Tarea 6

Probabilidad II

Prof. Rafael Miranda Cordero Aydte. Miguel Hinojosa Medrano

23 de mayo del 2019

Entrega: 3 de junio del 2019

1. Calcule la función característica de un v.a X con distribución Cauchy estándar.
Sugerencia: Use el teorema de inversión.
2. Calcule la función característica de X una v.a. si
a) X se distribuye binomialneg(n, p).
b) X se distribuye geo(p).
c) X ∼ gamma(α, λ), α, λ > 0.
d) X ∼ normal(0, 1).
3. Sea (Xn )n∈N una sucesión de variables aleatorias i.i.d. y N una variable aleatoria que toma
valores naturales y que es independiente de las Xn .
a) Si las variables Xn toman valores naturales demuestre que

gSN (t) = gN (gX1 (t)). (1)

b) Si la función generado de momentos de Xn existe alrededor de un intervalo abierto

del cero entonces
MSN (t) = gN (MX1 (t)). (2)

Donde
N
X
S0 = 0 y SN = Xn . (3)
n=1

4. En el contexto del ejercicio anterior, calcule la esperanza y la varianza de SN .

N.B. Lo anterior hágalo bajo la suposición de que la esperanza y la varianza de las Xn y
N son finitas.

1
 5. La variable aleatoria X tiene la siguiente propiedad
2n
E[X n ] = con n = 1, 2, 3 . . .
n+1
Determine la distribución de X.
Sugerencia: Calcule la función característica (o la generadora de momentos) a partir de
los momentos de X.
6. El número de carros que pasan en una carretera durante una hora tiene una distribución
P oisson(b). El número de pasajeros en cada carro tiene una distribución P oisson(p).
Encuentre la f.g.p., la f.g.m. y la función característica del número total de pasajeros que
pasan en la carretera en una hora,Y. Calcule la esperanza y la varianza de Y .
7. Un minero ha quedado atrapado en una mina con tres túneles. Uno de ello lo conduce a la
salida después de una hora, otro lo regresa al punto donde partió después de 3 horas y el
último lo regresa al punto de partida después de 5 horas. Suponga que el quiere salir de la
mina y que elije cualquiera de los tres túneles de manera aleatoria y uniforme cada vez
que se encuentra frente a ellos. Encuentre la f.g.p., la media y la varianza del tiempo que
le toma salir.
8. Karin tiene una moneda no balanceada; su probabilidad de obtener sol es p (0 ≤ p ≤ 1).
Ella lanza la moneda hasta obtener sol, entonces ella lanza una moneda equilibrada tantas
veces como lanzó la moneda anterior. Por cada sol que obtiene con la moneda equilibrada
ella arroja un dado simétrico. Bajo este procedimiento determine la esperanza y la varianza
de la suma de los puntos que obtiene Karin.
Sugerencia: Use transformadas, aunque, como bien sabe, no es el único camino para
resolver este problema.
9. Sea (Xn )n∈N una sucesión de variables aleatorias que converge a X en media r ≤ 1.
Demuestre que la sucesión de números reales (E[Xn ])n∈N converge a E[X].
Sugerencia: Use la desigualdad de Jensen.
10. Sea (Xn )n∈N una sucesión de variables aleatorias independientes e idénticamente distribui-
das con varianza finita σ 2 . Definimos:
n n
1X 1 X
Xn = Xk y s2n = (Xk − X n )2
n k=1 n − 1 k=1

como la media aritmética y la varianza empírica. Es bien conocido que s2n es un estimador
insesgado de σ 2 , es decir, E[s2n ] = σ 2 .
a) Demuestre este bien conocido hecho.
p
b) Demuestre además que s2n −→ σ 2 como n −→ ∞.
11. Sea (Xn )n∈N una sucesión de variables aleatorias. Haga lo que se le solicita.

2
 a) Si Xn ∼ geo (λ/(n + λ)) donde λ > 0. Demuestre que Xn /n converge en distribución
a una exponencial y determine el parámetro de esta.
p
b) Si Xn ∼ unif (0, 1) para todo n ∈ N. Demuestre que máx1≤k≤n Xk −→ 1 como n −→
p
∞ y que mı́n1≤k≤n Xk −→ 0 como n −→ ∞. ¿Hay convergencia en distribución?.
c) Si Xn ∼ gamma(n, n). ¿Converge la sucesión en distribución?, ¿converge la sucesión
en probabilidad?.
Sugerencia: Para el inciso c) use la desigualdad de Chebyshev.
12. Sea Xn ∼ Binom(n, pn ).
a) Suponga que npn → λ, λ > 0, como n → ∞. Demuestre que
d
Xn → X con X ∼ P oisson(λ).

b) Suponga que pn → 0 y npn → ∞ como n → ∞. Demuestre que

Xn − npn d
√ → X con X ∼ N ormal(0, 1).
npn

c) Suponga que npn (1 − pn ) → ∞ como n → ∞. Demuestre que

Xn − npn d
q → X con X ∼ N ormal(0, 1).
npn (1 − pn )

Sugerencia: Puede resultar útil usar transformadas.

13. Sea (Xn )n∈N una sucesión de variables aleatorias i.i.d. con media µ y varianza finita σ 2 .
Sea Sn = ni=1 Xi . Demuestre que
P

Sn − nµ d
√ → X con X ∼ N ormal(0, b2 ),
Sn
y determine b2 .
14. Sea (Xn )n∈N una sucesión de variables aleatorias i.i.d. tal que Xn ∼ Exp(n!). Sea Sn =
Pn
i=1 Xi . Demuestre que
Sn d
→ X con X ∼ Exp(1).
n!
Sugerencia: Determine la distribución de Xn /n!.
15. (2puntos) De un ejemplo de una sucesión de variables aleatorias (Xn )n∈N tal que.
p
a) Xn → X pero no se de la convergencia casi segura.
d
b) Xn → X pero no se de la convergencia en probabilidad.

3
 p
c) Xn → X pero no se de la convergencia en media r ≥ 1.
c.s.
d) Xn → X pero no converja en media r ≥ 1.
r
e) Xn → X pero no converja casi seguramente.
16. De un ejemplo de una sucesión (Xn )n∈N de variables aleatorias que converjan a la v.a. X
en media 1 pero no converjan a X en media cuadrática.
17. Resuelva lo que se pide.
a) Un dado es continuamente lanzado hasta que la suma total de todos los lanzamientos
exceda 300. Aproxime la probabilidad de que se necesiten lanzar al menos 80 dados.
b) Una persona tiene 100 bombillas cuyos tiempos de vida son exponenciales indepen-
dientes con media de 5 horas. Si las bombillas son usadas una a la vez y cuando una
falla es inmediatamente remplazada por una nueva, aproxime la probabilidad de que
se tenga una bombilla trabajando después de 525 horas.
Sugerencia: Teorema central del límite.
18. La ley fuerte de los grandes número establece que la sucesión de medias aritméticas de una
sucesión de variables aleatorias independientes e idénticamente distribuidas converge a su
media común casi seguramente. ¿A donde converge la sucesión de medias geométricas?,
esto es, ¿que podemos decir de:
n
!1/n
Y
lı́m
n−→∞
Xi ?
i=1