Vous êtes sur la page 1sur 179

Ejercicios Resueltos de Probabilidad

Juan Jos Salazar Gonzlez e a


Marta Lpez Yurda o

Indice general

Prlogo o 1. Combinatoria 2. Fundamentos de probabilidades 3. Distribuciones de probabilidad 4. Principales variables aleatorias 5. Variables aleatorias bidimensionales 6. Convergencia 7. Regresin y correlacin o o Bibliograf a

9 11 23 85 109 145 169 177 183

i i

libroult 2001/8/30 page 9 i

Prlogo o

Un d sale en el peridico que un inversor ha logrado preveer el xito a o e o fracaso de ciertas operaciones complejas de bolsa durante las ultimas 10 jornadas. Se dejar asesorar por l para que le rentabilizase sus ahorros? Sin a e duda, mucha gente responder armativamente. a Consideremos 1000 monos durante diez d Cada d le asociamos, a cada as. a uno, la respuesta xito en la inversin si se levanta con el pie derecho, y e o fracaso en la inversin si se levanta con el pie izquierdo. Entonces, cada d o a aproximadamente la mitad acertar, y para el d siguiente consideramos slo a a o esos. Es decir, el primer d 500 monos acertarn la operacin justa, de los que a a o 250 tambin acertarn la segunda, y de ellos 125 la tercera, etc. Transcurridos e a los diez d es muy probable que tengamos un mono que haya acertado todas as las operaciones. Este ser el mono al que esas personas le dar su dinero! a an

Este libro contiene 139 ejercicios resueltos de Probabilidades. No se trata de una coleccin exclusiva de problemas dif o ciles de resolver, desaantes y slo o aptos para alumnos brillantes. Por el contrario, se trata de una lista de ejercicios de dicultad variada que pretende ayudar a cualquier alumno que se inicie en el Clculo de Probabilidades. En ella hay ejercicios clsicos, algunos tomados de a a libros mencionados en la bibliograf con distinto grado de dicultad, tratando a, de congurar una gama de problemas apropiados para un primer curso de Probabilidades. Cada cap tulo inicia con un resumen terico que pretende establecer la o notacin bsica que luego se usa en la resolucin de sus ejercicios. Dado que o a o no ha sido objetivo el extendernos en la parte terica, algunos conceptos se o presentan de forma simplicada (como los referentes a la Ley Fuerte de los 9

i i i

i i

libroult 2001/8/30 page 10 i

10

EJERCICIOS RESUELTOS DE PROBABILIDAD

Grandes Nmeros o al de regresin). Por ello, recomendamos que este material u o sirva slo para controlar que sus ejercicios han sido correctamente resueltos por o el lector, quien previamente ha debido trabajarlos por su cuenta, pero nunca como libro de texto en s mismo, y an menos como libro de teor u a. El primer cap tulo se dedica a la Combinatoria y el segundo la utiliza para el clculo elemental de probabilidades, incluyendo la probabilidad condicionaa da. El tercer cap tulo introduce los conceptos de variable aleatoria, funcin o de distribucin y esperanza matemtica, entre otros. Los ejercicios del cuarto o a cap tulo tratan sobre variables aleatorias tradicionales, tanto discretas como continuas. Las variables aleatorias bidimensionales se afrontan en el cap tulo quinto. El cap tulo sexto presenta ejercicios de convergencia, y el sptimo e ejercicios sencillos de regresin y correlacin. o o Esta coleccin se ha desarrollado impartiendo durante varios cursos la asigo natura Probabilidades I, en la Facultad de Matemticas de la Universidad de a La Laguna. Por ello, la resolucin de varios problemas subraya conceptos abso tractos como el de espacio muestral, etc. Creemos que este rigor matemtico a (nunca excesivo) es aconsejable tambin para alumnos de facultades de Ingee nier Econmicas, Biolog etc., y en este sentido deseamos que el estilo de as, o a, resolucin en este libro le puedan tambin ser de ayuda. 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. De forma especial queremos destacar las valiosas sugerencias que hemos recibido de Jos Juan Cceres Hernndez (Departamento de Econom de las Institucioe a a a nes, Estad stica Econmica y Econometr ULL) y de Carlos Gonzlez Alcn o a, a o (Departamento de Estad stica, Investigacin Operativa y Computacin, ULL). o o Tambin agradecemos al Gobierno de Canarias que, a travs del proyecto de e e investigacin PI2000/116, ha nanciado parcialmente el trabajo realizado. o Juan Jose Salazar Gonzalez y Marta Lopez Yurda. Tenerife, a 14 de agosto de 2001.

i i i

i i

libroult 2001/8/30 page 11 i

CAP ITULO

Combinatoria

La Combinatoria es el arte de contar los posibles elementos de un conjunto, teniendo especial cuidado en no olvidar ningn elemento ni en contarlo ms de u a una vez. A continuacin resaltamos seis casos t o picos: Permutaciones de n elementos: Dados n elementos distintos, el nmero de u secuencias ordenadas de stos es e Pn = n (n 1) 2 1. Este nmero tambin se denota como n!. u e Permutaciones con repeticin de n elementos, con ni repeticiones del io simo elemento, i = 1, . . . , k: Dados n elementos, de los cuales hay slo k e o diferentes (n1 iguales, n2 iguales,. . .,nk iguales, con n1 +n2 +. . .+nk = n), el nmero de secuencias ordenadas de estos elementos es u
n P Rn1 ,...,nk =

n! . n1 ! . . . nk !

Variaciones de n elementos tomados de m en m (con m n): Dados n elementos distintos, el nmero de selecciones ordenadas de m de ellos es u Vn,m = 11 n! . (n m)!

i i i

i i

libroult 2001/8/30 page 12 i

12

EJERCICIOS RESUELTOS DE PROBABILIDAD

Variaciones con repeticin de n elementos tomados de m en m: Dados n o elementos distintos, el nmero de selecciones ordenadas de m de ellos, u pudiendo ocurrir que un mismo elemento aparezca ms de una vez en la a seleccin, es o V Rn,m = nm . Combinaciones de n elementos tomados de m en m (con m n): Dados n elementos distintos, el nmero de maneras de seleccionar m de ellos (sin u tener presente el orden) viene dado por Cn,m = n! . m! (n m)!
n m

Este nmero tambin se denota como u e

Combinaciones con repeticin de n elementos tomados de m en m: Dados o n elementos distintos, el nmero de selecciones de m de ellos, sin tener u presente el orden y pudiendo haber elementos repetidos en una seleccin, o es n+m1 CRn,m = . m

Ejercicios Resueltos
P1.1] De cuntas maneras pueden sentarse 10 personas en un banco si hay 4 a sitios disponibles? Solucin o Ntese que importa el orden en que se sienten las personas, ya que los o cuatro sitios son diferentes, y que una persona no puede ocupar ms de a un sitio a la vez. Por lo tanto, hay V10,4 = 10!/6! = 10 9 8 7 = 5040 maneras. P1.2] En una clase de 10 alumnos van a distribuirse 3 premios. Averiguar de cuntos modos puede hacerse si: a 1. los premios son diferentes; 2. los premios son iguales. Solucin o Hay dos supuestos posibles: si una misma persona no puede recibir ms de un premio: a

i i i

i i

libroult 2001/8/30 page 13 i

CAP ITULO 1. COMBINATORIA 1.

13

hay V10,3 = 10 9 8 = 720 maneras de distribuir los premios si stos son diferentes; e 2. en el caso de que los premios sean iguales, pueden distribuirse de C10,3 = 10 9 8/6 = 120 maneras. si una misma persona puede recibir ms de un premio: a 1. 2. se pueden distribuir los premios, si stos son diferentes, de V R10,3 e =103 = 1000 maneras; hay CR10,3 = 220 maneras de distribuir los premios si stos son e iguales.

P1.3] Las diagonales de un pol gono se obtienen uniendo pares de vrtices no e adyacentes. 1. 2. Obtener el nmero de diagonales del cuadrado, el hexgono y el u a octgono. Calcularlo para el caso general de un pol o gono de n lados. Existe algn pol u gono en el que el nmero de lados sea igual al de u diagonales?

Solucin o 1. Comenzamos calculando el nmero de diagonales del cuadrado. Hay u C4,2 = 6 uniones posibles de dos vrtices diferentes cualesquiera, e adyacentes o no. Si de estas 6 parejas eliminamos las que corresponden a vrtices adyacentes (tantas como el nmero de lados del e u cuadrado), quedarn 6 4 = 2 diagonales. a Procediendo del mismo modo con el hexgono, se obtienen a C6,2 6 = 6! 6 = 15 6 = 9 diagonales. 2! 4!

Anlogamente, en el caso del octgono, se obtienen a o C8,2 8 = 8! 87 8= 8 = 28 8 = 20 diagonales. 2! 6! 2

Finalmente, para el caso general de un pol gono de n lados, el nmero u de diagonales es: Cn,2 n = 2. n! n (n 1) n2 3n n= n= . 2! (n 2)! 2 2

Veamos si existe algn pol u gono donde el nmero de lados sea igual u al nmero de diagonales. Igualando el nmero de lados y el nmero u u u de diagonales se obtiene: n= n2 3n , 2

i i i

i i

libroult 2001/8/30 page 14 i

14 es decir,

EJERCICIOS RESUELTOS DE PROBABILIDAD

n(n 5) = 0. Como n 1 , el resultado n = 0 no es vlido. La solucin es n = 5 a o (el pentgono). a P1.4] Hay que colocar a 5 hombres y 4 mujeres en una la de modo que las mujeres ocupen los lugares pares. De cuntas maneras puede hacerse? a Solucin o Ya que la la es de 9 individuos en total, hay 4 posiciones pares (que deben ser ocupadas por las 4 mujeres) y 5 posiciones impares (para los 5 hombres). Por lo tanto, pueden colocarse de P4 P5 = 4! 5! = 2880 maneras. P1.5] Cuntos nmeros de 4 d a u gitos se pueden formar con las cifras 0,1,. . . ,9 1. permitiendo repeticiones; 2. sin repeticiones; 3. si el ultimo d gito ha de ser 0 y no se permiten repeticiones? Solucin o Asumamos que para que un nmero sea de 4 d u gitos su primer d gito debe ser distinto de cero. 1. Puesto que debe formarse un nmero de 4 d u gitos, el primero de stos no puede ser cero. Por lo tanto, hay nueve posibilidades para e el primer d gito y diez para cada uno de los tres d gitos restantes, obtenindose un total de 9 103 = 9000 nmeros posibles. e u 2. Al igual que en el apartado anterior, el primer d gito no puede ser cero. Como adems no se permiten repeticiones, hay nueve posibilia dades para el segundo d gito: el cero y las ocho no escogidas para el primer d gito. Por tanto, se pueden formar 92 8 7 = 4536 nmeros. u 3. Fijamos el ultimo d gito y, como no puede haber repeticiones, se obtiene un total de 9 8 7 1 = 504 nmeros. u P1.6] En un grupo de 10 amigos, cuntas distribuciones de sus fechas de cuma pleaos pueden darse al ao? n n Solucin o Considerando que el ao tiene 365 d y que puede darse el caso de n as que varias personas cumplan en la misma fecha, el nmero de maneras u distintas es V R365,10 = 36510 .

i i i

i i

libroult 2001/8/30 page 15 i

CAP ITULO 1. COMBINATORIA

15

P1.7] Cuntas letras de 5 signos con 3 rayas y 2 puntos podr tener el alfabeto a a Morse? Solucin o Si se consideran como cinco s mbolos diferentes entonces, dado que importa el orden en que se coloquen y que han de distribuirse en cinco posiciones, se tendr un total de P5 = 5! posibles ordenaciones. Pero, a dado que de los cinco elementos tan slo hay dos diferentes (rayas y o puntos) que se repiten 3 y 2 veces, respectivamente, dividiremos por las posibles permutaciones de cada uno de ellos, obteniendo as un total de C5,3 = 5!/ (3! 2!) = 5 4/2 = 10 letras. Ntese que ste es el nmero de o e u posiciones (entre las cinco posibles) en que pueden ponerse las letras, y adems coincide con el nmero de posiciones para los puntos (C5,2 ). a u P1.8] Cuando se arrojan simultneamente 4 monedas, a 1. 2. cules son los resultados posibles que se pueden obtener? a cuntos casos hay en que salgan 2 caras y 2 cruces? a

Solucin o Suponiendo que las monedas son iguales: 1. Dado que un mismo resultado individual (cara o cruz) puede obtenerse en varias monedas a la vez, y que las monedas no pueden distinguirse entre s existen CR2,4 = 5 resultados posi, bles. Estos casos son: 4 caras y 0 cruces, 3 caras y 1 cruz, 2 caras y 2 cruces, 1 cara y 3 cruces, y 0 caras y 4 cruces. Como las monedas se arrojan simultneamente, slo habr un a o a caso posible con 2 caras y 2 cruces. En este caso, puesto que se distinguen las monedas entre s y en una tirada pueden haber varias con el mismo resultado individual, hay un total de V R2,4 = 24 = 16 resultados posibles. Estos casos son: cara, cara, cara, cara, cara, cara, cara, cruz, cara, cara, cruz, cara, cara, cara, cruz, cruz, etc. Se calcula el nmero de combinaciones posibles de dos monedas u distintas, que supondremos sern las de resultado cara (siendo a as las dos restantes de resultado cruz), es decir, hay C4,2 = 6 resultados de dos caras y dos cruces.

2.

Suponiendo que las monedas son distintas: 1.

2.

P1.9] Cuatro libros de matemticas, seis de f a sica y dos de qu mica han de ser colocados en una estanter Cuntas colocaciones distintas admiten si: a a 1. los libros de cada materia han de estar juntos;

i i i

i i

libroult 2001/8/30 page 16 i

16

EJERCICIOS RESUELTOS DE PROBABILIDAD 2. slo los de matemticas tienen que estar juntos? o a Solucin o Supongamos que los libros de cada materia tambin son diferentes e (de distintos autores). 1. Consideramos cada conjunto de libros de una misma materia como una unidad. Entonces, hay 3! = 6 ordenaciones posibles de las materias. Adems hay que considerar tambin las 4! = 24 a e permutaciones de los libros de matemticas, as como las 6! = a 720 y las 2! = 2 de los de f sica y qu mica, respectivamente. Se concluye as que hay 3!4!6!2! = 207360 colocaciones distintas. Consideremos los cuatro libros de matemticas como una unia dad. Se tendr entonces una unidad correspondiente a maa temticas, 6 unidades diferentes de f a sica y dos unidades diferentes de qu mica. Por lo tanto, existen 9! = 362880 maneras de ordenar estas 9 unidades, y por cada una de ellas hay 4! ordenaciones posibles de los 4 libros de matemticas, por lo que a en total hay 9! 4! = 8709120 formas de colocar los libros. Consideremos cada conjunto de libros de una misma materia como una unidad. Ntese que entonces se tendr un total de 3 o a unidades, que pueden ordenarse de 3! = 6 formas distintas. En este caso tendremos una unica unidad de matemticas, adems a a de 6 de f sica y 2 de qu mica, que consideraremos diferentes para este clculo inicial. Se tiene entonces un total de 9! = 362880 ora denaciones posibles y, puesto que los libros de cada materia son indistinguibles, ntese que deben tenerse en cuenta las 6! 2! = o 1440 formas de colocar los libros de f sica y matemticas. Por a lo tanto, hay un total de 9!/ (6! 2!) = 252 ordenaciones.

2.

Supongamos que los libros de cada materia son idnticos. e 1.

2.

P1.10] Un alumno tiene que elegir 7 de las 10 preguntas de un examen. De cuntas maneras puede elegirlas? Y si las 4 primeras son obligatorias? a Solucin o El orden en que elija las preguntas, que adems no podrn repetirse, es a a irrelevante. As puede elegir las preguntas de C10,7 = 1098/ (3 2) = 120 , maneras. Por otra parte, si las 4 primeras son obligatorias, debe escoger 3 preguntas entre las 6 restantes para completar las 7 necesarias, resultando un total de C6,3 = 6 5 4/ (3 2) = 20 maneras. P1.11] Con 7 consonantes y 5 vocales cuntas palabras se pueden formar que a tengan 4 consonantes distintas y 3 vocales distintas?

i i i

i i

libroult 2001/8/30 page 17 i

CAP ITULO 1. COMBINATORIA Solucin o

17

Podemos formar un total de C7,4 = 35 grupos de 4 consonantes distintas y C5,3 = 10 grupos de 3 vocales distintas. Por otra parte, para cada una de las 35 10 = 350 maneras de escoger 7 letras vericando las condiciones impuestas, hay P7 = 7! = 5040 ordenaciones posibles de stas. Se concluye as que el total de palabras que pueden formarse es e 35 10 7! = 350 5040 = 1764000. P1.12] Una l nea de ferrocarril tiene 25 estaciones. Cuntos billetes diferentes a habr que imprimir si cada billete lleva impresas las estaciones de origen a y destino? Solucin o Dado que las estaciones de origen y destino no pueden coincidir, y adems, a dadas dos estaciones, es importante saber si corresponden al principio o al nal del trayecto, hay un total de V25,2 = 25 24 = 600 billetes diferentes. P1.13] A partir de 5 matemticos y 7 f a sicos hay que constituir una comisin o de 2 matemticos y 3 f a sicos. De cuntas formas podr hacerse si: a a 1. 2. 3. todos son elegibles; un f sico particular ha de estar en esa comisin; o dos matemticos concretos no pueden estar juntos? a

Solucin o 1. Puesto que todos son elegibles, existen C5,2 = 10 grupos de 2 matemticos, y C7,3 = 35 grupos de 3 f a sicos. Luego hay un total de 10 35 = 350 comisiones posibles. Se ja uno de los f sicos, luego existen C5,2 = 10 grupos de 2 matemticos, y C6,2 = 15 grupos de 3 f a sicos. As se pueden formar , 10 15 = 150 comisiones. Se excluye la unica posibilidad de que el subgrupo de dos matemti a cos lo constituyan los dos que no pueden estar juntos, por lo que hay C5,2 1 = 9 grupos de 2 matemticos cumpliendo la condicin. a o Adems hay C7,3 = 7 6 5/ (3 2) = 35 grupos de 3 f a sicos, por lo que el total de comisiones que pueden formarse es 9 35 = 315.

2.

3.

P1.14] Tres atletas toman parte en una competicin. De cuntas maneras o a podrn llegar a la meta? (Pueden llegar juntos) a Solucin o Hay varias posibilidades: Si llegan los tres juntos, entonces slo hay 1 posibilidad. o

i i i

i i

libroult 2001/8/30 page 18 i

18

EJERCICIOS RESUELTOS DE PROBABILIDAD Si llegan dos juntos, existen C3,2 = 3 grupos de dos que llegan juntos, y P2 = 2 ordenaciones distintas del grupo de dos y el otro atleta, por lo que existen 3 2 = 6 posibilidades. Si llegan los tres por separado, existen 3! = 6 posibilidades. Por lo tanto, pueden llegar a la meta de 13 maneras distintas.

P1.15] Se tienen n urnas diferentes. De cuntas maneras diferentes se pueden a colocar en ellas m (n < m) bolas idnticas: e 1. sin restriccin alguna en cuanto al nmero de bolas en cada urna; o u 2. si no puede haber ninguna urna vac a; 3. si quedan exactamente r (0 < r n) urnas vac as? Solucin o Asumiendo que las urnas son distinguibles, plantear este problema es equivalente a calcular de cuntas maneras pueden distribuirse m estrellas a ( ) y n 1 barras (| ) entre dos barras jas (puesto que los elementos de los extremos deben ser necesariamente barras). Por ejemplo, si n = 5 y m = 6, una posible distribucin puede represeno tarse como: | | | | y signica que se coloca una bola en la primera urna, ninguna bola en la segunda, tres bolas en la tercera, ninguna en la cuarta y dos en la quinta. 1. Si todos los elementos fuesen distinguibles habr (m + n 1)! pera mutaciones posibles de estos elementos. Sin embargo, dado que las barras son indistinguibles entre s as como las estrellas, el resultado , es m+n1 (m + n 1)! CRn,m = = . n1 m! (n 1)! 2. En particular, si ninguna urna puede quedar vac jamos n bolas, a, una en cada urna, por lo que el problema se reduce a distribuir mn bolas en n urnas. Aplicando lo anterior, se obtiene un total de CRmn,n = distribuciones posibles. 3. Hay Cn,r maneras distintas de escoger las r urnas que quedarn a vac Por cada una de estas combinaciones, se ja una bola en cada as. una de las urnas que tendrn algn elemento, resultando as un total a u m1 n1 = (m 1)! (m n)! (n 1)!

i i i

i i

libroult 2001/8/30 page 19 i

CAP ITULO 1. COMBINATORIA

19

de CRnr,mr formas de distribuir las m r bolas que quedan en las n r urnas restantes. Por lo tanto, hay: Cn,r CRnr,mr = maneras de distribuir las bolas. Ntese que, en el caso de que las urnas no fueran distinguibles, el problema o se complicar y habr que recurrir a otros procedimientos. a a P1.16] En un hospital se utilizan cinco s mbolos para clasicar las historias cl nicas de sus pacientes, de manera que los dos primeros son letras y los tres ultimos son d gitos. Suponiendo que hay 25 letras, cuntas historias a cl nicas podrn hacerse si: a 1. 2. no hay restricciones sobre letras y nmeros; u las dos letras no pueden ser iguales? n n + m 2r 1 r nr1

Solucin o 1. Dado que es necesario tener en cuenta el orden de las dos letras escogidas y que adems stas pueden repetirse, resulta que hay V R25,2 = a e 252 = 625 posibilidades para las letras. Se procede anlogamente con a el caso de los d gitos y se obtiene un total de V R10,3 = 103 = 1000 posibilidades para los d gitos. El total de historias cl nicas que pueden hacerse es, por lo tanto, 625 1000 = 625000. Se procede de forma similar al caso anterior, con la unica diferencia de que ahora las letras no pueden repetirse. As hay V25,2 = 2524 = , 600 posibilidades para las letras, y V R10,3 = 1000 posibilidades para los d gitos, resultando que hay 600 1000 = 600000 historias cl nicas.

2.

P1.17] De cuntas formas se pueden sentar siete personas en torno a una mesa a redonda si: 1. 2. no hay restricciones; dos personas particulares no pueden sentarse juntas?

Solucin o 1. El nmero de permutaciones de las siete personas en la mesa es 7!. u Sin embargo, se observa que, dada una de estas posibles distribuciones, si cada individuo se traslada al asiento situado a su derecha, por ejemplo, la posicin relativa de todos los individuos ser la miso a ma. Por tanto, como no se hacen distinciones entre los asientos en la

i i i

i i

libroult 2001/8/30 page 20 i

20

EJERCICIOS RESUELTOS DE PROBABILIDAD mesa, debemos de dividir por el nmero de casos en que la posicin u o relativa es la misma, es decir, por 7. As el nmero total de formas , u de sentarse es 7!/7 = 6! = 720. 2. Consideremos a esas dos personas como una sola. Procediendo igual que en el apartado (a), se obtiene que hay 6!/6 = 5! = 120 distribuciones. Adems, hay P2 = 2! = 2 posibles distribuciones de esas a dos personas en particular. Por tanto, hay 120 2 = 240 formas de sentarse, estando juntas las dos personas particulares. Por otra parte, hay 6! = 720 formas de sentarse, sin restricciones. Finalmente, se concluye que hay 720 240 = 480 formas de sentarse.

P1.18] En la s ntesis de prote nas hay una secuencia de tres nucletidos sobre o el ADN que decide cul es el aminocido a incorporar. Existen cuatro a a tipos distintos de nucletidos segn la base, que puede ser A (adenina), o u G (guanina), C (citosina) y T (timina). Cuntas secuencias distintas se a podrn formar si se pueden repetir nucletidos? a o Solucin o Ya que importa el orden de los nucletidos en la secuencia, y adems stos o a e pueden repetirse, entonces existen V R4,3 = 43 = 64 secuencias distintas. P1.19] Cuntos ramilletes distintos se pueden formar con 5 ores de variedades a distintas? Solucin o Pueden formarse ramilletes de 1, 2, 3, 4 5 ores. Por tanto, dado que o las ores de un ramillete no estn ordenadas y adems no se repiten, a a tenemos:
5

C5,i = 25 1 = 31
i=1

ramilletes distintos. P1.20] Suponiendo que hay 27 letras distintas, cuntos conjuntos diferentes a de iniciales pueden formarse si cada persona tiene un apellido y 1. exactamente dos nombres; 2. no ms de dos nombres; a 3. no ms de tres nombres? a Solucin o 1. Si tiene dos nombres, hay V R27,3 = 273 = 19683 conjuntos de iniciales. 2. Si tiene dos nombres como mximo, hay dos posibilidades: a

i i i

i i

libroult 2001/8/30 page 21 i

CAP ITULO 1. COMBINATORIA

21

del tipo nombre apellido hay V R27,2 = 272 posibilidades; del tipo nombre1 nombre2 apellido hay V R27,3 = 273 posibilidades. Luego hay 272 (1 + 27) = 20412 conjuntos de iniciales. 3. Si tiene tres nombres como mximo, a las dos posibilidades del apara tado (b) hay que aadir el tipo nombre1 nombre2 nombre3 apellin do, del que hay V R27,4 = 274 posibilidades, obtenindose nalmene te un total de 272 1 + 27 + 272 = 551853 conjuntos de iniciales.

P1.21] Si se arrojan d dados y m monedas, cuntos resultados diferentes se a pueden distinguir? Solucin 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), puesto que se distinguen los dados entre s y en una tirada pue, de obtenerse el mismo resultado en varios dados, hay un total de V R6,d = 6d resultados distintos para los dados. Procediendo de forma anloga para las m monedas, se obtienen a V R2,m = 2m resultados distintos para las monedas. Se concluye as que hay un total de 6d 2m resultados diferentes. Suponiendo que los dados son iguales y las monedas son iguales: El nmero de resultados que se pueden obtener al arrojar los d dados, u teniendo en cuenta que stos son indistinguibles y puede repetirse el e mismo resultado en varios de ellos, es CR6,d = C6+d1,d = Cd+5,d . Adems, para las m monedas, hay un total de CR2,m = C2+m1,m = a Cm+1,m = m + 1 resultados. Por lo tanto, hay Cd+5,d (m + 1) resultados diferentes.

i i i

i i

libroult 2001/8/30 page 22 i

i i i

i i

libroult 2001/8/30 page 23 i

CAP ITULO

Fundamentos de probabilidades

Se llama espacio muestral a un conjunto matemtico donde cada elemento a representa un resultado (concreto) de un experimento. Dado que es una imagen matemtica (abstracta) de un problema (real) no es necesariamente unico para a un experimento dado, pudiendo por tanto existir diferentes espacios muestrales para un mismo problema. A cada elemento del espacio muestral se le llama suceso elemental ya que se consideran como los resultados ms simples que interesan de un experimena to. T picamente se desea estudiar caracter sticas de algunos subconjuntos de sucesos elementales, que reciben el nombre de sucesos. Se dice que un suceso A ocurre cuando el resultado del experimento est asociado a uno de sus a sucesos elementales, es decir, A. Para garantizar rigor en el uso de operaciones algebraicas como la unin y o la interseccin de conjuntos, la familia de sucesos se extiende con algunos otros o subconjuntos (complementos, etc.) de manera que la familia extendida A tenga la siguiente propiedad de lgebra: a A A entonces Ac := \ A A; A1 , A2 A entonces A1 A2 A; A. Sobre una pareja (, A) se dene una probabilidad como una funcin o P : A [0, 1] 23

i i i

i i

libroult 2001/8/30 page 24 i

24

EJERCICIOS RESUELTOS DE PROBABILIDAD

con las siguientes propiedades: P () = 1; si A1 , A2 A: A1 A2 = entonces P (A1 A2 ) = P (A1 ) + P (A2 ). A la terna (, A, P ) se le llama espacio probabil stico. Dado (, A, P ) con A, el espacio muestral se llama equiprobable cuando la probabilidad de todos sus sucesos elementales es la misma. Una importante caracter stica de los espacios muestrales equiprobables es que la probabilidad de cualquier suceso suyo se calcula determinando la proporcin de sus elementos sobre el total. Intuitivamente: o P (A) = casos favorables a A . casos posibles de

Cuando sea un conjunto nito esta ultima idea consiste en un clculo de a cardinales ya que: |A| P (A) = . || Dados dos sucesos A y B de un mismo espacio probabil stico (, A, P ) con P (B) > 0, se llama probabilidad condicionada de A dado B a la probabilidad de que ocurra un suceso elemental en A supuesto que ha ocurrido algn suceso u elemental de B. Se representa por P (A | B), y sucede que: P (A | B) := P (A B) . P (B)

Se dice que A y B son independientes si, y slo si, P (A B) = P (A)P (B). o

Ejercicios Resueltos
P2.1] Describir el espacio muestral para cada uno de los siguientes experimentos aleatorios: 1. 250 personas son seleccionadas en La Laguna y se les pregunta si van a votar al candidato A o al B. 2. Un dado es lanzado cinco veces consecutivas. 3. Cinco dados son lanzados simultneamente. a 4. Una moneda es lanzada hasta que salen dos caras o dos cruces consecutivas. 5. Cuatro objetos se envasan en paquetes de dos.

i i i

i i

libroult 2001/8/30 page 25 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 6.

25

Cuatro bolas son extra das aleatoriamente y sin reeplazamiento de una urna que contiene ocho bolas blancas y seis azules.

Solucin o 1. Si wi representa la opcin del i-simo encuestado (i = 1, . . . , 250) o e entonces un posible espacio muestral es = = {w = (w1 , w2 , . . . , w250 ) : wi {A, B} , i = 1, . . . , 250} = {(A, A, . . . , A) , (A, B, A, . . . , A) , . . . , (B, B, B, . . . , B)} .

Si no interesa conocer lo que vota cada persona, otro espacio muestral vlido ser a a: = {0, 1, 2, . . . , 250} , donde cada suceso elemental representa el nmero de encuestados u que optan por el candidato A. 2. Representando por wi el resultado del i-simo lanzamiento del dado e (i = 1, 2, 3, 4, 5), podemos denir el espacio muestral como = {w = (w1 , w2 , w3 , w4 , w5 ) : wi {1, 2, 3, 4, 5, 6}} . 3. Los dados se lanzan de forma simultnea, por lo que de cada lana zamiento tendremos en cuenta tan slo el nmero de veces que ha o u salido cada cara. As un posible espacio muestral es: ,
6

w = (w1 , w2 , w3 , w4 , w5 , w6 ) : wi {0, 1, . . . , 5},


i=1

wi = 5

donde cada wi representa el nmero de veces que sale el nmero i u u en un lanzamiento (i = 1, 2, 3, 4, 5, 6) . 4. Representando por w1 el nmero de lanzamientos hasta conseguir u dos caras o dos cruces consecutivas, y por w2 el resultado de los dos ultimos lanzamientos, podemos denir como espacio muestral: = {w = (w1 , w2 ) : w1 {2, 3, . . .} , w2 {C, X}} . 5. Hay 4 objetos, que representaremos por A, B, C y D, y se envasan en dos paquetes de dos objetos cada uno. Por lo tanto, desde que se conozca la composicin de un paquete ya se conoce la del otro. o Adems, elegido un objeto (por ejemplo, A) basta saber quin va a e con l en el paquete. Teniendo esto en cuenta, podemos denir como e espacio muestral para este experimento: = {B, C, D} .

i i i

i i

libroult 2001/8/30 page 26 i

26

EJERCICIOS RESUELTOS DE PROBABILIDAD 6. Si representamos por wi el color de la bola de la i-sima extraccin e o (i = 1, 2, 3, 4), siendo B =blanco y A =azul los dos posibles colores a obtener, un posible espacio muestral es = {w = (w1 , w2 , w3 , w4 ) : wi {B, A} , i = 1, 2, 3, 4} .

P2.2] Una moneda es lanzada cinco veces. Denir espacios muestrales diferentes de acuerdo a los siguientes objetivos: 1. Slo el nmero de caras es de inters. o u e 2. El resultado de cada lanzamiento individual es de inters. e 3. Mostrar que cualquier espacio muestral satisfactorio para (2) puede ser tambin usado en (1), pero que la armacin rec e o proca no es cierta. Solucin o 1. Representamos cada suceso elemental como w =nmero de caras u obtenidas en los cinco lanzamientos. As un posible espacio mues, tral es: = {0, 1, 2, 3, 4, 5} . 2. Un posible espacio muestral es: = {w = (w1 , w2 , w3 , w4 , w5 ) : wi {C, X}} , donde cada wi representa el resultado del i-simo lanzamiento de la e moneda, que puede ser C =cara y X =cruz (i = 1, 2, 3, 4, 5) . 3. Si tomamos un suceso del espacio muestral del apartado (b) podemos calcular el nmero de caras que han salido (espacio muestral del u apartado (a)). Sin embargo, a partir del nmero de caras que se han u obtenido en cinco lanzamientos no podemos saber el resultado de cada lanzamiento individual.

P2.3] Dado (, A, P ) un espacio probabil stico, demostrar: 1. P () = 0; 2. si A, B A: A B entonces P (A) P (B); 3. si A A: P (Ac ) = 1 P (A); 4. si A, B A: P (A \ B) = P (A) P (A B); 5. si A, B A: P (A B) = P (A) + P (B) P (A B).

i i i

i i

libroult 2001/8/30 page 27 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES Solucin: o 1. 2. 3. 4. 5.

27

Basta tener presente las dos condiciones que cumple P por denicin, o considerando A1 := y A2 := . Basta tener presente las dos condiciones que cumple P por denicin, o considerando A1 := A B = A y A2 := B \ A. Basta tener presente las dos condiciones que cumple P por denicin, o considerando A1 := A y A2 := Ac . Basta tener presente las dos condiciones que cumple P por denicin, o considerando A1 := A \ B y A2 := A B. Usando los apartados anteriores: P (A B) = P (A) + P (B \ A) = P (A) + P (B) P (A B).

P2.4] Un jugador italiano expres su sorpresa a Galileo, por observar que al o jugar con 3 dados la suma 10 aparece con ms frecuencia que la 9. Segn el a u jugador los casos favorables al 9 ser an: 126, 135, 144, 225, 234 y 333; y al 10: 136, 145, 226, 235, 244 y 334. Pero Galileo vio que estas combinaciones no se pueden considerar igualmente probables. Explicar por qu y calcular e las correspondientes probabilidades. Solucin o Consideremos como espacio muestral: = {w = (w1 , w2 , w3 ) : wi {1, 2, 3, 4, 5, 6} , i = 1, 2, 3} , donde cada wi representa el resultado del lanzamiento del i simo dado e (i = 1, 2, 3). Ntese que este espacio es equiprobable y || = 63 . o La probabilidad de obtener resultados que sumen nueve es: 3! [P ({(1, 2, 6)}) + P ({(1, 3, 5)}) + P ({(2, 3, 4)})] 3 + [P ({(1, 4, 4)}) + P ({(2, 2, 5)})] + P ({(3, 3, 3)}) 2 1 3 25 2+1 = . = 3 63+ 6 2 216 Por otra parte, la probabilidad en el caso de que la suma sea igual a diez es: 3! [P ({(1, 3, 6)}) + P ({(1, 4, 5)}) + P 3 + [P ({(2, 2, 6)}) + P ({(2, 4, 4)}) + P 2 1 = 3 63+ 6 que es mayor que 25/216. ({(2, 3, 5)})] ({(3, 3, 4)})] 3 1 3 = , 2 8

i i i

i i

libroult 2001/8/30 page 28 i

28

EJERCICIOS RESUELTOS DE PROBABILIDAD

P2.5] Considrese un espacio muestral formado por las 24 permutaciones de e los nmeros 1, 2, 3 y 4, todas equiprobables. Denimos Ai = {w /en u w aparece el nmero i en el lugar i-simo}. Calcular: u e 1. P (A1 A2 A3 A4 ) 2. P ((A1 A2 ) (A3 A4 )) 3. P (A1 A3 ) 4. P (A1 (A3 A4 )) Solucin o 1. Dado que P (A1 A2 A3 A4 ) =
1i4

P (Ai )
1i<j4

P (Ai Aj )

+
1i<j<k4

P (Ai Aj Ak )

P (A1 A2 A3 A4 ), procedemos a calcular cada uno de los trminos: e P (Ai ) = |Ai | (4 1)! 6 1 = = = , || 24 24 4 para todo i = 1, . . . , 4 (4 2)! 2 1 |Ai Aj | = = = , || 24 24 12 para todo i, j = 1, . . . , 4 |Ai Aj Ak | 1 = , || 24 para todo i, j, k = 1, . . . , 4 |A1 A2 A3 A4 | 1 = . || 24

P (Ai Aj ) =

P (Ai Aj Ak ) =

P (A1 A2 A3 A4 ) =

Luego, jados por ejemplo Ai = A1 , Aj = A2 , Ak = A3 , 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 i

libroult 2001/8/30 page 29 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 4 P (A1 A2 A3 A4 ) 4 1 1 1 5 1 +4 1 = . = 4 6 4 12 24 24 8 2.

29

Utilizando lo ya conocido para la probabilidad de la unin de dos o sucesos, 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 = 12 = = . 12 24 24 24

3.

Utilizando la propiedad de la probabilidad de la unin de dos sucesos o se obtiene: 1 1 5 P (A1 A3 ) = P (A1 ) + P (A3 ) P (A1 A3 ) = 2 = . 4 12 12 Anlogamente, se obtiene que: a P (A1 (A3 A4 )) = = P (A1 ) + P (A3 A4 ) P (A1 A3 A4 ) = 1 1 1 7 + = . 4 12 24 24

4.

P2.6] Sean A1 , A2 y A3 sucesos tales que A1 A2 A3 = y A1 A2 = A1 A3 = A2 A3 . Sabiendo que P (A1 ) = 1/4 y P (A2 ) = 1/2 hallar P (A3 ). Solucin o Sabemos que P () = 1, y adems podemos expresar esta probabilidad a en funcin de los tres sucesos que se denen en el enunciado. As desarroo , llando esta expresin y sustituyendo los datos que nos da el problema, se o tiene que: P () = 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 2

usando, para la ultima igualdad, que: P (A1 (A2 A3 )) = P (A1 (A1 A2 )) = P (A1 A2 ).

i i i

i i

libroult 2001/8/30 page 30 i

30

EJERCICIOS RESUELTOS DE PROBABILIDAD Finalmente, despejando, obtenemos: 1 P (A3 ) = 2 P (A1 A2 ) + . 4

P2.7] Tres caballos A, B y C participan en una carrera. El suceso A vence a B se designa por AB, el suceso A vence a B, el cual vence a C como ABC, y as sucesivamente. Se sabe que P (AB) = 2/3, P (AC) = 2/3 y P (BC) = 1/2. Adems P (ABC) = P (ACB), P (BAC) = P (BCA) a y P (CAB) = P (CBA). Calcular P (A venza), P (B venza), P (C venza). Son AB, AC y CB independientes? Solucin o En este problema se asume que no existen los empates. Por ello, los sucesos elementales son las permutaciones de las letras A, B y C, y un simple espacio muestral es: = {ABC, ACB, BAC, BCA, CAB, CBA} ; || = 3! = 6 Dicho espacio tiene || = 3! = 6 elementos, pero no es necesariamente equiprobable. Adems: a AB = {ABC, ACB, CAB} AC = {ABC, ACB, BAC} BC = {ABC, BAC, BCA} . Denotemos las probabilidades de los sucesos elementales: P ({ABC}) = P ({ACB}) = p1 , P ({BAC}) = P ({BCA}) = p2 , P ({CAB}) = P ({CBA}) = p3 . 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, p2 = 1/9 y p3 = 1/9. Por tanto, las proba 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.

i i 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 = AB c C c y N = A(BC). 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. Solucin o Se puede usar la diferencia de sucesos, y as : 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 expresin equivao lente a la unin 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 (AB c C c )(B C) = (A B c C c B)(A B c C c C) = .

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 funcin 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 unin 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,

vericndose 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: a, 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). Solucin o Aplicamos la denicin 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

libroult 2001/8/30 page 33 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

33

La tercera igualdad se verica debido a que P (A1 A2 B) = P ( B) = P () = 0. P2.10] Demostrar que si A1 , A2 y A3 son independientes, entonces tambin 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 proco no es cierto. Solucin 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 verica tambin 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

Anlogamente: 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
1i3 c

P (Ai ) +
1i<j3

P (Ai Aj )

P (A1 A2 A3 ) = 1
1i3

P (Ai ) +
1i<j3

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 denicin. o

i i i

i i

libroult 2001/8/30 page 34 i

34

EJERCICIOS RESUELTOS DE PROBABILIDAD Si A1 , A2 y A3 son independientes por pares, esto no implica que necesariamente sean independientes. Supongamos que se realiza un experimento aleatorio que consiste en lanzar dos dados distinguibles (1 y 2). Un espacio muestral es = {(i, j) : i, j = 1, 2, 3, 4, 5, 6} , donde i representa el resultado del dado 1 y j el resultado del dado 2 (i, j = 1, 2, 3, 4, 5, 6) . Este espacio es equiprobable, y su cardinal es || = 62 = 36. Por tanto, P ((i, j)) = 1 6
2

1 , 36

para todo i, j = 1, 2, 3, 4, 5, 6.

Denamos los sucesos: A = El resultado del dado 1 es un no par, B = El resultado del dado 2 es un no par, C = Los dos dados dan el mismo resultado. Entonces: P (A) = 18 1 1 6 1 = P (B) = P (C) = = . 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) , 36 4 1 3 = = P (A) P (C) , 36 12 3 1 = = P (B) P (C) , 36 12

pero, sin embargo, no se cumple la ultima condicin para la inde o pendencia, 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) 63 1 = , 36 12 1 24

i i i

i i

libroult 2001/8/30 page 35 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

35

P2.11] Sea A1 y A2 dos sucesos con A1 A2 = . Dar una condicin necesaria o y suciente para que A1 y A2 sean independientes. Solucin o A1 , A2 independientes P (A1 ) P (A2 ) = P (A1 A2 ) = P () = 0 P (A1 ) = 0 P (A2 ) = 0 o

P2.12] Dado que P (A) = 1/3, P (B|A) = 1/3; determinar si se cumple que: 1. 2. 3. 4. A y B son independientes. A B = . A B. P (Ac |B c ) = 2/3.

Solucin o 1. Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola de una urna con nueve bolas numeradas del 1 al 9. Entonces, un espacio muestral es = {1, 2, 3, 4, 5, 6, 7, 8, 9} . Dicho espacio es equiprobable y P ({i}) = 1/9, para todo i = 1, . . . , 9. Denimos A como el suceso el nmero extra es menor que cuau do tro, es decir, A = {1, 2, 3} , y sea B el suceso el nmero extra u do es mayor que dos, es decir, B = {3, 4, 5, 6, 7, 8, 9} . Entonces: P (B) P (B|A) = = 7 9 P (B A) P ({3}) 1/9 1 = = = . P (A) 1/3 1/3 3

P (B) = P (B|A), por lo que se concluye que los dos sucesos no son independientes. 2. Por denicin de probabilidad condicionada, se tiene que: o P (B|A) = P (B A) P (B A) = = 1/3, P (A) 1/3

obtenindose as que P (B A) = 1/9. Por lo tanto, A B = . e 3. En el mismo contraejemplo utilizado en el primer apartado del problema se observa que A B.

i i i

i i

libroult 2001/8/30 page 36 i

36

EJERCICIOS RESUELTOS DE PROBABILIDAD 4. Obsrvese, en el contraejemplo del apartado (a), que: e P (Ac |B c ) = P () P (Ac B c ) = = 0. P (B c ) P ({1, 2})

P2.13] Son ciertas las igualdades: 1. P (A|B) = P (Ac |B c ); 2. P (A|B) + P (Ac |B c ) = 1; 3. P (A|B) + P (A|B c ) = 1? Solucin o 1. Para ver que la igualdad P (A|B) = P (Ac |B c ) es falsa, denimos un espacio muestral = {1, 2, 3, 4, 5, 6}, con P ({i}) = 1/6, para todo i = 1, . . . , 6, pudiendo pensarse que cada suceso elemental i se corresponde con la cara que sale al lanzar un dado. Denimos tambin los sucesos A = {1, 2} y B = {3, 4}, que verican: e A B = , B = {1, 2, 5, 6} , c c c A B = (A B) = {5, 6} .
c

Sustituyendo en las correspondientes expresiones, 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}) 2/6 1 = = . P ({1, 2, 5, 6}) 4/6 2

Luego la igualdad P (A|B) = P (Ac |B c ) no es cierta. 2. La igualdad P (A|B) + P (Ac |B c ) = 1 tampoco se verica, pues, si utilizamos los datos del ejemplo del apartado anterior, resulta: P (A|B) + P (Ac |B c ) = 0 + 1/2 = 1/2 = 1. 3. La igualdad P (A|B) + P (A|B c ) = 1 no es cierta, pues, utilizando nuevamente el ejemplo del primer apartado, se obtiene: A B c = {1, 2} ,

i i i

i i

libroult 2001/8/30 page 37 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES y sustituyendo: 0 P ({1, 2}) P (A B c ) P (A|B c ) = = P (B c ) P ({1, 2, 5, 6}) 1 2/6 = . = 4/6 2 Luego P (A|B) + P (A|B c ) = 0 + 1/2 = 1/2 = 1. P (A|B) =

37

P2.14] Demostrar que si dos sucesos A y B son independientes, entonces Ac y B c son independientes. Solucin o Comprobemos que P (A B) = P (A) P (B) implica que P (Ac B c ) = P (Ac ) P (B c ). En efecto, 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 ) ,
c

concluyndose as que Ac y B c son independientes. e P2.15] Sean A y B dos sucesos tales que P (A) = 1/4, P (B|A) = 1/2 y P (A|B) = 1/4. Decir si son ciertas o falsas las siguientes relaciones: 1. 2. 3. 4. 5. 6. A B; A y B son independientes; Ac y B c son independientes; A y B son incompatibles; P (Ac |B c ) = 1/2; P (A|B) + P (Ac |B c ) = 1.

Solucin o 1. Ntese que si A B entonces A B = A, y se vericar o a: P (B|A) = P (A B) P (A) 1 = =1= , P (A) P (A) 2

por lo que no es posible que A B.

i i i

i i

libroult 2001/8/30 page 38 i

38

EJERCICIOS RESUELTOS DE PROBABILIDAD 2. Es cierto. En efecto, A y B son independientes, pues: P (A B) = P (B|A) P (A) = y P (A) P (B) = Luego P (A B) = P (A) P (B) . 3. Habiendo demostrado ya la independencia de A y B, y teniendo en cuenta el ejercicio 14, se concluye que Ac y B c son independientes. 4. No es cierto que A y B sean incompatibles, ya que: P (A B) = P (B|A) P (A) = 1 1 1 = = 0. 2 4 8 1 1 1 = 2 4 8

1 1 1 = . 4 2 8

5. Tampoco se cumple que P (Ac |B c ) = 1/2, pues: P (Ac |B c ) = P (Ac B c ) P (Ac ) P (B c ) 3 = = . P (B c ) P (B c ) 4

6. Se verica que P (A|B) + P (Ac |B c ) = 1. En efecto, P (A|B) + P (Ac |B c ) = 1 3 + = 1. 4 4

P2.16] Demostrar los siguientes resultados: Dado (, A, P ) un espacio probabil stico, un subconjunto de sucesos A1 , . . . , Ak disjuntos dos a dos, y otro suceso B tal que B k Ai ; i=1 1. Teorema de la probabilidad total:
k

P (B) =
i=1

P (B|Ai )P (Ai ).

2. Teorema de Bayes: para cada j {1, . . . , k}, P (Aj |B) = Solucin: o 1. Dado que B es la unin disjunta de los conjuntos B Ai , el resultado o es trivial. 2. Consecuencia inmediata de aplicar la denicin de probabilidad cono dicionada y del apartado anterior. P (B|Aj )P (Aj )
k i=1

P (B|Ai )P (Ai )

i i i

i i

libroult 2001/8/30 page 39 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

39

P2.17] Supuesto que los sucesos A1 , A2 y A3 son independientes y asumiendo que r = 0, 1, 2, 3, obtener expresiones en trminos de P (A1 ), P (A2 ) y e P (A3 ) para las probabilidades de los sucesos: 1. 2. 3. ocurren exactamente r sucesos; al menos ocurren r sucesos; como mximo ocurren r sucesos. a

Solucin o 1. Veamos la probabilidad de que ocurran exactamente r sucesos para cada valor de r: Si r = 0, por el ejercicio 10: Si A1 , A2 y A3 son independientes, entonces Ac , Ac y Ac 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 ) . 2 3 1 3 1 2 Esta igualdad se verica porque los sucesos son disjuntos. Adems, a por el ejercicio P2.8: 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 ) , = P (Ac ) P (Ac ) P (Ac ) = 1 2 3 = (1 P (A1 )) (1 P (A2 )) (1 P (A3 )) .

para todo i, j, k = 1, 2, 3; i = j, i = k, j = k. Continuando con las igualdades anteriores


3 3

P (Ai )2
i=1 i<j i,j=1

(P (Ai ) P (Aj ))+3P (A1 )P (A2 )P (A3 ) ,

que est expresado en trminos de las probabilidades pedidas. a e Si r = 2, 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 ) ,

i i i

i i

libroult 2001/8/30 page 40 i

40

EJERCICIOS RESUELTOS DE PROBABILIDAD donde la primera igualdad se verica por ser sucesos disjuntos. Adems, por el ejercicio 10: Si A1 , A2 y A3 son independientes, a entonces A1 , A2 y A3 son independientes por pares, luego, el ultimo trmino de esta ultima expresin es equivalente a: e o P (A1 ) P (A2 ) + P (A1 ) P (A3 ) + P (A2 ) P (A3 ) 3 P (A1 ) P (A2 ) P (A3 ) . Si r = 3, se tiene que: P (A1 A2 A3 ) = P (A1 ) P (A2 ) P (A3 ) , por ser sucesos independientes. 2. La probabilidad de que ocurran al menos r sucesos es: Si r = 0, esta probabilidad es P () = 1. Si r = 1, entonces: P (A1 A2 A3 ) = 1 P (Ac Ac Ac ) = 1 2 3 = 1 (1 P (A1 )) (1 P (A2 )) (1 P (A3 )) . Si r = 2, 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 ) , donde la segunda igualdad se verica por ser A1 , A2 y A3 sucesos independientes. Si r = 3, la probabilidad es: P (A1 A2 A3 ) = P (A1 ) P (A2 ) P (A3 ) , vericndose esta igualdad por ser A1 , A2 y A3 sucesos indepena dientes. 3. Calculemos la probabilidad de que al mximo ocurran r sucesos. a Si r = 0, se tiene que P (Ac Ac Ac ) = (1 P (A1 )) (1 P (A2 )) (1 P (A3 )) . 1 2 3

i i i

i i

libroult 2001/8/30 page 41 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES Si r = 1, 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 ) , por ser A1 , A2 y A3 sucesos independientes. Si r = 2, la probabilidad que nos interesa obtener es 1 P (A1 A2 A3 ) = 1 P (A1 ) P (A2 ) P (A3 ) , por ser A1 , A2 y A3 sucesos independientes. Si r = 3, el resultado es P () = 1.

41

P2.18] Dilema del concurso televisivo. En un concurso de televisin se le ofrece o al concursante la posibilidad de elegir una entre 3 puertas (A, B, C) para quedarse lo que hay tras ella. El presentador le informa de que slo una o de ellas tiene un buen regalo (un apartamento en Torrevieja, Alicante), mientras que las otras dos estn vac El concursante opta por una y a as. tras decirlo, el presentador (que conoce exactamente dnde est el regalo) o a le abre una de las otras dos puertas no elegidas por el concursante donde no est el regalo. Luego le ofrece al concursante la opcin de cambiar su a o decisin inicial eligiendo la otra puerta an no abierta. Qu debe hacer el o u e concursante? Es decir, debe el concursante aceptar la nueva posibilidad cambiando la puerta que eligi originalmente, o no? o Solucin o En el momento original donde el concursante debe tomar su primera decisin, es evidente que la probabilidad de que escoja la puerta tras la que o se oculta el regalo es igual a 1/3. Supuesto que opta por una, se encuentra con que el presentador le ofrece una nueva informacin: le reduce las tres o posibilidades iniciales a dos. Esto cambia por tanto las probabilidades, ya que la puerta abierta por el presentador pasa a tener probabilidad 0, mientras que las otras dos se reparten el 1/3 que esa puerta pierde. Pero, de qu manera? Desde luego, no equitativamente, 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. o Por tanto, el concursante s deber cambiar su eleccin original, ya que a o con ello duplica la probabilidad de obtener el regalo. Obviamente, este consejo se basa unicamente en consideraciones matemticas y no tiene a presente de ninguna forma la acin o aversin al riesgo del concursante. o o

i i i

i i

libroult 2001/8/30 page 42 i

42

EJERCICIOS RESUELTOS DE PROBABILIDAD

P2.19] Dilema del prisionero. En una crcel hay 3 prisioneros (A, B, C) con a historiales similares. En un momento dado, los tres solicitan el indulto a un tribunal, y sin conocerse ms detalles llega la informacin al prisionero a o A de que han concedido el indulto a 2 de los 3 prisioneros. El prisionero A conoce a uno de los miembros del tribunal y puede intentar hacerle una pregunta para obtener algo de informacin. Sabe que no puede preguntar o si l es uno de los dos indultados, pero s puede pedir que le den el nombre e de uno de los otros dos (nunca l) que est indultado. Pensando un poco e e concluye que si no hace tal pregunta, entonces la probabilidad de ser uno de los dos indultados es 2/3, mientras que si la hace obtendr respuesta y a entonces la probabilidad de ser el otro indultado es 1/2. Por ello, concluye que es mejor no hacer tal pregunta, porque sea cual sea la respuesta, slo o le servir para disminuir la probabilidad de ser uno de los dos indultados. a Dnde est el error de su razonamiento? o a Solucin o Si no hace la pregunta, entonces un espacio muestral es = {w = {w1 , w2 } : wi {A, B, C} , w1 = w2 } = {{A, B} , {A, C} , {B, C}} , que es un espacio equiprobable. Dado que el suceso A es indultado coincide con {{A, B} , {A, C}}, entonces su probabilidad es 2/3, y por tanto ese clculo del prisionero es correcto. a Sin embargo, si hace la pregunta, un espacio muestral ser a = {w = ({w1 , w2 } , w3 ) : wi {A, B, C} , w1 = w2 , w3 {w1 , w2 } \ {A}} , donde w1 y w2 representan los dos presos indultados, y w3 es el nombre de uno de los indultados que el miembro del tribunal da al preso A. Ntese o que: P (({A, B} , B)) = P (({A, C} , C)) = 1 , 3 1 P (({B, C} , B)) = P (({B, C} , C)) = , 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. En consecuencia el o suceso A es indultado coincide con {({A, B} , B) , ({A, C} , C)} y por tanto la probabilidad sigue siendo 2/3. Aqu est su error. En efecto, era a de esperar que conocer la respuesta a su pregunta no le diera informacin o sobre la probabilidad de que l mismo fuera indultado, debido al propio e enunciado de la pregunta.

i i i

i i

libroult 2001/8/30 page 43 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

43

P2.20] Supongamos que entramos en un casino con 20 euros y desear amos salir con 40 euros. Se nos ofrecen dos posibilidades para aumentar el capital en una ruleta: 1. 2. apostar los 20 euros sobre pares en una unica jugada; apostar un euro sobre pares en cada jugada durante una secuencia de jugadas hasta que pierda sus 20 euros o gane lo deseado.

Analizar matemticamente ambas alternativas. a Solucin o Recurriendo a la primera opcin, propia de jugadores ms arriesgados, o a hay una probabilidad de ganar igual a 18/38 0,474. = Sin embargo, con la segunda opcin, propia de jugadores ms cautelosos, o a la probabilidad de ganar es:
20 20 18 20 40 18

1 1

= 0. 1084.

Es decir, con la segunda opcin tiene un 25 % menos de posibilidades de o ganar que con la primera opcin. o P2.21] Cul es el m a nimo nmero de alumnos que debe tener una clase para u garantizar una probabilidad 0.5 de que el d de cumpleaos de algn a n u alumno coincida con el d de cumpleaos del rector de la universidad? a n Se asume que los aos son de 365 d n as. Solucin o La probabilidad de que entre n alumnos no haya ninguno con el mismo d de cumpleaos que el rector es 364n /365n , y por tanto la probabilidad a n de que en una clase con n alumnos haya al menos uno con el cumpleaos n deseado es 1 364n /365n . Ahora obtengamos el menor valor n natural tal que: 1 es decir, n (ln364 ln365) ln1 ln2, concluyendo as que n 252,652, luego la clase debe tener al menos 253 alumnos. 364 365
n

1 , 2

i i i

i i

libroult 2001/8/30 page 44 i

44

EJERCICIOS RESUELTOS DE PROBABILIDAD

P2.22] Cul es el menor nmero 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 cumpleaos? a n Solucin o Sea n el nmero 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 lo tanto el menor nmero de alumnos es 23. u P2.23] Un joven tiene un pleito sobre el que cree rmemente que l tiene la e razn. 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. a 2. Tribunal B: formado por 1 persona que tiene probabilidad p de emitir un informe correcto. Por cul de los dos tribunales deber optar el joven? Razonar la resa a puesta matemticamente. a Solucin 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 a 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

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 pker 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, detrs de la K. a Pker: cuatro cartas con la misma numeracin. o o Pker de ases. o Full: tres cartas con una numeracin y las otras dos con otra. o Escalera: las cinco cartas consecutivas (el As puede ir al comienzo o al nal). Color: las cinco cartas del mismo palo. Dobles parejas. Tr o. Pareja.

Solucin o Para introducir un espacio muestral denotemos cada carta mediante un par (n, e), donde n representa el nmero 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: = {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: || = C52,5 = 52 . 5

i i i

i i

libroult 2001/8/30 page 46 i

46

EJERCICIOS RESUELTOS DE PROBABILIDAD 1. Denamos 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 . || 5

2. Sea el suceso B = Se obtiene una escalera de color real. Por cada palo de la baraja slo hay una escalera de color real posible. Por o tanto: 4 |B| 1 P (B) = = 52 . || 5 3. Sea C el suceso Se obtiene un pker. Hay 13 numeraciones difeo rentes. Una vez escogidas 4 cartas con la misma numeracin se elige o entre las 52 4 = 48 restantes la que falta para completar la mano, obtenindose que e P (C) = |C| = ||
13 1

48
52 5

4. Denamos el suceso D =Se obtiene un pker de ases. Hay 524 = o 48 cartas posibles para aadir a los 4 ases y completar la mano, por n lo que la probabilidad deseada es: P (D) = |D| 48 = 52 . || 5

5. Sea el suceso E = Se obtiene un full. Fijada una numeracin, 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 numeracin anterior, luego, procediendo anlogao a mente al caso anterior, hay en total 12 C4,2 = 12 6 = 72 combinaciones posibles. Finalmente, se calcula: P (E) = 13 |E| = ||
4 3

12
52 5

4 2

i i i

i i

libroult 2001/8/30 page 47 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 6.

47

Sea el suceso F =Se obtiene una escalera. Hay 135+1 = 9 numeraciones posibles de las escaleras, a las que hay que aadir una ms n a que corresponde a la escalera con el As al nal. Si jamos una numeracin i, i + 1, i + 2, i + 3, i + 4, con i = 1, . . . , 9, 10, tendremos, para o cada valor de i, 45 escaleras (incluyendo las de color, y las de color real si i = 10). Si eliminamos las 4 escaleras de color correspondientes a esa numeracin (una por cada palo), quedan 45 4 = 4(44 1) o escaleras y, dado que hay 10 numeraciones posibles. Entonces: P (F ) = |F | 4 (44 1) 10 = . 52 || 5

7.

Representemos por G al suceso Se obtiene color. Para cada palo, hay C13,5 combinaciones posibles de 5 cartas. De ellas, como vimos en los apartados (a) y (b), 9+1=10 corresponden a escaleras de color y a escaleras de color reales. Por lo tanto se eliminan, resultando: P (G) = |G| = ||
4 1

13 5 52 5

10

8.

Denamos el suceso H =Se obtienen dobles parejas. Hay C13,2 formas distintas de elegir los palos con los que se forman las dos parejas, y C4,2 de crear la pareja para cada uno de esos palos. Para la quinta carta quedan 52 4 2 2 = 44 posibilidades, puesto que se restan, adems de las cuatro cartas ya escogidas, las cuatro cartas a que quedan con la misma numeracin que cada una de las parejas. o De este modo se evita obtener un full. As la probabilidad buscada , es 13 4 4 44 |H| 2 2 P (H) = = 2 . 52 || 5 Denotemos por I al suceso Se obtiene un tr Hay C13,1 C4,3 como. binaciones posibles de tres cartas con la misma numeracin. Para las o dos que completan la mano se debe tener en cuenta que ninguna de ellas puede tener la misma numeracin que las tres cartas anterioo res, ya que se obtendr un pker, y adems ambas no pueden ser a o a de la misma numeracin, pues se formar un full. Luego, una vez o a jadas las 3 primeras, se escoge la cuarta carta de un conjunto de 52 4 = 48 cartas (se descartan las 4 cartas que hay con la numeracin de las tres ya elegidas), y para la ultima quedan, nalmente, o 48 4 = 44 posibilidades (se descartan las de la misma numeracin o que la cuarta carta). Adems, como no se tiene en cuenta el orden a en que se elijan estas dos ultimas cartas, dividimos 48 44 por 2! y resulta: 13 4 4844 |I| 3 2! = 1 . P (I) = 52 || 5

9.

i i i

i i

libroult 2001/8/30 page 48 i

48

EJERCICIOS RESUELTOS DE PROBABILIDAD 10. Sea J el suceso Se obtiene una pareja. Las dos cartas que forman la pareja pueden escogerse de un total de 13C4,2 parejas posibles. Para las tres que faltan deben descartarse aquellas combinaciones que, junto a las dos primeras cartas, formar un tr un pker o un full. an o, o Por lo tanto, y procediendo de forma similar al caso del tr jadas o, las dos primeras hay 52 4 = 48 posibilidades para la tercera carta, 484 = 44 para la cuarta y 444 = 40 para la ultima. Anlogamente a al apartado anterior, se dividen las 48 44 40 combinaciones de las tres ultimas cartas por 3! = 6, ya que no importa el orden en que stas se elijan. As e : P (J) = |J| = ||
13 1

4 2

48 44 40
52 5

P2.25] Un banco ha comprobado que la probabilidad de que un cliente con fondos extienda un cheque con fecha equivocada es de 0.001. En cambio, todo cliente sin fondos pone una fecha errnea en sus cheques. El 90 % o de los clientes del banco tienen fondos. Se recibe hoy en caja un cheque con fecha equivocada. Qu probabilidad hay de que sea de un cliente sin e fondos? Solucin o Representemos un suceso elemental como w = (w1 , w2 ) , donde w1 representa si el cliente tiene o no fondos (w1 con, sin) y w2 representa si el cheque tiene o no fecha equivocada (w2 {corr, equiv}). El espacio no es equiprobable y tiene 4 elementos. 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) =
=

= = = = = =

0,001, 0,999, 1, 0, 0,9, 0,1.

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 0,1 = 0,99108. 1 0,1 + 0,001 0,9

i i i

i i

libroult 2001/8/30 page 49 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

49

P2.26] En una bolsa hay cinco bolas, blancas o negras. Se extrae una bola y es blanca. Hllese 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. Solucin o Representemos un suceso elemental como: w = (w1 , w2 , w3 , w4 , w5 , w6 ) , donde w1 , w2 , w3 , w4 y w5 representan los resultados de los lanzamientos de la moneda, y por tanto tambin la composicin de la urna. Adicionale o mente, w6 representa el color de la bola extra de la urna. Denotemos da por Ci (i = 0, 1, 2, 3, 4, 5) el suceso de obtener i caras en los 5 lanzamientos de la moneda, es decir, que la urna contenga i bolas blancas y 5 i bolas negras, y sea B el suceso extraer una bola blanca de la urna. Entonces el problema se resuelve mediante los siguientes clculos: 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 i1

4
5 i=0 4 i

4 (1 + 1)

1 . 4

P2.27] Una urna contiene cinco dados con sus caras de color blanco o rojo. El dado nmero i (i = 1, 2, 3, 4, 5) tiene i de sus caras blancas y el resto u rojas. Se selecciona al azar un dado de la urna, se lanza y sale cara roja. Cul es la probabilidad de que el dado seleccionado sea el i? a Solucin o Representemos un suceso elemental como w = (w1 , w2 ) , donde w1 es el nmero de caras blancas del dado (y por tanto el nmero del dado), y w2 u u es el color que se obtiene al lanzar el dado. As : = {w = (w1 , w2 ) : w1 {1, 2, 3, 4, 5} , w2 {B, R}} . Este espacio muestral no es equiprobable, pues P ({(1, R)}) = P ({(5, R)}) . La probabilidad pedida es: P (w1 = i|w2 = R) = P (w1 = i w2 = R) P (w2 = R)

i i 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

6i 6 5 j=1

=
1 5

6i 6

6j 6

1 6

5 j=1

= j

6i 6 1 56 6 2

6i 6 5 2

6i = , i = 1, . . . , 5. 15

P2.28] Dos personas lanzan una moneda n veces cada una. Cul es la probaa bilidad de que obtengan el mismo nmero de caras? u Solucin o Representemos un suceso elemental como w = (w1 , . . . , wn , wn+1 , . . . , w2n ) , con wi {C, X}, donde w1 , . . . , wn son los resultados de los n lanzamientos de una de las dos personas, y wn+1 , . . . , w2n los resultados de la otra. Denotamos por Ck , k = 0, 1, . . . , n al suceso ambas obtienen exactamente k caras. Dado que estos sucesos son disjuntos, la probabilidad de obtener el mismo nmero de caras viene dada por: u
n

P (C0 C1 . . . Cn ) =
k=0 n

P (Ck )
n

=
k=0

n k

1 2

n k

1 2

=
k=0

n k

1 2

2k

P2.29] En un pueblo de n + 1 habitantes, una persona le rumorea algo a una segunda persona, quien lo repite a una tercera, etc. En cada paso se elige aleatoriamente al receptor del rumor de entre n personas. Encontrar la probabilidad de que el rumor pase r veces sin: 1. regresar al que lo origin; o 2. repet rsele a una persona. Solucin o Numeremos a los habitantes desde 0 hasta n, y supongamos que el rumor parte inicialmente del habitante 0. Para introducir un espacio muestral, vamos a representar cada suceso elemental como w = (w1 , w2 , . . . , wr ) ,

i i i

i i

libroult 2001/8/30 page 51 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

51

donde wi , i = 0, . . . , n son las personas por las que pasa el rumor tras transmitirlo el habitante 0. As : = {w = (w1 , w2 , . . . , wr ) : wi {0, 1, . . . , n} , w1 = 0, wi = wi1 } . Este espacio es equiprobable y || = nr . 1. Sea el suceso A = El rumor pasa r veces sin regresar al habitante 0= {w : wi = 0, para todo i}. Entonces: P (A) = 2. |A| n (n 1) = || nr
r1

n1 n

r1

Sea el suceso B = El rumor pasa r veces sin repetirse a ninguna persona= {w : wi = wj , para todo i = j} . Por lo tanto: P (B) = |B| n (n 1) (n 2) . . . (n r + 1) n! = = . || nr (n r)! nr

P2.30] Un ropero contiene n pares de zapatos. Si se escogen al azar 2r zapatos (con 2r < n) Cul es la probabilidad de que: a 1. 2. 3. no haya ningn par completo; u haya exactamente un par completo; haya exactamente dos pares completos?

Solucin o Representemos cada zapato mediante un par (y, z), donde y representa el nmero del par (es decir, y {1, 2, . . . , n}) y z representa el pie (es decir, u z {D, I}). Entonces, un espacio muestral es: = {w = {w1 , . . . , w2r } : wi = (yi , zi ) , yi {1, . . . , n} , zi {D, I} ; wi = wj , para todo i = j}. Claramente este espacio es equiprobable, y || = 1. 2n . 2r

Denimos el suceso A = No hay ningn par completo: u A = {w : yi = yj , para todo i = j; i, j = 1, . . . , n} . Entonces, P (A) = |A| = ||
n 2r

22r
2n 2r

(Si 2r > n, entonces P (A) = 0).

i i i

i i

libroult 2001/8/30 page 52 i

52

EJERCICIOS RESUELTOS DE PROBABILIDAD 2. Denimos el suceso B = Hay exactamente un par completo: B = {w : i = j/yi = yj k = i, j : yk = yl , l = k} , luego, P (B) = |B| = ||
n 1

n1 2r2 2n 2r

22r2

3. Denimos el suceso C = Hay exactamente dos pares completos: C = {w : i = j/yi = yj k = i, j : yk = yl , l = k} . As se tiene que , P (C) = |C| = ||
n 2

n2 2r4 2n 2r

22r4

P2.31] Un examen de oposicin consta de 14 temas. Se debe escoger un teo ma de entre dos tomados al azar. Calcular la probabilidad de que a un alumno que ha preparado 5 temas le toque al menos uno que sabe. Cul a es el nmero m u nimo de temas que debe preparar para que tenga una probabilidad superior a 1/2 de superar el examen? Solucin o Representemos cada suceso elemental como w = {w1 , w2 }, donde w1 , w2 {1, 2, . . . , 14}. As = {w = {w1 , w2 } ; w1 , w2 {1, 2, . . . , 14} , w1 = w2 } , que es claramente un espacio muestral equiprobable. Denimos el suceso A = Le toca al menos un tema que ha preparado. Entonces: P (A) = 1 P (Ac ) = 1
145 2 14 2

=1

36 55 = . 91 91

que es la probabilidad que se pide calcular. Finalmente, supongamos que i = nmero de temas preparados por el u alumno. Para superar el examen le debe tocar al menos un tema que haya preparado. Por lo tanto, la probabilidad de aprobar el examen ser a P (A), e imponiendo la condicin del enunciado: o P (A) = 1 P (Ac ) = 1 14 i 14 / 2 2 > 1 , 2

i i i

i i

libroult 2001/8/30 page 53 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 1 (14 i) (13 i) > . 14 13 2

53

Efectuando las operaciones correspondientes, la inecuacin se puede exo presar como: i2 27i + 91 < 0, y resolvindola se concluye que el alumno debe preparar como m e nimo 4 temas. P2.32] Obtener la probabilidad p de que al lanzar n veces dos dados se obtenga al menos un 6 doble. Cuntas partidas habr que jugar para que a a tengamos p = 1/2 de obtener un 6 doble? Solucin o Un espacio muestral para este problema es: = {w = (w1 , w2 ; w3 , w4 ; . . . ; w2n1 , w2n ) : wi {1, 2, 3, 4, 5, 6}} , donde w2i1 y w2i , i = 1, 2, . . . , n son los resultados respectivos de ambos dados en el i-simo lanzamiento. Entonces, sea el suceso A = se obtiene e al menos un 6 doble, A = {w : k {1, 2, . . . , n} , w2k1 = w2k = 6} , luego Ac = {w : (w2k1 , w2k ) = (6, 6) , para todo k {1, 2, . . . , n}} . Luego, dado que los resultados de los lanzamientos del par de dados son independientes entre s y adems la probabilidad de obtener un 6 doble , a es 1/62 = 1/36, se tiene que:
n

P (A) = 1P (Ac ) = 1
k=1

[1 P {(w2k1 , w2k ) = (6, 6)}] = 1 1

1 36

Por ultimo, veamos cuntas partidas necesitamos jugar para obtener un a 6 doble con probabilidad p = 1/2 . Igualando: 1 1 n= 1 36
n

1 , 2

ln2 = 24,605. ln35/36

Por tanto, tras aproximar el resultado, se concluye que necesitamos jugar 25 partidas.

i i i

i i

libroult 2001/8/30 page 54 i

54

EJERCICIOS RESUELTOS DE PROBABILIDAD

P2.33] Problema de Bertrand. Dos arqueros de la misma destreza tiran al blanco, el primero dos echas y el segundo una. Si gana el que tire la echa ms cercana al centro de la diana, cul es la probabilidad de que gane a a el primero? Solucin o Un espacio muestral para este problema consiste en considerar cada suceso elemental como la posicin en proximidad al centro que ocupa cada o lanzamiento. As por ejemplo, se puede considerar que los dos primeros , lanzamientos son del primer arquero y el tercer lanzamiento es del segundo. Adems, la probabilidad de que dos lanzamientos queden exactamente a a igual distancia del centro se asume que es cero, con lo que el espacio muestral equivale a las distintas formas de reordenar las tres calicaciones ms cercano, intermedio y ms alejado entre los tres lanzamientos. a a Claramente se trata de un espacio con 3! = 6 sucesos elementales, todos ellos equiprobables. Si cada elemento de dicho espacio se representa por w = (w1 , w2 , w3 ) , siendo w1 y w2 el primer y segundo lanzamiento, respectivamente, del primer arquero, w3 es el unico lanzamiento del segundo arquero, entonces el suceso que nos interesa es A = {w : w1 = ms cercano} {w : w2 = ms cercano} a a Dado que estos sucesos son disjuntos y contienen dos sucesos elementales cada uno de ellos, entonces P (A) = 2/6 + 2/6 = 2/3. P2.34] Problema de Galton. Se lanzan tres monedas al aire, cul es la probaa bilidad de que las tres sean caras o las tres cruces? Solucin o Asumiendo que las monedas son distintas, representemos el espacio muestral como: = {w = (w1 , w2 , w3 ) : wi {C, X} , i = 1, 2, 3} donde wi , i = 1, 2, 3 son los resultados respectivos de las tres monedas, siendo C = cara y X = cruz los resultados posibles de cada lanzamiento. Entonces, sean los sucesos A = se obtienen tres caras y B = se obtienen tres cruces. Puesto que estos sucesos son disjuntos, 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. P2.35] Una loter vende n2 boletos y da n premios. Si una persona compra n a boletos, cul es la probabilidad de que gane al menos un premio? a

i i i

i i

libroult 2001/8/30 page 55 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES Solucin o

55

Resolver este problema es equivalente a calcular la probabilidad de que, al extraer n bolas diferentes simultneamente de una urna con n2 bolas a (numeradas de 1 a n), de las cuales n son negras y el resto blancas, al menos una de las bolas que se saquen sea negra. Un espacio muestral es: = w = {w1 , . . . , wn } : wi 1, . . . , n2 ; wi = wj , i = j; i, j = 1, . . . , n , que es claramente equiprobable. Si denimos el suceso A = se extrae al menos una bola negra, entonces la probabilidad pedida ser a: P (A) = 1 P (Ac ) = 1
n2 n n n2 n

P2.36] Cierto profesor lleva siempre en el bolsillo dos cajas de N fsforos; cada o vez que necesita un fsforo toma al azar una de las cajas. Al cabo de o cierto tiempo una de las cajas est vac Calcular las correspondientes a a. probabilidades de que en ese momento la otra contenga r = 0, 1, . . . , N fsforos suponiendo que: o 1. 2. la caja est vac al tomar el ultimo fsforo; a a o descubre la caja vac cuando por primera vez la saca y no hay ya a fsforos. o

Solucin o Supongamos que las dos cajas, que representaremos por A y B, tienen la misma probabilidad de ser tomadas. Para cada apartado del problema se denir un espacio muestral. a 1. Supongamos que la caja est vac al tomar el ultimo fsforo. Esto a a o signica que el profesor ha tomado 2N r fsforos en total: N r o de una de las cajas y N de la otra (la que queda vac y una vez a), que deja vac una caja, para. Por lo tanto, podemos denir como a espacio muestral: = {w = (w1 , w2 , . . . , w2N r ) : wi {0, 1} , i = 1, . . . , 2N r} , donde cada wi , (i = 1, . . . , 2N r) representa la caja que se escoge en isimo lugar (pudindose tomar o no fsforos de ella, ya que e e o puede estar vac Se supone que wi = 1 si se escoge la caja A y a). wi = 0 si se escoge la B, para cada valor de i (i = 1, 2, . . . , 2N r) . Este espacio es claramente equiprobable, con || = 22N r .

i i i

i i

libroult 2001/8/30 page 56 i

56

EJERCICIOS RESUELTOS DE PROBABILIDAD Denamos el suceso A =la caja A queda vac y en la B quedan r a fsforos. o w = (w1 , w2 , . . . , w2N r1 , 1) : wi {0, 1} , i = 1, . . . , 2N r 1; A= . 2N r1 wi = N 1
i=1

Por lo tanto, la probabilidad de que la caja A quede vac y en a la B queden r fsforos es |M | / || = C2N r1,N 1 /22N r . Esta o probabilidad es igual a la del otro caso posible: que la caja B quede vac y en la A queden r fsforos. De este modo, se obtiene nalmente a o que la probabilidad pedida es 2 C2N r1,N 1 /22N r . 2. Supongamos que descubre la caja vac cuando por primera vez la a saca y no hay ya fsforos. Por lo tanto, tras coger 2N r fsforos o o (de los que N corresponden a la caja que queda vac y N r a la a otra) mediante el procedimiento de tomar una caja al azar y tomar un fsforo de ella, el profesor coge una ultima caja antes de parar: o la caja que est vac Por lo tanto, se dene como espacio muestral: a a. = {w = (w1 , . . . , w2N r , w2N r+1 ) : wi {0, 1} , i = 1, . . . , 2N r} , donde los wi (i = 1, 2, . . . , 2N r) se denen igual que en el apartado anterior. En este caso, || = 22N r+1 . Sea el suceso B =la caja A queda vac y en la B quedan r fsforos. a o wi {0, 1} , i = 1, . . . , 2N r B = w = (w1 , . . . , w2N r , 1) : 2N r . wi = N
i=1

Por lo tanto, la probabilidad de que la caja A quede vac y en la B a queden r fsforos es |M | / || = C2N r,N /22N r+1 . Esta probabilio dad es igual a la del otro caso posible: que la caja B quede vac y a en la A queden r fsforos. De este modo, se obtiene nalmente que o la probabilidad pedida es 2 C2N r,N /22N r+1 . P2.37] Problema de Buon. Se tiene una mesa rayada con l neas paralelas separadas una distancia 2b. Se lanza una aguja de longitud 2a para que caiga sobre la mesa. Hallar la probabilidad de que la aguja corte a alguna l nea si a b. Solucin o Un suceso elemental de este problema puede describirse mediante un par de nmeros, w = (w1 , w2 ), donde el primero w1 representa la distancia u del centro de la aguja (tras caer sobre la mesa) a la l nea ms prxima, a o

i i i

i i

libroult 2001/8/30 page 57 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

57

y el segundo w2 representa el ngulo que la inclinacin de la aguja tiene a o respecto de las l neas en la mesa. Ntese que por tanto w1 [0, b[ y que o w2 [0, [. En efecto, dado el objetivo que se persigue en el problema, es suciente mirar slo la posicin respecto a la l o o nea en la mesa ms a prxima y no interesa distinguir entre los dos extremos de la aguja (da o igual la punta que el ojo de la aguja). El conjunto de todos los sucesos elementales anteriores congura un espacio muestral = [0, b[[0, [ claramente equiprobable. Por ello, la probabilidad de cualquier suceso A se obtiene dividiendo la integral sobre A entre b. En concreto, si A es el suceso que representa la aguja toca una l nea y, asumiendo que a b, entonces A := {w : w1 [0, a cos(w2 )[ para cada w2 [0, [}. Consecuentemente P (A) = 1 b
0 0 a cos(y)

x y =

2a b

P2.38] Se consideran dos nmeros aleatorios elegidos uniformemente y con inu dependencia dentro del intervalo [0, 1]. 1. 2. 3. Calcular la probabilidad de que su diferencia sea mayor que 1/6. Calcular la probabilidad de que su suma sea mayor que 1. Calcular la probabilidad de que su producto sea mayor que 1/7.

Solucin: o Un espacio muestral viene dado por = {w = (w1 , w2 ) : 0 w1 1 y 0 w2 1}. Segn la hiptesis del enunciado, se trata de un espacio equiprobable y u o por tanto se aplica la Ley de Laplace. Consecuentemente, el clculo de la a probabilidad de un suceso se limita al clculo del rea del correspondiente a a trozo en , ya que el rea del total es la unidad. a 1. Sea A el suceso su diferencia es mayor que 1/6, es decir: A = {w : w1 w2 > 1/6 o w2 w1 > 1/6} Grcamente es fcil ver que el rea de A es la de un cuadrado con a a a lado 5/6, es decir, P (A) = (5/6)2 = 0,69444.

i i i

i i

libroult 2001/8/30 page 58 i

58

EJERCICIOS RESUELTOS DE PROBABILIDAD 2. Sea B el suceso su suma es mayor que 1, es decir: B = {w : w1 + w2 > 1}. Grcamente se deduce que el rea coincide con la de medio cuaa a drado, es decir: 1 P (B) = . 2 3. Sea C el suceso su producto es mayor que 1/7, es decir: C = {w : w1 w2 > 1/7}. Concretamente: P (C) = 1 1 + 7
1 1/7 1

w2
1/(7w1 )

w1 = 1

1 ln7. 7

P2.39] Problema de encuentro. Se conoce que en un intervalo de tiempo de 30 minutos llegan a un mismo punto de encuentro y de forma aleatoria dos personas. Qu probabilidad existe de que una de las personas espere por e la otra al menos 10 minutos? Solucin: o Este clsico problema en cualquier asignatura relacionada con las Probaa bilidades es una mera reformulacin del problema anterior. En efecto, un o espacio muestral equiprobable es = {w = (w1 , w2 ) : 0 w1 30 y 0 w2 30}. Si A representa los sucesos en los que el encuentro sucede despus de 10 minutos de espera por parte de algunas de las personas, e es decir: A = {w : w1 w2 > 10 o w2 w1 > 10}, y de forma anloga a como se hizo en el problema anterior: a P (A) = 5 . 9

P2.40] Dos personas acuden a un punto de encuentro aleatoriamente entre las 18:00 y las 19:00 horas, pero slo permanecen en dicho punto 5 minutos. o Qu probabilidad hay de que efectivamente coincidan? e Solucin: o A efectos prcticos, no es relevante la hora en que acuden las personas a al punto de encuentro, sino la fraccin de una hora que ha transcurrido o desde las 18:00 horas. Por lo tanto, y considerando que las 18:00 horas son el origen, sea [x, x + 5/60] = [x, x + 1/12] el intervalo de tiempo, entre las 18:00 y 19:00 horas, que una de las personas permanece en el

i i i

i i

libroult 2001/8/30 page 59 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES y y = x + 11/12

59

1 y = x 11/12 1

Figura 2.1: Regin de casos favorables sobre casos posibles del problema P2.40. o

punto de encuentro, e igualmente [y, y + 1/12] el correspondiente a la otra persona. Ntese que en consecuencia x e y estarn comprendidos entre 0 o a y 1 11/12, pues ambos representan la parte de una hora que transcurre hasta que las dos personas llegan respectivamente al punto de encuentro. Para que ambas coincidan debe vericarse que x 1/12 y x + 1/12. La gura 2.1 muestra que el rea comprendida entre estas dos rectas es a 2 12 (11/12) , luego la probabilidad de coincidir ser aproximadamente a igual a 1/6. P2.41] Un punto se mueve en el plano partiendo del origen por saltos de unidades enteras. Cuando est en la posicin (m, n), para cualesquiera nmeros a o u enteros m y n, tiene una probabilidad p de pasar a la posicin (m+1, n) y o una probabilidad 1p de pasar a la (m, n+1). Determinar la probabilidad de que el punto pase por la posicin (a, b). o Solucin: o Supongamos que el punto est inicialmente en la posicin (0, 0), por lo a o que para pasar por (a, b) debe realizar a desplazamientos a la derecha y b desplazamientos hacia arriba, es decir, un total de a + b desplazamientos. Podemos representar cada suceso elemental como w = (w1 , . . . , wa+b ), con wi {D, A} , i = 1, . . . , a + b, donde cada wi es la direccin del o isimo movimiento: D =derecha y A =arriba. Por lo tanto, un e espacio muestral ser a = {w = (w1 , w2 , . . . , wa+b ) : wi {D, A} , i = 1, . . . , a + b} . Este espacio no es equiprobable si p = 1/2. La probabilidad de un suceso elemental con s movimientos a la derecha, por ejemplo, es ps a+bs (1 p) .

i i i

i i

libroult 2001/8/30 page 60 i

60

EJERCICIOS RESUELTOS DE PROBABILIDAD Denamos el suceso A =el punto realiza a desplazamientos hacia la derecha y b hacia la izquierda. Cualquier suceso elemental de A tiene b la misma probabilidad de ocurrir, y esta probabilidad es pa (1 p) . Por lo tanto, ya que hay Ca+b,a combinaciones posibles de estos a + b movimientos, nalmente se tiene que P (A) = a+b b pa (1 p) . a

P2.42] Ocho personas se suben en un ascensor en el piso 0 de un edicio de once plantas (0,1,2,. . . ,10,11). Cada persona selecciona el piso en el que se bajarn, entre el 1 y el 11, con igual probabilidad. Nadie ms se subir. a a a 1. Calcular la probabilidad de que todas las personas se bajen antes del quinto piso. Calcular la probabilidad de que el ascensor llegue hasta el piso octavo y all se bajen las ultimas personas que queden. 2. Calcular la probabilidad de que en ningn piso se baje ms de una u a persona. Calcular la probabilidad de que slo dos personas viajen o entre el piso sexto y el sptimo. e Solucin: o Un modelo matemtico para este problema puede consistir en considerar a cada suceso elemental como la planta donde decide bajarse cada persona asumiendo, por ejemplo, que todas las personas son distinguibles. Es decir, = {w = (w1 , . . . , w8 ) : wi {1, . . . , 11} para cada i = 1, . . . , 8} . Este espacio muestral tiene || = 118 sucesos elementales, y adems a todos ellos son igualmente probables. Como consecuencia de esto ultimo, la probabilidad de cualquier suceso se calcula dividiendo el nmero de u sucesos elementales que contiene entre ||. Ntese que otro espacio muestral alternativo podr desarrollarse no diso a tinguiendo entre las personas, es decir, identicando cada suceso elemental con el nmero de personas que se bajan en cada planta. Sin embargo, u en este caso el clculo de la probabilidad de un suceso no se reduce a cona tar cuntos sucesos elementales contiene ya que el nuevo espacio muestral a no ser equiprobable. a 1. Continuando con el espacio muestral , sea A el suceso todas las personas se bajan antes del quinto piso, es decir: A = {w : wi < 5 para cada i = 1, . . . , 8}.

i i i

i i

libroult 2001/8/30 page 61 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

61

Entonces P (A) = |A|/|| donde |A| = 48 , ya que cada componente de un suceso en A slo puede asumir valores en {1, 2, 3, 4}. Por tanto, o P (A) = 4 11
8

= 0, 0003.

En general, para k = 1, . . . , 11, si Sk representa el suceso todas las personas se bajan antes del k-simo piso, es decir: e Sk = {w : wi < k para cada i = 1, . . . , 8}, entonces P (Sk ) = |Sk |/||, donde |Sk | = (k1)8 ya que cada componente de un suceso en Sk slo puede asumir valores en {1, . . . , k 1}. o Ntese que adems Sk1 Sk para todo k = 1, . . . , 11. o a Consideremos ahora el suceso B denido por el ascensor llega hasta el piso octavo y all se bajan las ultimas personas que quedan, es decir: B = {w : wi < 9 para cada i = 1, . . . , 8 y existe un j : wj = 8}. Entonces B = S9 \ S8 y |B| = |S9 \ S8 | = |S9 | |S8 |. Consecuentemente, 88 78 P (B) = = 0, 0513. 118 Sea C el suceso en ningn piso se baja ms de una persona, es u a decir: C = {w : wi = wj para todo i =j}. Entonces P (C) = |C|/|| donde |C| = 11 8!. 8

2.

El primer factor son las distintas formas de elegir las 8 plantas diferentes donde se bajarn las personas, y el segundo las distintas a asignaciones porque estamos trabajando con un espacio muestral donde distinguimos entre personas. Sea D el suceso slo dos personas viajan entre el piso sexto y el o sptimo, es decir: e D= w: wi {1, 2, 3, 4, 5, 6} para seis ndices i, y wj {7, 8, 9, 10, 11} para los otros ndices j

Entonces P (D) = |D|/|| donde |D| = 8 66 52 6

i i 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 bajarn antes de la planta sptima, quedando al tiempo jas tambin a e e las que se bajarn despus de la sexta. El segundo factor son las a e posibilidades de que las 6 personas elegidas se bajen antes de la sptima, y el tercer factor las posibilidades de que las 2 personas e restantes se bajen despus de la sexta. e

P2.43] A y B juegan 12 partidas de ajedrez. A gana seis, B gana cuatro y en dos quedan en tablas. Otro d acuerdan jugar un torneo de 3 partidas. a Hallar la probabilidad de que 1. A gane las tres; 2. en dos partidas queden en tablas; 3. A y B ganen alternadamente; 4. B gane al menos una partida. Solucin: o Un posible espacio muestral es = {w = (w1 , w2 , w3 ) : wi {A, B, X} , i = 1, 2, 3} , donde cada wi (i = 1, 2, 3) representa el resultado de la i-sima partida e del torneo, siendo este resultado A o B si la partida la gana el jugador A o el B, respectivamente, o bien X si quedan en tablas. Adems, los rea sultados de las partidas son independientes. Por otra parte, a la vista de los resultados obtenidos en 12 partidas, se asume que las respectivas probabilidades de obtener cada uno de los resultados anteriores son 1/2, 1/3 y 1/6. As el espacio muestral dado no es equiprobable, puesto que, por , ejemplo, P ({(A, B, A)}) = 1/12, pero P ({(A, B, B)}) = 1/18. 1. Sea M el suceso A gana las tres partidas. Luego, M = {(A, A, A)} y la correspondiente probabilidad es P (M ) = (1/2)3 = 1/8. 2. Denimos el suceso N = En dos partidas del torneo A y B quedan en tablas. Se tiene entonces que N = N1 N2 N3 , siendo Ni = {w = (w1 , w2 , w3 ) : wi {A, B} ; wj = X, para todo j = 1, 2, 3, j = i}, i = 1, 2, 3.

i i i

i i

libroult 2001/8/30 page 63 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

63

Ntese que los sucesos elementales que son permutaciones de un o mismo conjunto de resultados individuales, tienen la misma probabilidad de ocurrir. Por lo tanto: P (N ) = 3 P ({(A, X, X)}) + 3 P ({(B, X, X)}) =3 3. 1 2 1 6
2

+3

1 3

1 6

5 . 72

Sea el suceso S = A y B ganan alternadamente. As como cada , torneo consta de 3 partidas, se obtiene que P (S) = P ({(A, B, A)})+P ({(B, A, B)}) = 1 1 3 2
2

1 1 + 2 3

5 . 36

4.

Representemos por T el suceso B gana al menos una partida. La probabilidad deseada es P (T ) = 1 P (T c ) = 1 P ({(A, A, A)}) C3,1 P ({(A, X, X)}) C3,1 P ({(A, A, X)}) P ({(X, X, X)}) 1 1 1 1 19 = 1 +3 +3 + = . 8 72 24 216 27

P2.44] Una bolsa contiene dos bolas blancas y tres bolas negras. Cada una de cuatro personas, A, B, C y D, en ese orden, saca una bola y no la repone. El primero que la saque blanca gana. Determinar las probabilidades de ganar de A, B, C y D. Solucin: o Representemos cada suceso elemental como w = (w1 , w2 , w3 , w4 ), donde cada wi , i = 1, 2, 3, 4 es el color de la bola que extrae la i-sima persona, e siendo wi = U si la bola es blanca y wi = V si es negra, para i = 1, 2, 3, 4. As un espacio muestral ser , a = {w = (w1 , w2 , w3 , w4 ) /wi {U, V } , i = 1, 2, 3, 4} , que no es equiprobable. Por otra parte, sean los sucesos Ai = La i-sima persona gana= La e primera bola blanca aparece en el i-simo lugar. Supondremos que las e personas estn ordenadas de A a D. Las probabilidades de ganar son, por a tanto: P (A1 ) = P (A2 ) = 2 , 5 3 2 3 = , 5 4 10

i i 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 , 5

2 1 = . 2 10

P2.45] Una caja contiene ocho bolas rojas, tres blancas y nueve azules. Si se sacan tres bolas al azar, determinar la probabilidad de que: 1. las tres sean rojas; 2. las tres sean blancas; 3. dos sean rojas y una blanca; 4. al menos una sea blanca; 5. sean una de cada color; 6. salgan en el orden roja, blanca, azul. Solucin: o Asumiendo que las bolas se extraen de forma simultnea, consideremos a el espacio muestral = {w = {w1 , w2 , w3 } : wi {r, b, a}} , donde wi , i = 1, 2, 3 representa el color de cada bola que se extrae, siendo r si la bola es roja, b si es blanca y a si es azul. Este espacio no es equiprobable. Sin embargo, si se numeran las bolas del 1 al 20 (es decir, se consideran las bolas de un mismo color distinguibles entre s y se considera como es) pacio muestral = {w = {w1 , w2 , w3 } : wi = 1, 2, . . . , 20; i = 1, 2, 3}, s se tendr un espacio equiprobable, a siendo|| = C20,3 , y podremos usar la regla de Laplace. 1. Sea el suceso A = Se extraen tres bolas rojas. La probabilidad pedida es entonces: P (A) = C8,3 14 = . C20,3 285

2. Representemos por B al suceso Se extraen tres bolas blancas. Se tiene que: 1 C3,3 = . P (B) = C20,3 1140 3. Denamos el suceso C = Se extraen dos bolas rojas y una blanca. Teniendo en cuenta que hay 8 bolas rojas y 3 blancas, se obtiene: P (C) = 7 C8,2 C3,1 = . C20,3 95

i i i

i i

libroult 2001/8/30 page 65 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 4.

65

Sea D el suceso Al menos una de las bolas extra das es blanca. Entonces, P (D) = 1 P (Dc ) = 1 23 C17,3 34 = . =1 C20,3 57 57

5.

Denamos el suceso E = Se extraen 3 bolas de diferente color. Por lo tanto, C8,1 C3,1 C9,1 18 P (E) = = . C20,3 95 Para calcular la probabilidad pedida, dado que las bolas se extraen una a una y sin reemplazamiento, debemos denir un nuevo espacio muestral en el que se tenga en cuenta el orden de extraccin. Si nuo meramos las bolas del 1 al 20 (para as distinguir entre s a las bolas de un mismo color, al igual que se hizo al comienzo del ejercicio), se tiene que un espacio muestral es: = w = (w1 , w2 , w3 ) : wi = 1, 2, . . . , 20 wi = wj i = 1, 2, 3 para todo i = j .

6.

Este espacio es claramente equiprobable, con = V20,3 . Sea el suceso F = Las tres bolas se extraen en el orden roja, blanca, azul. Se tiene entonces, dado que hay 8 bolas rojas, 3 blancas y 9 azules, que: 839 3 P (F ) = = . V20,3 95 Obsrvese que este nuevo espacio muestral podr haberse usado e a desde el comienzo del problema para calcular tambin las probabie lidades de los cinco primeros apartados. Sin embargo, para ello se recurri al espacio muestral , que es mucho ms sencillo que y o a no tiene en cuenta el orden de aparicin de las bolas. No obstante, o si se realizaran todos los clculos slo con este espacio se obtendr a o a: V8,3 14 = . V20,3 285 1 V3,3 = . P (B) = V20,3 1140 P (A) = Teniendo en cuenta que hay V8,2 formas de ordenar dos bolas rojas tomadas de las 8 que existen, y V3,1 formas de tomar las bolas blancas, hay, para cada distribucin de stas, C3,1 formas de combinar o e esas 3 bolas de forma ordenada, manteniendo las dos bolas rojas en su posicin relativa, obtenindose que: o e P (C) = 7 C3,1 V8,2 V3,1 = . V20,3 95

i i i

i i

libroult 2001/8/30 page 66 i

66

EJERCICIOS RESUELTOS DE PROBABILIDAD Del mismo modo que antes, tambin se tiene que: e P (D) = 1 P (Dc ) = 1 V17,3 34 23 =1 = . V20,3 57 57

Finalmente, si han de ser de tres colores diferentes, se debe tener en cuenta que, jadas las tres bolas, hay 3! maneras posibles de ordenarlas. Por lo tanto, P (E) = 3! V8,1 V3,1 V9,1 18 = . V20,3 95

P2.46] De una baraja de 52 naipes se sacan 5. Hallar la probabilidad de que: 1. cuatro sean Ases; 2. cuatro sean Ases y uno Rey; 3. tres sean Dieces y dos Sotas; 4. salgan Nueve, Diez, Sota, Caballo y Rey en cualquier orden; 5. tres sean de un palo y dos de otro; y 6. al menos uno sea un As. Solucin: o Para introducir un espacio muestral denotemos cada carta mediante un par de nmeros (n, l), donde n representa el nmero en la carta (es decir, u u n {1, 2, . . . , 13}) y l representa el palo (es decir, l {A, B, C, D}). Entonces el espacio muestral es: = {w = {w1 , w2 , w3 , w4 , w5 } : wi = wj , para todo i = j; wi = (n, l) , n {1, 2, . . . , 13} , l {A, B, C, D}}. Claramente este espacio es equiprobable y: || = 52 5 = 2598960.

1. Sea A el suceso Cuatro de las cinco cartas escogidas son Ases. Una vez jados los 4 Ases, hay un total de 52 4 = 48 posibilidades para la quinta carta. Aplicando la regla de Laplace, se obtiene que: P (A) = 1 48
52 5

1 . 54145

i i i

i i

libroult 2001/8/30 page 67 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 2.

67

Representemos por B al suceso Cuatro cartas son Ases y una Rey. En este caso, una vez jados los 4 Ases, hay 4 posibilidades para la quinta carta: los 4 Reyes. As se tiene que , P (B) = 14
52 5

1 . 649740

3.

Sea el suceso C = Hay tres Dieces y dos Sotas. Se tienen C4,3 formas de escoger tres Dieces, que han de combinarse con el total de C4,2 formas de elegir las dos Sotas. Por lo tanto: P (C) =
4 3

52 5

4 2

1 . 108290

4.

Denamos el suceso D = Salen Nueve, Diez, Sota, Caballo y Rey en cualquier orden. Ntese que no importa el orden en que aparezcan o las cartas, por lo que podemos continuar usando el espacio muestral denido al principio del ejercicio. Se obtiene que: P (D) =
4 5 1 52 5

64 . 162435

5.

Sea E el suceso Tres cartas son de un palo y dos de otro. La baraja tiene 4 palos, por lo que hay C4,2 formas de escoger los dos palos. Para cada una de stas, ya que cada palo consta de 13 cartas, se e tiene un total de C13,3 y C13,2 posibilidades para elegir las tres y dos cartas, respectivamente, de cada uno de los dos palos, resultando: P (E) =
4 2

13 3 52 5

13 2

429 . 8330

6.

Sea el suceso F = Al menos una de las cartas es un As. As el , suceso F c = Ninguna carta es un As, y es ms sencillo recurrir a a ste para el clculo de la probabilidad de F . Ntese que hay 4 Ases e a o en la baraja, por lo hay C524,5 formas de escoger cinco cartas sin que ninguna de ellas sea un As. De esta forma se tiene que: P (F ) = 1 P (F c ) = 1
48 5 52 5

=1

18472 35673 = . 54145 54145

P2.47] En una urna que contiene n bolas se echa una bola roja, extrayendo posteriormente una bola. Hallar la probabilidad de que la bola extra da sea roja, si son igualmente probables todas las suposiciones posibles sobre el color inicial (rojo/no rojo) de las n bolas que contiene la urna.

i i i

i i

libroult 2001/8/30 page 68 i

68 Solucin: o

EJERCICIOS RESUELTOS DE PROBABILIDAD

Representemos cada suceso elemental como w = (c, r, r), donde c representa el color de la bola extra da, y r y r son el nmero de bolas rojas y u no rojas, respectivamente, que hay en la urna despus de introducir una e bola roja en la urna inicial. Un espacio muestral viene dado por = w = (c, r, r) : c R, R ; r = 1, . . . , n + 1; r = 0, . . . , n; r + r = n + 1 , donde el color de la bola que se saca, c, es R si la bola es roja y R si es de otro color. Este espacio no es equiprobable, como se ver a continuacin. a o Denamos el suceso A = Se extrae una bola roja, que es el conjunto de sucesos elementales: A = {w = (R, r, r) : r = 1, . . . , n + 1 : r = 0, . . . , n; r + r = n + 1} . Sean tambin los sucesos Bij = Despus de introducir una bola roja, la e e urna tiene i bolas rojas y j bolas de otro color= w = (c, i, j) / c R, R con i = 1, . . . , n + 1; j = 0, . . . , n; i + j = n + 1. Por el enunciado del problema, las suposiciones para los colores de las n bolas de la urna inicial son equiprobables, por lo que tambin lo sern las urnas que resultan de e a aadir una bola roja a las iniciales. Por lo tanto, ya que se tiene un total n de n + 1 urnas posibles, se verica que P (Bij ) = 1/ (n + 1) , para todo i = 1, . . . , n + 1; j = 0, . . . , n, con i + j = n + 1. Se comprueba que, por ejemplo: P ({(R, 1, n)}) = P (A|B1,n ) P (B1,n ) = pero P ({(R, 2, n 1)}) = P (A|B2,n1 )P (B2,n1 ) = 2 1 1 = 2, n+1 n+1 (n + 1) 1 1 1 = 2, n+1 n+1 (n + 1) ,

por lo que el espacio muestral denido no es equiprobable. Para calcular P (A), ntese que se han de tener en cuenta todas las posio bles combinaciones para la urna. Los sucesos Bij (con i = 1, . . . , n+1; j = 0, . . . , n; i + j = n + 1) constituyen una particin de . Por lo tanto, aplio cando el teorema de la probabilidad total, se tiene que: P (A) = P (A|B1,n ) P (B1,n ) + P (A|B2,n1 ) P (B2,n1 ) + . . . + P (A|Bn+1,0 ) P (Bn+1,0 ) = 1 1 2 n+1 + + ... + n+1 n+1 n+1 n+1 (n + 1) (n + 2) n+2 1 = . 2 2 2 (n + 1) (n + 1)

= =

i i i

i i

libroult 2001/8/30 page 69 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES P2.48] Considrese el intervalo de la recta real [0, a] con a > 0. e 1.

69

Calcular la probabilidad de que el producto de dos nmeros tomados u al azar sobre tal intervalo sea menor que una constante b. Cuanticar tal probabilidad suponiendo b = 2 y a = 4. Para los valores de a y b del apartado anterior, calcular la probabilidad de que el producto de los dos nmeros tomados al azar sea u menor que b, sabiendo que su suma es mayor que b.

2.

Solucin: o Un posible espacio muestral es = {w = (x, y) : 0 x, y a, }, donde x e y son dos nmeros tomados al azar sobre el intervalo [0, a]. Este u espacio es claramente equiprobable, ya que los nmeros se eligen de forma u uniforme e independiente. 1. Sea el suceso A = El producto de dos nmeros tomados al azar en u el intervalo [0, a] es menor que b= {w : x y < b}. Ntese que o el espacio muestral tomado es equiprobable, por lo que el clculo de a P (A) se reduce, aplicando la ley de Laplace, a obtener el rea A, a que es una parte de la supercie de un cuadrado de lado a, para dividirla por el rea de este cuadrado, que corresponde al espacio . a Adems, se deben distinguir dos casos: a Si b a2 , debemos dividir el rea deseada en dos partes. Paa ra la primera de ellas el rea es inmediata, puesto que es un a rectngulo de lados b/a y a. Sin embargo, para la segunda dea bemos calcular la correspondiente integral, y la gura 2.2 ayuda a ello. El resultado nal es: P (A) = 1 b+ a2
a b/a 0 b/x

y x =

1 b + b ln a2 /b a2

Si b > a2 , se tiene que b/a > a, por lo que P (A) = a2 /a2 = 1. En el caso particular b = 2 y a = 4 resulta: P (A) = 1/8(1 + Ln 8) = 0,38. 2. Denamos el suceso B = La suma de dos nmeros tomados al u azar en el intervalo [0, a] es mayor que b= {w /w1 + w2 > b} . El rea deseada es la interseccin de A y B, para b = 2 y a = a o 4. Obsrvese que si utilizamos el rea correspondiente obtenida en e a el apartado anterior, todo se reduce a restar a sta el rea de un e a tringulo rectngulo de base 2 y altura 2. Por lo tanto, el resultado a a es: 1 (2 + 2 Ln 8 2) 0,26. P (A B) = = 16

i i i

i i

libroult 2001/8/30 page 70 i

70

EJERCICIOS RESUELTOS DE PROBABILIDAD y

y = b/x a x

Figura 2.2: Regin para integrar en el problema P2.48. o

P2.49] Se eligen dos puntos aleatoria e independientemente de un segmento de longitud unidad, resultando dividido en tres nuevos segmentos. Hallar la probabilidad de que 1. cada uno de ellos tenga una longitud mayor o igual que 1/4; 2. se pueda formar un tringulo con ellos como lados. a Solucin: o Un posible espacio muestral es = {w = (w1 , w2 ) : w1 , w2 [0, 1]}, donde w1 y w2 son las distancias del primero y segundo punto, respectivamente, al extremo inferior del segmento. Por lo tanto, los segmentos que se forman tienen longitudes w1 , w2 w1 y 1 w2 . Adems, este espacio a es claramente equiprobable, pues los puntos se eligen de forma aleatoria e independiente. 1. Representemos por A al suceso Cada uno de los segmentos que se forman tiene una longitud mayor o igual que 1/4, que es el conjunto A = {w = (w1 , w2 ) : w1 1/4, w2 w1 1/4, 1 w2 1/4} . Procediendo anlogamente al ejercicio anterior, el clculo de P (A) a a se reduce a obtener el rea del tringulo que forman las tres rectas a a correspondientes a las desigualdades anteriores. Por lo tanto: P (A) = 1 (1/4) = . 2 32
2

2. Representemos por a, b y c a las longitudes de los segmentos que se forman con los tres puntos elegidos aleatoriamente. Para dos valores de a y b (dentro de los posibles), con a < b, ntese que slo con un o o

i i i

i i

libroult 2001/8/30 page 71 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

71

segmento de longitud c que verique ba < c < b+a podr formarse a un tringulo. a Sea el suceso B = Podemos formar un tringulo con los segmentos a obtenidos (a < b). Teniendo en cuenta lo anterior, se tiene que B = B1 B2 , con: B1 = {w = (w1 , w2 ) : w2 2 w1 < 1 w2 < w2 ; w2 2 w1 0, w1 , w2 [0, 1]}, que corresponde al caso a b, y B2 = {w = (w1 , w2 ) : 2 w1 w2 < 1 w2 < w2 ; w2 2 w1 < 0, w1 , w2 [0, 1]}, para a > b. Adems, B1 B2 = . a Procediendo anlogamente al primer apartado de este ejercicio, se a tiene que el rea deseada corresponde a dos tringulos que forman a a un tringulo rectngulo de base 1/2 y altura 1/2. Por lo tanto, el a a resultado es P (B) = 1/8. Anlogamente, cuando a b, la probabia lidad de poder formar un tringulo con los segmentos obtenidos es a 1/8, por lo que se concluye que la probabilidad de poder formar un tringulo es 1/4. a P2.50] Un inversor tiene la posibilidad de invertir en dos tipos de valores V1 y V2 . Si invierte en V1 tiene una probabilidad de 0.6 de obtener 16 millones de benecio, y si invierte en V2 tiene una probabilidad de 0.8 de conseguir 12 millones. Si en tal inversin obtiene benecios, est dispuesto a volver o a a invertir en el mismo tipo de valor. En cambio, si no obtiene benecios, invertir en el otro tipo. a 1. 2. Cul es la probabilidad de que obtenga benecios en la segunda a inversin? o Si nalmente obtiene benecios, cul es la probabilidad de que la a primera inversin la hubiera efectuado en V1 ? o

Solucin: o Un espacio muestral para este problema viene dado por = w = (w1 , w2 ) : wi = (wi1 , wi2 ) ; wi1 {V1 , V2 } , wi2 B, B ; i = 1, 2 , donde wi1 representa el tipo de valor en el que invierte la i-sima vez, e siendo V1 o V2 si es del tipo 1 o del tipo 2 respectivamente, y wi2 el resultado de esa inversin, que ser B si obtiene benecios o B si no los o a

i i i

i i

libroult 2001/8/30 page 72 i

72

EJERCICIOS RESUELTOS DE PROBABILIDAD obtiene. Adems, dado que si el inversor no obtiene benecios con un a tipo de valor entonces no vuelve a invertir en l, un suceso elemental del e a tipo w = (w1 , w2 ), con w1 = V1 , B , w2 = (V1 , B), por ejemplo, tendr probabilidad cero. Si, por el contrario, obtiene benecios, entonces repite con el tipo de valor. Por tanto, el espacio no es equiprobable. 1. Sean MkB y MkB los sucesos No obtiene benecios con una primera inversin en Vk y Obtiene benecios con una primera inversin en o o Vk , respectivamente, con k = 1, 2. Se tiene que MkB = w : w11 = Vk , w12 = B , y MkB = {w : w11 = Vk , w12 = B} , con k = 1, 2. Estos sucesos constituyen una particin del espacio . o Denamos tambin los sucesos NkB = No obtiene benecios con e una segunda inversin en Vk y NkB = Obtiene benecios con una o segunda inversin en Vk , que son el conjunto de sucesos elementales: o NkB = w : w21 = Vk , w22 = B , y NkB = {w : w21 = Vk , w22 = B} , respectivamente. Estos sucesos constituyen tambin una particin e o del espacio . De acuerdo con los datos que proporciona el problema y suponiendo que elegir el tipo de valor 1 en la primera inversin o o elegir el 2 son igualmente probables, se verica que P (M1B ) = P (M1B |M1B M1B ) P (M1B M1B ) = 0,6 0,5 = 0,3, P (M1B ) = 0,5 0,3 = 0,2. Se procede de forma anloga con los dos sucesos restantes, obtea nindose que e P (M2B ) = 0,8 0,5 = 0,4, P (M2B ) = 0,5 0,4 = 0,1. Para que obtenga benecios en la segunda inversin hay que tener o en cuenta dos posibilidades: que los obtenga invirtiendo en el primer tipo o bien en el segundo. De esta forma, resulta = = P (N2B ) = = P (N1B ) P (N1B |M1B ) P (M1B ) + P (N1B |M2B ) P (M2B ) = 0,6 0,5 0,6 + 0,6 0,5 0,2 = 0,24, P (N2B |M2B ) P (M2B ) + P (N2B |M1B ) P (M1B ) = 0,8 0,5 0,8 + 0,8 0,5 0,4 = 0,48,

i i i

i i

libroult 2001/8/30 page 73 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES por lo que nalmente: P (N1B N2B ) = P (N1B ) + P (N2B ) = 0,72. 2.

73

Utilizando los sucesos denidos en el apartado anterior, la probabilidad deseada es P (M1B M1B |N1B N2B ) = P (M1B |N1B N2B ) + P (M1B |N1B N2B ) , 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 ) = = (0,6 + 0) 0,3/0,72 = 0,25, y tambin 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 + 0,8) 0,2/0,72 0,2222, = por lo que la probabilidad de que la primera inversin la hubiera o efectuado en V1 habiendo obtenido benecios en la segunda inversin o es aproximadamente 0.472. P2.51] Una urna contiene 10 bolas numeradas del 0 al 9. Se extraen 4 bolas una a una con reemplazamiento. Cuntos elementos tiene el espacio muestral a de este experimento? Supuesto que se cumple la regla de Laplace, calcular la probabilidad de los siguientes sucesos: 1. 2. 3. La primera bola extra est numerada con 3 y la segunda con 0. da a El nmero que se forma con las bolas acaba en 380. u El nmero que se forma con las bolas es mayor que 3571. u

Supongamos una loter en la que cada boleto cuesta 1.000 ptas., cuyo a, sorteo consiste en extraer 4 bolas, segn el experimento previo. Obtienen u premios todos los boletos cuyos nmeros coincidan con las 4, 3, 2 1 u o ultimas cifras del nmero extra u do. La cuant (no acumulable) de los a premios es de: 2.000.000 ptas. si coinciden las 4 cifras; 200.000 ptas. si coinciden slo las tres ultimas cifras; 20.000 ptas. si coinciden las 2 ultimas o

i i i

i i

libroult 2001/8/30 page 74 i

74

EJERCICIOS RESUELTOS DE PROBABILIDAD cifras; y 2.000 ptas. si coincide la ultima cifra. Ser rentable jugar a esta a loter a? Solucin: o Un espacio muestral viene dado por = {w = (w1 , w2 , w3 , w4 ) : wi = 0, 1, . . . , 9; para todo i = j} , donde wi representa el nmero de la bola que aparece en la i-sima exu e traccin, para i = 1, 2, 3, 4. Ntese que las bolas se extraen con reemo o plazamiento y son todas diferentes entre s por lo que este espacio es , equiprobable y tiene un total de || = 104 elementos. 1. Sea el suceso A = La primera bola es un tres y la segunda un cero. A = {w : w1 = 3, w2 = 0} . Aplicando la regla de Laplace se obtiene que P (A) = |A| / || = 102 /104 = 0,01. 2. Denamos el suceso B = El nmero que se forma con las bolas u acaba en 380. B = {w : w2 = 3, w3 = 8, w4 = 0} . La probabilidad deseada es P (B) = |B| / || = 10/104 = 0,001. 3. Representemos por C al suceso El nmero que se forma con las u bolas es mayor que 3571, que es el conjunto: C = C1 C2 C3 C4 = {w : w1 > 3} {w : w1 = 3, w2 > 5} {w : w1 = 3, w2 = 5, w3 > 7} {w : w1 = 3, w2 = 5, w3 = 7, w4 > 1} , donde los sucesos Ci son disjuntos, i = 1, 2, 3, 4. Por lo tanto: |C| = |C1 | + |C2 | + |C3 | + |C4 | = 6 103 + 4 102 + 2 10 + 8 = 6428. Finalmente se obtiene que P (C) = 6428/104 = 0,6428. Si suponemos una loter con boletos de 1000 pesetas en la que se obtiea nen premios de diferente cuant segn el nmero de cifras que coinciden a u u con el nmero extra en el sorteo, necesitamos denir una variable u do aleatoria que mida el premio que gana el jugador con el boleto que ha adquirido. Para ello, supongamos que y es el nmero del boleto comprau do, y consta de las cifras siguientes: y1 , y2 , y3 e y4 . Sean los sucesos Ai = Las i ultimas cifras del boleto coinciden con las del nmero premiado= u

i i i

i i

libroult 2001/8/30 page 75 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

75

{w : wj = yj , j = 4 i + 1, . . . , 4; wk = yk , k = j}, con i = 1, 2, 3, 4. Por otra parte, denamos sobre el espacio muestral dado al principio del ejercicio una variable aleatoria que representa la ganancia del jugador, con el boleto que ha comprado, para el nmero premiado en el sorteo. Se u tiene que P = 2 102+i = P w : (w) = 2 102+i |Ai | 94i = , || 104

= P (Ai ) =

para i = 1, 2, 3, 4. De aqu se deduce que


4

P ( = 0) = 1
i=1

94i = 0,918. 104

Finalmente, utilizaremos estas probabilidades calculadas para ver la ganancia esperada del jugador, obtenindose: e
4

E [] =
i=1

2 102+i

94i = 687,8. 104

Por lo tanto, no es rentable jugar a esta loter puesto que el dinero que a, se invierte en un boleto es mucho mayor que la ganancia que se espera conseguir. P2.52] Una urna contiene cinco bolas numeradas del 1 al 5. Se extraen dos bolas una a una sin reemplazamiento, y se supone que existe aleatoriedad uniforme. Hallar la probabilidad de los siguientes sucesos: 1. 2. 3. Se selecciona una bola con nmero impar la primera vez. u Se selecciona una bola con nmero impar la segunda vez. u Se seleccionan las dos bolas con nmero impar. u

Generalizar el problema al caso de que la urna contenga n bolas, numeradas de 1 a n. Se obtienen los mismos resultados cuando n es par que cuando es impar? Solucin: o Consideremos el espacio muestral = {w = (w1 , w2 ) : wi {1, 2, 3, 4, 5} , w1 = w2 } , donde wi representa el nmero de la bola de la i-sima extraccin, para u e o i = 1, 2. Este espacio es equiprobable, con || = 20.

i i i

i i

libroult 2001/8/30 page 76 i

76

EJERCICIOS RESUELTOS DE PROBABILIDAD 1. Sea el suceso A = Se selecciona una bola con nmero impar la u primera vez: A = {w : w1 {1, 3, 5}} . Aplicando la regla de Laplace se obtiene que P (A) = 34 3 = . 20 5

2. Representemos por B al suceso Se selecciona una bola con nmero u impar la segunda vez: B = {w : w2 {1, 3, 5}} = {w : w1 , w2 {1, 3, 5}} {w : w1 {2, 4} , w2 {1, 3, 5}} .

Anlogamente al apartado anterior, resulta a P (B) = 32+23 3 = . 20 5

3. Denamos el suceso C = {w : w1 , w2 {1, 3, 5}}. Se tiene por tanto: 32 3 P (C) = = . 20 10 En el caso general de que la urna contenga n bolas, numeradas de 1 a n, utilizaremos el espacio muestral = {w = (w1 , w2 ) : wi {1, . . . , n} , w1 = w2 } , con || = n (n 1), y se han de distinguir dos casos: Si n es par: 1. Sea el suceso A = Se selecciona una bola con nmero impar la u primera vez: A = w : w1 = 2 i 1, para todo i = 1, . . . , Aplicando la regla de Laplace se obtiene que P (A) = (n 1) 1 = . n (n 1) 2
n 2

n . 2

2. Representemos por B al suceso Se selecciona una bola con nmero u impar la segunda vez. De forma anloga resulta a P (B) = 1 . 2

i i i

i i

libroult 2001/8/30 page 77 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 3. Denamos el suceso C = {w : w1 , w2 = 2 i 1, para todo i = 1, . . . , n/2} . La probabilidad pedida es P (C) = Si n es impar: 1. En este caso, el suceso A = {w : w1 = 2 i 1, para todo i = 1, . . . , (n + 1) /2} , obtenindose por lo tanto que e P (A) = 2. Anlogamente a P (B) = 3. Por ultimo, se obtiene que P (C) =
(n+1) 2 n+1 2 n 2

77

n 1 n2 2 = . n (n 1) 4 (n 1)

(n 1) n+1 = . n (n 1) 2n n+1 . 2n

n+1 1 n+1 2 = . n (n 1) 4n

A la vista de los resultados obtenidos, se puede concluir que para calcular estas probabilidades se ha de distinguir si el nmero de bolas es par o u impar, puesto que de un caso a otro las probabilidades dieren. P2.53] Se dispone de tres cajas idnticas y cada caja contiene dos cajones. e Una caja contiene una moneda de oro en cada cajn, otra contiene una o moneda de plata en cada cajn, y la tercera una moneda de oro en un o cajn, y una moneda de plata en el otro cajn. o o 1. 2. Se selecciona aleatoriamente una caja, cul es la probabilidad de a que la caja seleccionada contenga monedas de diferentes metales? Se selecciona aleatoriamente una caja, y al abrir aleatoriamente un cajn, nos encontramos con una moneda de oro. Cul es la probao a bilidad de que el otro cajn contenga una moneda de plata? o

Solucin: o Numeremos las cajas: la caja 1 es aquella caja con 2 monedas de oro, la 2 es la que tiene 2 monedas de plata y, nalmente, las monedas de

i i 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. Sea entonces el espacio muestral = {w = (w1 , w2 ) : w1 {1, 2, 3} ; w2 {O, P }} , donde w1 representa la caja escogida y w2 el metal de la moneda que contiene un cajn de esa caja escogido de forma aleatoria. Este espacio o muestral no es equiprobable, pues, por ejemplo, P ({(1, P )}) = 0, pero P ({(1, O)}) = 1/3. 1. Sea el suceso Ai = Se selecciona la caja i, i = 1, 2, 3. En nuestro caso, i = 3, por lo que el suceso A3 es equivalente a La caja seleccionada tiene monedas de diferentes metales. Sean tambin los e o sucesos Bo = La moneda en el cajn escogido de forma aleatoria en la caja seleccionada es de oroy Bp el correspondiente a una moneda de plata. Se tiene entonces que: P (A3 ) = P ({(3, O)}) + P ({(3, P )}) = P (Bo |A3 ) P (A3 ) + P (Bp |A3 ) P (A3 ) = 1 1 1 = 2 = . 2 3 3

2. Si uno de los cajones contiene una moneda de oro y el otro una de plata, la caja en la que se encuentran es la B. Por lo tanto, la probabilidad pedida, 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 3

1 3 +0 1 + 3

1 2

1 2

1 3

1 . 3

P2.54] Una urna contiene 8 bolas blancas y 4 bolas negras. Se sacan dos bolas una a una con reemplazamiento. Sea A el suceso: la primera bola extra da es blanca; y B el suceso: al menos una de las dos bolas extra das es blanca. Calcular P (A B), P (A B c ), P (Ac B), P (Ac B c ) y las probabilidades condicionadas P (A|B), P (A|B c ), P (B|A) y P (B|Ac ). Solucin: o Un espacio muestral para este problema es = {w = (w1 , w2 ) : wi {b, n} , i = 1, 2} , donde cada wi representa el color de la bola extra en i- simo lugar, da e con i = 1, 2, siendo igual a b si la bola es blanca y n si es negra. Este

i i i

i i

libroult 2001/8/30 page 79 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES

79
2

espacio no es equiprobable, ya que, por ejemplo, P ({(b, b)}) = (8/12) , pero P ({(b, n)}) = 8/12 4/12. Se tiene que: A B = A = {(b, b) , (b, n)} , A B c = , Ac B = {(n, b)} , Ac B c = B c = {(n, n)} . Por lo tanto, se calculan las probabilidades correspondientes, y resulta: P (A B) P (A B c ) P (Ac B) P (Ac B c ) = P ({(b, b)}) + P ({(b, n)}) = = 0, 2 , 9 2 3
2

2 1 3 3

2 , 3

= P ({(n, b)}) = = 1 . 9

Una vez visto esto, 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) 1 P (B c ) 4 P (A B c ) = 0, P (B c ) P (A B) = 1, P (A) P (Ac B) 2 = . c) P (A 3

P2.55] Se lanza una moneda tres veces y en una urna vac se ponen tantas a bolas blancas como nmero de caras obtenidas y tantas negras como el u nmero de lanzamiento en que se obtiene cruz por primera vez, si es que u se obtiene alguna. 1. Son independientes el nmero de bolas blancas y el nmero de bolas u u negras? Son condicionalmente independientes dado que en la urna hay ms de tres bolas? a Se sacan dos bolas de la urna. Cul es la probabilidad de que sean a de distinto color? Si son de distinto color, cul es la probabilidad a de que la urna quede vac a?

2.

Solucin: o

i i i

i i

libroult 2001/8/30 page 80 i

80

EJERCICIOS RESUELTOS DE PROBABILIDAD Un espacio muestral para este problema es = {w = (w1 , w2 , w3 ) : wi {C, X} , i = 1, 2, 3} , donde wi representa el resultado del i-simo lanzamiento de la moneda: C e si es caray X si es cruz, para i = 1, 2, 3. Este espacio es equiprobable, con || = 23 = 8. Denamos los sucesos Ajk = En la urna hay j bolas blancas y k negras, para j, k = 0, 1, 2, 3. Se tiene as que los unicos sucesos distintos del vac sern: o a A30 = {(C, C, C)} , A21 = {(X, C, C)} , A22 = {(C, X, C)} , A23 = {(C, C, X)} , A11 = {(X, X, C) , (X, C, X)} , A12 = {(C, X, X)} , A01 = {(X, X, X)} . Denamos tambin los sucesos Al = En la urna hay l bolas blancas, e para l = 0, 1, 2, 3 y Am = En la urna hay m bolas negras, para m = 0, 1, 2, 3. 1. Se tiene, por ejemplo, que P (A2 A3 ) = P (A23 ) = 1/8, pero P (A2 ) = 3/8 y P (A3 ) = 1/8, por lo que P (A2 A3 ) = P (A2 ) P (A3 ). Se concluye as que el nmero de bolas blancas y el nmero u u de bolas negras no son independientes. Por otra parte, sea el suceso B = La urna tiene ms de 3 bolas= a A22 A23 . Veamos todos los casos posibles. Supongamos que j = 2, luego P (Aj Ak |B) = P (Ajk |B) = 0, y adems P (Aj |B) = a 0, por lo que P (Aj Ak |B) = P (Aj |B) P (Ak |B) = 0, para cualquier valor de k, con k = 0, 1, 2, 3. En el caso de que j = 2, se tiene que P (A2 Ak |B) = P (A2k |B) = y adems P (A2 |B) = 1 y a P (Ak |B) = 1 = 1/2 0 si k = 2, 3 . en caso contrario 1/2 0 si k = 2, 3 , en caso contrario

Por lo tanto, P (A2 Ak |B) = P (A2 |B)P (Ak |B) , para cualquier valor de k = 0, 1, 2, 3. De esto y de lo obtenido anteriormente para j = 2 se tiene que el nmero de bolas blancas y el nmero de bolas u u negras en la urna son condicionalmente independientes dado que en la urna hay ms de tres bolas. a

i i i

i i

libroult 2001/8/30 page 81 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 2.

81

Suponiendo que las dos bolas se extraen sin reemplazamiento, y dado que no importa el orden en que stas se extraigan, podemos denir e el espacio muestral = {w = (w1 , w2 , w3 , x) : wi {C, X} , i = 1, 2, 3; x = 0, 1, 2} , donde x representa el nmero de bolas blancas en una extraccin de u o dos bolas de una urna formada segn el resultado de las 3 tiradas. u Este espacio no es equiprobable. Sea el suceso A = Las dos bolas extra das son de distinto color. Sean tambin los sucesos Bi = De las dos bolas extra e das, i son blancas, para i = 0, 1, 2. Por lo tanto: P (A) = 1 P (Ac ) = 1 [P (B0 ) + P (B2 )] , y utilizando los sucesos denidos en el apartado anterior para aplicar el teorema de las probabilidades totales, 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 ) ,

resultando una probabilidad P (B0 ) = 1 8


2 2 4 2

3 2 5 2

2 2 3 2

1 . 10

Procediendo de manera anloga se llega a que P (B2 ) = 1/5. De este a modo 7 P (A) = 1 [P (B0 ) + P (B2 )] = . 10 Si las dos bolas extra das son de distinto color, la urna quedar vac a a slo si antes de las extracciones ten 1 bola blanca y 1 negra. Por o a lo tanto, y usando los sucesos denidos anteriormente, se tiene que la probabilidad de que la urna quede vac despus de extraer una a e bola blanca y una negra es: P (A11 |B1 ) = 1 1 10 P (B1 |A11 ) P (A11 ) = 234 = , P (B1 ) 23 40

donde P (B1 ) se ha calculado de forma anloga a P (B0 ) . a

i i i

i i

libroult 2001/8/30 page 82 i

82

EJERCICIOS RESUELTOS DE PROBABILIDAD

P2.56] Cuatro tiradores disparan independientemente sobre cuatro objetivos, cada uno sobre uno. Cada tirador dispone de seis balas. La probabilidad de acertar en el objetivo con cada tiro es de 0.8. Un tirador deja de disparar al alcanzar el blanco. 1. Probabilidad de que alguno de los tiradores consuma toda su municin. o 2. Si todos los tiradores consumen la municin, cul es la probabilidad o a de que todos los objetivos hayan sido alcanzados? 3. Calcular la probabilidad de que sobren dos balas en total. Solucin: o Un espacio muestral es = {w = (w1 , w2 , w3 , w4 ) : wi = (wi1 , wi2 ) ; wi1 = 0, 1, 2, 3, 4, 5; wi2 {a, f } ; para todo i = 1, 2, 3, 4}, donde cada wi1 representa el nmero de balas que le sobran al tirador u i tras acertar en el objetivo, y wi2 es el resultado que ha obtenido, que ser a si acierta y f si falla, para todo i = 1, 2, 3, 4. Ntese que si a un a o tirador le sobra alguna bala, signica que ha acertado. Sin embargo, si no le sobra ninguna, puede que haya acertado al disparar la ultima bala o bien que ste tiro tambin lo haya fallado. Ntese tambin que desde e e o e que un jugador falle los 5 primeros tiros, ya no le sobrar ninguna bala, a sea cual sea el resultado para esta ultima. 1. Sea A el suceso Alguno de los tiradores consume toda su municin. o Denamos tambin los sucesos Aij = Al tirador i le sobran j balas, e para i = 1, 2, 3, 4 y j = 0, 1, 2, 3, 4, 5. Por lo tanto:
4

P (A) = 1 P (Ac ) = 1 P
i=1

Ac i0

y ya que los tiradores disparan independientemente y su probabilidad de acierto es 0.8, 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 0,25 0,8 + 0,25 0,2 1 0,25 = 1. 2794 103


i=1

i i i

i i

libroult 2001/8/30 page 83 i

CAP ITULO 2. FUNDAMENTOS DE PROBABILIDADES 2.

83

Denamos los sucesos Bi = El tirador i acierta, para i = 1, 2, 3, 4. Los tiradores disparan de manera independiente, 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 ) 0,84 = 0,4096.


4

= = 3.

0,25 0,8 0,25

Ntese que para que entre los cuatro tiradores sobren dos balas o tiene que suceder que, o bien ambas le sobran al mismo tirador o bien a dos tiradores diferentes. Todos los tiradores tienen la misma probabilidad de acertar, por lo que si vemos estos dos casos para dos tiradores concretos, podemos luego extenderlo a todos. Por lo tanto, y teniendo en cuenta, como siempre, que disparan de forma independiente, se tiene que:
4

A12
i=2

Ai0

= (0,2) 0,8 (0,2)

= (0,2)

18

0,8,

y por otra parte


4

A11 A21
i=3

Ai0

= (0,2) 0,8 (0,2)

= (0,2) (0,8) .

18

Si denotamos por C al suceso Sobran dos balas en total, entonces, teniendo en cuenta todos los casos posibles, resulta: P (C) = C4,1 (0,2) = 4 (0,2)
18 18

0,8 + C4,2 (0,2)


18

18

(0,8) =
2

0,8 + 6 (0,2)

(0,8) = 1. 8455 1012 .

i i i

i i

libroult 2001/8/30 page 84 i

i i i

i i

libroult 2001/8/30 page 85 i

CAP ITULO

Distribuciones de probabilidad

Dado un espacio probabil stico (, A, P ), una variable aleatoria sobre es una funcin real que acta como un aparato de medida sobre los sucesos o u elementales: : IR w (w) Se llama funcin de distribucin de a otra funcin real, ahora con dominio o o o tambin real, tal que: e F : IR IR x F (x) = P ({w : (w) x})

En general, dada una funcin real F cualquiera tal que: o 1. 2. 3.


x

lim F (x) = 0, lim F (x) = 1,


x+

F no decreciente, F continua por la derecha,

se dice funcin de distribucin, ya que siempre es posible disear un espacio o o n muestral con una probabilidad y una variable aleatoria cuya funcin de distrio bucin sea F . o Atendiendo a la forma de su funcin de distribucin, las variables aleatorias o o reales pueden ser clasicadas en tres tipos: 85

i i i

i i

libroult 2001/8/30 page 86 i

86

EJERCICIOS RESUELTOS DE PROBABILIDAD

Discretas: Pueden tomar un nmero discreto (nito o numerable) de valores u reales. Continuas: Pueden tomar todos los valores de uno o varios intervalos de la recta real, que pueden ser acotados o no acotados. Mixtas: Son combinaciones de las dos anteriores. Dada una variable aleatoria discreta , se llama funcin de probabilidad a: o P (k) = P ({w : (w) = k}) , para todo k IN. Dada una variable aleatoria continua , se llama funcin de densidad a: o
x

f (x) tal que F (x) =

f (t) t, para todo x IR.

Se llama esperanza de una variable aleatoria a: E [] =


k()

k P (k), si la variable aleatoria es discreta.


t()

E [] =

t f (t) t, si la variable aleatoria es continua.

Se llama varianza de una variable aleatoria a: V [] = E ( E [])


2

= E 2 (E []) .

Dada una variable aleatoria , se dene: 1. Funcin caracter o stica de (esta funcin siempre existe): o (t) = E eit . 2. Funcin generatriz de probabilidades (o funcin generatriz de momentos o o factoriales) de discreta: (t) = E t . 3. Funcin generatriz de momentos de : o G (t) = E et . Denotaremos por F (y ) al l mite de F (x) cuando x se aproxima a y por la derecha.

i i i

i i

libroult 2001/8/30 page 87 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD

87

Ejercicios Resueltos
P3.1] En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias, mientras que el otro 40 % lo hacen en carreras de Humanidades. Si un determinado d se realizan a 20 matr culas, calcular la probabilidad de que: 1. 2. 3. 4. 5. haya igual nmero de matr u culas en Ciencias y en Humanidades; el nmero de matr u culas en Ciencias sea menor que en Humanidades; haya al menos 8 matr culas en Ciencias; no haya ms de 12 matr a culas en Ciencias. Si las cinco primeras matr culas son de Humanidades, calcular la probabilidad de que: a) b) Solucin o Sea una variable aleatoria que mide el nmero de matr u culas en Humanidades de un total de 20 matr culas. Suponiendo que los estudiantes eligen su carrera de forma independiente entre ellos, y teniendo presente (segn el enunciado) que la probabilidad de que alguien se matricule en u Humanidades es 1 0,6 = 0,4, se tiene que esta variable es una binomial de parmetros n = 20 y p = 0,4, siendo: a P ( = k) = 1. 20 20k 0,4k (1 0,4) , para todo k = 0, . . . , 20. k en total haya igual nmero de matr u culas en Ciencias y en Humanidades; en total haya al menos 6 en Ciencias ms que en Humanidades. a

La probabilidad de que haya igual nmero de matr u culas es: P ( = 10) = 20 2010 0,410 (1 0,4) = 0,11714. 10

2.

Para calcular la probabilidad de que el nmero de matr u culas en Ciencias sea menor que el nmero de matr u culas en Humanidades debe obtenerse: P ( > 10) = 1 F (10) = 1 0,8725 = 0,1275.

3.

La probabilidad de que haya al menos 8 matr culas en Ciencias es equivalente a la probabilidad de que haya como mximo 12 matr a culas en Humanidades. Por lo tanto: P ( 12) = F (12) = 0,9790.

i i i

i i

libroult 2001/8/30 page 88 i

88

EJERCICIOS RESUELTOS DE PROBABILIDAD 4. La probabilidad de que no haya ms de 12 matr a culas en Ciencias es: P ( 8) = 1 F (7) = 1 0,4159 = 0,5851. 5. Ntese que las matr o culas son independientes entre s por lo que si , las cinco primeras son en Humanidades, podemos denir una nueva variable , tambin binomial, pero con parmetros n = 20 5 = 15 e a y p = 0,4, que determina el nmero de matr u culas en Humanidades de un total de 15 matr culas. De esta forma: a) La probabilidad de que en total haya igual nmero de matr u culas en Ciencias que de matr culas en Humanidades es: P ( = 5) = F (5) F 5 = 0,4032. b) La probabilidad de que en total haya al menos 6 matr culas en Ciencias ms que en Humanidades es: a P ( 2) = F (2) = 0,0271.

P3.2] Determinar k para que la siguiente funcin sea de distribucin: o o x <0 0, 1 k(1 x), 0 x < k F (x) = 1, k x Calcular la probabilidad de [1/2, 1] condicionada por [1/2, 2]. Solucin o Las tres primeras condiciones vistas en el ejercicio anterior para tener una funcin de distribucin se verican para cualquier valor de k. Sin embaro o go, para que se veriquen las dos ultimas condiciones deben descartarse ciertos valores de k. Ya que k > 0, se tiene que F (x) = k > 0, 0 x < k. x Adems, debe vericarse que F (x) 0, para todo x. En particular, 1 a k (1 x) 0, 0 x < k cuando k 1. Se comprueba que para 0 < k 1 la funcin es montona creciente y positiva, por lo que se tiene que, en o o ese caso, F es funcin de distribucin. o o Bajo la condicin 0 < k 1, calculemos la probabilidad pedida: o P ([1/2, 1] | [1/2, 2]) = = P ([1/2, 1] [1/2, 2]) P ([1/2, 1]) = P ([1/2, 2]) P ([1/2, 2]) F (1) F (1/2 ) F (1) F (1/2 ) = = 1. F (2) F (1/2 ) F (1) F (1/2 )

i i i

i i

libroult 2001/8/30 page 89 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD P3.3] Sea la probabilidad en IR dada por 0, (x + 4)/16, P ((, x]) = (x 2 + 4)/8, 1,

89

x 4 4 < x < 2 2 x < 4 + 2 4+ 2 x

Calcular la probabilidad de siguientes conjuntos: [0, 1], [0, 2], [ 2, 4], los ( 2, 4), {0, 1}, {4 + 2}, { 2}, [0, 5), [2, 8], IN, Q [0, 1], [2, 2] Q. I I Solucin o Ntese que esta funcin es continua en todo IR, excepto en el punto o o Teniendo eso en cuenta, calculemos las probabilidades que se piden: 2.

P ([0, 1]) = P ((, 1]) P ((, 0)) = 5/16 4/16 = 1/16. P [0, 2] = P ((, 2]) P ((, 0)) = 4/8 4/16 = 1/4. P [ 2, 4] = P ((, 4])P ((, 2)) = 8 2 /8 2 + 4 /16 = 3/4 3 2/16. P ( 2, 4) = P ((, 4)) P ((, 2]) = 8 2 /8 4/8 = 1/2 2/8. P ({0, 1}) = 0. P 4+ 2 =0 P 2 = P (, 2] P (, 2) = 4/8 2 + 4 /16 = 1/4 2/16. P ([0, 5)) = P ((, 5))P ((, 0)) = P ((, 5])P ((, 0]) = 9 2 /8 4/16 = 7 2 /8. P ([2, 8]) = P ((, 8]) P ((, 2)) = 1 6 2 /8. P (IN) = 0. P (I [0, 1]) = 0. Q P ([2, 2] Q) = P I 2 = 1/4 2/16.

P3.4] Sea la probabilidad en IR dada por P ((, x]) = ex /2, 1 ex /2, < x 0< x 0

Calcular las probabilidades de: [0, 1], [2, 2), {0}, {1, 2, 3}, [1, 3]. Solucin o Las probabilidades que se piden son:

i i i

i i

libroult 2001/8/30 page 90 i

90

EJERCICIOS RESUELTOS DE PROBABILIDAD P ([0, 1]) = P ((, 1]) P ((, 0)) = 1 e1 /2 1/2 = 1/2 e1 /2. P ([2, 2)) = P ((, 2)) P ((, 2)) = 1 e2 /2 e2 /2 = 1 2e2 /2 = 1 1/e2 . P ({0}) = P ((, 0]) P ((, 0)) = 1/2 1/2 = 0. P ({1, 2, 3}) = 0. P ([1, 3]) = P ((, 3]) P ((, 1)) = 1 e3 /2 1 e1 /2 = e3 + e1 /2.

P3.5] Sea la probabilidad en IR2 : P ((, x] (, y]) = xy(x + y)/2 si 0 x, y 1. Calcular las probabilidades de (0, 0,5) (0,5, 1) , (0,3, 0,4) [0,4, 0,5] Solucin o Procedemos a calcular las probabilidades correspondientes, teniendo en cuenta que: P ([a, b] [c, d]) = P ((, b] (, d]) P ((, b] (, c]) P ((, a] (, d]) + P ((, a] (, c]). , [0,2, 0,8] {0,5} , , [0,4, 1]2 {(x, y) : x + y 1}.

[0,2, 0,6]2 [0,4, 0,8]2

En caso de que el intervalo sea abierto o semiabierto, estas probabilidades se calculan de manera anloga, puesto que: a P ((, x] (, y]) = P ((, x] (, y)) = P ((, x) (, y]) = P ((, x) (, y)) . De esta forma se obtiene que: P ((0, 0,5) (0,5, 1)) = 0,5 1 (0,5 + 1) /2 0,5 0,5 (0,5 + 0,5) /2 0 = ,25. P ([0,2, 0,8] {0,5}) = 0. P [0,4, 1]2 = 1 1 (1 + 1) /2 2 [1 0,4 (1 + 0,4) /2] + 0,4 0,4 (0,4 + 0,4) /2 = 0,504. P ((0,3, 0,4) [0,4, 0,5]) = 0,40,5(0,4 + 0,5) /2 0,42 (0,4 + 0,4) /2 0,3 0,5 (0,3 + 0,5) /2 + 0,3 0,4 (0,3 + 0,4) /2 = ,00 8.

i i i

i i

libroult 2001/8/30 page 91 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD (x) 1/2 t

91

1/2

t + 1/2

Figura 3.1: Puntos de [0, 1] con imgenes a travs de en (, t]. a e

P [0,2, 0,6]2 [0,4, 0,8]2 = P [0,2, 0,6]2 + P [0,4, 0,8]2 P [0,2, 0,6]2 [0,4, 0,8]2 = P [0,2, 0,6]2 + P [0,4, 0,8]2 P [0,4, 0,6]2 = 0,62 (0,6 + 0,6) /2 0,2 0,6 (0,2 + 0,6) +0,22 (0,2 + 0,2) /2 + 0,82 (0,8 + 0,8) /2 0,4 0,8 (0,4 + 0,8) + 0,42 (0,4 + 0,4) /2 + 0,62 (0,6 + 0,6) /2 0,4 0,6 (0,4 + 0,6) + 0,42 (0,4 + 0,4) /2 = 0,28. P ({(x, y) : x + y 1}) = P [0, 1]
2

/2 = 1 1 (1 + 1) /4 = 1/2.

P3.6] Sea una variable aleatoria denida sobre el intervalo [0, 1] como sigue: (x) = x si x 1/2 x 1/2 si x > 1/2

Hallar la funcin de distribucin de y su funcin de densidad. o o o Solucin o La funcin de distribucin de una variable aleatoria viene dada por: o o F (t) = P ( t) = P ({x [0, 1] : (x) t}) . Teniendo en cuenta la denicin de la variable aleatoria , representada o en la gura 3.1, conviene distinguir varios casos: Si t < 0, entonces F (t) = P () = 0. Si 0 t < 1/2, entonces F (t) = P ([0, t] [1/2, t + 1/2]) = 2t. Si t 1/2, entonces F (t) = 1 Por lo tanto, se tiene que: 0, si t < 0 2t, si 0 t < 1/2 F (t) = 0, si t 1/2.

i i i

i i

libroult 2001/8/30 page 92 i

92 y por lo tanto:

EJERCICIOS RESUELTOS DE PROBABILIDAD 0, 2, f (t) = 1,

si t < 0 si 0 t < 1/2 si t 1/2

P3.7] Un dado es lanzado 5 veces. Sea la variable aleatoria que nos indica la suma de los valores de sus caras. Hallar los siguientes conjuntos: {w : (w) = 4}; {w : (w) = 6}; {w : (w) = 30}; {w : (w) 29}. Solucin o Antes de hallar los conjuntos que se piden, es conveniente denir un espacio para la variable que se va a utilizar. Denamos: = {w = (w1 , w2 , w3 , w4 , w5 ) : wi {1, 2, 3, 4, 5, 6} , i = 1, . . . , 5} , donde cada wi representa el resultado del i-simo lanzamiento del dado, e con i = 1, . . . , 5. Sea el espacio de probabilidad , 2 , P , cuyos sucesos elementales son equiprobables. Sobre dicho espacio se considera la variable , denida como:
5

(w) =
i=1

wi ,

para todo w . Hallemos los conjuntos que se piden: Evidentemente, {w : (w) = 4} = . {w : (w) = 6} = w1 , w2 , w3 , w4 , w5 , donde los elementos
k k k k k wk = w1 , w2 , w3 , w4 , w5 ,

k = 1, . . . , 5,

k son aquellos elementos de tales que wi = 1, para todo i k {1, 2, 3, 4, 5} \ {k} y wk = 2.

{w : (w) = 30} = {(6, 6, 6, 6, 6)} . {w : (w) 29} = {w : (w) = 29} {w : (w) = 30}, donde {w : (w) = 30} = {(6, 6, 6, 6, 6)} y {w : (w) = 29} = w1 , w2 , w3 , w4 , w5 .

Los elementos
k k k k k wk = w1 , w2 , w3 , w4 , w5 ,

k = 1, . . . , 5,

k son aquellos elementos de tales que: wi = 6, para todo i k {1, 2, 3, 4, 5} \ {k} y wk = 5.

i i i

i i

libroult 2001/8/30 page 93 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD

93

P3.8] Supongamos que la duracin en minutos de las llamadas telefnicas sigue o o una distribucin dada por la funcin o o F (x) = 1 ex/3 2 e
x/3

, para todo x 0.

Calcular la probabilidad de que la duracin de una llamada cualquiera o sea: 1. 2. superior a 6 minutos; igual a 6 minutos.

Solucin o Sea una variable aleatoria con la distribucin indicada en el enunciado o que mide la duracin (en minutos) de una llamada telefnica. o o 1. Se tiene que: P ( > 6) = 1 F (6) = 2. Por otra parte: P ( = 6) = P ( 6) P ( < 6) = F (6) F 6 = 1 e6/3 e 6/3 e2 + =2 = e2 . 2 2 2

e x/3 ex/3 = 2 2 x6 e2 e1 e1 e2 = 1 e2 1 + + = . 2 2 2 = 1 e2 l m
x

P3.9] Demostrar que F (x) = bucin. o Solucin o


n=1

1/2n , para todo x 1, es funcin de distrio

Comprobemos las condiciones que debe vericar toda funcin de distrio bucin: o 1. Se supone, ya que no se indica nada al respecto, que F (x) = 0 para todo x < 1, por lo que l m F (x) = 0.
x x

2.

x+

l m F (x) = l m

x+ n=1

1/2n =

n=1

1/2n = 1.

i i i

i i

libroult 2001/8/30 page 94 i

94

EJERCICIOS RESUELTOS DE PROBABILIDAD


x+h x n=1

3.

h0

l + F (x + h) = l + m m
h0

1/2n =

1/2 =F (x), para todo x

1. Por lo tanto, F es continua por la derecha en todo punto de la recta real. 4. F (x1 ) =
x1 n=1

n=1

1/2n F (x2 ) =

x2 n=1

1/2n , para todo 1 x1 x2 . Adems, a

ya que F (x) = 0, para todo x < 1, se concluye que F es montona. o 5. Es claro que F (x) 0, para todo x. P3.10] Determinar el valor k para que cada una de las siguientes funciones sean funcin de densidad: o 1. f (x) = kxekx , para todo x > 0 2. f (x) = k/ 1 x, para todo x (0, 2/2) 3. f (x) = k/(1 + x2 ), para todo x IR Solucin o Ntese que para las tres funciones se verica f (x) 0 para k > 0. o Comprobemos en cada caso la segunda condicin. o 1. 2.
f (x) x = 0 2/2 f (x) x 0 0

kxekx x = 1/k (2) = 1/k, lo que es 1 si k = 1.


2/2

= 0 = k 1 2/2
+

k(1 x)1/2 x / (1/2) + 2 , lo que es uno si k = 1. 0898.

1/2

3.

f (x) x = k(1 + x2 )1 x = k (arctan () arctan (+)) = k [/2 (/2)] = k, lo que es 1 si k = 1/.

P3.11] Sea una variable aleatoria con funcin de densidad f (x) = kx + o 1/2, para todo x [1, 1]. 1. Determinar los valores de k para los cuales f (x) es ciertamente una funcin de densidad. o 2. Calcular la esperanza, la moda y la mediana de . 3. Para qu valores de k se minimiza la varianza de ? e Solucin o 1. Debe vericarse que f (x) 0, para todo x [1, 1]. Se han de distinguir dos casos: a) Si k > 0, la funcin de densidad es una recta con pendiente o positiva. Por lo tanto, tiene que imponerse que f (1) = k + 1/2 0, es decir, k 1/2.

i i i

i i

libroult 2001/8/30 page 95 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD b)

95

Si k < 0, la recta tiene ahora pendiente negativa, por lo que es necesario que f (1) = k + 1/2 0, luego k 1/2.
1

Se comprueba adems que 1 f (x) x = 1, para cualquier valor a de k, as que, de acuerdo con esto y lo visto anteriormente, para que f (x) sea funcin de densidad, k debe pertenecer al intervalo o [1/2, 1/2]. 2. Calculemos la esperanza de la variable :
1 1

E [] =
1

x f (x) x =
1

x (kx + 1/2) x =

2k . 3

Por otra parte, para calcular la moda debemos tener en cuenta, al igual que en el primer apartado, el signo de la constante k. La moda es el valor que maximiza la funcin de densidad f (x). Ya que sta o e es una funcin derivable en el intervalo [1, 1], y adems su derivada o a es igual a k, se obtiene que: a) b) c) Si k > 0, entonces la moda de la variable es 1. Si k = 0, la moda es cualquier punto en el intervalo [1, 1] . Si k < 0, la moda es 1.

Por otra parte, la mediana es un valor Me tal que P ( Me) 1/2 y P ( M e) 1/2. En el caso que nos ocupa:
1 1

P ( Me) =
Me

f (x) x =
Me 2

(kx + 1/2) x

y esta probabilidad es igual a 1/2 si Me = 1 + 1 + 4k 2 /2k, en el caso de que k = 0. Ntese que si k = 0, entonces Me = 0. o 3. La varianza de la variable es V () = E 2 (E []) . Se tiene que E 2 =
1 1 2

k 1 (Me) Me + k , 2 2 2 2

x2 f (x) x =

1 1

x2 kx +

1 2

x =

1 . 3

De este modo, y conociendo, por el segundo apartado del problema, que E [] = 2k/3, obtenemos que: V () = 1 3 2k 3
2

1 4k 2 , 3 9

y se comprueba que esto se maximiza cuando k = 0.

i i i

i i

libroult 2001/8/30 page 96 i

96

EJERCICIOS RESUELTOS DE PROBABILIDAD

P3.12] La densidad de cierta caracter stica qu mica de algunos compuestos viene dada por la funcin siguiente: o x0 0 2x 0 < x 0,8 f (x) = 0,8 < x 1,3 0,72 0 x > 1,3 Calcular: 1. los tres primeros momentos ordinarios; 2. esperanza matemtica y varianza; a 3. E[2 + 5 2 3 ]. Solucin o 1. Los tres primeros momentos ordinarios son E [] , E 2 y E 3 . E [] = E 2
0,8 1,3 2x2 x + 0,8 0,72x x = 0. 71933. 0 0,8 1,3 = 0 2x3 x + 0,8 0,72x2 x = 0. 6092. 0,8 1,3 = 0 2x4 x + 0,8 0,72x3 x = 0. 57144. 2 2

E 3 2. Calculamos la varianza y se obtiene:

V () = E 2 (E []) = 0,6092 (0. 71933) = 9. 1764 102 . 3. Teniendo en cuenta las propiedades de la esperanza, el resultado es: E[2 + 5 2 3 ] = 2 E[] + 5 E[ 2 ] E[ 3 ] = 3,9132. P3.13] La funcin de densidad de una variable aleatoria viene determinada o por: 1 16 xex/4 , x > 0 f (x) = 0, para cualquier otro valor 1. Determinar la funcin generatriz de momentos de . o 2. Utilizar (1) para encontrar la media y la varianza de . Solucin o 1. La funcin generatriz de momentos de una variable aleatoria es: o G (t) = E et =
0

etx

x ex/4 x = 16
x=+

Para t < 1/4 es: G (t) = 1 x(t1/4) x 1 e 16 t 1/4 (t 1/4)2 =


x=0

(1 4t)

2.

i i i

i i

libroult 2001/8/30 page 97 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD 2. Se verica que: G (t) t 2 G (t) t2 E [] = 8, E 2 (E []) = 96 64 = 32.
2

97

| |

t=0

= E [] , = E 2 .

t=0

Por lo tanto, la media y la varianza de la variable son: V () =

P3.14] Bajo las tapas de yogur de una determinada marca comercial hay 6 tipos diferentes de s mbolos. Bajo cada tapa hay exactamente uno, y se asume que en el mercado todos han sido distribuidos aleatoriamente de manera uniforme. Si nos ofrecen un premio regalo por enviar un sobre con los 6 s mbolos diferentes (una tapa con cada uno), cuntos yogures a hay que comprar en media? Solucin o En general, si un s mbolo determinado aparece con probabilidad p al realizar una extraccin, entonces el nmero medio de extracciones necesario o u hasta que aparece por primera vez ese s mbolo es: m = 1 p + 2 (1 p) p + 3 (1 p) p + . . . Para sumar esta serie ntese que: o (1 p) m = (1 p) p + 2 (1 p) p + 3 (1 p) p + . . . , y restando ambas series:
2 3 2

m (1 p) m = p
k=0

(1 p) = p

1 = 1, p

y por tanto m = 1/p. Dicho esto, volvamos a nuestro problema original. Evidentemente, el nmero medio de extracciones hasta que apau rezca un resultado cualquiera es 1. En el caso de dos, este nmero es u 1 + 1/ (5/6) = 1 + 6/5, y, en general, el nmero medio de extracciones u hasta que aparezcan n s mbolos distintos (n = 1, . . . , 6) es
n

6i+1 6 k=1

Por lo tanto, hay que comprar una media de 6 (1/6 + 1/5 + 1/4 + 1/3 + 1/2 + 1) = 14,7 yogures para conseguir los seis s mbolos distintos.

i i i

i i

libroult 2001/8/30 page 98 i

98

EJERCICIOS RESUELTOS DE PROBABILIDAD

P3.15] Una caja contiene dos monedas legales y una con dos caras. Se selecciona una moneda al azar. 1. Si se lanza la moneda y sale cara, cul es la probabilidad de que a la moneda sea legal? Y si en otros tres lanzamientos vuelve a salir cara? 2. Se selecciona una moneda, se lanza y se devuelve a la caja. Cul a ser el nmero medio de veces que tendremos que repetir el proceso a u hasta que se obtenga una cruz? Solucin: o Un espacio muestral para este problema es = w = (m, w1 , w2 , w3 , w4 ) : m {l1 , l2 , l} wi {C, X}, para todo i = 1, 2, 3, 4 ,

donde m representa la moneda escogida al azar. Denotamos por l1 y l2 a las dos monedas legales y por l a la moneda con dos caras. Por otra parte, cada wi es el resultado del i- simo lanzamiento, para i = 1, 2, 3, 4, e siendo C si es caray X si es cruz. 1. Sean los sucesos A = La moneda escogida es legaly Bi = El isimo lanzamiento de la moneda es cara, para i = 1, 2, 3, 4. Si se e lanza una moneda escogida al azar y sale cara, 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 = . 2 3 +1 3 2

La probabilidad de que la moneda sea legal conociendo lo anterior y que adems en otros tres lanzamientos vuelve a salir cara, es, a teniendo en cuenta que todos los lanzamientos efectuados con la moneda son independientes entre s :
4

P Bi =

4 i=1

Bi |A P (A)
4 i=1

A|
i=1

= Bi
4

= 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 i

libroult 2001/8/30 page 99 i

CAP ITULO 3. 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.

1 4 2 3 2 1 4 2 3 + 14 2

1 3

Denimos el espacio muestral k = 1, 2, . . . wi = (wi1 , wi2 ) = w = (w1 , . . . , wk ) : wi1 l1 , l2 , l , wi2 = C para todo i = 1, . . . , k 1 wk1 {l1 , l2 } , wk2 = X

donde wi1 es la moneda escogida al repetir el proceso por i- sima e vez, para i = k y wk1 es la moneda con la que sale una cruz y detenemos el proceso, para i = 1, 2, . . . , k. Ntese que esta ultima moneda o debe ser legal, pues debe dar una cruz, y que, por otra parte, las k 1 primeras tiradas deben ser cara, para que se necesite continuar el proceso. Sobre este espacio denimos la variable aleatoria que representa el nmero de veces que hay que repetir el proceso hasta u que sale cruz, incluyendo el ultimo lanzamiento. Sean Di los sucesos En el i- simo lanzamiento sale una caray Ei = e En el i- simo lanzamiento sale una cruz, para i = 1, 2, 3, . . . , k. e Sean tambin Li = La moneda del i- simo lanzamiento es legaly e e Li = La moneda del i -simo lanzamiento no es legal. Usando los e sucesos denidos en el apartado anterior, se tiene que:
k1

P ( = k) = P ({w : (w) = k}) =


i=1

P (Di ) P (Ek ) ,

donde P (Di ) = P (Di |Li ) P (Li ) + P Di |Li P Li = para todo i = 1, 2, . . . , k 1, y P (Ek ) = P (Ek |Lk ) P (Lk ) + P Ek |Lk P Lk = 1 2 1 = , 2 3 3 1 2 1 2 +1 = , 2 3 3 3

pues la moneda del ultimo lanzamiento debe ser legal para que pueda salir una cruz. Por lo tanto: P ( = k) = 2 3
k1

1 , 3

i i i

i i

libroult 2001/8/30 page 100 i

100

EJERCICIOS RESUELTOS DE PROBABILIDAD

T 1 d 1 2 d 4

d d 3

d d 5

Figura 3.2: Ejemplo para el ejercicio P3.16 con n = 2 y m = 3.

luego, el nmero medio de lanzamientos hasta que salga cruz es u E [] = 1 3

k
k=1

2 3

k1

= 3.

P3.16] Consideremos l neas que unen n + m puntos del plano (1, x1 ) , (2, x2 ) , . . . , (n + m, xn+m ) , donde los valores x1 , x2 , . . . , xn+m son n ceros y m unos distribuidos de forma totalmente aleatoria. Por ejemplo, para n = 2 y m = 3, la gura 3.2 muestra una recta con 3 saltos. Cul es el nmero medio de saltos a u de una l nea? Solucin o Dado que la media de una suma es siempre la suma de las medias, entonces lo pedido se limita a calcular la probabilidad de que entre dos puntos consecutivos haya un salto, y multiplicar dicho valor por el nmero de u puntos consecutivos (parejas de puntos) que hay. Mientras que el segundo valor es claramente n + m 1, el primero es n m m n + . n+m n+m1 n+m n+m1 Para calcular este ultimo valor se ha tenido presente que hay dos probabi lidades disjuntas: o salto de 0 a 1, o salto de 1 a 0. Adems, la probabilidad a de que haya un 0 en el primer punto de la pareja es n/ (n + m), y luego la probabilidad de que haya un 1 en el segundo es m/ (n + m 1). Anlogamente, la probabilidad de que haya un 1 en el primer punto es a m/ (n + m), y de que haya un 0 en el segundo es n/ (n + m 1). Como conclusin, el nmero medio solicitado es o u (n + m 1) n m m n 2nm + = . n+m n+m1 n+m n+m1 m+n

i i i

i i

libroult 2001/8/30 page 101 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD

101

Como se observa en este ejemplo, no siempre el mejor camino para calcular la media de una variable aleatoria consiste en pasar primero por el clculo de su distribucin de probabilidad, ya que en algunos problemas a o (como ste) tal distribucin puede ser dif de obtener, mientras que la e o cil media es fcil. a P3.17] Un jugador comienza un juego de azar con k euros. En cada partida el juego le permite ganar o perder 1 euro, independientemente de lo que tenga, hasta que no tenga nada. La probabilidad de ganar el euro de cada partida es p y la de perder el euro es 1 p. Qu probabilidad hay de que e lo pierda todo alguna vez? Solucin o Si Pk representa la probabilidad buscada, entonces Pk = (1 p) Pk1 + pPk+1 , donde se asume P0 = 1. As por ejemplo: , P1 = 1 p + pP2 ,
2 y puesto que P2 = P1 , ya que perder 2 euros es perder primero uno y luego otro de forma independiente, entonces: 2 P1 = 1 p + pP1 ,

por lo que, o bien P1 = 1, P1 = (1 p) /p, ya que stas son las dos o e soluciones de la ecuacin cuadrtica anterior. Ahora bien, si p < 1/2 o a entonces P1 = 1 y si p 1/2 entonces P1 = (1 p) /p. De igual forma se concluye que Pk = 1p p Pk = 1
m

, si , si

p > 1/2 p 1/2

P3.18] Un jugador A tiene m euros y otro B tiene n euros. En cada partida un jugador gana 1 euro y el otro pierde 1 euro. La probabilidad de que A gane una partida es p y la de que gane B es 1 p. El juego contina u hasta que uno pierda todo. Qu probabilidad tiene A de perder? e Solucin o Observemos que plantear este problema es equivalente al problema anterior cuando uno de los jugadores (B) tiene un enorme capital (n +), m y que en tal caso la probabilidad de que A pierda es [(1 p) /p] , si p > 1/2.

i i i

i i

libroult 2001/8/30 page 102 i

102

EJERCICIOS RESUELTOS DE PROBABILIDAD Cuando n es nito, la situacin cambia, pero el problema se puede resolver o de forma anloga porque, si Qm representa la probabilidad que tiene A a de pasar de m a Q, sin haber alcanzado nunca n + m, entonces: 1p p
m

= Qm + (1 Qm )

1p p
m

m+n

Por tanto, la probabilidad pedida es: Qm = 1 siempre que p > 1/2. Cuando p = 1/2, la expresin anterior es la indeterminacin 0/0, que se o o resuelve aplicando la regla de LHospital, obtenindose e Qm = n/ (n + m) . P3.19] En una eleccin hay dos candidatos, y en la urna de votacin hay n o o papeletas a favor de uno y m a favor del otro, con n > m. Si se asume que los votos en la urna han sido sucientemente mezclados, qu probae bilidad hay de de que al menos suceda un empate durante el conteo de los votos? Solucin o Es importante observar que, por cada sucesin que produzca un empate o comenzando con un candidato, existe otra secuencia que lleva tambin e a empate y comienza con el otro candidato. En efecto, si representamos por N y M a los dos candidatos, 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. La correspondencia consiste slo en cambiar las letras. o Esta importante observacin demuestra que el nmero de casos favorables o u que comienzan con un candidato es igual al nmero de casos favorables u que comienzan con el otro candidato. O, dicho en otras palabras, 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 . Ahora bien, esta ultima probabilidad es simplemente la probabilidad de que el primer voto sea de M , ya que luego es seguro que habr empate porque n > m. a Consecuentemente la probabilidad buscada es: m . 2 n+m 1 [(1 p) /p] 1 [(1 p) /p]
m+n ,

i i i

i i

libroult 2001/8/30 page 103 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD

103

Figura 3.3: Esfera que circunscribe los bordes de la moneda.

P3.20] Cun gruesa debe de ser una moneda para que tenga probabilidad 1/3 a de caer de canto? Solucin o Evidentemente, si tenemos presentes las caracter sticas f sicas de los materiales, es decir, la elasticidad de la moneda, la fuerza y direccin con o que se lanza, las caracter sticas de la supercie sobre la que cae, etc., entonces este problema no est matemticamente bien denido y su resa a puesta debe proceder ms de experimentos f a sicos que de la Teor de a Probabilidades. Sin embargo, para dar una respuesta con esta segunda herramienta, asumamos las siguientes hiptesis: veamos la moneda como o la esfera circunscrita por sus dos bordes circulares (vase gura 3.3), y e entendamos que la moneda cae de canto cuando el polo inferior de la esfera est entre los dos c a rculos (vase gura 3.4). Con esta notacin es e o claro que el problema pide la distancia que debe separar a los dos c rculos para que el rea sobre la esfera que limitan sus dos c a rculos sea la mitad del rea restante. a Dada la simetr concentrmonos en una seccin de la esfera. Por ejema, e o plo, en su seccin central (gura 3.5). Para que la longitud de la circuno ferencia entre un canto sea la mitad de la longitud de la circunferencia entre un lado, debe cumplirse que = 2/6. Puesto que tan = r/g con r el radio de la moneda y g la mitad de su grueso, entonces g= r = 0,354r. arctan (/3)

En otras palabras, el grueso de la moneda debe ser 35.4 % el dimetro de a la moneda para que tenga probabilidad 1/3 de caer de canto.

i i i

i i

libroult 2001/8/30 page 104 i

104

EJERCICIOS RESUELTOS DE PROBABILIDAD

suelo
Figura 3.4: Moneda cayendo de canto.

r g

Figura 3.5: Seccin central de la esfera. o

i i i

i i

libroult 2001/8/30 page 105 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD

105

g IR

IR

Figura 3.6: Transformacin de variables aleatorias. o

P3.21] Dos de los lados de un tringulo issceles tienen una longitud L cada a o uno y el ngulo x entre ellos es el valor de una variable aleatoria con a funcin de densidad proporcional a x( x) en cada punto x (0, /2). o Calcular la funcin de densidad del rea del tringulo y su esperanza. o a a Solucin o Consideremos un espacio muestral donde los sucesos elementales w que lo conguran son los tringulos isceles cuyos dos lados iguales miden a o L, y se distinguen por el ngulo que ambos forman. Sobre el espacio a muestral se asume una probabilidad P . Sea la variable que mide dicho ngulo. Entonces en el enunciado nos informan que se trata de una a variable aleatoria sobre con funcin de densidad: o f (x) = kx( x), x (0, /2) 0, para cualquier otro valor,

donde k debe ser una constante tal que se verica que: f (x)
+

0, para todo x, = 1.

f (x) x

De estas dos condiciones resulta que k es igual a 12/ 3 . Denamos ahora una segunda variable que mide el rea de cada tringua a lo en . Esta variable es claramente obtenible a partir de la variable . En efecto, conociendo el ngulo x entre los dos lados de tringulo w, se a a tiene que su base es 2Lsen (x/2) y su altura es Lcos (x/2). Por tanto, el a rea y de un tringulo con ngulo x es a a y = g(x) = L2 sen(2x/2) L2 senx 2Lsen (x/2) Lcos (x/2) = = . 2 2 2

Es decir, la variable se calcula totalmente componiendo con la funcin o g segn la expresin (vase la gura 3.6): u o e =g = L2 sen . 2

i i i

i i

libroult 2001/8/30 page 106 i

106

EJERCICIOS RESUELTOS DE PROBABILIDAD Una primera idea para calcular la funcin de densidad del rea f es la o a de comenzar calculando su funcin de distribucin F . Para esto consio o deremos cualquier valor y IR: F (y) = P {w : (w) y} = P {w : g((w)) y} Claramente, si y 0 entonces F (y) = 0, mientras que si y L2 /2 entonces F (y) = 1. Slo nos queda ver cmo queda F (y) cuando 0 o o y L2 /2, y para ello sustituyamos el valor de la funcin g en la expresin o o anterior: F (y) = P L2 sen((w)) y 2 2y = P w : (w) arcsen L2 2y 2y arcsen( L2 ) arcsen( L2 ) 12 f (x)x = = x( x)x. 3 0 w:

Resolviendo esta integral se obtiene la funcin de distribucin de . Luego o o derivando en y se concluye su funcin de densidad: o f (y) = 12 arcsen 3 2y L2 arcsen 2y L2 2 L4 4y 2 .

para y 0, L2 /2 , y 0 en otro caso. Obviamente, tambin es posible realizar un clculo directo de la funcin e a o de densidad de = g conociendo la frmula general que acorta el o proceso: h (y) = f (g 1 (y)) g 1 (y) Finalmente, la esperanza de la variable se puede calcular o bien directamente aprovechando que hemos calculado su funcin de densidad: o
L2 /2

E[] =
0

f (y)y

o indirectamente usando que = g :


/2 /2

E[] =
0

g(x) f (x) x =
0

12L2 L2 senx 12 3 x ( x) x = . 2 3

P3.22] En funcin de un estudio realizado en varios establecimientos, se conoce o que la demanda de determinado producto es una variable aleatoria con funcin de densidad f (x) = ex , cuando x > 0. La venta de una cantidad o

i i i

i i

libroult 2001/8/30 page 107 i

CAP ITULO 3. DISTRIBUCIONES DE PROBABILIDAD

107

x produce una ganancia de ax y el sobrante y no vendido produce una prdida by, con a y b constantes positivas. Calcular la cantidad convee niente de aprovisionamiento para que la ganancia esperada sea mxima. a Apl quese al caso particular de a = 1 y b = 2. Solucin o Sea c la cantidad de aprovisionamiento. Para una demanda x, la ganancia g (x) viene denida por: g(x) = ax b (c x) ac ,0 x < c . ,x c

A partir de esto se tiene la variable aleatoria ganancia = g (vase la e gura 3.6), resultando:
+

E[]

= =

E[g ] =
c 0

g(x)f (x)x =
c

(ax b (c x)) ex x +

acex x =

(a + b) cec + (a + b bc) 1 ec + acec

El valor de c que maximiza la ganancia esperada se obtiene derivando la expresin anterior respecto de c, resultando que c = ln (1 + a/b) . o En el caso particular a = 1, b = 2 se tiene que c = ln (3/2) . P3.23] Se dispone de 7 huchas, cada una con 10 billetes de 1000 pts., 6 billetes de 2000 pts., 4 billetes de 5000 pts. y 1 billete de 10000 pts. Nos dan 7 billetes, extra dos aleatoriamente uno de cada hucha. 1. 2. Cul es el nmero esperado de pesetas que recibimos? a u Qu probabilidad hay de recibir 17000 pesetas? (Ayuda: calcular e la funcin generatriz de probabilidades). o

Solucin o Consideremos como espacio muestral el conjunto de 7- uplas de billetes, uno procedente de cada urna. Adems, sea i una variable aleatoria que a representa el valor (en miles de pesetas) de un billete extra de la do hucha i- sima. Esta variable puede tomar los valores 1, 2, 5 y 10 con e probabilidades P (i = 1) = 10/21, P (i = 2) = 6/21, P (i = 5) = 4/21 y P (i = 10) = 1/21, i = 1, . . . , 7, respectivamente. Suponiendo que las 7 huchas de las que se dispone son independientes (en cuanto al resultado de una extraccin), sea = o
7 i=1

i la variable aleatoria que representa el

valor total de los billetes extra dos

i i i

i i

libroult 2001/8/30 page 108 i

108

EJERCICIOS RESUELTOS DE PROBABILIDAD 1. El nmero esperado de pesetas (en miles) recibidas es: u
7 7

E [] = E
i=1

i =
i=1

E [i ]

7 (10 1 + 6 2 + 4 5 + 1 10) = 17. 333. 21

2. Para calcular P ( = 17) usando la funcin generatriz de probabilio dades (t) = E [t ] , sucede que: (k) (t)
t=0

= k! P ( = k) .

En el caso de este problema, esta funcin es: o


7 P

(t) = E ti=1 =
i=1

E ti = E t

1 21

t1 10 + t2 6 + t5 4 + t10 1

Queda pendiente calcular la derivada 17-sima, evaluarla en t = 0 y e dividirla por 17!.

i i i

i i

libroult 2001/8/30 page 109 i

CAP ITULO

Principales variables aleatorias

Entre las variables aleatorias discretas destacan: Variable Aleatoria Uniforme: Dado un nmero natural n, se llama u variable aleatoria uniforme y se denota por U [n] a una variable que toma valores en {1, 2, . . . , n}, cada uno con igual probabilidad. Es decir, es una variable aleatoria discreta con funcin de o probabilidad: P (k) = 1/n , si 0 , resto k {1, 2, . . . , n}

Algunas caracter sticas son: E [] = (n + 1) /2 V () = n2 1 /12 (t) G (t) (t) = = = 1 n 1 n 1 n


n

tk
k=1 tn

e 1 1 et eitn 1 1 eit

Variable Aleatoria de Bernoulli: Dado p [0, 1], se llama variable aleatoria de Bernoulli de parmetro p a una variable aleatoria que a 109

i i i

i i

libroult 2001/8/30 page 110 i

110

EJERCICIOS RESUELTOS DE PROBABILIDAD toma slo dos valores posibles, uno con probabilidad p y el otro con o probabilidad 1 p. Los experimentos de este tipo se llaman pruebas de Bernoulli, sus dos resultados se suelen denominar xito e y fracaso (o blanco y negro,...), y la variable les asocia los valores 1 y 0, respectivamente. La funcin de probabilidad de esta o variable es: p , si k = 1 P (k) = 1 p , si k = 0 Se denota por B (p), y algunas caracter sticas suyas son: E [] = p V () = p (1 p) (t) G (t) (t) = (1 p) + p t = (1 p) + p et = (1 p) + p eit

Variable Aleatoria Binomial: Dados dos nmeros n y p, con n natuu ral y p perteneciente al intervalo [0, 1], se llama variable aleatoria Binomial de parmetros n y p a una variable aleatoria que toma a valores en {0, 1, . . . , n} y tiene como funcin de probabilidad: o P (k) = n nk pk (1 p) , para todo k {0, 1, . . . , n} . k

Se denota por Bi (n, p), y representa una variable aleatoria que mide el nmero de veces que ocurre el suceso xito en n pruebas de u e Bernoulli de parmetro p e independientes. Algunas caracter a sticas de esta distribucin son: o E [] V () (t) G (t) = np = n p (1 p) n = (1 p + p t) n = 1 p + p et 1 p + p eit
n

(t) =

Variable Aleatoria Hipergeomtrica: Dados N , A y B nmeros nae u turales, se llama variable aleatoria Hipergeomtrica de parmetros e a (n, A, B) a una variable que trata de medir el nmero de xiu e tos(bolas azules, por ejemplo) cuando se extrae una muestra de tamao n sin reemplazamiento, de una urna con N = A + B bon las, de las que A son azules y el resto blancas. Esta distribucin es o

i i i

i i

libroult 2001/8/30 page 111 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS

111

anloga a la Binomial, pero se basa en un muestreo realizado sin a reemplazamiento. Su funcin de probabilidad es: o P (k) =
A k

N n

B nk

, para todo k = 0, 1, . . . , n,

y se denota por H (n, A, B). Se tiene que: E [] = A N A B N n n . N N N 1 n

V () =

Variable Aleatoria Binomial Negativa: Dados dos nmeros n y p, u con n natural y p perteneciente al intervalo [0, 1], se llama variable aleatoria Binomial Negativa de parmetros n y p a una variable a aleatoria que toma valores k = 0, 1, . . . y tiene como funcin de o probabilidad: P (k) = n+k1 k pn (1 p) , para todo k = 0, 1, . . . k

Se denota por BN (n, p), y representa una variable aleatoria que mide el nmero de fracasos que ocurren antes de obtener n u xitos con una secuencia de pruebas independientes de Bernoulli con e probabilidad de xito p. Algunas caracter e sticas de esta distribucin o son: E [] = V () = (t) = G (t) = (t) = n (1 p) p n (1 p) p2 n p 1 , para |t| < . 1 (1 p) t 1p n p , para (1 p) et < 1. 1 (1 p) et n p 1 (1 p) eit

Variable Aleatoria de Poisson: Consideremos la variable que mide el nmero de sucesos que ocurren en un intervalo de amplitud ja, u siendo el promedio de sucesos en dicho intervalo. Esta variable sigue una distribucin de Poisson de parmetro , y se denota o a P (), con > 0. Su funcin de probabilidad es: o P (k) = k e , para k = 0, 1, . . . k!

i i i

i i

libroult 2001/8/30 page 112 i

112

EJERCICIOS RESUELTOS DE PROBABILIDAD Las principales caracter sticas de esta distribucin son: o E [] = V () = (t) = e(t1) t G (t) = e(e 1)

(t)

= e(e

it

1)

La distribucin de Poisson se obtiene tambin como l o e mite de la distribucin Binomial de parmetros n y /n cuando n . Adems, o a a la suma de dos variables de Poisson independientes de parmetros 1 a y 2 , respectivamente, es a su vez una Poisson de parmetro 1 +2 . a Variable Aleatoria Geomtrica: Dado p [0, 1], la variable aleatoria e que cuenta el nmero de fracasos que preceden al primer xito en u e una sucesin innita de pruebas de Bernoulli sigue una distribucin o o Geomtrica de parmetro p, donde p es la probabilidad de xito, y e a e se denota G (p). La funcin de probabilidad de esta variable es: o P (k) = p (1 p) , con k = 0, 1, . . . Adems: a E [] = V () = (t) = G (t) = (t) = 1p p 1p p2 p 1 , para |t| < . 1 (1 p) t 1p p , 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 idnticamente distribuidas segn una Geomtrica de parmetro p es e u e a una Binomial Negativa. Entre las variables aleatorias continuas destacan: Variable Aleatoria Uniforme: Se llama variable aleatoria Uniforme en un intervalo [a, b], con a b y a, b IR, y se denota por U [a, b], a una variable aleatoria con funcin de densidad o f (x) = 1 , para a x b. ba

i i i

i i

libroult 2001/8/30 page 113 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS Sus principales caracter sticas son: E [] V () G (t) (t) = = = = a+b , 2 2 (b a) , 12 etb eta , para t = 0. t (b a) eitb eita , para t = 0. i t (b a)

113

Variable Aleatoria Triangular: Dados dos parmetros a y b tales que a a < b, se llama variable aleatoria Triangular de parmetros a y b a y se denota por T (a, b), a una variable aleatoria cuya funcin de o densidad viene descrita por: 4(xa) (ba)2 , si a x < a+b 2 4(bx) f (x) = , si a+b x < b 2 2 (ba) 0 , en el resto Claramente E [] = (a + b) /2. Variable Aleatoria Exponencial: Se llama variable aleatoria Exponencial con parmetro , con > 0, y se denota por Exp (), a a una variable aleatoria con funcin de densidad o f (x) = ex , para x > 0. Sus principales caracter sticas son: E [] = V () = G (t) = (t) = 1 , 1 , 2 , para t < . t . it

Esta variable aparece, por ejemplo, cuando se estudia la distancia entre dos sucesos consecutivos que sigan una distribucin de Poisson. o Variable Aleatoria Gamma: Se llama variable aleatoria Gamma de parmetros a y p, con a, p > 0, y se denota por (a, p), a una a variable aleatoria con funcin de densidad o f (x) = ap eax xp1 , para x 0. (p)

i i i

i i

libroult 2001/8/30 page 114 i

114

EJERCICIOS RESUELTOS DE PROBABILIDAD Sus principales caracter sticas son: E [] = V () = G (t) = p , a p , a2

(t) =

a , para |t| < a. at p a . ait

Adems, se verica que la suma de variables aleatorias independiena tes e idnticamente distribuidas segn una Exponencial sigue una e u distribucin Gamma. Por ello, la distribucin Gamma es la que apao o rece cuando se estudia la distancia entre p sucesos que sigan una variable de Poisson de parmetro a. a Variable Aleatoria Normal: Se llama variable aleatoria Normal de media y varianza 2 y se denota por N , 2 , a una variable aleatoria con funcin de densidad: o f (x) = 1 2 2 e
(x)2 2 2

Sus principales caracter sticas son: E [] = V () = G (t) = (t) = , 2 , et+ 2 e


1 2

t2

, .

1 it 2 2 t2

Es importante destacar la importancia de la variable aleatoria con distribucin N (0, 1), denominada distribucin normal tipicada. o o Variable Aleatoria 2 de Pearson: Se llama as a la variable aleato ria resultante de sumar los cuadrados de d variables aleatorias independientes con distribucin N (0, 1). Se dice que d (d > 0) es el o nmero de grados de libertad, y la variable se denota 2 . Su u d funcin de densidad es: o f (x) = 2d/2 xd/21 ex/2 (d/2)

para todo x > 0. Su media es d y su varianza es 2d. La funcin o generatriz de momentos es: G (t) = (1 2t)
d/2

, para t <

1 . 2

i i i

i i

libroult 2001/8/30 page 115 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS

115

Variable Aleatoria t de Student: La variable aleatoria tiene distribucin t de Student con d grados de libertad, y se denota Td , si o su funcin de densidad es: o d+1 2 f (x) = d d 2 x2 1+ d
d+1 2

para todo x real. Su media es 0 y la varianza d/ (d 2). La funcin generatriz de momentos no existe. Adems, el cociente entre o a una variable normal tipicada y una variable con distribucin 2 o d independientes tiene una distribucin Td . o Variable Aleatoria F de Fisher-Snedecor: La variable aleatoria tiene distribucin F de Fisher-Snedecor con n y m grados de libertad o (n y m nmeros naturales), si su funcin de densidad es: u o f (x) =
n+m 2 n 2

nn/2 mm/2 n/21 (n+m)/2 x (m + nx) m 2

para todo x real. Se denota Fn,m , y su media es: m , para m > 2, (m 2) y su varianza: 2m2 (n + m 2) n (m 2) (m 4)
2

, para m > 4.

La funcin generatriz de momentos no existe. Adems, el cociente o a entre dos variables aleatorias independientes con distribucin 2 , o con n y m grados de libertad, respectivamente, es una Fn,m .

Ejercicios Resueltos
P4.1] Supongamos que la probabilidad de tener una unidad defectuosa en una l nea de ensamblaje es de 0.05. Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes 1. 2. 3. cul es la probabilidad de que entre diez unidades dos se encuentren a defectuosas? y de que a lo sumo dos se encuentren defectuosas? cul es la probabilidad de que por lo menos una se encuentre dea fectuosa?

i i i

i i

libroult 2001/8/30 page 116 i

116 Solucin o

EJERCICIOS RESUELTOS DE PROBABILIDAD

Sea i una variable aleatoria que representa el estado de una unidad terminada en la l nea de ensamblaje en el momento i, siendo i = 1 si la unidad es defectuosa y i = 0 en caso contrario. La variable i sigue una distribucin de Bernoulli con parmetro p = 0,05, de acuerdo con el dato o a inicial del problema. Adems, ntese que un conjunto de unidades tera o minadas constituye un conjunto de ensayos independientes, por lo que el nmero de unidades defectuosas de un total de n unidades terminau n das (1 , . . . , n ), esto es, n,p = i , sigue una distribucin binomial de o parmetros n y p = 0,05. Hechas estas consideraciones iniciales, procedea mos a resolver el problema. 1. Procedemos a calcular: P (10,0,05 = 2) = 2. Se tiene que:
2 i=1

10 8 0,052 (1 0,05) = 0,0746. 2

P (10,0,05 2) =
i=0

10 10i 0,05i (1 0,05) = 0,9884. i

3. Por ultimo: P (10,0,05 1) = 1 P (10,0,05 = 0) = 10 100 = 1 0,050 (1 0,05) = 0 = 1 0,5987 = 0,4013.

P4.2] El gerente de un restaurante que slo da servicio mediante reservas sabe, o por experiencia, que el 20 % de las personas que reservan una mesa no asistirn. Si el restaurante acepta 25 reservas pero slo dispone de 20 a o mesas, cul es la probabilidad de que a todas las personas que asistan a al restaurante se les asigne una mesa? Solucin o Representemos por la variable aleatoria la decisin de asistir ( = 0) o o no ( = 1) nalmente al restaurante por parte de una persona que ha hecho una reserva. Esta variable sigue una distribucin de Bernoulli de o parmetro p = 0,2, de acuerdo con el enunciado del ejercicio. Suponiendo a que las distintas reservas son independientes entre s se tiene que, de un , total de n reservas (1 , . . . , n ), el nmero de ellas que acuden nalmenu te al restaurante es una variable aleatoria Yn =
n i=1

i , con distribucin o

i i i

i i

libroult 2001/8/30 page 117 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS

117

binomial de parmetros n y p = 0,2. En el caso particular del problema, a n = 25. Entonces, para que aquellas personas que asistan al restaurante de las 25 que han hecho la reserva puedan disponer de una mesa, debe ocurrir que acudan 20 o menos. As se tiene que: ,
20

P (Y25 20) =
i=0

25 25i 0,2i (1 0,2) = 0,5799. i

P4.3] Una empresa electrnica observa que el nmero de componentes que o u fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el nmero promedio de estos fallos es ocho, u 1. 2. 3. cul es la probabilidad de que falle un componente en 25 horas? a y de que fallen no ms de dos componentes en 50 horas? a cul es la probabilidad de que fallen por lo menos diez en 125 horas? a

Solucin o Sea la variable aleatoria , con distribucin de Poisson de parmetro o a = E [] = 8, que determina el nmero de componentes que fallan u antes de cumplir 100 horas de funcionamiento. 1. Considerando que se cumplen ciertas condiciones de regularidad, podemos asumir que una variable que mide el nmero de compou nentes que fallan antes de cumplir 25 horas de funcionamiento sigue una distribucin de Poisson con parmetro = E [] = 8/4 = 2. o a Por lo tanto, la probabilidad deseada es la siguiente: P ( = 1) = 2. 21 2 e = 0. 27067. 1!

Anlogamente, denimos una variable aleatoria U con distribucin a o de Poisson de parmetro U = 8/2 = 4, que mide el nmero de coma u ponentes que fallan antes de cumplir las 50 horas de funcionamiento. Se tiene entonces que:
2

P (U 2) =
i=0

4i 4 e = 0. 2381. i!

3.

De la misma forma, deniendo una variable aleatoria V con distribucin de Poisson de parmetro V = 10, se obtiene: o a
10

P (V 10) = 1 P (V < 10) = 1


i=0

10i 10 e = 0,41696. i!

i i i

i i

libroult 2001/8/30 page 118 i

118

EJERCICIOS RESUELTOS DE PROBABILIDAD

P4.4] Una gran tienda de art culos elctricos descubre que el nmero de e u tostadores vendidos por semana obedece a una ley de Poisson de media 10. La ganancia de cada tostador vendido es de 500 ptas. Sin embargo, un lunes se encuentran con que slo les quedan 10 tostadores, y que a lo o largo de esa semana no van a poder traer ms del almacn. Determinar la a e distribucin de las ganancias totales (en ptas.) en concepto de tostadores o de pan a lo largo de esa semana. Solucin o Teniendo en cuenta los datos del problema, podemos denir una variable aleatoria , que representa la ganancia total (en pesetas) en concepto de tostadores de pan a lo largo de la semana considerada, a partir de la variable : 500 , si 0 < 10 = 5000 , si 10 En el segundo caso, si la demanda es de ms de 10 tostadores, es decir, a si supera al nmero de existencias, slo es posible vender este ultimo u o nmero de tostadores. u La distribucin de las ganancias totales en pesetas es, por tanto: o F (t) = P ({w : (w) t}) = , si t < 0 0 t/500 t = P ( = i) , si 0 t < 5000 P (500 t) = F 500 = i=0 1 , si t 5000. Ntese que una vez ms = g (vase la gura 3.6) para una simple o a e funcin real g. o P4.5] Se extraen n cartas, una a una con reemplazamiento, de una baraja espaola (4 palos de 10 cartas cada uno). Si representa la suma de los n n nmeros que aparecen en las cartas, u 1. calcular P ( = k) y E[] ; 2. hallar la funcin generatriz de probabilidades de . o Solucin o Denamos una variable aleatoria que representa el valor de una carta extra del total de la baraja, con valores equiprobables 1,2,. . . ,10, siendo da P ( = k) = 1/10, para todo k A = {1, . . . , 10}. Denamos tambin un e conjunto B formado por los (k1 , . . . , kn ) An en los que no se repite un mismo nmero ms de 4 veces. Ntese adems que el unico dato a u a o a tener en cuenta en cada extraccin es el nmero de la carta, no el palo, o u

i i i

i i

libroult 2001/8/30 page 119 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS

119

puesto que en el problema se utilizar una variable que da la suma de a los nmeros de un total de n extracciones con reemplazamiento. u Supuesta la independencia de las extracciones, sea 1 , . . . , n un conjunto de n variables aleatorias independientes con la misma distribucin que , o que miden el resultado en cada una de las n extracciones con reemplazamiento. Ntese que = o 1.
n i=1

i .

Las probabilidades deseadas son, dado un nmero n = 1, 2, . . . : u


n

P ( = k) = P
i=1 n

i = k 1 10
n

=
(k1 ,...,kn )B
n P

P (i = ki ) =
i=1 (k1 ,...,kn )B
n P

ki =k

ki =k

i=1

i=1

Adems, a
n n

E [] = E
i=1

i =
i=1

E [i ] = n E [] =

n 11 n. i= 10 i=1 2

10

2.

La funcin generatriz de probabilidades es: o


n P

(t) = E t Se obtiene que: E [t ] = y por lo tanto:

i=1

=
i=1

E [ti ] = (E [t ]) .

1 1 t tn+1 ti = , 10 i=1 10 1t 1 t tn+1 10 1t


n

(t) =

P4.6] Se lanza consecutivamente un dado hasta que aparece por primera vez un as. Suponiendo que en el primer lanzamiento no hemos obtenido un as, calcular la probabilidad de que sean necesarios ms de tres lanzamientos. a Solucin o Sea una variable aleatoria que representa el nmero de lanzamientos u consecutivos (e independientes) que hay que efectuar con un dado hasta

i i i

i i

libroult 2001/8/30 page 120 i

120

EJERCICIOS RESUELTOS DE PROBABILIDAD que aparezca un as por primera vez. Esta variable es una geomtrica de e parmetro p = 1/6, siendo p la probabilidad de obtener un as en un lana zamiento del dado. En el enunciado del problema se aade la suposicin n o de que el as no se obtiene en el primer lanzamiento y, por lo tanto, la probabilidad que se pide calcular es: P ( > 3) = P ( > 1) 1
3 i=1 5 i1 6 5 0 6

1 1 6

P ( > 3 | > 1) =

1 1 6

25 = 0, 6944. 36

P4.7] De un paquete de n tarjetas ordenadas de forma creciente y numeradas 1, 2, . . . , n se selecciona aleatoriamente una tarjeta. Si est marcada con a k, se selecciona una segunda tarjeta entre las k primeras. Sea 1 el nmero u de la tarjeta seleccionada en primer lugar y 2 el de la tarjeta seleccionada en segundo lugar. Calcular: 1. 2. 3. 4. P (2 = j), E[2 ], P (1 = k|2 = j), E[1 ].

Solucin o Ntese que la variable 1 , supuestas ciertas condiciones de regularidad, o puede tomar los valores 1, 2, . . . , n, con P (1 = k) = 1/n, para todo k = 1, . . . , n. Sin embargo, para el clculo de las probabilidades P (2 = j) es a necesario tener en cuenta el resultado de la primera seleccin. o 1. Se tiene que:
n

P (2 = j)

=
i=1

P (2 = j | 1 = i) P (1 = i) 1 P (2 = j | 1 = i) . n i=1
n

Obsrvese que si j > i, entonces P (2 = j | 1 = i) = 0. Por lo tanto: e P (2 = j) = 1 n


n

P (2 = j | 1 = i) =
i=j

1 n

n i=j

1 . i

2. El valor esperado de la tarjeta seleccionada en segundo lugar es: n n n 1 1 j E[2 ] = j P (2 = j) = . n j=1 i j=1 i=j

i i i

i i

libroult 2001/8/30 page 121 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 3. Procediendo de forma similar al primer apartado, se calcula: P (1 = k|2 = j) = = 4. 0 P (2 = j|1 = k) P (1 = k) P (2 = j)
n i=j 1 1 i

121

, si j k , si j > k

Por ultimo, el valor esperado para la primera tarjeta seleccionada es: n n 1 n+1 E [1 ] = i P (1 = i) = i= . n i=1 2 i=1

P4.8] Un vendedor de enciclopedias sabe que la probabilidad de obtener un cliente en cada visita es 0.3. Cul es el nmero medio de visitas diarias a u si cada d vende exactamente 10 enciclopedias? Cul es la probabilidad a a de que, a lo largo de un mes, no tenga que hacer ms de 50 visitas diarias? a Solucin o Denamos una variable aleatoria que representa el nmero de visitas u en las que no obtiene clientes que debe realizar el vendedor hasta vender 10 enciclopedias. Esta variable sigue una distribucin binomial negativa o de parmetros n = 10 y p = 0,3, de acuerdo con los datos del problema, a y por tanto E [] = n (1 p) /p. Se asume que las visitas realizadas son independientes entre s Entonces, el nmero medio de visitas diarias que . u debe hacer el vendedor es: E [ + 10] = n (1 p) 0,7 + 10 = 10 + 10 = 33. 333. p 0,3

Por otra parte, para calcular la probabilidad de que no tenga que hacer ms de 50 visitas diarias a lo largo de un mes (de 30 d a as), denamos un conjunto de variables aleatorias 1 , . . . , 30 independientes e idnticamene te distribuidas segn , que representan el nmero de visitas sin clientes u u necesarias hasta vender 10 enciclopedias cada uno de los d del mes. Se as tiene que:
30

P (1 40, . . . , 30 40)

=
i=1

P (i 40) = [P ( 40)]
40

30

=
30

=
i=0

10 + i 1 0,310 0,7i i

= 0. 9597730 = 0. 29175.

i i i

i i

libroult 2001/8/30 page 122 i

122

EJERCICIOS RESUELTOS DE PROBABILIDAD

P4.9] Hallar el m nimo entero n tal que la probabilidad de obtener al menos un as en n lanzamientos, sea mayor o igual que 0.9. Solucin o Sea n una variable aleatoria que representa el nmero de ases obtenidos u en n lanzamientos de un dado. Se debe obtener el menor entero n tal que: P (n 1) 0,9, es decir, P (n = 0) 0,1. Considerando que la probabilidad de obtener un as con este dado es 1/6, se tiene que: n 5 0,1, 6 desigualdad que se verica para todo n 13. P4.10] Demostrar las siguientes frmulas recurrentes para el clculo de la funo a cin de probabilidad: o (n k)p P (k), si Bi(n; p). (k + 1)(1 p) 2. P (k + 1) = P (k), si Poiss(). k+1 (n + k)(1 p) 3. P (k + 1) = P (k), si BiNeg(n; p). k+1 (A k)(n k) 4. P (k + 1) = P (k), si Hip(n, A, B). (k + 1)(B (n k) + 1) 1. P (k + 1) = Solucin o 1. Si Bi(n; p), entonces P (k) = n nk pk (1 p) , k

para todo k = 0, . . . , n. Se verica que: P (k + 1) = = = n nk1 pk+1 (1 p) = k+1 n nk (1 p) p pk k k+1 (1 p) (n k)p P (k). (k + 1)(1 p)
nk

i i i

i i

libroult 2001/8/30 page 123 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 2. Si Poiss(), entonces P (k) = k e , k!

123

para todo k = 0, 1, . . . Se verica que: P (k + 1) = 3. k+1 e = P (k). (k + 1)! k+1

Si BiNeg(n; p), entonces P (k) = n+k1 k pn (1 p) , k

para todo k = n, n + 1, . . . Se verica que: P (k + 1) = = = 4. n+k k+1 pn (1 p) = k+1 n+k1 n+k k pn (1 p) (1 p) = k k+1 (n + k)(1 p) P (k). k+1

Si Hip(n, A, B), entonces P (k) =


A k B nk A+B n

para todo k = 0, . . . , n. Se verica que: P (k + 1) =


A k+1 B nk1 A+B n

=
nk Bn+k+1

= =

Ak k+1

A k

B nk

A+B n

(A k)(n k) P (k). (k + 1)(B (n k) + 1)

P4.11] Sean y las variables aleatorias que cuentan el nmero de veces que u sale 1 y 6, respectivamente, en 5 lanzamientos de un dado. Son y independientes? Solucin o

i i i

i i

libroult 2001/8/30 page 124 i

124

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

2 3

5 6

= P ( = 0) ,

= P ( = 0) P ( = 0) =

5 6

10

concluyndose as que las variables no son independientes. e P4.12] En la teor de los rayos csmicos se presenta la distribucin de Pascala o o Furry, dada por los valores i = 0, 1, 2, . . ., con probabilidades respectivas: 1 pi = 1+ ( 1+ )i , > 0. Determinar el parmetro . a Solucin o Se verica que

pi =
i=0 i=0

1 1+

+1

1 1 = 1, 1 + 1 [/ ( + 1)]
i

para cualquier > 0. Adems, 1/ (1 + ) < 1 y [/ (1 + )] < 1, para a todo > 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 nmero esperado de porciones de Pedro. u 2. Calcular la varianza de tal nmero. 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 particin no se o ha hecho de un modo aleatorio.

i i i

i i

libroult 2001/8/30 page 125 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS Solucin o 1.

125

Consideremos el espacio muestral formado por todas las posibles divisiones de la tableta. Numerando las porciones podemos caracterizar cada divisin mediante un nmero entre 1 y 4n 1, donde no o u vale el 2n. Es decir, cada suceso elemental w puede identicarse como la cantidad de porciones que quedan a un lado (por ejemplo a la derecha) tras la divisin, lo que a la vez determina el nmero de o u porciones que quedan al otro lado. As : = {1, 2, . . . , 4n 2, 4n 1} {2n} . Para cada w , 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 nimo y un mximo de {w, 4n w}, respectivamente. a Asumamos por hiptesis que es equiprobable, es decir, que: o P (w) = 1 , 4n 2

para todo w , 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 o. Denamos ahora las variables aleatorias: : w y : w IR (w) = m {w, 4n w} n IR (w) = mx {w, 4n w} a

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

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


4n1

E []

=
k=2n+1

k P ( = k) = 2n + n (2n 1) = 3n. 2n 1

1 2n 1

2n1

k=
k=1

= 2n +

i i i

i i

libroult 2001/8/30 page 126 i

126

EJERCICIOS RESUELTOS DE PROBABILIDAD 2. De la misma forma, se obtiene que:


4n1

V () = E 2 (E []) =
k=2n+1

k 2 P ( = k) 9n2 =
2n1

= = = 1 2n 1
2n1

1 2n 1

(k + 2n) 9n2 =
k=1

2n1

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. Si el trozo de Pedro es mayor que tres veces el de Juan en una particin, se verica que: o > 3 (4n ) , es decir: > 3n. Por lo tanto, supongamos que se realizan 3 particiones (independientes) y representemos, respectivamente, por 1 , 2 y 3 al nmero de u trozos que corresponden a Pedro en cada una. Siendo las variables 1 , 2 y 3 independientes, se tiene que:
3 4n1 3

P (i > 3n) =
i=1

[P ( > 3n)] =
i=3n+1

P ( = i) 1 2n 1
3

= =

= =

(4n 1 (3n + 1) + 1) n1 2n 1
3

que es una probabilidad muy pequea. Por lo tanto, es razonable n pensar que la particin no se ha hecho de un modo aleatorio. o P4.14] Una variable aleatoria tiene la funcin generatriz G (t) = (0,2et + o 0,8)5 . Se pide: 1. Funcin de probabilidad. o 2. P ( > 0) y P (1 3).

i i i

i i

libroult 2001/8/30 page 127 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 3. Esperanza y varianza.

127

Solucin o Podemos obtener la funcin generatriz de probabilidades de esta variable o aleatoria discreta a partir de la funcin generatriz de momentos. Ntese o o que la funcin generatriz de probabilidades de una variable aleatoria es la o o funcin (t) = E t , mientras que su funcin generatriz de momentos o t es G (t) = E e . Por lo tanto: (t) = G (lnt) = 0,2 elnt + 0,8 1.
5

= (0,2 t + 0,8) .

Se verica que, si es derivable k veces en un entorno del origen, entonces: (k) (t) = k! P ( = k) . tk t=0 En concreto, en este caso, k = 0, 1, 2, 3, 4, 5. As : P ( = k) = 5! 0,2k 0,85k , (5 k)! k!

2.

para todo k = 0, 1, 2, 3, 4, 5. Ntese que sta es la funcin de proo e o babilidad de una variable aleatoria binomial de parmetros n = 5 y a p = 0,2. Teniendo esto en cuenta, se tiene que: P ( > 0) = 1 P ( = 0) = 1 5 0,20 0,85 = 0. 67232. 0

3.

De forma similar:
3

P (1 3) =
k=1

5 0,2k 0,85k = 0,6656. k

4.

Si G (t) es derivable en un entorno del origen k veces, entonces G(k) (t) En este caso: E [] = m1 = G (t) Y tambin: e V () = m2 m2 = G (t) 1 = et 0,2 et + 0,8
t=0 3 t=0

t=0

G(k) (t) tk

= mk .
t=0

0,2 et + 0,8

et

t=0

= 1.

1
t=0

1,6 + 0,2 et

1 = 0,8

i i i

i i

libroult 2001/8/30 page 128 i

128

EJERCICIOS RESUELTOS DE PROBABILIDAD

P4.15] Una variable aleatoria tiene la siguiente funcin generatriz G (t) = o t e2(e 1) . Se pide: 1. Funcin de probabilidad. o 2. P ( > 1) y P ( > 2). 3. Esperanza y desviacin t o pica. Solucin o Procediendo de forma anloga al ejercicio anterior, la funcin generatriz a o de probabilidades es: (t) = G (lnt) = e2(e 1. Asimismo: P ( = k) =
lnt

1)

= e2(t1) .

1 2k e2 , k!

para todo k = 0, 1, . . . Ntese que esto se corresponde con la funcin o o de probabilidad de una variable de Poisson con parmetro = 2. a 2. Las probabilidades deseadas son:
1

P ( > 1) = 1
k=0

1 2k e2 = 0,59399. k!

y tambin: e
2

P ( > 2) = 1
k=0

1 2k e2 = 0,32332. k!

3. Por ultimo, y de forma similar al anterior ejercicio: E [] = m1 = G (t) y tambin: e V () = m2 m2 = G (t) 1 = 2 2 et + 1 e2(e
t

t=0

= 2 e2(e

1)+t t=0

= 2,

t=0

1 4 = 2.

1)+t t=0

P4.16] El tiempo de reparacin de unas mquinas de escribir tiene una distrio a bucin aproximadamente exponencial, con media 22 minutos. o 1. Hallar la probabilidad de que el tiempo de reparacin sea menor que o diez minutos.

i i i

i i

libroult 2001/8/30 page 129 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 2. 3.

129

El costo de reparacin es de 2000 pts. por cada media hora o fraccin. o o Cul es la probabilidad de que una reparacin cueste 4000 pts.? a o Para efectuar una programacin, cunto tiempo se debe asignar a o a cada reparacin para que la probabilidad de que cualquier tiempo o de reparacin mayor que el tiempo asignado sea slo de 0.1? o o

Solucin o Denamos una variable aleatoria que representa el tiempo de reparacin o (en minutos) de las mquinas y sigue una distribucin exponencial de a o 1 parmetro = (E []) = 1/22. Por lo tanto, la funcin de densidad de a o esta variable es: 1 f (x) = ex/22 , x > 0. 22 1. La probabilidad de que un tiempo de reparacin sea menor que diez o minutos es:
10

P ( < 10) =
0

1 ex/22 x = ex/22 22

10 0

= 1 e5/11 .

2.

De acuerdo con el enunciado, para un tiempo de reparacin dado, o el costo de reparacin se obtendr a partir del nmero total de fraco a u ciones de media hora y el conjunto de minutos restantes, inferiores a 30. (Todos, este ultimo inclusive, se cobran a 2000 pesetas). Te niendo esto en cuenta, se observa que una reparacin costar 4000 o a pesetas siempre que su duracin sea superior a 30 minutos e inferior o o igual a 60 minutos (y as cada fraccin de la segunda media hora o se cobrar como una media hora entera). As a :
60

P (30 < 60) =


30

1 ex/22 x = e30/11 + e15/11 . 22

3.

Representamos por t (t > 0) el tiempo asignado a una reparacin o (en minutos). Debe vericarse: P ( > t) = 0,1, es decir:
t

1 ex/22 x = ex/22 22

= et/22 = 0,1

y esto se cumple para t = 22 ln0,1 = 50. 657 51 minutos. =

i i i

i i

libroult 2001/8/30 page 130 i

130

EJERCICIOS RESUELTOS DE PROBABILIDAD

P4.17] Se supone que las plantas de una determinada especie se distribuyen de forma aleatoria en una regin con densidad promedio de plantas por o unidad de rea. Adems se conoce que tal aleatoriedad sigue una distria a bucin de Poisson, es decir, que el nmero de plantas en una regin con o u o rea A es una variable aleatoria de Poisson de parmetro A. Elegida a a una planta al azar, sea la distancia a la planta vecina de su misma especie ms prxima. Determinar la funcin de densidad de y determinar a o o su valor medio. Solucin o Comencemos determinando la funcin de distribucin de , es decir, o o F (x) = P ({w : (w) x}) para todo x IR. Claramente F (x) = 0 cuando x 0. En cambio, si x > 0 entonces {w : (w) x} representa el suceso en un c rculo de radio x, descontado el punto central, hay al menos una planta. Este es el suceso complementario de en un c rculo de radio x, descontado el punto central, no hay ninguna planta, y cuya probabilidad viene dada por x2 0!
0

ex = ex ,

ya que el rea de un c a rculo de radio x (incluso eliminndole el punto a central) es x2 . Consecuentemente, F (x) = 0 2 1 ex , si x < 0 , si x 0.

Ahora podemos fcilmente conocer la funcin de densidad de : a o f (x) = y su media: E [] =


0

0 2 2xex

, si x < 0 , si x 0,

2 1 2x2 ex x = . 2

P4.18] Demostrar que si tiene distribucin exponencial con media , entonces o la variable aleatoria = (parte entera de ) es una geomtrica de e parmetro p. Encontrar p en trminos de . a e Solucin o La variable tiene funcin de densidad f (x) = (1/) ex/ , cuando o x > 0. Para cualquier k = 0, 1, 2, . . . se tiene que:
k+1

P ( = k)

= P ( = k) = P (k < k + 1) =
k

1 x/ e x =

ex/

k+1 k

= ek/ e(k+1)/ = ek/ 1 e1/ ,

i i i

i i

libroult 2001/8/30 page 131 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS es decir, P ( = k) = p (1 p) con p = 1 e1/ .


k

131

P4.19] Supngase que se distribuye como N (, ), de manera que P ( 0) = o 1/3 y P ( 1) = 2/3. 1. 2. Cules son los valores de y ? a Y si P ( 1) = 3/4?

Solucin o 1. A partir de estas dos condiciones, tipicando la variable y buscando los correspondientes percentiles en las tablas de la variable normal estndar, podremos obtener dos ecuaciones lineales en y . Debe a vericarse que: P ( 0) = FZ 0 = 1 , 3

de donde se deduce que / = z0,3333 = 0,4307, siendo Z una variable aleatoria con distribucin normal de media 0 y varianza 1. o Adems: a 1 2 P ( 1) = FZ = , 3 luego (1 ) / = z0,6667 = 0,4307.obtenindose nalmente que = e 0,5 y = 1,16. 2. En este caso, las ecuaciones ser / = z0,3333 = 0,4307 y, an procediendo de modo anlogo, a P ( 1) = FZ 1 = 3 , 4

es decir, (1 ) / = z0,75 = 0,6745, de lo que se obtiene que = 0,39 y = 0,9. P4.20] Encontrar la distribucin de 2 siendo una variable aleatoria uniforme: o 1. 2. 3. en el intervalo [0, 1]; en [1, 1]; en [1, 2].

Solucin o Si es una variable uniforme en un intervalo [a, b] , a < b, se tiene que su funcin de distribucin es F (u) = (u a) / (b a) , para todo u [a, b] . o o

i i i

i i

libroult 2001/8/30 page 132 i

132

EJERCICIOS RESUELTOS DE PROBABILIDAD Por lo tanto, si se quiere ver la distribucin del cuadrado de esta variable, o que denominaremos , se proceder del siguiente modo: a F (t) = = = P ( c) = P 2 c P c c = F c F c = 2 c ca ca = , ba ba ba

obtenindose, en cada caso particular: e 1. Si [a, b] = [0, 1], F (c) = 2 c. 2. Si [a, b] = [1, 1], F (c) = c. 3. Si [a, b] = [1, 2], F (c) = 2 c/3. P4.21] Encontrar la distribucin de c, donde c es una constante positiva y o una exponencial de media . Solucin o Si la variable sigue una distribucin exponencial de media , su funcin o o de densidad vendr dada por a f (x) = 1 x/ e , x > 0,

y su funcin de distribucin ser, por tanto o o a


t

F (t) =
0

1 x/ e x = ex/

t 0

= 1 et/ .

La distribucin de la variable cX es: o Fc (t) = P (c t) = F (t/c) = 1 et/(c) , que se corresponde con la distribucin de una variable aleatoria exponeno cial de media c . P4.22] Supongamos que una part cula es lanzada desde el origen del plano xy en l nea recta que forma un ngulo con el eje x. Sea la segunda a coordenada del punto cuando la part cula choca con la recta x = 1. Mostrar que si el ngulo se distribuye uniformemente en (/2, /2), a entonces f (y) = [(1 + y 2 )]1 . Esta distribucin se llama distribucin de o o Cauchy. Ver que es simtrica respecto al cero pero que no tiene esperanza. e Solucin o Ntese que si la l o nea recta forma un ngulo con el eje x, la segunda a coordenada del punto donde la part cula choca con la recta x = 1 coincide

i i i

i i

libroult 2001/8/30 page 133 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS

133

con la tangente de , es decir, la variable = tan. Teniendo en cuenta que, adems, sigue una distribucin uniforme en (/2, /2), f (t) = a o 1/, para todo t (/2, /2). Se obtiene que: f (y) = f (arctan (y)) (arctan(y)) = 1 1 + y2
1

Adems, aunque es simtrica respecto al cero no tiene esperanza, puesto a e que


0

1/ y 1 + y 2

y =

pero
+ 0

1/ y 1 + y 2

y = +.

P4.23] A partir de las expresiones de las distribuciones notables, di cul es el a valor adecuado de la constante c de manera que c h(x) sea funcin de o densidad, e indica su esperanza y varianza para las siguientes funciones h(x), donde a y b son parmetros positivos: a (a) exp(x2 /2), para todo x IR; (f) e(xa) /b , para todo x IR; (b) x, 0 < x 2; (g) eax x5 , x > 0; (c) 1, 1 < x < 10; (h) ea|x| , para todo x IR; (d) exp(5x), x > 0; (i) x7 (1 x)9 , 0 < x < 1; (xa)2 (e) e , para todo x IR; (j) x7 (b x)9 , 0 < x < b. Solucin o La constante c debe vericar que: f (x) f (x) x
A
2 2

0, para todo x A, = 1.

1.

+ Se verica que c exp(x2 /2) x = c 2 = 1 si c = 1/ 2. Adems, esta funcin es positiva para cualquier valor real, por lo a o que es una funcin de densidad. Una vez determinado el valor de c, o calculamos la esperanza y la varianza de la variable, resultando:
+

E [X] =

x2 ) x = 0. x 1/ 2 exp( 2
2 +

V (X) = E X 2 (E [X]) =

x2 1 x2 exp( ) x = 1. 2 2

i i i

i i

libroult 2001/8/30 page 134 i

134 2. Se tiene que


2 0

EJERCICIOS RESUELTOS DE PROBABILIDAD cx x = 2c = 1 si c = 1/2. Adems: a


2

E [X] =
0 2

x2 4 x = . 2 3 4 3
2

V (X) =
0

x3 x 2

2 . 9
10

3. Para que sea funcin de densidad, se ha de cumplir que 1 cx = 1, o para lo cual c debe ser igual a 1/9. La esperanza y la varianza de la variable son: 10 11 x E [X] = x = . 9 2 1
10

V (X) =
1

x2 x 9

11 2

= 37

121 27 = . 4 4

4. Se verica que

c exp(5x) x = c/5 = 1 si c = 5. Por lo tanto:

E [X] =
0

5x e5x x = 1 5

1 . 5
2

V (X) =
0
2

5x2 e5x x

=
+

1 . 25
2

5. La funcin ce(xa) es funcin de densidad si ce(xa) x = o o 1, condicin que se cumple para c = 1/ . Se tiene entonces que: o
+

E [X] =
+

e(xa) x x = a. e(xa) 1 x a2 = . 2
/b2
2

V (X) =
+

x2
2

6. Se verica que c e(xa) Ntese que c > 0. Adems: o a


+

1 x = cb = 1 si c = (b ) .

E [X] =
+

2 2 1 x e(xa) /b x = a. b

V (X) =

2 2 1 x2 e(xa) /b x a2 = b2 /2. b

i i i

i i

libroult 2001/8/30 page 135 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 7. La integral


0

135

c eax x5 x = 1 si c = a6 /120. Adems: a

E [X] =
0

a6 6 eax x6 x = . 120 a

8.

42 36 6 2 = 2. 2 a a a Para que sea funcin de densidad, se ha de cumplir que o V (X) =


+

c ea|x| x =

2c = 1, a

para lo cual c debe ser igual a a/2 . La esperanza y la varianza de la variable son: E [X] = 0
+

V (X) =

a 2 a|x| 2 x e x 02 = 2 . 2 a

9.

Se verica que c x (1 x)9 x = c/194480 = 1 si c = 194480. Una vez determinado el valor de c, calculamos la esperanza y la varianza de la variable, resultando:
1

1 0

E [X] =
0 1

194480 x8 (1 x)9 x = 4 9
2

4 . 9

V (X) =
0

194480 x9 (1 x)9 x

4 16 20 = . 19 81 1539

10.

Para que sea funcin de densidad, se ha de cumplir que o


b 0

c x7 (b x)9 x = 1,

para lo cual c debe ser igual a 194480/b17 . La esperanza y la varianza de la variable son:
b

E [X] =
0 b

194480 8 4 x (b x)9 x = b. b17 9

V (X) =
0

16 4 2 16 2 20 2 194480 9 x (bx)9 x b2 = b b = b . 17 b 81 19 81 1539

P4.24] Consideremos un dado que tiene en tres de sus caras un 1, en dos tiene un 2 y en una de ellas un 3. Tres jugadores actan de la siguiente manera: u el primero obtiene sus puntos lanzando el dado; el segundo lo vuelve a lanzar y sus puntos son el producto los puntos en su lanzamiento por los puntos del primero; igualmente hace el tercero multiplicando el resultado de su lanzamiento por los puntos del segundo.

i i i

i i

libroult 2001/8/30 page 136 i

136

EJERCICIOS RESUELTOS DE PROBABILIDAD 1. Describir el espacio probabil stico asociado a esta experiencia aleatoria: (, A, P ). 2. Sea el nmero de jugadores con igual puntuacin y la suma de u o las tres puntuaciones. Calcular P ( < 3) y P ( > 8| 1). 3. Hallar E[| = 2]. Solucin o 1. Sea el espacio formado por las posibles puntuaciones de los tres jugadores. Teniendo en cuenta cmo se obtienen, segn las reglas del o u juego: = y z w = (x, y, z) : x, , {1, 2, 3} , x y

donde x, y, z son las puntuaciones obtenidas por cada uno de los tres jugadores, respectivamente. Sea tambin A la - lgebra fore a mada por todos los subconjuntos de y la funcin de probabilio dad P , que se dene teniendo en cuenta que los tres lanzamientos son independientes, siendo 1/2 la probabilidad de obtener un 1, 1/3 para un 2 y 1/6 para un 3. As por ejemplo, si las puntuaciones , son 1, 3 y 6, los resultados de los tres lanzamientos deben de haber sido 1, 3 y 2 para cada jugador, respectivamente, por lo que P ((1, 3, 6)) = (1/2) (1/6) (1/3) = 1/36. 2. Las variables y estn denidas sobre el espacio probabil a stico denido en el apartado anterior del problema. P ( < = = 3) = 1 P ( = 3) = 1 P ({w : x = y = z}) = 1 [P ((1, 1, 1)) + P ((2, 2, 2)) + P ((3, 3, 3))] = 1 1 2
3

1 3

1 2

1 6

1 2

3 . 4

Por otra parte: P ( > 8| 1) = P ( > 8, = 1) P ( > 8, 1) = . P ( 1) P ( = 1)

Para que las puntuaciones de los tres jugadores sean distintas, ningn u resultado del dado puede ser igual a 1 para el segundo o tercer jugador. La tabla siguiente muestra las distintas posibilidades:

i i i

i i

libroult 2001/8/30 page 137 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS

137

resultados dado puntuacin probabilidad suma de puntuaciones o 2 1,2,2 (1, 2, 4) 1/2 (1/3) 7 1,2,3 (1, 2, 6) 1/2 1/3 1/6 9 1,3,2 (1, 3, 6) 1/2 1/3 1/6 10 2 1,3,3 (1, 3, 9) 1/2 (1/6) 13 3 2,2,2 (2, 4, 8) (1/3) 14 2 2,2,3 (2, 4, 12) (1/3) 1/6 18 2 2,3,2 (2, 6, 12) (1/3) 1/6 20 2 2,3,3 (2, 6, 18) 1/3 (1/6) 26 2 3,2,2 (3, 6, 12) (1/3) 1/6 21 2 3,2,3 (3, 6, 18) 1/3 (1/6) 27 2 3,3,2 (3, 9, 18) 1/3 (1/6) 30 3 3,3,3 (3, 9, 27) (1/6) 39 Se obtiene por tanto que: P ( > 8, = 1) = 2 1 1 1 1 + 2 3 6 2 1 3 1 6
2

1 6 1 6

+
3

1 3

+3

1 3

1 6

+3 = y adems: a 7 , 36

P ( = 1) = por lo que:

7 1 + 36 2

1 3
7 36 1 4

1 , 4

P ( > 8| 1) =

7 . 9

P4.25] Para averiguar el tamao N de una poblacin de lagartos se utiliza el n o mtodo siguiente de captura-marcaje-recaptura. Se capturan k lagartos, e se les marca y se les reincorpora a su poblacin. Un tiempo despus se o e realizan n avistamientos independientes de los que es el nmero de ellos u que estn marcados. a 1. 2. 3. Obtener una expresin para la probabilidad de que = m. o Si k = 4 y m = 1, demostrar que la probabilidad es mxima cuando a N = 4n. Si N = 12, k = 4 y n = 3, cul es la probabilidad de que los tres a lagartos observados estn marcados si sabemos que al menos uno de e ellos lo est? a

i i i

i i

libroult 2001/8/30 page 138 i

138

EJERCICIOS RESUELTOS DE PROBABILIDAD 4. Cul es el nmero medio de observaciones que habr que hacer a u a para que en dos de ellas el lagarto est marcado? e Solucin o Teniendo en cuenta que los n avistamientos que se realizan son independientes, la variable aleatoria sigue una distribucin binomial de parmeo a tros n y k/N , donde k/N es la probabilidad de que un lagarto escogido al azar de la poblacin est marcado. o e 1. La probabilidad de que m de los lagartos estn marcados es: e P ( = m) = 2. Si k = 4 y m = 1: P ( = 1) = n 1 4 N
1

n m

k N

k N

nm

, m = 0, 1, . . . , n.

4 N

n1

4 n (N 4) Nn

n1

Derivando en la anterior expresin respecto de N e igualando a cero o se obtiene que: N n1 (N 4) por lo que N = 4n. 3. Si N = 12, k = 4 y n = 3, la probabilidad de que los tres lagartos estn marcados sabiendo que al menos uno de ellos lo est es: e a P ( = 3 | 1) = P ( = 3, 1) P ( = 3) 1 = = . P ( 1) 1 P ( = 0) 397
n2

[(n 1) N (N 4) n] = 0,

P4.26] Una alumna trae cada d a la Universidad una tableta de chocolate a de 16 cm., y de cuando en cuando le da un mordisco y se come la mitad de lo que le queda. Asumiendo que esta golosa apetencia aparece en la maana siguiendo una distribucin de Poisson de media un mordisco por n o hora: 1. Calcular la distribucin del tiempo que transcurre hasta que aparece o la primera mordida. 2. Cuntos cent a metros de chocolate esperas que le quede tras las cinco horas de clases? 3. Qu probabilidad hay de que soporte una hora de clase sin morder e su tableta?

i i i

i i

libroult 2001/8/30 page 139 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 4.

139

Si un d entre las 9:00 y las 14:00 horas, la ha mordido en cuatro a, ocasiones, qu probabilidad hay de que lo haya hecho durante las e tres primeras horas de clase? Calcular la distribucin del tiempo transcurrido hasta que toma el o tercer trozo de chocolate. Cules son los supuestos necesarios para a que esa respuesta sea correcta? Calcular la funcin de distribucin del m o o nimo tiempo hasta su primera mordida en la maana, a lo largo de los cinco d de una n as semana.

5.

6.

Solucin o 1. Fijado cualquier intervalo temporal de amplitud t horas, para t > 0 arbitrario pero jo, sea t la variable aleatoria que mide el nmero u de mordiscos que se producen en dicho intervalo. Segn el enunu ciado, esta variable aleatoria sigue una distribucin de Poisson de o parmetro t, es decir: a P (t = k) = tk t e , para todo k = 0, 1, 2, . . . k!

Consideremos otra variable aleatoria 1 que mide el tiempo que transcurre hasta que se produce el primer mordisco en un intervalo de amplitud ilimitada. Se pretende demostrar que: f1 (x) = ex , para todo x > 0. En efecto, utilizando la informacin disponible para t y la relacin o o entre ambas variables aleatorias, se tiene que, para cualquier x > 0 : F1 (x) = P (1 x) = 1 P (1 > x) = 1 P (x = 0) = x0 = 1 ex = 1 ex , 0!

luego el tiempo que transcurre hasta que aparece la primera mordida sigue una distribucin exponencial de parmetro 1. o a 2. Sea 5 la variable aleatoria que mide la longitud de la tableta restante tras un intervalo de tiempo de 5 horas. Claramente: 5 = y por lo tanto lo solicitado es: E [5 ] = E 16 25

16 , 25

=
k=0

16 P (5 = k) 2k

i i i

i i

libroult 2001/8/30 page 140 i

140

EJERCICIOS RESUELTOS DE PROBABILIDAD

= 16 e5
k=0

1 k!

5 2

= 16e5/2 .

3. La probabilidad de que soporte una hora de clase sin morder su tableta es: 10 1 1 P (1 = 0) = e = . 0! e 4. La probabilidad de que haya mordido la tableta cuatro veces en 5 horas, sabiendo que lo ha hecho en las tres primeras horas de clase es: P (3 = 4 | 5 = 4) = = = P (3 = 4, 5 = 4) P (3 = 4, 2 = 0) = = P (5 = 4) P (5 = 4) P (3 = 4) P (2 = 0) = P (5 = 4)
34 4!

e3
54 4!

20 0!

e2

e5

= 0. 1296.

5. Sea 3 la variable aleatoria que mide el tiempo transcurrido hasta el tercer mordisco. Se tiene que: F3 (t) = P (3 t) = 1 P (3 > t) = = 1 [P (t = 0) + P (t = 1) + P (t = 2)] = t0 t t1 t t2 t = 1 e + e + e = 0! 1! 2! t2 = 1 et 1 + t + , 2

y por lo tanto:

F3 (t) t2 et = . t 2 Otra alternativa consiste en razonar pensando que 3 es suma de 3 variables aleatorias independientes e idnticamente distribuidas del e 1 2 3 tipo 1 , que denotaremos 1 , 1 , 1 , y por tanto: f3 (t) =
3 2 1 1 2 3 f1 ,1 ,1 (x, y, z) = f1 (x) f1 (y) f1 (z) = e(x+y+z) .

Se obtiene entonces:
1 2 3 F3 (t) = P 1 + 1 + 1 t t tx 0 0 tx

=
0

e(x+y+z) z y x =

t2 et . 2

i i i

i i

libroult 2001/8/30 page 141 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS 6.

141

1 2 3 4 5 Consideremos 5 variables aleatorias 1 , 1 , 1 , 1 , 1 independientes e idnticamente distribuidas segn la variable 1 introducida en el e u primer apartado de este mismo problema, con distribucin exponeno cial de parmetro 1. Se desea calcular la distribucin de: a o

= m 1 , 1 , 1 , 1 , 1 . n 1 2 3 4 5 La distribucin de esta variable es: o F (x) = P m 1 , 1 , 1 , 1 , 1 x n 1 2 3 4 5 = 1 P m 1 , 1 , 1 , 1 , 1 > x = n 1 2 3 4 5 = 1 [P (1 > x)] = 1 [1 F1 (x)] = 1 e5x . P4.27] A y B disputan un torneo de ajedrez, que concluye cuando uno de ellos alcanza v victorias. En cada partida el jugador A tiene probabilidad p de ganar, y B probabilidad q, con p+q < 1. Dejando indicados los resultados, se pide: 1. probabilidad de que A gane el torneo, resultando t partidas en tablas y ganando b partidas el otro jugador. Probabilidad de que A gane el torneo; funcin de probabilidad del nmero total de partidas disputadas; o u en un momento dado, cuando el torneo no ha nalizado, nos enteramos de que B lleva ganadas b partidas y se han producido t tablas, pero no sabemos cuntas haya podido ganar A hasta el momento; a calcular la probabilidad de que gane A.
5 5

2. 3.

Solucin o Consideremos el espacio muestral: = {w = (w1 , w2 , . . .) : wi {A, B, X}} , donde cada wi representa el resultado de la partida isima: wi = A e signica que A gana, wi = B signica que A pierde y wi = X signica que A empata. Se asume que las partidas son independientes, sucediendo que: P (A) = P (B) = P (X) = 1. p, q, 1 p q.

Asumamos que 0 w < v. Para calcular la probabilidad de que el torneo consista en:

i i i

i i

libroult 2001/8/30 page 142 i

142

EJERCICIOS RESUELTOS DE PROBABILIDAD v partidas tipo A, w partidas tipo B, t partidas tipo X, la ultima partida es tipo A, es decir wv+w+t = A, observemos que hay v+w+t1 formas de situar las w partidas tipo w B entre las v + w + t 1 primeras partidas, y hay v+t1 formas t de situar las t partidas tipo tabla. Dado adems que cualquiera de a t estas distribuciones posibles tiene probabilidad pv q w (1 p q) , entonces la probabilidad del suceso solicitada es:
A P SvA+wB+tX

v+w+t1 v+t1 w t (v+w+t1)! = w!t!(v1)! pv

pv q w (1 p q) q w (1 p q) .
t

Finalmente la probabilidad de que gane A es:


v1

P SA =
t=0 w=0 v1

A P SvA+wB+tX

(v + w + t 1)! v w t p q (1 p q) . w! t! (v 1)! t=0 w=0

2. Sea la variable aleatoria : IR donde (w) es el nmero de la u partida donde aparece la vsima partida tipo A, si antes hay menos e de v de tipo B; y el nmero de la partida donde aparece la vsima u e partida tipo B, en otro caso. Entonces, para todo k {v, v + 1, . . .} sucede:
m n{v1,kv}

F (k) =
w=1

A B P SvA+wB+(kvw)X +P SwA+vB+(kvw)X ,

A donde SvA+wB+(kvw)X es el conjunto de todos los posibles torneos en los que gana A, despus de perder w partidas y empatar k v w, e B y donde SwA+vB+(kvw)X es el conjunto de todos los torneos en los que gana B despus de perder w partidas y empatar k v w. e

3. Asumimos que w < v. Entonces:


v1

P (A gana) =
k=0

P (A gana | ha ganado k) P (ha ganado k) ,

i i i

i i

libroult 2001/8/30 page 143 i

CAP ITULO 4. PRINCIPALES VARIABLES ALEATORIAS

143

donde P (A gana | ha ganado k) equivale a la probabilidad de que A obtenga las otras v k victorias, no ms de v w 1 derrotas, y a cualquier nmero adicional de tablas. As u : P (A gana | ha ganado k)
vw1

=
s=0 u=0

(v k + s + u 1)! vk u s p q (1 p q) . s! u! (v k 1)! w+t+k t+u t pk q w (1 p q) . w t


v1 vw1

Por otro lado: P (ha ganado k) = Como conclusin: 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) . s! u! (v k 1)! w! t! k! P4.28] Sean x1 y x2 dos puntos aleatorios elegidos uniformemente en el intervalo [0, ]. 1. 2. 3. Hallar la funcin 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, hallar la distribucin de la distancia entre ellos. o

Solucin o 1. El rango de la variable aleatoria Y = X1 X2 es el conjunto de valores comprendidos en el intervalo [, ]. Se deben distinguir dos casos posibles: FY (y) = P (Y y) = P (X1 X2 y) = ( + y) / 2 2 ( y) /2 /
2 2 2 2

, si y < 0 , si 0 y <

de lo que se obtiene que: fY (y) = es decir, fY (y) = ( + y) / 2 ( y) / 2 , si y < 0 , , si 0 y <

|y| , y [, ] . 2

i i i

i i

libroult 2001/8/30 page 144 i

144

EJERCICIOS RESUELTOS DE PROBABILIDAD 2. La esperanza de la variable Y es: E [Y ] =


0

|y| y 2

+y y y = y + y y = 2 2 0 y y = y y y y = 0. 2 2 0 0 Por otra parte, para la variable |Y |, se obtiene: E [|Y |] = 2


0

y y = . 2 3

i i i

i i

libroult 2001/8/30 page 145 i

CAP ITULO

Variables aleatorias bidimensionales

Si bien las variables aleatorias son funciones de un espacio probabil stico (, A, P ) sobre IR, los vectores aleatorios son funciones de un espacio probabil stico sobre IRn , para algn natural n. En este cap u tulo se presentan problemas donde aparecen vectores aleatorios con n = 2. Dado un vector aleatorio bidimensional = (1 , 2 ), se llama funcin de o distribucin conjunta a la funcin denida sobre IR2 como: o o F (x1 , x2 ) = P ({w : 1 (w) x1 , 2 (w) x2 }) para todo (x1 , x2 ) IR2 . Se llama funcin de distribucin marginal de una o o componente del vector aleatorio, a la proyeccin de la funcin de distribucin o o o conjunta cuando las otras componentes toman valores prximos a innito. Por o ejemplo, F1 (x1 ) = l m F (x1 , x2 ).
x2 +

Si la funcin de distribucin conjunta del vector aleatorio es continua entono o ces cada componente del vector es una variable aleatoria continua, sucediendo que la funcin de densidad de una componente coincide con la integral de la o funcin de densidad conjunta sobre la otra componente. Por ejemplo: o
+

f1 (x1 ) =

f (x1 , x2 )x2 .

Cuando adems las componentes son variables aleatorias independientes entona ces: f (x1 , x2 ) = f1 (x1 ) f2 (x2 ). 145

i i i

i i

libroult 2001/8/30 page 146 i

146

EJERCICIOS RESUELTOS DE PROBABILIDAD

Si el vector aleatorio asume slo una cantidad numerable de valores, eno tonces cada componente es una variable aleatoria discreta, sucediendo que la funcin de probabilidad de una componente coincide con la suma de la funcin o o de probabilidad conjunta sobre la otra componente. Por ejemplo: P1 (k1 ) =
k2

P (k1 , k2 ).

Cuando adems las componentes son variables aleatorias independientes entona ces: P (k1 , k2 ) = P1 (k1 ) P2 (k2 ).

Ejercicios Resueltos
P5.1] Sea la funcin de masa P {(1, 2)} = P {(1, 3)} = P {(2, 2)} = P {(2, 3)} = o 1/6, P {(3, 3)} = 2/6. Calcular: 1. la funcin de distribucin bivariante asociada; o o 2. P {(x, y) IR2 : x + y = 4}. Solucin o 1. Considerando los distintos casos posibles, la funcin de distribucin o o bivariante asociada es: si x < 1 0 si y < 2 0 si 1 x < 2, 2 y < 3 1/6 2 x, 2 y < 3 F (x, y) = si 1/3 1 x < 2, y 3 si 2 x < 3, y 3 2/3 1 si x 3, y 3 2. Los unicos puntos con probabilidad no nula pertenecientes a la recta x + y = 4 son (1, 3) y (2, 2). Por lo tanto: P (x, y) IR2 : x + y = 4 = P ({(1, 3)}) + P ({(2, 2)}) = 1/3.

P5.2] Sea una urna con 15 bolas rojas, 10 negras y 25 blancas. Se extraen 10 con reemplazamiento y al azar y se considera la variable aleatoria (, ) donde es nmero de rojasy es nmero de negras. u u 1. Calcular la funcin de probabilidad conjunta. o 2. Hallar las funciones de distribucin marginales. o

i i i

i i

libroult 2001/8/30 page 147 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES Solucin o 1.

147

La funcin de probabilidad conjunta viene dada, teniendo en cuenta o que las bolas se extraen con reemplazamiento, por: P ( = x, = y) = 10! 15 x! y! (10 x y)! 50
x

10 50

25 50

10xy

para x, y {0, . . . , 10} . 2. Las funciones de distribucin de estas dos variables discretas son: o P ( = x) = 10 x 10 y 15 50 10 50
x 10x

35 50 40 50

,
10y

P ( = y) =

P5.3] Sea el vector aleatorio (, ) con funcin de probabilidad conjunta: o P ( = i, = j) =


3 i 3 j 4 3ij

120

i, j = 0, 1, 2, 3 i+j 3

Calcular P (0 < 2, = 3) y P ( 1). Solucin o Ntese que esta funcin de probabilidad conjunta toma valores no nulos o o para aquellos puntos (i, j)tales que i, j = 0, 1, 2, 3 y i + j 3. Por lo tanto: P (0 < 2, = 3) = P ( = 1, = 3) + P ( = 2, = 3) = 0. Por otra parte:
3

P ( 1) =

1 P ( = 0) = 1
j=0 3

P ( = 0, = j) = 4 3j 17 . 24

1
j=0

1 3 120 0

3 j

P5.4] Una urna contiene tres bolas rojas, tres blancas y cuatro negras. Se extraen dos bolas de la urna, sin reemplazamiento. Sean las variables y denidas como = 1 si la bola extra en primer lugar es roja y 0 si da no lo es, y = 1 si la bola extra en segundo lugar es roja y 0 si no lo da

i i i

i i

libroult 2001/8/30 page 148 i

148

EJERCICIOS RESUELTOS DE PROBABILIDAD es. Calcular las distribuciones conjuntas, marginales y condicionadas de (, ). Son y independientes? Solucin o La funcin de probabilidad conjunta, as como las funciones de probabio lidad marginales, estn expresadas en la siguiente tabla: a | 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

Adems: a P ( = x | = y) = por lo que:

P ( = x, = y) , y = 0, 1, P ( = y) 2/3 , si 1/3 , si 7/9 , si 2/9 , si x=0 , x=1 x=0 . x=1

P ( = x | = 0) = P ( = x | = 1) =

Finalmente, se puede armar que las variables y no son independientes, puesto que P ( = x, = y) = P ( = x) P ( = y) , para todo x, y {0, 1} . P5.5] Repetir el problema anterior suponiendo que las extracciones se hacen con reemplazamiento. Solucin o De forma similar al caso anterior: | 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

i i i

i i

libroult 2001/8/30 page 149 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES y adems: a P ( = x | = 0) = P ( = x | = 1) = 7/10 , si 3/10 , si 7/10 , si 3/10 , si x=0 , x=1 x=0 . x=1

149

Finalmente, se puede armar que las variables y son independientes, puesto que P ( = x, = y) = P ( = x) P ( = y) , para todo x, y = 0, 1. P5.6] El vector aleatorio (, ) tiene la distribucin de probabilidad conjunta o dada por P ( = x, = y) = k(x + 1)(y + 1) donde x, y = 0, 1, 2. 1. 2. 3. 4. 5. 6. Calcular el valor de k. Calcular las distribuciones marginales. Distribuciones de condicionada a = y (y = 0, 1, 2). Son independientes y ? Calcular P ( + > 2) y P ( 2 + 2 1). Distribuciones de Z = + y de = 2 + 2 .

Solucin o 1. El valor de k es aqul para el que se verica: e


2 2

k(x + 1)(y + 1) = 36k = 1,


x=0 y=0

es decir, k = 1/36. 2. Las distribuciones marginales son: P ( = x) = (x + 1)(y + 1) x+1 = , para x = 0, 1, 2. 36 6 y=0 y+1 (x + 1)(y + 1) = , para y = 0, 1, 2. 36 6 x=0
2 2

P ( = y) = 3.

La distribucin de condicionada a = y (y = 0, 1, 2) es: o P ( = x | = y) = x+1 P ( = x, = y) = , para x = 0, 1, 2. P ( = y) 6

i i i

i i

libroult 2001/8/30 page 150 i

150

EJERCICIOS RESUELTOS DE PROBABILIDAD 4. Las variables y son independientes, pues P ( = x, = y) = P ( = x) P ( = y) , para todo x, y = 0, 1, 2. O, alternativamente, porque P ( = x | = y) = P ( = x) , para todo x, y = 0, 1, 2. 5. Se tiene que P ( + > 2) = P ( = 1, = 2) + P ( = 2, = 1) +P ( = 2, = 2) = 7 . 12

P ( 2 + 2 1) = P ( = 0, = 0) +P ( = 0, = 1) + P ( = 1, = 0) = 5 . 36

6. A partir de la funcin de probabilidad conjunta del vector aleatorio o (, ) se concluye que la variable Z = + tiene distribucin: o z 0 1 2 3 4 y = 2 + 2 : w 0 1 2 3 4 5 6 7 8 P ( = 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 i

libroult 2001/8/30 page 151 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES

151

P5.7] Consideremos una urna con 3 bolas azules, 2 blancas y 1 roja. Extraemos 3 bolas sin reemplazamiento, y consideremos las variables aleatorias que nos dan el nmero de bolas azules y el nmero de bolas blancas u u que aparecen en la extraccin. Calcular la distribucin de probabilidad o o conjunta. Solucin o =0 0 0 1/20 =1 0 6/20 3/20 =2 3/20 6/20 0 =3 1/20 0 0

=0 =1 =2

P5.8] Denimos sobre el experimento de lanzar diez veces una moneda las variables aleatorias como el nmero de lanzamiento en el que aparece u la primera cara (si no aparece cara = 0), y como el nmero de u lanzamiento en el que aparece la primera cruz (con = 0 si no aparece cruz). 1. 2. 3. 4. 5. Calcular la funcin de probabilidad conjunta. o Calcular las distribuciones marginales. Distribuciones de condicionada a = y (y = 0.,10). Son independientes y ? Probabilidad de que | | 1.

Solucin o 1. Ntese que si una de las dos variables ( o ) toma un valor mayor o que 1 o bien igual a cero, la probabilidad P ( = x, = y) ser nua la si la otra variable toma un valor distinto de 1. Por lo tanto P ( = x, = y) es: =
1 10 2 1 10 2 1 10 2 1 10 2

, si
10y

x = 1, y = 0 x = 1, y = 2, . . . , 10 x = 0, y = 1 x = 2, . . . , 10, y = 1

i=0 10x j=0

10y i

= 1/2y

, si , si

10x j

= 1/2x

, si

2.

Las correspondientes distribuciones marginales son:

i i i

i i

libroult 2001/8/30 page 152 i

152

EJERCICIOS RESUELTOS DE PROBABILIDAD P ( = x) = =


10 y=0 1 10 2 1 10 2 1 2x 10 x=0 1 10 2 1 10 2 1 2y

P ( = x, = y) = , si x=0 x=1 x = 2, . . . , 10

10 y=2

1/2y = 1/2

, si , si

P ( = y) = =

P ( = x, = y) = , si y=0 y=1 y = 2, . . . , 10

10 x=2

1/2x = 1/2 , si , si

3. Si y = 0 : P ( = 1 | = 0) = si y = 1 : P ( = x | = 1) = y por ultimo, si y = 2, . . . , 10 : P ( = 1 | = y) = 1 2y1 .


1 9 2 1

P ( = x, = 0) = 1, P ( = 0)

2x1

, si , si

x=0 x = 2, . . . , 10

4. Las variables aleatorias y no son independientes, pues, por ejemplo: P ( = 2, = 1) = 5. Finalmente: P (| | 1) = 1 P (| | = 0)


10

1 1 1 = P ( = 2) P ( = 1) = 2 . 2 2 2 2

= 1 P ( = ) = 1
i=0

P ( = i, = i) = 1.

P5.9] En una jaula hay un ratn y dos pollitos. La probabilidad de que cada uno o de los animales salga de la jaula en la prxima hora es de 0.3. Esperamos o una hora y observamos lo que queda en la jaula.

i i i

i i

libroult 2001/8/30 page 153 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES 1. 2. 3.

153

Cmo se distribuye la variable aleatoria que cuenta el nmero de o u animales que quedan en la jaula? Si es el nmero total de patas de los animales que hay en la jaula, u dar la distribucin conjunta de (, ). Son y independientes? o Cul es la probabilidad de que el nmero de patas no supere al a u doble del nmero de animales? u

Solucin o 1. La variable aleatoria que cuenta el nmero de animales que quedan u en la jaula tiene la siguiente distribucin: o P ( = x) = 2. 3 0,33x 0,7x , para x = 0, 1, 2, 3. x

La distribucin de probabilidad conjunta del vector aleatorio (, ) o es: | 0 1 2 3 0 0,027 0 0 0 0,027 2 0 0,126 0 0 0,126 4 0 0,063 0,147 0 0,21 6 0 0 0,294 0 0,294 8 0 0 0 0,343 0,343 0,027 0,189 0,441 0,343 1 Adems, las variables y no son independientes, pues: a P ( = 0, = 0) = 0,33 = P ( = 0) P ( = 0) = 0,36 .

3.

La probabilidad de que el nmero de patas no supere al doble del u nmero de animales viene dada por: u P ( 2) = P ( = 0, = 0)+P ( = 1, = 2)+P ( = 2, = 4) = 0,3. Esto puede observarse en la gura 5.1.

P5.10] Sea (, ) una variable aleatoria bidimensional con funcin de densidad o f (x, y) = 24y (1 x y), si (x, y) pertenece al recinto limitado por las rectas x + y = 1, x = 0, y = 0. 1. 2. 3. Calcular la funcin de distribucin de la variable aleatoria bidimeno o sional (, ) . Calcular las funciones de densidad marginales. Calcular las funciones de densidad condicionadas.

i i i

i i

libroult 2001/8/30 page 154 i

154

EJERCICIOS RESUELTOS DE PROBABILIDAD

= 2 q q q q q E

Figura 5.1: Diagrama para el ejercicio P5.9.

R4 R3 R2 R1

R6

R5 x

Figura 5.2: Regiones del plano para el problema P5.10.

i i i

i i

libroult 2001/8/30 page 155 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES Solucin o

155

Dividimos IR2 en distintas regiones segn muestra la gura 5.2, y en cada u una se obtiene: si (x, y) R1 : F (x, y) = 0; si (x, y) R2 :
x y 0

F (x, y) =
0

24t (1 s t) t s = 12y 2 x 6y 2 x2 8y 3 x;

si (x, y) R3 :
1y y

F (x, y) =
0 x 0

24t (1 s t) t s
1s

+ = si (x, y) R4 :
x 1s 0 1y 2 2 0

24t (1 s t) t s

y (2y 8y + 6) (1 x)4 + y 4 ;

F (x, y) =
0

24t (1 s t) t s = 1 (1 x)4 ;

si (x, y) R5 :
y 1t 0

F (x, y) =
0

24t (1 s t) s t = y 2 (3y 2 8y + 6);

si (x, y) R6 : F (x, y) = 1. Las correspondientes funciones de densidad marginales son:


1x

f (x)

=
0

24y (1 x y) y =
3 3

24y 2 24y 3 (1 x) 2 3
3

y=1x

=
y=0

= 12 (1 x) 8 (1 x) = 4 (1 x) , para 0 x 1.
1y x=1y

f (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) , para 0 y 1.

i i i

i i

libroult 2001/8/30 page 156 i

156

EJERCICIOS RESUELTOS DE PROBABILIDAD y

R3

R5

R2 R1

R4 x

Figura 5.3: Regiones del plano para el problema P5.11.

Por ultimo, las funciones de densidad condicionadas son: f|=y (x) = f (x, y) 24y (1 x y) 2(1 x y) = = 2 2 f (y) 12y (1 y) (1 y)

para 0 y 1, 0 x 1 y, y f|=x (y) = f (x, y) 24y (1 x y) 6y(1 x y) = = 3 3 fX (x) 4 (1 x) (1 x)

para 0 x 1, 0 y 1 x. P5.11] Sea (, ) una variable aleatoria bidimensional con funcin de distribuo cin uniforme en el recinto limitado por y = x/2, x = 2, y = 0. Calcular o la funcin de distribucin. o o Solucin o El recinto propuesto en el enunciado es el tringulo sombreado en la a gura 5.3. Dado que la funcin de distribucin es uniforme, entonces o o f, (x, y) = k para k un valor constante en el recinto y las integrales se reducen al clculo de reas. As a a :
2 0 0 x/2

kyx = 1, es decir, k = 1. Por tanto, la funcin de distribucin es: o o si (x, y) R1 : F (x, y) = 0; si (x, y) R2 : F (x, y) = xy y 2 ;

i i i

i i

libroult 2001/8/30 page 157 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES y

157

R4 R3 R2

R6

R5 x

R1

Figura 5.4: Regiones del plano para el problema P5.12.

si (x, y) R3 : F (x, y) = si (x, y) R4 :

x2 ; 4

F (x, y) = y(2 y); si (x, y) R5 : F (x, y) = 1. P5.12] Sea (, ) una variable aleatoria bidimensional con distribucin uniforme o en el recinto: C = (x, y) IR2 : x2 + y 2 < 1, x 0, y 0 . 1. 2. 3. Calcular la funcin de distribucin conjunta. o o Calcular las funciones de densidad marginales. Calcular las funciones de densidad condicionadas.

Solucin o 1. Consideremos las zonas del plano indicadas en la gura 5.4. La funcin de densidad es f (x, y) = 4/ cuando (x, y) est en R2 , y o a f (x, y) = 0 cuando (x, y) est fuera de R2 . Para calcular la funcin a o de distribucin es util el siguiente resultado: o 1 x2 x = 1 arcsenx + x 2 1 x2 + c.

De este modo, considerando un punto (x, y) arbitrario pero jo:

i i i

i i

libroult 2001/8/30 page 158 i

158

EJERCICIOS RESUELTOS DE PROBABILIDAD si (x, y) R1 : F (x, y) = 0; si (x, y) R2 :


y x 0

F (x, y) =
0

4 s t = xy
1s2 0

si (x, y) R3 : F (x, y) =
0

1y 2 0

x 4 t s+ 1y 2

4 t s = 1 y2 ;

1 y2 +

1 arcsenx + x 1 x2 arcsen 2 si (x, y) R4 :


x 1s2 0

1 y2 y

F (x, y) =
0

2 4 t s = arcsenx + x 1 x2 ;

si (x, y) R5 :
y 1t2 0

F (x, y) =
0

2 4 s t = arcseny + y F (x, y) = 1.

1 y2 ;

si (x, y) R6 : 2. Las funciones de densidad marginales son:


1x2

f (x) =
0

4 4 y =

1 x2

si 0 < x < 1, y f (x) = 0 en el resto; y 2 1y 4 4 f (y) = x = 0 si 0 < y < 1, y f (y) = 0 en el resto. 3. Para todo x [0, 1] : f|=x (y) =

1 y2

si 0 y 1 x2 y cero en el resto. Dado que para la variable condicionada el valor de x es un par ametro jo, su distribucin ha o resultado uniforme en el intervalo [0, 1 x2 ]. De forma similar la variable condicionada a = y sigue una distribucin uniforme en o [0, 1 y 2 ] cuando y [0, 1].

1 f (x, y) = f (x) 1 x2

i i i

i i

libroult 2001/8/30 page 159 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES

159

P5.13] Sea una muestra aleatoria simple de tamao n, obtenida de una distribun cin uniforme en [0, 1]. Sean = mx {1 , . . . , n } y = m {1 , . . . , n }. o a n Se pide: 1. 2. 3. 4. 5. 6. Calcular las distribuciones de , de y de la conjunta. Funcin de densidad condicionada de dado . o Funcin de densidad condicionada de dado . o Esperanza de , 2 y varianza de . Esperanza de , 2 y varianza de . Esperanza condicionada de dada .

Solucin o 1. Para w [0, 1] se tiene: F (w) = P mx i w = P (1 w, . . . , n w) . a


i

Ntese que las variables aleatorias 1 , . . . , n son independientes y o estn idnticamente distribuidas, por lo que se puede armar que: a e P (1 w, . . . , n w) = [P ( w)] , obtenindose as que e F (w) = wn , para 0 w 1. Por otra parte, y procediendo de forma anloga al caso anterior, se a obtiene que: F (z) = P m i z = 1 P m i > z = n n
i i n

= 1 P (1 > z, . . . , n > z) = 1 [P ( > z)] n = 1 (1 z) , para 0 z 1.


i i

Como se verica que 0 m i mx i 1, el vector (, ) se n a distribuye en la regin comprendida entre las rectas z = w, w = 1, o z = 0. Vamos a hallar la funcin de distribucin en el interior de o o esta regin, ya que la funcin de densidad se obtiene derivando en o o esa zona. La funcin de distribucin conjunta es: o o F, (w, z) = = = P mx i w, m i z a n
i i

P mx i w P mx i w, m i > z a a n
i

F (w) [P (z < w)] = w (w z) ,

i n

para 0 w 1, z w.

i i i

i i

libroult 2001/8/30 page 160 i

160

EJERCICIOS RESUELTOS DE PROBABILIDAD 2. A partir de lo anterior se obtiene que: f (w) f (z) f, (w, z) y por lo tanto: f|=z (w) = 3. Anlogamente, a f|=w (z) = f, (w, z) (n 1) (w z) = f (w) wn1
1 n2

= nwn1 , 0 w 1, = n (1 z)
n1

, 0 z 1,
n2

= n (n 1) (w z)

, 0 w 1, z w,
n2

f, (w, z) (n 1) (w z) = n1 f (z) (1 z)

, z w 1.

, 0 z w.

4. Utilizando los resultados del apartado anterior se obtiene que: E [] =


0

wnwn1 w =

n , n+1 n . n+2 n .

E 2 Por lo tanto:

=
0

w2 nwn1 w =

V () = E 2 (E []) = 5. De la misma forma, se obtiene:


1

(n + 1) (n + 2) 1 , n+1

E [] =
0

zn (1 z)
1

n1

z =

=
0

z 2 n (1 z)

n1

z =

2 , (n + 3) (n + 2) (n + 1) 1 n+1
2

V () = 6. Por ultimo:

2 (n + 3) (n + 2) (n + 1)
1

E [ | = z]

=
z

w f|=z (w) w n1
1 n1

w (1 z) z 1z = 1 , para 0 z 1. n P5.14] Dado el intervalo [0, 1], se eligen al azar tres nmeros a, b y c y con ellos u construimos la ecuacin de segundo grado ax2 + bx + c = 0. Calcular la o probabilidad de que tenga soluciones reales. =

w (w z)

n2

i i i

i i

libroult 2001/8/30 page 161 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES Solucin o

161

Para que esta ecuacin 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 distribucin uniforme sobre el intervalo [0, 1]. Para ello, vamos a considerar o una nueva variable aleatoria = AC, con funcin de densidad f (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 f (x)x
1/4 0

fB (b) b f (x)x.

Ahora bien, la funcin de densidad de la variable aleatoria se obtiene a o partir de: F (x) = P ( 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: f (x) = F (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 ecuacin 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 distribucin conjunta, maro ginales y condicionadas. Expresar y comprobar la relacin que hay o entre ellas.

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 dado + 2 = 0, la funcin caracter o stica de dado + 2 0; la funcin de distribucin de dado + 2 o o 0 + 2; y la funcin de densidad de dado + + 2 0. o Solucin o 1. La funcin f (x, y) = cyex debe vericar: o
0 0 x

cyex y x = 1,

y esto se cumple si c = 1. Para obtener la funcin de distribucin conjunta, debemos dividir o o el plano en diferentes regiones y estudiar el valor de la probabilidad F (x, y) = P ( x, 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

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 distribucin maro ginales son:
x 0 s y s

F (x) F (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 distribucin condicionadas son: o Si y 0: F|=y (x) = Si x 0: F|=x (y) = 2. Se obtiene que: E [ | + 2 = 0] = E [ | = 2] = 4 yf|=2 (y) y = . 3 2 1 P ( 2)
0 2 0

Rx yes s R y s

ye s

= exy

si x y si y < x.

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

Adems, la funcin caracter a o stica de dado + 2 0 es: |2 (t) = E eit | 2 = = = 1 F (2) e2 + e 3


0 2 it

eity f (y) y

eity (ey + (1 y) ey ) y 1 it + 1 2 eit . 3 it + 1

Y la funcin de distribucin de dado + + 2 0 es: o o F|++20 (y) = F|2 (y) = = P|2 ( y) = P ( 2 y) P ( 2 ) F (2, y) F (2, 2) = = F (2, 0) F (2, 2) y2 = 1 , para 2 y 0. 4 =

i i i

i i

libroult 2001/8/30 page 164 i

164

EJERCICIOS RESUELTOS DE PROBABILIDAD T

(x, y) d d d

d d

-100

-30

d 0

30

60

E 100

Figura 5.6: Plano del teatro del ejercicio P5.16.

Por ultimo, para obtener la funcin de densidad de dado + + o 2 0, calculemos primero la correspondiente funcin de distribucin o o para posteriormente derivar. As se obtiene que: , F|++20 (y) = = P ( y, + 2) = P ( + 2)
y 1 0 1 t 2t t 2t

tes s t tes s t

ey (y 1) + e2y (y + 1) + 2e1 . e2 + 2e1 1 yey ye2y . e2 + 2e1 1

Por lo tanto, tras derivar en la anterior expresin se obtiene: o f|++20 (y | + + 2 0) =

P5.16] Un teatro romano tiene las gradas en forma de semianillo circular con las dimensiones de la gura 5.16. Cuando se compra una entrada cada asiento es equiprobable (distribucin uniforme en las gradas). o 1. Calcular la funcin de densidad de la variable aleatoria T que mide o la distancia entre el lugar al que corresponde una entrada (el punto (x, y) y el centro del escenario (el origen 0). 2. Calcular la funcin caracter o stica de T y a partir de ella obtener su varianza. 3. Cul es la probabilidad de que el sitio est a la sombra, esto es, a a e ms de 60 metros a la derecha del eje ? Hallar la posicin media a o en este caso.

i i i

i i

libroult 2001/8/30 page 165 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES Solucin o 1. El rea de las gradas es 1002 302 /2, y por tanto: a f (x, y) =
2 (1002 302 )

165

, si el punto (x, y) pertenece a las gradas , en otro caso

Para hallar la funcin de densidad de la distancia al origen, obteno gamos primero: FT (t) = P (distancia al centro < t) = =
(t2 302 ) 2 (1002 302 ) 2

2.

t2 302 t2 900 = , 2 302 100 9100 para 30 t 100, y derivando en la anterior expresin se concluye o que: t fT (t) = para 30 t 100. 4550 Ntese que la funcin de distribucin de la variable se ha obtenido o o o a partir de las reas de los correspondientes semianillos circulares. a La funcin caracter o stica de la variable aleatoria T es: T (s) = E eisT = E [cos (sT )] + iE [sen (sT )] , donde: t t = 4550 30 1 cos (100s) + 100ssen (100s) cos (30s) 30ssen (30s) , = 4550 s2 mientras que: E [sen (sT )] = 1 sen (100s) + 100scos (100s) + sen (30s) 30scos (30s) . 4550 s2 Se obtiene nalmente que: E [cos (sT )] = cos (st) T (s) = is 100eis100 30eis30 eis100 + eis30 . s2
100

Adems, teniendo en cuenta que: a k) T (s) |s=0 = mk , k = 1, 2, . . . sk se obtiene: V (T ) = m2 m2 = 1 2) T (s) |s=0 s2 T (s) |s=0 s
2

i i i

i i

libroult 2001/8/30 page 166 i

166 200

EJERCICIOS RESUELTOS DE PROBABILIDAD T

frutales 100 hortalizas 0 200 E

Figura 5.7: Plano de la nca del ejercicio P5.17.

3. 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 = 2236,5,

y por lo tanto, la probabilidad que se pide es: 2236,5


(1002 302 ) 2

= 0. 15646.

P5.17] Una nca cuadrada cuyo lado mide 200 metros est dividida en dos a partes iguales, una con frutales y otra con hortalizas, tal como muestra la gura 5.7. En la esquina 0 duerme el perro guardin. Cuando el perro se a despierta, si detecta la presencia de un intruso sale en su persecucin moo vindose slo en las direcciones de los ejes. El ladrn, que queda inmvil al e o o o despertarse el perro, se encontrar en un punto aleatorio de la nca (, ). a La primera coordenada tiene funcin de densidad f (x) = x/2000 si o 0 x 200; y cero en otro caso. La segunda coordenada se distribuye uniformemente dentro de cada cultivo, pero la probabilidad de encontrarse en los frutales es doble que en las hortalizas. El perro corre a 10 m/s. 1. Hallar la funcin de distribucin de la coordenada . o o 2. Hallar la funcin de densidad del tiempo que tarda en coger al ino truso. 3. Hallar la primera coordenada de la posicin media en que se da o caza, en menos de 15 segundos, a un ladrn que se encuentra en los o frutales.

i i i

i i

libroult 2001/8/30 page 167 i

CAP ITULO 5. VARIABLES ALEATORIAS BIDIMENSIONALES Solucin o 1.

167

De acuerdo con los datos del problema, la funcin de densidad de la o variable es de la forma: 1 a , si 0 y 100 f (y) = 2 , si 100 < y 200 a Adems, debe vericarse: a
100 0

1 y + a

200 100

2 y = 1, a

Efectuando los clculos correspondientes se obtiene: a f (y) = 1/300 2/300 si 0 y 100 si 100 < y 200

y, por lo tanto, ya que y son variables aleatorias independientes, se tiene: f, (x, y) = f (x) f (y) =
1 x 300 2000 2 x 300 2000

= =

x 600000 x 300000

si 0 y 100, 0 x 200, si 100 < y 200, 0 < x 200.

Es decir, la distribucin marginal es x/(3 105 ) en los frutales y o x/(6 105 ) en las hortalizas. 2. En primer lugar calculemos la probabilidad de que tarde menos de t segundos en coger al intruso, es decir, la funcin de distribucin de o o la variable T en el punto t. Dado que para llegar a un punto (x, y) el perro debe recorrer x + y metros, entonces dicha probabilidad es equivalente a la de que el intruso se encuentre en un punto (x, y) que verique (x + y) /10 t. Hay que distinguir varios casos: Si 0 t 10:
10t 10ty 0

FT (t) =
0

x t3 xy = 5 6 10 3600

Si 10 < t 20:
100 10ty 0

FT (t) =
0

x xy + 6 105

10t 100 0

10ty

x xy 3 105

Si 20 < t 30:
100 10ty 0

FT (t) =
0

x xy + 6 105

200 100 0

10ty

x xy 3 105

i i 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 xy + 6 105 FT (t) = 1.

200 100 0

10ty

x xy 3 105

Si 40 < t: Derivando FT (t) se obtiene la funcin de densidad deseada. Otra o alternativa ms propia de este cap a tulo consiste en calcular la funcin o de densidad conjunta de la variable (T, S), donde T := ( + )/10 y S := , teniendo presente que conocemos la funcin de densidad o de la variable (, ). Concretamente, dado que = S y = 10T S entonces fT,S (t, s) = 10 f, (s, 10t s). 3. Se desea ahora calcular el valor esperado de supuesto que 100 y + 150. La funcin de distribucin de esta variable aleatoria o o condicionada Z es: FZ (z) = P ( z, 100, + 150) P ( 100, + 150)

Claramente los valores relevantes suceden para 0 z 50, y para cada uno: FZ (z) =
z 150x (x/300000)yx 0 100 50 150x (x/300000)yx 0 100

150z 2 2z 3 . 125000

La funcin 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.

i i i

i i

libroult 2001/8/30 page 169 i

CAP ITULO

Convergencia

Sea {Fn } una sucesin de funciones de distribucin. Si existe una funcin o o o de distribucin F tal que: o
n

l Fn (x) = F (x), m

en todo punto x en el que F sea continua, diremos que Fn converge en ley a F , y se denota Fn F , o, equivalentemente, n . Sea {n } una sucesin de variables aleatorias denidas sobre el espacio de o probabilidad (, , P ). Se dice que la sucesin converge en probabilidad o a una variable aleatoria si, para cualquier > 0:
n L L

l P ({w : |n (w) (w)| > }) = 0. m

Se denota n .
r Sea {n } una sucesin de variables aleatorias tales que E [n ] < , para o algn r > 0. Se dice que n converge en media r hacia una variable u aleatoria si E [ r ] < y adems: a

n r

l E[|n | ] = 0, m

y se denota n . Si r = 2, se dice que la sucesin converge en media o cuadrtica hacia la variable . a 169

i i i

i i

libroult 2001/8/30 page 170 i

170

EJERCICIOS RESUELTOS DE PROBABILIDAD Sea {n } una sucesin de variables aleatorias denidas sobre el espacio o de probabilidad (, , P ). Diremos que esta sucesin converge casi seguro o hacia una variable aleatoria si y slo si, o P ({w : l n (w) = (w)}) = 1, m
n

y se denota n . A continuacin se observan las relaciones que existen entre los distintos o tipos de convergencia: n n n Adems, si n , para algn r > 0, se verica n . a u Una secuencia de variables aleatorias 1 , . . . , n , . . . cumple la Ley Dbil e de los Grandes Nmeros si la sucesin de variables aleatorias 1 , . . . , n , . . . u o n 1 denida por n = n i=1 (i E[i ]) converge en probabilidad a 0. El teorema de Tchebyshev arma que, dada una sucesin de variables aleao torias 1 , . . . , n , . . . con media y varianzas nitas, y tal que l n V [n ] = 0, m entonces n E[n ] converge en probabilidad a 0 si y slo si para cualquier o > 0: l P ({w : |n (w) E[n (w)]| > }) = 0. m
n r P c.s. P L

c.s.

Una secuencia de variables aleatorias 1 , . . . , n , . . . cumple la Ley Fuerte de los Grandes Nmeros si la sucesin de variables aleatorias 1 , . . . , n , . . . u o n 1 denida por n = n i=1 (i E[i ]) converge casi seguro a 0. La Ley Fuerte de los Grandes Nmeros de Kolmogorov arma que, dada una u sucesin de variables aleatorias 1 , . . . , n , . . . con media y varianzas nitas, y o n tal que l n i=1 V [i ]/i2 < , entonces {n } cumple la Ley Fuerte de los m Grandes Nmeros. u Sea {n } una secuencia de variables aleatorias independientes e idnticamene te distribuidas, con media y varianza 2 nitas. Se verica, por el Teorema Central del L mite, n i=1 i n L Z, / n donde Z es una variable aleatoria normal con media cero y varianza 1.

Ejercicios Resueltos
P6.1] Sea {Xn }nN una sucesin de variables aleatorias con distribucin: o o k 0 1 1/n 1 P (Xn = k) 1 1/n 1/ (2n) 1/ (2n)

i i i

i i

libroult 2001/8/30 page 171 i

CAP ITULO 6. CONVERGENCIA

171

Estudiar la convergencia en probabilidad, en ley y en media cuadrtica a de esta sucesin a la variable X 0. o Solucin o Estudiemos en primer lugar si la sucesin {Xn }nN converge en probao bilidad a la variable X 0. Para ello, dado un > 0, se tiene que: P (|Xn X| > ) P (Xn = 1 1/n) + P (Xn = 1) = 1/n , si < 1 1/n P (Xn = 1) = 1/ (2n) , si 1 1/n < 1 , = 0 , si 1 probndose as que esta sucesin converge en probabilidad a la variable a o X. Para estudiar la convergencia en ley, ntese que la funcin de distribucin o o o de la variable Xn , n N es: , si t < 0 0 1 1 , si 0 t < 1 n 1 n FXn (t) = 1 1 2n1 1 , si 1 n t < 1 1 n + 2n = 2n 1 , si t 1 y se verica:
n

l FXn (t) = m

0 1

, si , si

t<0 , t0

que es la funcin de distribucin de la variable aleatoria degenerada X o o 0. Por lo tanto, se concluye que la sucesin converge en ley a esta ultima o variable. Finalmente, se analizar la convergencia en media cuadrtica de la sucea a sin. Para ello es necesario calcular: o E |Xn 0| Se observa que:
n 2

1 n

1 1 2n2 n + 1 + 12 = . 2n 2n 2n3

l E |Xn | m

= 0,

de lo que se sigue que la sucesin converge en media cuadrtica a la o a variable aleatoria degenerada X 0. P6.2] Sean {Xi }i=1 variables aleatorias independientes distribuidas uniformemente en el intervalo [0, ] , > 0. Estudiar la convergencia en ley de la variable aleatoria X(n) = mx Xi . a
i{1,...,n} n

i i i

i i

libroult 2001/8/30 page 172 i

172 Solucin o

EJERCICIOS RESUELTOS DE PROBABILIDAD

Las variables aleatorias Xi , i = 1, .., n tienen como funcin de distribucin o o a: t FXi (x) = , para x [0, ] . La variable X(n) , por su parte, tiene como funcin de distribucin, para o o t [0, ): FX(n) (t) = P X(n) t = P mx a Xi t = P (X1 t, . . . , Xn t) ,

i{1,...,n}

y, ya que estas variables son independientes, se verica: FX(n) (t) = P (X1 t, . . . , Xn t) = [P (X1 t)] =
n

Adems, FX(n) (t) = 0 si t < 0, y es igual a 1 si t . Se observa que, a cuando n tiende a innito, esta funcin de distribucin tiende a: o o FX (t) = 0 1 , si , si t< , t

que es la funcin de distribucin de la variable aleatoria degenerada X o o 0. P6.3] Dar un ejemplo de una sucesin de variables aleatorias {Xn }nN que o converja a una variable aleatoria X en ley pero no en probabilidad. Solucin o Sea una sucesin de variables aleatorias {Xn }nN y una variable aleatoria o X con la siguiente distribucin conjunta: o Xn | X 1 2 3 1 0 0 1/3 2 1/3 0 0 3 0 1/3 0

Esta sucesin converge en ley a la variable aleatoria X, pues: o , si t < 1 0 1/3 , si 1 t < 2 FXn (t) = , 2/3 , si 2 t < 3 1 , si t 3

i i i

i i

libroult 2001/8/30 page 173 i

CAP ITULO 6. CONVERGENCIA y se verica que:


n

173

l FXn (t) = FX (t) , m

Sin embargo, dado un > 0 : , si 0 < < 1 1 1/3 , si 1 < 2 , P (|Xn X| > ) = 0 , si 2 que no converge a cero cuando n , por lo que la sucesin {Xn }nN o no converge en probabilidad a la variable X. P6.4] Sea {Fn } una sucesin de funciones de o guiente forma: , si 0 1 1 n , si Fn (t) = 1 , si distribucin denidas de la sio t<0 0t<n . nt

Estudiar la convergencia en ley de esta sucesin. o Solucin o Esta sucesin converge de forma clara a: o F (t) = 0 1 , si , si t<0 , t0

que es la funcin de distribucin de la variable aleatoria 0. Por lo o o tanto: L n 0. P6.5] Sea la sucesin de variables aleatorias {n } tales que: o P (n = 0) = 1 1 n2 1 P (n = n) = 2 n

para n = 1, 2, . . .. Demostrar que esta sucesin converge en probabilidad o a la variable aleatoria degenerada 0, pero sin embargo no converge en media cuadrtica. a Solucin o Para estudiar la convergencia en probabilidad es necesario ver, para todo > 0, la convergencia en el l mite de P (|n 0| > ). Se observa que: P (|n 0| > ) = 0
1 n2

, si , si

<n , n

i i i

i i

libroult 2001/8/30 page 174 i

174 por lo que:

EJERCICIOS RESUELTOS DE PROBABILIDAD

l P (|n 0| > ) = 0. m
2

Sin embargo, ntese que E |n | = 1, por lo que esta sucesin no cono o verge en media cuadrtica a la variable aleatoria 0. a P6.6] Aplique la Ley Dbil de los Grandes Nmeros a un ejemplo. e u Solucin o Supongamos que un jugador de baloncesto realiza una serie de lanzamientos a canasta, siendo p = 2/3 su probabilidad de encestar en cada tiro. Sean 1 , 2 , . . . , n variables aleatorias independientes con distribucin de o Bernoulli de parmetro p = 2/3, 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=1 i /n es la proporcin de aciertos. Entonces, de acuerdo con la Ley Dbil de los Grandes Nmeros, esta proporcin converge en probabie u o lidad a 2/3. Esto no quiere decir que la proporcin de aciertos se acerque o a 2/3 conforme crece n, sino que la probabilidad de que la diferencia entre esta proporcin y 2/3 sea mayor que una cierta cantidad > 0 tiende a o cero. P6.7] Una empresa realiza un test de 80 preguntas (con dos posibles respuestas cada una, de las que slo hay una cierta) a dos miembros de su plantilla o que han solicitado un ascenso a un puesto del que slo hay una plaza o vacante. Suponiendo que el primer empleado sabe la respuesta de 50 preguntas y contesta al azar a las 30 restantes, y el segundo empleado tan slo puede contestar correctamente a 20 y responde al azar al resto: o 1. Obtener la probabilidad de que el primer empleado conteste correctamente a ms de 40 preguntas. a 2. Cul es la probabilidad de que el segundo empleado responda adea cuadamente a un m nimo de 50 preguntas? 3. Si uno de los dos empleados contestara al azar a todas las preguntas, cul ser la probabilidad de que acertara al menos 40? a a Solucin o Suponiendo la independencia entre preguntas en el caso de cada empleado, sea X1 una variable aleatoria con distribucin binomial de parmetros o a n1 = 30 y p1 = 1/2 que representa el nmero de preguntas, del total de u 30 que responde al azar, que acierta el primer empleado. Sea tambin otra e variable X2 que representa esto ultimo en el caso del segundo empleado (de un total de 60 respondidas al azar), y sigue una distribucin tambin o e binomial de parmetros n2 = 60 y p2 = 1/2. a

i i i

i i

libroult 2001/8/30 page 175 i

CAP ITULO 6. CONVERGENCIA 1.

175

Aproximemos, mediante el Teorema Central del L mite, la distribucin discreta X1 a una normal o
X1 N (n1 p1 = 15, n1 p1 (1 p1 ) = 7,5) ,

aplicando adems una correccin por continuidad para el clculo de a o a la probabilidad: P (X1 > 10) P = 2. Z> 10 + 0,5 15 7,5 = 0,9495

De forma similar al apartado anterior, aproximemos la variable aleatoria X2 a una normal


X2 N (n2 p2 = 30, n2 p2 (1 p2 ) = 15) ,

obtenindose que: e P (X2 30) P = 3. Z> 30 0,5 30 15 = 0,5517

Denamos una variable Y que representa el nmero de respuestas u correctas del empleado, en el caso de que ste responda las 80 pregune tas al azar, y sigue una distribucin binomial de parmetros n = 80 o a y p = 1/2. Procediendo de forma anloga a los casos anteriores, la a probabilidad de que acierte al menos 40 preguntas es: P (Y 40) P = Z> 40 0,5 40 20 = 0,5438

P6.8] El nmero de personas que acuden un banco en una semana para abrir u una cuenta sigue una distribucin de Poisson de parmetro = 1. Cul o a a es la probabilidad de que en dos aos (es decir, 104 semanas) se hayan n abierto ms de 100 cuentas? a Solucin o Sean Xi , i = 1, 2, . . . , n variables aleatorias independientes con distribucin de Poisson de parmetro = 1, que representan el nmero de persoo a u nas que acuden al banco en una semana determinada. La distribucin de o la suma de estas n variables es una Poisson de parmetro n. Teniendo en a cuenta lo anterior, y aplicando el Teorema Central del L mite, podemos aproximar la suma de las n = 104 variables (tantas como semanas hay en 2 aos), X = n
104 i=1

Xi , a una normal de parmetros = 104 y 2 = 104. a 100 + 0,5 104 104

Se tiene entonces que: P (X > 100) P = Z> = 0,6331

i i i

i i

libroult 2001/8/30 page 176 i

i i i

i i

libroult 2001/8/30 page 177 i

CAP ITULO

Regresin y correlacin o o

Sean X e Y variables aleatorias dependientes, entre las que existe una relacin funcional del tipo y = E [Y | x], denominada regresin de Y soo o bre X. Un caso particular consiste en aproximar la relacin entre ambas o variables por una recta: y = ax + b. Calculando los valores de a y b que minimizan E (Y aX b) obtiene la denominada recta de regresin de Y sobre X: o y E [Y ] = cov (X, Y ) (x E [X]) . V (X)
2

se

Si existen E X 2 y E Y 2 , se dene el coeciente de correlacin entre o X e Y como: cov (X, Y ) XY = = . V (X) V (Y ) El coeciente de correlacin entre dos variables aleatorias X e Y verica: o |XY | 1. Se dice que dos variables aleatorias X e Y estn incorreladas si y slo si a o se verica XY = 0. Ntese que XY = 0 si y slo si cov (X, Y ) = 0, por lo que si X e Y son o o independientes, entonces tambin estn incorreladas. e a 177

i i i

i i

libroult 2001/8/30 page 178 i

178

EJERCICIOS RESUELTOS DE PROBABILIDAD

Ejercicios Resueltos
P7.1] Sea X una variable aleatoria que se distribuye uniformemente en el intervalo (0, 1). Estn las variables aleatorias X y |1/2 X| incorreladas? a Solucin o Para estudiar si estas variables estn incorreladas obtengamos el coea ciente de correlacin XY . Se tiene que: o cov X, siendo: E X 1 X 2
1

1 X 2

=E X

1 X 2

E [X] E

1 X 2

=
0

x
1/2

1 x fX (x) x = 2 1 x x 2
1

=
0

x 1 , 2
1 0

x
1/2

1 1 x x = , 2 8

E [X] = E 1 X 2 =

1 x fX (x) x = 2 1 X 2

1 0

1 1 x x = , 2 4

por lo que: cov X, = 1 1 1 = 0. 8 2 4

Por lo tanto, XY = 0, y se concluye as que ambas variables estn in a correladas. P7.2] Sean U y V variables aleatorias con igual media e igual varianza. Utilizando estas variables, obtenga dos variables aleatorias incorreladas. Solucin o Denamos X = U + V e Y = U V . Entonces, cov (X, Y ) = E [XY ]E [X] E [Y ] = E U 2 V 2 E [U ] E [V ] y por lo tanto XY = 0. P7.3] Sea X|Y 1 2 0 3 0,3 0,1 0,1 0,5
2 2

= 0,

la distribucin de probabilidad conjunta de las variables aleatorias X e o Y.

i i i

i i

libroult 2001/8/30 page 179 i

CAP ITULO 7. REGRESION Y CORRELACION 1. 2. Obtener el coeciente de correlacin de estas variables. o Determinar la recta de regresin de Y sobre X. o

179

Solucin o 1. Las correspondientes distribuciones de probabilidad marginales son: X = xi 1 2 = yi 0 3 Adems: a


2 2

P (X = xi ) 0,4 0,6 P (Y = yi ) 0,4 0,6

E [X Y ] =
i=1 j=1 2

xi yj P (X = xi , Y = yj ) = 3,3, xi P (X = xi ) = 1,6, E X 2
i=1 2

E [X] = =
i=1 2

x2 P (X = xi ) = 2,8 i yj P (Y = yj ) = 1,8, E Y 2
j=1 2 2 yj P (Y = yj ) = 5,4 j=1

E [Y ] =

= Finalmente: XY = 2.

3,3 1,6 1,8 (2,8 1,62 ) (5,4 1,82 )

= 0. 58333.

La recta de regresin de Y sobre X es: o y 1,8 = 1,75 (x 1,6) .

P7.4] Sean: y= x + 2, 15 x y = + 1. 9

i i i

i i

libroult 2001/8/30 page 180 i

180

EJERCICIOS RESUELTOS DE PROBABILIDAD las rectas de regresin de la variable aleatoria bidimensional (X, Y ). Deo terminar el coeciente de correlacin entre X e Y. o Solucin o Las rectas de regresin de Y sobre X y de X sobre Y son, respectivamente: o y E [Y ] = cov (X, Y ) (x E [X]) , V (X) cov (X, Y ) x E [X] = (y E [Y ]) . V (Y )

Por lo tanto, se observa que 1 cov (X, Y ) = , V (X) 15 cov (X, Y ) = 9. V (Y ) Se obtiene entonces que: 2 = XY por lo que nalmente XY = [cov (X, Y )] 9 = , V (X) V (Y ) 15 9/15.
2

P7.5] Sea (X, Y ) una variable aleatoria bidimensional con la siguiente distribucin conjunta: o f (x, y) = 1 , si |y| < x, 0 < x < 1 0 , en otro caso

Determinar el coeciente de correlacin entre X e Y. o Solucin o Las funciones de densidad marginales de estas dos variables son: 2x fX (x) = 0 1y , 1+y , fY (y) = 0 , por lo que se obtiene que: cov (X, Y ) = E [XY ] E [X] E [Y ] =
1 0 x x 1 0 x x

, si 0 < x < 1 , en otro caso si 0 < y < 1 si 1 < y 0 en otro caso

xyf (x, y) y x =

xyy x = 0,

luego XY = 0.

i i i

i i

libroult 2001/8/30 page 181 i

CAP ITULO 7. REGRESION Y CORRELACION

181

P7.6] Sea (X, Y ) una variable aleatoria bidimensional con funcin de densidad o conjunta: f (x, y) = xy, si 0 x 1, 0 y 1. Obtenga la recta de regresin de Y sobre X y calcule el coeciente de o correlacin entre ambas variables. o Solucin o Las correspondientes funciones de densidad marginales son:
1 1

fX (x) =
0 1

f (x, y) y =
0 1

xy y = xy x =
0

x , 2 y . 2

fY (y) =
0

f (x, y) x =

Se obtiene entonces:
1

E [X] =
0

x fX (x) x =
1

1 = E [Y ] , 6

E X2 =
0

x2 fX (x) x =

1 =E Y2 , 8 7 . 72 1 . 9

y por lo tanto V (X) = V (Y ) = Adems: a E [XY ] =


0 0 1 1

xyf (x, y) yx =

La recta de regresin de Y sobre X es, por lo tanto: o y es decir: y 1 = 6


1 9

7 72

1 36

1 6

6 1 1 = x 6 7 6

Finalmente, el coeciente de correlacin entre las variables X e Y es: o XY =


1 12 7 72

6 . 7

i i i

i i

libroult 2001/8/30 page 182 i

i i i

i i

libroult 2001/8/30 page 183 i

Bibliograf a

[1] J.M. Casas, C. Garc L.F. Rivera, A.I. Zamora: Problemas de a, Estad stica. Descriptiva, probabilidad e inferencia. Ed. Pirmide, Madrid, a 1998. [2] C.M. Cuadras: Problemas de Probabilidades y Estad stica. Vol 1: Probabilidades. Ed. PPU, Barcelona, 1985. [3] F.J. Mart Pliego, J.M. Montero, L. Ru Maya: Problemas de n z Probabilidad. Ed. AC, Madrid, 1998. [4] J. Montero, L. Pardo, D. Morales, V. Quesada: Ejercicios y Problemas de Clculo de Probabilidades. Ed. D de Santos, Madrid, 1988. a az [5] V. Quesada, A. Isidoro, L.J. Lopez: Curso y Ejercicios de Estad stica. Ed. Alhambra, 1984. [6] V.A. Rohatgi: An Introduction to Probability Theory and Mathematical Statistics. Ed. John Wiley & Sons, Nueva York, 1976.

183

i i i