Sin embargo. por lo que esta sucesi´n no cono o verge en media cuadr´tica a la variable aleatoria ξ ≡ 0. Si uno de los dos empleados contestara al azar a todas las preguntas. del total de u 30 que responde al azar. donde cada variable representa el resula tado de un tiro a canasta y p es la probabilidad de ´xito. . Realizados n e n o tiros.i i i “libroult” 2001/8/30 page 174 i 174 por lo que: EJERCICIOS RESUELTOS DE PROBABILIDAD n→∞ l´ P (|ξn − 0| > ) = 0. ¿Cu´l es la probabilidad de que el segundo empleado responda adea cuadamente a un m´ ınimo de 50 preguntas? 3. de las que s´lo hay una cierta) a dos miembros de su plantilla o que han solicitado un ascenso a un puesto del que s´lo hay una plaza o vacante. . esta proporci´n converge en probabie u o lidad a 2/3. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes. Entonces. y el segundo empleado tan s´lo puede contestar correctamente a 20 y responde al azar al resto: o 1. i=1 ξi /n es la proporci´n de aciertos.6] Aplique la Ley D´bil de los Grandes N´meros a un ejemplo. . ¿cu´l ser´ la probabilidad de que acertara al menos 40? a ıa Soluci´n o Suponiendo la independencia entre preguntas en el caso de cada empleado. a 2. ξn variables aleatorias independientes con distribuci´n de o Bernoulli de par´metro p = 2/3.

2.5 − 30 √ 15 = 0.5517 Definamos una variable Y que representa el n´mero de respuestas u correctas del empleado. 175 Aproximemos. y aplicando el Teorema Central del L´ ımite. Teniendo en a cuenta lo anterior. n2 · p2 · (1 − p2 ) = 15) . Z> 10 + 0.5) .5 = 0. obteni´ndose que: e P (X2 ≥ 30) ∼ P = 3. n variables aleatorias independientes con distribuci´n de Poisson de par´metro λ = 1. en el caso de que ´ste responda las 80 pregune tas al azar. La distribuci´n de o la suma de estas n variables es una Poisson de par´metro nλ.5438 P6.5 − 15 √ 7. a 100 + 0. Procediendo de forma an´loga a los casos anteriores. y sigue una distribuci´n binomial de par´metros n = 80 o a y p = 1/2. . que representan el n´mero de persoo a u nas que acuden al banco en una semana determinada. a una normal de par´metros µ = 104 y σ 2 = 104. la distribuci´n discreta X1 a una normal o ∗ X1 ∼ N (n1 · p1 = 15.8] El n´mero de personas que acuden un banco en una semana para abrir u una cuenta sigue una distribuci´n de Poisson de par´metro λ = 1. Z> 30 − 0.5 − 104 √ 104 Se tiene entonces que: P (X > 100) ∼ P = Z> = 0. . la a probabilidad de que acierte al menos 40 preguntas es: P (Y ≥ 40) ∼ P = Z> 40 − 0. ¿Cu´l o a a es la probabilidad de que en dos a˜os (es decir. 104 semanas) se hayan n abierto m´s de 100 cuentas? a Soluci´n o Sean Xi . .6331 i i i i . podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 a˜os).i i i “libroult” 2001/8/30 page 175 i CAP´ ITULO 6. mediante el Teorema Central del L´ ımite. aplicando adem´s una correcci´n por continuidad para el c´lculo de a o a la probabilidad: P (X1 > 10) ∼ P = 2. n1 · p1 · (1 − p1 ) = 7.9495 De forma similar al apartado anterior. aproximemos la variable aleatoria X2 a una normal ∗ X2 ∼ N (n2 · p2 = 30. i = 1.5 − 40 √ 20 = 0. X = n 104 i=1 Xi . . CONVERGENCIA 1.

i i i “libroult” 2001/8/30 page 176 i i i i i .

se define el “coeficiente de correlaci´n entre o X e Y ” como: cov (X. V (X) 2 se Si existen E X 2 y E Y 2 . Y ) · (x − E [X]) . N´tese que ρXY = 0 si y s´lo si cov (X. entre las que existe una relaci´n funcional del tipo y = E [Y | x]. Y ) ρXY = ρ = .i i i “libroult” 2001/8/30 page 177 i CAP´ ITULO 7 Regresi´n y correlaci´n o o Sean X e Y variables aleatorias dependientes. e a 177 i i i i . entonces tambi´n est´n incorreladas. denominada “regresi´n de Y soo o bre X”. Y ) = 0. Calculando los valores de a y b que minimizan E (Y − aX − b) obtiene la denominada “recta de regresi´n de Y sobre X”: o y − E [Y ] = cov (X. Se dice que dos variables aleatorias X e Y est´n incorreladas si y s´lo si a o se verifica ρXY = 0. por lo que si X e Y son o o independientes. Un caso particular consiste en aproximar la relaci´n entre ambas o variables por una recta: y = ax + b. V (X) · V (Y ) El coeficiente de correlaci´n entre dos variables aleatorias X e Y verifica: o |ρXY | ≤ 1.

= 0 x· 1/2 1 − x · fX (x) · ∂x = 2 1 − x · ∂x − 2 1 = 0 x· 1 . i i i i . cov (X. = 1 1 1 − · = 0. 1). y se concluye as´ que ambas variables est´n inı a correladas. 8 2 4 Por lo tanto. Se tiene que: o cov X.1] Sea X una variable aleatoria que se distribuye uniformemente en el intervalo (0.i i i “libroult” 2001/8/30 page 178 i 178 EJERCICIOS RESUELTOS DE PROBABILIDAD Ejercicios Resueltos P7. la distribuci´n de probabilidad conjunta de las variables aleatorias X e o Y. P7.3] Sea X|Y 1 2 0 3 0.3 0. Entonces. ¿Est´n las variables aleatorias X y |1/2 − X| incorreladas? a Soluci´n o Para estudiar si estas variables est´n incorreladas obtengamos el coefia ciente de correlaci´n ρXY .1 0.2] Sean U y V variables aleatorias con igual media e igual varianza. Y ) = E [XY ]−E [X] E [Y ] = E U 2 − V 2 − E [U ] − E [V ] y por lo tanto ρXY = 0.5 2 2 = 0. Soluci´n o Definamos X = U + V e Y = U − V . 2 1 0 x· 1/2 1 1 − x · ∂x = . siendo: E X· 1 −X 2 1 1 −X 2 =E X· 1 −X 2 − E [X] · E 1 −X 2 .1 0. ρXY = 0. P7. 2 8 E [X] = E 1 −X 2 = 1 − x · fX (x) · ∂x = 2 1 −X 2 1 0 1 1 − x · ∂x = . Utilizando estas variables. 2 4 por lo que: cov X. obtenga dos variables aleatorias incorreladas.

4 0.6. E Y 2 j=1 2 2 yj P (Y = yj ) = 5.i i i “libroult” 2001/8/30 page 179 i ´ ´ CAP´ ITULO 7.8 (2. La recta de regresi´n de Y sobre X es: o y − 1.6 E [X · Y ] = i=1 j=1 2 xi yj P (X = xi . 9 i i i i .4 − 1. 15 x y = + 1.62 ) · (5.8 − 1. o Determinar la recta de regresi´n de Y sobre X. Y = yj ) = 3.75 · (x − 1. xi P (X = xi ) = 1. 3.4 j=1 E [Y ] = = Finalmente: ρXY = 2.8 = 1.4 0. o 179 Soluci´n o 1.3.6) . P7.8 i yj P (Y = yj ) = 1. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 η = yi 0 3 Adem´s: a 2 2 P (X = xi ) 0. Obtener el coeficiente de correlaci´n de estas variables.8. REGRESION Y CORRELACION 1.6 P (Y = yi ) 0. 58333.3 − 1.6 · 1. 2. E X 2 i=1 2 E [X] = = i=1 2 x2 P (X = xi ) = 2.82 ) = 0.4] Sean: y= x + 2.

luego ρXY = 0. Y )] 9 = . en otro caso Determinar el coeficiente de correlaci´n entre X e Y. V (X) 15 cov (X. se observa que 1 cov (X. 2 P7. i i i i . Y ) x − E [X] = · (y − E [Y ]) .i i i “libroult” 2001/8/30 page 180 i 180 EJERCICIOS RESUELTOS DE PROBABILIDAD las rectas de regresi´n de la variable aleatoria bidimensional (X. Y ) = . Y ) · (x − E [X]) . 0 < x < 1 0 . 1+y . respectivamente: o y − E [Y ] = cov (X. si |y| < x. o Soluci´n o Las funciones de densidad marginales de estas dos variables son: 2x fX (x) = 0   1−y . V (X) cov (X. Y ) una variable aleatoria bidimensional con la siguiente distribuci´n conjunta: o f (x. o Soluci´n o Las rectas de regresi´n de Y sobre X y de X sobre Y son. fY (y) =  0 . V (Y ) Se obtiene entonces que: ρ2 = XY por lo que finalmente ρXY = [cov (X.5] Sea (X. Deo terminar el coeficiente de correlaci´n entre X e Y. Y ) = E [XY ] − E [X] E [Y ] = 1 0 x −x 1 0 x −x . Y ). Y ) = 9. en otro caso si 0 < y < 1 si − 1 < y ≤ 0 en otro caso xyf (x. si 0 < x < 1 . V (Y ) Por lo tanto. por lo que se obtiene que: cov (X. y) ∂y ∂x = xy∂y ∂x = 0. y) = 1 . V (X) V (Y ) 15 9/15.

por lo tanto: o y− es decir: y− 1 = 6 1 9 − 7 72 1 36 · x− 1 6 . si 0 ≤ x ≤ 1. 6 E X2 = 0 x2 · fX (x) · ∂x = 1 =E Y2 . o Soluci´n o Las correspondientes funciones de densidad marginales son: 1 1 fX (x) = 0 1 f (x. el coeficiente de correlaci´n entre las variables X e Y es: o ρXY = 1 12 7 72 = 6 .i i i “libroult” 2001/8/30 page 181 i ´ ´ CAP´ ITULO 7. y) · ∂y = 0 1 xy · ∂y = xy · ∂x = 0 x . 2 y .6] Sea (X. 7 i i i i . 0 ≤ y ≤ 1. y) · ∂x = Se obtiene entonces: 1 E [X] = 0 x · fX (x) · ∂x = 1 1 = E [Y ] . 6 1 1 = · x− 6 7 6 . Finalmente. 8 7 . y) ∂y∂x = La recta de regresi´n de Y sobre X es. Y ) una variable aleatoria bidimensional con funci´n de densidad o conjunta: f (x. 9 y por lo tanto V (X) = V (Y ) = Adem´s: a E [XY ] = 0 0 1 1 xyf (x. 72 1 . Obtenga la recta de regresi´n de Y sobre X y calcule el coeficiente de o correlaci´n entre ambas variables. REGRESION Y CORRELACION 181 P7. 2 fY (y) = 0 f (x. y) = xy.

i i i “libroult” 2001/8/30 page 182 i i i i i .

1985. Nueva York. Rivera. Alhambra. Garc´ L. Pir´mide. [4] J. Mart´ Pliego. Ru´ Maya: Problemas de ın ız Probabilidad. Ed.M. 1998. Ed.I. Cuadras: Problemas de Probabilidades y Estad´ ıstica. Quesada: Ejercicios y Problemas de C´lculo de Probabilidades. A. Morales. Lopez: Curso y Ejercicios de Estad´ ıstica. V. probabilidad e inferencia. Isidoro. Zamora: Problemas de ıa. [3] F. Pardo. Casas.F. AC. Montero. Montero. 1976. [2] C. Ed. John Wiley & Sons. 1988. L. A. Madrid. C.M. L. D. [6] V. a 1998.i i i “libroult” 2001/8/30 page 183 i Bibliograf´ ıa [1] J.M. Ed. Barcelona. D´ de Santos. Quesada. Madrid.J. a ıaz ´ [5] V. 183 i i i i . PPU. Madrid. 1984. Rohatgi: An Introduction to Probability Theory and Mathematical Statistics. Estad´ ıstica. Ed. Ed. Vol 1: Probabilidades.J.A. Descriptiva. J. L.