Guia1 1 PDF

Facultad de Ingenierı́a UBA
Probabilidad y Estadı́stica
Guı́a de Ejercicios
Segundo Cuatrimestre del 2010
Versión 1.1
Glosario de sı́mbolos
Ï : El ejercicio requiere simulación con computadora.

! : Alto. Estos ejercicios son importantes, pudiendo ser o no difı́ciles de resolver.
Se recomienda fuertemente resolverlos.
A : “Siga siga”. Lea detenidamente el enunciado. Si cree entender qué es lo que

hay que hacer (ya ha resuelto un ejercicio previamente de espı́ritu similar), pase al
siguiente. Ante la duda, resuélvalo.

: Curva peligrosa. Estos ejercicios pueden ser más difı́ciles de lo que parecen
a simple vista, o por el contrario, si se miran bien resultan más fáciles de lo que
parecen.
h : Ejercicios muy difı́ciles.

O : Sólo para audaces. Viaje de ida al paraı́so o al infierno.
Guı́a 1
1.1 En una universidad se obtuvo la siguiente información: el 74 % de las chicas

tienen cabello oscuro, ojos marrones o ambas cosas; el 60 % tiene ojos marrones; y
el 70 % tiene cabello oscuro. ¿Qué porcentaje de chicas tiene
(a) cabello oscuro y ojos marrones?
(b) sólo cabello oscuro?
(c) sólo ojos marrones?
(d) ninguna de las dos caracterı́sticas mencionadas?
1.2 Se hace una encuesta con un grupo de 1000 suscriptores a una revista. De la
misma resultan: 312 varones, 470 casados, 525 graduados universitarios, 42 varones
graduados universitarios, 147 graduados universitarios casados, 86 varones casados
y 25 varones casados graduados universitarios. Mostrar que estos datos no son
consistentes.
1.3 ! [DeGroot, pág. 42 ] En una ciudad se publican los periódicos A, B y C. El

22 % de la población lee el periódico A, el 25 % lee el B, y el 28 % lee el C. El 11 %
de la población lee los periódicos A y B, el 5 % lee los periódicos A y C, y el 7 %
de la población lee los periódicos B y C. Sólo el 1 % lee los tres periódicos. Hallar
la probabilidad de que una persona de la población (para cada caso representar los
eventos en un diagrama de Venn)
(a) lea alguno de los periódicos A o B.
(b) no lea ni el periódico A ni el B.
(c) lea alguno de los tres periódicos.
(d) lea sólo el periódico C.
(e) no lea ni el periódico A ni el B, o lea el C.
1.4 [Maronna, pág. 10 ]

(a) Una canasta roja contiene 5 botellas de champagne y 6 de vino común, mientras
que una canasta blanca contiene 3 de champagne y 4 de vino. Se le ofrece a Ud.
elegir una canasta y extraer al azar una botella de ella. ¿Cuál canasta le conviene
elegir si desea tomar champagne y no vino?
(b) Otra canasta roja contiene 6 botellas de champagne de primera y 3 de vino de
cuarta, mientras que otra canasta blanca tiene 9 de champagne y 5 de vino. ¿De
cuál le conviene extraer?
(c) Los contenidos de las dos canastas blancas se unen y lo mismo se hace con los
de las dos rojas. ¿De cuál le conviene extraer ahora? (el resultado es un ejemplo de
la llamada paradoja de Simpson)
1.5 ! Sea Ω t1, 2, °
3, 4, 5u. Definimos en los subconjuntos A Ω una probabilidad
P mediante PpAq iPA pi , donde p1 0.1, p2 0.2, p3 0.3, p4 0.05, p5 0.35.
Sea A t1, 5u.
(a) Calcular PpAq.
(b) Hallar, si existe, un evento B Ω tal que A B y PpB q 0.65.
(c) Hallar todos los eventos C tales que PpA X C q 0 y PpC q 0.3.
(d) Hallar todos los eventos D tales que A X D H y PpA Y Dq ¥ 0.6.
(e) Repetir los incisos anteriores si Ω t1, 2, 3, 4, 5, 6u, con p6 0, y A t1, 5, 6u.
1.6 Se tienen dos urnas a y b. En a hay 3 bolas rojas y 2 blancas, y en b hay 2 rojas
y 5 blancas. Si se extraen al azar una bola de cada urna, hallar la probabilidad de
que
(a) ambas sean blancas.
(b) ambas sean del mismo color.
(c) sean de distinto color.
(d) la bola extraı́da de la urna a sea blanca.
1.7 Cada noche después de cenar, el matrimonio Galı́ndez tira 4 dados. Si no sale
ningún 6, le toca al Sr. Galı́ndez lavar los platos. En caso contrario, a su esposo.
En promedio, ¿quién lava los platos más seguido?
1.8 Un dado equilibrado se arroja dos veces. Hallar la probabilidad de que

(a) los dos resultados sean iguales.
(b) los dos resultados sean distintos y su suma no supere 9.
(c) la suma de los resultados sea 10.
(d) el primer resultado sea inferior a 4 y el segundo sea impar.
(e) el módulo de la diferencia de los resultados sea 1.
1.9 ! Sea Ω r0, 1s r0, 1s el cuadrado unitario. Consideraremos eventos a los

subconjuntos Λ Ω que admiten área |Λ|, y definimos PpΛq |Λ|.
(a) Sea A tpx, y q P Ω : x ¤ 1u. Hallar PpAq.
y
(b) Sea B tpx, y q P Ω : x 2
y 2 ¤ 1u. Hallar PpB q.
(c)Sean, para k 1, 2, . . ., Ck tpx, y q P Ω : x y ¤ 1{2 1{k u. Hallar PpCk q y
8
Pp k1 Ck q.
8 para k 1, 2, . . ., Dk tpx, y q P Ω : px 1{2q py 1{2q2 ¤ 1{k2 u y

2
(d) Sean,
D k1 Dk . Hallar PpDk q y PpDq.
(e) Suponer que Ω modela un blanco cuadrado al que se dispara un dardo, y PpΛq
es la probabilidad de que el dardo se clave en la zona del blanco descrita por Λ.
¿Cómo se describirı́an en términos de lo que pasa con el dardo los eventos Dk y D
del inciso anterior?
1.10 ! [Feller, pág. 18 y 24 ] Juan, Pedro y Marı́a juegan al ping-pong. El que
gana un partido sigue jugando, mientras que el que lo pierde es reemplazado por
el que no jugaba. El primer partido es entre Juan y Marı́a. Se gana una cerveza el
primero que gana dos partidos seguidos, completando ası́ un juego.
Para cada k, asignamos a cada juego posible que dura exactamente k partidos,
la probabilidad 21k . Si describimos un juego indicando la secuencia de ganadores
mediante la de sus iniciales, el juego JP M M tendrá probabilidad 1{16, el juego
pM P J q6 M P P (dejamos a cargo del lector la interpretación de la notación) proba-
bilidad 2121 .
(a) Describir un espacio muestral para los resultados del juego. (sugerencia: analizar
las secuencias posibles usando la notación ya introducida)
(b) Hallar las probabilidades de que cada uno de los jugadores Juan, Marı́a o Pedro
se tome la cerveza.
(c) Hallar la probabilidad de que el juego dure para siempre sin que nadie se gane
la cerveza.
1.11 Se sortea un número al azar dentro del intervalo r0, 1s.
(a) Hallar la probabilidad de que los primeros tres dı́gitos sean 1, 2, 2 (es decir,
0.122 . . .).
(b) Hallar la probabilidad de que el 8 no esté entre los primeros 5 dı́gitos.
(c) Hallar la probabilidad de que el 7 no sea uno de sus dı́gitos.
1.12 Se tiene un naipe español de 40 cartas.

(a) Se extraen al azar con reposición tres cartas. Hallar
1. la probabilidad de que las tres sean de oro.
2. la probabilidad de que las tres sean del mismo palo.
3. la probabilidad de que las tres sean iguales.
4. la probabilidad de que las tres sean de palos diferentes.
(b) Hallar cada una de las probabilidades del inciso anterior, suponiendo que la
extracción se hace sin reposición.
1.13 [Feller, pág. 56 ] La encargada del edificio donde viven otras 40 personas echa
a rodar un rumor. A la mañana temprano se lo dice a una vecina, quien a su vez
lo repite a una tercera, etcétera. En cada paso el emisor del rumor elige al azar al
receptor entre los restantes 40 habitantes del edificio.
(a) Hallar la probabilidad de que el rumor se transmita 15 veces sin retornar a la
encargada que lo originó.
(b) Hallar la probabilidad de que el rumor se transmita 15 veces sin que ninguna
persona lo reciba más de una vez.
1.14 Una planta de ensamblaje recibe una partida de 100 piezas de precisión que
incluye exactamente k defectuosas. La división de control de calidad elige 10 piezas
al azar para controlarlas y rechaza la partida si encuentra al menos 2 defectuosas.
(a) Si k 8, ¿cuál es la probabilidad de que la partida pase la inspección?
(b) ¿Cómo se comporta la probabilidad ppk q de que la partida pase la inspección?
(c) ¿Cuál es la máxima probabilidad de aceptar una partida que contenga más de
20 piezas defectuosas?
1.15 ! [Feller, pág. 38-42 ] Se arrojarán 17 bolas en 20 urnas.

(a) [Maxwell-Boltzmann] Suponiendo que las bolas son distinguibles y que todas
las configuraciones diferentes son equiprobables.
Calcular la probabilidad de que las 17 bolas caigan en la primera urna.
Calcular la probabilidad de que 10 bolas caigan en la primera urna y 7 en la
segunda. ¿Son iguales las probabilidades calculadas?
Calcular la probabilidad de que 5 bolas caigan en la primer urna, 3 en la
segunda y 9 en la tercera.
Calcular la probabilidad de que no caigan bolas en las tres últimas urnas.
(b) [Bose-Einstein] Suponiendo que las bolas son indistinguibles y que todas las
configuraciones distintas son equiprobables.
Calcular la probabilidad de que las 17 bolas caigan en la primer urna. Cal-
cular la probabilidad de que 10 bolas caigan en la primer urna y 7 en la
Calcular la probabilidad de que 5 bolas caigan en la primer urna, 3 en la
segunda y 9 en la tercera.
(c) [Fermi-Dirac] Suponiendo que las bolas son indistinguibles, que ninguna ur-
na puede contener más de una bola y que todas las configuraciones distintas son
equiprobables.
Calcular la probabilidad de que las 17 bolas caigan en la primer urna. Cal-
cular la probabilidad de que 10 bolas caigan en la primer urna y 7 en la
1.16 ! Ï Simulación de experimentos aleatorios. Sea Ω tω1 , ω2 , . . . , ωn u el

espacio muestral correspondiente a un experimento aleatorio. Suponga que cada
punto ωk P Ω tiene asignada la probabilidad pk . Definimos el siguiente mecanismo
para simular el experimento.
°i
Sean a0 0, ai k1 pk . Subdividimos elintervalo p0, 1s en los n intervalos
Ii pai1 , ai s, i 1, , n. Observar que i1 Ii p0, 1s, y que la longitud
n
de Ii es pi .
Dado un número aleatorio U P p0, 1s, determinamos a cuál de los intervalos
Ii pertenece, y consideramos que el resultado simulado de la realización del
experimento ha sido ωi .
Si queremos simular m realizaciones del experimento, usaremos m veces el meca-
nismo anterior, cada vez con un nuevo número aleatorio U .
(a) Dados los números aleatorios 0.2, 0.7, 0.9, 0.1, simular el resultado de 4 tiradas
sucesivas de un dado equilibrado.
(b) Mediante diez mil simulaciones estimar la probabilidad de que al arrojar 2 dados
equilibrados la suma de los resultados sea menor que 11. Comparar la estimación
obtenida con el valor verdadero de la probabilidad.
1.17 Ï Mediante 20 simulaciones estimar las siguientes probabilidades

(a) Obtener al menos un as en seis tiros de un dado.
(b) Obtener al menos dos ases en doce tiros de un dado.
(c) De acuerdo con los resultados, si se quiere apostar a uno de los resultados, ¿cuál
de las dos apuestas es más conveniente?
(d) Repetir los incisos anteriores mediante 10000 simulaciones.
1.18 Un dado equilibrado se arroja dos veces. Hallar la probabilidad de que la suma
supere 10 sabiendo que
(a) la primer tirada es un 5.
(b) la primer tirada es mayor a 3.
(c) la primer tirada es menor que 5.
(d) la suma de los resultados supera 9.
(e) el módulo de la diferencia de los resultados es 1.
1.19 En el contexto del Ejercicio 1.3, hallar la probabilidad de que (para cada
caso representar los eventos en un diagrama de Venn)
(a) si una persona lee el periódico B, no lea el A.
(b) si una persona lee el periódico C, lea además el A.
(c) una persona lea el periódico B, si no lee ni el A ni el C.
(d) una persona que lee el periódico C, no lea ninguno de los otros dos.
(e) si una persona lee sólo un periódico, que sea el periódico A.
(f) una persona lea los periódicos A y C, si sólo lee dos periódicos.
1.20 La figura siguiente representa el mapa de una localidad turı́stica de 40 man-

zanas situada en la costa atlántica.
Un paseo desde el hotel, situado en el punto H, hasta el puerto de pescadores,

situado en el punto P , es una sucesión de 14 cuadras –dentro de la localidad–
recorridas hacia la izquierda o hacia abajo (ver la figura). Se elige al azar un paseo
desde el hotel hasta el puerto de pescadores (esto es, todos los paseos tienen la
misma probabilidad de ser elegidos).
(a) Calcular la probabilidad de pasar por el quiosco de diarios y revistas situado
en el punto Q.
(b) Sabiendo que se pasó por el café situado en el punto C, hallar la probabilidad
de haber pasado por el quiosco de diarios y revistas.
1.21 Rodriguez y Rivas juegan una partida de truco. Se asume que el mazo se
encuentra bien mezclado. Se reparte una mano de cartas (tres a cada uno).
(a) Hallar la probabilidad de que Rodriguez tenga flor (tres cartas del mismo palo).
(b) Mostrar que el resultado anterior no se ve afectado por la forma de repartir las
cartas (una y una por vez, o tres para uno y luego tres para el otro).
(c) ¿Cuál es la probabilidad de que Rivas tenga flor?
(d) Hallar la probabilidad de que ambos tengan flor.
(e) Comparar el valor de la probabilidad hallada en Inciso (a) con el de la proba-
bilidad de que Rodriguez tenga flor si se sabe que Rivas la tiene.
1.22 En una urna hay una bola verde y dos bolas rojas. En cada paso se extrae
una bola al azar y se la repone junto con otra del mismo color.
(a) Calcular la probabilidad de que al finalizar el segundo paso la urna contenga
dos bolas verdes y tres rojas.
(b) Si al finalizar el segundo paso la urna contiene dos bolas verdes y tres rojas,
¿cuál es la probabilidad de que en el primer paso se haya extraı́do una bola roja?
1.23 Harvey “dos caras” tiene dos monedas normales y una moneda de dos caras.
(a) Elige una moneda al azar y la arroja al aire dos veces consecutivas. Si el primer
resultado fue cara, ¿cuál es la probabilidad de que el segundo también sea cara?
(b) Elige una moneda al azar, la arroja al aire y sale cara. ¿Cuál es la probabilidad
de que sea una de las monedas normales?
(c) Harvey arroja la misma moneda por segunda vez y de nuevo sale cara. ¿Cuál
es la probabilidad de que sea una de las monedas normales?
(d) Harvey arroja la misma moneda por tercera vez y de nuevo sale cara. ¿Cuál es
la probabilidad de que sea una de las monedas normales?
1.24 Un canal de comunicación binario simple transporta mensajes usando sólo

dos señales (bits): 0 y 1. Supongamos que en un canal de comunicación binario
dado el 40 % de las señales emitidas son 1, que si se emitió un 0 la probabilidad de
que se reciba un 0 es 0.90, y que si se emitió un 1 la probabilidad de que se reciba
un 1 es 0.95. Calcular
(a) la probabilidad de que una señal recibida sea 1.
(b) dado que se recibió un 1, la probabilidad de que se haya emitido un 1.
1.25 ! El 1 % de los bits transmitidos por un canal de comunicación binario es 0.
El programa receptor indica que hay un 0 en el mensaje cuando efectivamente el
0 ha sido emitido, con probabilidad 0.91. ¿Cuál debe ser la probabilidad de que el
receptor indique que hay un 1 cuando efectivamente el 1 ha sido emitido, para que
la probabilidad de que haya sido emitido un 0 cuando el receptor indica que hay
un 0 sea 0.99?
1.26 ! Se tienen 3 urnas a, b, c. En a hay dos bolas rojas y una blanca, en b una
roja y dos blancas, en c tres rojas y cuatro blancas. Se extrae una bola de a: si es
roja, se extrae una bola de b, en caso contrario se extrae una bola de c. Indiquemos
Ri , i 1, 2 el evento de que la bola en la extracción i fue roja, y Bi , i 1, 2 el
evento de que la bola en la extracción i fue blanca.
(a) Calcular PpB1 q.
(b) Calcular PpB2 q.
(c) Describir mediante la notación detallada antes y calcular la probabilidad de que
la primer bola extraı́da haya sido blanca sabiendo que la segunda fue roja.
(d) Calcular la probabilidad de que alguna de las bolas extraı́das sea roja.
(e) Suponiendo ahora que en a hay 2000 bolas rojas y 1000 blancas, en b 100 rojas
y 200 blancas, y en c 9 rojas y 12 blancas, resolver en estas nuevas condiciones los
incisos anteriores. Si se obtienen los mismos resultados, explicar por qué.
1.27 Se elige al azar una permutación de las letras C, H, Q, P . Mostrar que

(a) Los eventos “C precede a H” y “Q precede a P ” son independientes.
(b) Los eventos “C precede inmediatamente a H” y “Q precede inmediatamente a
P ” no son independientes.
1.28 Se elige un número al azar en el intervalo p0, 1q

(a) Probar que los eventos “el primer dı́gito es 1” y “el segundo dı́gito es 2” son
independientes.
(b) Probar que los eventos “el primer dı́gito es 1” y “el segundo dı́gito no es 2” son
independientes.
1.29 Existen dos caminos de A hasta B y dos caminos de B hasta C. Cada uno
de estos caminos está bloqueado con probabilidad 0.2 independientemente de los
demás. Hallar la probabilidad de que exista un camino abierto desde A hasta B
sabiendo que no hay ningún camino abierto desde A hasta C.
1.30 ! Un dado equilibrado se arroja dos veces. Sea A el evento “el primer resul-
tado es par”, B el evento “el segundo resultado es par” y C el evento “la suma de
los resultados es par”.
(a) Mostrar que los eventos A, B, C son dos a dos independientes.
(b) Mostrar que el conjunto de eventos tA, B, C u no es independiente.
1.31 Se transmiten tres bits por un canal de comunicación binario (ver Ejercicio
1.24). Asumir que las ternas de bits son equiprobables. A1 es el evento “el primer
bit es un 0”, A2 es “la suma de los tres bits es menor o igual a 1” y A3 es “se
transmite p0, 0, 0q o p1, 0, 1q o p1, 1, 0q o p1, 1, 1q”. Mostrar que la probabilidad de
la intersección A1 X A2 X A3 es el producto de las probabilidades de cada evento,
pero los eventos no son independientes.
1.32 El motor de un automóvil consta de 300 componentes individuales. Cada

uno de éstos es entregado independientemente por un proveedor diferente. Los 300
proveedores garantizan que la probabilidad de entregar un componente defectuo-
so es 0.01 o menor. Se considera aceptable el motor sólo cuando ninguno de sus
componentes es defectuoso.
(a) Calcular la probabilidad de que el motor sea aceptable.
(b) ¿Qué nivel de calidad debe exigirse a cada proveedor (es decir, qué probabilidad
de componente defectuoso) si se desea que al menos el 98 % de los motores armados
sea aceptable?
1.33 Una empresa compra una gran de cantidad de bulones a un mismo proveedor.
Cada vez que se recibe un envı́o, se realiza un control de calidad por muestreo: se
prueban 80 bulones seleccionados al azar del total; si se encuentra más de un bulón
defectuoso se rechaza el envı́o. En caso contrario, se lo acepta. Sea p la probabilidad
de producir un bulón defectuoso en el proceso de fabricación. De acuerdo a los
estándares de calidad, se desea satisfacer la condición p 0.005. Los defectos de
los bulones son independientes entre sı́.
(a) Hallar la probabilidad de rechazar un lote fabricado bajo la condición p 0.004.
(b) Hallar la probabilidad de aceptar un lote fabricado bajo la condición p 0.05.
(c) Graficar la probabilidad de aceptar un envı́o en función de p (Curva caracterı́sti-
ca del plan de muestreo).
(d) Si se sabe que el lote cumple los estándares de calidad, ¿cuál es la máxima
probabilidad de tomar una decisión errónea sobre el mismo?
1.34 Una materia de la FIUBA se aprueba con un examen multiple choice de 10

preguntas, con 5 opciones de respuesta en cada pregunta. Se asume que los eventos
Ai “el alumno contesta correctamente la pregunta i” son independientes y tienen
todos la misma probabilidad p.
(a) ¿Cómo deberı́a establecerse un criterio de aprobación (cantidad de respuestas
correctas) para asegurar que sean reprobados al menos el 95 % los alumnos que no
saben nada de la materia y responden totalmente al azar?
(b) Fijado el criterio anterior, si un alumno estudió lo suficiente como para que
la probabilidad de responder bien cada una de las preguntas sea p 0.4, ¿con
qué probabilidad aprobará el examen?
(c) Graficar la probabilidad de aprobar en función de p. ¿Para qué valor de p se
aprueba el examen con probabilidad mayor a 0.95?
1.35 ! La urna a contiene 3 bolas blancas y 7 rojas. La urna b contiene 12 blancas

y 8 rojas. Se elige una urna al azar y se extrae una bola; esta bola se reintegra a la
misma urna y se vuelve a extraer una bola de ella.
(a) Si la primer bola extraı́da fue blanca, ¿cuál es la probabilidad de que la segunda
también lo sea?
(b) ¿Son independientes los sucesos “primera bola es blanca” y “segunda bola es
blanca” aun cuando hay reposición?
1.36 En el contexto del Ejercicio 1.9, sean
A tpx, y q P Ω : |x 1{2| |y 1{2| ¤ 1{3u,

B tpx, y q P Ω : máxt|x 1{2|, |y 1{2|u ¤ 1{3u,
C tpx, y q P Ω : x ¤ 2{3u,
D tpx, y q P Ω : y ¥ 2{3u.
(a) Dado A, ¿son C y D independientes?

(b) Dado B, ¿son C y D independientes?
Ejercicios Complementarios
1.37 Se hace un estudio sobre 900 graduados, después de 25 años de graduados,

resultando que 300 se han destacado, 300 habı́an estudiado probabilidades en la
Universidad y 100 cumplı́an ambas condiciones. Hallar, para k 0, 1, 2, el número
de personas en el grupo que tiene de esas condiciones
(a) exactamente k.
(b) al menos k.
(c) a lo sumo k.
1.38 [Abramson] Dado un experimento aleatorio E con r1 , r2 , . . . , rn resultados

posibles, que tienen probabilidades respectivas p1 , p2 , . . . , pn , se llama entropı́a del
experimento E al valor
¸
n
H pE q pi logppi q.

i 1
(a) Si n 2, mostrar que la entropı́a es máxima cuando los resultados son equi-
probables, es decir, cuando p1 p2 1{2.
(b) ¿Cómo generalizarı́a este resultado para cualquier n ¡ 2? ¿Puede usted pro-
barlo?
Sea Ω r0, 100sr0, 100s. Supongamos que P es una probabilidad definida

1.39
en una familia de subconjuntos de Ω que incluye todos los rectángulos R, y satisface
que si R es un rectángulo:
$
'
' R | | 30000
6
si R r0, 50s r0, 50s
PpRq
&
|R| 30000
1
si R r0, 50s r50, 100s
'
' |R| 30000
5
si R r50, 100s r0, 50s
R r50, 100s r50, 100s
%
0 si
(a) Comprobar que PpΩq 1.

(b) Calcular Ppr30, 60s r10, 40sq.
(c) Calcular Ppr30, 60s r60, 70sq.
(d) Calcular Pptpx, y q P Ω : x ¤ 20uq.
y
(e) Calcular Pptpx, y q P Ω : 20 ¤ x y ¤ 130uq.
(f) Calcular Pptpx, y q P Ω : px 50q2 py 50q2 100uq.
1.40 Se realiza el experimento de tirar un dado hasta que sale el primer as, ano-
tando el número K de tiradas necesarias.
(a) Describir un posible espacio muestral para este experimento.
(b) Sea Ak el evento descrito por K k. Hallar PpA1 q, PpA7 q, PpA1017 q.
(c) Sea Bk el evento descrito por K ¥ k. Hallar PpB1 q, PpB5 q. ¿Cómo se describirı́a
en términos de lo que pasa con el dado el evento B1000 ?
(d) Mostrar que para cualquier k, Bk 1 Bk .
8
(e) Sea B k1 Bk . ¿Cómo se describirı́a en términos de lo que pasa con el dado
el evento B? Hallar PpB q.
1.41 En el juego de poker son posibles las siguientes manos, que se listarán en
orden creciente de conveniencia. En las definiciones la palabra valor se refiere a
A, K, Q, J, 10, 9, 8, 7, 6, 5, 4, 3 ó 2. Esta sucesión también describe el rango relativo
de los naipes, con una excepción: un as (A) puede verse como un 1 para usarlo en
una escalera.
(a) un par: dos naipes de igual valor más tres naipes con diferentes valores.
Por ej. J♠ J♢ 9♡ Q♣ 3♠
(b) dos pares: dos pares más un naipe de diferente valor.
Por ej. J♠ J♢ 9♡ 9♣ 3♠
(c) terna: tres naipes del mismo valor y dos naipes de diferentes valores.
Por ej. J♠ J♢ J♡ 9♣ 3♠
(d) escalera: cinco naipes con valores consecutivos.
Por ej. 5♡ 4♠ 3♠ 2♡ A♣
(e) color: cinco naipes del mismo palo.
Por ej. K♣ 9♣ 7♣ 6♣ 3♣
(f) full: una terna y un par.
Por ej. J♠ J♢ J♡ 9♣ 9♠
(g) poker: cuatro naipes del mismo valor y otro naipe.
Por ej. J♠ J♢ J♡ J♣ 9♠
(h) escalera de color: cinco naipes del mismo palo con valores consecutivos.
Por ej. A♣ K♣ Q♣ J♣ 10♣ (a este ejemplo se lo llama escalera real ).
Calcular las probabilidades de todas las manos de poker. Construir una tabla
con los valores obtenidos. No olvidar la mano perdedora.
1.42 Se tienen dos monedas. Una moneda está cargada con probabilidad p1 de
salir cara y la otra con probabilidad p2 . Se puede optar por una de las siguientes
estrategias: la primera consiste en elegir una moneda al azar y arrojarla dos veces;
la segunda consiste en arrojar ambas monedas. El juego se gana si salen dos caras,
en caso contrario se pierde. ¿Cuál de las dos estrategias es más conveniente?

1.43 Se tienen dos bolas. Cada una se pinta de rojo o de verde, independiente-
mente y con probabilidad 1{2 para cada color. Luego ambas son colocadas en una
urna.
(a) Si se extrae una bola de la urna y es roja, ¿cuál es la probabilidad de que la
otra bola sea roja?
(b) Si se sabe que en la urna hay una bola roja, ¿cuál es la probabilidad de que la
otra sea roja?
1.44 h Juan y Marı́a juegan a cara o ceca con una moneda equilibrada. Inicialmente
Juan tiene cinco monedas y Marı́a tres. Cuando sale cara Juan le da una moneda
a Marı́a, cuando sale ceca Marı́a le da una moneda a Juan. Arrojan sucesivamente
la moneda hasta que alguno se queda sin monedas. Hallar la probabilidad de que
Juan sea el primero en quedarse sin monedas. (sugerencia: si entre los dos tienen
8 monedas, sea pn la probabilidad de que Juan sea el primero en quedarse sin
monedas si inicialmente tiene n, con n 0, . . . , 8. Hallar p0 y p8 . Mostrar que
pn 1 pn pn pn1 y resolver ecuaciones. Aplicar al caso n 5).
1.45 Pedro vive en Corrientes al 3400. Una noche de sábado, después de tomar
una copa de más con Juan en “La Giralda” (Corrientes 1453), trata de volver
caminando por Corrientes a su casa, pero elige la dirección al azar, y como sabe
que está borracho, en cada esquina vacila y vuelve a elegir la dirección al azar. En
un rapto de lucidez, decide que si llega antes a Alem que al Abasto, se echará a
dormir en La Recova.
(a) Hallar la probabilidad de que Pedro duerma en su cama. (sugerencia: comparar
con Ejercicio 1.44)
(b) Ï Validar por simulación el cálculo hecho en el inciso anterior.
1.46 h En el contexto del Ejercicio 1.10:

(a) Hallar la probabilidad de que Juan gane la primera partida.
(b) Hallar la probabilidad de que Pedro gane la segunda partida.
(c) Hallar la probabilidad de que Pedro gane la duodécima partida.
(d) Hallar la probabilidad de que Marı́a haya ganado la primera partida sabiendo
que ganó la cerveza.
(e) Hallar la probabilidad de que Juan haya ganado la cerveza sabiendo que el juego
duró 25 partidos.
1.47 h Capablanca y Lasker juegan un match de ajedrez a muerte súbita. Cada

partida es ganada por Capablanca (con probabilidad p), por Lasker (con probabi-
lidad q) o termina en tablas (empate). El match continúa hasta que alguno gane
una partida. Si la partida debe jugarse (aun no hay ganador), el resultado es in-
dependiente de las anteriores y la distribución de probabilidades con que cada uno
gana una partida no cambia.
(a) Hallar la probabilidad de que Capablanca gane el match.
(b) Dado que el match duró no más de 3 partidas, calcular la probabilidad de que
Capablanca haya ganado la primera partida.
(c) Dado que el match duró no más de 3 partidas, calcular la probabilidad de que
Capablanca sea el vencedor del match.
(d) Dado que Capablanca ganó el match, hallar la probabilidad de que lo haya
hecho en la 3a partida o antes.
(e) En cada uno de los siguientes casos, analizar la independencia de los even-
tos: i) “Capablanca gana el match” y “el match duró no más de k partidas”, ii)
“Capablanca ganó la partida j (j k)” y “el match duró no más de k partidas”.
1.48 Ï Mediante simulaciones, estimar el número medio de la cantidad de tiradas

de un dado equilibrado hasta que la suma de los resultados supera 100.
1.49 Ï Método de Monte Carlo. Sea f : R Ñ R una función continua y no

negativa. Sea M ¡ 0 el valor máximo de la función f sobre el intervalo ra, bs.
(a) Se elige al azar un punto de coordenadas pX, Y q dentro del rectángulo de vértices
pa, 0q, pb, 0q, pb, M q, pa, M q.³ Relacionar la probabilidad del evento A tY ¤ f pX qu
con el valor de la integral a f pxqdx.
b
(b) Si se conoce el valor de la probabilidad, PpAq, del evento A tY ¤ f pX qu,

³b
¿cómo se calcula la integral a f pxqdx?
³b
(c) Obtener un método que permita estimar el valor de la integral a f pxqdx en
base a los resultados de n simulaciones del experimento descrito en Inciso (a).
³2
(d) Estimar el valor de la integral 0 ex dx utilizando el método obtenido en Inciso
2
(c) basándose en los resultados de 10000 simulaciones.

Guı́a 2
2.1 Mostrar que cada una de las siguientes funciones son funciones de distribución
de variables aleatorias.
(a)
FX pxq 1t0 ¤ x 1u 1t1 ¤ x 2u 1t2 ¤ x 3u

1 5 11
16 16 16
1t3 ¤ x 4u 1t 4 ¤ xu
15
16
(b)
FX pxq x3 1t0 ¤ x 1u 1t1 ¤ xu.
(c)
FX pxq x3 1t0 ¤ x 1{2u 1t1{2 ¤ xu.
2.2 ! Sea X una variable aleatoria cuya función de distribución FX pxq PpX ¤ xq
tiene gráfico de forma
2/3
FX(x)
1/3
−3 −2 −1 0 1 2 3
x
(a) ¿En qué puntos de R la variable X concentra masa positiva?

(b) Calcular Pp2 X ¤ 2q, Pp2 ¤ X ¤ 2q, Pp2 ¤ X 2q y Pp2 X 2q.
(c) Calcular PpX P p2, 1qq, Pp|X | ¤ 1q y PpX P p1, 2qq.
(d) Calcular PpX ¤ 1.5|X 2q y PpX ¤ 1.5|X ¤ 2q.
(e) Calcular PpX 2| |X | 2q.
2.3 Sea X una variable aleatoria cuya función de distribución es

x2
FX pxq 1t0 ¤ x 2u 1t2 ¤ x 4u 1tx ¥ 4u.
x
8 16
Hallar un valor a P R tal que
(a) FX paq 0.
(b) FX paq 0.1.
(c) FX paq 0.25.
(d) FX paq 0.5.
(e) FX paq 1.
2.4 [Maronna, pág. 56 y 57 ] Para cada variable aleatoria X con función de distri-
bución FX pxq PpX ¤ xq dada en el Ejercicio 2.1 hacer lo siguiente:
(a) Para cada α P p0, 1q hallar todos los valores xα P R tales que
PpX xα q ¤ α y PpX ¤ xα q ¥ α.
(b) Para cada α P p0, 1q hallar todos los valores xα P R tales que
F pxα q α.
2.5 La demanda de aceite pesado en cientos de litros durante una temporada tiene
la siguiente función de densidad:
fX pxq p4x 1q 1t0 ¤ x ¤ 1u.

1
3
(a) Hallar la función de distribución de X.

(b) Calcular P 1
3 X ¤ 32 X ¤ 32 | X 12
yP 1
3 .
(c) Hallar el valor de k tal que PpX ¤ k q 0.04.
(d) Ï Simular 1000 valores de la variable aleatoria X. Graficar la función de
distribución empı́rica y construir un histograma.
2.6 Sea T la duración del tiempo de trabajo sin fallas de un sistema electrónico
cuya función distribución de probabilidad es FT ptq et 1tt ¡ 0u.
(a) Hallar y graficar la función de distribución de T mı́npT, 1q.
(b) Calcular PpT 1q.
(c) Ï Mediante simulaciones estimar PpT 1q.
2.7 Ï Construir una variable aleatoria X cuya función de distribución sea la
del Ejercicio 2.2. Mediante simulaciones, estimar las probabilidades calculadas
en dicho ejercicio. Simular la función de distribución empı́rica y comparar con la
original.
2.8 En una urna hay 3 bolas blancas y 4 bolas negras.

(a) Se realizan 5 extracciones con reposición. Hallar y graficar la función de proba-
bilidad de la cantidad de bolas blancas observadas.
(b) Se realizan 5 extracciones sin reposición. Hallar y graficar la función de proba-
bilidad de la cantidad de bolas blancas observadas.
2.9 Se tiene una moneda cargada con probabilidad p 3{4 de salir “cara”.
(a) Hallar la función de probabilidad de la cantidad N de lanzamientos necesarios
de dicha moneda hasta observar la primer cara.
(b) Calcular la probabilidad de que N sea impar.
2.10 ! Sea X una variable aleatoria cuya función de densidad está descrita por:
fX pxq 1t1 ¤ x ¤ 1u.

2θx 1
2
(a) Describir los posibles valores de θ para que la densidad esté bien definida.
(b) En cada uno de los siguientes casos hallar la mediana de X: θ 1{2, θ 0,
θ 1{4.
(c) Hallar la mediana de X como función de θ para los valores de θ obtenidos en
Inciso (a).
(d) Calcular PpX 1q, Pp0 X ¤ 1q y PpX 0| 1{2 X 1{2q.
2.11 Se elige un número al azar X en el intervalo p2, 10q. Hallar la probabilidad
del evento X 2 12X 35 ¡ 0.
2.12 Se quiebra una vara en un punto al azar. Calcular la probabilidad de que la
longitud de la pieza más larga sea mayor que el doble de la longitud de la pieza
más corta.
2.13 ! El diámetro X (en mm.) de las arandelas fabricadas por una máquina tiene
como función de densidad a
fX pxq cxp20 xq 1t0 x 20u.
Un sistema de control descarta las arandelas cuyo diámetro es inferior a 3 o superior

a 17.
(a) Hallar la densidad del diámetro de las arandelas no descartadas.
(b) Hallar la densidad del diámetro de las arandelas descartadas.
2.14 Sea X, la distancia (en decı́metros) del punto de impacto al centro de un

blanco circular, una variable aleatoria continua con función de densidad
10 2x
fX pxq 1t0 ¤ x 2u 1t2 ¤ x 5u.
2
7 21
(a) Hallar la función de densidad de las distancias de impacto menores que 30 cm.
(b) Hallar la función de densidad de las distancias de impacto mayores que 30 cm.
2.15 ! Sea T el tiempo hasta que ocurre la primera falla en un producto industrial,
con función intensidad de fallas λptq de la forma

β 1
λp t q 1tt ¡ 0u,
β t
α α
donde α, β ¡ 0.
(a) Hallar la función de distribución y la función densidad de T .
(b) Si β 1 se dice que el producto tiene fallas tempranas, si β 1 se dice que
tiene fallas casuales o con falta de memoria, y si β ¡ 1 se dice que tiene fallas por
desgaste. Indicar en cuál de estas tres categorı́as clasificarı́a usted a los siguientes
productos según su modo de falla
Producto: un neumático; T : tiempo hasta una pinchadura causada por ob-
jetos punzantes en las calles.
Producto: un neumático; T : tiempo hasta que se desgasta el surco y pierde
agarre.
Producto: un neumático; T : tiempo hasta que revienta como consecuencia
de una falla de fábrica.
Producto: un heladera; T : tiempo hasta que el usuario se da cuenta que
salió fallada de fábrica.
Producto: un heladera; T : tiempo hasta que falla el sistema de enfriamiento.
Producto: un heladera; T : tiempo hasta que el motor se quema por un brusco
cambio de tensión.
(c) Comparar e interpretar probabilı́sticamente los gráficos de las densidades que
se obtienen cuando α 1 y β 0.5, 1, 1.5.
(d) Para cada caso del Inciso (c), calcular PpT ¡ 1q y PpT ¡ 4|T ¡ 3q.
(e) Ï Para cada caso del Inciso (c), simular 1000 valores de la variable aleatoria
T . Graficar la función de distribución empı́rica y construir un histograma.
2.16 Una urna contiene 3 bolas blancas, 2 rojas y 3 negras.

(a) Se seleccionan 4 bolas al azar (sin reposición). Sean X la cantidad de bolas
blancas observadas e Y la cantidad de bolas rojas observadas. Hallar la función
de probabilidad conjunta y las funciones de probabilidad marginales. ¿Cuál es la
probabilidad de que la cantidad total de bolas blancas y rojas observadas no supere
a 2?
(b) Repetir el inciso anterior para extracciones con reposición.
2.17 ! Sea pX, Y q un punto uniformemente distribuido sobre el semicı́rculo supe-

rior de radio 1 centrado en el origen Λ tpx, y q P R2 : x2 y 2 ¤ 1, y ¥ 0u.
(a) Calcular Pp|X | Y q.
(b) Hallar las densidades marginales de X y de Y .
(c) ¿X e Y son variables aleatorias independientes?
2.18 Sean X e Y dos variables aleatorias con función de densidad conjunta

fX,Y px, y q kxy 1t0 ¤ x ¤ y ¤ 1u.
(a) Calcular PpX 1 ¡ 2Y q.
(b) Hallar las densidades marginales de X y de Y .
(c) ¿X e Y son variables aleatorias independientes?
2.19 ! Juan y Carlos quedaron en encontrarse en un lugar a las 12 del mediodı́a.

La hora de llegada de Juan, J, es uniforme entre las 12 y las 12:15. Juan espera 15
min. a Carlos y si no llega se va. La hora de llegada de Carlos, C, es independiente de
la de Juan y se distribuye uniformemente entre 12:05 y 12:20. Sin embargo, Carlos
es más impaciente y sólo espera 5 min antes de irse. Calcular la probabilidad de
encuentro.
2.20 ! Sean A, B y C tres variables aleatorias independientes con distribución

común uniforme sobre el intervalo p0, 1q.
(a) Hallar la probabilidad de que la ecuación Ax2 Bx pA B q 0 tenga raı́ces
reales.
(b) Hallar la probabilidad de que la ecuación Ax2 2Bx C 0 no tenga raı́ces
reales.
(c)

Hallar la probabilidad de que la ecuación Ax2 Bx C 0 tenga raı́ces
reales.
2.21 ! Para ir todos los dı́as al trabajo, Dana se dirige en auto hasta la estación
de tren y luego sigue su camino en tren. Dana sale de su casa en un intervalo
distribuido uniformemente entre las 7:30 y las 7:50. El tiempo de viaje hasta la
estación es también uniforme entre 20 y 40 minutos. Hay un tren que sale a las 8:12
y otro que sale a las 8:26.
(a) ¿Cuál es la probabilidad de que Dana pierda ambos trenes?
(b) ¿Cuál es la probabilidad de que tenga que esperar más de 8 minutos en la
estación hasta que sale el tren?
(c) Si se sabe que salió de su casa después de las 7:38 y que no llegó a tomar el tren
de las 8:12, ¿cuál es la probabilidad de que haya llegado al otro tren?
(d) Si se sabe que salió de su casa después de las 7:38 y que logró tomar el tren de
las 8:26, hallar y graficar la función densidad del tiempo de viaje hasta la estación.
2.22 Mostrar que existe una variable aleatoria X tal que su función de distribución
es de la forma
»x
Φpxq ?1 et {2 dt.
2
8 2π
(a) Consultar algún libro de Probabilidad y Estadı́stica (o recurrir a un software
adecuado) para construir una tabla de valores de Φpxq para x 0, 1, 2, 3, 4, 5, 6.
(b) Hallar los cuantiles α para α 0.5; 0.75; 0.9; 0.95; 0.99; 0.995; 0.999.
2.23 [ver Ejercicio 2.15] Sea t0 ¡ 0. Mostrar que si λptq es la función de inten-
sidad de fallas de la variable aleatoria T , la variable aleatoria T̃ pT |T ¡ t0 q t0
tendrá una función de intensidad de fallas λ̃ptq λpt t0 q, para t ¡ 0.
2.24 [ver Ejercicio 2.15] La cantidad de llamadas que llegan a un call center en
una hora es una variable aleatoria N . Calcular la función de probabilidad de la
cantidad de llamadas recibidas si se sabe que llegaron al menos 2 llamadas, cuando
N está descrita según
(a) pN pnq 0.35 0.65n , n 0, 1, . . .
(b) pN pnq 1.25n e1.25 {n!, n 0, 1, . . .
(c) En cada caso, determinar si hay pérdida de memoria.
2.25 Sea pX, Y q un vector aleatorio con función de densidad conjunta
fX,Y px, y q kxpx y q 1t0 x 2, |y | xu.
(a) Hallar las densidades marginales de X y de Y .

(b) ¿X e Y son variables aleatorias independientes?
2.26 De un mazo de naipes de Poker se extraen repetidamente cartas con reposi-

ción. Sean X e Y los números de extracciones en que salen el primer corazón y el
primer trébol.
(a) ¿X e Y , son variables aleatorias independientes?
(b) Hallar las distribuciones marginales de X e Y .
(c) Hallar la función de probabilidad conjunta de pX, Y q.
2.27 Se arrojan dos dados piramidales equilibrados con los números 1, 2, 3, 4 en

sus caras. Sea X el mayor de los resultados observados e Y la suma. Hallar la
distribución conjunta de pX, Y q y las distribuciones marginales de X e Y . ¿X e Y
son independientes?
2.28 [ver Ejercicio 1.28] Sean X1 y X2 variables aleatorias con distribución

Bernoulli de parámetros 1{2 y 1{3 respectivamente tales que PpX1 1, X2 1q 16 .
Mostrar que las variables X1 y X2 son independientes.
2.29 Sean X e Y variables aleatorias independientes con distribución uniforme

sobre el intervalo r0, 1s. Una vara de longitud 1 se quiebra en dos puntos cuyas
distancias a una de sus puntas son X e Y . Calcular la probabilidad que las tres
piezas puedan usarse para construir un triángulo.
2.30 Las barras provenientes de un tren de laminación tienen sección rectangular

y sus lados X e Y tienen longitudes variables con distribuciones uniformes inde-
pendientes sobre los intervalos ra, p1.1qas y rb, p1.1qbs respectivamente. Calcular la
probabilidad de que el área de una barra sea superior a p1.1qab.
2.31 En una urna hay 3 bolas de distinto color. El experimento aleatorio consiste
en lo siguiente: se extrae una bola, se registra el color observado y se repone la bola
en la urna. Se realizan 3 experimentos. Sean Xi , i 1, 2, 3 las variables aleatorias
definidas por
Xi 1t si el color i está en la muestra observadau.
(a) Hallar la función de probabilidad conjunta de las variables X1 y X2 y las
funciones de probabilidad marginales.
(b) ¿X1 y X2 son independientes?
(c) ¿Cuál es el significado de la variable N X1 X2 X3 ?
(d) Hallar la función de probabilidad conjunta de las variables X1 y N .
(e) ¿X1 y N son independientes?
2.32 h Sea U 0.X1 X2 X3 . . . el desarrollo decimal de un número al azar sobre

el intervalo p0, 1s.
(a) Para cada i 1, 2, . . . , hallar la distribución del i-ésimo dı́gito de U .
(b) Mostrar que los dı́gitos de U son independientes entre sı́.
Guı́a 3
3.1 Sea X un variable aleatoria con rango tx1 , x2 , x3 u, tal que PpX xi q pi ,
i 1, 2, 3.
(a) Si x1 1, x2 1, x3 2 y p1 0.2, p2 0.3, p3 0.5, hallar ErX s.
(b) Si x1 1, x2 1 y p1 0.2, p2 0.2, y se sabe que ErX s 0, hallar p3 y x3 .
(c) Hallar ErX |X ¡ 1s con los datos del Inciso (a).
(d) Si se sabe que x1 1, p1 0.2, PpX ¡ 1q 0.8, y ErX |X ¡ 1s 3,
hallar ErX s.
3.2 Sea X un variable aleatoria con función de densidad fX : R Ñ R.

(a) Si fX pxq 2x 1tx P p0, 1qu, hallar ErX s.
(b) Si fX pxq 9 px 11q 1tx ¡ 0u, hallar ErX s.
3
(c) Hallar ErX |X ¡ 1{2s con los datos del Inciso (a).
(d) Si ErX |X 7s 4, PpX 7q 0.2, ErX |X ¡ 7s 8, hallar ErX s.
3.3 ! Sea X una variable aleatoria con la función densidad del Ejercicio 2.10.
Hallar ErX s y compararla con la mediana.
3.4 ! Sea X un variable aleatoria con función de distribución FX : R Ñ R.

(a) Si FX pxq x2
3 1t0 ¤ x 1u x 1
3 1t1 ¤ x 2u 1tx ¥ 2u, hallar ErX s.
(b) Con los mismos datos del Inciso (a), hallar ErX |X 1s y ErX |X ¤ 1s.
(c) Con los mismos datos del Inciso (a), ¿es X |X ¡ 1 una variable aleatoria
continua? En tal caso, hallar su función de densidad.
3.5 Sea X una variable aleatoria a valores en t1, 2, 3u tal que PpX iq pi ,
i P t1, 2, 3u, de media 2.
(a) Hallar p1 , p2 , p3 para que varrX s sea la máxima posible.
(b) Hallar p1 , p2 , p3 para que varrX s sea la mı́nima posible.
3.6 Se construye un cı́rculo uniendo los extremos de un alambre.

(a) Si la longitud del alambre fuese una variable aleatoria L con distribución expo-
nencial de media 60 cm., cuánto valdrı́a ErAs, siendo A el área del cı́rculo obtenido.
(b) Si el área (en cm2 ) del cı́rculo obtenido fuese una variable aleatoria A con
distribución exponencial de parámetro λ 15 1
, cuánto valdrı́a ErLs, siendo L el
perı́metro del cı́rculo obtenido.
3.7 ! Sea X una variable aleatoria de media 2 y varianza 9.

(a) Calcular la media y la varianza de Y 2pX 1q.
(b) Calcular la media de Y 2X 2
1.
(c) Calcular la media de Y 2pX 1qpX 3q.
(d) Hallar mı́ncPR ErpX cq2 s.
(e) Hallar a y b tales que aX b tenga media 0 y desvı́o 1.
3.8 Sean X e Y variables aleatorias independientes con distribución uniforme sobre

p0, 2q y p1, 3q, respectivamente. Si hpx, yq x 1tx ¡ 1.5u px2 yq 1tx ¤ 1.5u, hallar
la media de Z hpX, Y q.
3.9 [ver Ejercicio 2.31] Se colocan 3 bolas en 3 urnas c1 , c2 , c3 eligiendo al azar,

para cada bola, la urna en que se coloca. Sea Xi la cantidad de bolas en ci y sea
N la cantidad de urnas que contienen alguna bola.
(a) Calcular ErN s, varrN s y covpN, X1 q.
(b) Mostrar que N y X1 no son independientes.
(c) Calcular covpXi , Xj q, 1 ¤ i ¤ j ¤ 3.
3.10 [ver Ejercicio 2.28] Sean X1 y X2 variables de Bernoulli, de parámetros p1
y p2 .
(a) Mostrar que si covpX1 , X2 q 0, entonces X1 y X2 son independientes.
(b) Si p1 p2 0.7 y covpX1 , X2 q 0.1, hallar ρpY1 , Y2 q, siendo Y1 X1 p1 X2 q,
Y2 X2 p1 X1 q.
3.11 ! En cada uno de los casos que se ilustran en las siguientes figuras se define
una distribución conjunta para las variables X e Y .
(a) (b) (c)
(a) La densidad vale 1 en la región blanca, 1{2 en la región gris

clara y 3{2 en la región gris oscura. (b) y (c) La distribución es
uniforme en la región grisada.
Hallar en cada caso el signo de la covarianza sin escribir cuentas.
3.12 ! Sea pX, Y q una variable aleatoria bidimensional, uniforme en el triángulo

de vértices p0, 0q, p2, 2q, p0, 2q.
(a) Calcular covpX, Y q.
(b) Calcular varrX Ys
(c) Calcular covp3X Y 2, X Y q.
3.13 ! A y B hacen una prueba para comparar sus reflejos. Cada uno tiene un
pulsador y, cuando una luz se enciende, el que presiona primero gana el duelo. Los
tiempos de reacción de cada uno son variables aleatorias U p0, 1q (en segundos), y
son i.i.d. Sean las variables W : “tiempo de reacción del ganador” y Z: “tiempo de
reacción del perdedor”.
(a) Hallar la esperanza y varianza de Z y W .
(b) Hallar el tiempo medio de reacción del ganador si se sabe que el perdedor
reaccionó en más de 1/2 segundo.
(c) Hallar la covarianza entre W y Z.
3.14 Sea X una variable aleatoria, µX 2, σX2

9. Sea X1 , X2°, .n. . una secuencia
independiente de réplicas de X, y definamos, para n P N, Sn m1 Xm .
(a) Hallar ErSn s y varrSn s.
(b) Hallar un n0 tal que si n ¡ n0 se verifica que PpSn ¡ 0q ¡ 0.9.

(c) Hallar un n0 tal que si n ¡ 2 ¡ 0.1 ¤ 0.01.
n0 se verifica que P n1 Sn
3.15 Se arroja un dado equilibrado. Sea X 1 si sale as, X 0 en caso contra-

rio. Se arroja 12 veces ese mismo dado, registrando los resultados X1 , , X12 , y
°12
calculando su promedio X̄ 12 1
m1 Xm .

(a) Calcular E X̄ .
(b) Calcular Pp|X̄ 1{6| ¡ 1{10q.
3.16 Ï Sea B una variable de Bernoulli con parámetro p 0.01.
°n
(a) Si B1 , . . . , B100 son n 100 réplicas independientes de B y B̄ n1 m1 Bm
es su promedio. Estimar por simulación Pp|B̄ p| 0.03q y Pp|B̄ p| 0.01q.
(b) Lo mismo del inciso anterior pero con n 10000.
3.17 Ï Sea K el número de tiradas de un dado equilibrado hasta obtener por

primera vez dos ases seguidos. Estimar por simulación ErK s.
3.18 ! Sea X una variable aleatoria, µX µ, σX 2

σ 2 . Sea X1 , X2 , . . . una
secuencia independiente de réplicas de X, y se definen
°n
X̄ Xm
m 1
°n
n
pXm µq
2
W2 m 1
n
°n
m1 pXm X̄ q
2
T2 n

(a) Hallar E X̄ y var X̄ , en función de µ y σ 2 .

(b) Hallar E W 2 , en función de µ y σ 2 .
(c) Mostrar que T 2 W 2 pX̄ µq2 .

(d) Usar los incisos anteriores para mostrar que E S 2 σ2 , donde S 2 nn 1 T 2 .
3.19 Sea X una variable aleatoria que representa la relación de nı́quel al resto de
los metales en una aleación. Los siguientes datos corresponden a 18 muestras de
una aleación: 1.75, 1.80, 1.29, 1.58, 0.95, 1.87, 1.99, 1.49, 1.12, 0.39, 1.62, 1.41, 1.35,
0.83, 0.71, 0.51, 1.19, 1.95.
(a) Calcular X̄ y S 2 (ver Ejercicio 3.18).
(b) Según una publicación, la concentración de nı́quel en dicha aleación puede ser
modelada a través de la distribución fX pxq x{2 1t0 x 2u. Comparar los
resultados obtenidos en Inciso (a) con los valores teóricos de media y varianza
asociados al modelo propuesto.
(c) Construir un histograma y explorar informalmente si el modelo propuesto podrı́a
considerarse correcto.
3.20 Ï Sea X la duración (en horas) del tiempo de trabajo sin fallas de un sistema
mecánico con función intensidad de fallas de la forma λpxq x1{2 1tx ¡ 0u.
Simular 100 valores X1 , . . . , X100 de X y calcular X̄ y S 2 (ver Ejercicio 3.18).
Comparar con ErX s y varrX s.
3.21 Sea pX, Y q una variable aleatoria bidimensional, tal que X e Y tienen media
y varianza finitas, y sea c covpX, Y q.
(a) Si pX1 , Y1 q, . . . , pXn , Yn q son n réplicas independientes de pX, Y q y definimos
1 ¸n
A n i1
pXi ErX sqpYi ErY sq
1 ¸n
B n i1
pXi X̄ qpYi Ȳ q
(b) Hallar (en términos de c) ErAs.
(c) Mostrar que B A pX̄ ErX sqpȲ ErY sq
(d) Hallar (en términos de c) covpX̄, Ȳ q.
(e) Usando los incisos anteriores, hallar (en términos de c) ErB s.
3.22 Ï Se considera un sistema mecánico como el del Ejercicio 3.20. Cada vez
que ocurre una falla el sistema se repara y sigue funcionando hasta que ocurre la
siguiente falla. Se consideran variables aleatorias N ra, bs que cuentan la cantidad
de fallas sufridas por el sistema durante el intervalo de tiempo comprendido entre
a y b. Simular 100 parejas de valores pN1 r0, 3s, N1 r2, 5sq, . . . pN100 r0, 3s, N100 r2, 5sq
de pN r0, 3s, N r2, 5sq y calcular B (ver Ejercicio 3.21).
°

n
3.23 ! Ï Sea Sn Xi , donde las Xi son un conjunto de variables i.i.d.

Sea Sn su correspondiente variable estandarizada. En cada uno de los siguientes
i 1
casos, simular 100000 valores de Sn ; computar y graficar la función de distribución

empı́rica. Comparar la gráfica obtenida con la de la función de distribución de una
variable N p0, 1q.
(a) Xi es uniforme entre 0 y 1. Analizar los casos de n 2, 5, 12.
(b) Xi es Bernoulli de parámetro p 1{2. Analizar los casos de n 10, 30.
(c) Xi es Bernoulli de parámetro p 0.001. Analizar los casos de n 30, 100, 500.
(d) Xi es geométrica de parámetro p 0.001. Analizar los casos de n 30, 100, 500.
(e) Xi es exponencial de parámetro λ 1. Analizar los casos de n 10, 30, 100.
(f) Xi es Poisson de parámetro µ 0.01. Analizar los casos de n 30, 100, 500.
(g) Xi es Poisson de parámetro µ 1. Analizar los casos de n 1, 5 (comparar
con el inciso anterior).
3.24 La Gorda (80 kg.) y El Flaco (60 kg.) quieren poner un subibaja en su jardı́n.
Tienen un tablón de tres metros, pero no se deciden acerca de en que punto apoyarlo
para que resulte equilibrado cuando ambos se sientan, y ya se han golpeado bastante
haciendo pruebas. ¿Podrı́a ayudarlos?
3.25 Sea X una variable normal estándar, φ su función de densidad (ver Ejercicio
2.22), y sea x0 ¡ 0.
(a) Hallar la media de X |X ¡ x0 (en función de x0 ).
(b) Deducir que 1 Φpx0 q ¤ φpxx q .
0
0
(c) Comparar la estimación que brinda el inciso anterior para PpX ¡ 4q con el
valor tabulado.
(d) Si Y σX µ y y0 ¡ µ, hallar la media de Y |Y ¡ y0 (en función de y0 , µ y
σ).
3.26 Sea X una variable aleatoria con distribución uniforme sobre el intervalo
p0, 1q. Para cada n P N calcular ErX n s y varrX n s.
3.27 Sea T la variable aleatoria definida en Ejercicio 2.6. Calcular ErT s y
varrT s.
3.28 h El precio de uso de un teléfono público es de 20 centavos por pulso. Los

pulsos se cuentan cada dos minutos o fracción. Suponga que las llamadas tienen
duración exponencial de media 3 minutos. Hallar la media y la varianza del costo
de cada llamada.
3.29 Sean X e Y dos variables aleatorias discretas cuya función de probabilidad
conjunta pX,Y px, y q se define por: pX,Y p2, 8q pX,Y p1, 1q pX,Y p0, 0q
pX,Y p1, 1q pX,Y p2, 8q 1{5. Sin calcularla, indicar, justificando la respuesta,
cuál es el signo de la covarianza entre X e Y .
3.30 La figura representa un cuadrado de lado 2. La variable aleatoria pX, Y q es
uniforme en la región sombreada. Mostrar, calculando la covarianza en función de
a, que existe un único a P p0, 1q tal que covpX, Y q 0.
(0,0)
3.31 Las variables X e Y tienen una distribución conjunta uniforme en el recinto

que se ilustra en la siguiente figura:
(a) ¿X e Y son independientes?

(b) Calcular ErX Y s y varrX Ys
(c) Calcular ErX Y |X
¡ Y s.
°n
3.32 Dado un vector x px1 , . . . , xn q P Rn , consideramos x̄ n1 i1 xi . Notamos
e al vector de Rn cuyas coordenadas son todas 1.
(a) Mostrar que px x̄eq K e. ¿Qué relación geométrica hay entre x y x̄e?
(b) Dada cualquier constante c, x ce px x̄eq px̄ cqe. Mostrar que la relación
del Ejercicio 3.18 Inciso (c) es consecuencia del teorema de Pitágoras.
(c) ¿Cuál es la relación con el teorema de Steiner acerca del cambio paralelo de eje
en el momento de inercia?
(d) Deducir usando propiedades del producto escalar en Rn , la relación del Ejer-
cicio 3.21 Inciso (c).
Guı́a 4
4.1 ! Sea X una variable aleatoria con densidad fX pxq 1

9 px 1q2 1t1 ¤ x ¤ 2u.
En cada uno de los siguientes casos hallar y graficar:
(a) la densidad de Y aX b (a 0, b P R),
(b) la densidad de Y X 3 ,
(c) la densidad de Y X 2 X 2,
(d) la densidad de Y X 2 ,
la función de distribución de Y X 1t1 ¤ X 1u 1t 1 ¤ X u .

(e)
4.2 Sea Θ el ángulo de un péndulo medido desde la vertical cuyo extremo superior
se encuentra sostenido del punto p0, 1q. Sea pX, 0q el punto de intersección de la
recta que contiene al péndulo y el eje x. Hallar la función densidad de X cuando Θ
es una variable aleatoria con distribución uniforme sobre el intervalo pπ {2, π {2q.
0 X
4.3 Sea ϕ la fase de un generador eléctrico, la cual varı́a aleatoriamente según una
distribución U pπ, π q. Se define el factor de potencia del generador como C cos ϕ.
?
(a) Hallar la función de densidad de C (recordar que arc cospxq1 1{ 1 x2 ).
(b) Calcular Pp|C | 0.5q.
4.4 En el contexto del Ejercicio 3.6 Inciso (b), hallar la función de distribución
y la función de densidad del perı́metro del cı́rculo.
4.5 ! Un fabricante de caños posee una máquina que produce piezas de longitud
aleatoria X (en metros) con densidad fX pxq ex 1tx ¥ 0u. Un cliente está dis-
puesto a pagar una gran suma de dinero por 100000 caños, pero impone como
condición que la longitud Y (en metros) de los mismos debe estar distribuida de
acuerdo con la densidad fY py q 3 1t0 ¤ y ¤ 1{4u 1{3 1t1{4 y 1u. El cos-
to que supondrı́a apagar la máquina, recalibrarla, hacer los 100000 caños, y luego
volverla al estado original, es excesivo. Sin embargo, justo cuando estaba por recha-
zar el trabajo, uno de sus empleados le dice: “Podemos hacerlo. Sólo consiga una
máquina de precisión para cortar 100000 caños de la producción original”. Ası́ lo
hicieron y el jefe le dijo al empleado: “Todavı́a no entiendo cómo hiciste para sa-
tisfacer las especificaciones del cliente”. Hallar la función utilizada por el empleado
para cortar los caños.
4.6 Todas las mañanas Lucas llega a la estación del subte entre las 7:10 y las 7:30
(con distribución uniforme en dicho intervalo). El subte llega a la estación cada
quince minutos comenzando a las 6:00. ¿Cuál es la densidad de probabilidades del
tiempo que tiene que esperar Lucas hasta subirse al subte?
4.7 ! Un voltaje aleatorio V1 –medido en voltios– con distribución uniforme sobre

el intervalo r180, 220s pasa por un limitador no lineal de la forma
v1 190
g pv1 q 1t190 ¤ v1 ¤ 210u 1t210 v1 u.
20
Hallar la función de distribución del voltaje de salida V2 g pV1 q.
4.8 [ver Ejercicio 3.28] Sea T la duración de una llamada telefónica (en minutos),
con función de densidad fT ptq λeλt 1tt ¡ 0u, para cierto λ ¡ 0. Si se factura
un pulso por minuto o fracción, hallar la función de probabilidad de la cantidad
de pulsos facturados por llamada (la misma puede quedar en forma paramétrica,
dependiendo del valor de λ.)
4.9 Suponga que tiene dos números reales X1 y X2 que deben ser sumados por una
computadora digital. Como la máquina tiene precisión finita representa los números
redondeados como Y1 y Y2 . Luego, cada número tiene un error Ui Xi Yi . Si las
Ui son independientes y uniformes sobre el intervalo p1{2, 1{2q, hallar la función
de densidad del error generado al sumar X1 X2 .
4.10 ! Sea pX, Y q un punto aleatorio con distribución uniforme sobre el recinto
que aparece en la figura
1
2
0 1
1
2
(a) Hallar las densidades marginales de X e Y .

(b) Hallar la densidad de X Y.
4.11 Se tienen dos variables aleatorias independientes X e Y cuyas funciones de

densidad son fX pxq 3x2 1t0 x 1u y fY py q 1t1 y 2u. Hallar la función
de densidad de la variable Z X {Y .
4.12 Se desea medir el largo L de una pieza rectangular. Para eso se utiliza
un instrumento que no puede alinearse perfectamente. La inclinación del eje del
instrumento (X) respecto del largo de la pieza forma un ángulo α cuya distribución
se supone U p0o , 5o q. El valor leı́do en el instrumento, en mm., tiene distribución
U p34.2, 34.3q. A partir de un simple análisis trigonométrico, está claro que el largo
de la pieza es L X cos α. Determinar la función de densidad de L y calcular la
probabilidad de que la pieza mida menos de 34.2 mm.
4.13 La función de densidad conjunta de las variables X e Y se ilustra en la

siguiente figura. Hallar la función de densidad de U mı́npX, Y q.
4.14 ! Las variables aleatorias X1 y X2 son independientes y sus distribucio-

nes son exponenciales de intensidades λ1 y λ2 , respectivamente. Se definen U
mı́npX1 , X2 q, J 1tU X1 u 2 1tU X2 u, V máxpX1 , X2 q y W V U .
(a) Hallar la densidad de U .
(b) Hallar la función de probabilidad de J.
(c) Hallar la densidad de W .
(d) Mostrar que U y J son independientes.
(e) Mostrar que U y W son independientes.
4.15 Juan y Pedro han conseguido trabajo en una central telefónica. Juan atiende
una lı́nea en que los tiempos entre llamadas consecutivas son exponenciales inde-
pendientes de intensidad 5 por hora, y Pedro una lı́nea en que los tiempos entre
llamadas consecutivas son exponenciales independientes de intensidad 10 por hora.
Ambos son fanáticos del ajedrez, y deciden arriesgar su empleo jugando entre lla-
mada y llamada. Se ponen de acuerdo en dejar sin atender las llamadas que suceden
antes de los 5 minutos desde que iniciaron el juego o desde la última vez que lo
interrumpieron para atender. Inician la partida a las 10.
(a) ¿Cuál es la probabilidad de que la primer llamada después de las 10 quede sin
atender?
(b) ¿Cuál es la probabilidad de que la primer llamada después de las 10 sea en la
lı́nea de Juan?
(c) ¿Cuál es la probabilidad de que la primer llamada después de las 10 quede sin
atender sabiendo que fue en la lı́nea de Juan?
(d) ¿Cuál es la probabilidad de que la primer llamada después de las 10 fuera en
la lı́nea de Juan sabiendo que fue atendida?
(e) ¿Cuál es la probabilidad de que entre la primera y la segunda llamada después
de las 10 medien más de 5 minutos?
(f) ¿Cuál es la probabilidad de que la segunda llamada quede sin atender sabiendo
que la primera fue atendida?
(g) ¿Cuál es la probabilidad de que la segunda llamada quede sin atender?
4.16 Unos circuitos electrónicos están formados por tres componentes. El tiempo
de vida de cada componente tiene una densidad fT ptq p1{1000q et{1000 1tt ¡ 0u
si es del proveedor A y fT ptq p1{1500q et{1500 1tt ¡ 0u si es del proveedor B.
Los circuitos fallan si falla alguno de los tres componentes, y se sabe que para cada
circuito los tres componentes son del mismo proveedor (el proveedor se elige al azar).
Si un circuito está funcionando desde hace 1200 horas, ¿cuál es la probabilidad de
que sus componentes sean del proveedor A?
Sean X e Y variables aleatorias independientes U p1{2, 1{2q. Hallar la

4.17
función de densidad de Z X 2 Y 2 , condicionada a Z 1{4.
4.18 ! Sean X e Y variables aleatorias i.i.d. con distribución común uniforme en

p0, 12 q.
(a) Hallar la función de densidad de X Y dado que X Y es negativo.
(b) En función del resultado del experimento aleatorio pX, Y q, se construirá una
nueva variable V . Si X Y 0, entonces V X {2, si no V 3Y . Hallar la función
de densidad de V .
4.19 Se arrojan dos dados equilibrados e independientes y se observan sus valores
X1 y X2 . Hallar la función de probabilidad conjunta de U y V cuando
(a) U es el menor valor observado y V es la suma de ambos.
(b) U es el valor que muestra el primer dado y V es el mayor valor observado.
(c) U es el menor valor observado y V es el máximo.
4.20 Sean X1 y X2 dos variables aleatorias independientes con distribución común

uniforme sobre el intervalo r0, 1s y sean U mı́npX1 , X2 q y V máxpX1 , X2 q.
(a) Hallar la densidad conjunta de U y V .
(b) Hallar la densidad de W V U.
4.21 Sean X e Y variables aleatorias independientes con distribución común ex-
ponencial de intensidad λ ¡ 0. Sean U X Y y V XX Y .
(a) Hallar la densidad conjunta y las densidades marginales de U y V .
(b) ¿U y V son independientes?
4.22 En un experimento de tiro al blanco, sean X e Y las coordenadas carte-
sianas del punto de impacto. Si dichas variables tienen distribución N p0, 1q y son
independientes, por lo que su densidad conjunta puede escribirse como
1 1 p x2 y 2 q
fX,Y px, y q e 2 ,
2π
describir conjuntamente el punto de impacto en coordenadas polares y hallar las
distribuciones marginales del radio y ángulo.
4.23 ! Sean U1 y U2 variables aleatorias independientes con distribución común

U p0, a
1q. Considerar el cambio de variables: pZ1 , Z2 q pR cos Θ, R sen Θq, donde
R 2 logpU1 q y Θ 2πU2 .
(a) Hallar las densidades de R y Θ.
(b) Hallar la densidad conjunta de Z1 y Z2 .
(c) ¿Z1 y Z2 son independientes? ¿Cómo se distribuyen?
(d) Ï Utilizar el cambio de variables para simular 10000 valores de la distribución
N p0, 1q.
(e) Ï Usando los valores obtenidos en el inciso anterior estimar el valor de la
integral
»1
?1 e x2 dx.
2
0 2π
4.24 Sea Θ una variable aleatoria con distribución uniforme sobre el intervalo
p 3π2 , 3π2 q. Hallar la densidad de X tan Θ.
4.25 Sea X una variable aleatoria con densidad doble exponencial de parámetro
λ ¡ 0:
fX pxq λeλ|x| , x P R.
1
2
Hallar la densidad de Y sen X.
4.26 La ganancia anual de una empresa (en miles de $) es una variable aleatoria X
que se distribuye de acuerdo con la siguiente función de densidad de probabilidad:
fX pxq px 150q{1252 1t150 ¤ x 275u p400 xq{1252 1t275 ¤ x 400u.
Un cierto impuesto sólo debe pagarse si X ¡ 170, debiendo abonarse el 10 % del
excedente y siendo $18000 el monto máximo a pagar. Hallar
(a) la probabilidad de que no se abone el impuesto, ası́ como la de que se abone el
monto máximo.
(b) la función de distribución del monto del impuesto abonado.
(c) la función de distribución de la ganancia final.
4.27
(a) Sean X e Y dos variables aleatorias independientes con funciones densidad
fX pxq 2x 1t0 ¤ x ¤ 1u y fY py q p2 2y q 1t0 ¤ y ¤ 1u. Hallar la función de
distribución de la suma X Y .
? aleatoria?con distribución uniforme sobre el intervalo p0, 1q.

(b) Sea U una variable
Se definen X̂ U e Ŷ 1 U . Hallar las densidades marginales de X̂ e Ŷ y
la función de distribución de la suma X̂ Ŷ .
4.28 La duración (en horas) de ciertos componentes eléctricos sigue una distribu-
ción exponencial de intensidad λ 0.01. Si los componentes se conectan en serie,
la duración del circuito es la del elemento de menor duración; mientras que si se
conectan en paralelo, es la del de mayor duración. Dado el circuito de 5 compo-
nentes conectados según el esquema de la figura, calcular la probabilidad de que el
circuito dure más de 80 horas.
4.29 Curly, Larry y Moe habı́an quedado en encontrarse a ensayar un cierto dı́a
a las 10 AM. Moe, llega al azar entre las 9:55 y 10:10. Larry es un poco más
descuidado y arriba al azar entre las 10 y 10:15. Curly por su parte, aparece una
cantidad de minutos TC luego de las 10, con fTC ptq 2pt 5q{225 1t5 t 20u.
Si cada uno arriba en forma independiente y el ensayo no puede comenzar hasta
que lleguen todos, hallar la función de densidad del tiempo de retraso del comienzo
del ensayo.
4.30 Sean X e Y variables aleatorias i.i.d. con distribución común N p0, 1q. Mostrar
que U X?2Y y V X?2Y también son independientes y N p0, 1q.
4.31 h Sean X e Y independientes con distribución común N p0, 1q. Mostrar que
U X 2 Y 2 y V X {Y son independientes y hallar sus distribuciones.
Guı́a 5
5.1 La cantidad de querosene, en miles de litros, en un tanque al principio del dı́a

es una variable aleatoria X, de la cual una cantidad aleatoria Y se vende durante el
dı́a. Suponga que el tanque no se rellena durante el dı́a, de tal forma que Y ¤ X, y
que la función de densidad conjunta es fX,Y px, y q 2 1t0 y xu 1t0 x 1u.
(a) Hallar fY |X 0.75 py q y fY |X 0.4 py q.
(b) ¿Qué puede decirse respecto a la independencia de X e Y ?
(c) Calcular Pp1{4 Y 1{2|X 0.75q y Pp1{4 Y 1{2|X 0.4q.
5.2 Sea pX, Y q una variable bidimensional con la densidad conjunta del Ejercicio
4.13.
(a) Hallar fY py q y fY |X x py q para todos los posibles valores de x. ¿Qué puede decir
respecto a la independencia de X e Y ?
(b) Calcular Pp3 16XY 9|X 0.75q.

5.3 [Grimmett, pág. 111 ] Sean X1 y X2 variables exponenciales independientes
con intensidad λ. Sean Y1 X1 X2 , Y2 X1 {X2 e Y3 X1 X2 .
(a) Hallar la densidad conjunta de Y1 e Y2 y mostrar que son independientes.
(b) Hallar la densidad conjunta de Y1 e Y3 . ¿Son Y1 e Y3 independientes?
(c) Hallar las densidades condicionales fY1 |Y2 1 py1 q, fY1 |Y3 0 py1 q.
(d) Suponiendo que λ 1, calcular A PpY1 ¡ 1|Y2 1q y B PpY1 ¡ 1|Y3 0q.
Observe que Y2 1 e Y3 0 son eventos equivalentes. ¿Cómo puede explicarse
entonces que A ¡ B?
(e) Ï Estimar por simulación las probabilidades del inciso anterior. Para ello tomar
h 0.01, simular 100000 pares (X1 ,X2 ) y usarlos para estimar las probabilidades
PpY1 ¡ 1| |Y2 1| hq y PpY1 ¡ 1| |Y3 | hq. Hacer un gráfico representando las
diversas zonas de integración involucradas, y explicar por qué la primer probabilidad
es aproximadamente el doble de la segunda.
5.4 ! Sea pX, Y q una variable bidimensional con la densidad conjunta del Ejer-
cicio 3.11.
(a) Hallar y graficar la función de densidad de Y |X x.
(b) Ï Simular 100000 valores de pX, Y q, utilizarlos para estimar covpX, Y q (ver
Ejercicio 3.21) y comparar con el resultado analı́tico.
(c) Ï Utilizar los valores simulados en el inciso anterior para obtener 100000
valores de la variable X Y . Con ellos estimar la media y varianza de la suma (ver
Ejercicio 3.18) y comparar con los resultados analı́ticos.
5.5 ! El diámetro de las ciruelas (en cm) tiene una función de densidad fX pxq
x{4 1t0 ¤ x 2u p4 xq{4 1t2 ¤ x 4u. Las mismas son clasificadas pasando
por un tamiz de modo que
Calidad I si x 1
Calidad II si x ¥ 1
Sin embargo, el 10 % de las ciruelas caen por el costado del tamiz y resultan cla-
sificadas de Calidad I independientemente de su diámetro. Graficar la función de
densidad de las ciruelas clasificadas como de Calidad I.
5.6 ! Un viajante tiene tres alternativas de viaje a su trabajo: A, B y C. Se sabe

que los porcentajes de veces que usa estos medios son respectivamente: 50 %, 30 % y
20 %. El tiempo de viaje con el transporte i es una variable aleatoria Ti (en horas).
El medio A sigue la ley fTA ptq 2 t 1t0 ¤ t ¤ 1u, el B, fTB ptq 0.5 t 1t0 ¤ t ¤ 2u,
y el C, fTC ptq 0.125 t 1t0 ¤ t ¤ 4u.
(a) Si ha transcurrido media hora de viaje y aun no ha llegado al trabajo, hallar la
probabilidad de que llegue por el medio de transporte A.
(b) Si tardó exactamente media hora en llegar al trabajo, calcular la probabilidad
de que lo haya hecho por el medio de transporte A.
5.7 Un emisor transmite un mensaje binario en la forma de una señal aleatoria

Y que puede ser 1 con probabilidad 1{2 o 1 con probabilidad 1{2. El canal de
comunicación corrompe la transmisión con un ruido normal aditivo N N p0, σ 2 q
independiente de Y . El receptor recibe la señal X N Y . Considere σ 1{5.
(a) Graficar la función densidad de probabilidad de la señal recibida por el receptor.
(b) La pregunta del receptor es la siguiente: dado que recibı́ el valor x, ¿cuál es
entonces la probabilidad de que la señal emitida haya sido 1? Graficar la función
ψ pxq PpY 1|X xq.
(c) Repetir los incisos anteriores considerando σ 2{3.
5.8 Sean X e Y variables aleatorias con densidad conjunta
fX,Y px, y q xexp1 y q 1tx ¡ 0, y ¡ 0u.
(a) Hallar la distribución de las variables condicionales Y |X

x.
(b) Hallar y graficar la función de regresión φpxq ErY |X xs.
(c) Hallar la esperanza condicional de Y dada X.
(d) Hallar y graficar la función de distribución de la esperanza condicional de Y
dada X.
(e) Calcular Pp1{2 ErY |X s ¤ 3q.
5.9 ! Sean X e Y las variables aleatorias definidas en el Ejercicio 5.1.

(a) Hallar la distribución de las variables condicionales Y |X
x.
(b) Hallar y graficar la función de regresión φpxq ErY |X xs y la función
ϕpxq varrY |X xs.
(c) Hallar la esperanza y la varianza condicional de Y dada X.
(d) Calcular PpErY |X s ¤ 1{4q y PpvarrY |X s ¡ 3{64q.
5.10 A Sean X e Y variables aleatorias con distribución uniforme sobre la región

tpx, yq P R2 : 0 x 3{4, 0 y 3{4u Y tpx, yq P R2 : 3{4 x 1, 3{4 y 1u.
Hallar la función de distribución de ErY |X s y varrY |X s. ¿Cuál es la probabilidad
de que la varianza condicional tome un valor inferior a 1/32?
5.11 En una urna hay 6 bolas rojas, 4 azules y 2 negras. Se extraen tres. Sean X
la cantidad de bolas rojas extraı́das e Y la cantidad de azules.
(a) Hallar las funciones de probabilidad de las variables condicionales Y |X x.
(b) Hallar y graficar la función de regresión φpxq ErY |X xs y la función
ϕpxq varrY |X xs.
(c) Hallar la esperanza y varianza condicional de Y dada X.
5.12 En el contexto del Ejercicio 5.7, explicar cómo hace el receptor para “re-
construir” la señal original Y a partir de la señal observada (corrupta) X. Hallar
la expresión de la señal ası́ “reconstruida”.
5.13 Sean X e Y variables aleatorias con distribución uniforme sobre la región del
plano Λ. Hallar ErY |X s cuando:
(a) Λ es el cuadrado de vértices p1, 1q, p1, 1q,p1, 1q y p1, 1q.
? ? ? ?
(b) Λ es el cuadrado de vértices p 2, 0q, p0, 2q, p 2, 0q y p0, 2q. Hallar
ErY |X s. ¿X e Y son independientes?
5.14 ! Una rata está atrapada en un laberinto. Inicialmente puede elegir una de
tres direcciones. Si elige la primera se perderá en el laberinto y luego de 4 minutos
volverá a su posición inicial; si elige la segunda volverá a su posición inicial luego
de 7 minutos; si elige la tercera saldrá del laberinto luego de 3 minutos. Suponiendo
que en cada intento, la rata elige con igual probabilidad cualquiera de las tres
direcciones, ¿cuál es la esperanza del tiempo que demora en salir del laberinto?
5.15 ! Sea X una variable aleatoria con distribución uniforme sobre el intervalo
p0, πq y sea Y una variable aleatoria tal que ErY |X s X. Calcular covpsenpX q, Y q.

5.16 ! Se arroja un dado 100 veces. Sean X e Y las cantidades de resultados
pares e impares respectivamente. Hallar la esperanza condicional ErY |X s y el valor
de covpX, Y q.
5.17 ! Sea pX, Y q un vector aleatorio tal que X tiene distribución exponencial de
media 1, ErY |X s X y varrY |X s X. Usando el Teorema de Pitágoras calcular
el valor de varrY s.
5.18 Una partı́cula suspendida en agua es bombardeada por moléculas en movi-

miento térmico y recibe (por segundo) una cantidad de impactos cuya distribución
es Poisson de media 10. Por cada impacto la partı́cula se mueve un milı́metro hacia
la derecha con probabilidad 3{4 o un milı́metro hacia la izquierda con probabilidad
1{4. Hallar la posición media de la partı́cula al cabo de un segundo.
5.19 Un jugador de generala se tira a sacar generala de ases. Tira sus 5 dados,
separa los ases, vuelve a tirar los restantes, vuelve a separar los ases, y vuelve a
tirar los restantes. Calcular el número esperado de ases obtenidos en el tercer tiro.
5.20 ! El peso de ciertas bolsas de naranjas es una variable aleatoria uniforme

entre 3 y 6 kilos. Se van agregando bolsas en una balanza hasta que el peso supere
5 kilos. Hallar la media y la varianza del peso final ası́ obtenido.
5.21 Hallar la media y la varianza del tiempo de viaje al trabajo del ejercicio
Ejercicio 5.6.
5.22 ! La variable aleatoria bidimensional pX, Y q tiene distribución uniforme en

la región descrita por 0 x 2, 0 y x2 .
(a) Hallar la función de regresión de Y dada X.
(b) Hallar una ecuación para la recta de regresión de Y dado X.
5.23 La variable aleatoria bidimensional pX, Y q se describe por: X es exponencial

con media 5, Y X 2 .
(a) Hallar la función de regresión de Y dada X.
(b) Hallar una ecuación para la recta de regresión de Y dado X.
5.24 ! Ï La longitud de los rollos de tela producidos por cierta máquina sigue
una distribución uniforme entre 20 y 30 (en metros). Un buen dı́a un cliente requiere
un rollo con por lo menos 28 metros, de los que no hay ninguno en stock.
(a) Calcular la cantidad media de rollos que será necesario producir para satisfacer
la demanda del cliente. Compare con la estimación por simulación.
(b) Calcular la longitud total media de tela producida para satisfacer esa demanda.
Compare con la estimación por simulación.
(c) Calcular la longitud total media de tela de los rollos que irán a stock (es decir
sin incluir el vendido al cliente). Compare con la estimación por simulación.
5.25 Sea pX, Y q una variable bidimensional con la densidad conjunta del Ejercicio
4.10. Encuentrar la densidad de Z XY sabiendo que Y 0.25.
Sean X e Y variables aleatorias independientes tal que X U p0, 1q y

5.26
fY py q 2y 1t0 y 1u. Se desea calcular PpX Y 1|X Y q. Jekyll propone:
PpX Y 1|X Y q Pp2X 1q PpX 1{2q 1{2.

Pero Hyde no está de acuerdo y dice:
PpX Y 1|X Y q Pp2Y 1q PpY 1{2q 1{4.
Si ambos hubieran razonado correctamente, ¿convenimos que 1/2 = 1/4? Explicar
lo sucedido.
5.27 En una urna hay 3 bolas rojas y 2 negras. Se extraen dos bolas sin reposición.
Sean X e Y la cantidad de bolas rojas y negras extraı́das, respectivamente. Hallar
una función de X, φpX q, tal que ErφpX qhpX qs ErY hpX qs para toda función
acotada h : R Ñ R. (sugerencia: Para cada i P t0, 1, 2u considerar la función
hi : R Ñ R definida por hi pxq 1tx iu. Usar la ecuación ErφpX qhi pX qs
ErY hi pX qs para deducir la expresión de φpiq para cada i P t0, 1, 2u).
5.28 Sea U una variable aleatoria con distribución uniforme sobre el intervalo
p0, 1q. Sean X t3U u e Y U 2 . Encontrar una función de X, φpX q, que satisfaga
la igualdad ErφpX qhpX qs ErY hpX qs, para toda función acotada h : R Ñ R.
5.29 Sean Xi las variables definidas en el Ejercicio 2.31. Hallar ErX2 |X1 s.
5.30 Sea arroja un dardo sobre el blanco circular Λ tpx, y q P R2 : x2 y 2 ¤ 1u.

(a) El dardo se clava en un punto de coordenadas pX, Y q uniformemente distribuido
sobre Λ X tpx, y q P R2 : x ¥ 0u. Hallar la esperanza y la varianza condicional de Y
dada X.
(b) El dardo se clava en un punto de coordenadas pX, Y q uniformemente distribuido
sobre Λ. Hallar la esperanza y la varianza condicional de Y dada X.
5.31 Sean las variables aleatorias X, con media µ y desvı́o σ, e Y , discreta

con

PpY 1q p y PpY 2q 1 p. Si X e Y son independientes, hallar E X Y .
5.32 O [ver Ejercicio 3.17 y Ejercicio 5.14] Se arroja sucesivas veces un dado
equilibrado. Sea K el número de tiradas hasta obtener por primera vez un resultado
distinto de as, y sea, para cada entero m ¡ 1, Xm el número de tiradas hasta
obtener por primera vez m ases seguidos (por ejemplo si las primeras 9 tiradas
resultan 1, 1, 2, 1, 4, 5, 1, 1, 1 serı́a K 3 X2 2, X3 9).
(a) ¿Qué distribución tiene K? Hallar ErK s.
(b) Se sabe que ErX2 s 42. Describir la variable aleatoria ErX2 |K s. Comprobar
la consistencia de esta descripción con el dato ErX2 s 42.
(c) Describir la expresión general de ErXm |K s en términos de ErXm s. Deducir una
expresión general para ErXm s.
(d) Calcular ErX5 s.
(e) Si cada tirada del dado insumiera un segundo, estimar (en años) el tiempo
medio necesario hasta obtener 20 ases seguidos.
5.33 h Juan y Roberto concursan por un trabajo en IBM. Mientras esperan a ser
atendidos por el Examinador, Juan descubre desesperado que olvidó su calculadora.
Cuando el Examinador los atiende, Juan le pide una, pero el Examinador (que no
cursó esta materia ni leyó la columna de Adrián Paenza en la contratapa de Página
12 del domingo 18 de julio del 2010), se la niega y le dice que piensa que no le
será necesaria.
Uno de los enunciados de la prueba dice: “Escriba una secuencia de 200 bits
elegidos al azar en t0, 1u.”.
El Examinador saca copia de los exámenes, identificando las copias, y se los
entrega al Corrector (que cursó esta materia el primer cuatrimestre del 2010) que
no puede identificarlos, pero sabe que su amigo Juan olvidó la calculadora. El
Corrector mira las pruebas y sin dudarlo sabe cuál es la de su amigo Juan.
Uno:
01001110111001000011101010110010011110110101101110011010011001010110
00010011100001010111011010110001010010001100001110101011000011101100
0100010000101001101101110011110101010111001100001010001000101100
Otro:
01111001011010100110110111000011101110110010100001011001101011001101
10001001100011010111001101111011110111111101000111000101001000000000
1110110000010001001110101111010001011011010100001110011110110001
¿Podrı́a, a la luz del Ejercicio 5.32, explicar cómo hizo, y cuál de las dos
secuencias pertenecı́a a Juan?
5.34 Sea pX, Y q una variable aleatoria bidimensional. Sabiendo que X N p0, 2q
y ErY |X s 2X 2 1.
(a) Hallar ErY s y covpX, Y q.
(b) Hallar una ecuación de la recta de regresión de Y dado X.
5.35 Para la variable aleatoria bidimensional pX, Y q del Ejercicio 3.11,

(a) hallar la función de regresión de Y dado X.
(b) hallar una ecuación para la recta de regresión de Y dado X.
5.36 h Dado un vector px1 , . . . , xn q P Rn , sea T px1 , . . . , xn q la variable aleato-

ria discreta con rango tx1 , . . . , xn u definida por P pT xi q 1{n. Consideramos
además n réplicas independientes X1 , . . . , Xn de una variable aleatoria X con media
µ y varianza σ 2 .
(a) Hallar ErT s.
(b) Hallar varrT s.
(c) Describir la variable aleatoria ErT pX1 , . . . , Xn q|pX1 , . . . , Xn qs. Comparar con
Ejercicio 3.18. Hallar ErT pX1 , . . . , Xn qs (en términos de µ).
(d) Describir la variable aleatoria varrT pX1 , . . . , Xn q|pX1 , . . . , Xn qs. Comparar con
Ejercicio 3.18. Hallar ErvarrT pX1 , . . . , Xn qss (en términos de σ 2 ).
Guı́a 6
6.1 La probabilidad de acertar a un blanco es 1{5. Se disparan 10 tiros indepen-

dientemente.
(a) Calcular la probabilidad de que el blanco reciba al menos dos impactos.
(b) Calcular la probabilidad condicional de que el blanco reciba al menos dos im-
pactos, suponiendo que recibió al menos uno.
6.2 Se tira un dado 6 veces. Calcular la probabilidad de obtener

(a) al menos un as.
(b) exactamente un as.
(c) exactamente dos ases.
6.3 La probabilidad de acertar a un blanco es 1{5.

(a) Se disparan 9 tiros independientemente. Hallar la cantidad más probable de
impactos recibidos por el blanco.
(b) Repetir el inciso anterior si se disparan 10 tiros.

(c) Repetir el inciso anterior si se disparan n tiros.
6.4 El diámetro de las arandelas (en mm.) producidas por una máquina es una
variable aleatoria cuya función de densidad es fX pxq px 6q{4 1t6 ¤ x 8u
p10 xq{4 1t8 ¤ x ¤ 10u. Si se revisan 100 arandelas, ¿cuál es la probabilidad de
que más de una tenga un diámetro inferior a 6.5 mm.?
6.5 El 1 % de los individuos de una población es zurdo. Usando la distribución

de Poisson, calcular en forma aproximada la probabilidad de encontrar al menos 4
zurdos entre 200 individuos.
6.6 ¿Qué tan larga debe ser una sucesión de dı́gitos aleatorios para que la proba-
bilidad de que aparezca el dı́gito 7 sea por lo menos 9{10?
6.7 El peso de una bolsa de cemento (en kg.) es una variable aleatoria uniforme en
el intervalo p20, 30q. Si los pesos de las bolsas son independientes, calcular
(a) la probabilidad de que la primera bolsa con peso superior a 29 kg. sea la séptima
bolsa revisada.
(b) la probabilidad de necesitar revisar más de 5 bolsas hasta encontrar una que
sea inferior a 22.5 kg.

6.8 ! Chocolatines Jack lanza una colección de muñequitos con las figuras de
los personajes de Kung Fu Panda: Panda, Tigre, Mono, Grulla y Mantis. Cada
vez que Lucas compra un chocolatı́n es igualmente probable que obtenga alguno de
los personajes. Sea N la cantidad de chocolatines que Lucas debe comprar hasta
completar la colección, hallar ErN s y varpN q. Interpretar los resultados.
6.9 [ver Ejercicio 4.8] Una lámpara tiene una vida (en horas) con distribución
exponencial de parámetro 1. Un jugador enciende la lámpara y, mientras la lámpara
está encendida, lanza un dado equilibrado de quince en quince segundos. Hallar el
número esperado de 3’s observados hasta que la lámpara se apague.
6.10 ! Se arroja repetidamente un dado. Calcular la probabilidad de que el tercer

as salga en el séptimo tiro.
6.11 Monk y Lucas disputan la final de un Campeonato de Ajedrez. El primero

que gane 6 partidas (no hay tablas) resulta ganador. La duración de cada partida
(medida en horas) es una variable aleatoria cuya función de densidad es fT ptq
pt 1q{2 1t1 ¤ t ¤ 3u. La probabilidad de que Lucas gane cada partida depende
de la duración de la misma. Si dura menos de 2 horas, gana con probabilidad 3{4;
si no, gana con probabilidad 1{2. ¿Cuál es la probabilidad de que Lucas gane el
Campeonato en la octava partida?
6.12 Sean N1 y N2 dos variables geométricas independientes donde PpNi 1q p.

Sean N N1 y S N1 N2 . Hallar
(a) la función de probabilidad conjunta de N y S. ¿Son N y S independientes?
(b) la distribución de N |S k y calcular Pp2 ¤ N ¤ 4|S 7q.
6.13 De los 25 jugadores de fútbol de un club se elige al azar un equipo de 11. Si
8 de los jugadores del club son federados, hallar la probabilidad de encontrar
(a) ningún jugador federado en el equipo.
(b) exactamente 2 jugadores federados en el equipo.
(c) al menos 4 jugadores federados en el equipo.
6.14 ! En una urna hay k bolas blancas y 5 bolas negras, donde 0 ¤ k ¤ 6. El

resultado de la extracción de 2 bolas al azar sin reposición fue de 1 blanca y 1 negra.
Para cada k hallar la probabilidad de haber observado el mencionado resultado de
las 2 extracciones. ¿Qué valor de k da lugar a la mayor probabilidad?
6.15 ! El control de recepción de piezas realizado a cada caja, que contiene 10

unidades, consiste en elegir 2 piezas y rechazar la caja si alguna es defectuosa. El
“honesto” proveedor coloca en cada caja un número de defectuosas que depende
del resultado de arrojar un dado como sigue: Si sale un as, no pone ninguna; si el
resultado es 2, 3, 4 ó 5 pone 1; y si es 6, pone 2. Determinar
(a) la distribución del número de defectuosas que hay en las cajas.
(b) la distribución del número de defectuosas que se encuentran en cada muestra
de 2 unidades.
(c) el porcentaje de cajas rechazadas.
6.16 Una cadena de supermercados compra un lote de 50000 bombitas eléctricas.

Un lote se considera bueno cuando a lo sumo 500 bombitas están quemadas, y se
considera malo cuando al menos 1500 bombitas lo están. Se elige una muestra de n
bombitas para ensayar. Si c o menos de ellas están quemadas, se acepta el lote. En
caso contrario, se lo devuelve al proveedor. Se proponen tres planes de muestreo:
1. n 200; c 4.
2. n 100; c 2.
3. n 100; c 1.
(a) Expresar en palabras los riesgos del proveedor y del comprador.

(b) Graficar las curvas caracterı́sticas (ver Ejercicio 1.33) de los tres planes de
muestreo (utilizar la aproximación binomial de la hipergeométrica).
(c) ¿El plan 2 protege similarmente al proveedor que el plan 1? ¿Y al comprador?
Justificar.
(d) ¿El plan 3 protege más al comprador que el plan 1? ¿Y al proveedor? Justificar.
6.17 ! En una pieza fabricada existen dos tipos de falla, en forma independiente:
por abolladura con una probabilidad de 0.1 y por rotura con una probabilidad de
0.2. Hallar la probabilidad de que al tomar 8 piezas,
(a) más de una sea defectuosa sólo por abolladura.
(b) una resulte defectuosa sólo por rotura.
(c) a lo sumo una tenga ambos defectos.
(d) menos de 2 tengan algún defecto.
(e) por lo menos una no tenga defectos.
(f) 2 estén abolladas solamente, 3 estén rotas solamente, 1 tenga ambos defectos y
el resto sean buenas.
6.18 En una fábrica hay cuatro máquinas A, B, C y D que producen el 30 %, 20 %,
10 % y 40 % de la producción total, respectivamente. Si se sabe que en diez artı́culos
tomados al azar de la producción, exactamente dos provienen de la máquina A, ¿cuál
es la probabilidad de que haya exactamente dos provenientes de la máquina B?

6.19 Se tienen siete dados equilibrados: uno normal y seis con seis ases. Se
realizan los siguientes tres experimentos:
E1 : Se elige al azar uno de los siete dados y se lo arroja tres veces;
E2 : Tres veces se elige al azar uno de los siete dados, y se lo arroja (reponiéndolo
luego entre los otros);
E3 : Se eligen al azar tres de los siete dados, y se los arroja.
Sea Ai el evento: “en el experimento Ei no se obtuvo ningún as”.
(a) Sin usar lápiz y papel, ¿podrı́a Ud. determinar cuál es la máxima de las proba-
bilidades PpAi q? ¿Y la mı́nima?
(b) Calcular las tres probabilidades P pAi q. Si sus respuestas en Inciso (a) fueron
incorrectas, trate de entender por qué.

6.20 Se tirará un dado equilibrado hasta que salga el as. Sea N la cantidad
de tiradas necesarias y sea M la cantidad de cuatros obtenidos. Calcular ErM s y
covpN, M q.
6.21 ! Un motoquero transita por una avenida. Las probabilidades de que al

momento de llegar a un semáforo se encuentre en rojo, amarillo o verde son 0.45,
0.05 y 0.5 respectivamente. Los estados de los semáforos son independientes entre
sı́ y el motoquero sólo se detiene al encontrar un semáforo en rojo. Sea X la cantidad
de luces amarillas que atravesó hasta detenerse.
(a) Calcular la media y varianza de X.
(b) Hallar la función de probabilidad de X.
6.22 ! Un juego consiste en arrojar una moneda legal 5 veces y contar el número
de caras obtenidas (Fase I del juego). Luego, la Fase II consiste en:
arrojar la moneda tantas veces como cantidad de caras obtenidas en la Fase
I, si el número de caras obtenido en la Fase I es mayor que 3;
arrojar la moneda hasta obtener un total de 4 caras (incluyendo las obtenidas
en la fase I), si el número de caras obtenido en la Fase I es a lo sumo 3.
Calcular el valor esperado de la cantidad de tiros efectuados en la Fase II.
6.23 Se trata de que un proceso de fabricación no produzca más del 5 % de artı́culos

defectuosos. A tal efecto se lo controla periódicamente examinando n artı́culos y si
alguno de ellos es defectuoso, se detiene el proceso para revisarlo.
(a) Si el proceso de fabricación realmente está trabajando al 5 % de artı́culos de-
fectuosos y se examinan n 20 artı́culos, ¿cuál es la probabilidad de detener el
proceso innecesariamente?
(b) Hallar la cantidad mı́nima de artı́culos que deberán examinarse si se desea
que la probabilidad de detener el proceso cuando realmente está trabajando al 6 %
de defectuosos sea por lo menos 0.99. Con ese tamaño de muestra, ¿cuál es la
probabilidad de detener el proceso innecesariamente?

6.24 En un tramo de una lı́nea de montaje se realizan las operaciones 1, a cargo
de Luis, y 2, a cargo de José. Ambos son especialistas y que producen un 5 % de
defectos cada uno. Cuando falta alguno de ellos, y lo hacen aleatoria e indepen-
dientemente el 8 % de los dı́as, son reemplazados por auxiliares no especializados
que trabajan con un 20 % de defectos cada uno. Cada unidad es defectuosa si existe
defecto en cualquiera de las operaciones del montaje, que son independientes. Si
un dı́a se toma una muestra de 20 unidades y resultan 2 defectuosas, ¿cuál es la
probabilidad de que ese dı́a haya faltado alguno de los especialistas?
6.25 La probabilidad de dar en el blanco de dos tiradores A y B es respectivamente

0.4 y 0.7. Cada uno hace cinco disparos. Si se sabe que juntos acertaron 6 tiros,
¿cuál es la probabilidad de que A haya acertado dos?
6.26 En un proceso de producción en serie las piezas tienen dos tipos de defectos:
de forma o de color. La probabilidad de que una pieza tenga un defecto de forma
es 0.1; la probabilidad de que tenga un defecto de color es de 0.72 si tiene defecto
de forma, y de 0.08 cuando no tiene defecto de forma. Cuando se detecta una pieza
con ambos defectos se suspende la producción formando un lote con las piezas
producidas hasta ese momento, incluyendo la pieza con ambos defectos. ¿Cuál es
la cantidad media de piezas defectuosas por lote?
6.27 h Sea X1 , X2 , . . . una secuencia de variables aleatorias, todas de media 2,

y N una variable geométrica(p 2{3), independiente de las Xi . Calcular ErX1
XN |N ¥ 2s.
6.28 Sea un dado de 4 caras a, b, c, d, con probabilidades pa , pb , pc , pd , respecti-
vamente. El dado se lanza n veces, en forma independiente.
(a) Sean Xa , Xb , Xc , Xd la cantidad de lanzamientos en los que el dado cae en la
cara a, b, c, d. ¿Cuál es la distribución de cada una de las Xi ? Justificar.
(b) ¿Cuál es la covarianza entre Xa y Xb si pi 1{4? Interpretar el signo del
resultado.
(c) h ¿Cuál es la covarianza entre Xa y Xb ? Interpretar el signo del resultado.
6.29 h Un empresario de la industria del juego propone un nuevo entretenimiento

para su casino: “Se le entrega un dado legal. Usted sigue tirando hasta que saque un
6. Usted recibe una cantidad fija de $1 por cada tiro que realizó donde el resultado
fue un número impar.” Sea R la cantidad de dinero que recibe un jugador.
(a) Hallar el valor medio de R. Si se paga un monto fijo de $5 para poder jugar,
¿es este juego conveniente para el casino?
(b) Hallar la varianza de R.
(c) Hallar la función de probabilidad de R.
Guı́a 7
7.1 El número de buques tanque que llegan en un dı́a a una refinerı́a tiene una
distribución de Poisson de media µ 2. Si más de tres buques llegan en un dı́a, los
que están en exceso deben enviarse a otro puerto, pues las actuales instalaciones
portuarias pueden despachar a lo sumo tres buques al dı́a.
(a) ¿Cuál es la probabilidad de tener que hacer salir buques en un dı́a determinado?
(b) ¿Cuál es el número más probable de buques que llegan en un dı́a?
(c) ¿Cuál es el número esperado de buques atendidos diariamente?
(d) ¿Cuál es el número esperado de buques rechazados diariamente?
(e) ¿En cuánto deben aumentarse las instalaciones actuales para permitir la aten-
ción a todos los buques el 90 % de los dı́as?
7.2 La cantidad de insectos que arriban a la mesa de un asado responde a una

distribución Poisson de media µ 60. Cada insecto puede ser una mosca con
probabilidad p 2{3. La cantidad de insectos y la naturaleza de cada uno de ellos
son independientes.
(a) Dado que arribaron 60 insectos, ¿cuál es la distribución de la cantidad de moscas
en la mesa?
(b) Hallar la probabilidad de que arriben 50 insectos y 35 de ellos sean moscas.
(c) ¿Cuál es la distribución de la cantidad de moscas que arriban a la mesa?
7.3 Una fábrica textil produce rollos de tela con dos tipos de fallas: de tejido y de
teñido. En cada rollo, la cantidad de fallas de tejido tiene distribución Poisson de
media µ1 2 y la cantidad de fallas de teñido tiene distribución Poisson de media
µ2 4. Ambas cantidades son independientes.
(a) ¿Cuál es la probabilidad de que un rollo de tela no tenga fallas?
(b) ¿Cuál es la probabilidad de que un rollo de tela tenga exactamente una falla?
(c) Dado que un rollo de tela tiene exactamente una falla, ¿cuál es la probabilidad
de que ésta sea una falla de tejido?
7.4 La cantidad de relámpagos durante una tormenta tiene una distribución Poisson
de media µ, donde µ es una variable aleatoria con distribución uniforme sobre el
intervalo r3, 8s. Calcular la probabilidad de que en un dı́a de tormenta, se observe
al menos un relámpago.
7.5 La duración de un cierto componente eléctrico es una variable aleatoria expo-

nencial de media 1000 hrs.
(a) ¿Cuál es la probabilidad de que dicho componente dure más de 200 hrs.?
(b) Si se sabe que luego de 1200 hrs. estaba funcionando, ¿cuál es la probabilidad
de que dure más de 1400 hrs.?
(c) Comparar las probabilidades obtenidas en ambos incisos y obtener una conclu-
sión.
(d) Repetir los cálculos si la duración del componente fuese una variable con dis-
tribución gamma de media 4000 hrs. y desvı́o 2000 hrs.
7.6 Sean X1 y X2 variables exponenciales independientes con intensidad λ. Sean

X X1 y S X1 X 2 .
(a) Hallar la densidad conjunta de X y S. ¿Son X y S independientes?
(b) Calcular PpX P r0, 1s|S 3q.
7.7 La cantidad de clientes que recibe un servidor en una hora obedece a una
distribución Poisson de media µ 4. El tiempo de trabajo (en minutos) consumido
en cada servicio es una variable aleatoria con distribución exponencial de media
5. Sabiendo que durante la primera hora el servidor recibió menos de 3 clientes,
hallar la función de distribución del tiempo de trabajo consumido por el servidor y
el valor medio de dicho tiempo.

7.8 La cantidad de relámpagos durante una tormenta tiene una distribución
Poisson de media µ, donde µ es una variable aleatoria con distribución exponencial
de intensidad 3.
(a) Calcular la probabilidad de que en un dı́a de tormenta no se observe ningún
relámpago.
(b) ¿Cuál es la distribución de la cantidad de relámpagos durante una tormenta?
7.9 ! Sea tN ptq, t ¥ 0u el proceso de conteo asociado a un proceso de Poisson de

intensidad 8. Calcular
(a) PpN p1q 2q.
(b) PpN p2q N p1q 3q.
(c) PpN p1q 2, N p2q N p1q 3, N p4q N p2q 5q.
Sea T el tiempo de espera hasta que ocurre el cuarto evento del proceso de Poisson.
Calcular
(d) ErT s.
(e) ErT |N p1q 2s.
7.10 A un quiosco llegan clientes de acuerdo con un proceso de Poisson de inten-

sidad 30 por hora.
(a) Hallar la probabilidad de que en media hora lleguen exactamente 15 clientes.
(b) Hallar la probabilidad de que el tiempo de espera entre la octava y la décima
llegada supere los 5 minutos.
7.11 ! Los colectivos de la lı́nea 61.09 llegan a la parada de Paseo Colón 850 según
un proceso Poisson de intensidad 12 por hora.
(a) Andrés llega a la parada del 61.09 a las 19:30. Calcular la probabilidad de que
Andrés tenga que esperar más de 5 minutos hasta que llegue el próximo colectivo.
(b) Jemina llega a la parada del 61.09 a las 19:31. Calcular la probabilidad de que
Jemina tenga que esperar más de 5 minutos hasta que llegue el próximo colectivo.
(c) Martı́n llega a la parada del 61.09 en un horario aleatorio T cuya densidad de
probabilidades es fT ptq π4 |senpπ pt 19 : 30qq| 1t19 : 30 t 19 : 32u. Calcular
la probabilidad de que Martı́n tenga que esperar más de 5 minutos hasta que llegue
el próximo colectivo.
7.12 ! A un banco llegan clientes de acuerdo con un proceso de Poisson de in-

tensidad 10 por hora. Suponiendo que dos clientes llegaron durante la primer hora,
¿cuál es la probabilidad de que
(a) ambos lleguen durante los primeros 20 minutos?
(b) al menos uno llegue durante los primeros 20 minutos?

7.13 Los errores en un libro aparecen según un proceso Poisson. Se sabe que en
las primeras 500 páginas hay un total de 500 errores. Hallar la probabilidad de que
la página 1 contenga al menos tres errores.
7.14 Ocurren choques de acuerdo a un proceso de Poisson de intensidad 1 por

segundo. Independientemente, cada choque hace que un sistema falle con probabi-
lidad 1{2. Sea T el tiempo en que falla el sistema. Hallar la distribución de T , ErT s
y varpT q.
7.15 ! Una máquina produce rollos de alambre. El alambre tiene fallas distribuidas
como un proceso de Poisson de intensidad 1 cada 25 metros. La máquina detecta
cada falla con probabilidad 0.9 y corta el alambre en la primer falla detectada antes
de los 25 metros o a los 25 metros si no se detectan fallas antes.
(a) Hallar la media de la longitud de los rollos de alambre.
(b) Hallar la cantidad media de fallas en los rollos.
7.16 ! [ver Ejercicio 4.14]

(a) Sean A y B dos procesos de Poisson independientes de tasa 1. ¿Cuál es la pro-
babilidad de que al superponerlos, los dos primeros eventos observados provengan
del proceso A?
(b) Sean X1 , X2 , X3 variables aleatorias independientes exponenciales de media
1. Calcular la probabilidad de que X1 supere a X2 X3 (sugerencia: utilizando
correctamente el resultado del inciso anterior, no es necesario hacer ninguna cuen-
ta).
7.17 Familias de argentinos migran a Italia de acuerdo con un proceso de Poisson

de tasa 4 por semana. Si el número de integrantes de cada familia es independiente y
puede ser 2, 3, 4, 5 con probabilidades respectivas 0.1, 0.2, 0.3, 0.4, ¿cuál es el valor
esperado del número de argentinos que migran a Italia durante un perı́odo fijo de
15 semanas?
7.18 ! En un puesto de peaje se sabe que los vehı́culos arriban con una tasa de
10 por minuto. El 70 % de las veces es un auto, el 10 % de las veces es una moto, y
el 20 % de las veces es un camión. Los coches transportan en promedio una carga
de 400 kg., las motos de 120 kg., y los camiones de 1300 kg.
(a) Encontrar la probabilidad de que en media hora crucen por el peaje a lo sumo
2 autos.
(b) Hallar la probabilidad de que en 1 minuto pasen 7 autos, 2 camiones y 1 moto.
(c) Hallar la carga media que transporta un vehı́culo que pasa por el peaje.
(d) Hallar la carga media total que atraviesa el peaje durante 1 hora.

7.19 ! A una lı́nea de embalaje arriban en forma independiente piezas produci-
das por las máquinas A y B. Las piezas de la máquina A lo hacen según un proceso
Poisson de tasa 2 por minuto, mientras que las de la máquina B también lo hacen
en forma Poisson pero con tasa 3 por minuto. Las piezas de ambas máquinas llegan
a la lı́nea de embalaje y por orden de arribo son embaladas de a pares. Hallar la
media y la varianza del tiempo transcurrido hasta la aparición de un par embalado
formado por una pieza proveniente de cada máquina.
7.20 ! Los mensajes que son spam arriban según un proceso Poisson de tasa
λs 8 mensajes por hora, mientras que los que no son spam (regulares) lo hacen
con λr 2 mensajes por hora, e independientemente de los spam. De los mensajes
regulares, con probabilidad p 0.05 y de manera independiente son invitaciones
para salir con amigos.
(a) Se tardan 2 segs. en reconocer y borrar un mensaje de spam. El tiempo para
leer y contestar un mensaje regular es uniforme entre 60 y 120 segs. Encontrar la
media y varianza del tiempo necesario para procesar todos los mensajes recibidos
entre las 12 y 22 hrs.
(b) Si acaba de recibirse un mensaje nuevo, hallar la probabilidad de que sea una
invitación para salir con amigos.
(c) La cuenta acaba de ser verificada. Encontrar la media del número de mensajes
de spam que se recibirán hasta la llegada del próximo mensaje regular.
(d) Entre las 10 y 14 hrs. arribaron 10 mensajes de spam. Calcular la probabilidad
de que exactamente 3 de ellos hayan arribado entre las 11 y 12 hrs.
(e) Luego de chequear el correo, una persona se queda dormida durante un tiempo
aleatorio con distribución exponencial de media 1. Si al despertarse observa que no
recibió mensajes nuevos, hallar la función de densidad condicional del tiempo que
estuvo dormida (condicionada al hecho de que en ese tiempo no recibió mensajes).
7.21 Una fábrica textil produce rollos de tela para una camiserı́a. La tela se teje
en una máquina que produce fallas de tejido de acuerdo con un proceso de Poisson
de intensidad 2 cada 300 metros. La tela se corta en piezas de 100 metros de largo
y cada pieza pasa a la máquina de teñido. Cuando una pieza de tela no tiene fallas
de tejido la cantidad de fallas de teñido es una variable aleatoria con distribución
Poisson de media 1. En cambio, si la pieza tiene fallas de tejido la cantidad de
fallas de teñido una variable aleatoria con distribución Poisson de media 2. Hallar
la distribución de la cantidad de fallas en una pieza enrollada.

7.22 h En el contexto del Ejercicio 7.11 Ignacio llega a la parada del 61.09 a
las 19:35 y se sube en el primer colectivo de dicha lı́nea que arribe a la parada.
(a) Calcular la probabilidad de que el último colectivo haya pasado por lo menos 5
minutos antes de la llegada de Ignacio a la parada y que el próximo tarde más de
5 minutos en llegar a la parada.
(b) Hallar la media del tiempo transcurrido entre el instante en que pasó el último
colectivo antes de la llegada de Ignacio a la parada y el instante en que llegó el
colectivo en que se subió Ignacio.
7.23 La llegada de aviones a un aeropuerto de una determinada ciudad responde

a un proceso Poisson con una media de 12 aviones por hora. Un oficial de control
llega cada dı́a de la semana y permanece en el aeropuerto el tiempo necesario has-
ta que llega el décimo avión. Si al cabo de una semana (5 dı́as hábiles) el tiempo
que permaneció el oficial en el aeropuerto superó las 4 horas, ¿cuál es la probabi-
lidad de que dicho tiempo haya excedido las 5 horas? Suponer que los tiempos de
permanencia de dos dı́as diferentes son independientes.
7.24 Un proceso de arribos comienza en t 0 y los tiempos entre arribos T1 , T2 , . . .

son variables aleatorias independientes, cada una con función densidad dada por
fTi ptq p2et 3tet q{5 1tt ¡ 0u.
(a) Calcular la media de T1 .
(b) Calcular la probabilidad de que no ocurran arribos entre t 0 y t 2.
7.25 O A una estación de trenes llegan personas de acuerdo con un proceso de

Poisson de intensidad 50 por minuto. El tren parte a los 20 minutos. Sea T la
cantidad total de tiempo que esperaron todos aquellos que subieron al tren. Hallar
ErT s y varpT q. (sugerencia: condicionar al valor de N p20q cantidad de llegadas
en 20 minutos y usar la fórmula de probabilidad total.)

7.26 Clientes ingresan a un banco según un proceso de Poisson de tasa 10 por
hora. El 30 por ciento de los clientes son mujeres. ¿Cuál es la probabilidad de que en
el lapso hasta la llegada del sexto hombre hayan ingresado exactamente 2 mujeres?
7.27 A un hospital llegan personas de acuerdo con un proceso de Poisson de inten-

sidad 1 cada hora. Cuando una persona ingresa al hospital, la probabilidad de que
esté gravemente enferma es 0.4. (cada una en forma independiente de las otras). La
jornada de atención del hospital es de 24 horas.
(a) El costo de atender a una persona que está gravemente enferma es de $10 y el
de atender a una persona que no esté gravemente enferma es de $2. Hallar el costo
medio de una jornada de atención.
(b) Sabiendo que el costo de una jornada de atención fue de $10, hallar la distri-
bución de la cantidad de personas que llegaron al hospital en esa misma jornada.
7.28 h Una máquina produce rollos de alambre. El alambre tiene fallas distribuidas
como un proceso de Poisson de intensidad 1 cada 25 metros. La máquina corta el
alambre en la primer falla detectada después de los 50 metros, pero detecta las fallas
con probabilidad 0.9. Si entre los 50 y los 150 metros no detecta ninguna falla, la
máquina corta el alambre a los 150 metros. Hallar la cantidad media de fallas en
los rollos.
7.29 [ver Ejercicio 7.16] Lucas entra en un banco que tiene dos cajas indepen-
dientes. Pablo está siendo atendido por el cajero 1 y Pedro por el cajero 2. Lucas
será atendido tan pronto como Pedro o Pablo salgan de la caja. El tiempo, en mi-
nutos, que demora el cajero i en completar un servicio es una variable aleatoria
exponencial de media 23i , i 1, 2. Hallar
(a) la probabilidad de que Pablo sea el primero en salir;
(b) la probabilidad de que Pablo sea el último en salir.
7.30 Un contador recibe impulsos de dos fuentes independientes, A y B. La fuente

A genera impulsos de acuerdo con un proceso de Poisson de tasa 3, mientras que la
fuente B genera impulsos siguiendo un proceso de Poisson de tasa 5. Suponer que
el contador registra todo impulso generado por las dos fuentes.
(a) Hallar la probabilidad de que el primer impulso registrado sea de la fuente A.
(b) Dado que exactamente 100 impulsos fueron contados durante la primer unidad
de tiempo, ¿cuál es la distribución de la cantidad emitida por la fuente A?
7.31 En hora pico, una autopista recibe tráfico de 3 entradas, A, B y C, en forma

independiente, que tienen tasas de 30, 35 y 25 vehı́culos por minuto, respectiva-
mente. De los vehı́culos que llegan por A o B, el 30 % se desvı́a por colectora (o
sea, no van por la autopista). En la autopista hay un puesto de peaje (luego de las
3 entradas).
(a) ¿Cuál es la probabilidad de que al peaje lleguen 3 autos en menos de 5 segundos?
(b) ¿Cuál es la probabilidad de que pasen más de 5 autos hasta que pasa uno
proveniente de la entrada A?
(c) Se sabe que en un lapso de 15 segundos pasaron por el peaje 20 vehı́culos. ¿Cuál
es la probabilidad de que la mitad de ellos haya pasado en los últimos 5 segundos?
(d) En el peaje se instala un contador de vehı́culos, pero el mismo funciona inter-
mitentemente. Cada vez que funciona, el tiempo durante el cual lo hace no es fijo
sino que es una variable Ti U p10, 15q segundos. Sea Xi la cantidad de vehı́culos
registrados la i-ésima vez que funciona el dispositivo. La cantidad de veces que el
dispositivo funciona durante un minuto es una variable Nj distribuida uniforme-
mente a valores t1, 2, 3, 4u. Si cada una de las secuencias tTi u, tXi u y tNj u son
i.i.d., hallar la cantidad media de vehı́culos registrados por el dispositivo durante 1
hora.
7.32 h [Ross, pág. 351 ] Sea S ptq el precio de un seguro a tiempo t. Un modelo
para el proceso tS ptq, t ¥ 0u supone que el precio se mantiene constante hasta
que ocurre un “sobresalto”, en ese momento el precio se multiplica por un factor
aleatorio. Sea N ptq la cantidad de “sobresaltos” a tiempo t, y sea Xi el i-ésimo
factor multiplicativo, entonces el modelo supone que
pq
¹t
N
S ptq S p0q Xi

i 1
±0
donde si N ptq 0, se define i1 Xi 1. Suponer que los factores son variables ex-
ponenciales independientes de tasa 1{2, que tN ptq, t ¥ 0u es un proceso de Poisson
de tasa 1, independiente de los Xi , y que S p0q 1.
(a) Hallar ErS ptqs (sugerencia: usar la fórmula de probabilidad total condicionando
a los posibles valores de N ptq y el desarrollo en serie de Taylor de la exponencial.)
(b) Hallar ErS 2 ptqs.
7.33 O En la fila de un cajero automático hay personas que esperan realizar una
operación; cada vez que una persona termina su operación, la siguiente comienza
la suya. Las personas son impacientes, e independientemente de lo que hagan las
demás, cada una espera solamente un tiempo exponencial de tasa 1; luego del cual
si no ha comenzado su operación se retira de la fila. Por otra parte, los tiempos
consumidos en cada operación son independientes y exponenciales de tasa 10. Si una
persona está utilizando el cajero, hallar la probabilidad de que la octava persona
en la fila realice su operación.
Guı́a 8
8.1 Sea X una variable aleatoria con distribución normal estándar.

(a) Usando una tabla, calcular Pp0.43 X 1.32q, Pp1.28 X 1.64q y
Pp|X | 1.64q.
(b) Usando una tabla, encontrar las constantes que satisfacen las siguientes ecua-
ciones PpX aq 0.1, PpX ¡ bq 0.2, Pp|X | cq 0.95.
8.2 ! Para modelar el precio del kilo de asado se usa una variable aleatoria con dis-
tribución normal de media 3 dólares y varianza 4. ¿Qué puede decirse de semejante
modelo? ¿Y si su media fuese 8 dólares? ¿Y si su media fuese 14 dólares?
8.3 [Control Estadı́stico de Procesos] Sea X una variable observable de un proceso

industrial. Se dice que el proceso funciona bajo control cuando es estable, es decir,
cuando la variación aleatoria de X se corresponde con los valores históricos de su
media µ y desvı́o σ en todo momento. En caso contrario, se dice que el proceso
está fuera de control.
Para evaluar si se descontrola el proceso, se toman mediciones de la variable cada
15 minutos y se definen las siguientes señales de descontrol, es decir, eventos muy
improbables cuando el proceso está bajo control. De producirse alguno de estos
eventos, se concluirı́a que el proceso dejó de estar bajo control:
Un valor que satisfaga |X µ| ¡ 3σ Ñ un valor muestral está fuertemente
fuera de control.
Al menos dos de tres valores consecutivos son superiores a µ 2σ (o inferiores
a µ 2σ) Ñ existe una tendencia moderada a que las muestras se encuentren
moderadamente fuera de control.
Al menos cuatro de cinco valores consecutivos son superiores a µ σ (o
inferiores a µ σ) Ñ existe una tendencia fuerte a que las muestras se
encuentren ligeramente fuera de control.
Ocho o más valores consecutivos superan a µ (o no lo superan) Ñ existe un
sesgo prolongado.
La media y la dispersión históricas de X son µ 162.4 y σ 0.2.
(a) Encontrar cotas para la probabilidad de cada señal de descontrol sin importar
cuál sea la distribución de probabilidad de X.
(b) Asumiendo ahora que la variable X tiene distribución normal de media µ y
desvı́o σ, calcular las probabilidades de cada señal de descontrol, y verificar que
todas son 0.005.
(c) Luego de un dı́a de trabajo se tomaron 50 mediciones y se volcaron en el siguiente
gráfico (gráfico de control ). Analizarlo, y decir si aparecen señales de descontrol, o
si, por el contrario, el proceso funciona controlado.
Nota: De las señales de descontrol indicadas arriba se excluyó una de más útiles en
la práctica real: “Seis o más puntos consecutivos en tendencia creciente (o decre-
ciente)”. La probabilidad de esta señal de descontrol en el caso normal es 0.0015,
aunque su cálculo es más complejo que el de las otras.
163
162.8
162.6
162.4
162.2
162
161.8
8.4 ! Un distribuidor de arandelas cuenta con dos proveedores. De acuerdo a las

especificaciones provistas, el proveedor A ofrece arandelas cuyo diámetro (en mm.)
se rige por una distribución normal de media 15 y varianza 9; mientras que las
del proveedor B también son normales con media 23 y desvı́o 3. Lamentablemente
las cajas de los proveedores se colocaron en el depósito sin ser etiquetadas. Para
decidir cada caja de qué proveedor proviene, se mide una arandela y si su diámetro
es inferior a 19 mm. se decide que esa caja es del proveedor A.
Calcular la probabilidad asociada a los dos errores que pueden cometerse por
usar dicha regla.
8.5 La vida en horas de una lámpara tiene una distribución normal de media
100 horas. Si un comprador exige que por lo menos el 90 % de ellas tenga una
vida superior a las 80 horas, ¿cuál es el valor máximo que puede tomar la varianza
manteniendo siempre satisfecho al cliente?
8.6 En un establecimiento agropecuario, el 10 % de los novillos que salen a venta

pesan más de 500 kg. y el 7 % pesa menos de 410 kg. Si la distribución es normal,
calcular
(a) el peso superado por el 15 % de los novillos.
(b) un intervalo de confianza al 95 % para el peso de los novillos.
(c) la probabilidad de que en una jaula de 25 novillos haya alguno con un peso
inferior a 400 kg.
8.7 Sea X U p3, 4q e Y |X x N px, 1q. Usando la tabla de la función de

distribución de la variable normal, calcular fY p5q y PpX ¡ 3.5|Y 5q.
8.8 ! [ver Ejercicio 4.30] Sean X e Y variables aleatorias N p0, 1q independien-

tes. Hallar la función densidad conjunta y las funciones densidad marginales de
W X Y y Z X Y . ¿Qué se puede concluir sobre la covarianza y la inde-
pendencia entre W y Z?
8.9 En una lı́nea de montaje se arma un mecanismo que tiene un eje que gira dentro
de un buje. Un eje y un buje ajustan satisfactoriamente si el diámetro del segundo
excede al del primero en no menos de 0.005 y no más de 0.035. Los diámetros de los
ejes y los bujes son variables aleatorias con distribuciones uniformes independientes
en el intervalo p0.74, 0.76q para los ejes y p0.76, 0.78q para los bujes.
(a) ¿Cuál es la probabilidad de que un eje y un buje tomados al azar ajusten
satisfactoriamente?
(b) Considere ahora que las variables son normales con las mismas medias y desvı́os
que en el inciso anterior y recalcule la misma probabilidad.
8.10 ! Una conserva se venderá envasada en latas. Las distribuciones de los pesos
(en gr.) y sus costos (en $ por gr.) son los siguientes:
Peso neto X es normal de media 49.8 y desvı́o 1.2.

Peso del envase Y es normal de media 8.2 y desvı́o 0.6.
Costo de la conserva CC 0.06.
Costo del envase CE 0.008.
(a) Calcular la probabilidad de que una unidad terminada tenga un costo inferior
a $3.
(b) Hallar la probabilidad de que el costo del producto terminado supere en más
del 2 % al costo del peso neto.
8.11 La cantidad de artı́culos vendidos por hora en un comercio obedece a un

proceso de Poisson de intensidad 1{2. El precio de venta (en $) de un artı́culo
cualquiera sigue una distribución normal de media 240 y desvı́o 70. Si en un lapso
de 6 horas se vendieron 2, 3 ó 4 artı́culos, hallar la probabilidad de que se haya
vendido un monto superior a $680.

8.12 Una carpinterı́a recibe igual cantidad de tablas de dos aserraderos A y B.
En el primero, la longitud (en mts.) de las mismas tiene distribución normal con
media 3.8 y desvı́o estándar 0.3; en el segundo, la distribución también es normal,
pero con parámetros 3.9 y 0.35 respectivamente. Una vez guardadas en depósito,
no es posible saber de qué aserradero proviene cada tabla. Si se toma una tabla
del depósito cuya longitud es de 3.7 mts., ¿cuál es la probabilidad de que la misma
provenga del aserradero B?
8.13 Una empresa tiene 3 vendedores, A, B y C. Las ventas diarias de cada uno
son sumamente variables y se conocen sus medias y desvı́os pero no sus leyes de
distribución. Dichos parámetros valen 100 y 45 para A, 120 y 30 para B, y 94 y 15
para C. Calcular
(a) la probabilidad de que en 60 dı́as hábiles las ventas de A superen los 6500.
(b) la probabilidad de que en 60 dı́as hábiles B venda al menos un 30 % más que
C.
(c) la venta total mı́nima que, con 95 % de confiabilidad podrá obtenerse con los 3
durante los próximos 60 dı́as hábiles.
8.14 Ï El Sr. Gómez sale de su trabajo a las 19:00 en punto y se dirige a la

parada del colectivo 528 (posición 1 en el mapa de la figura) para volver a su casa.
Dicha lı́nea de colectivos tiene una frecuencia exacta de un coche cada 6 min. El Sr.
Gómez ignora a qué hora vendrá el próximo coche, por lo que el tiempo de espera
hasta su llegada es considerado uniforme. Una vez que Gómez subió, el colectivo
demora en llegar a la posición 2 un tiempo aleatorio en minutos U p6, 9q. Allı́ hay
un semáforo que se encuentra en verde el 40 % de las veces. Si no está verde, debe
esperar 3 min. El tiempo (en minutos) que tarda el colectivo en recorrer el trayecto
de 2 a 3 es una variable aleatoria X con distribución fX pxq 9 x 1t0 x 10u. El
semáforo que está en 3 lo pasa en verde con probabilidad 0.3. Si está en rojo debe
esperar un tiempo aleatorio en minutos U p0, 2q. Luego, se demora exactamente 12
min. en llegar al paso a nivel en 4, donde la barrera está baja con probabilidad
0.8, en cuyo caso debe esperar 5 min. el paso del tren. La demora en minutos del
trayecto de 4 a 5 tiene distribución U p15, 20q, mientras que la del trayecto de 5
a 6 tiene distribución fY py q 9 y 2 1t0 y 5u. Gómez se baja en 6, y camina
exactamente 3 min. hasta llegar a su casa en 7. Sea T la variable aleatoria asociada
al tiempo que tarda el Sr. Gómez en llegar a su casa desde el trabajo.
(a) Simular el viaje n veces. Construir un histograma con los valores simulados y ex-
plorar informalmente si la distribución de T podrı́a considerarse aproximadamente
normal.
(b) En caso afirmativo, simular la probabilidad de que Gómez llegue a tiempo a
su casa para ver completa la telenovela de las 20:00 y compararla con el resultado
analı́tico aproximado.
8.15 La probabilidad de que un tirador haga impacto en el blanco en un disparo

es 1{2.
(a) Calcular en forma aproximada la probabilidad de que en 12 disparos el tirador
consiga impactar exactamente 6 veces al blanco.
(b) Calcular en forma aproximada la probabilidad de que en 12 disparos el tirador
haga impacto en el blanco por lo menos 6 veces.
(c) Comparar los resultados obtenidos con los resultados exactos.
(d) Repetir los incisos anteriores cuando la probabilidad de que el tirador haga
impacto en el blanco en un disparo es 1{20.
8.16 ! Ï Supóngase que Sn tiene distribución binomialpn, pq, cuyos parámetros

n y p se describen más abajo. Calcular PpSn k q, k 1, 2, . . . , 25 por la fórmula
exacta y por las siguientes aproximaciones
1. Aproximación por la densidad normal:

k np
PpSn kq 1
a φ a
npp1 pq npp1 pq
2. Corrección por continuidad:

k np 1{2 k np 1{2
PpSn k q P k Sn k Φ Φ
1 1
a a
2 2 npp1 pq npp1 pq
Comparar (por gráficos) cuán buenas son las aproximaciones y cuán necesaria es la
corrección por continuidad de acuerdo con los valores de n y p.
Utilizar n 5, 8, 10, 15, 20, 25, 50, 100, 200 y p p0.05qs, s 1, 2, . . . , 10.
8.17 Tres números se redondean al entero más cercano y se suman. Se asume que
los errores individuales de redondeo se distribuyen uniformemente sobre el intervalo
p0.5, 0.5q.
(a) Calcular en forma aproximada la probabilidad de que la suma de los números
redondeados difiera de la suma exacta en más de 1.
(b) Ï Simular la probabilidad pedida y compararla con el resultado analı́tico
aproximado.
8.18 Ï Sea X X1 X2 X3 X4 X5 , con Xi U p0, 1q e independientes. Se

desea saber si la distribución de X puede o no aproximarse por una normal.
(a) Generar 200 o más copias simuladas de X, construir un histograma y explorar
informalmente si la aproximación normal podrı́a considerarse adecuada.
(b) Repetir lo anterior con X5 U p0, 20q y las demás condiciones inalteradas.
¿Cómo explica los resultados?
8.19 En un sistema electrónico se producen fallas de acuerdo con un proceso de

Poisson de tasa 2.5 por mes. Por motivos de seguridad se ha decidido cambiarlo
cuando ocurran 196 fallas.
(a) Calcular (aproximadamente) la probabilidad de que el sistema sea cambiado
antes de los 67.2 meses.
(b) Ï Simular la probabilidad pedida y compararla con el resultado analı́tico
aproximado.
8.20 Una máquina selecciona ciruelas y las separa de acuerdo con el diámetro x
(medido en cm.) de cada una. Las de diámetro superior a 4 cm. se consideran de
clase A y las otras de clase B. El diámetro de cada ciruela es una variable aleatoria
uniforme entre 3 y 5 cm. El peso (medido en gramos) de cada ciruela depende de su
diámetro y es x3 . Si las cajas vacı́as pesan 100 gramos, hallar en forma aproximada
la probabilidad de que una caja con 100 ciruelas de tipo A pese más de 9.6 kilos.

8.21 En un taller de manufactura, la fracción de unidades defectuosas varı́a
diariamente en forma aleatoria con media 0.1 y desvı́o estándar 0.03. A su vez, la
producción diaria es también variable e independiente de la anterior, con media
500 unidades y desvı́o 120 unidades. El costo total diario tiene una parte fija de
$0.8 por unidad producida (buena o defectuosa) más $3.4 por unidad defectuosa.
Calcular el costo total para 90 dı́as superado con 90 % de probabilidad.
8.22 ! Una excursión dispone de 100 plazas. La experiencia indica que cada reserva
tiene una probabilidad 0.1 de ser cancelada a último momento. No hay lista de
espera. Se supone que los pasajeros hacen sus reservas individualmente, en forma
independiente. Se desea que la probabilidad de que queden clientes indignados por
haber hecho su reserva y no poder viajar sea ¤ 0.01. Calcular el número máximo
de reservas que se pueden aceptar.
8.23 ! Lucas y Monk palean arena cargando un volquete. La probabilidad de

que una palada sea de Monk es 0.4 y la probabilidad de que sea de Lucas es 0.6.
El volumen en decı́metros cúbicos de la palada de Lucas es una variable aleatoria
uniforme entre 1 y 3, y el de la palada de Monk es una variable aleatoria uniforme
entre 2 y 4. ¿Cuántas paladas son necesarias para que la probabilidad de que el
volquete tenga más de 4 metros cúbicos de arena supere 0.9?
8.24 El peso W (en toneladas) que puede resistir un puente sin sufrir daños estruc-
turales es una variable aleatoria con distribución normal de media 1400 y desvı́o
100. El peso (en toneladas) de cada camión de arena es una variable aleatoria de me-
dia 20 y desvı́o 0.25. ¿Cuántos camiones de arena debe haber, como mı́nimo, sobre
el tablero del puente para que la probabilidad de que ocurran daños estructurales
supere 0.1?
8.25 [Capacidad de procesos] La calidad de un proceso industrial suele caracterizar-

se por alguna variable aleatoria X, medible sobre dicho proceso o sobre el producto
fabricado por él (por ejemplo, X puede ser el diámetro de piezas torneadas, la co-
rriente eléctrica en un proceso de soldadura, el volumen de llenado de botellas, la
dureza de comprimidos farmacéuticos o su concentración de principio activo, etc).
Se suelen definir lı́mites superior e inferior de especificación (LSE y LIE) como
aquellos valores a partir de los cuales el producto resulta no conforme o defectuoso.
Cuando X pertenece al intervalo rLIE, LSE s, el producto se considera aceptable.
Los sucesivos productos son obtenidos con variaciones aleatorias en X, que se supo-
nen normales. Cuando el proceso es centrado (el intervalo se encuentra centrado en
µX ), la capacidad del proceso de elaboración se define como la aptitud para generar
productos dentro de los lı́mites, y se cuantifica a través del ı́ndice de capacidad
Cp LSE6σ LIE .
X
(a) Interpretar el significado de Cp .

(b) Ï De un proceso centrado con lı́mites LIE 10.90 mm. y LSE 11.10 mm.
se midieron n 15 piezas, obteniendo (en mm.): 10.98, 10.92, 11.01, 11.08, 11.07,
11.10, 10.87, 10.99,?11.07, 10.93, 10.96, 10.90, 10.89, 10.94, 10.95. Estimar con esta
muestra σX como S 2 (ver Ejercicio 3.18). Luego, estimar Cp y el porcentaje de
productos defectuosos.
(c) Calcular el porcentaje de piezas no conformes para procesos centrados con Cp
iguales a 2/3, 1 y 4/3.
(d) Un proceso centrado trabaja con un 0.5 % de piezas no conformes. ¿Cuánto vale
su Cp ?
8.26 Se decide instalar un aparato que clasifique automáticamente ciertas piezas

en largas y cortas. La longitud (en cm.) de las piezas largas tiene distribución
2
normal de parámetros µL y σL ; mientras que la de las cortas también es normal de
parámetros µC y σC . Sean pC y pL 1 pC las probabilidades de recibir piezas
2
cortas y largas. Si se denomina X a la longitud de una pieza cualquiera, calcular

Ppcometer errorq en cada uno de los siguientes casos:
(a) µL 35, σL2
25, µC 25, σC2 25, pL pC . Regla: “Si X ¡ 30, la pieza se
clasifica como larga”.
(b) µL 30, σL 2
4, µC 25, σC2 25, pL 3 pC . Regla: “Si 25.97 X 35.94,
la pieza se clasifica como larga”.
8.27 En una máquina se bobinarán carreteles con hilo de tı́tulo 40 g./1000 m. El

carretel lleno no debe pesar más de 500 g. y se quiere que la probabilidad de que
supere este valor sea a lo sumo 0,01. En el carretel se bobinarán en promedio 10000
m. de hilo, pero debido a la variabilidad en el frenado de la máquina, dicha longitud
variará en 2,5 % con probabilidad 0,99. Especificar el peso promedio de los carreteles
vacı́os de la máquina, sabiendo que por razones de tolerancias constructivas se
tendrá un desvı́o estándar de 3 g. Considerar que la longitud de hilo bobinada y el
peso del carretel vacı́o siguen distribuciones normales independientes.
8.28 Chi-cuadrado. Sea Y X 2 , con X N p0, 1q.

(a) Hallar la función densidad de Y .
(b) Probar que X e Y están descorrelacionadas pero no son independientes.
8.29 h [ver Ejercicio 8.8] Sean X e Y variables aleatorias independientes con

distribución común N p0, 1q. Calcular PpX ¤ 0|X Y 1q.
8.30 En el contexto del Ejercicio 8.4, si la regla fuese decidir por el proveedor
A cuando el promedio de 9 arandelas independientes de una caja sea inferior a 19
mm., hallar la probabilidad asociada a los errores con esta nueva regla.
8.31 Sea n la cantidad de experimentos Bernoulli que se realizan para obtener una
estimación del parámetro p. Si se quiere que el error de la estimación sea menor
que 0.01 con probabilidad por lo menos igual a 0.95, hallar una condición sobre los
posibles valores de n utilizando
(a) la cota de Chebyshev.
(b) el TCL.
(c) Comparar los resultados y las hipótesis utilizadas.

8.32 Se lanza un dado hasta que la suma de los resultados observados sea mayor
que 300. Calcular aproximadamente la probabilidad de que se necesiten al menos
80 lanzamientos. Simular la probabilidad pedida y compararla con el resultado
8.33 Ï En el contexto del ejercicio Ejercicio 6.7, si se acumulan bolsas hasta

encontrar una con peso superior a 29 kg. (incluyendo la última), hallar en forma
aproximada la probabilidad de que el peso total acumulado supere los 165 kg.
Mediante simulaciones, estime la probabilidad pedida y compararla con el resultado
8.34 Un camión transporta cajas cargadas de artı́culos varios. El peso de estas

cajas es una variable muy asimétrica y dispersa con un valor medio de 25 kg y
un desvı́o estándar de 18 kg. De acuerdo con las reglamentaciones vigentes, la
carga máxima que puede llevar el camión es de 4000 kg, sin embargo, como el sitio
de carga no dispone de báscula, existe el riesgo de superarla en caso de colocar
demasiadas cajas. Calcular el número máximo de cajas a cargar en el camión para
que la probabilidad de dicho evento sea a lo sumo del 5 %.
8.35 Una persona usa diariamente su radio portátil un tiempo variable dı́a a dı́a
con media 2.4 hrs. y desvı́o 0.8 hrs. La radio usa una pila especial cuya duración es
también variable con media 8 hrs. y desvı́o 1.2 hrs. Esta persona va a efectuar un
viaje de 30 dı́as y si se le agotan las pilas no está seguro de conseguirlas. Calcular
cuántas pilas debe llevar para que la probabilidad de dicho evento valga 0.05.
Facultad de Ingenierı́a UBA
Probabilidad y Estadı́stica
Guı́a de Ejercicios (2a Parte)
Segundo Cuatrimestre del 2010
Versión 1.1
Guı́a 9
9.1 Los valores muestrales 0.69, 0.21, 0.89, 0.79 y 0.46 se obtuvieron de una variable
aleatoria cuya densidad es fX |θn pxq nxn1 1t0 x 1u. Suponiendo que la
distribución a priori del parámetro n es uniforme sobre el conjunto t1, 2, 3, 4, 5, 6u,
hallar la función de probabilidad a posteriori de n y calcular su media y su moda.
9.2 La longitud (en cm.) de ciertas varillas es una variable aleatoria con distribución
normal de media µ y desvı́o estándar 2. La media µ es una variable aleatoria discreta
cuya función de probabilidad a priori es Ppµ 10q 0.25 y Ppµ 14q 0.75. Se
observa que la longitud de una varilla es 12.1 cm.
(a) Hallar la función de probabilidad a posteriori de µ.
(b) En virtud de la información muestral estimar la probabilidad de que al observar
otra varilla, su longitud sea mayor que 13 cm.
9.3 En una urna hay 6 bolas. A priori se supone que la cantidad de bolas blancas
en la urna se distribuye uniformemente entre 0 y 6 (incluidos los extremos). Se
extraen dos bolas de la urna: una es blanca, la otra es negra.
(a) Hallar la distribución a posteriori de la cantidad de bolas blancas que habı́a
inicialmente en la urna.
(b) Estimar la cantidad de bolas blancas que habı́a inicialmente en la urna.
9.4 El peso, W (en gramos), de ciertos objetos es una variable aleatoria cuya
función densidad es de la forma fW |θ pwq 12 pw θq 1tθ ¤ w ¤ θ 2u. A priori, θ
tiene distribución uniforme sobre el intervalo r0, 10s. Se observa que el peso de un
objeto es 5 gramos. Hallar la distribución a posteriori de θ.
9.5 Sea X una variable aleatoria con densidad fX |θa pxq ax2 1t0 x bu.
(a) Encontrar la relación entre a y b.
(b) A priori, se supone que los valores de a están distribuidos uniformemente sobre
el intervalo p0, 2q. Si se obtuvieron los valores muestrales 0.2, 0.8 y 3 hallar la función
de distribución a posteriori de a y calcular su media y su moda.
9.6 Se consideran dos monedas, M1 y M2 , con las siguientes caracterı́sticas:

Ppcara|M1 q 0.6 y Ppcara|M2 q 0.4. Se elige una moneda al azar y se la ti-
ra repetidas veces. Dado que los primeros dos tiros resultaron ceca, calcular la
media de la cantidad adicional de tiros hasta que aparezca la cara.
9.7 Un proceso de producción, produce con una calidad del 100 p % de artı́culos
defectuosos. A priori se supone que la proporción p de artı́culos defectuosos se
distribuye uniformemente sobre el intervalo p0, 1q. De una partida se examina una
muestra de 6 artı́culos y se encuentran 2 defectuosos. En una caja se ponen otros
4 artı́culos de la misma partida. En base a la información muestral, estimar la
probabilidad de que la caja contenga un solo artı́culo defectuoso.
9.8 Sea X el número de caras en n tiros de una moneda cuya probabilidad de salir
cara es p. A priori se asigna una distribución Betapν1 , ν2 q para p y se observan x
caras en n tiros.
(a) Mostrar que la media a posteriori de p se encuentra entre la media a priori,
ν1 x
ν1 ν2 , y la frecuencia relativa con que se observa cara, n .
(b) Mostrar que la varianza a posteriori de p se comporta asintóticamente de la

misma forma que xpnn
3
xq
.
(c) Mostrar que si la distribución a priori para p tiene parámetros ν1 ν2 1, la
varianza a posteriori de p es menor que su varianza a priori.
(d) Dar un ejemplo de parámetros ν1 , ν2 para la distribución a priori y datos x y
n, para los que la varianza a posteriori de p es mayor que la varianza a priori.
(e) Calcular la probabilidad a posteriori de que en el próximo tiro de la moneda
salga cara.
(f) ¿Cómo deben ser los parámetros ν1 y ν2 de la distribución a priori para p si se
quiere expresar que la moneda “parece ser honesta”?
(g) Si la moneda parece ser honesta y como resultado de los n tiros se observaron 1
ceca y n 1 caras, ¿cómo debe ser n para que en el siguiente tiro las probabilidades
sean 2 a 1 a favor de cara?
9.9 El Gobierno de la Ciudad Autónoma de Buenos Aires contrata a una empresa
encuestadora para “determinar” la proporción, p, de la población de la Ciudad
irritada por las polémicas declaraciones de uno de sus flamantes ministros. Para
analizar los datos la encuestadora cuenta con dos estadı́sticos bayesianos, el primero
opina que la densidad a priori para p es f1 ppq 10p1 pq9 1t0 p 1u pero el
segundo opina que serı́a más apropiado usar una a priori de la forma f2 ppq
10p9 1t0 p 1u.
(a) ¿Analizar qué significado tienen esas dos opiniones y qué consecuencias tienen
sobre el análisis de los datos si se decide que para estimar p se utilizará la media
de la distribución a posteriori basada en el resultado de una encuesta realizada a
10 vecinos de la Ciudad?
(b) ¿Qué cantidad de vecinos de la Ciudad deben encuestarse si se quiere garantizar
que las medias de las dos distribuciones a posteriori de p difieran en menos de 0.001?
9.10 Sea θ una variable aleatoria con densidad fθ ptq9tν 1 eλt 1tt ¡ 0u, donde ν
es un número natural y λ es un número real positivo.
(a) Calcular la media y la moda de θ.
(b) Sean X1 , . . . , Xn variables aleatorias que condicionadas a θ t son indepen-
dientes y cada una tiene distribución de Poisson de media t. Hallar la forma de la
densidad a posteriori de θ si los valores observados de X1 , . . . , Xn son x1 , . . . , xn .
Calcular la media a posteriori y mostrar que se puede °nexpresar en la forma de un
promedio ponderado γn x̄ p1 γn qµ0 , donde x̄ n1 k1 xk , µ0 Erθs y γn Ñ 1
cuando n Ñ 8.
(c) Sean X1 , . . . , Xn variables aleatorias que condicionadas a θ t son indepen-
dientes y cada una tiene distribución exponencial de intensidad t. Hallar la moda
de la distribución a posteriori de θ si los valores observados de X1 , . . . , Xn son
x1 , . . . , xn .
9.11 El número de accidentes que ocurren diariamente en una planta industrial

tiene una distribución Poisson de media λ desconocida. Sobre la base de experien-
cias previas en plantas industriales similares un estadı́stico afirma que los posibles
valores de λ se distribuyen a priori como una variable exponencial de media 1{2.
Durante los primeros 9 dı́as de funcionamiento de la planta industrial ocurrieron
un total de 45 accidentes.
(a) Hallar la distribución a posteriori de λ y en base a la información suministrada
calcular la probabilidad de que durante el décimo dı́a ocurran dos o más accidentes.
(b) Hallar un intervalo de confianza de nivel 0.95 para estimar λ.
9.12 Se toma una muestra de tamaño 4 de una distribución uniforme en el intervalo

r0, bs. La distribución a priori de b es f pbq 6{b2 1tb ¥ 6u. Hallar en cada caso la
distribución a posteriori, su media y su moda, si los resultados muestrales fueron:
(a) 2, 5, 6, 9.
(b) 1, 3, 4, 5.
9.13 Se toma una muestra al azar de n estudiantes de una población y se miden

sus alturas. La altura promedio resulta ser 1.77 m. Se supone que las alturas de la
población están distribuidas como una normal de media µ desconocida con desvı́o
estándar 5 cm. Se considera que la distribución a priori de µ es una normal de
media 1.73 m. y desvı́o estándar 2.5 cm.
(a) Hallar la distribución a posteriori de µ.
(b) Mostrar que con los datos del problema, la media a posteriori puede expresar-
se como un promedio ponderado de la forma γn 1.77 p1 γn q1.73 y analizar el
comportamiento de γn cuando n Ñ 8.
(c) Se muestrea al azar un nuevo estudiante de la población y mide x m. Hallar la
distribución predictiva para x.
(d) Para n 10, dar un intervalo de confianza de nivel 0.95 para µ y un intervalo
predictivo de nivel 0.95 para x.
(e) Hacer lo mismo para n 100.
9.14 El tiempo de funcionamiento en años de cada chip de computadoras, produ-

cido por una firma de semiconductores china, se distribuye como una exponencial
de media 1{λ. La distribución a priori de λ es una Gamma con función de densidad
1 2 λ
f pλq λ e 1tλ ¡ 0u.
2
Sabiendo que el promedio del tiempo de funcionamiento de 20 chips examinados es
de 4.5 años, hallar la densidad a posteriori de λ y estimar puntualmente λ utilizando
la moda.
9.15 En un maratón participan N personas, numeradas de 1 a N . Se elige un
maratonista al azar y tiene el número 203. Se quiere estimar N .
(a) Si la distribución a priori de N es una geométrica de media 100, ¿cuál es la
distribución a posteriori de N ?
(b) Calcular la media y el desvı́o estándar de N .
9.16 Sea X1 , . . . , Xn una muestra aleatoria de una distribución uniforme sobre el

intervalo rθ 1{2, θ 1{2s. Se asume que θ se distribuye a priori uniformemente en
el intervalo p10, 20q.
(a) Si n 1 y se observó el valor 12, hallar la distribución a posteriori de θ.
(b) Si n 6 y se observaron los valores 11, 11.5, 11.7, 11.1, 11.4, y 10.9, hallar la
distribución a posteriori de θ.
(c) En cada caso, obtener estimadores puntuales.
9.17 Sea X una variable aleatoria con distribución uniforme en el intervalo rθ 1, θs.
El parámetro θ posee una distribución a priori de la forma f pθq e2|θ| . Si se
observa un único valor de dicha variable y resulta ser 0, estimar la probabilidad de
que la variable X sea en módulo menor a 1/4.
Guı́a 10
10.1 Sea X1 , X2 , X3 , X4 una muestra aleatoria de una variable aleatoria tal que
Eθ rX s θ y varθ rX s 1. Comparar los siguientes estimadores para θ:
¸
4
X 14 Xi ,
X1 2X2 3X3 4X4
,
X1 X2 X3
.

i 1
10 3
10.2 Sea X una variable aleatoria con distribución Bernoulli de parámetro θ. Sean
θ̂1 X y θ̂2 1{2 dos estimadores para θ.
(a) Analizar si θ̂1 y θ̂2 son estimadores insesgados para θ.
(b) Comparar los errores cuadráticos medios (ECMs) de los dos estimadores y
graficarlos como funciones de θ.
10.3 En una serie de m experiencias Bernoulli se registran X éxitos, y en una serie

posterior de n experiencias Bernoulli se registran Y éxitos (n m). Se proponen
los siguientes estimadores del parámetro p:

p̂1 1
2
X
m
Y
n
y p̂2 Xm Y
n
.
¿Cuál es preferible? Justificar la respuesta.
10.4 Sea X1 , . . . , Xn una muestra aleatoria de una variable aleatoria X U p0, θq.
Se considera Xpnq máxpX1 , . . . , Xn q como estimador para θ.
(a) Hallar la función densidad de Xpnq y mostrar que
nθ2
Eθ rXpnq s varθ rXpnq s
n
n 1
θ y
pn 1q2 pn 2q
.
(b) Calcular el sesgo del estimador Xpnq y demostrar que se trata de un estimador
asintóticamente insesgado para θ.
(c) Usando la desigualdad de Chebyshev demostrar que Xpnq es un estimador débil-
mente consistente.
(d) Mostrar que el estimador 2X̄ para θ tiene mayor ECM que el estimador Xpnq .
10.5 Sea X1 , X2 , . . . , Xn una muestra de una variable

°n con distribución N p0, 1q. Se
definen hpxq 1tx 0.44u, Y hpX q y p̂ n1 i1 Yi . Si n 25, calcular
(a) PpX 0.25q.
(b) PpS 2 ¡ 0.577q.
(c) Pp0.576 ¤ p̂ ¤ 0.764q.
(d) Repita el inciso anterior para n 4.
10.6 Hallar los estimadores de máxima verosimilitud (MV) para muestras aleato-
rias X1 , . . . , Xn de las siguientes distribuciones: N pµ, 1q, Bernoullippq, U p0, θq.
10.7 Una urna contiene bolas rojas y bolas negras. Se sabe que la proporción p de
bolas rojas en la urna es 2{5 ó 4{5. Usando el método de MV estimar p si en una
muestra aleatoria de n 5 bolas (con reposición) se observaron 3 bolas rojas y 2
negras.
10.8 Una planta de ensamblaje recibe un lote de 100 piezas de precisión de las
cuales una cantidad desconocida M son defectuosas. Para controlar el lote se elige
al azar una muestra (sin reposición) de 10 piezas, se examinan y resulta que hay
exactamente 2 defectuosas. Usar el método de MV para estimar M .
10.9 Sea X1 , . . . , Xn una muestra aleatoria de tamaño n de una variable aleatoria

X perteneciente a una familia exponencial uniparamétrica con función de probabi-
lidad o función densidad de la forma
fX |θ pxq cpxq eapθqT pxq pq

b θ
donde a y b son funciones a valores reales de θ P Θ, y T y c son funciones a valores

reales de x que no dependen de θ.
(a) Mostrar que el EMV (estimador de MV) de θ basado en la muestra X1 , . . . , Xn
es solución de la ecuación
b1 pθq 1 ¸n
T pXi q
a1 pθq n i1
siempre y cuando la solución pertenezca al espacio paramétrico, Θ, correspondiente
al parámetro θ.
(b) Mostrar que las siguientes familias de distribuciones son familias exponenciales
uniparamétricas y usando el resultado del Inciso (a) hallar el EMV del paráme-
tro θ basado en una muestra aleatoria de tamaño n, X1 , . . . , Xn : Bernoullipθq,
binomialpm, θq, geométricapθq, Pascalpr, θq, Poissonpθtq, Betapθ, β q, Betapα, θq,
exponencialpθq, Gammapν, θq, Gammapθ, λq, normalpθ, σ 2 q, normalpµ, θq.
10.10 Hallar los estimadores de máxima verosimilitud de los parámetros de las

siguientes distribuciones:
(a) N pµ, σ 2 q, donde µ P R y σ 2 ¡ 0.
(b) Pareto:

pα 1 q
f px|α, β q 1tx ¥ β u, donde α ¡ 0, β ¡ 0.
α x
β β
10.11 En una urna hay r bolas rojas y 5 bolas negras, donde 0 ¤ r ¤ 6. Se extraen
2 bolas al azar sin reposición, se las examina y se las repone en la urna. Sabiendo
que las dos bolas examinadas resultaron rojas, estimar por MV la probabilidad de
que al extraer nuevamente dos bolas al azar sin reposición una sea roja y la otra
negra.
10.12 Un buzo debe realizar una tarea en el océano que le insumirá 45 minutos.
La duración en minutos de cada tanque de oxı́geno es una variable aleatoria X
con distribución normal con desvı́o σ 2 y media desconocida. En una muestra
aleatoria X1 , . . . , X9 se observaron las siguientes duraciones para los tanques:
37.447, 51.101, 34.258, 38.401, 33.288, 45.971, 47.348, 36.241, 41.585
Estimar por MV la probabilidad de que el buzo pueda terminar su tarea si lleva un

solo tanque de oxı́geno, utilizando la siguiente información muestral:
(a) los valores observados X1 , . . . , X9 .
(b) los valores Y1 , . . . , Y9 , donde Yi 1tXi ¡ 45u.
(c) Ï Mostrar mediante simulaciones que aunque la estimación del Inciso (a) pue-
da ser sesgada, presenta menor ECM que la estimación del Inciso (b). (Sugerencia:
elegir un valor µ para la media de la normal y generar m muestras de tamaño n 9
para obtener m valores de cada estimador, evaluar el sesgo y el ECM; repetir el
procedimiento para distintos valores de µ en el intervalo 45 4 σ y graficar el sesgo
y el ECM en función de µ.)
10.13 Una máquina produce objetos de diámetro aleatorio con distribución normal
de media 100 cm. y varianza desconocida. Los objetos de diámetro inferior a 99 cm.
se consideran defectuosos. Calcular el EMV para la varianza sabiendo que en una
muestra aleatoria de 10 objetos se encontraron exactamente
(a) 2 defectuosos.
(b) 7 defectuosos.
10.14 Los siguientes datos corresponden a los tiempos de funcionamiento (en dı́as)
hasta que ocurre la primer falla de una muestra de 10 lavarropas industriales:
359, 317, 2379, 53, 554, 536, 414, 122, 345, 739.
Suponiendo que los datos obedecen a una distribución exponencial hallar los EMVs
para su media, varianza y mediana.
10.15 La duración (en horas) de ciertas baterı́as es una variable aleatoria T con
distribución exponencial. Se pusieron a prueba 10 baterı́as y solamente 7 superaron
dos horas de duración. Estimar por MV la probabilidad de que una baterı́a de ese
tipo dure más de 2.5 horas.
10.16 Se tienen 3 observaciones normales con la misma media µ y desviaciones

1, 2, 3. Calcular la varianza del EMV de µ y compararla con la del promedio X̄.
10.17 Sean X1 , . . . , Xn e Y1 , . . . , Ym dos muestras aleatorias independientes de dos

distribuciones normales de la misma media µ y varianzas 4 y 9, respectivamente.
Hallar el EMV para µ.
10.18 Durante un horario pico el tiempo (en segundos) entre vehı́culos que atra-
viesan una cabina de peaje es una variable aleatoria T con distribución exponencial
de intensidad λ. Hallar el EMV de λ sabiendo que ErT s ¤ 15 y que 35 vehı́culos
demoraron un total de 10 minutos en atravesar la cabina de peaje.
10.19 [Degroot, pág. 355 ] Lucas y Monk deben estimar un parámetro θ ¡ 0. Lucas
puede observar el valor de una variable aleatoria X con distribución Gamma de
parámetros r 3 y λ θ. Monk puede observar el valor de una variable aleato-
ria Y con distribución Poisson de media 2θ. Lucas observa el valor 2 y Monk el
valor 3. Mostrar que las funciones de verosimilitud obtenidas Lucas y Monk serán
proporcionales y encontrar el EMV de θ obtenido por cada uno.
10.20 [Degroot, pág. 379 ] Se realiza una encuesta sobre una cuestión “sensible”
utilizando el siguiente método: Se elige una muestra representativa de n sujetos de
la población. A cada sujeto se le hace al azar y en forma independiente una pre-
gunta “estándar” o la pregunta “sensible”. Ambas preguntas pueden tener respuesta
positiva o negativa (por ej., le gusta o no le gusta, está o no de acuerdo, etc.). La
probabilidad de recibir una respuesta positiva para la pregunta “estándar” es 1/2,
pero para la pregunta “sensible” es un valor p desconocido.
Los n sujetos encuestados dieron un total de r respuestas positivas. Hallar el EMV
de p.
10.21 Sea X1 , . . . , Xn una muestra aleatoria de una variable aleatoria X.

(a) Calcular X̄ y S para una muestra de volumen n 10 cuyos valores son:
1, 2, . . . , 10.
(b) Suponer que por un error de tipeo, el “10” se transcribe como “100” ¿Cómo se
modifican X̄ y S?.
(c) Hacer lo mismo para la media podada X̄0.25 definida por

n¸m
X̄0.25 n 12m Xp i q ,

i m 1
donde Xp1q ¤ ¤ Xpnq son las observaciones ordenadas y m rp0.25qns.

10.22 Sea X1 , . . . , Xn una muestra de una variable aleatoria X tal que Eθ rX s
µpθq y varθ rX s σ 2 , donde σ 2 es conocido. Se consideran los siguientes estimadores
para µpθq
¸
n
µ̂w wi Xi ,

i 1
donde wi ¥ 0, i 1, . . . , n son constantes conocidas y w pw1 , . . . , wn q.

(a) Hallar una condición sobre las constantes wi , necesaria y suficiente, para que
los estimadores µ̂w resulten insesgados para µpθq.
(b) Entre todos los estimadores µ̂w que resulten insesgados para µpθq hallar el que
minimiza el ECM. (Sugerencia: utilizar multiplicadores de Lagrange.)
10.23 Sea X1 , . . . , Xn una muestra aleatoria de tamaño n de una variable aleatoria

X cuya función densidad es de la forma
fθ pxq epxθq 1tx ¡ θu, θ ¡ 0.

Se proponen dos estimadores para θ: θ̂1 X̄ y θ̂2 Xp1q . Analizar el sesgo de los
estimadores propuestos; comparar sus ECMs y graficarlos como funciones de θ.
10.24 [ver Ejercicio 3.18] Sea X1 , . . . , Xn una muestra de una variable aleatoria
X tal que ErX 4 s 8.
(a) Mostrar que°ncuando la media, µ, de X es conocida el estimador para la varianza
de X, σ̂ 2 n1 i1 pXi µq2 , es insesgado y débilmente consistente.
(b) Mostrar que cuando
°n la media de X es desconocida, el estimador para la varianza
de X, S 2 n
1
1 i1 pX i X̄ q , es insesgado. (También es débilmente consistente
2
pero no es tan fácil de mostrar.)
10.25 Se tienen n observaciones normales con la misma media µ desconocida y

desviaciones estándar σ1 , . . . , σn conocidas pero no necesariamente iguales. Calcular
la varianza del EMV de µ y compararla con la del promedio simple X̄. (Sugerencia:
utilizar la desigualdad de Cauchy-Schwartz)
10.26 Sea X1 , . . . , Xn una muestra aleatoria de una distribución uniforme sobre

el intervalo rθ 1{2, θ 1{2s. Hallar el EMV para θ.
10.27 En una fábrica hay dos máquinas: M 1 y M 2. El 20 % de las piezas elabo-

radas por M 1 y el 40 % de las elaboradas por M 2 son defectuosas. De un lote de
1000 piezas cuya procedencia se ignora, aunque se sabe que son todas de la misma
máquina, se extraen 10 piezas al azar y se encuentran 3 defectuosas. Estimar por
MV la varianza de la cantidad de piezas defectuosas en el lote.
10.28 Jorge ingresa en un banco a las 11:30 para cobrar un cheque. Recibe el
número 68 de la fila de espera y observa que está siendo atendido el cliente número
61. El tiempo de atención (en minutos) para cada cliente se distribuye como una
variable exponencial de intensidad λ. A las 11:45 comienza a ser atendido el cliente
con el número 66 y Jorge decide salir del banco a fumar un cigarrillo. Suponiendo
que Jorge demora 6 minutos en volver a la fila de espera, estimar por MV la
probabilidad de que haya perdido su turno en la fila.
10.29 Ï Sea T una variable aleatoria con distribución Gamma de parámetros

ν P R y λ P R cuya función densidad es
λν tα1 λt
f pt|ν, λq 1tt ¡ 0u,
Γpν q
e
³8
donde Γpν q 0
tν 1 et dt. En particular, Γpν q pν 1q! para todo ν PN
(a) Suponiendo que λ es conocido y ν P N, hallar el EMV para ν basado en una
muestra aleatoria de tamaño n.
(b) Suponiendo que λ 1 y ν P R , hallar la ecuación de verosimilitud para ν.
¿Es posible obtener una expresión explı́cita del EMV para ν? Si la respuesta es
negativa, realizar un programa que permita calcularlo usando una computadora.
(c) Se proponen los siguientes procedimientos para encontrar los EMVs para ν y λ
en el caso en que ν P N y λ P R :
1. Calcular la función de verosimilitud (función de N R Ñ R) y optimizarla
gráficamente o con algún algoritmo.
2. Para cada ν P N, hallar una expresión del EMV de λ; reemplazarla en la
función de verosimilitud; analizar la monotonı́a de la función de ν ası́ obte-
nida y encontrar una expresión (o condición) que permita computar el EMV
para ν.
En cada caso, elegir valores para lo parámetros desconocidos, simular datos y com-
probar que los procedimientos propuestos para hallar los estimadores sean satisfac-
torios.
10.30 Ï Sea T1 , . . . , Tn un muestra aleatoria del tiempo de duración sin fallas de
una máquina cuya función intensidad de fallas es λptq αβtβ 1 1tt ¡ 0u.
(a) Suponer que β es conocido y hallar el EMV para α.
(b) Suponer ahora que los dos parámetros β y α son desconocidos. Hallar las ecua-
ciones de verosimilitud para los dos parámetros. Proponer un procedimiento para
hallar los EMVs de los dos parámetros e implementarlo en un computador.
(c) Generar una muestra con n 10 valores de la distribución de T suponiendo
que β α 1 y usar el procedimiento propuesto en el Inciso (b) para calcular los
EMVs para β y α. Comparar las estimaciones con los valores usados para generar
la muestra.
(d) Basándose en la siguiente muestra de valores:
2.30, 2.00, 2.87, 2.71, 5.48, 5.85, 1.58, 3.62, 1.90, 2.43,
hallar el EMV de PpT ¡ 2.5q.
Guı́a 11
11.1 Sea X una variable aleatoria cuya función densidad es de la forma
f px|θq 1t 0 ¤ x ¤ θ u ,¡ 0.
2x
θ
θ2
Para cada 0 α 1, hallar un cota inferior de nivel 1 α para θ basada en una
muestra de X de tamaño 1.
11.2 Sea X1 , . . . , Xn una muestra aleatoria de tamaño n de una distribución
U r0, θs.
(a) Construir un pivote para θ a partir de su EMV.
(b) Para cada 0 α 1, hallar un intervalo de confianza de nivel 1 α para θ.
(c) [Soong, pág. 312 ] Hallar el valor de k para que el intervalo p0, k pX1 X2 qq tenga
nivel de confianza 0.95.
11.3 Un emisor transmite una señal de valor µ. Pero el canal de comunicación
corrompe la transmisión con un ruido normal aditivo N N p0, 1q y el receptor
recibe una señal de valor X µ N . Como resultado de la transmisión sucesiva e
independiente de la misma señal de valor µ se recibieron 9 señales de valores:
8.016, 8.488, 7.395, 9.011, 7.532, 7.841, 8.651, 6.917, 8.490.
(a) Hallar un intervalo de confianza de nivel 0.95 para µ.

(b) ¿Cuántas veces debe repetirse la transmisión de la señal µ si se pretende que,
con una confianza del 95 %, el receptor pueda decodificarla con un error ¤ 0.01?
11.4 En la siguiente tabla se muestran las mediciones de la velocidad de la luz

realizadas por el fı́sico Albert Michelson entre el 5 de junio y el 5 de julio de 1879.
Los valores dados + 299.000 son las mediciones de Michelson en km/s.
850 740 900 1070 930 850 950 980 980 880
1000 980 930 650 760 810 1000 1000 960 960
960 940 960 940 880 800 850 880 900 840
830 790 810 880 880 830 800 790 760 800
880 880 880 860 720 720 620 860 970 950
880 910 850 870 840 840 850 840 840 840
890 810 810 820 800 770 760 740 750 760
910 920 890 860 880 720 840 850 850 780
890 840 780 810 760 810 790 810 820 850
870 870 810 740 810 940 950 800 810 870
Suponiendo que las mediciones de la velocidad de la luz obedecen a una distribución
normal de media µ y desvı́o estándar σ desconocidos,
(a) construir un intervalo de confianza del 95 % para µ. ¿Se encuentra en ese inter-
valo el “verdadero” valor de la velocidad de la luz?
(b) construir un intervalo de confianza del 95 % para σ.
(c) Construir un histograma y explorar informalmente la hipótesis de que la distri-
bución de las mediciones es normal.
11.5 [Predicción] Sean X1 , . . . , Xn , Xn 1 una muestra
°n aleatoria de una °población
normal de media µ y varianza σ 2 . Sean X̄n n1 i1 Xi y Sn2 n i1 pXi
1 n
1
Xn q .
¯ 2
(a) Hallar la distribución de Xn 1 X̄n .

(b) Sabiendo que σ 1 y que se observó que X̄5
2
4, encontrar un intervalo de
tolerancia del 90 % para X6 .
(c) Si la varianza σ 2 es desconocida y se observó que X̄5 4 y S52 1, encontrar
un intervalo de tolerancia del 90 % para X6 .
11.6 Se testea una muestra de 300 chips de memoria y resultan 30 defectuosos.

(a) Construir un intervalo de confianza de nivel 90 % para la proporción de chips
defectuosos.
(b) Dar una cota inferior de nivel 90 % para la proporción de chips defectuosos.
(c) Repetir los incisos anteriores si al testear los 300 chips resulta 1 defectuoso.
11.7 Una empresa farmacéutica quiere estimar la proporción de personas que

sufrirán reacciones adversas a cierta droga. La empresa quiere un intervalo bilateral
cuyo margen de error sea de 0.01 con 95 % de confianza. ¿De qué tamaño debe ser
la muestra?
11.8 Sea X una variable con distribución exponencial de intensidad λ ¡ 0. Hallar
un intervalo de confianza de nivel 0.90 para λ si
°10
(a) en una muestra aleatoria de tamaño 10 se observó que Xi 2,
i 1
°100
(b) en una muestra aleatoria de tamaño 100 se observó que i 1 Xi 25.
11.9 Los siguientes valores son las duraciones (en horas) de una muestra de 16
lámparas:
2632, 1742, 667, 1184, 3896, 809, 1412, 1789,

2396, 3358, 9901, 1925, 2981, 1843, 8315, 1299.
Suponiendo que los datos obedecen a una distribución exponencial de intensidad λ,

calcular una cota inferior de nivel 0.95 para λ.
11.10 Se puede considerar que la emisión de partı́culas alfa obedece a un proceso

de Poisson de intensidad λ partı́culas por segundo.
(a) Se observa una sustancia radiactiva durante 10 segundos y se registran 4 emi-
siones. Hallar un intervalo de confianza para λ de nivel 0.95.
(b) Se observa la misma sustancia hasta que se emita la cuarta partı́cula, lo que
sucede a los 10 segundos. Hallar un intervalo de confianza para λ de nivel 0.95.
11.11 Los fabricantes A y B producen el mismo tipo de alambre de cobre. Los
valores de resistencia a la tensión de dos muestras de cable (en libras) son
A : 5112, 5114, 5115, 5110, 5108, 5101, 5107, 5100, 5106, 5105,
B : 5075, 5072, 5083, 5087, 5074; 5091, 5074.
Suponiendo que las mediciones son normales N pµA , σA2

q y N pµB , σB2 q, respectiva-
mente y que las muestras son independientes, hallar un intervalo de confianza del
99 % para µA µB si se sabe que
2
(a) σA 289 y σB2 625.
2
(b) σA 289 y σB2 289.
2
(c) σA σB2 .
11.12 Lucas necesita un enlace satelital y está considerando alquilárselo al pro-
veedor 1. Durante una prueba del enlace el 1 % de 200 mensajes transmitidos regis-
traron error. Monk le presenta a Lucas al proveedor 2, que le ofrece otro enlace a
un 20 % menos de costo. Al probar este enlace el 3 % de 250 mensajes transmitidos
registraron error. Si pi es la tasa de error del enlace ofrecido por el proveedor i,
hallar un intervalo de confianza del 95 % para la diferencia p1 p2 . En el lugar de
Lucas, ¿a quién le alquila el enlace?
11.13 Sea X1 , . . . , X10 una muestra aleatoria de una distribución U pθ, θ 1q.
Usando el estadı́stico M mı́npX1 , . . . , X10 q construir un intervalo de confianza
del 95 % para θ.
11.14 La distribución de las concentraciones de SO 2

4 para una estación de con-
taminación es normal con un desvı́o estándar de 4 p.p.m. (partes por millón). Cap-
tando 16 muestras de una hora de duración cada una, seleccionadas al azar en un
perı́odo de estudio, se obtuvo una media de 9 p.p.m.
(a) ¿Cuál es el intervalo de confianza del 95 % para estimar la concentración media?
(b) ¿Cuál debe ser el tamaño de la muestra si se desea que el error sea igual o
inferior a 0.25 p.p.m., con una confianza del 90 %?
(c) ¿Cuál es el intervalo de confianza del 95 % para estimar la concentración media
si el desvı́o fue estimado a partir de los datos de la muestra, dando como resultado
4 p.p.m.?
11.15 Sea X una variable aleatoria de varianza 20 y con distribución uniforme

sobre el intervalo pa, bq. Sea Y una variable aleatoria de varianza 10 con la misma
distribución que la suma de dos variables aleatorias independientes cada una con
distribución uniforme sobre el intervalo pc, dq. En una muestra aleatoria de X se
obtuvieron los valores: 14.88, 16.29, 4.22, 16.40, 12.05, 3.77, 6.57, 10.73, 17.09, 17.2;
y en una muestra aleatoria de Y se obtuvieron los valores: 6.61, 15.07, 12.38, 10.05,
7.66. Hallar un intervalo de confianza del 95 % para la diferencia entre la media de
X y la media de Y .
11.16 Se toman muestras de aire en dos sitios diferentes de una ciudad. Las mues-
tras del sitio 1 arrojaron los siguientes valores: 0.46, 0.62, 0.37, 0.4, 0.44, 0.58, 0.48,
0.53 y las muestras del sitio 2: 0.82, 0.61, 0.89, 0.51, 0.33, 0.48, 0.23, 0.25, 0.67,
0.88. Suponiendo que las mediciones son normales N pµ1 , σ12 q y N pµ2 , σ22 q, respec-
tivamente y que las muestras son independientes, hallar un intervalo de confianza
del 95 % de la forma σ12 {σ22 ¥ k en cada uno de los siguientes casos
(a) µ1 0.7 y µ2 0.6,
(b) µ1 0.485 y µ2 0.567,
(c) µ1 y µ2 son desconocidas.
Guı́a 12
12.1 Se sabe que una caja contiene 3 bolas rojas y 4 negras o bien 4 bolas rojas y 3
negras. Se tomará la decisión relativa al contenido de la caja extrayendo 3 bolas. Si
H0 corresponde a las 3 bolas rojas y 4 negras y si H0 será rechazada si se observan
3 rojas, ¿cuánto valen los errores de tipo I y tipo II?
12.2 Sea X una variable uniforme sobre el intervalo p0, θq. Se quiere verificar
H0 : θ 3 frente a H1 : θ 2 por medio de un solo valor observado de X.
(a) Calcular las probabilidades de los errores de tipo I y de tipo II si se elige el
intervalo x 1 como la región crı́tica.
(b) Calcular las probabilidades de dichos errores si se elige el intervalo 1 x 2
como región crı́tica.
(c) Si la región crı́tica es un intervalo, ¿cómo debe ser el intervalo para que con
α 0.5 se minimice β?
12.3 Sea X1 , . . . , Xn una muestra aleatoria de una distribución uniforme sobre

el intervalo p0, θq, donde θ ¡ 0. Se propone el siguiente criterio para testear las
hipótesis H0 : θ P r3, 4s contra H1 : θ R p3, 4q:
“Rechazar la hipótesis H0 cuando y sólo cuando máxpX1 , . . . , Xn q R r2.9 , 4s”.
(a) Hallar y graficar la función de potencia del test.
(b) Determinar el nivel de significación del test.
(c) Encontrar el mı́nimo n ¥ 1 tal que el nivel de significación del test sea α 0.1.
12.4 Se dispone de una muestra de tamaño 1 para decidir entre dos hipótesis sobre
la media µ de una distribución exponencial. La hipótesis H afirma que µ ¤ 1 y la
hipótesis K afirma que µ ¡ 1. Diseñar una regla de decisión tal que la máxima
probabilidad de equivocarse al rechazar la hipótesis H cuando H es verdadera sea
0.1. Calcular la probabilidad de decidir erróneamente cuando el verdadero valor de
la media es µ 1.1.
12.5 Testear H0 : µ ¤ 5 contra H1 : µ ¡ 5 sobre la base de una muestra aleatoria de

tamaño 4, extraı́da de una población que tiene una distribución de Poisson. Usar
un nivel de significación del 5 %. Si dicha muestra aleatoria arrojó los siguientes
valores: 3, 7, 2, y 4, ¿hay evidencia significativa para rechazar H0 ?
12.6 Verdadero o falso:

(a) El nivel de significación de un test de hipótesis es igual a la probabilidad de que
la hipótesis nula sea verdadera.
(b) La probabilidad de que la hipótesis nula sea rechazada es igual a la potencia
del test.
(c) Cuando se disminuye el nivel de significación de un test, es esperable que la
potencia aumente.
(d) Si no se rechaza la hipótesis nula, debe decidirse aceptar la hipótesis alternativa
como cierta.
(e) Un error de tipo I ocurre cuando el estadı́stico del test cae en la región de
rechazo del test.
(f) Un error de tipo II es más grave que un error de tipo I.
(g) La región crı́tica puede depender de los valores muestrales.
(h) El valor de los errores asociados a un test no puede depender de los valores
muestrales.
12.7 Sea X1 , . . . , Xn una muestra aleatoria de una distribución normal de media
µ P R (desconocida) y desvı́o estándar σ conocido.
(a) Diseñar un test de hipótesis de nivel 0.05 para H0 : µ ¤ µ0 contra H1 : µ ¡ µ0 .
(b) Determinar la función de potencia del test y analizar sus propiedades.
12.8 En un proceso quı́mico es necesario que una solución que se usa como reactivo
tenga pH 8.21. Se dispone de un método para determinar el pH que produce medi-
ciones normalmente distribuidas con media igual al verdadero valor del pH y desvı́o
0.02. Diseñar un test de hipótesis de manera que: si el pH es 8.21, se obtenga esa
conclusión con probabilidad 0.95, y si el pH difiere de 8.21 en 0.03 (en cualquiera
de las direcciones), se descarta la solución con probabilidad no inferior a 0.95.
(a) ¿Qué se puede concluir si la media de las mediciones observadas fuese 8.32?
(b) Si el pH es 8.33, hallar la probabilidad de concluir que el pH no es 8.21.
12.9 Usando los datos de Michelson (ver Ejercicio 11.4) testear si la velocidad
de la luz es mayor que 790+299000 km/s. al 0.05 de significación.
12.10 En la siguiente tabla se muestran las mediciones de la densidad de la Tierra

relativa a la densidad del agua obtenidas por Henry Cavendish en 1789 mediante
el experimento de la balanza de torsión
5.50 5.61 4.88 5.07 5.26 5.55 5.36 5.29 5.58 5.65
5.57 5.53 5.62 5.29 5.44 5.34 5.79 5.10 5.27 5.39
5.42 5.47 5.63 5.34 5.46 5.30 5.75 5.68 5.85
Asumir que las densidades de la Tierra medidas tienen distribución normal de media
µ y varianza σ 2 ambas desconocidas y testear al 0.05 de significación si la densidad
de la Tierra es menor que 5.5 veces la densidad del agua.
12.11 Sea X1 , . . . , X10 una muestra de aleatoria de una variable aleatoria X con
distribución uniforme sobre el intervalo r0, θs. Al nivel de significación 0.05 diseñar
un test para H0 : ErX s 2 contra H1 : ErX s 2.
12.12 El diámetro de las piezas de una máquina debe ser 10 cm. Debido a imper-
fecciones del proceso de producción de dichas piezas, el diámetro es una variable
aleatoria. El desvı́o estándar depende de factores intrı́nsecos del proceso de pro-
ducción y se mantiene constante. Por experiencia histórica se sabe que el desvı́o
estándar es 0.3. Por otra parte, la media µ depende del ajuste de varios parámetros
involucrados en el proceso y su valor es desconocido.
(a) En una muestra de 100 piezas se obtuvo un diámetro promedio de 10.1. Diseñar
un test del 0.1 de nivel de significación.
(b) Calcular la potencia del test diseñado en Inciso (a) en µ 10.05. .
(c) Calcular aproximadamente el tamaño muestral necesario para un nivel de sig-
nificación del 0.1 y una potencia de 0.8 cuando µ 10.05.
12.13 Las cajas de leche en polvo de la marca Spiky Milk anuncian un peso neto de
un kilo. En rigor, el peso neto (en gramos) es una variable aleatoria X de media µ y
desvı́o estándar σ (ambos desconocidos). En una muestra aleatoria de 75 cajas, se
observaron los valores X̄ 992 y S 10. Al 0.05 de nivel de significación, realizar
los siguientes tests:
(a) H0 : µ ¥ 1000 contra H1 : µ 1000.
(b) H0 : σ ¥ 14 contra H1 : σ 14.
(c) Si los datos muestrales diesen lugar al rechazo de la H0 en los dos incisos
anteriores, ¿es verdad que con 0.05 de significación puede rechazarse la hipótesis
µ ¥ 1000 y σ ¥ 14?
12.14 Una fábrica envió catálogos publicitarios a los posibles clientes. La expe-
riencia mostró que la probabilidad de que la organización receptora del catálogo
pida el artı́culo ofrecido es igual a 0.08. La fábrica envió 1000 catálogos nuevos de
forma mejorada y recibió 100 pedidos. ¿Se puede considerar que la nueva forma de
publicidad es significativamente más eficaz que la primera?
12.15 Usando los resultados del Ejercicio 11.6 Inciso (c), mostrar que al 10 %
de significación
(a) no puede rechazarse la hipótesis p 0.01.
(b) se rechaza la hipótesis p ¤ 0.0009.
12.16 [Maronna p.143-144] Una de las más celebres “Leyes de Murphy” establece
que “si se deja caer al suelo una tostada untada con dulce, la probabilidad de que
caiga del lado del dulce es mayor que la de que caiga del lado del pan”.
(a) Para verificarla, se realizó un experimento en la University de Southwestern
Louisana, en el que se dejaron caer 1000 tostadas untadas con mermelada de gro-
sellas, de las cuales cayeron 540 del lado del dulce. ¿Qué se podrı́a concluir?
(b) El comité de investigaciones de University of Southwestern Louisana decreta
que, para que el experimento sea considerado concluyente, deberá cumplir con (i)
si la Ley de Murphy es falsa, la probabilidad de que el test la confirme debe ser
¤ 0.01; (ii) si la Ley es cierta, y la probabilidad de caer del lado del dulce es ¡ 0.6,
entonces la probabilidad de confirmarla debe ser ¥ 0.95. ¿Cuántas tostadas hay
que arrojar para que se cumplan estas condiciones?
12.17 Usando los resultados del Ejercicio 11.9 decidir al 0.05 de significación si
λ ¤ 0.00019.
12.18 En vista de los resultados del Ejercicio 11.11, ¿puede decirse en cada caso
que, con un nivel de significación del 10 %, las resistencias medias de los cables
producidos por ambos fabricantes son iguales?
12.19 Considérense las siguientes longitudes de cables (en cm.) obtenidas al mues-
trear los lotes independientes A y B:
Lote A: 134 146 105 119 124 161 107 83 113 129 97 123.
Lote B: 70 118 101 85 107 132 94.
Suponer que las longitudes de los cables en dichos lotes tienen una distribución
normal con el mismo desvı́o. ¿Puede afirmarse al 1 % que las medias de los lotes
son significativamente diferentes?
12.20 La siguiente tabla muestra para cada uno de 11 individuos, la proporción

(como porcentaje) de plaquetas sanguı́neas aglutinadas antes y después de fumar
un cigarrillo.
Antes 25 25 27 44 30 67 53 53 52 60 28
Después 27 29 37 56 46 82 57 80 61 59 43
Las plaquetas tienen un rol importante en la formación de coágulos. Suponiendo

normalidad de los datos ¿qué puede concluirse sobre los efectos del cigarrillo?
12.21 En un examen rindieron 100 alumnos del curso A y 80 del curso B. Del curso
A aprobaron 20 y del curso B lo hicieron 5. ¿Considera que los datos muestran, con
un nivel de significación del 10 %, que la probabilidad de aprobación depende del
curso?
12.22 En una sucesión de 100 lanzamientos independientes de una moneda se
observaron 59 caras y 41 cecas ¿Estos datos son conciliables con la hipótesis de que
la moneda es honesta?
12.23 Considerar los primeros 1000 decimales del número π:
3.1415926535897932384626433832795028841971693993751058209749445923078164
0628620899862803482534211706798214808651328230664709384460955058223172
5359408128481117450284102701938521105559644622948954930381964428810975
6659334461284756482337867831652712019091456485669234603486104543266482
1339360726024914127372458700660631558817488152092096282925409171536436
7892590360011330530548820466521384146951941511609433057270365759591953
0921861173819326117931051185480744623799627495673518857527248912279381
8301194912983367336244065664308602139494639522473719070217986094370277
0539217176293176752384674818467669405132000568127145263560827785771342
7577896091736371787214684409012249534301465495853710507922796892589235
4201995611212902196086403441815981362977477130996051870721134999999837
2978049951059731732816096318595024459455346908302642522308253344685035
2619311881710100031378387528865875332083814206171776691473035982534904
2875546873115956286388235378759375195778185778053217122680661300192787
66111959092164201989...
Contar la cantidad de veces en que aparece cada dı́gito y aplicar el test chi-cuadrado
al 0.05 de significación para ver si esas frecuencias son compatibles con la hipótesis
de que los dı́gitos son equiprobables.
12.24 Conseguir una computadora que tenga instalado el programa Excel y usando
ese programa simular una muestra aleatoria de volumen 100000 de una población
normal N p0, 1q. Aplicar el test chi-cuadrado para verificar si la muestra obtenida
es compatible con la hipótesis de que proviene de una distribución normal N p0, 1q.
12.25 La siguiente tabla muestra la distribución de frecuencias de la duración de

ciertas baterı́as en años:
Clase 1.45-1.95 1.95-2.45 2.45-2.95 2.95-3.45 3.45-3.95 3.95-4.45 4.45-4.95

Frecuencia 2 1 4 15 10 5 3
¿Puede afirmarse a un nivel del 5 % que la duración de las baterı́as se ajusta a una
distribución normal con media 3.5 años y desvı́o estándar 0.7 años?
12.26 Durante 100 intervalos de un segundo se registraron las cantidades de emisio-

nes de una pieza de material radioactivo. La distribución de frecuencias se muestra
en la siguiente tabla:
Cantidad de emisiones 0 1 2 3 4 5 6 7 8 9 10 11
Frecuencia 3 1 2 12 23 13 20 9 6 6 4 1
(a) Testear a un nivel de 5 % si los datos provienen de una distribución Poisson de

media 5.
(b) Testear a un nivel de 5 % si los datos provienen de una distribución Poisson.
¿Cuál es la conclusión?
12.27 [ver Ejercicio 11.4] ¿A un nivel de 5 %, puede afirmarse que las mediciones
de la velocidad de la luz de Michelson se ajustan a una distribución normal?
12.28 Se construye una máquina que controla automáticamente la cantidad de

cinta sobre un carrete. La máquina se considera eficaz si el desvı́o estándar σ de
la cantidad de cinta sobre el carrete no supera 0.15 cm. Si en una muestra de 20
carretes se obtiene una estimación de varianza S 2 0.025, ¿estamos en condiciones
de concluir que la máquina es ineficaz?
12.29 Un productor de una nueva lı́nea de neumáticos afirma que su utilidad media
es mayor que 40000 km. Para verificar dicha afirmación se sometieron a prueba 12
neumáticos y sus utilidades (en miles de km.) resultaron las siguientes:
40.5 40.6 41.3 41.6 42.0 39.8
40.7 40.9 40.2 39.9 41.0 40.6
Suponiendo que la utilidad de los neumáticos tiene distribución normal, verificar la
afirmación del productor a un 5 % de nivel de significación.
12.30 La duración (en segundos) de las llamadas telefónicas para solicitar un
generador de números aleatorios a la empresa “Random numbers? Llame Ya!” es
una variable aleatoria, X, de media µ y desvı́o estándar σ (ambos desconocidos).
En una muestra aleatoria de la duración de 50 llamadas se observaron los valores
X̄ 310 y S 25. Al 0.1 de nivel de significación, se puede concluir que
(a) µ ¡ 300 ?
(b) σ ¡ 20 ?
12.31 Se debe comprar un producto cuyo peso obedece a una distribución normal y
se requiere que la varianza sea inferior a 4. Si el producto no cumple con el requisito
se desea cometer un error en la decisión que no supere el 5 %. Por otro lado, si la
varianza fuese igual a 3, se desea que el error en la decisión sea del 5 %. Diseñar un
test de hipótesis para decidir si el producto cumple la especificación.
0.8
0.75
0.7
0.65
0.6
119 172 264 400
Gráfico del cociente entre los fractiles χ2p0.05 y χ2p0.95 en función

de los grados de libertad.
(Sugerencia: Utilizar la información que aparece en la figura y recordar que si Q

?
tiene distribución χ2 con n grados de libertad, para valores grandes de n se?cumple
que W 2Q se distribuye aproximadamente como una normal de media 2n 1
y desvı́o estándar 1.)
12.32 Conseguir una moneda de 5 centavos. Lanzarla 100 veces y aplicar el test
chi cuadrado para saber si la moneda es honesta.
12.33 De cierto generador de números aleatorios se afirma que los produce de

acuerdo con la distribución U r0, 1s. Para verificar esa hipótesis se producen 10000
números con el mencionado generador. Para economizar espacio se registra la can-
tidad de números de la forma 0. d..., donde d 0, 1, . . . , 9. Se obtuvieron los resul-
tados siguientes:
d 0 1 2 3 4 5 6 7 8 9
#t0. d...u 977 1045 1017 1024 901 928 1045 984 1034 1045
¿Estos datos son conciliables con la afirmación?
12.34 Paenza (Página 12, 3 de mayo de 2009, Contratapa) afirma que la distri-
bución del primer dı́gito significativo, D, de los precios de los productos que se

ofrecen en un supermercado se rige por la ley de Benford: P pD dq log10 d d 1 ,
d 1, . . . , 9. Se registraron los precios de 2500 productos ofrecidos por un super-
mercado y se obtuvieron las siguientes frecuencias:
d 1 2 3 4 5 6 7 8 9
nd 730 441 304 247 226 160 147 114 131
¿Estos datos son conciliables con la afirmación de Paenza?
Referencias (por orden alfabético)
Abramson, N. (1986), Teorı́a de la Información y Codificación, Paraninfo, 6a

edición.
DeGroot M.H. (1986), Probability and Statistics, Addison Wesley Publishing
Company, 2a edición.
Feller, W. (1970), An Introduction to Probability Theory and its Applications,
Wiley Series in Probability and Mathematical Statistics, New York, Volumen 1, 3a
edición.
Grimmett G.R. y Stirzaker D.R. (2001), Probability and Random Processes, Ox-
ford University Press, New York, 3a edición.
Maronna, R. (1995), Probabilidad y Estadı́stica Elementales para Estudiantes de
Ciencias, Editorial Exacta, La Plata.
Ross, S.M. (2007), Introduction to Probability Models, Academic Press, San Die-
go, 9a edición.
Soong, T.T. (2004), Fundamentals of Probability and Statistics for Engineers,
John Wiley & Sons.

Guia1 1 PDF

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Guia1 1 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guia1 1 PDF

Cargado por

Copyright:

Formatos disponibles

Facultad de Ingenierı́a UBA

Segundo Cuatrimestre del 2010

Ï : El ejercicio requiere simulación con computadora.

A : “Siga siga”. Lea detenidamente el enunciado. Si cree entender qué es lo que

h : Ejercicios muy difı́ciles.

1.1 En una universidad se obtuvo la siguiente información: el 74 % de las chicas

1.3 ! [DeGroot, pág. 42 ] En una ciudad se publican los periódicos A, B y C. El

1.4 [Maronna, pág. 10 ]

1.8 Un dado equilibrado se arroja dos veces. Hallar la probabilidad de que

1.9 ! Sea Ω  r0, 1s r0, 1s el cuadrado unitario. Consideraremos eventos a los

8 para k  1, 2, . . ., Dk  tpx, y q P Ω : px 1{2q py 1{2q2 ¤ 1{k2 u y

1.12 Se tiene un naipe español de 40 cartas.

1.15 ! [Feller, pág. 38-42 ] Se arrojarán 17 bolas en 20 urnas.

1.16 ! Ï Simulación de experimentos aleatorios. Sea Ω  tω1 , ω2 , . . . , ωn u el

1.17 Ï Mediante 20 simulaciones estimar las siguientes probabilidades

1.20 La ﬁgura siguiente representa el mapa de una localidad turı́stica de 40 man-

Un paseo desde el hotel, situado en el punto H, hasta el puerto de pescadores,

1.24 Un canal de comunicación binario simple transporta mensajes usando sólo

1.27 Se elige al azar una permutación de las letras C, H, Q, P . Mostrar que

1.28 Se elige un número al azar en el intervalo p0, 1q

1.32 El motor de un automóvil consta de 300 componentes individuales. Cada

1.34 Una materia de la FIUBA se aprueba con un examen multiple choice de 10

1.35 ! La urna a contiene 3 bolas blancas y 7 rojas. La urna b contiene 12 blancas

1.36 En el contexto del Ejercicio 1.9, sean

A  tpx, y q P Ω : |x 1{2| |y 1{2| ¤ 1{3u,

(a) Dado A, ¿son C y D independientes?

1.37 Se hace un estudio sobre 900 graduados, después de 25 años de graduados,

1.38 [Abramson] Dado un experimento aleatorio E con r1 , r2 , . . . , rn resultados

(a) Comprobar que PpΩq  1.

1.46 h En el contexto del Ejercicio 1.10:

1.47 h Capablanca y Lasker juegan un match de ajedrez a muerte súbita. Cada

1.48 Ï Mediante simulaciones, estimar el número medio de la cantidad de tiradas

1.49 Ï Método de Monte Carlo. Sea f : R Ñ R una función continua y no

(b) Si se conoce el valor de la probabilidad, PpAq, del evento A  tY ¤ f pX qu,

(c) basándose en los resultados de 10000 simulaciones.

FX pxq  1t0 ¤ x 1u 1t1 ¤ x 2u 1t2 ¤ x 3u

(a) ¿En qué puntos de R la variable X concentra masa positiva?

2.3 Sea X una variable aleatoria cuya función de distribución es

fX pxq  p4x 1q 1t0 ¤ x ¤ 1u.

(a) Hallar la función de distribución de X.

2.8 En una urna hay 3 bolas blancas y 4 bolas negras.

fX pxq  1t1 ¤ x ¤ 1u.

fX pxq  cxp20 xq 1t0 x 20u.

Un sistema de control descarta las arandelas cuyo diámetro es inferior a 3 o superior

2.14 Sea X, la distancia (en decı́metros) del punto de impacto al centro de un

2.16 Una urna contiene 3 bolas blancas, 2 rojas y 3 negras.

2.17 ! Sea pX, Y q un punto uniformemente distribuido sobre el semicı́rculo supe-

2.18 Sean X e Y dos variables aleatorias con función de densidad conjunta

2.19 ! Juan y Carlos quedaron en encontrarse en un lugar a las 12 del mediodı́a.

2.20 ! Sean A, B y C tres variables aleatorias independientes con distribución

2.25 Sea pX, Y q un vector aleatorio con función de densidad conjunta

fX,Y px, y q  kxpx y q 1t0 x 2, |y | xu.

(a) Hallar las densidades marginales de X y de Y .

2.26 De un mazo de naipes de Poker se extraen repetidamente cartas con reposi-

2.27 Se arrojan dos dados piramidales equilibrados con los números 1, 2, 3, 4 en

2.28 [ver Ejercicio 1.28] Sean X1 y X2 variables aleatorias con distribución

2.29 Sean X e Y variables aleatorias independientes con distribución uniforme

2.30 Las barras provenientes de un tren de laminación tienen sección rectangular

1.9 ! Sea Ω r0, 1s r0, 1s el cuadrado unitario. Consideraremos eventos a los

8 para k 1, 2, . . ., Dk tpx, y q P Ω : px 1{2q py 1{2q2 ¤ 1{k2 u y

1.16 ! Ï Simulación de experimentos aleatorios. Sea Ω tω1 , ω2 , . . . , ωn u el

A tpx, y q P Ω : |x 1{2| |y 1{2| ¤ 1{3u,

(a) Comprobar que PpΩq 1.

(b) Si se conoce el valor de la probabilidad, PpAq, del evento A tY ¤ f pX qu,

FX pxq 1t0 ¤ x 1u 1t1 ¤ x 2u 1t2 ¤ x 3u

fX pxq p4x 1q 1t0 ¤ x ¤ 1u.

fX pxq 1t1 ¤ x ¤ 1u.

fX pxq cxp20 xq 1t0 x 20u.

fX,Y px, y q kxpx y q 1t0 x 2, |y | xu.

2.32 h Sea U 0.X1 X2 X3 . . . el desarrollo decimal de un número al azar sobre

3.14 Sea X una variable aleatoria, µX 2, σX2

3.15 Se arroja un dado equilibrado. Sea X 1 si sale as, X 0 en caso contra-

3.18 ! Sea X una variable aleatoria, µX µ, σX 2

casos, simular 100000 valores de Sn ; computar y graﬁcar la función de distribución

4.1 ! Sea X una variable aleatoria con densidad fX pxq 1

la función de distribución de Y X 1t1 ¤ X 1u 1t 1 ¤ X u .

fX,Y px, y q xexp1 y q 1tx ¡ 0, y ¡ 0u.

Sean X e Y variables aleatorias independientes tal que X U p0, 1q y

PpX Y 1|X Y q Pp2X 1q PpX 1{2q 1{2.

5.30 Sea arroja un dardo sobre el blanco circular Λ tpx, y q P R2 : x2 y 2 ¤ 1u.

6.12 Sean N1 y N2 dos variables geométricas independientes donde PpNi 1q p.