Gua para el estudio de la primera Unidad

did actica
Dr. Vctor Hern andez
Dr. Jorge Martn
Dr. Jos e Antonio Carrillo
18 de febrero de 2013

Indice general
George P olya 5
Recomendaciones para el estudio 9
Ejercicios de la primera unidad did actica 11
Ejercicio 1.1. Formalismo de los sucesos [1.1.1] . . . . . . . . . . . . . . . 11
Ejercicio 1.2. Propiedades de la probabilidad [1.1.2] . . . . . . . . . . . . . 12
Ejercicio 1.3. Modelos probabilsticos [1.1.1, 1.1.2, 1.1.3] . . . . . . . . . . 12
Ejercicio 1.4: Modelo probabilstico [1.1.1, 1.1.2, 1.1.3] . . . . . . . . . . . 13
Ejercicio 1.5: Modelo probabilstico [1.1.1, 1.1.2, 1.1.3, 1.1.4] . . . . . . . 14
Ejercicio 1.6: Dgitos al azar [1.2.1, 1.2.2, 1.2.3] . . . . . . . . . . . . . . . 14
Ejercicio 1.7: Probabilidades condicionadas [1.2.1] . . . . . . . . . . . . . 14
Ejercicio 1.8: Modelo din amico [1.2.1, 1.2.2] . . . . . . . . . . . . . . . . 15
Ejercicio 1.9: Modelos din amicos [1.2.1, 1.2.2] . . . . . . . . . . . . . . . 15
Ejercicio 1.10: F ormula de Bayes [1.2.1, 1.2.2, 1.2.3] . . . . . . . . . . . . 15
Ejercicio 1.11: Independencia de sucesos [1.2.4] . . . . . . . . . . . . . . . 16
Ejercicio 1.12: C alculo con sucesos independientes [1.2.4] . . . . . . . . . 16
Ejercicio 1.13: C alculo con sucesos independientes [1.2.2, 1.2.4] . . . . . . 17
Ejercicio 1.14: Variables aleatorias [1.3, 1.3.1] . . . . . . . . . . . . . . . . 17
Ejercicio 1.15: Variables aleatorias [1.3, 1.3.1, 1.3.2, 1.3.3, 1.3.5] . . . . . . 17
Ejercicio 1.16: Variables aleatorias [1.3][1.3.1][1.3.2][1.3.3][1.3.5] . . . . . 18
Ejercicio 1.17: Variables aleatorias [1.3][1.3.1][1.3.2][1.3.3][1.3.5] . . . . . 18
Ejercicio 1.18: Variables aleatorias [1.3][1.3.1][1.3.2][1.3.3][1.3.5] . . . . . 18
Ejercicio 1.19: Vectores aleatorios [1.5][1.5.1][1.5.2][1.5.3][1.5.7] . . . . . 18
Ejercicio 1.20: Vectores aleatorios [1.5.1][1.6][1.6.1] . . . . . . . . . . . . 19
Ejercicio 1.21: Valores esperados [1.3.3][1.5.3][1.5.4][1.5.5][1.5.6] . . . . . 19
Ejercicio 1.22: Vectores aleatorios [1.5][1.5.1][1.5.2][1.5.3][1.5.7] . . . . . 19
George Polya
Si un problema te resulta muy difcil, trata de resolver primero otro simi-
lar m as sencillo. G. P OLYA.
Figura 1.1: George P olya, naci o en Budapest en 1887 y muri o en
Palo Alto, California, en 1985. En 1905 se matricul o en la universi-
dad de Budapest para estudiar leyes, pero lo encontr o muy aburrido y,
despu es de un semestre, abandon o los estudios. Entonces, estudi o Li-
teratura y Lengua durante dos a nos, materias que haban sido sus asig-
naturas favoritas en el bachillerato, y lleg o a obtener un certicado que
le permita ser profesor de Latn y H ungaro en la ense nanza secunda-
ria. Como le interesaba mucho por la Filosofa, uno de sus profesores
le recomend o que hiciera algunos cursos de Fsica y Matem aticas para
entender mejor esta materia. As comenz o a asistir a clase con el c ele-
bre matem atico FEJ ER e inici o su camino como matem atico. En 1940
se traslad o a los Estados Unidos, donde fue profesor de la universidad
Brown y de Stanford.
P OLYA ha sido uno de los grandes matem aticos del siglo XX. Ha investigado en
an alisis complejo, fsica matem atica, teora de la probabilidad, geometra y combi-
natoria. Adem as, fu e un gran profesor y pedagogo de las matem aticas. No s olo le
interesaba lograr resultados, sino entender c omo se descubren las matem aticas.
Yo empec e tarde a estudiar matem aticas. . . cuando aprenda algo de ellas
pensaba: bien, as es, la demostraci on parece concluyente, pero c omo
puede la gente encontrar tales resultados? Mi dicultad con las matem ati-
cas no estaba en entender sus resultados, estaba en comprender c omo se
descubran.
Sus ideas acerca de las reglas del descubrimiento en matem aticas est an recogidas
en dos de sus libros How to solve it? (C omo resolverlo?) y Matem aticas y razona-
miento plausible, que suponen un hito en la ense nanza de las matem aticas. Su libro
How to solve it est a traducido a diecisiete idiomas y de el se han vendido m as de
un mill on de ejemplares. En sus libros no se limita a dar consejos generales para re-
solver problemas matem aticos, sino que los pone en pr actica y los aplica a diversos
problemas. Sus consejos constituyen un dec alogo para aqu ellos que tratan de resolver
formalmente un problema.
6 UNED. I. Informatica/I. en Tecnologas de la Informaci on, Curso 2012-2013
. . . para resolver un problema, lo primero es entenderlo: Qui en entiende
mal, responde mal. Debemos ver claramente el n que queremos alcan-
zar: piensa en el nal antes que en el principio. Este es un antiguo consejo,
en latn se deca respice nem.
Desafortunadamente, muchas personas comienzan por especular, hablar,
e incluso obrar meticulosamente, sin haber entendido el n por el que
deben trabajar. El tonto se preocupa de los comienzos, el sabio presta
atenci on al nal. Si el n del problema no est a claro en nuestra mente,
f acilmente nos extraviaremos y lo abandonaremos. El sabio comienza por
el nal, el tonto por el principio. G. P OLYA.
Las ense nanzas de P OLYA se pueden resumir en cuatro principios generales que, si
bien no recogen toda sus ense nanza, son una buena gua para enfrentarse con cualquier
problema.
Primer principio: entender el problema. Parece obvio, pero con mucha frecuencia
no se resuelve un problema sencillamente porque no se entiende su enunciado. P OLYA
nos ense na a hacernos preguntas como: entiendo todas las palabras que aparecen en
la formulaci on?, qu e tengo que hacer?, puedo formular el problema con mis propias
palabras?, puedo encontrar un gr aco o diagrama que me ayude a entenderlo?, hay
suciente informaci on para resolverlo?
Figura 1.2: Dos fotografas de P olya a lo largo de su vida
Segundo principio: trazar un plan. P OLYA opina que hay diversas estrategias razo-
nables de enfrentarse con un problema. La elecci on de una u otra depende de nuestra
experiencia. Algunas de las estrategias que propone y que en sus libros muestra c omo
aplicarlas a problemas concretos son: 1. Conjetura y comprueba. 2. Haz una lista or-
denada de casos y elimina posibilidades. 3. Emplea la simetra. 4. Considera casos
especiales. 5. Plantea y resuelve una ecuaci on. 6. Busca un patr on. 7. Haz un dibujo.
Estadstica. Primera unidad didactica 7
8. Resuelve un problema m as simple. 9.Plantea un modelo hacia atr as. 10. S e ingenio-
so.
Tercer principio: lleva a cabo tu plan. Este paso requiere, cuidado, paciencia y,
posiblemente, c alculo. Hay que ser persistentes y no abandonarlo a la primera. Si a
pesar de ello no da resultado, elegiremos otro plan.
Cuarto principio: mira hacia atr as. P OLYA considera que ganaramos mucho si nos
tom aramos el tiempo necesario para reexionar sobre lo que ya hemos hecho, este
proceder nos permitira, en el futuro, escoger bien la estrategia de nuestro plan.
Por su inter es en averiguar las reglas del descubrimiento, es decir, el medio de
adquirir conocimiento, P OLYA es un pionero de la Inteligencia articial. Uno de los
sus importantes m etodos es el denominado heurstico:
La esencia de la heurstica es estudiar los m etodos y las reglas del descu-
brimiento y la invenci on. . . . Heurstico es un adjetivo que signica sirve
para descubrir . . . En qu e consiste una buena educaci on? En dar los es-
tudiantes la oportunidad de descubrir por s mismos, sistem aticamente.
Sus ideas de adquisici on del conocimiento por especializaci on y generalizaci on
son hoy de uso com un en Inteligencia articial y Sistemas expertos. Tambi en fue el
primero en plantearse la necesidad de crear una l ogica del razonamiento plausible
y estudiar sus reglas de c alculo, una l ogica que trate de las proposiciones sobre las
que no estamos seguros de su verdad; fue el primero en se nalar la probabilidad como
una medida apropiada para expresar y calcular con nuestra creencia en que de una
proposici on es verdadera.
8 UNED. I. Informatica/I. en Tecnologas de la Informaci on, Curso 2012-2013
Nota: Todas las referencias al libro, p aginas, apartados, ejemplos, etc., lo son a
la primera edici on de Modelos probabilsticos y Optimizaci on. Ediciones acad emi-
cas. Madrid 2011. En cada ejercicio se se nalan los apartados que hay que estudiar
previamente.
Recomendaciones para el estudio
Antes de pasar a las recomendaciones especcas para el estudio de esta primera
unidad, nos gustara darte un consejo general que puede parecer obvio: estudia el
libro; s olo el libro; no mires el correo electr onico, mejor a un, apaga el computador,
el iphone o el tel efono m ovil, el mpX y cualquier otro gadget que pueda distraerte y
concentra tu atenci on en el libro, lee el texto con paciencia tratando de comprender la
explicaci on, repite los c alculos de los ejemplos y del texto; durante el tiempo, mucho
o poco que dediques en cada sesi on, concentrate completamente en esta tarea. M as
tarde, pon a prueba lo aprendido con los ejercicios que te proponemos. Recuerda a
DONALD KNUTH, un hombre que es alguien en la Ciencia de los computadores y
que reconoce no tener correo electr onico, porque le distrae de su estudio. Estudiar los
fundamentos de la Probabilidad, la Inferencia y la Optimizaci on que te proponemos
exige asimilar ideas y hacerlas tuyas tras pasar por el contraste de su experiencia y
discusi on, para ello debes dejar trabajar sin trabas al computador ideal: tu cerebro.
La primera Unidad did actica trata el modelo matem atico de la probabilidad dis-
creta, esto es, c omo denir una probabilidad sobre un espacio de casos nito o nume-
rable, y cu ales son los principales conceptos y sus propiedades asociadas. Adem as de
los conocer los resultados y aprender t ecnicas, es muy importante aprender el lengua-
je caracterstico de la materia; el uso correcto de la notaci on simplica los c alculos y
sirve de comprobaci on ante los posibles errores. Un buen conocimiento de esta Uni-
dad es crucial para el desarrollo del estudio posterior, ya que en ella se establecen
conceptos fundamentales en su forma m as simple.
Los contenidos de la Unidad uyen siguiendo el esquema que se muestra en la -
gura 1.3. Este mismo esquema vale para la segunda unidad, donde se repite este mismo
Establecimiento
del Modelo
Funciones aleatorias
numericas
Funciones aleatorias
vectoriales
Figura 1.3: Contenidos de la primera Unidad
estudio en el modelo de la probabilidad continua. Los ejercicios que te proponemos
se nalan los apartados que es imprescindible estudiar con detalle, para los restantes
apartados basta con una lectura general.
Los tres conceptos principales de esta unidad son: 1. Modelo probabilstico, con
10 UNED. I. Informatica/I. en Tecnologas de la Informaci on, Curso 2012-2013
sus dos componentes, la Probabilidad y los sucesos; si dominas el lenguaje formal de
los modelos probabilsticos, progresar as r apidamente, los sucesos son conjuntos y se
operan como conjuntos, la probabilidad es una funci on denida sobre los sucesos. 2.
Funciones sobre un modelo probabilstico, m as conocidas como variables aleato-
rias a pesar de ser, conceptualmente, funciones; conviene leer con atenci on el inicio
del apartado 1.3. El concepto esencial aqu es el de distribuci on de una variable alea-
toria. 3. Vectores aleatorios, el concepto esencial es el de distribuci on conjunta, como
descripci on de la variaci on simult anea de dos o m as variables aleatorias; el ejemplo
1.23 es crucial para comprenderlo. El tiempo aconsejado para estudiar esta unidad
es de cuatro semanas, donde contamos una prima por la puesta en marcha del curso.
Recuerda que este captulo muestra conceptos fundamentales y que las Matem aticas
son una Ciencia acumulativa, cu anto mejor domines las ideas de esta unidad, m as
f acilmente te har as con las presentadas en las unidades posteriores.
Es muy importante asimilar perfectamente los ejemplos siguientes: 1.5 (por cierto,
en este ejemplo hay un errata gr aca, el modelo
1
est a formado por una bola roja y
una azul), 1.6, 1.7, 1.8, 1.10, 1.12, 1.14, 1.16, 1.18, 1.23, 1.25, 1.27.
Ejercicios de la primera unidad didactica
Ejercicio 1.1: Formalismo de los sucesos [1.1.1]
Parte A. La gura 1.4 muestra el diagrama de un circuito formado una serie de dos
conmutadores y un subcircuito de dos conmutadores en paralelo. Los conmutadores
A
c
1
B
c
2
C
c
3
c
4
D
Figura 1.4
pueden estar abiertos o cerrados, si est an cerrados, puede pasar la corriente, mientras
que si est an abiertos, no puede pasar. Designemos por A
i
al suceso el conmutador c
i
est a cerrado, i = 1, . . ., 4.
Expresar en t erminos de los A
i
, los sucesos denidos por:
1. La corriente puede pasar entre entre A y C.
2. La corriente no puede pasar entre entre C y D.
3. La corriente puede pasar entre entre A y D.
4. La corriente no puede pasar entre entre B y D.
Parte B Si A, B y C son sucesos del algebra A de un modelo probabilstico,
expresar en t erminos de A, B y C, y de las operaciones con conjuntos, los siguientes
sucesos denidos por:
a. Alguno de los sucesos A o B, ocurre.
b. Al menos dos de los sucesos A, B o C, ocurren.
12 UNED. I. Informatica/I. en Tecnologas de la Informaci on, Curso 2012-2013
c. Ninguno de los sucesos A o B ocurre.
d. Exactamente uno de los sucesos A, B, C, ocurre.
e. A y B ocurren, pero C no.
f. Exactamente dos de los sucesos A, B o C ocurren.
Ejercicio 1.2: Propiedades de la probabilidad [1.1.2]
Parte A. Si A y B son dos sucesos del algebra A de un modelo probabilstico,
expresar en t erminos de las probabilidades P(A), P(B), y P(AB), las probabilidades
de los siguientes sucesos:
a. Al menos uno de los sucesos A o B ocurre.
b. Uno de los sucesos A o B ocurre.
c. Ninguno de los sucesos A o B ocurre.
Parte B. Si A y B son dos sucesos del algebra A de un modelo probabilstico,
expresar en t erminos de P(A), P(B), y P(AB), las probabilidades de los siguientes
sucesos:
d. A
c
B
c
e. A
c
B
c
f. A
c
B
g. A
c
B
h. A(A
c
B)
Ejercicio 1.3: Modelos probabilsticos [1.1.1, 1.1.2, 1.1.3]
Plantear un modelo consiste en denir un espacio muestral que contiene todos
los casos que consideramos posibles y asignar una probabilidad a cada caso de manera
acorde con las caractersticas del experimento, de acuerdo con esa denici on, resolver
las cuestiones siguientes:
1. Plantear un modelo del experimento aleatorio que consiste en lanzar una moneda
hasta que han aparecido por primera vez o dos caras o dos cruces.
2. Plantear un modelo para el experimento que consiste en elegir al azar un n umero
de tres bits, x
1
x
2
x
3
, donde x
i
= 0 o 1, entre todos los n umeros posibles. Cu antos
Estadstica. Primera unidad didactica 13
sucesos tiene el modelo? Cu al es la probabilidad de que se cumpla x
1
+x
2
+x
3
0
mod (2)?
3. Plantear un modelo para el experimento que consiste en elegir al azar un n umero
de cuatro bits, x
1
x
2
x
3
x
4
, donde x
i
= 0 o 1, entre todos los n umeros posibles. Cu antos
sucesos tiene el modelo? Cu al es la probabilidad de que se cumpla x
1
+x
2
+x
3
+x
4

0 mod (2)?
4. Plantear un modelo para el experimento que consiste en elegir al azar un sub-
conjunto de smbolos del alfabeto = {a, b, c, d} (el subconjuntos se sortea entre
todos los subconjuntos posibles, incluyendo a / 0 y ). Cu antos sucesos contiene este
modelo? Escribir los casos favorables al suceso
A = el subconjunto elegido contiene la letra a
y calcular su probabilidad.
5. Consideremos un sorteo de un subconjunto del alfabeto = {a, b, c, d} que
consiste en una selecci on secuencial de los smbolos que formar an el subconjunto, esa
selecci on se realiza de la manera siguiente: lanzamos cuatro veces una moneda equi-
librada, si en el primer lanzamiento sale cara, escogemos la letra a para formar parte
del subconjunto; si sale cruz, la rechazamos; si en el segundo lanzamiento sale cara,
escogemos la letra b para formar parte del subconjunto; si sale cruz, la rechazamos;
as sucesivamente. Por ejemplo, si los cuatro resultados de lanzar la moneda son cruz,
el subconjunto elegido es / 0. Denir un modelo probabilstico a este procedimiento de
formar un subconjunto aleatorio y compararlo con los modelos de los apartados 4 y 3.
Ejercicio 1.4: Modelo probabilstico [1.1.1, 1.1.2, 1.1.3]
Una urna contiene 6 bolas numeradas de 1 a 6. Establecer un modelo probabilstico
para el experimento aleatorio que consiste en extraer tres bolas, sucesivamente, sin
reemplazamiento.
1. Cu al es la probabilidad de que el n umero de la primera bola sea menor que el
n umero de la segunda bola?
2. Cu al es la probabilidad de que el n umero de la segunda bola sea menor que el
n umero de la tercera bola?
3. Cu al es la probabilidad de que el n umero de la primera bola sea menor que el
de la segunda y el de la segunda menor que el n umero de la tercera bola?
Resolver estas mismas cuestiones en el caso general de una urna que contenga n bolas
numeradas de 1 a n.
14 UNED. I. Informatica/I. en Tecnologas de la Informaci on, Curso 2012-2013
Ejercicio 1.5: Modelo probabilstico [1.1.1, 1.1.2, 1.1.3, 1.1.4]
Plantear un modelo para el experimento aleatorio que consiste en ordenar en la,
al azar, tres tarjetas numeradas de 1 a 3.
1. Cu al es la probabilidad de que las tarjetas 2 y 3 aparezcan antes que la 1 ?
2. Cu al es la probabilidad de que la tarjeta 1 no est e en la primera posici on?
3. Cu al es la probabilidad de que la tarjeta 1 no est e en la primera posici on ni la
tarjeta 2 en la segunda posici on?
4. Cu al es la probabilidad de que ninguna tarjeta est e en la posici on del n umero
que lleva escrito?
Ejercicio 1.6: Dgitos aleatorios [1.2.1, 1.2.2, 1.2.3]
Resolver mediante un modelo din amico el siguiente problema: de una urna que
contiene bolas numeradas de 1 a 9, extraemos bolas al azar. Sea P
k
la probabilidad de
que el primer 7 aparezca en la k- esima extracci on.
1. Calcular P
k
, suponiendo que las bolas se devuelven a la urna despu es de cada
extracci on.
2. Calcular P
k
, suponiendo que las bolas no se devuelven a la urna despu es de cada
extracci on.
Ejercicio 1.7: Probabilidades condicionadas [1.2.1]
Parte A. Lanzamos un dado equilibrado tres veces; si el resultado del tercer lan-
zamiento ha sido 5, cu al es la probabilidad de que sea mayor que los dos anteriores?
Parte B. Lanzamos un dado equilibrado tres veces; si el segundo resultado es
mayor que el primero, cu al es la probabilidad de que el tercero sea mayor que el
primero?
Parte C. De una urna que contiene tres bolas rojas y cuatro azules se extraen tres
bolas. Si hay m as bolas rojas que azules entre las extradas, cu al es la probabilidad
de que haya tres bolas rojas?
Parte D. Lanzamos cinco veces una moneda que tiene probabilidad de cara igual a
p; si en total han salido tres caras, cu al es la probabilidad de que el primer resultado
de los cinco lanzamientos haya sido cara? Un emisor enva un mensaje binario de
longitud N bits a trav es de un canal binario sim etrico con ruido cuya probabilidad de
error al transmitir un bit es p; si en total han ocurrido k errores, cu al es la probabilidad
de que haya un error en el primer bit enviado?
Estadstica. Primera unidad didactica 15
Parte E. Lanzamos dos dados equilibrados dos veces cada uno; si las sumas de los
resultados de cada dado son iguales, cu al es la probabilidad de que la suma com un
sea 7?
Ejercicio 1.8: Modelo dinamico [1.2.1, 1.2.2]
Lanzamos un dado y, si el resultado es menor o igual que 3, lo volvemos a lanzar;
cu al es la probabilidad de que la suma de las puntuaciones obtenidas sea mayor que
4?
Ejercicio 1.9: Modelos dinamicos [1.2.1, 1.2.2]
Parte A. Lanzamos un dado y, si el resultado es menor o igual que 3, lo lanzamos
otra vez; cu al es la probabilidad de que la suma de las puntuaciones obtenidas sea
menor que 5?
Parte B. Una urna contiene a bolas azules y b bolas rojas, otra urna contiene c
bolas azules y d bolas rojas. Elegimos una bola al azar de la primera urna y, sin mirar
su color, la pasamos a la segunda; a continuaci on sacamos una bola al azar de la
segunda urna; cu al es la probabilidad de que sea azul?
Ejercicio 1.10: F ormula de Bayes [1.2.1, 1.2.2, 1.2.3]
Parte A. Consideremos tres sucesos A
1
, A
2
y A
3
, disjuntos y exhaustivos (soon
disjuntos y su uni on es ), tienen probabilidades 0.25, 0.25 y 0.5, respectivamente.
Un sistema de decisi on autom atica act ua conforme a las reglas siguientes:
1. Si ocurre A
1
, el sistema, con probabilidad 0.1, toma la decisi on D
1
y, con pro-
babilidad 0.9, la decisi on D
2
.
2. Si ocurre A
2
, el sistema, con probabilidad 0.1, toma la decisi on D
2
y, con pro-
babilidad 0.9, la decisi on D
3
.
3. Si ocurre A
3
, el sistema, con probabilidad 0.1, toma la decisi on D
3
y, con pro-
babilidad 0.9, la decisi on D
1
.
Se pregunta:
1. Cu al es la probabilidad de que el sistema tome la decisi on D
1
?
2. Si el sistema ha tomado la decisi on D
1
, cu al es la probabilidad de que haya
ocurrido A
1
?
3. Si el sistema no ha tomado la decisi on D
1
, cu al es la probabilidad de que no
haya ocurrido A
1
?
16 UNED. I. Informatica/I. en Tecnologas de la Informaci on, Curso 2012-2013
4. Si el sistema no ha tomado la decisi on D
1
, cu al es la probabilidad de que haya
tomado la decisi on D
2
?
Parte B. Dos monedas tienen probabilidades p
1
y p
2
, respectivamente, de que
al lanzarlas aparezca cara. Elegimos una moneda por sorteo; con probabilidad r se
escoge la primera y con probabilidad 1 r la segunda. La moneda elegida se lanza
repetidas veces hasta que aparece la primera cara. Si la primera cara ha aparecido en
el lanzamiento k- esimo, cu al es la probabilidad de que estemos lanzando la primera
moneda?
Ejercicio 1.11: Independencia de sucesos [1.2.4]
Parte A. De una urna que contiene 6 bolas numeradas de 1 a 6. extraemos cuatro
bolas, sucesivamente, sin reemplazamiento. Sea A
i, j
el suceso el n umero de la bola
i- esima es menor que el n umero de la bola j- esima.
1. Estudiar si los sucesos A
1,2
y A
2,3
son independientes.
2. Estudiar si los sucesos A
1,2
y A
3,4
son independientes.
Resolver el caso general, en el que suponemos que la urna contiene n bolas numeradas
de 1 a n.
Parte B. Lanzamos dos veces una moneda equilibrada; sea A el suceso sale cara
en el primer lanzamiento, B el suceso sale cara en el segundo lanzamiento y C el
suceso aparece una cara y una cruz. Estudiar si A, B y C son independientes dos a
dos y si son independientes.
Ejercicio 1.12. Calculo con sucesos independientes [1.2.4]
La gura 1.5 muestra el diagrama de un circuito formado por cuatro conmutadores
dispuestos en una serie con un subcircuito intermedio de dos en paralelo. Los conmu-
A
c
1
B
c
2
c
3
C
c
4
D
Figura 1.5
Estadstica. Primera unidad didactica 17
tadores pueden estar abiertos o cerrados, si est an cerrados, puede pasar la corriente,
mientras que si est an abiertos, no puede pasar. Supongamos que cada conmutador
est a cerrado con probabilidad p, con independencia del estado de los restantes.
1. Cu al es la probabilidad de que la corriente pueda pasar entre A y D?
2. Si la corriente puede pasar entre entre B y C, cu al es la probabilidad de que
pueda pasar entre A y D?.
3. Si la corriente puede pasar entre entre A y C, cu al es la probabilidad de que el
conmutador c
2
est e cerrado?.
Ejercicio 1.13: Calculo con sucesos independientes [1.2.2, 1.2.4]
Parte A. Lanzamos tres veces una moneda que tiene probabilidad p de cara; si
sabemos que ha aparecido al menos una cara, cu al es la probabilidad de que hayan
aparecido dos?
Parte B. Si lanzamos dos veces una moneda que tiene probabilidad x de cara y
luego otras dos veces, cu al es la probabilidad P(x) de que aparezcan tantas caras en
la primera serie de lanzamientos como en la segunda? Representar gr acamente P(x).
Cu al es el valor de x que hace mnima la probabilidad P(x)?
Parte C. Lanza n veces una moneda que tiene probabilidad p de cara, si sabemos
que han aparecido al menos k caras, cu al es la probabilidad de que hayan aparecido
k +1?
Ejercicio 1.14: Variables aleatorias [1.3, 1.3.1]
Una urna contiene 3 bolas azules y 3 rojas. Extraemos repetidas bolas sin devol-
verlas a la urna, hasta que aparece una bola roja. Sea X el n umero de bolas que hemos
extrado. Hallar la funci on de probabilidad de X. Calcular E{X}. Si A es el suceso
A = {X > 1}, calcular P(X = k

A), comparar este resultado con la propiedad de

falta de memoria de la distribuci on geom etrica, descrita en el apartado 1.4.3.
Ejercicio 1.15: Variables aleatorias [1.3, 1.3.1, 1.3.2, 1.3.3, 1.3.5]
De una urna que contiene tres bolas rojas y tres bolas azules, extraemos bolas suce-
sivamente, sin devolverlas a la urna, hasta haber extrado dos bolas rojas; designemos
por X el n umero de bolas extradas (por ejemplo, si la primera es roja, la segunda y
tercera azules y la cuarta roja, entonces X = 4); hallar la funci on de probabilidad de
X y calcular E{X},
2
X
y H(X).
18 UNED. I. Informatica/I. en Tecnologas de la Informaci on, Curso 2012-2013
Ejercicio 1.16: Variables aleatorias [1.3][1.3.1][1.3.2][1.3.3][1.3.5]
Ana lanza una moneda que tiene probabilidad p de cara, observa el resultado y, a
continuaci on, lanza otra moneda que tiene probabilidad r de cara; si sale cara en el el
segundo lanzamiento, Ana le dice a Bel en el resultado del primero; si sale cruz en el
segundo lanzamiento, Ana miente a Bel en y le dice lo contrario de lo que sali o en el
primer lanzamiento. Bel en anota 1 si Ana dice cara y anota 0 si Ana dice cruz; si
X es el n umero anotado por Bel en, hallar la funci on de probabilidad de X y calcular la
entropa de X, H(X); comparar H(X) con la entropa de la distribuci on de BERNOU-
LLI de par ametro p, H(p). Indicaci on: repasar la denici on y gr aca de H(p) (p ag.
65).
Ejercicio 1.17: Variables aleatorias [1.3][1.3.1][1.3.2][1.3.3][1.3.5]
Lanzamos una moneda que tiene probabilidad de cara igual a p; si sale cara, elegi-
mos al azar un n umero del conjunto {1, 2, 3}; si sale cruz, elegimos al azar un n umero
del conjunto {2, 3, 4}. Sea X el n umero elegido, se pide:
1. Hallar la funci on de probabilidad de X.
2. Calcular E{X} y H(X).
3. Si X = 2, cu al es la probabilidad de que haya salido cara?
Ejercicio 1.18: Variables aleatorias [1.3][1.3.1][1.3.2][1.3.3][1.3.5]
Lanzamos un dado dos veces. Designemos por X
1
y X
2
los resultados del primer y
segundo lanzamiento, respectivamente. Sean U y V el mayor y menor, respectivamen-
te, de los resultados obtenidos
U = max(X
1
, X
2
), V = min(X
1
, X
2
)
1. Representar el histograma de la funci on de probabilidad de X =UV y calcular
su valor esperado E{X}.
2. Si A ={X
1
= 2}, hallar la distribuci on de la variable condicionada U | A.
Ejercicio 1.19: Vectores aleatorios [1.5][1.5.1][1.5.2][1.5.3][1.5.7]
Lanzamos tres veces una moneda cargada de manera que la probabilidad de salir
cara es p. Sea X la variable aleatoria n umero de caras en los dos primeros lanzamien-
tos, e Y la variable aleatoria n umero de caras en los dos ultimos lanzamientos.
1. Hallar la tabla de la distribuci on conjunta de (X,Y).
2. Calcular E{X

Y = i}.
Estadstica. Primera unidad didactica 19
Ejercicio 1.20: Vectores aleatorios [1.5.1][1.6][1.6.1]
Lanzamos un dado tres veces. Sean X
1
, X
2
y X
3
los resultados obtenidos en cada
lanzamiento. Consideremos las variables Y
2,1
e Y
3,1
que indican si los resultados del
segundo y tercer lanzamiento han sido, o no, mayores que el resultado del primero.
Y
2,1
=

1 si X
2
> X
1
0 si X
2
X
1
Y
3,1
=

1 si X
3
> X
1
0 si X
3
X
1
(1.1)
Hallar la tabla de la distribuci on conjunta. Calcular E{Y
2,1
} y
2
Y
2,1
. Son independien-
tes Y
2,1
y Y
3,1
? Calcular H(Y
3,1
).
Ejercicio 1.21: Valores esperados [1.3.3][1.5.3][1.5.4][1.5.5][1.5.6]
Sean X e Y dos variables tales que E{X} = 1, E{Y} = 0,
2
X
= 2,
2
Y
= 3 y

X,Y
=1; calcular
1. E{X
2
Y
2
}
2. E{(2X Y)
2
}
Ejercicio 1.22: Vectores aleatorios [1.5][1.5.1][1.5.2][1.5.3][1.5.7]
Lanzamos un dado tres veces. Sean X
1
, X
2
y X
3
los resultados obtenidos en los
lanzamientos. Consideremos las variables
X = max(X
1
, X
2
), Y = max(X
2
, X
3
)
Se pide
1. Hallar la tabla de la distribuci on conjunta de (X,Y).
2. Hallar la distribuci on marginal de X.
3. Calcular E{X} de dos maneras: a partir de la distribuci on conjunta y a partir de
la marginal de X.
4. Calcular
X,Y
.
5. Calcular E{X

Y = j}.
6. Calcular P(X = k

X
1
= i)