Barcelona, 10 de gener de 2024

Examen d’Introducció a la Probabilitat. AVALUACIÓ CONTINUADA.

Atenció: és necessari definir prèviament els successos rellevants. Totes les variables aleatòries utilitzades s’han d’es-
pecificar amb claredat. Els càlculs hauran d’estar degudament justificats.

1. Una capsa conté dues monedes normals i una moneda trucada, que té dues cares.

(a) Escollim una moneda a l’atzar i es llança dues vegades a l’aire. Quina és la probabilitat que surtin dues cares?
(3 pts.)
Introduzcamos la siguiente notación: N =”Moneda normal”(cualquiera de las dos perfectamente simétricas),
T =”Moneda trucada”(la moneda con dos caras).
Llamemos DC al suceso ”dos caras”(al lanzar dos veces una de las tres monedas).
Por el Teorema de las probabilidades totales (N y T constituyen una partición del espacio muestral) tendre-
mos:

(1) P (DC) = P (N ) × P (DC|N ) + P (T ) × P (DC|T )

Si elegimos una moneda u otra con la misma propensión o facilidad, entonces P (N ) = 23 y P (T ) = 13 . Por
otra parte en obvio que P (DC|T ) = 1 y que si tiramos la moneda normal dos veces con independencia, si
llamamos C1 al suceso cara en el primer lanzamiento y C2 al suceso cara en el segundo, entonces P (DC|N ) =
P (C1 ∩ C2 |N ) = P (C1 |N )P (> C2 |N ) = 21 × 21 = 14 . Luego a partir de (1) resulta:

2 1 1 1 1 1
(2) P (DC) = × + ×1 = + = .
3 4 3 6 3 2

(b) Escollim una moneda a l’atzar i es llança tres vegades a l’aire. Quina és la probabilitat que surtin almenys
dues cares? (4 pts.)
Similar al anterior, pero ahora lanzamos una de las tres monedas tres veces. Sea X la variable aleatoria número
de caras en el lanzamiento de tres monedas, bajo condiciones de independencia. Entonces, si hemos elegido
una moneda normal, la distribución de X es una Binomial de parámetros n = 3 y p = 12 (X ∼ B(n = 3, p = 1/2)).
Por tanto
!  2  1
3 1 3 1 0
!   
3 1 1 1 1 1
(3) P (X ≥ 2|N ) = P (X = 2|N ) + P (X = 3|N ) = + = 3× + =
2 2 2 3 2 2 8 8 2

Por otra parte es claro que P (X ≥ 2|T ) = 1. Luego resultará, por el Teorema de las probabilidades totales

2 1 1 1 1 2
(4) P (X ≥ 2) = × + ×1 = + = .
3 2 3 3 3 3

(c) Escollim una moneda a l’atzar i es llança tres vegades a l’aire. Si n’obtenim tres cares, quina és la probabilitat
que sigui la moneda trucada? (3 pts.)
Con la misma notación anterior, nos piden P (T |X = 3). Por el Teorema de Bayes:

P (T ∩ [X = 3]) P (T ) × P (X = 3|T )
(5) P (T |X = 3) = =
P (X = 3) P (T ) × P (X = 3|T ) + P (N ) × P (X = 3|N )

Pero es claro que P (T ) = 1/3, P (N ) = 2/3, P (X = 3|T ) = 1 y, al condicionar a N , sabemos que X ∼ B(n = 3, p =

 3  1 0 1
1/2), por tanto P (X = 3|N ) = 33 21 2 = 8 . Luego resulta, sustituyendo en (5),

(1/3) × 1 1 4
(6) P (T |X = 3) = = = .
(1/3) × 1 + (2/3) × (1/8) 1 + (1/4) 5
2. Considereu la variable aleatòria X, amb la següent funció de densitat:
 2

 x si 0≤x≤1



 ax + b


f (x) =  si 1 < x ≤ 7/3



 4


 0 altrament

(a) Trobeu els valor de a i de b per a que f (x) sigui una funció de densitat contı́nua. (2.5 pts.)

1 7/3 " 3 #1 " #7/3

a x2
Z Z
ax + b x b 5 1 2
2
x dx + dx = + + [x]7/3 = 1 ⇔ a+ b =
0 1 4 3 0 4 2 1 4 1 9 3 3

ax + b a+b
lim f (x) = 1 ⇔ lim+ =1⇔ =1
x→1+ x→1 4 4
Tenim un sistema de dues equacions amb dues incògnites. El resolem i ens dona:

a = −3 b=7

(b) Trobeu la funció de distribució de X. (2.5 pts.)




 0 si x < 0

 Zx
x3


2

t dt = si 0≤x<1




 0
 3
F(x) = 

Zx
1 −3t + 4 3 7 25


dt = − x2 + x −


 + ( si 1 ≤ x < 7/3
3 4 8 4 24




 1


 1

si x ≥ 7/3

(c) Calculeu E(X) i Var(X). (2.5 pts.)

1 7/3 " 4 #1 " #7/3 " #7/3

3 x4 7 x2
Z Z
2 −3x + 7 x 131
E(X) = xx dx + x dx = − + = = 1.213
0 1 4 4 0 4 4 1 4 2 1 108

1 7/3 #1 " #7/3 " #7/3

x5 3 x3 7 x3
Z Z "
2 2 2 2 −3x + 7 671
E(X ) = x x dx + x dx = − + = = 1.65
0 1 4 5 0 4 3 1 4 3 1 405
V ar(X) = E(X 2 ) − E(X)2 = 1.65 − (1.213)2 = 0.185

(d) Calculeu P (1/2 < X < 2) i P (X < 3/2 | X > 1). (2.5 pts.)

23 1 22
P (1/2 < X < 2) = F(2) − F(1/2) = − = = 0.92
24 24 24

71 1
P ({X < 3/2} ∩ {X > 1}) P (1 < X < 3/2) F(3/2) − F(1) 96 − 3 39
P (X < 3/2 | X > 1) = = = = = = 0.6094
P (X > 1) P (X > 1) 1 − F(1) 1 − 13 64
3. Al magatzem de fruites “Paco” es reben taronges que s’embossen amb etiqueta de 5 Kg, encara que el pes de la
bossa mai és exactament aquest. Es coneix que el pes d’una taronja es distribueix segons una Normal amb mitjana
255 grams i desviació estàndard 80 grams. Per embossar les taronges, se’n fiquen 20 (a l’atzar) i es pesa la bossa,
si no arriba a un llindar A s’afegeix una taronja més, i si supera cert llindar B se’n treu una qualsevol (podria ser
l’última ficada).

(a) Una cinquena part de les bosses que es preparen al magatzem necessita que s’afegeixi una peça més. Si un
dia s’han preparat només 10 bosses, quina és la probabilitat que, com a màxim, n’hi hagi 3 amb més de 20
taronges? (2.5 pts.)
Sigui X la variable aleatòria que ens diu de 10 bosses quantes tenen més de 20 taronges.
X ∼ B(n=10, p=1/5)
La probabilitat demanada és: P(X ≤ 3) =
! ! ! !
10 10 10 10
0.20 0.810 + 0.21 0.89 + 0.22 0.88 + 0.23 0.87 = 0.1074 + 0.2684 + 0.3020 + 0.2013 = 0.8791
0 1 2 3

(b) Si un altre dia, en canvi, s’han preparat 100 bosses, quina és la probabilitat que almenys 10 bosses continguin
més de 20 taronges? Com canviaria el càlcul d’aquesta probabilitat, si el percentatge de bosses preparades
al magatzem amb necessitat d’afegir una taronja més fos del 3%? (En aquest segon cas, no cal fer el càlcul
explı́cit, només deixar-ho indicat). (2.5 pts.)
A la variable que compta les bosses amb més de 20 taronges en un conjunt de 100 bosses l’anomenarem Y.
Y ∼ B(n=100, p=1/5)
I la pregunta és: P(Y ≥ 10), que es podria respondre com abans, encara que el càlcul no seria tan simple. Per
tant, provarem amb una aproximació del model estadı́stic: com la n és gran i la p no massa petita, substituirem
el model Binomial per una Normal:
Y ≈ N(µ = np, σ 2 = np(1 − p)) = N(20, 16). Llavors:
!
10 − 20
P(Y ≥ 10) ≃ P Z ≥ √ = P(Z ≥ −2.5)
16

On Z ∼ N(0,1). Per simetria, P(Z ≥ −2.5) = P(Z ≤ 2.5) = 0.9938 [taules]. La solució exacta és 0.9977.
Si la probabilitat fos del 3%, llavors p seria massa petita per aplicar el model Normal com a aproximació.
L’alternativa seria aproximar la Binomial per un model Poisson:
Y2 ∼ B(n=100, p=0.03)
Y2 ≈ P(λ = np) = P(3). Y la solució indicada seria:
9
X 3k
P(Y2 ≥ 10) ≃ 1 − e−3
k!
k=0

(c) Quins han de ser els llindars A i B per a que la probabilitat que una bossa de 5 Kg tingui exactament 20
taronges sigui 3/5, i que les probabilitats que n’hi hagi 19 i 21 respectivament siguin 1/5? (2.5 pts.)
Sigui T una variable aleatòria que ens diu el pes real de 20 taronges ficades a una bossa. Si aquest pes supera
el llindar B treurem una taronja i quedaran 19; si no arriba al llindar A ficarem una més i quedaran 21 a la
bossa. Volem escollir A i B tals que P(T<A) = 1/5 i P(T>B) = 1/5.
És clar, necessitem saber la distribució de probabilitat exacta del pes de 20 taronges. Com són independents
i s’agafen a l’atzar, el model de T és:

T ∼ N(µ = 20 × 255, σ 2 = 20 × 802 ) = N (5100, 128000)

Clarament, P(T>B)=1/5 ↔ P(T<B)=4/5. Si localitzem a les taules el quantil 4/5=0.80 per a una Normal
estàndard, obtenim que és aproximadament 0.84. Per simetria, el quantil 1/5=0.20 serà −0.84:
√
A = 5100 − 0.84 × 128000 = 4800 grams
√
B = 5100 + 0.84 × 128000 = 5400 grams
 P(G=19) = P(T > B) = P(T > 5200)
P(G=20) = P(A < T < B) = P(4850 < T < 5200)
P(G=21) = P(T < A) = P(T < 4850)

(d) Preneu A com 4850 i B com 5200. Amb aquests llindars, determineu com es distribueix la variable aleatòria
“nombre de taronges per bossa de 5 Kg”, quin és el seu valor esperat i quina és la seva desviació estàndard
(2.5 pts.)
La nova variable s’anomenarà G, i pot prendre els valors 19, 20 i 21. Com hem vist abans:
√
P(T < 5200) = P(Z < (5200-5100)/ 128000) = P(Z < 0.28) = 0.6103 ⇒ P(G=19)= 1 − 0.6103 = 0.3897
√
P(T > 4850) = P(T < 5350) = P(Z < (5350-5100)/ 128000) = P(Z < 0.699) = 0.7580 ⇒ P(G=21) = 1 − 0.7580
= 0.2420 [Hem aplicat simetria: 5100-250=4850; 5100+250=5350]
P(G=20) = 1 − 0.3897 − 0.2420 = 0.3683
E[G] = 19 0.3897 + 20 0.3683 + 21 0.2420 = 19.8523
E[G2 ] = 192 0.3897 + 202 0.3683 + 212 0.2420 = 394.7237
V[G] = 394.7237 − 19.85232 = 0.6099 ⇒ σG = 0.7810