Cálculo de Probabilidades

193 Problemas Resueltos de
CálculodeProbabilidades
Victoriano J. García García Héctor M. Ramos Romero
Miguel Ángel Sordo Díaz

Índice
1 Fundamentos 7
1.1 Contenidos: 7
1.2 Problemas 7
1.2.1 Propiedades Básicas 7
1.2.2 Espacios muestrales finitos 25
1.2.3 Método Geométrico 36
2 Probabilidad Condicionada 47
2.1 Contenidos 47
2.2 Problemas 47
2.2.1 Probabilidad Condicionada. Independencia de sucesos . 47
2.2.2 Teorema de la Probabilidad Total. Teorema de Bayes . 58
3 Variables Aleatorias 89
3.1 Contenidos 89
3.2 Problemas 89
3.2.1 Distribuciones discretas 90
3.2.2 Distribuciones continuas 94
4 Característicasdelas V V . A A . 115
4.1 Contenidos 115
4.2 Problemas 115
5 Vectores Aleatorios 151

5.1 Contenidos 151
5.2 Problemas 151
3
4 ÍNDICE
6 Distribuciones 185
6.1 Contenidos 185
6.2 Problemas 185
6.2.1 Distribución normal 186
6.2.2 Otras Distribuciones 199
7 Notación, BibliografíayTablas 219

7.1 Generalidades 220
7.2 Momentos 221
7.3 Siglas 221
7.4 Distribuciones 222
7.5 Complementos al Capítulo 1 223
7.5.1 Leyes de Morgan 223
7.5.2 Axiomática de Kolmogorov 223
7.5.3 Regla de Laplace 223
7.6.1 De…niciones 224
7.6.2 Teoremas 225
7.7.1 Transformaciones de variables aleatorias 225
7.11 Bibliografía 228
7.12 Tabla de la distribución normal 229
ÍNDICE 5
Presentación
Este libro contiene una recopilación de problemas resueltos de Cálculo de

Probabilidades, fruto del trabajo de revisión y actualización que los autores,
todos con amplia experiencia en la docencia de esta materia en diversas
titulaciones de la Universidad de Cádiz, han realizado durante varios años.
El Cálculo de Probabilidades está presente en los planes de estudio de
una gran cantidad de disciplinas y especialidades. El deseo de impartirla con
cierto rigor nos lleva con frecuencia a los profesores a invertir una buena parte
de los créditos asignados en la necesaria adquisición del soporte teórico sobre
el que desarrollarla. Sin embargo, el carácter troncal (en el sentido más
amplio) de la asignatura, pilar fundamental de otras ramas más aplicadas
de la Estadística, la Economía, la Ingeniería o la Medicina, aconsejan que el
alumno adquiera, más allá de los meros conocimientos teóricos y la capacidad
de resolver problemas-tipo, cierta destreza en la resolución de problemas algo
más complejos. La experiencia nos muestra que ésta sólo se adquiere tras
un proceso de "maduración" en el cálculo de probabilidades, fruto de la
asimilación de los conceptos teóricos y la realización pausada de numerosos
problemas. Este libro pretende contribuir a la adquisición, por parte del
alumno, de las citadas destrezas, poniendo a su disposición un total de 193
problemas resueltos con detalle.
Como cualquier libro que aspira a ser útil en diversos frentes, éste ha sido
redactado con un planteamiento que abarca desde los ejercicios más sencillos
hasta los que requieren mayor esfuerzo o dominio de las técnicas matemáticas.
Si bien hemos omitido, por prescindibles (dada la abundancia de manuales
especí…cos) la mayor parte de los desarrollos teóricos, las demostraciones de
algunas proposiciones que habitualmente forman parte del cuerpo teórico de
la asignatura aparecen aquí propuestas como ejercicios, con la intención de
ser de utilidad al profesor que administra el tiempo de docencia. A éste
también va dirigido el libro, con el objetivo de proporcionarle un amplio
material para la preparación de pruebas o una alternativa a la tradicional
redacción de hojas de problemas.
Victoriano J. García, Héctor M. Ramos y Miguel A. Sordo.

6 ÍNDICE
Sobreelcontenido
El libro está dividido en siete capítulos, siendo los seis primeros los de-
dicados a ejercicios, siguiendo el orden del temario establecido para la asig-
natura Cálculo de Probabilidades impartida a los aspirantes a matemáticos
en la Universidad de Cádiz, así como para asignaturas en otras Titulaciones.
Hemos hecho la recopilación que creemos más adecuada para que el lector-
alumno adquiera con ella una formación más completa y equilibrada y, debido
a que cada tema tiene una amplitud de contenidos distinta, cada capítulo
contiene un número distinto de problemas.
En la resolución de los problemas se ha sacrificado buena parte del habi-
tual orden y rigor matemático en las explicaciones en aras de seguir la ruta
natural del pensamiento de quien lo resuelve. Por eso, a veces, se han expli-
citado ampliamente pasos que, en cualquier otro libro, apenas necesitarían
un par de líneas.
Estos problemas siguen una secuencia. Esto es, no sólo un orden de
dificultad, sino que incluso se recurre a problemas anteriores para resolver
otros, de manera que es preferible seguir una lectura ordenada antes que
saltar de uno a otro. Algunos resultados teóricos se muestran como ejercicio,
pues la experiencia demuestra que su utilidad como tal es apreciable, al
margen de la que tienen como parte de la Teoría del tema correspondiente.
En el Capítulo 7 hacemos una recopilación de las notaciones y símbolos de
elementos estadísticos que aparecen en todo el libro. En el mismo capítulo
recomendamos una bibliografía para el estudio teórico de la Teoría de la
Probabilidad, indispensable para poder abordar y comprender los ejercicios
aquí contenidos.
Tradicionalmente, en los ejercicios en los que aparece una variable aleato-
ria con distribución normal o Gaussiana se recurre a una tabulación de las
probabilidades de la distribución normal estándar, con media nula y varianza
unidad. En la actualidad, no obstante, existe en el mercado una amplia oferta
de calculadoras científicas que proporcionan éstas y otras probabilidades, lo
cual supone un ahorro significativo de tiempo y esfuerzo que recomendamos
al lector. Sin embargo, ante la posibilidad de que éste pudiera no disponer
de una de estas máquinas, en los problemas referidos hemos obtenido las
soluciones mediante la clásica tabla de la normal, incluida al final del libro.
Capítulo 1
Fundamentos
1.1 Contenidos:
Experimento aleatorio. Punto muestral. Espacio muestral.
Suceso. Espacio de sucesos. Álgebra de sucesos. Sucesos incompatibles.

Sucesos complementarios. Leyes de Morgan.
Probabilidad. Axiomática de Kolmogorov. Propiedades derivadas. Es-

pacio probabilístico.
Probabilidades sobre espacios muestrales finitos. Combinatoria. Regla

de Laplace. Método geométrico.
1.2 Problemas
1.2.1 Propiedades Básicas
E n esta sección se resuelven algunos problemas que requieren t a n sólo los
conceptos básicos de espacio probabilístico y algunas de las propiedades
más inmediatas de la Axiomática de Kolmogorov. E n algunos enunciados,
por comodidad, se sobreentenderá la existencia de un espacio probabilístico
(Ω; S; P) y la pertenencia de los sucesos que se mencionen a una σ-álgebra
S.
7
8 CAPÍTULO 1. FUNDAMENTOS
P r o b l e m a 1 . 1 . Sea e l e x p e r i m e n t o a l e a t o r i o c o n s i s t e n t e e n l a n -
z a r dos d a d o s .
a) D e s c r i b i r e l e s p a c i o m u e s t r a l a s o c i a d o a l e x p e r i m e n t o .
b ) C o n s i d e r a n d o los sucesos:
A ≡ “ O b t e n e r 7 c o m o s u m a d e los d a d o s ” ,
B ≡ “ O b t e n e r p a r c o n c a d a u n o d e los d a d o s ” ,
C ≡ “ O b t e n e r a l m e n o s u n 6 c o m o s u m a d e los d a d o s ” ,
D ≡ “ O b t e n e r resultado distinto en cada d a d o ” ,
D e s c r i b i r los sucesos
i ) A∩B, i i ) A∩ C, i i i ) A B, i v ) A ∩ D, v ) ,
i n d i c a n d o los p u n t o s m u e s t r a l e s q u e c o n t i e n e n .
Solución
a) Se distinguirán los dados como “primero” y “segundo”, de manera que
los puntos muestrales forman el espacio muestral
Ω = {(1,1), (1, 2),..., (1,6), (2,1),..., (2,6),..., (6,6)}.

b-i) A∩B = 0. Si el resultado de cada dado es un número par, no pueden
sumar 7.
b-ii) Como A C, entonces
A ∩ C = A = {(1,6), (2,5), (3,4), (4,3), (5, 2), (6,1)}.

b-iii) Como A∩B = 0 , basta enumerar los puntos de A y luego los de
B , pues no hay coincidencias.
A B = {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1),

(2, 2) , (2,4), (2, 6), (4, 2) , (4,4), (4,6), (6, 2), (6,4) , (6, 6)} :
b-iv) Como en los puntos de A no hay coincidencias en las puntuaciones
de los dos dados, es decir, A C D, entonces
A ∩ D = A = {(1,6), (2,5), (3,4), (4,3), (5, 2), (6,1)}.
b-v) D ≡ “No obtener resultado distinto en cada d a d o ” ≡ “Obtener el

mismo resultado en los dos dados”:
D = {(1,1) ,(2, 2),(3,3),(4,4),(5,5),(6,6)}: •

1.2. PROBLEMAS 9
P r o b l e m a 1.2. Sea el experimento aleatorio consistente en ex-

traer una carta al azar de una b a r a j a española.
a) D e t e r m i n a r el espacio muestral.
b) Sean los sucesos
A ≡ “ O b t e n e r carta de oros”
B ≡ “ O b t e n e r carta de copas”
C ≡ “ O b t e n e r figura (sota, caballo o r e y ) ”
D ≡ “Obtener rey”.
Describir los siguientes sucesos:
i) (A∪ B) ∩ D, i i ) , iii) , i v ) (C ∩ D) ∩ A, v ) D ∩ .
Solución
a) Ω consta de 40 elementos, determinados por un número del 1 al 10 (As
= 1, sota = 8, caballo = 9, rey = 10), y por uno de los cuatro palos (oros,
copas, bastos y espadas). Es decir:
Ω = { 1 ; 2;..., 9;10} x {oros, copas, bastos, espadas}.
b-i) ( A U B ) ∩ D ≡ “Obtener carta de oros o de copas, y obtener rey”, es

decir,
(A∪ B) ∩ D = {(10, oros), (10, copas)} :
b-ii, b-iii) = , por las Leyes de Morgan. Entonces, como

≡ “No obtener oros o copas”, queda
≡ “No obtener carta de oros ni de copas”.
b-iv) (C ∩ D) ∩ A = C ∩ D ∩ A ≡ “Obtener una carta de figura, de rey

y de oros”, es decir
(C ∩ D) ∩ A ≡ “Obtener el rey de oros” = (10, oros).
b-v) D ∩ ≡ “Obtener un rey, y que no sea figura”, es decir, . •

P r o b l e m a 1.3. P r o b a r q u e , d a d o u n suceso A de u n espacio

p r o b a b i l í s t i c o (Ω; S; P), se v e r i f i c a q u e :
P = 1 - P (A):
Solución
Se tiene, por el A x i o m a I I , que P (Ω) = 1:
Se tiene, por definición de suceso complementario, que y que
Se tiene entonces, por el A x i o m a I I I en su versión para uniones finitas,

que
de donde se concluye la relación del enunciado. •
P r o b l e m a 1.4. P r o b a r q u e , d a d o s dos sucesos A y B d e u n

e s p a c i o p r o b a b i l í s t i c o (Ω, S, P), t a l e s q u e se v e r i f i c a q u e :
Solución
Se tiene, para cualesquiera sucesos A y B, que
y que
Por la definición de inclusión de conjuntos, es claro que
Por lo tanto, aplicando el A x i o m a I I I en su versión para uniones finitas, se

obtiene que
Como, por el A x i o m a se concluye inme-

diatamente que
P r o b l e m a 1.5. P r o b a r , a p a r t i r d e l a A x i o m á t i c a d e K o l m o g o r o v
q u e , p a r a c u a l q u i e r suceso A d e u n e s p a c i o d e sucesos S, se v e r i f i c a
1.2. PROBLEMAS 11
Solución
Por el A x i o m a I de Kolmogorov, queda determinado que
Dado que, por el A x i o m a I I
Por ser aplicando el A x i o m a I I I de Kolmogorov en su versión de

uniones …nitas,
Como es otro suceso, y también debe ser
P r o b l e m a 1.6. P r o b a r q u e , d a d o s dos sucesos A y B d e un

m i s m o e s p a c i o d e sucesos, se v e r i i c a :
Solución
Basta descomponer A∪ B como unión de sucesos disjuntos, y aplicar el
A x i o m a I I I de Kolmogorov en su versión para uniones finitas.
y por tanto,
(1.1)
Como consecuencia, teniendo en cuenta que el subconjunto A∩B está repetido,

se puede probar (por doble inclusión) que
y, al ser los tres sucesos incompatibles dos a dos, se puede aplicar el A x i o m a

III:
(1.2)
Combinando (1.1) con (1.2), se obtiene:
P r o b l e m a 1.7. P r o b a r q u e , d a d o s t r e s sucesos A, B y C d e u n
m i s m o e s p a c i o d e sucesos, se v e r i f i c a :
Solución
Usando el resultado del Problema 1.6 para la unión de dos sucesos y la
propiedad distributiva de unión e intersección de sucesos y, empleando la
propiedad asociativa de la unión de conjuntos, llamando como
un solo suceso, se tiene:
(usando nuevamente el resultado del Problema 1.6 para desarrollar el segundo

sumando y la pripiedad distributiva de unión e intersección)
(Usando nuevamente el resultado del Problema 1.6, ahora en el ú l t i m o sumando

de la expresión)
1.2. PROBLEMAS 13
N O T A : Este resultado puede extenderse a l a u n i ó n de n conjun-

tos, de manera que
P r o b l e m a 1.8. Sean dos sucesos A y B de u n espacio de suce-

sos S, tales que Calcular
Solución
Aplicando las Leyes de Morgan,
P r o b l e m a 1.9. Dos sucesos A y B son equiprobables. Si l a

p r o b a b i l i d a d de que o c u r r a n ambos a l a vez es 002 y l a de que no
o c u r r a n i uno n i el o t r o es 0010, ¿cuál es l a p r o b a b i l i d a d de cada
uno de ellos?
Solución
En este problema se utilizará que la relación de complementariedad entre
sucesos es recíproca, es decir, que
Por ser equiprobables, P (A) = P (B) = p: Se tiene que
Por lo tanto,
P r o b l e m a 1.10. D a d o s A y B p e r t e n e c i e n t e s a S, t a l e s q u e
hallar
Solución
a) Es claro que
Como sustituyendo se obtiene
que
b) Se tiene, por las Leyes de Morgan, que Por tanto,
c) Igualmente, por las Leyes de Morgan, se tiene que
d)
Por lo tanto,
P r o b l e m a 1 . 1 1 . S e a n los sucesos A, B y C p e r t e n e c i e n t e s a S
tales que
1.2. PROBLEMAS 15
Calcular:
a) L a p r o b a b i l i d a d d e q u e o c u r r a e x a c t e m e n t e u n o d e los t r e s
sucesos
b ) L a p r o b a b i l i d a d d e q u e o c u r r a a l m e n o s u n o d e los t r e s suce-
sos.
Solución
a) E l suceso cuya probabilidad se pide se puede escribir como
Estos tres sucesos son claramente disjuntos dos a dos, de manera que se
necesita conocer la probabilidad de cada uno de ellos, y obtener la suma.
Además, por la simetría en los datos, bastará calcular la probabilidad de uno
de ellos, y, como la de los otros dos coincidirán con ésta, bastará
triplicar el valor que se obtenga para concluir el problema.
Se utilizará que, dados cualesquiera sucesos
(1.3)
Entonces, aplicando las Leyes de Morgan,
y tomando en la expresión (1.3) , se tiene que
(1.4)
Se necesita, entonces, calcular el segundo sumando
E n definitiva, sustituyendo en (1.4),

y, por la simetría entre los tres sucesos, la probabilidad pedida es el triple,
b) En este caso, se pide
P r o b l e m a 1.12. L a p r o b a b i l i d a d de que u n estudiante A apruebe

u n examen de Cálculo de Probabilidades es 0’8; l a de que o t r o
estudiante B lo apruebe es 0’4; y la de que aprueben ambos es de
0’3. Calcular la p r o b a b i l i d a d de que:
a) A l menos uno de ello apruebe.
b) N i n g u n o de ellos apruebe.
c) Sólo uno de ellos apruebe.
Solución
Se definen los sucesos: A ≡ “El alumno A aprueba”; B ≡ “El alumno B
aprueba”. Entonces,
a) “Alguno de ellos apruebe” ≡ A U B:
b) “Ninguno de ellos apruebe”
c) “Sólo uno de ellos apruebe” Por ser estos dos

sucesos disjuntos, se obtiene
Por un lado,
1.2. PROBLEMAS 17
por otro lado,
Y, en definitiva,
P r o b l e m a 1.13. Sean los sucesos A, B y C de u n cierto espacio de

sucesos, tales que
y H a l l a r l a p r o b a b i l i d a d de
Solución
Independientemente de que con la información suministrada no sería su-
--ciente para responder a la pregunta, se observa que, según los datos del
problema
y el resultado obtenido en el Problema 1.4,

(!):•
P r o b l e m a 1.14. E n u n estudio realizado sobre 900 profesionales
años después de su graduación, se obtiene que:
i) 300 de ellos t u v i e r o n éxito profesional.
i i ) 300 de ellos estudiaron Teoría de l a P r o b a b i l i d a d en su ca-
rrera,
i i i ) 100 de ellos t u v i e r o n éxito y estudiaron Teoría de la Proba-
b i l i d a d en su carrera.
D e t e r m i n a r la p r o b a b i l i d a d de que u n i n d i v i d u o escogido al azar
en este g r u p o presente
a) Exactamente k de estas características, con k = 0,1,2,
b) A l menos k de estas características, con k = 0,1, 2,
c) N o más de k de estas características, con k = 0,1,2,
donde las características son las estudiadas (tener é x i t o profe-
sional, haber estudiado Teoría de la P r o b a b i l i d a d en su carrera).
Solución
Se definen los sucesos E ≡"tener éxito profesional" y C ≡"haber estu
diado Teoría de la Probabilidad en su carrera". Por hipótesis,
a) Se considerará cada valor de n, siendo n ≡"número de características

presentadas por el sujeto seleccionado".
a-n = 0)
Como
se obtiene
a-n = 1)
(por ser, claramente, sucesos disjuntos)
Cada sumando se puede obtener por separado como sigue:
De donde
a-n = 3) Este caso resulta obvio, pues P (n = 3) = por hipótesis.

b) Probabilidad de que se den "al menos k características" es
b-k = 0). Es el caso t r i v i a l , siendo
b-k = 1)
1.2. PROBLEMAS 19
b-k = 2)
c) Probabilidad de que se den "no más de k características" es el problema

de los casos complementarios al apartado b).
c-k = 0) Se t r a t a de hallar
c-k = 1) Se t r a t a de hallar
c-k = 2) Ahora se t r a t a de el otro caso t r i v i a l , pues
P r o b l e m a 1.15. E n u n a e n c a r n i z a d a b a t a l l a e n t r e señores f e u -
dales c o m b a t i e r o n 270 h o m b r e s . D e e l l o s , 9 0 p e r d i e r o n u n o j o , 9 0
p e r d i e r o n u n b r a z o y 90 p e r d i e r o n u n a p i e r n a . 30 p e r d i e r o n u n
o j o y u n b r a z o , 30 p e r d i e r o n u n b r a z o y u n a p i e r n a , 30 p e r d i e r o n
u n a p i e r n a y u n o j o . Y 10 p e r d i e r o n las t r e s cosas. D e t e r m i n a r
l a p r o b a b i l i d a d de que u n i n d i v i d u o de éstos, seleccionado al azar,
haya sufrido
a) E x a c t a m e n t e k l e s i o n e s , c o n k = 0,1,2:
b ) P o r l o m e n o s k l e s i o n e s , c o n k = 0,1,2:
c) N o m á s d e k l e s i o n e s , c o n k = 0,1,2:
Solución
Se definen n ≡"número de mutilaciones presentadas por el sujeto selec-
cionado", y los sucesos:
O ≡ " E l individuo seleccionado ha perdido un o j o " ;
L ≡ " E l individuo seleccionado ha perdido una pierna ";
B ≡ " E l individuo seleccionado ha perdido un brazo".
Como hipótesis del problema, se tienen las siguientes probabilidades:
20 CAPÍTULO1. FUNDAMENTOS
Se resuelven, a continuación los apartados subdivididos según los casos

de k.
a- caso k = 0) Lo pedido es
(Por la simetría de los datos, los tres sumandos serán idénticos)
Para encontrar esta probabilidad, debe tenerse en cuenta que
y que
Así, finalmente,
1.2. PROBLEMAS 21
pues los tres sucesos entre paréntesis son disjuntos dos a dos. Por la simetría
de los datos, basta con hallar
Y esta probabilidad se puede encontrar como sigue:
Y, por tanto,
b- caso k = 0) Este es un caso trivial, pues lo que se pide es

b- caso k = 1) En esta ocasión, el resultado se obtiene con la ayuda del
apartado a- caso k = 0):
b- caso k = 2) Igualmente,
b- caso k = 3) Coincide con el apartado a- caso k = 3), pues

c- caso k = 0) L o que se p i d e es
c o m o se o b t u v o e n el a p a r t a d o a- caso k = 0 ) .
c- caso k = 1 ) E n este caso, lo que se p i d e es
c- caso k = 2) E n este caso, lo que se p i d e es
c- caso k = 3) E s t e caso es d i r e c t o , pues lo que se p i d e es
P r o b l e m a 1.16. V e r i f í q u e s e q u e l a l e y d e f i n i d a p o r :
p a r a i = 1, 2,..., n , s i e n d o t o d o s l o s s u c e s o s Ai; c u y a u n i ó n es i g u a l a l
e s p a c i o m u e s t r a l , d i s j u n t o s e n t r e s í , es u n a f u n c i ó n d e p r o b a b i l i d a d .
Solución
Se r e v i s a si se c u m p l e l a A x i o m á t i c a de K o l m o g o r o v :
a) b ) L a p r o b a b i l i d a d de la u n i ó n de sucesos n o p r e s e n t a
problemas;
c) Sólo h a y que c o m p r o b a r que
B a s t a c o m p r o b a r que la s u m a de las p r o b a b i l i d a d e s de los sucesos Ai es

l a u n i d a d , p u e s t o que son sucesos d i s j u n t o s dos a dos.
1.2. PROBLEMAS 23
P r o b l e m a 1.17. P r o b a r q u e si entonces
Solución
P r o b l e m a 1.18. P r o b a r q u e si A1,A2,...,An s o n sucesos d e u n

e s p a c i o p r o b a b i l í s t i c o (Ω, S, P) y n N, e n t o n c e s
( E s t e r e s u l t a d o se c o n o c e c o m o d e s i g u a l d a d d e B o n f e r r o n i ) .
Solución
Se prueba por inducción.
Caso n = 1 : es obvio, porque
Caso n = 2:
Se supone ahora, como hipótesis de inducción, que el resultado es cierto

para n, y se probará que entonces es cierto para n + 1.
Aplicando la Desigualdad de Bonferroni para n = 2, ya probada, en la ex-

presión anterior se verifica que
Aplicando la hipótesis de inducción en el primer sumando, se obtiene que
P r o b l e m a 1.19. U n e s p a c i o p r o b a b i l í s t i c o p r e s e n t a u n o s sucesos
d i s j u n t o s W1,...,WN, t a l e s q u e Wj+1 t i e n e e l d o b l e d e p r o b a b i l i d a d
q u e Wj, p a r a j = 1,...,N 1 , y t a l e s q u e s u u n i ó n es e l suceso s e g u r o
Ω. D e t e r m i n a r l a p r o b a b i l i d a d d e los sucesos W i , p a r a i = 1 , . . . , N.
Solución
Por ser disjuntos los sucesos Wi, y por ser su unión el suceso seguro, se
tienen las igualdades
Se denota por P i = P (Wi). Se tiene, por hipótesis del problema, que
para todo j salvo el ú l t i m o . Es decir,
(la expresión del centro es válida, pues, para k entre 1 y N).

De esta forma, la unidad se obtiene como
Como conclusión,
para k = 1,..., N. •
1.2. PROBLEMAS 25
1.2.2 Espacios muestrales finitos

E n esta sección se resuelven problemas de probabilidades en espacios mues-
trales finitos, aplicando la Regla de Laplace. Se t r a t a , esencialmente, de
contar "casos posibles" y "casos favorables", empleando para ello diversas
técnicas de combinatoria.
P r o b l e m a 1.20. Se t o m a a l a z a r u n n ú m e r o e n t e r o n o n e g a t i v o
d e h a s t a t r e s c i f r a s . H a l l a r l a p r o b a b i l i d a d d e q u e a l m e n o s los dos
ú l t i m o s d í g i t o s d e l c u b o d e l n ú m e r o sean i g u a l e s a u n o .
Solución
E l espacio muestral es Ω = [0,999] (intervalo entero). Por tanto,
y, considerando cada número equiprobable,
siendo A el suceso "al menos los dos últimos dígitos del cubo del número
sean iguales a uno" y n el número de casos en los que esto ocurre.
E l número seleccionado al azar, N , se puede escribir en la forma
donde a, b, c son dígitos entre 0 y 9. E n t a l caso, se tiene que
(1.5)
Así, es evidente (hágase el recuento) que la ú l t i m a cifra de N3 será igual a 1

t a n sólo cuando
Se asume, entonces, que en los casos favorable será a = 1. E n estos casos,

las decenas se pueden expresar como las unidades del número
que se obtienen de los términos de (1.5) que sólo se multipliquen por 10, es
decir, 3a 2 b10. Por ser a = 1, se reduce a 3b, que se exige ahora que "acabe
en uno". Tal cosa sólo sucede cuando b = 7.
Como conclusión, se deben contar como casos favorables aquellos en los

que N acaba en " 7 1 " . De esta forma,
P r o b l e m a 1 . 2 1 . Se t o m a a l a z a r u n n ú m e r o e n t e r o n o n e g a t i v o
d e h a s t a n c i f r a s . H a l l a r l a p r o b a b i l i d a d d e q u e a l m e n o s los dos
ú l t i m o s d í g i t o s d e l c u b o d e l n ú m e r o sean i g u a l e s a u n o .
Solución
E l espacio muestral es, en este caso, Ω = [0;10 n -1] (intervalo entero).
Siguiendo el mismo procedimiento del problema anterior, las condiciones son
idénticas, pero multiplicadas por 1 0 n - 2 tanto en los casos "favorables" como
en los "posibles". De esta forma, se obtiene igualmente una probabilidad de
P r o b l e m a 1.22. L o s c o e f i c i e n t e s d e l a e c u a c i ó n d e s e g u n d o g r a d o
ax2+bx+c = 0 se d e t e r m i n a n m e d a n t e t r e s l a n z a m i e n t o s d e u n d a d o ,
a s i g n á n d o l e s los r e s p e c t i v o s v a l o r e s o b t e n i d o s .
a) ¿ C u á l es l a p r o b a b i l i d a d d e q u e l a e c u a c i ó n t e n g a raíces
reales?
b ) ¿ C u á l es l a p r o b a b i l i d a d d e q u e t e n g a u n a r a í z d o b l e ?
1.2. PROBLEMAS 27
Solución
Los casos posibles de elección de a, b y c son 6 • 6 • 6 = 216: Las preguntas
de ambos apartados se reducen a determinar en cuántos casos se tiene que:
Para resolver este problema, se presentan en una tabla los posibles valores
del producto ac:
1 2 3 4 5 6
1 1 2 3 4 5 6
2 2 4 6 8 10 12
3 3 6 9 12 15 18
4 4 8 12 16 20 24
5 5 10 15 20 25 30
6 6 12 18 24 30 36
a) Por su parte, para cada posible valor de b, debe contarse en cuántos

casos de la tabla el producto es menor o igual a
Si b = 1 , hay 0 casos. Si b = 2 , hay 1 caso.

Si b = 3 , hay 3 casos. Si b = 4, hay 8 casos.
Si b = 5, hay 14 casos. Si b = 6, hay 17 casos.
De esta forma, con un total de 43 casos favorables,
b) En este apartado, se comprueba en cuántos casos se tiene la igualdad:

Si b = 1 , hay 0 casos. Si b = 2, hay 1 caso.
Si b = 3 , hay 0 casos. Si b = 4, hay 3 casos.
Si b = 5 , hay 0 casos. Si b = 6, hay 1 caso.
De esta forma,
Problema 1.23. Una rifa consta de 400 números y 4 premios (a

números distintos). Una persona compra 10 números. Hallar la
probabilidad de que obtenga premio.
Solución
Se calculará la probabilidad del suceso complementario: sea el suceso
A ≡ "Esta persona no obtiene premio":
Por tanto, la probabilidad de que obtenga premio es, aproximadamente,

de 0009666: •
P r o b l e m a 1.24. Se r e a l i z a e l s i g u i e n t e e x p e r i m e n t o : se b a r a j a n
8 c a r t a s , 4 d e ellas r o j a s y 4 n e g r a s , a c o n t i n u a c i ó n , l a p e r s o n a q u e
r e a l i z a e l e x p e r i m e n t o las v e u n a t r a s o t r a . E n o t r a h a b i t a c i ó n ,
u n s u j e t o t r a t a d e a d i v i n a r si l a c a r t a q u e e s t á v i e n d o c a d a vez e l
e x p e r i m e n t a d o r es r o j a o n e g r a , c o n e l r e q u e r i m i e n t o d e q u e d e b e
decir " n e g r a " e n c u a t r o ocasiones. S u p o n i e n d o que el a d i v i n a d o r
n o t i e n e p o d e r e s e x t r a s e n s o r i a l e s , ¿qué p r o b a b i l i d a d h a y d e q u e
a d i v i n e e l c o l o r d e e x a c t a m e n t e seis d e las o c h o c a r t a s ?
Solución
Supónganse …jadas las posiciones de salida de las cartas, y considérense
como "casos posibles" las ordenaciones que dice el adivinador. U n "caso
favorable" es aquel en que puede fallar dos cartas y, en las hipótesis del expe-
rimento, ésto equivale a adivinar tres de color rojo. Por tanto, denominando
A3 ≡ " E l sujeto adivina las posiciones de tres cartas rojas",
P r o b l e m a 1.25. D i e z p e r s o n a s se s i e n t a n d e m a n e r a a l e a t o r i a e n
u n a fila d e 10 a s i e n t o s . H a l l a r l a p r o b a b i l i d a d d e q u e dos p e r s o n a s
concretas q u e d e n sentadas e n asientos contiguos.
Solución
Los casos posibles son, claramente, 10! = 10 • 9 • 8 • ... • 2 • 1.
1.2. PROBLEMAS 29
Para contar los casos favorables, se considera a estas dos personas como
un solo elemento. Entonces, el t o t a l de 9 personas que quedan ahora se
pueden sentar de 9! formas. Por otro lado, debe considerarse que, en cada
una de estas formas, las dos personas que deben estar juntas se pueden sentar
de dos formas distintas. E n conclusión:
P r o b l e m a 1.26. D i e z p e r s o n a s se s i e n t a n d e m a n e r a a l e a t o r i a
e n u n a m e s a c i r c u l a r d e 10 a s i e n t o s . H a l l a r l a p r o b a b i l i d a d d e q u e
dos p e r s o n a s c o n c r e t a s q u e d e n s e n t a d a s e n a s i e n t o s c o n t i g u o s .
Solución
La diferencia con el Problema 1.25 es que, en este caso, no existe una
primera y una ú l t i m a posición alrededor de la mesa y, si se considera una
cualquiera de las diez como la primera, se observa que habrá otras tantas
permutaciones ordinarias que se le correponden. Por otro lado, las posiciones
primera y ú l t i m a serían t a n contiguas como la segunda y la tercera, pero el
hecho queda ya solventado por el empleo de este t i p o de recuento. De esta
forma, en las permutaciones circulares de n elementos se computan (n - 1)!
casos, con lo cual los casos posibles son ahora 9!, y los casos favorables, 2 • 8!
Así, la probabilidad buscada es
P r o b l e m a 1.27. ¿ C u á l es l a p r o b a b i l i d a d d e o b t e n e r 8 “ c a r a s ”
a l l a n z a r a l a i r e u n a m o n e d a 8 veces?
Solución
Contando ordenadamente las tiradas, los casos posibles son 2 8 . Como el
caso favorable es único, la probabilidad pedida es
P r o b l e m a 1.28. D e u n a b a r a j a e s p a ñ o l a d e 4 0 c a r t a s se e x t r a e n
4 a l a z a r , s i n r e e m p l a z a m i e n t o . C a l c u l a r l a p r o b a b i l i d a d d e q u e las
cartas extraídas:
a) S e a n t o d a s ases,
b) S e a n dos d e ellas d e o r o s y las o t r a s dos d e c o p a s ,
c) Sea u n a c a r t a d e c a d a p a l o ,
d) A l m e n o s u n a sea d e espadas.
Solución
Para los cuatro apartados, tomando las cartas sin tener en cuenta el orden
de salida, los casos posibles son
a) Sólo hay un caso favorable:
b) De las 10 copas se seleccionan al azar 2, de los diez oros se toman 2:
c) De las 10 cartas de cada palo se selecciona una:
d) E l suceso complementario es “que no salga ninguna espada”, para el
que hay casos favorables. Así,
P r o b l e m a 1.29. Seis a m i g o s d e c i d e n i r a M o s c ú e n t r e n h a c i e n d o
e l v i a j e e n u n c o m p a r t i m e n t o d e seis l i t e r a s . A c a d a u n o le c o r r e s -
1.2. PROBLEMAS 31
ponde, según sus billetes, una l i t e r a d e t e r m i n a d a , sin embargo se

colocan al azar. ¿Cuál es l a p r o b a b i l i d a d de que cada uno ocupe l a
l i t e r a que le corresponde?
Solución
Los posibles repartos de literas son 6! distintos. Obviamente, sólo hay
una opción correcta, de modo que
P r o b l e m a 1.30. D e l conjunto formado p o r los números 1 , 2, 3,

4, 5, 6 y 7, se t o m a n dos de ellos al azar. ¿Cuál es l a p r o b a b i l i d a d
de que l a suma de estos dos números sea par?
Solución
Se define el suceso A ≡ “La suma es un número par”, y se aplica la Regla
de Laplace.
Casos posibles (subconjuntos de dos elementos de { 1 , 2, 3, 4, 5, 6, 7}):
Casos favorables: se trata de que los dos números seleccionados tengan

la misma paridad, esto es:
En conclusión,
P r o b l e m a 1.31. Calcular l a p r o b a b i l i d a d de que en una r e u n i ó n

de n personas haya al menos dos que c u m p l a n años el mismo día,
asumiendo que no hay años bisiestos.
Solución
Se asume, pues, que el año tiene siempre 365 días. Se define el suceso
A ≡ “Hay al menos dos personas que tienen su cumpleaños el mismo día”.
Se calcula la probabilidad del suceso complementario:
Casos posibles: considerando los n individuos ordenados, cada uno de
ellos nace en uno de los 365 días, las posibilidades son 365 n .
Casos favorables: considerando los n individuos ordenados,
de donde se obtiene que
Se calculan estas probabilidades para algunos valores de n, para observar su

cuantía y la rapidez con que crece con n:
P r o b l e m a 1.32. Se c o l o c a n a l a z a r u n r e y b l a n c o y u n a d a m a
n e g r a s o b r e u n t a b l e r o d e a j e d r e z (8x8 casillas o escaques), s i n o t r a s
piezas. C a l c u l a r l a p r o b a b i l i d a d de que estén e n posición de j a q u e .
N o t a : d e b e n e s t a r e n l a m i s m a fila, c o l u m n a o d i a g o n a l , e n -
t e n d i e n d o éstas e n s e n t i d o a m p l i o , c o m o " c a s i l l a s d e l m i s m o c o l o r ,
u n i d a s d e dos e n dos p o r u n v é r t i c e c o m ú n y a l i n e a d a s " . D e e s t a
f o r m a , h a b r á " d i a g o n a l e s " d e 2 , 3, y h a s t a d e 8 casillas.
Solución
Las posiciones son simétricas: si se intercambian las posiciones del rey y
la dama, ambas son posición de jaque o ambas no los son. Pueden, entonces,
colocarse la dos piezas en sendas casillas, sin especificar cuál de las piezas
va en cada una de ellas (es decir, no se tendrá en cuenta el orden en que se
seleccionen las casillas). Se define el suceso J ≡ “ E l rey está en jaque”.
1.2. PROBLEMAS 33
Casos posibles (64 escaques, seleccionamos dos):

Casos favorables:
a) Misma columna:
b) Misma fila:
c) Misma diagonal:
Puesto que dos cualesquiera de estas tres opciones de jaque son incom-
patibles, se tiene en definitiva que:
P r o b l e m a 1.33. U n c u b o c u y a s caras se p i n t a n d e c o l o r se d i v i d e
e n 1.000 c u b o s d e i g u a l t a m a ñ o . Si se s e l e c c i o n a a l a z a r u n o d e esos
cubos, calcular l a p r o b a b i l i d a d de que t e n g a exactamente:
a) U n a c a r a c o l o r e a d a .
b ) D o s caras c o l o r e a d a s .
c) T r e s caras c o l o r e a d a s .
Solución
Basta contar los casos. Hay un t o t a l de 1.000 cubos (casos posibles).
Cubos con 0 caras coloreadas (los del interior): 8 • 8 • 8 = 512.
Cubos con 1 cara coloreada (los de cada cara, salvo el borde): 8•8•6 = 384.
Cubos con 2 caras coloreadas (los de las aristas, salvo las esquinas):
8 • 12 = 96.
Cubos con 3 caras coloreadas (los de los vértices): 8.
E n efecto, 512 + 384 + 96 + 8 = 1 000. Así,
P r o b l e m a 1.34. E n l a c o l a d e u n m u s e o h a y 5 a l e m a n e s , 8 j a p o n e -
ses y 7 e s p a ñ o l e s , q u e se c o l o c a n a l a z a r u n o t r a s o t r o . C a l c u l a r l a
p r o b a b i l i d a d de que:
a) L o s t r e s p r i m e r o s sean d e d i s t i n t a s n a c i o n a l i d a d e s .
b ) L o s t r e s p r i m e r o s sean e s p a ñ o l e s .
c) A l g u n o d e los t r e s p r i m e r o s n o sea j a p o n é s .
Solución
Casos posibles (permutaciones con repetición, pues los individuos de igual
nacionalidad son indistintos):
Casos favorables:
a) Los tres primeros son de distintas nacionalidad (3!), los restantes
son 4 alemanes, 7 japoneses y 6 españoles:
la probabilidad que se pide es
b) Los tres primeros son españoles (un solo caso), los restantes son 5
alemanes, 8 japoneses y 4 españoles:
1.2. PROBLEMAS 35
la probabilidad que se pide es
c) Se utilizará el suceso complementario: casos en que los tres primeros

son japoneses:
la probabilidad pedida es
P r o b l e m a 1.35. D e u n a p o b l a c i ó n d e N a n i m a l e s se c a p t u r a n
W, se m a r c a n y se d e v u e l v e n a l a p o b l a c i ó n . P o s t e r i o r m e n t e se
c a p t u r a n n animales. Calcular la p r o b a b i l i d a d de que exactamente
r d e los a n i m a l e s c a p t u r a d o s e s t é n m a r c a d o s .
Solución
La población de peces se divide en W marcados y N-W sin marcar. La
cuestión es: ¿de cuántas maneras se pueden seleccionar r marcados y n-r
sin marcar? Supóngase que r ≤ W y que n-r ≤ N-W y claro está,
n ≤ N (es decir, se supone que hay peces suficientes en el estaque, y que se
han marcado suficientes, como para que todos los extraídos pudieran estar
marcados o, en el otro extremo, que ninguno de ellos lo estuviera. Entonces:
Casos posibles:
Casos favorables: Así, llamando X ≡ “Número de
peces marcados seleccionados”,
Necesariamente debe ser n ≤ N , pero las demás restricciones no son obli-

gadas. Si no se pueden asumir esas otras restricciones (r ≤ W, etc.), entonces
debe tenerse en cuenta que:
a) E l número máximo de peces marcados que pueden obtenerse es el valor
min(n, W}:
b) E l número mínimo de peces marcados que pueden obtenerse es
max(0, n N + W}:
Para comprobar este ú l t i m o valor, considérese la variable Y ≡ “Número

de peces no marcados seleccionados”, cuyo valor máximo posible es
min(n, N W}:
E n t a l caso, como X + Y = n, la cota se obtiene automáticamente.

Es decir, en definitiva, el valor de X sigue una distribución hiperge-
ométrica de probabilidad. Para ahondar más en este concepto habría que
avanzar en los contenidos teóricos e incluir este problema en el Capítulo 6 de
este libro. •
1.2.3 Método Geométrico

E n esta subsección se aplica la regla de Laplace a espacios muestrales con-
tinuos y acotados. E n cada ejercicio, el primer paso será describir el espacio
muestral como una región de para, a continuación, delimitar la zona de
esta representación que corresponde a u n suceso en cuestión. La probabili-
dad se obtiene entonces dividiendo la medida de la zona correspondiente al
suceso entre la correspondiente al espacio muestral Ω. Debe ponerse especial
cuidado en que, en la representación gráfica, cada caso posible se corresponda
unívocamente con un punto de cierta región medible de y viceversa.
P r o b l e m a 1.36. U n a p a r e j a d e n o v i o s se c i t a e n t r e las seis y

las s i e t e d e l a t a r d e , c o n v i n i e n d o n o e s p e r a r s e m á s d e 10 m i n u t o s .
C a l c u l a r l a p r o b a b i l i d a d d e q u e se e n c u e n t r e n , s u p o n i e n d o q u e l l e -
g a n al azar e i n d e p e n d i e n t e m e n t e e n c u a l q u i e r i n s t a n t e del p e r í o d o
establecido.
Solución
La hora de llegada de cada uno de los novios se puede representar en el
intervalo [0,60], correspondiente a los minutos transcurridos entre las 18:00
1.2. PROBLEMAS 37
horas y la llegada, de manera que el espacio muestral se corresponde de

manera biunívoca con el cuadrado [0,60] 2 . Considerando que la hora de
llegada del novio es x y la de la novia es y, se encuentran si y sólo si se
verifican simultáneamente: y ≤ x + 10, y ≥ x - 10. Gráficamente:
De esta forma, denominando A ≡ “Se encuentran”, Ω al espacio muestral,

y con el mismo nombre la región del plano correspondiente a este suceso,
pueden medirse las superficies y obtener la probabilidad pedida. Resulta más
sencillo medir la probabilidad del suceso complementario, al que corresponde
un cuadrado de lado 50 en la representación de Ω. De esta forma,
P r o b l e m a 1.37. S o b r e u n a c i r c u n f e r e n c i a se e l i g e n t r e s p u n t o s
A, B y C al a z a r . ¿ C u á l es l a p r o b a b i l i d a d d e q u e e l t r i á n g u l o
i n s c r i t o cuyos vértices son dichos p u n t o s contenga al c e n t r o de l a
circunferencia?
Solución
Por razones de simetría, se puede considerar, sin pérdida de generalidad,
que el primer punto colocado (C) es u n punto de referencia. Uniendo cada
uno de los puntos seleccionados (A, B y C) con el centro O de la circunfe-
rencia, la posición de A y B se determina unívocamente con los respectivos

ángulos = x y = y. Puede asumirse igualmente, sin pérdida de
generalidad, que x está entre 0 y π. Así, el espacio muestral Ω se representa
en el plano como [0,π] x [ 0 , 2 π ) , cuya super…cie mide 2π2 (obviamos las
unidades de medida).
Para delimitar los puntos de este rectángulo correspondientes al suceso
considerado, basta darse cuenta de que O, A y B no deben estar en la misma
semicircunferencia, es decir: una vez fijado x, y debe estar en [π, x + π].
Gráficamente:
La región correspondiente al suceso en cuestión queda encerrada entre las

rectas y = x + π, y = π y x = π. De esta forma, la región que se corresponde
al suceso deseado mide , y su probabilidad es
P r o b l e m a 1.38. E n e l i n t e r v a l o [0,1] se t o m a n dos p u n t o s a l a z a r ,

x, y. C a l c u l a r l a p r o b a b i l i d a d d e q u e los t r e s s e g m e n t o s r e s u l t a n t e s
m i d a n más de
1.2. PROBLEMAS 39
Solución
Se considera, sin pérdida de generalidad, que x ≤ y. Entonces, el espa
cio muestral Ω se representa claramente en la región del plano acotada por
0 ≤ x < y ≤ 1 (triángulo (0,0) (0,1) (1,1), área de . Los segmentos
obtenidos miden, entonces, x, y - x y 1 - y. Debe, por tanto, ser
Gráficamente:
De esta forma, el área correspondiente al suceso en cuestión, mide:
y la probabilidad buscada es
P r o b l e m a 1.39. S o b r e u n s e g m e n t o AB se t o m a n a l a z a r dos
p u n t o s P y Q. ¿ C u á l es l a p r o b a b i l i d a d d e q u e , c o n los t r e s t r o z o s
d e l s e g m e n t o , se p u e d a c o n s t r u i r u n t r i á n g u l o ?
Solución
Sin pérdida de generalidad, el segmento puede considerarse unitario: [0,1].
Los puntos se pueden determinar, igualmente, como 0 ≤ x ≤ y ≤ 1: Así, los
segmentos resultantes miden x, y - x, 1 - y. Para que se pueda formar un
triángulo, la suma de dos lados debe ser mayor que la longitud del otro. por
lo tanto, debe ser
Gráficamente:
Con lo cual, la probabilidad requerida es igual al valor del área del t r i á n -

gulo (esto es, 1/8) partida por el área t o t a l (esto es,
1/2):
1.2. PROBLEMAS 41
P r o b l e m a 1.40 (La aguja de Bu¤on). Sea una aguja de l o n g i t u d

que se deja caer sobre u n plano con líneas paralelas separadas entre
sí una distancia con , de m o d o que el centro de l a aguja
caiga con igual p r o b a b i l i d a d en cualquier p u n t o del plano, y su
inclinación respecto a las líneas paralelas sea igualmente equipro-
bable. Calcular la p r o b a b i l i d a d de que la aguja quede cortando
una de las rectas paralelas del plano.
Solución
Sea Y ≡ “Distancia entre el centro de la aguja y la recta más p r ó x i m a ” ,

de modo que Y [0,A/2], y sea θ ≡ “Ángulo de la aguja con la perpendi-
cular a las rectas del plano”, de modo que . Así, cada posible
posición final de la aguja respecto a la recta del plano más cercana queda
unívocamente determinada. Para que la aguja corte a esta recta, debe ser
que la proyección de la m i t a d de la aguja sobre la perpendicular a la recta
sea no inferior al valor de Y, esto es:
Gráficamente:
Así,
Problema 1.41. U n plano se divide mediante líneas paralelas
separadas entre sí una distancia Se deja caer sobre el plano
un triángulo equilátero plano de lado con Calcular la
probabilidad de que el triángulo quede cortando una de las líneas.
Solución
Es similar al problema anterior, con la diferencia de que el "centro de la
aguja" se sustituirá por el circuncentro del triángulo. E n este caso, se toma
el vértice del triángulo que apunta a la recta más cercana, y se establece la
posición mediante por la “distancia del circuncentro al vértice más cercano a
la recta más cercana”. E l ángulo con que se termina de identificar la posición
lo determina la perpendicular a la recta desde el circuncentro y el segmento
circuncentro-vertice del triángulo. Nótese que el campo de variación de este
ángulo queda limitado por el caso en que el lado del triángulo es paralelo a
las rectas del plano.
Sea d ≡ "Distancia del circuncentro del triángulo a la recta más cercana".
Entonces
Y sea θ ≡ " Ángulo que forma la perpendicular a la recta desde el circun-
centro con el segmento que une el circuncentro y el vértice más cercano a la
recta". Entonces
La longitud del segmento circuncentro-vértice es, aplicando el Teorema
del seno,
Para que se corten triángulo y recta, debe ocurrir que la proyección del
segmento sobre la recta sea mayor que la distancia d, es decir,
o, equivalentemente,
1.2. PROBLEMAS 43
Gráficamente:
De esta forma, el espacio muestral tiene una medida igual a
y la región correspondiente al suceso "el triángulo corta una de las rectas

paralelas" viene determinado por
por lo tanto, la probabilidad pedida es igual a
Problema 1.42. Una caja tiene como base u n cuadrado de 10

cm. E n el fondo interior de la caja hay dibujado u n cuadrado de
5 c m . de lado, concéntrico con la base y con los lados paralelos al
contorno de ésta. Se deja caer en la caja una moneda circular de
1 c m . de diámetro. Calcular la probabilidad de que la moneda no
quede tocando las líneas del cuadrado dibujado.
Solución
Debe determinarse la posición de la moneda sobre la base de la caja, y
para ello basta situar su centro. Si se denominan los lados de la base como
Norte, Sur, Este y Oeste, la posición del centro se determina unívocamente
por su distancia al lado Oeste (X) y al lado Sur (Y). Nótese que (X, Y) G
[0'5, 9'5] 2 .
Así, el área que abarca la representación de Ω mide 81 cm 2 :
Por otro lado, para que la moneda toque las líneas dibujadas, debe ser
que el centro quede en un punto entre el cuadrado interior y el cuadrado de
esquinas redondeadas exterior, según el dibujo en la siguiente figura:
E l área que representa al suceso “la moneda corta el cuadrado dibujado”

se puede calcular como la diferencia entre las áreas del borde exterior menos
la de un cuadrado de lado 4 cm. Para hallar el área de la …gura exterior, se
puede considerar el cuadrado t o t a l , de 6 cm. de lado (36 cm 2 ), menos la de
los cuadraditos de las cuatro esquinas (4 • 0’5 2 cm 2 = 1 cm 2 ), más la de un
círculo de radio 0’5 (0’25 π cm 2 ), es decir:
De esta forma:
1.2. PROBLEMAS 45
P r o b l e m a 1.43. E n u n a c i r c u n f e r e n c i a se s e l e c c i o n a n a l a z a r
t r e s p u n t o s , A, B, C , y, se u n e n c o n t r e s s e g m e n t o s , f o r m a n d o u n
t r i á n g u l o . C a l c u l a r l a p r o b a b i l i d a d d e q u e ese t r i á n g u l o n o sea
obtusángulo.
Solución
Puede suponerse, sin pérdida de generalidad, que la circunferencia es de
radio unidad. Se considera, sin pérdida de generalidad, que el punto A es el
(1,0) y se miden, a partir de él, las longitudes de los segmentos circulares AB
y AC en el mismo sentido adecuado, de manera que la longitud del segmento
circular AB (denotada por x) esté entre 0 y π, y la longitud del segmento
circular AC (denotada por y) esté entre 0 y 2π. E l espacio muestral puede,
entonces, representarse unívocamente en el plano como la región de puntos
correspondientes a las longitudes definidas.
N o t a : Considérese un punto de una circunferencia y un diámetro que

no pase por ese punto. Uniendo el punto con los extremos del diámetro, se
obtiene siempre un triángulo rectángulo.
Se considera ahora el segmento rectilíneo el diámetro que pasa por A

y el diámetro que pasa por B. Se distinguen los otros respectivos extremos de
los diámetros con los nombre A' y B'. Para que el triángulo ABC no tenga
ángulos interiores obtusos, debe ser que el segmento circular A'B' contenga
al punto C:
Con esta notación se tiene: AB = x, AC = y, AA' = π, AB' = x + π.
De manera que la representación grá…ca del suceso se delimita por
como se aprecia en la siguiente figura:

46 CAPÍTULO1. FUNDAMENTOS
Y, de esta forma, la representación gráfica del espacio muestral y la del

suceso en cuestión, queda como sigue:
Con lo cual, la probabilidad requerida es

Capítulo 2
Probabilidad Condicionada
2.1 Contenidos
• Probabilidad condicionada. Sucesos dependientes e independientes.
• Probabilidad de la intersección de conjuntos. Teorema de la probabili-

dad total. Teorema de Bayes.
2.2 Problemas
2.2.1 Probabilidad Condicionada. Independencia de
sucesos
Los problemas de esta subsección requieren conocer los conceptos de pro-
babilidad condicionada y sus propiedades más elementales, así como la i n -
dependencia de sucesos. E n la mayoría de los textos teóricos se define el
concepto "A independiente de B" como y se prueba que:
a) Sean A y B sucesos tales que Entonces, A es
independiente de B si y sólo si B es independiente de A.
b) A y B son independientes si y sólo si
E n los problemas de esta sección se utiliza esta ú l t i m a propiedad b) como
definición equivalente de independencia, por la mayor comodidad de su com-
probación.
P r o b l e m a 2 . 1 . P r o b a r q u e u n suceso A es i n d e p e n d i e n t e d e sí
m i s m o si y sólo si s u p r o b a b i l i d a d es 1 ó 0.
47
48 CAPÍTULO 2. PROBABILIDAD CONDICIONADA
Solución
Si A es independiente de A, entonces
Como consecuencia, P (A) debe ser 0 ó 1.

La implicación en sentido contrario, es obvia. •
P r o b l e m a 2 . 2 . S e a n A, B y C t r e s sucesos d e S. P r o b a r q u e
Solución
Por definición de probabilidad condicionada,
(2.1)
Igualmente,
(2.2)
y basta sustituir (2.1) en (2.2). •

P r o b l e m a 2.3. S e a n A1, A2, ..., An, n sucesos d e S. P r o b a r q u e
se v e r i f i c a :
Solución
Se probará por inducción. E l caso n = 2 se tiene por definición. E l caso
n = 3 se recoge en el problema 2.2.
Se admite, como hipótesis de inducción, que
(2.3)
y se comprueba que se verifica también para n. Basta, para ello, considerar

que
(2.4)
2.2. PROBLEMAS 49
y sustituir (2.3) en (2.4). •
P r o b l e m a 2.4. P r o b a r , m e d i a n t e c o n t r a e j e m p l o , q u e si A,B y
C s o n sucesos i n d e p e n d i e n t e s dos a d o s , e s t o n o i m p l i c a q u e sean
independientes.
Solución
Considérense el espacio muestral Ω = { 1 , 2 , 3, 4, 5, 6, 7, 8} y los sucesos
A = {1,2, 3,4}, B = {2,4, 6, 8} y C = {1,3, 6, 8}.
Se tiene que:
con lo cual son independientes dos a dos, y
con lo que no son independientes. •
P r o b l e m a 2.5. S e a n A, B y C t r e s sucesos i n d e p e n d i e n t e s . P r o
b a r q u e los sucesos A U B y C t a m b i é n l o s o n .
Solución
Como A,B y C son independientes, se verifican:
Por otra parte,

P r o b l e m a 2.6. P r o b a r q u e dos sucesos E y F i n c o m p a t i b l e s y

c o n p r o b a b i l i d a d e s n o n u l a s n o p u e d e n ser i n d e p e n d i e n t e s .
E n conclusión, debe ser P(E) = 0, cuando se tenía como hipótesis que esto
es falso (!). •
P r o b l e m a 2.7. S e a n A,B y C t r e s sucesos i n d e p e n d i e n t e s e n u n

e s p a c i o p r o b a b i l í s t i c o (Ω,S,P), d e los q u e se sabe q u e
Se p i d e :
a) D e m o s t r a r q u e A, B y C s o n i n d e p e n d i e n t e s .
b ) D e t e r m i n a r P(B):
c) O b t e n e r
Solución
a)
Por lo tanto, son independientes. Análogamente, son

independientes, son independientes.
)]
2.2. PROBLEMAS 51
luego son independientes.

Nota 1 : A , B y C son independientes si y sólo si son indepen-
dientes, si y sólo si son independientes, etc.
Nota 2: Obsérvese que las Leyes de Morgan también funcionan con tres
sucesos: en el caso que interesa aquí,
b) Por un lado,
(2.5)
Por otro lado,
(2.6)
El primer sumando de esta última igualdad (2.6) (lo que está entre cor-
chetes) es, por lo que se vio en (2.5), igual a 1.
Así,
De paso, se obtiene que
c) i)
52 CAPÍTULO2. PROBABILIDAD CONDICIONADA
Nota3:Obsérvese que de manera que la unión

de ambos conjuntos coincide con este último.
ii)
Desarrollando el numerador, se obtiene:

2.2. PROBLEMAS 53
P r o b l e m a 2.8. S i e n d o A, B y C t r e s sucesos i n d e p e n d i e n t e s y
s a b i e n d o q u e P[A] = 0'5, P [ B ] = 0'1 y P[C] = 0'7, h a l l a r las p r o b a b i -
l i d a d e s d e los sucesos
Solución
a) Si A, B y C son independientes, entonces son independientes.
Por tanto,
Por otro lado,
P r o b l e m a 2.9. J u s t i f i c a r si es o n o c i e r t o q u e , d a d o s dos sucesos

Ay B p e r t e n e c i e n t e s a u n m i s m o e s p a c i o d e sucesos, se v e r i f i c a q u e
Solución
No es cierto, y para probarlo basta con un contraejemplo, como el si-
guiente: sea el suceso A, t a l que Entonces
P r o b l e m a 2 . 1 0 . J u s t i f i c a r si es o n o c i e r t o q u e , d a d o s dos sucesos
Ay B p e r t e n e c i e n t e s a u n m i s m o e s p a c i o d e sucesos, se v e r i f i c a q u e
Solución
No es cierto, y para comprobarlo basta considerar el siguiente contraejem-
plo. Sea el suceso A, con 1 > P (A) > 0, y sea el suceso Entonces,
P r o b l e m a 2 . 1 1 . S e a n A y B sucesos d e S, c o n 0 < P (B) < 1.

C o m p r o b a r mediante u n contraejemplo que, en general,
Solución
Los espacios probabilísticos condicionados a B y a B son diferentes, y las
respectivas probabilidades se obtienen como sigue:
Se busca, por tanto, un contraejemplo en el que
Entonces, si se toman A y B independientes, para obtener un contraejemplo

bastará exigir que
Contraejemplo: Se extrae una carta al azar de la baraja española de 40
cartas. Se definen los sucesos
A ≡ “La carta seleccionada es de oros”
B ≡ “La carta seleccionada es figura (sota, caballo o r e y ) ” .
Estos sucesos son claramente independientes, y se obtiene que
P r o b l e m a 2 . 1 2 . S e a n A y B sucesos d e S i n d e p e n d i e n t e s , t a l e s
q u e P (A) = P (B) = 0'5. C a l c u l a r
2.2. PROBLEMAS 55
Solución
Por ser independientes,
Entonces, debe tenerse en cuenta que
Por tanto,
y, análogamente,
Además, son obviamente disjuntos, por lo que
P r o b l e m a 2.13. C o n s i d é r e s e e l e x p e r i m e n t o a l e a t o r i o “ l a n z a r
dos m o n e d a s a l a i r e ” y e l e s p a c i o m u e s t r a l a s o c i a d o
donde es e l suceso “ s a l e n i c a r a s ” , p a r a i = 0,1,2: E n caso d e q u e
las m o n e d a s e s t é n e q u i l i b r a d a s , estos sucesos n o s o n e q u i p r o b a b l e s .
¿ p u e d e d a r s e e l caso, t r u c a n d o las m o n e d a s , d e q u e sí l o sean?
Solución
Se denotará por p 1 y p 2 a las respectivas probabilidades de que las mo-
nedas 1 y 2 den “cara”. Como los lanzamientos son independientes, se tiene
que
Efectivamente, cuando las monedas están equilibradas, y
las probabilidades son, r e s p e c t i v a m e n t e , P a r a que

sean idénticas, debe ocurrir que
Desarrollando:
De la primera igualdad se deduce que p2 = 1 - p1, lo que, sustituido en

la segunda, da lugar a la igualdad
que no tiene raíces en ni, en particular, en el intervalo [0,1] al que debe

pertenecer p1.
En conclusión: es imposible que los sucesos sean equiproba-
bles.
P r o b l e m a 2.14. U n t r e n consta de n vagones, y se suben al t r e n k

pasajeros, que se colocan aleatoriamente e independientemente de
los demás en los vagones. Se asume n > k. Calcular l a p r o b a b i l i d a d
de que n i n g ú n vagón quede vacío.
Solución
Se definen los sucesos Ai ≡ " E l vagón i-ésimo queda vacío", para i =
1, ...,n. Lo que se pide es
siendo el último sumando igual a cero, pues no pueden ir todos los vagones
vacíos, salvo en el caso trivial k = 0.
La probabilidad de que un pasajero se monte en un vagón concreto es
ya que cada uno escoge al azar. Por lo tanto,
2.2. PROBLEMAS 57
Igualmente, la probabilidad de que un pasajero se monte en el vagón 1 o en

el 2 es de
y, de este modo, se obtiene que
En general, se llega a que
De esta forma,
Problema 2.15. Una clase está formada por 30 alumnos. E n u n

examen, 5 obtienen u n Notable, 15 obtienen u n Aprobado, y los
demás suspenden. Se seleccionan dos alumnos del curso al azar, y
ambos resultan tener la misma nota. ¿Cuál es la probabilidad de
que hayan tenido notable?
Solución
Sean los sucesos:
N ≡ “Ambos han tenido Notable”,
A ≡ “Ambos han tenido Aprobado”,
S ≡ “Ambos han tenido Suspenso”.
Se calculan sus probabilidades, para lo cual se tiene en cuenta que son
sucecos incompatibles dos a dos:
Como se asume que ha ocurrido (es decir, alguno de los tres

casos), la probabilidad pedida es
2.2.2 Teorema de la Probabilidad T o t a l . Teorema de

Bayes
A continuación siguen problemas en los que se emplea alguna las tres pro-
piedades siguientes:
Problema 2.16. U n jugador lanza dos dados, ganando si ob-

tiene 8 puntos y perdiendo si obtiene 7, volviendo a lanzar si saca
cualquier otra puntuación. Determinar:
a) La probabilidad de que la partida termine ganando el jugador
antes de la n-ésima tirada.
b ) La probabilidad de que gane el jugador.
Solución
Se denotan los sucesos: G i ≡ " E l jugador gana en la i-ésima t i r a d a " ,
Di ≡ " E l jugador pierde en la i-ésima t i r a d a " , S i ≡ " E n la i-ésima jugada
2.2. PROBLEMAS 59
no salen ni 7 ni 8". Obsérvese que
Sin embargo, estos valores no se conservan para cualesquiera otros valores

del subíndice de G i ,D i ,S i pues, si bien es seguro que ocurre uno de los
tres sucesos G 1 ,D 1 o S1(ya que habrá siempre una primera tirada), no hay
garantías de que haya una segunda o tercera, por lo que los valores de sus
probabilidades no coinciden con los de la lista anterior. Sin embargo, sí se
tiene que
etc.
a) Se calculan, en primer lugar, las respectivas probabilidades de que gane
en una tirada concreta: P (G 1 ) ya se conoce,
de manera que, en general,
para i = 1, 2, ...
b) La probabilidad de que el jugador gane es
Problema 2.17. E n el juego del disparejo, N > 3 jugadores lan-

zan una moneda, y gana el que obtiene u n resultado distinto de
todos los demás, es decir, todos cara salvo uno (el ganador) o
viceversa. E l juego se repite tantas veces como haga falta hasta
que aparezca u n disparejo. Calcular las probabilidades de los suce-
sos siguientes.
a) E n una jugada hay u n disparejo.
b ) Se necesiten exactamente n jugadas para concluir el juego.
Solución
a) La aparición de un disparejo equivale a “Obtener una sola
en N lanzamientos”, o bien “Obtener N - 1 en N lanzamientos”,
esto es, la unión de estos dos sucesos, que son además disjuntos. De manera
que la solución se calcula como la suma de las probabilidades de estos dos
sucesos.
b) Se definen los sucesos An ≡ “Hay un disparejo en la jugada n-ésima”.

Nótese que un suceso Ai no es independiente de otro A j , pues el juego termina
con el primer disparejo. Estudiando los diversos casos según n, se obtiene:
2.2. PROBLEMAS 61
Lo que se pide es, por tanto:
Problema 2.18. ¿Cuál es el número mínimo de veces que es pre-

ciso lanzar dos dados para que la probabilidad de obtener al menos
un seis doble sea mayor que la de no obtenerlo?
Solución
La probabilidad de obtener un (6,6) en la tirada es igual a la probabilidad
de obtener un seis con un solo dado, elevada al cuadrado, es decir:
Sea An ≡ “Obtener al menos un (6,6) en n tiradas de dos dados”. Es
claro que
y, en general,
cuyo valor converge a 0 al aumentar el número de tiradas, n. De esta forma,

tiene sentido la pregunta formulada, y se responde como sigue:
Por lo tanto, a partir de la tirada número 25, es más probable haber obtenido
algún (6,6) que no haberlo obtenido. •
Problema 2.19. Dos individuos disparan hasta que cada uno de

ellos da en su propio blanco. Las respectivas probabilidades de dar
en el blanco son en cada t i r o , y cada t i r o es independiente.
Calcular la probabilidad de que el primero requiera menos disparos
que el segundo.
Solución
Considérense los sucesos:
Ai ≡ “ E l tirador A da en el blanco en la tirada i-ésima” ,
Bj ≡ “ E l tirador B da en el blanco en la tirada j - é s i m a ” .
Para que el primer tirador requiera menos intentos que el segundo, debe
ocurrir:
Calcúlense las probabilidades de uno de estos sucesos:
En definitiva, se pide la probabilidad siguiente:

2.2. PROBLEMAS 63
Problema 2.20. Se dispone de n urnas con 4 bolas blancas y 6

negras, mientras que otra urna contiene 5 blancas y 5 negras. Se
elige aleatoriamente una de las n + 1 urnas y de ella se extraen dos
bolas, que resultan ser negras. La probabilidad de que en la urna
escogida queden 5 bolas blancas y 3 negras es de Determinar el
valor de n.
Solución
Se denominarán los sucesos Ui ≡ "la urna seleccionada es la i-ésima",
para i = 1,...,n + 1, entendiendo que la urna diferente es la n + 1-ésima. Se
denota además por N ≡ "las dos bolas extraídas son negras". Entonces, se
tiene:
Problema 2.21. Sean A y B sucesos de S, tales que P (A) = 0'4 y

P (A ∪ B ) = 0'8. Calcular P (B) en los casos siguientes:
a) A y B son independientes.
b ) A y B son incompatibles.
c) P (A / B ) = 0'5.
Solución
Se entiende, obviamente, que cada apartado corresponde a un caso dife-
rente, pues las condiciones a) y b) simultáneamente son incompatibles con
estos datos.
a) E n este caso,
y sustituyendo se tiene que

b) En este caso P (A ∩ B ) = 0, y por tanto
c) En este caso,
de manera que
y de aqui se tiene inmediatamente que
Problema 2.22. Diez amigos deciden sortear entre ellos una en
trada de cine que les han regalado. Uno de ellos escribe un número
entero del uno al diez. E l resto de compañeros, por turnos, van
diciendo u n número, ganando la entrada el que acierte el número
escrito. Si ninguno de ellos lo adivina, se lleva la entrada el que es-
cribió el número. ¿Tienen todos la misma probabilidad de llevarse
la entrada, o tiene ventaja alguno de los jugadores?
Solución
Se comprueba fácilmente que todos tienen igual probabilidad de ganar:
El primero que juega acierta con probabilidad claramente.
El segundo juega sólo si el primero no ha acertado el número, y sabe que
el número que éste dijo no es el escrito, de manera que
Análogamente,
2.2. PROBLEMAS 65
Y, finalmente, la probabilidad de que gane el que escribió el número es
Problema 2.23. Cada uno de n bastones se rompe en dos partes,

una larga y otra corta. A continuación se unen las 2n partes for-
mando n nuevos bastones. Determinar las probabilidades de que:
a) Las 2n partes se hayan colocado formando los n bastones
originales.
b ) Cada bastón resultante esté formado por una parte larga y
una corta.
Solución
a) Se considerará, sin que ello modifique las condiciones del problema, que
los bastones se forman secuenciadamente. Sean los sucesos Bi ≡ "el z-ésimo
bastón formado es uno de los originales". Entonces,
y, en general,
Entonces, la probabilidad pedida es

b) Se toma el primer trozo. La probabilidad de que, al seleccionar el

segundo trozo que se le acopla, el primer bastón formado cumpla el requisito
es
Asumido que el primer bastón es como se pide, se toma el tercer trozo, que
es indiferente. Pero el cuarto debe ser del tipo contrario, de modo que la
probabilidad de que los dos primeros bastones sean como se pide es
y, siguiendo con este razonamiento, la probabilidad pedida puede expresarse

como
Problema 2.24. U n parque natural está dividido en dos partes A

y B por u n río. E n cada una de estas partes viven diez ciervos. Para
una investigación sobre conducta de los ciervos se ha marcado con
una anilla uno de los de la parte A del parque. Por u n descuido de
los vigilantes, nueve ciervos pasan de A a B . A l notar este hecho,
los vigilantes eligen aleatoriamente nueve ejemplares de B y los
trasladan a la parte A .
a) ¿En cuál de las dos partes del parque es más probable que se
encuentre el ciervo marcado?
b ) Suponiendo que el ciervo marcado se encuentra, al final de
todo el proceso, en la parte A . ¿Cuál es la probabilidad de que no
se haya movido de allí?
Solución
Se consideran tres etapas: la Etapa 0, inicial, con diez ciervos en cada
parte y el marcado en la parte A, la Etapa 1, tras la huída de los ciervos
de A a B, quedando un ciervo en A y el resto (19) en B, y la Etapa 2 final,
después del traslado de los nueve ciervos a cargo de los vigilantes de B a
A , quedando diez ciervos en cada parte del parque. Esquemáticamente, las
situaciones posibles son las siguientes:
2.2. PROBLEMAS 67
Etapa 0
Zona A Zona B
9 ciervos 10 ciervos
1 marcado 0 marcados
De esta etapa inicial se puede pasar a uno de los dos casos siguientes en la
Etapa 1:
Etapa 1 (Caso 1) Etapa 1 (Caso 2)
Zona A Zona B Zona A Zona B
1 ciervo 18 ciervos 0 ciervos 19 ciervos
0 marcados 1 marcados 1 marcado 0 marcados
En la siguiente Etapa 2, las opciones son:

Etapa 2 (Caso 1) Etapa 0 (Caso 2)
Zona A Zona B Zona A Zona B
9 ciervos 10 ciervos 10 ciervos 9 ciervos
1 marcado 0 marcados 0 marcados 1 marcado
Y las posibles transiciones son, según la situación del ciervo marcado:
Defínanse los sucesos:

“Etapa1,caso 1 ” . “ E t a p a 1 , c a s o 2”.
“Etapa2,caso 1”. “Etapa2,caso 2”.
Nótese que, en efecto, son sucesos complementarios.
Entonces, escogiendo al azar los ciervos que se trasladan en cada uno de
los desplazamientos, se tiene:
Con estos elementos, se obtiene fácilmente que:

a) Aplicando el Teorema de la probabilidad total,
y, puesto que son sucesos complementarios,
Por tanto, es más probable que al final esté en la parte A.

b) Aplicando el Teorema de Bayes,
P r o b l e m a 2.25. L a asignatura “ C á l c u l o de Probabilidades” se

i m p a r t e en tres grupos, A , B y C, con 125, 100 y 75 alumnos
respectivamente. Se sabe que en el g r u p o A han aprobado 60
alumnos, en el B , 45 alumnos, y en el C, t a m b i é n 45 alumnos.
a) ¿Qué porcentaje de alumnos ha aprobado?
b) Qué porcentaje de los aprobados corresponde al g r u p o C?
Solución
Podría hacerse directamente:
a) Porcentaje de aprobados:
2.2. PROBLEMAS 69
b) Porcentaje de C:
Utilizando la probabilidad condicionada: se considera el experimento “se

leccionar al azar un a l u m n o ” , se definen los sucesos
A ≡ “ E l alumno procede del grupo A ” , idem B y C,
X ≡ “ E l alumno aprueba Cálculo de Probabilidades”.
a)
b)
Problema 2.26. Admitiendo que la probabilidad de que una

persona pertenezca a un signo del Zodíaco es ¿Qué probabilidad
hay de que ocho amigos tengan todos distintos signos del Zodíaco?
Solución
Asumiendo que el signo de cada amigo es independiente del de los demás,
se considera el primer amigo, con su signo, X1. La probabilidad de que el
segundo no coincida con él es
Análogamente, fijados los signos de los dos primeros, X 1 y X 2 ,
De esta forma, la probabilidad pedida resulta ser:

También podría plantearse como sigue:

¿De cuántas formas se pueden seleccionar 8 signos del Zodíaco, pudiendo
repetir? R 1 = 128:
¿De cuántas formas se pueden seleccionar 8 signos del Zodíaco, sin repe-
12!
tir? R2 = :
4!
Y de esta forma,
Problema 2.27. Sean dos urnas, cada una de las cuales contiene
tres bolas blancas y tres negras. De una de las urnas se extrae al
azar una bola y, sin observar su color, se introduce en la otra urna.
De ésta, se lleva a cabo otra extracción al azar.
a) Calcular la probabilidad de que las dos bolas extraídas sean
blancas.
b ) Si la última bola extraída es blanca, calcular la probabilidad
de que la primera también haya sido blanca.
Solución
La primera extracción determina la composición de la segunda urna antes
de la segunda extracción. Se definen los sucesos:
B1 ≡ “La primera bola extraída es blanca” ,
B2 ≡ “La segunda bola extraída es blanca”.
Entonces,
Si la primera bola extraída es blanca,
y, en caso contrario,
Entonces:
a)
2.2. PROBLEMAS 71
b) Aplicando el Teorema de Bayes,
Problema 2.28. U n negocio puede arrojar pérdidas o ganancias.

Cuando lo dirige la persona A, arroja pérdidas con una probabi-
lidad de Después pasa a dirigirlo B , luego C y luego D , que
pueden dejarlo en la situación en que lo encuentren o cambiarlo.
Se sabe que la probabilidad de que B , C o D cambien la situación
del negocio es de Se sabe que, después de haber pasado por D,
el negocio arroja pérdidas. ¿Cuál es la probabilidad de que con A
también arrojase pérdidas?
Solución
Se definen los sucesos:
Ap ≡ "el negocio arroja pérdidas con A " ,
Ag ≡ "el negocio arroja ganancias con A " , y
Dp ≡ "el negocio arroja pérdidas con D".
Lo que se pide es, según el Teorema de Bayes,
En la siguiente tabla se detallan los posibles caminos que pueden seguirse

desde A p hasta D p :
A B C D
p p p p
p p g p
p g g p
p g p p
Es decir, puede no haber cambio o puede haber dos, a lo largo del proceso.
Recuérdese que la probabilidad de cambio es de en cada paso. Se denomina
X al número de cambios durante el proceso. Entonces,
donde el primer "tres" sale de que son tres los casos de doble cambio que
refleja la tabla. Entonces,
Por otro lado, los caminos de A g a D p son:
A B C D
g g g p
g p g p
g p p p
g g p p
Es decir, los casos X = 1 y X = 3. Se calcula fácilmente que
Por lo que
De modo que
2.2. PROBLEMAS 73
Problema 2.29. E n u n pueblo con n + 1 habitantes, una persona

le rumorea algo a u n grupo de M personas escogidas al azar ( M < n),
una de las cuales se lo rumorea a otras M escogidas aleatoriamente
y así sucesivamente. Encontrar la probabilidad de que el rumor
sea contado r veces sin que ninguna persona se repita.
Solución
Para este problema se recordarán unos elementos de combinatoria y la
Regla de Laplace.
La primera vez que se cuenta el rumor, hay grupos de personas
posibles para escucharlo.
La segunda vez, el número de grupos de espectadores posibles es el mismo.
Sin embargo, para que nadie lo escuche por segunda vez, el grupo debe
seleccionarse entre los n M habitantes que no conocen el rumor. Es
decir, los casos posibles son Siguiendo este razonamiento, en
la tercera iteración hay casos favorables, y en la r-ésima son
E n definitiva: se denomina Ar ≡ “ E l rumor se cuenta r
veces sin que nadie lo escuche por segunda vez”, y la probabilidad pedida es
Problema 2.30. Una fábrica produce lámparas con tres máquinas

A , B y C, con producciones diarias de 3 000, 2 500 y 4 500 unidades,
respectivamente. La experiencia demuestra que el porcentaje de
u n i d a d e s d e f e c t u o s a s q u e p r o d u c e c a d a m á q u i n a es e l 1 % , 1 ’ 2 % y
2 % , r e s p e c t i v a m e n t e . D e c a d a 100 u n i d a d e s d e f e c t u o s a s p r o d u c i -
das e n u n d í a , ¿ c u á n t a s p r o c e d e n d e c a d a m á q u i n a ?
Solución
A ≡ “Una pieza tomada al azar de las producidas en u n día procede de
la máquina A ” ,
B ≡ “ I d e m de la máquina B ” , C = “ I d e m de la máquina C ” ,
D ≡ “Una pieza tomada al azar entre las producidas en un día es defec-
tuosa” .
Obsérvese que A,B,C determinan un sistema completo de sucesos.
Por la información del enunciado, se tiene:
Así,
Es decir, el 1’5% de las piezas fabricadas al día son defectuosas. Finalmente,

aplicando el Teorema de Bayes,
Es decir: el 20% de las piezas defectuosas procede de la máquina A , otro 20%

de la B y el 60% restante procede de la C. •
P r o b l e m a 2 . 3 1 . Se p r e t e n d e d e t e c t a r u n a e n f e r m e d a d m e d i a n t e
u n t e s t d e s í n t o m a s . Se sabe q u e e l 1 0 % d e l a p o b l a c i ó n e s t á
2.2. PROBLEMAS 75
e n f e r m a . E n e l t e s t , e l 9 0 % d e los e n f e r m o s d a p o s i t i v o , y e l 8 0 %
d e los sanos d a n e g a t i v o .
a) ¿ C u á l es l a p r o p o r c i ó n d e d i a g n ó s t i c o s falsos?
b ) ¿ C u á l es l a p r o b a b i l i d a d d e q u e u n p o s i t i v o c o r r e s p o n d a a
u n individuo enfermo?
c) ¿ C u á l es l a p r o b a b i l i d a d d e q u e u n n e g a t i v o c o r r e s p o n d a a
u n i n d i v i d u o sano?
Solución
E ≡ “ U n individuo escogido al azar de la población está enfermo”,
M ≡ “ U n individuo ... da positivo en el t e s t ” ,
Por lo tanto, la información del enunciado se puede escribir como sigue:
Debe tenerse en cuenta que E, E determina siempre un sistema completo de

sucesos.
a) Denominando F ≡ “ U n diagnóstico del test es falso”, se tiene que
Es decir, el 19% de los diagnósticos son falsos.
b) Se pide:
c) Se pide:
Problema 2.32. Jugando a los dardos, la probabilidad que tiene

el jugador A de hacer diana en una tirada es de y la de B es de
siendo cada tirada independiente. Se pide:

a) Si cada jugador ha lanzado dos dardos, ¿cuál es la probabili-
dad de que se haya conseguido entre los dos al menos una diana?
b ) Sabiendo que cada jugador ha hecho u n solo disparo y se ha
obtenido exactamente una diana, ¿cuál es la probabilidad de que
la haya conseguido el jugador A ?
Solución
Ai ≡ “ E l tirador A hace diana en su disparo i-ésimo”, i = 1,2,
Bj ≡ “ E l tirador B hace diana en su disparo j - é s i m o ” , j = 1, 2.
Se asume que P(A i ) = P(Bj) =

a) Se pide:
b) Se define el suceso D ≡ “Se ha hecho una diana después de un disparo

de cada t i r a d o r ” . Nótese que
2.2. PROBLEMAS 77
Problema 2.33. La enfermera Martínez es u n desastre: la pro-

babilidad de que olvide inyectar u n suero a u n enfermo durante la
ausencia del médico es de Este enfermo está muy grave, y si
se le inyecta el suero tiene igual probabilidad de mejorar que de
empeorar, pero si no se le inyecta sólo tiene una probabilidad de
0’25 de mejorar. A su regreso, el médico advierte que el enfermo
no ha mejorado. ¿Cuál es la probabilidad de que la enfermera no
le haya inyectado el suero?
Solución
Se definen los sucesos
M ≡ “ E l enfermo mejora”, S ≡ “Se aplica el suero al enfermo”.
Entonces, se tiene que
Lo que se pide es:
Problema 2.34. U n ladrón es perseguido por u n coche de policía,

y al llegar a u n cruce, se encuentra tres posibles calles ( A , B , C )
por las que huir. Las calles B y C son tan estrechas que el coche
de policía no cabe por ellas, si bien el ladrón, por los nervios, no es
consciente de ello. Si huye por la calle A le atrapan seguro, pues al
final de la misma hay otro coche de la policía cortando el paso. Si
huye por C, se escapa seguro, pues no hay vigilancia. Si huye por
B , se e n c u e n t r a c o n q u e l a c a l l e e s t á c o r t a d a y se b i f u r c a e n dos
callejuelas: la B A , que desemboca en A , y la B C , que desemboca
en C.
a) ¿ C u á l es l a p r o b a b i l i d a d d e q u e e l l a d r ó n sea a t r a p a d o ?
b ) S a b i e n d o q u e e s c a p ó , ¿ c u á l es l a p r o b a b i l i d a d d e q u e h a y a
pasado p o r la calle B ?
Solución
A (igualmente B, C) ≡ “ E l ladrón huye por A (igualmente, B, C ) ” . A,
B, C son un sistema completo de sucesos.
U ≡ “ E l ladrón es atrapado”. Entonces, repasando el enunciado, se tiene:
a)
b) Se pide:
P r o b l e m a 2.35. H a y c u a t r o b o l a s e n u n a u r n a , q u e p u e d e n ser
b l a n c a s o n e g r a s , p e r o n o se sabe d e q u é c o l o r es c a d a u n a . Se
e x t r a e u n a a l a z a r y r e s u l t a ser b l a n c a . C a l c u l a r l a p r o b a b i l i d a d
d e q u e t o d a s las b o l a s sean b l a n c a s .
Solución
Se denotará por U¿, con i G { 0 , 1 , 2 , 3, 4 } al suceso de cada posible com-
posición de la urna: i bolas blancas, (4 i) bolas negras. E n principio, puesto
que no se tiene más información, se supone que, a priori,
2.2. PROBLEMAS 79
Se define el suceso B ≡ “La bola extraída es blanca”. Entonces, según la

Regla de Laplace, se tiene que
Pero, con el experimento, se tiene que, a posteriori,
P r o b l e m a 2.36. U n telégrafo t r a n s m i t e p u n t o s y rayas. E l 4 0 %

d e los p u n t o s y e l 3 3 ’ 3 % d e las rayas se c a m b i a n d e b i d o a i n t e r f e -
r e n c i a s e n l a t r a n s m i s i ó n . L a r e l a c i ó n e n t r e p u n t o s y r a y a s es d e
5:3. ¿ C u á l es l a p r o b a b i l i d a d d e q u e u n a s e ñ a l r e c i b i d a c o i n c i d a
c o n l a e m i t i d a e n c a d a caso:
a) L a s e ñ a l es u n p u n t o ?
b ) L a s e ñ a l es u n a r a y a ?
Solución
R ≡ “Se emite una raya” , r ≡ “Se recibe una raya”.
Según el enunciado,
Lo que se pide es:
a)
b)
P r o b l e m a 2.37. U n a i m p r e s o r a puede i m p r i m i r n caracteres

d i s t i n t o s . L a p r o b a b i l i d a d de q u e i m p r i m a el caracter deseado
es p. S i i m p r i m e u n c a r a c t e r n o d e s e a d o , l o s n - 1 r e s t a n t e s s o n
e q u i p r o b a b l e s . Se m a n d a a l a z a r u n i m p u l s o p o r d u p l i c a d o , y se
i m p r i m e α1α1. C a l c u l a r l a p r o b a b i l i d a d d e q u e e l c a r á c t e r d e s e a d o
fuera α1:
Solución
Se denotarán los caracteres por o i , i = 1 , . . . , n. Se definen los sucesos
Mi ≡ “Mandar los caracteres <¾<¾”, para i = 1,...,n:
Ri ≡ “Recibir los caracteres <¾<¾”, para i = 1,...,n:
Nótese que {M1, M2,..., Mn} es u n sistema completo de sucesos, pues se
manda u n solo impulso por duplicado, pero sin embargo {R1, R 2 , ..., Rn} no
es u n s.c.s., ya que podría recibirse <¾<xj, con i = j.
Por u n lado,
para cualesquiera i = j entre 1 y n. A priori, las probabilidades del sistema

completo de sucesos son
Entonces, se pide
2.2. PROBLEMAS 81
Problema 2.38. La avería de una máquina es igualmente proba-

ble en cualquier instante del intervalo de tiempo [0, T]. La probabi-
lidad de que la máquina se averíe durante este intervalo de tiempo
es p. Se sabe que durante el intervalo de tiempo [0, t], con t < T , la
avería no se ha producido. Determinar la probabilidad de que la
avería ocurra durante el intervalo de tiempo restante.
y, por último, se sabe que
Nótese que forman un s.c.s. Si se considera el espacio probabilístico

con la función de probabilidad condicionada al suceso A, entonces B t y C t
forman también un s.c.s.
Se trata, en definitiva, de calcular
Por un lado
Por otro lado:

E n definitiva,
P r o b l e m a 2.39. E n u n a p e c e r a h a y 20 peces m a c h o s y 3 0 h e m -
b r a s . Se s e l e c c i o n a l a z a r u n p e z , y si r e s u l t a ser m a c h o se d e v u e l v e
a l a p e c e r a , p e r o si es h e m b r a se c a m b i a a o t r a p e c e r a . U n a vez
r e p e t i d o e l p r o c e s o dos veces, ¿qué p r o b a b i l i d a d h a y d e q u e e n u n a
t e r c e r a s e l e c c i ó n a l a z a r se o b t e n g a u n m a c h o ?
Solución
Se definen los siguientes sucesos:
Mi ≡ “ E l pez extraído de la pecera en la i-ésima extracción es macho”.
E n t a l caso,
P r o b l e m a 2.40. L a p r o b a b i l i d a d de que u n á r b o l t e n g a n ‡ores

es C a d a ‡ o r tiene u n a p r o b a b i l i d a d de d e ser f e c u n d a d a ,
2.2. PROBLEMAS 83
independientemente de las demás. Una flor fecundada da siempre

lugar a u n fruto, pero tiene una probabilidad de de ser picada
por los pájaros antes de la cosecha. Se pide:
a) La probabilidad de que una ‡or dé fruto cosechable.
b ) La probabilidad de que u n árbol que tiene r frutos cose-
chables haya tenido n flores.
Solución
Fn ≡ “ E l árbol ha tenido n ‡ores”, para n = 0,1,2,...,
fi ≡ “La ‡or i-ésima es fecundada y da f r u t o ” , para i = 1,2, ...,n,
pi ≡ “La fruta i-ésima es picada”, para i = 1, 2,..., n,
f ≡ “Una ‡or da fruto cosechable”,
Rr ≡ “ E l árbol ha dado r frutos cosechables”, para r = 0,1,2,:::.
a) Se tiene, según el enunciado, que
Con todo esto, la probabilidad de que una ‡or dé fruto cosechable es
b) Como consecuencia del apartado anterior, se obtiene que
e igualmente, se obtiene que

Aplicando el Teorema de Bayes, resulta:
P r o b l e m a 2 . 4 1 . U n a b o l s a c o n t i e n e 1.000 m o n e d a s , u n a d e las
cuales e s t á t r u c a d a y t i e n e dos “ c a r a s ” . Se e x t r a e a l a z a r u n a
m o n e d a d e l a b o l s a , y t r a s l a n z a r l a n veces, sale s i e m p r e “ c a r a ” .
C a l c u l a r l a p r o b a b i l i d a d d e q u e l a m o n e d a e x t r a í d a sea l a t r u c a d a .
Solución
Sean los sucesos T ≡ “la moneda extraída es la trucada”,
C ≡ “salen n caras en n lanzamientos”.
Entonces:
Entonces,
P r o b l e m a 2.42. D o s j u g a d o r e s A y B j u e g a n d e l s i g u i e n t e m o d o :
e x t r a e n , p o r t u r n o s y sin r e e m p l a z a m i e n t o , bolas de u n a u r n a
que contiene i n i c i a l m e n t e tres bolas blancas y tres rojas. G a n a
e l p r i m e r o q u e e x t r a i g a u n a b o l a r o j a . A es e l p r i m e r o e n e x t r a e r ,
y es e l g a n a d o r d e l j u e g o . C a l c u l a r l a p r o b a b i l i d a d d e q u e A h a y a
extraído bola roja en la primera extracción.
2.2. PROBLEMAS 85
Solución
Se definen los sucesos
A ≡ "A gana"
Ai ≡ "A extrae bola blanca en la jugada i-ésima", para i = 1, 2, 3:
B1 ≡ "B extrae bola blanca en la primera jugada":
E l suceso A ocurre, y se puede escribir como
Nótese que no puede ocurrir otra opción, pues sólo pueden extraerse un t o t a l
de tres bolas blancas. Así,
Se pide:
P r o b l e m a 2.43. Se d i s p o n e d e 10 h e l i c ó p t e r o s p a r a b u s c a r u n a
a v i o n e t a p e r d i d a . H a y dos r e g i o n e s e n las q u e p u e d e e s t a r d i c h a
a v i o n e t a , s a b i e n d o q u e l a p r o b a b i l i d a d d e q u e se e n c u e n t r e e n u n a
d e ellas (R\) es d e 0 ’ 8 , y l a d e q u e se e n c u e n t r e e n l a o t r a ( R ) es
0’2. C a d a helicóptero puede e n c o n t r a r la avioneta e n l a región de
búsqueda correcta con p r o b a b i l i d a d de 0’2, i n d e p e n d i e n t e m e n t e de
las d e m á s . ¿ C ó m o d e b e n d i s t r i b u i r s e los h e l i c ó p t e r o s p a r a q u e l a
p r o b a b i l i d a d d e e n c o n t r a r l a a v i o n e t a sea m á x i m a ?
Solución
Se define el suceso de interés A ≡ "encontrar la avioneta". Se asume que
se envían x helicópteros a R\ y 10 x helicópteros a R .
Se definen los sucesos H i ≡ "la avioneta está en la región R i " , i = 1, 2:
E n esta situación, se puede calcular virtualmente
(nótese que condicionado a H j es la intersección de x o de 10 x sucesos

independientes: que cada una de los helicópteros que busca en el sitio correcto
no encuentre la avioneta)
Esta probabilidad, suponiendo x como una variable real, es función cóncava

de x, puesto que su segunda derivada es negativa en el intervalo (0, 10). Véase
la grá…ca de la función (Y es la probabilidad)
Por ser función cóncava, se puede asegurar que el óptimo entero (el que
interesa, en este caso) será uno de los dos enteros contiguos al óptimo real.
y se plantea la ecuación
2.2. PROBLEMAS 87
Por tanto, el óptimo entero será el mejor entre 8 y 9:
E n conclusión, lo mejor es enviar 8 helicópteros a la zona más probable

y 2 a la otra zona. Sin embargo, la probabilidad de encontrar la avioneta no
llega al 74%. •
P r o b l e m a 2.44. Sea u n coto de caza cuadrado. D e l vértice

sureste del coto p a r t e u n cazador trazando la diagonal del cuadrado
a velocidad constante, v. D e l vértice suroeste del coto sale u n
conejo, con velocidad constante 2v, cruzando el coto en línea recta,
f o r m a n d o su t r a y e c t o r i a u n ángulo aleatorio a con el lado sur. Si
el conejo cruza la t r a y e c t o r i a del cazador p o r delante de éste, será
descubierto y capturado con p r o b a b i l i d a d p. Si cruza por detrás
del cazador, éste no lo verá y escapará. Calcular l a p r o b a b i l i d a d
de que el conejo sea capturado.
Solución
Se representan grá…camente a continuación el coto de caza, la trayectoria
del cazador y dos posibles trayectorias del conejo:
E n un instante t, el cazador ha recorrido una distancia vt, y el conejo ha

recorrido una distancia 2vt.
Sean x = 2vt sen , y = vt sen , es decir, las distancias al lado sur

del coto a la que se encuentran el conejo y el cazador, respectivamente. E l
conejo cruza por delante del cazador siempre y cuando x > y, es decir:
Despejando a:
Sean, entonces, los sucesos

A ≡ \ E l conejo cruza por delante del cazador",
B ≡ \ E l conejo es capturado":
Aplicando la fórmula (donde m (A) es la medida del conjunto A):
y teniendo en cuenta que
se tiene que
E n t a l caso,
Capítulo 3
Variables Aleatorias
3.1 Contenidos
• Variable aleatoria (v.a.). Probabilidad inducida.
• Función de distribución (F.d.D.). Propiedades.
• Variables aleatorias discretas. Función de masa de probabilidad (f.m.p.).
• Variables aleatorias continuas. Función de densidad (f.d.d.).
• Transformaciones de variables aleatorias.
3.2 Problemas
Se resuelven en este capítulo problemas sobre variables aleatorias y sus dis-
tribuciones de probabilidad. No se utilizarán los momentos de una distribu-
ción, pues tales elementos se tratarán más adelante. Los problemas se han
dividido en tres apartados: uno sobre variables discretas, otro sobre conti-
nuas y un ú l t i m o para transformaciones de variables aleatorias. Algunas
de las distribuciones utilizadas son ampliamente utilizadas en Estadística
y Cálculo de Probabilidades, y se las conoce en la literatura con un nom-
bre específico, sin embargo, dado el carácter básico de este capítulo, en los
enunciados de ejercicios en él contenidos se definen las funciones de masa de
probabilidad, las funciones de densidad o las funciones de distribución sin
hacer referencia a ese nombre, que aparecerá en páginas posteriores.
89
90 CAPÍTULO 3. VARIABLES ALEATORIAS
3.2.1 Distribuciones discretas

E n esta subsección se abordan problemas en los que se trabaja con variables
aleatorias con distribuciones discretas. Generalmente, los valores que toman
variables aleatorias de este t i p o se establecen, por comodidad, en enteros co-
rrelativos, y así se han planteado estos ejercicios. Sin embargo, en posteriores
capítulos se abordarán problemas en los que una v.a. discreta toma valores
"menos manejables".
P r o b l e m a 3 . 1 . Sea l a v . a . q u e d e s c r i b e e l n ú m e r o d e l a n z a m i e n -
tos de u n a m o n e d a e q u i l i b r a d a hasta obtener l a p r i m e r a “ c a r a ” .
E n c o n t r a r s u f . m . p . y c o m p r o b a r q u e sus p r o b a b i l i d a d e s s u m a n l a
unidad.
Solución
La v.a., que se denotará por X , toma valores enteros positivos. Como
la moneda está equilibrada, la probabilidad de que en un lanzamiento salga
“cara” es . Entonces
La suma de sus probabilidades es
P r o b l e m a 3.2. E l n ú m e r o d e p e r i ó d i c o s q u e v e n d e c i e r t o k i o s c o
e n u n d í a c u a l q u i e r a es u n f e n ó m e n o a l e a t o r i o c u y a f u n c i ó n d e
p r o b a b i l i d a d es l a s i g u i e n t e :
a) C a l c u l a r e l v a l o r d e A.
b ) C a l c u l a r l a p r o b a b i l i d a d de que el n ú m e r o de periódicos que
se v e n d a n c i e r t o d í a sea:
3.2. PROBLEMAS 91
i) M a y o r que 50.
i i ) M e n o r que 50.
i i i ) I g u a l a 50.
i v ) U n número comprendido entre 25 y 75.
Solución
a) Debe ser:
b-i)
b-ii)
b-iii)
b-iv)
P r o b l e m a 3.3. Se sabe que X es una variable aleatoria que t o m a

valores enteros no negativos con las probabilidades:
P(X = k) = a P(X = k 1), con 0 < α < 1 prefijado, k > 0:
a) E n c o n t r a r la función de masa de p r o b a b i l i d a d de X .
b) E n c o n t r a r la p r o b a b i l i d a d de que X t o m e valores impares.
Solución
a) Se tiene que
Debe ser
Por lo tanto, se puede escribir:
b) Se pide:
P r o b l e m a 3.4. Cinco personas lanzan simultáneamente monedas

para d e t e r m i n a r quién ha de comprar refrescos para todos, según
el juego del disparejo (pierde quien obtiene u n resultado d i s t i n t o
a los otros c u a t r o ) . Sea X el número de jugadas requeridas para
concluir el juego.
a) Calcular la función de masa de p r o b a b i l i d a d de X:
b) Calcular l a función de d i s t r i b u c i ó n de X:
d) Calcular P(X > 2) y P(X > 5 | X > 2).
3.2. PROBLEMAS 93
Solución
a) Ver el Problema 2.17.
Así, en general,
b) F(x) = P(X < x) es, en este caso, una función escalonada continua
por la derecha. Los saltos se producen en los valores enteros positivos de x.
Por tanto, dado k entero positivo, para 0<k<x<k + 1,se tiene:
c) Por u n lado,
Por otro lado,

P r o b l e m a 3.5. Sea X u n a v a r i a b l e a l e a t o r i a d i s c r e t a q u e t o m a
valores enteros positivos, cuya f u n c i ó n de masa de p r o b a b i l i d a d
viene dada por
p a r a k = 1,2,3,::. Se p i d e :
a ) C a l c u l a r e l v a l o r d e h.
b) Calcular l a p r o b a b i l i d a d de que X t o m e u n valor par.
Solución
a) Debe ser
b)
3.2.2 D i s t r i b u c i o n e s continuas
E n esta subsección se resuelven problemas sobre variables aleatorias con dis-
tribuciones absolutamente continuas, es decir, con f.d.d. f (x), derivada de
la correspondiente F.d.D. F (x).
3.2. PROBLEMAS 95
P r o b l e m a 3.6. Sea l a v . a . c o n t i n u a X c o n f . d . d .
a) E n c o n t r a r e l v a l o r d e c.
b) O b t e n e r su f u n c i ó n de d i s t r i b u c i ó n .
c) C a l c u l a r P (1 < X < 2) y P (X > 1).
Solución
a) Debe ser
de donde se obtiene que

b) Denotando la F.d.D. por F (x),
Entonces, F (x) = 0 para x < 0, y F (x) = 1 para x > 4. E n los restantes

valores,
E n definitiva,
P r o b l e m a 3.7. A n a l i z a r si las s i g u i e n t e s f u n c i o n e s p u e d e n ser

f u n c i ó n d e d e n s i d a d d e a l g u n a d i s t r i b u c i ó n y, e n ese caso, o b t e n e r
l a correspondiente f u n c i ó n de d i s t r i b u c i ó n .
a)
b)
Solución
a) No puede ser, puesto que sen
b) E n principio, el signo de la función es siempre no negativo. Hay t a n
sólo que comprobar que su integral vale la unidad. E n efecto,
Finalmente, la F.d.D. F (x) se define como
P r o b l e m a 3.8. U n a v . a . c o n t i n u a X t i e n e c o m o F . d . D .
a) D e t e r m i n a r e l v a l o r d e k, s a b i e n d o q u e F (x) es u n a f u n c i ó n
continua.
b) Obtener la f.d.d. correspondiente.
c) C a l c u l a r P (4 < X < 5)
d ) C a l c u l a r P (X > 6).
3.2. PROBLEMAS 97
Solución
a) Para todo x > 3, se tiene que (x2 9) > 0. Por tanto, k > 0. Tal y
como está definida en x = 3, es necesario garantizar su continuidad por la
derecha. es decir, debe ser
Entonces, debe ser
lo cual es cierto para cualquier valor de k.

Para que la F.d.D sea continua, debe ser también
es decir:
b) De esta forma, denotando la f.d.d. por f (x),
c) Por la continuidad de la F.d.D. se tiene que
d) Igualmente, puesto que P (X = 6) = 0,
P r o b l e m a 3.9. U n a v . a . c o n t i n u a X t i e n e p o r f . d . d .
a) H a l l a r e l v a l o r d e a.
b) Calcular
c) O b t e n e r l a F . d . D .
Solución
a) Debe ser
es decir,
E n el caso a = 2, la f.d.d. toma valores negativos, por lo que la única

posibilidad es a = 0:
b)
c) Denotando a la F.d.D. por F (x), es claro que F (x) = 0 para x < 0, y

que F (x) = 1 para x > 2. E n el resto de los casos, 0 < x < 2,
P r o b l e m a 3.10. L a v . a . X i n d i c a e l s a l a r i o b r u t o a n u a l d e los
t r a b a j a d o r e s de u n a m u l t i n a c i o n a l , medidos e n miles de euros. Su
F.d.D. viene dada por
a) C o m p r o b a r q u e es f u n c i ó n d e d i s t r i b u c i ó n .
b) O b t e n e r la correspondiente f u n c i ó n de densidad.
c) C a l c u l a r l a p r o b a b i l i d a d de que el salario de u n t r a b a j a d o r
de l a e m p r e s a sea s u p e r i o r a 20 0 0 0 e u r o s .
3.2. PROBLEMAS 99
d ) Si l a e m p r e s a t i e n e 10 0 0 0 e m p l e a d o s , ¿ c u á n t o s g a n a r á n e n t r e
18 0 0 0 y 22 0 0 0 e u r o s a l a ñ o , p r e v i s i b l e m e n t e ?
Solución
a, b) F (x) es una función continua:
También tiene la asíntota horizontal en + o o :
Por último,
c)
d) Utilizando el hecho de que P (X = 22) = 0, lo que se pide es
Como el número de empleados es 10 000, este porcentaje corresponde a 2 617

empleados. •
P r o b l e m a 3 . 1 1 . Sea X u n a v a r i a b l e a l e a t o r i a c o n t i n u a c o n f u n -
c i ó n d e d e n s i d a d f(x) definida en y f u n c i ó n de
d i s t r i b u c i ó n F(x): C a l c u l a r
100 CAPÍTULO3. VARIABLES ALEATORIAS
Solución
Si se denota por u = F(x), du = f (x) dx, es inmediato:
Problema 3.12. E l volumen de producción de una empresa es

una variable aleatoria cuya función de densidad es:
Sabiendo que los costes totales de esa empresa vienen definidos

por:
calcular:
a) Probabilidad de que el coste marginal, sea mayor que
81.
b ) Probabilidad de que la producción se encuentre por debajo
del óptimo de explotación (mínimo de los costes totales medios).
c) Probabilidad de que, habiéndose alcanzado al menos un vo-
lumen de producción de 10, se alcance al menos una producción de
20.
Solución
a) Se comienza calculando el coste marginal
Se pide:
(Nota: la variable aleatoria toma sólo valores positivos, no tiene sentido una
producción negativa, y la f.d.d. así lo indica)
3.2. PROBLEMAS 101
b) Costes totales medios (por unidad de producción):
Para obtener el óptimo de la función g(x) = 3x2 27x + 81, se deriva:
Por lo tanto, en está el mínimo de la función cuadrática g (x). Lo

que se pide es, por tanto,
c) Se pide:
Problema 3.13. Sea X una variable aleatoria con función de

densidad
para 0 < x < 2:

a) Determinar la función de distribución asociada.
b)Hallar las probabilidades de los sucesos
Solución
a) Se tiene que:
por lo que se puede escribir:

102 CAPÍTULO3. VARIABLES ALEATORIAS
Para calcular la F.d.D., han de considerarse cuatro trozos en el eje real, pues
el valor de
depende de que x verifique x < 0 , 0 < x < 1 , 1 < x < 2 ó x > 2 :

i) Si x < 0, entonces F(x) = 0:
ii) Si 0 < x < 1, entonces
iii) Si 1 < x < 2, entonces
iv) Y, por último, si x > 2, entonces F(x) = 1.
b-i) Se pide:
(por ser F (x) una F.d.D. absolutamente continua, ya que existe su f.d.d.)
b-ii) Se pide:
b-iii) Se pide:
b-iv) Se pide:
3.2. PROBLEMAS 103
porque, al ser X una variable aleatoria continua, los valores puntuales tienen
probabilidad nula. •
P r o b l e m a 3.14. D a d a l a f u n c i ó n de d e n s i d a d
calcular:
a)
b ) E l v a l o r d e a t a l q u e P(X < 3) = 0'6:
Solución
La f.d.d. puede reescribirse como sigue:
Entonces, lo primero que se necesita es determinar el valor de k, que debe

depender del valor de a.
a)
b) Si se obliga a que
P r o b l e m a 3.15. Sea u n a v a r i a b l e a l e a t o r i a X con f u n c i ó n de

densidad
p a r a x > 0. C a l c u l a r l a f u n c i ó n d e d e n s i d a d d e l a v a r i a b l e
Solución
Se calcula a continuación la F.d.D. de X:
Entonces, puede calcularse la F.d.D. de Y:
Como X varía entre entonces
Es decir, Y varía entre 0 y 1. Así, queda

3.2. PROBLEMAS 105
P r o b l e m a 3.16 Sea X u n a v a r i a b l e a l e a t o r i a c o n f u n c i ó n d e d i s -
t r i b u c i ó n F(x), e s t r i c t a m e n t e c r e c i e n t e y c o n t i n u a . Se d e f i n e l a
v a r i a b l e a l e a t o r i a Y = F(X): E n c o n t r a r s u f u n c i ó n d e d i s t r i b u c i ó n
y su f u n c i ó n de densidad.
Solución
Se calcula en primer lugar la F.d.D.: siendo y un número real entre 0 y
1,
(por ser F(x) estrictamente creciente, se puede invertir)
Es decir:
Entonces, derivando esta función se obtiene:
P r o b l e m a 3.17. L a variable aleatoria X tiene p o r f u n c i ó n de

densidad s i c e r o e n o t r o caso. Se c o n s i d e r a l a
variable
¿ C u á l es l a f u n c i ó n d e d e n s i d a d d e Y?
Solución
Se denotará por Fx(x) a la F.d.D. de X.
Se calcula entonces la F.d.D. Fγ(y) de Y. Como 1 < x < 1, también se

tiene
Entonces, para 1 < y < 1, se tiene que
(al ser sen (x) inyectiva en
Entonces, derivando, se obtiene:
P r o b l e m a 3 . 1 8 . Sea l a v . a . X c o n f . d . d .
p a r a 0 < x < 2: O b t e n e r l a d i s t r i b u c i ó n d e l a v . a .
Solución
Denótese por Fx (x) la F.d.D. de X , y por fγ(y), Fγ (y), respectivamente,
la f.d.d. y la F.d.D. de Y.
3.2. PROBLEMAS 107
Se tiene que:
Por otro lado,
Por lo tanto,
que se puede reescribir de la forma:
Derivando, se obtiene
P r o b l e m a 3.19. D e m o s t r a r q u e , d a d a u n a v . a . X c o n F . d . D .
Fx (x), l a v . a . Y = aX + b, c o n a < 0, t i e n e p o r F . d . D .
Solución
Directamente,
(Nótese que, al ser a < 0, la siguiente igualdad es la correcta)
P r o b l e m a 3 . 2 0 . Sea l a v . a . X c o n F . d . D .
Obtener la f.d.d. de la v.a. Y = 3X + 5.
Solución
Se obtendrá, previamente, la F.d.D. de Y, denotada por Fγ (y).
E n consecuencia, puede escribirse:
O, más sencillamente,
Derivando, se obtiene la f.d.d. de Y, fγ (y):

3.2. PROBLEMAS 109
P r o b l e m a 3 . 2 1 . Sea l a v . a . X c o n f . d . d .
para 1 < x < 1: Se c o n s i d e r a l a v . a . Y = X2. Encontrar la F.d.D.

Fγ (y) y l a f . d . d . fγ (y) d e l a v . a . Y.
Solución
Con el cuidado de que Y = X2 es una transformación no inyectiva, debe
determinarse, en primer lugar, el conjunto soporte de la v.a. Y. Puesto que
1 < X < 1 , se deduce que 0 < X2 < 1.
A continuación, se determina la F.d.D. de X , Fx (x):
Entonces, dado y G (0,1), se tiene que
E n consecuencia,
Para obtener la f.d.d., basta con derivar:
P r o b l e m a 3 . 2 2 . Sea l a v . a . , d o n d e U es u n a v . a . c o n
f.d.d.
para 0 < u < 1, X es una v.a. cualquiera con f . d . d . positiva, y

es la inversa de l a función de d i s t r i b u c i ó n de X1.
C o m p r o b a r que l a d i s t r i b u c i ó n de Y es la misma que l a de X.
Solución
La función de distribución de U es
(3.1)
De esta forma, se tiene que
A l ser Fx estrictamente creciente, esto es igual a
Esta última expresión, al verificarse que 0 < Fx (y) ≤ 1, atendiendo a (3.1),

resulta ser igual a Fx (y), es decir,
En conclusión, las distribuciones de X y de Y son idénticas. •
P r o b l e m a 3.23. Sea X una v.a. discreta con f.m.p.:
X
X -2 - 2-1 - 01 01 1 22
P ( X = k)
P (X = k) 0’05
0’05 0 ’1 00’4
0’1 ’3 0’15
’4 00’3 0’15
Sea Y = X2. E n c o n t r a r su función de d i s t r i b u c i ó n .
Solución
Los valores de Y son 0, 1 y 4.
1
Esta función se denomina función de cuantiles de la v.a. X. A l exigir que la f.d.d.
de esta variable aleatoria sea positiva se garantiza que la función de distribución Fx es
estrictamente creciente, y se puede invertir.
3.2. PROBLEMAS 111
Por lo tanto,
P r o b l e m a 3.24. Sea X una v.a. con f . d . d .
p a r a 0 < x < 1. O b t e n e r l a d i s t r i b u c i ó n de l a v.a. Y = eX.
Solución
La F.d.D. de X se puede expresar en la forma
(puesto que la función exponencial es inyectiva)
E n conclusión,
Esto es,
P r o b l e m a 3.25. Sea u n a v . a . c o n F . d . D .
D e s c o m p o n e r F (x) c o m o l a c o m b i n a c i ó n l i n e a l d e dos d i s t r i b u -
c i o n e s , u n a d e ellas e s c a l o n a d a y l a o t r a a b s o l u t a m e n t e c o n t i n u a .
Solución
Según el Teorema de descomposición, existen y son únicas dos distribu-
ciones como las pedidas tales que, para cierto valor
E n este caso, la función F presenta dos saltos, que denominamos p(x):

uno en donde
y el otro en donde
Entonces, se define la función "de saltos"
con
Se define, entonces, la F.d.D. discreta
E n consecuencia, la distribución Fd (x) asigna la siguiente ley de probabilidad:

3.2. PROBLEMAS 113
x 1=2 4=5
.
Prob 5=9 4=9
Para encontrar la distribución absolutamente continua, se comenzará

obteniendo
donde
Se define entonces
Así, sustituyendo,
se concluye la expresión de la distribución absolutamente continua buscada:

Capítulo 4
Características de las V V . A A .
4.1 Contenidos
• Variables aleatorias discretas: esperanza, varianza, desviación típica.
• Variables aleatorias absolutamente continuas: esperanza, varianza, desviació

típica.
• Valor esperado de una función de una variable aleatoria.
• Desigualdad de Chebyschev.
• Otras características: Moda, mediana, cuantiles; coe…cientes de asimetría

y curtosis.
• Momentos. Función generatriz de momentos. Función característica.
4.2 Problemas
E n este capítulo se resuelven problemas sobre los momentos y otras carac-
terísticas de las variables aleatorias. Se emplea indistintamente el nombre
de valor esperado, esperanza matemática o media de la distribución para el
momento de orden 1 centrado en el origen de t a l distribución. Para aclarar
la notación empleada, puede consultarse el ú l t i m o capítulo del libro.
115
116 CAPÍTULO 4. CARACTERÍSTICAS DE LAS VV.AA.
P r o b l e m a 4 . 1 . Se c o n s i d e r a u n j u e g o c o n s i s t e n t e e n l a n z a r t r e s
m o n e d a s a l a i r e . Si se o b t i e n e n t r e s caras o t r e s c r u c e s , se g a n a n
3 0 e u r o s . Si n o es así, se p i e r d e u n a c a n t i d a d k. ¿ C u á l d e b e ser
esa c a n t i d a d p a r a q u e e l j u e g o sea j u s t o ?
Solución
E l juego es justo cuando la ganancia esperada es 0. Entonces, denotando
por suceso A ≡ “sacar 3 caras o 3 cruces”, debe ser
Por un lado, considerando tres monedas distinguibles, los resultados posi

bles son 2 3 = 8, y queda
Por otro lado,
Por lo tanto,
Es decir, cuando la jugada sea distinta de tres caras o tres cruces, lo justo
sería perder 10 euros. •
P r o b l e m a 4.2. P r o b a r que, dada u n a v.a. c o n t i n u a X con f.d.d.

f (x), se v e r i f i c a :
Solución
Por definición,
4.2. PROBLEMAS 117
P r o b l e m a 4.3. Sea una v.a. continua X con f . d . d .
Es decir, una v.a. con d i s t r i b u c i ó n u n i f o r m e en [a,b]. Obtener su

valor esperado y su varianza.
Solución
Por definición,
También por definición,

P r o b l e m a 4.4. Sea una v.a. continua X con f . d . d .
Es decir, una v.a. con d i s t r i b u c i ó n exponencial de p a r á m e t r o

Obtener su media y su varianza.
Solución
Por definición,
Esta integral se resuelve por partes: se toman
con lo que la integral queda:
Para calcular la varianza, se utililzará la igualdad
Se necesita, por tanto, hallar E (X2):

4.2. PROBLEMAS 119
Se resuelve también por partes, tomando
la integral queda:
Por lo tanto,
P r o b l e m a 4.5. Se conoce que el salario b r u t o anual, en miles de

euros, de los trabajadores de una empresa es una v.a. X con f.d.d.
Obtener el salario anual medio, así como l a varianza de esta dis-

tribución.
Solución
Se calcula el valor esperado, salario medio anual.
Es decir, un salario medio de 22.500 euros.

Se calcula su varianza.
P r o b l e m a 4.6. U n a v.a. continua X sigue una d i s t r i b u c i ó n de

Pareto de parámetros es decir, tiene como f.d.d.
Obtener la expresión de l a media y de la varianza de dicha dis-

t r i b u c i ó n , comprobando que l a media sólo existe cuando y
l a varianza sólo cuando
Solución
Se calcula el valor esperado de X. Supuesto que
Y , claramente, la integral diverge cuando a < 1 , pues el grado de x en la

función a integrar es superior a 1.
Se calcula la varianza, para lo cual se utilizará que
siempre y cuando a > 2 pues, de lo contrario, la integral deverge, como antes.

E n definitiva, si a > 2,
P r o b l e m a 4 . 7 . Sea u n a v . a . c o n t i n u a X c o n F . d . D .
4.2. PROBLEMAS 121
a) D e t e r m i n a r el valor de k:
b) Calcular l a media, varianza, desviación t í p i c a y M e d i a n a de
l a v.a. X.
Solución
a) Tal y como está definida F (x), no se garantiza continuidad por la
derecha. Para ello, debe ser
Las dos primeras condiciones no aportan información sobre el valor de k,

pues se verifican siempre. La tercera obliga a que
b) Se calculará previamente la f.d.d. de X.
De esta forma,
Puede calcularse ahora
Entonces,
Y , por tanto,
Encontrar el valor de la Mediana equivale a hallar, para la F.d.D., en qué

valor de x se verifica que Se entiende que la F.d.D. del enunciado
es correcta, luego es no decreciente, y sólo puede haber una solución (o un
intervalo, en todo caso). Pero no se ha determinado aún en cuál de los trozos
de la función se alcanza el valor . Debe ser, o bien
o bien
Como la ecuación i) tiene solución real en x = 1 , no sirve, pues la F.d.D.

se define así sólo entre 1 y 0.
La ecuación ii) se reduce a
cuya solución válida es E n conclusión:
P r o b l e m a 4 . 8 . P r o b a r q u e se v e r i f i c a l a s i g u i e n t e r e l a c i ó n e n t r e
los m o m e n t o s 1 :
Solución
Por definición, para una v.a. X , los momentos se expresan de la forma
Entonces, considerando que a0 = 1 , puede escribirse:
1
La n o t a c i ó n empleada se explica en la ú l t i m a Sección de este l i b r o . N o obstante, en
la resolución del p r o b l e m a queda aclarado su significado.
4.2. PROBLEMAS 123
P r o b l e m a 4 . 9 . Sea X u n a v . a . c o n t i n u a c o n f . d . d .
C a l c u l a r sus m o m e n t o s c e n t r a d o s e n l a m e d i a d e o r d e n 2 , 3 y 4 .
Solución
Primero, se calcularán los momentos centrados en el origen de órdenes 1,
2, 3 y 4:
Se aplica ahora el resultado obtenido en el Problema 4.8.

P r o b l e m a 4 . 1 0 . Sea X u n a v . a . c o n t i n u a c o n f . d . d .
Calcular su mediana.
Solución
Debe encontrarse primero la F.d.D. de X.
La Mediana Md verifica que
por lo tanto, se procede a resolver la ecuación
P r o b l e m a 4 . 1 1 . Sea X u n a v a r i a b l e a l e a t o r i a a b s o l u t a m e n t e .
P r o b a r q u e si se v e r i f i c a q u e e n t o n c e s t a m b i é n se v e r i -
…ca
Solución
Se denotará por f (x) la f.d.d. de X. Entonces, por definición,
donde
4.2. PROBLEMAS 125
Nótese que, si el primer conjunto tiende a coincidir con el suceso

seguro Ω, y el segundo con el suceso imposible 0 . Pero, para un valor concreto
de n, ese segundo sumando verifica
con lo que se concluye que
P r o b l e m a 4 . 1 2 . Sea X u n a v a r i a b l e a l e a t o r i a a b s o l u t a m e n t e c o n
t i n u a , no negativa. P r o b a r que si y sólo si
e n c u y o caso, e s t a i n t e g r a l c o i n c i d e c o n e l v a l o r e s p e r a d o d e X.
Solución
La doble implicación se prueba primero en sentido directo. Por definición,
donde f (x) es la f.d.d. Se considera el primer sumando, y se integra por

partes:
Tomando
se obtiene
(4.1)
Por el Problema 4.11, se conoce que, puesto que se verifica
que
luego se tiene que
De esta forma, tomando límites para n oo en la expresión (4.1), ésta

se reduce a
con lo cual se tiene la implicación en sentido directo.

Para la otra implicación, basta tener en cuenta que, por (4.1),
de modo que
y, por tanto, existe el valor esperado de X. •
P r o b l e m a 4.13. Sea X u n a variable aleatoria con f u n c i ó n de

densidad
a) C a l c u l a r e l v a l o r d e l a c o n s t a n t e k.
b ) C a l c u l a r l a m e d i a n a y los c u a r t i l e s .
c) C a l c u l a r e l v a l o r e s p e r a d o d e X y s u v a r i a n z a .
d) Calcular la m o d a y el c u a n t i l 8 / 9 .
4.2. PROBLEMAS 127
Solución
a) Debe ser
b) Los cuartiles Q1, Q2 y Q3 verifican:
E n consecuencia, se precisa calcular la F.d.D. de X. Para cualquier x > 100

se tiene:
Así, basta resolver las ecuaciones:
c)
Se calcula aparte E(X2):
de manera que la integral es divergente y, en definitiva, la varianza de X no

existe.
d) La moda es el valor de x donde f(x) alcanza un máximo. Como
se deduce que la F.d.D. es estrictamente decreciente en x > 100. De esta

forma, Mo = 100.
Para el cuantil C 8 / 9 , como en el apartado b),
P r o b l e m a 4 . 1 4 . Sea X u n a v . a . d i s c r e t a c o n f u n c i ó n d e m a s a d e
probabilidad
c o n N > 1 . C a l c u l a r e l v a l o r d e l a c o n t a n t e k, l a f u n c i ó n d e d i s -
t r i b u c i ó n de X y su valor esperado.
Solución
Para hallar el valor de k, debe exigirse que
Para hallar la F.d.D. de X, sabiendo que es escalonada, basta considerar

que, para cualquier , con h = 1 , 2 , . . . , N s e verifica:
4.2. PROBLEMAS 129
Para calcular el valor esperado, basta sumar:
P r o b l e m a 4 . 1 5 . Sea X u n a v . a . s o b r e e l e s p a c i o p r o b a b i l í s t i c o
(Ω, S, P) q u e t i e n e c o m o f u n c i ó n d e m a s a d e p r o b a b i l i d a d :
a) C o m p r o b a r que los pj f o r m a n una f u n c i ó n de masa de p r o -

babilidad.
b) Calcular, si existe, su valor esperado.
Solución
a) Basta comprobar que
b) E l valor esperado de X existe si y sólo si la serie
es absolutamente convergente. Esto es, si y sólo si converge la serie
pero ésta es la serie armónica, divergente E n consecuencia, no existe

el valor esperado de X. •
P r o b l e m a 4 . 1 6 . E n las …estas n a v i d e ñ a s , u n e s t a b l e c i m i e n t o
se d e d i c a a l a v e n t a d e a b e t o s . L a d e m a n d a d e estos á r b o l e s es
a l e a t o r i a , y se sabe p o r e x p e r i e n c i a q u e l a m e d i a es d e 200 a b e t o s ,
c o n d e s v i a c i ó n t í p i c a d e 10. ¿ Q u é a c o p i o d e a b e t o s d e b e h a c e r s e si
se q u i e r e s a t i s f a c e r l a d e m a n d a d e e s t e a ñ o c o n u n a p r o b a b i l i d a d
de al menos el 90%?
Solución
No hay más información sobre la distribución que el valor de su media
(valor esperado) y su varianza. Por lo tanto, sólo puede responderse u t i -
lizando la desigualdad de Chebyschev. Así, en la expresión
se exige que sea
E n t a l caso,
y, por tanto, debe comenzar la campaña con un stock inicial de 231062 ~ 232
abetos. •
P r o b l e m a 4 . 1 7 . Sea u n a v . a . X c o n f . d . d . :
a) D e t e r m i n a r l a f u n c i ó n d e d i s t r i b u c i ó n .
b) Calcular la mediana.
c) H a l l a r l a p r o b a b i l i d a d d e q u e , d e u n t o t a l d e 5 o b s e r v a c i o n e s
r e a l i z a d a s i n d e p e n d i e n t e m e n t e y a l a z a r e n esa v . a . , l a m á s p e q u e ñ a
sea i n f e r i o r a 9.
4.2. PROBLEMAS 131
Solución
a) Integrando, se obtiene la F.d.D.:
b) Se busca Md t a l que Como F(x) es
monótona, y se verifica que entonces debe ser 2 <

Md < 4. Así, basta con sustituir
c) Las cinco observaciones se denotarán por X i , con i = 1 , . . . , 5. Sea ahora

Y = Min {Xi : i = 1,2,..., 5 } . Entonces
De donde
P r o b l e m a 4 . 1 8 . sea u n a v . a . d i s c r e t a c o n f . m . p .
¿Existe l a f u n c i ó n g e n e r a t r i z de m o m e n t o s , m (t), de l a d i s t r i b u -
ción?
Solución
Por definición de m (t), en un entorno de t = 0, la f.g.m. se expresa como
De este modo, la f.g.m. estará definida si y sólo si esta serie converge para
un entorno de t = 0. Aplicando el criterio del cociente, se tiene que
a k +1 exp(tk + t ) k2
lim = lim = exp(t) > 1 para todo t > 0,
k +∞ ak k +∞ (k + 1)2 exp(tk)
y por tanto la serie diverge en puntos de cualquier entorno de t = 0, y la

f.g.m. no está definida. •
P r o b l e m a 4 . 1 9 . U n n ú m e r o N d e p e r s o n a s se s o m e t e a u n a n á l i -
sis d e s a n g r e p a r a d e t e c t a r si p o s e e n c i e r t o t i p o d e v i r u s . E l a n á l i s i s
p u e d e h a c e r s e d e dos f o r m a s :
I ) A n a l i z a r l a s a n g r e d e c a d a u n a d e las N p e r s o n a s p o r s e p a r a d o
( N análisis).
I I ) C o m b i n a r l a s a n g r e d e k p e r s o n a s y a n a l i z a r l a s a l a v e z , si
e l r e s u l t a d o es n e g a t i v o , v a l e p a r a las k p e r s o n a s ( 1 a n á l i s i s ) , y si
es p o s i t i v o , se a n a l i z a n p o r s e p a r a d o c a d a u n a d e esas k p e r s o n a s
( k + 1 a n á l i s i s ) . Se a s u m e q u e N es m ú l t i p l o d e k.
a) S u p o n i e n d o q u e los r e s u l t a d o s d e los a n á l i s i s d e las N p e r -
sonas s o n i n d e p e n d i e n t e s , q u e l a p r o b a b i l i d a d d e q u e u n a p e r s o n a
d é n e g a t i v o e n s u a n á l i s i s i n d i v i d u a l es p y es l a m i s m a p a r a c a d a
persona, e n c o n t r a r l a p r o b a b i l i d a d de que u n análisis c o m b i n a d o
de k personas dé positivo.
b ) Si X es e l n ú m e r o d e a n á l i s i s r e q u e r i d o s p a r a las N p e r s o n a s
b a j o e l p l a n I I , d e t e r m i n a r l a m e d i a y l a v a r i a n z a d e X.
4.2. PROBLEMAS 133
Solución
Con el método I, el número de análisis es determinístico, igual a N.
Con el método I I , se forman y grupos de k personas. Sea X i ≡ \Número
de pruebas del grupo i-ésimo”. Entonces,
si la prueba combinada es negativa

si la prueba combinada es positiva.
Por un lado, debido a la independencia de los resultados de cada indi-

viduo,
b) Sea X ≡ \Número t o t a l de pruebas a realizar". Entonces,
De esta forma,
134 CAPÍTULO4. CARACTERÍSTICASDELAS VV.AA.
Problema 4.20. Sea X una v.a. continua con f.d.d.
para x > 0, y nula en otro caso. Calcular su función generatriz de

momentos m(t) y, a partir de ella, su esperanza y varianza.
Solución
La f.g.m., m (t), se define, en un entorno del origen, como
Entonces,
de donde
Problema 4.21. Una v.a. X tiene como campo de variación el

conjunto de los números enteros positivos, de manera que cada uno
de ellos, n, puede ocurrir con probabilidad proporcional a
Hallar su valor esperado.
4.2. PROBLEMAS 135
Solución
Como P(X = n) = debe ser
Luego K = 1 y la f.m.p. viene dada por:
Para hallar el valor esperado, basta con sumar la serie
i) La serie es convergente pues, aplicando el criterio del cociente, se ob-

tiene:
ii) Para sumar la serie S, téngase en cuenta que
y que, combinando ambos resultados,
Y , por lo tanto,
P r o b l e m a 4 . 2 2 . Sea X u n a v . a . c o n t i n u a c o n f . d . d .
C a l c u l a r e l v a l o r d e k. C a l c u l a r e l v a l o r e s p e r a d o d e l a v . a . X.
Solución
Debe verificarse
de donde se obtiene que k = 2:

Se calcula a continuación el valor esperado:
P r o b l e m a 4 . 2 3 . Sea f(x) la f.d.d. de u n a v.a. c o n t i n u a X :
C a l c u l a r e l v a l o r d e k.
Solución
Debe ser k > 0 t a l que
4.2. PROBLEMAS 137
Para resolver la integral se hará el cambio de variable
Así, queda:
De esta forma, se concluye que
P r o b l e m a 4 . 2 4 . E n u n h á b i t a t c o h a b i t a n dos clases d e g a v i o t a s .
E l 4 0 % d e los e j e m p l a r e s s o n d e l a especie A , q u e t i e n e c o m o c a r -
a c t e r í s t i c a q u e s u l o n g i t u d d e alas d e s p l e g a d a s , e n m e t r o s , es u n a
v.a. con f u n c i ó n de densidad:
E l r e s t o d e las g a v i o t a s s o n d e l a especie B , c u y a l o n g i t u d d e alas

d e s p l e g a d a s , e n m e t r o s , es u n a v . a . c o n f . d . d .
Si se s e l e c c i o n a n a l a z a r u n a g a v i o t a d e l a p o b l a c i ó n , y se d e n o -
m i n a X a l a v a r i a b l e a l e a t o r i a q u e m i d e s u l o n g i t u d d e alas d e s p l e -
g a d a s , e n c o n t r a r l a f u n c i ó n d e d i s t r i b u c i ó n d e l a v . a . X: E n c o n t r a r
su f u n c i ó n de densidad.
Solución
Para resolver el problema, debe calcularse la F.d.D. de X.
Sean los sucesos:

A ≡ \ L a gaviota es de la especie A " ,
Como paso previo, se calculan primeramente las funciones de distribución
F1(x) y F2(x), de las dos respectivas subpoblaciones de gaviotas. Sea x G
(0075,1025), entonces,
Más adelante será ú t i l disponer de la expresión
(4.2)
Sea ahora Entonces
Será igualmente ú t i l , más adelante, disponer de la expresión
(4.3)
La F.d.D. de X sin ningún condicionante se calculará utilizando el Teo-

rema de la probabilidad t o t a l , con la ayuda de las expresiones (4.2) y (4.3)
Habrá que considerar los intervalos

Sea E n este caso,
4.2. PROBLEMAS 139
Sea Eneste caso,
Sea Eneste caso,
En definitiva,
Se estudia ahora la continuidad de esta función, comprobando los valores

en x igual a
En x = 1:
La f.d.d. se obtiene derivando esta función:
Cómo se defina la f.d.d. en es, no obstante, indiferente.

•
P r o b l e m a 4.25. Sea X una variable aleatoria con función de
densidad
a) E n c o n t r a r el valor de k.
b) E n c o n t r a r el valor esperado de X.
4.2. PROBLEMAS 141
Solución
a) Debe ser
b)
P r o b l e m a 4.26. U n vendedor de piezas mecánicas dispone en

u n m o m e n t o t0 de u n stock de S unidades. L a demanda X en el
intervalo [t0, t1] es una variable aleatoria cuya ley de p r o b a b i l i d a d
es:
donde Se p i d e :
a) H a l l a r l a d e m a n d a e s p e r a d a e n
b ) Si X < S, e l v e n d e d o r d e b e a f r o n t a r u n g a s t o a d i c i o n a l d e
c e u r o s , y si X > S, e l g a s t o a d i c i o n a l es d e c2 e u r o s . Si X = S , n o
hay gasto a d i c i o n a l . H a l l a r el gasto a d i c i o n a l esperado.
Solución
a) Se asume que la demanda es discreta, pues se conoce de su ley de
probabilidad. De esta forma,
Previamente debe encontrarse k (x¾). Para ello, se tendrá en cuenta que
A partir de este resultado, se prosigue con el problema:
(recordar que p = 1 q)
que es la valor esperado que se pide.

b) Sea la variable aleatoria G ≡ "gasto adicional". Esta variable toma
los valores c , 0, c2. Las probabilidades deberán calcularse utilizando la
distribución de X. Concretamente,
4.2. PROBLEMAS 143
P r o b l e m a 4 . 2 7 . Sea X u n a v a r i a b l e a l e a t o r i a . Se d e f i n e l a f u n -
ción característica de la v.a. X como la función
P r o b a r las s i g u i e n t e s p r o p i e d a d e s :
a)
b) , p a r a c a d a v a l o r d e t.
c) es d e c i r , a m b o s s o n n ú m e r o s c o m p l e j o s c o n j u -
gados.
d) es u n a f u n c i ó n u n i f o r m e m e n t e c o n t i n u a .
e) Sea u n a v a r i a b l e a l e a t o r i a X y sea l a v a r i a b l e Y = a + bX,
d o n d e a y b s o n n ú m e r o s r e a l e s . E n t o n c e s , p a r a c a d a v a l o r d e t,
Solución
a) Es obvio, puesto que
b) Igualmente obvio, pues

144 CAPÍTULO4. CARACTERÍSTICASDELAS VV.AA.
c) Por un lado,
Por el otro lado,
Con lo cual, se concluye este apartado.

d) Dados t y h reales,
Por un lado, es claro que
Por otro lado,
De donde se sigue
que converge a 0 cuando h ! 0, independientemente del valor de t.

4.2. PROBLEMAS 145
e) Se obtiene automáticamente:
P r o b l e m a 4 . 2 8 . Sea F l a F u n c i ó n d e D i s t r i b u c i ó n d e u n a v a r i a b l e
a l e a t o r i a X y sea s u f u n c i ó n c a r a c t e r í s t i c a . P r o b a r q u e , si
existe el m o m e n t o c e n t r a d o e n el o r i g e n de o r d e n n de l a v a r i a b l e
X, e n t o n c e s l a f u n c i ó n c a r a c t e r í s t i c a es n veces d i f e r e n c i a b l e c o n
d e r i v a d a s finitas, v e r i f i c á n d o s e q u e :
a) P a r a k = 1,2, ...,n,
b ) P a r a k = 1, 2, ...,n,
Solución
a) Obsérvese que
de modo que
Entonces, al estar acotada la integral, se puede hacer el siguiente intercambio

de orden entre la derivada y la integral:
N O T A : Para que la permutación de la integral y la derivada, la integral

debe estar acotada por una función integrable (en este caso, ella misma), con
lo cual es válida la identidad , siempre y cuando
Este es el Teorema de convergencia dominada.
Con todo esto, se obtiene:
b) Asumir que existe el momento centrado en el origen de orden n equivale

a a…rmar que , y en consecuencia existe para cualquier
entero Por la derivabilidad, se tiene q u e e s continua en t, en
particular en un entorno del origen, de manera que admite el desarrollo de
M c Laurin:
con Esta expresión se puede reescribir como
siendo
(4.4)
De esta forma, el problema se reduce a demostrar que según su
expresión dada en (4.4), es un infinitésimo de orden tn. Se tiene que:
(4.5)
donde se ha utilizado que . A continuación, teniendo en cuenta que
el término derecho de la desigualdad (4.5) se acota igualmente como sigue:
Y , puesto que el momento centrado en la media de orden n existe, y este

término de la derecha converge a 0 cuando t tiende a 0, queda establecido
que Rn (t) es un infinitésimo de orden n. •
4.2. PROBLEMAS 147
P r o b l e m a 4 . 2 9 . Sea F l a F u n c i ó n d e D i s t r i b u c i ó n d e u n a v a r i a b l e
a l e a t o r i a X y sea su función característica. Supuesto que existe
l a derivada n-ésima de en u n entorno del origen, probar que,
si n es p a r , e n t o n c e s e x i s t e (y, p o r t a n t o , e x i s t e n los
m o m e n t o s d e c u a l q u i e r o r d e n k <n).
Solución
Sea n = 2m. Se aborda la demostración por inducción.
i) Sea m = 1 , y por tanto n = 2. Por un lado, se tiene que
Este límite va a estar relacionado con E (X2). Se calcula el siguiente límite,

aplicando la Regla de L ’ H o p i t a l :
Con esto, se tiene que
y, aplicando el Lema de Fatou 2 , esta expresión está acotada por

Con los que se concluye que el momento E (X2) es finito.

ii) Supóngase ahora que el resultado es cierto hasta para m 1 , donde,
n = 2m 2, y se probará para m. Se tiene que
Por tanto,
Ahora, por otro lado, se construye la función
llamando H al denominador. Esta función Gm (y) es monótona no decre-

ciente, continua a la derecha y Es decir, Gm (y) es una F.d.D.
Entonces, sea Y una v.a. con F.d.D. Gm. Puede escribirse:
Con lo cual se concluye la prueba, salvo un pequeño detalle: falta estudiar

la posibilidad de que
Pero, en este caso, forzosamente, X es una variable degenerada, de modo que
E n t a l caso, la prueba es directa, porque todos sus momentos existen y son

iguales a 0. •
P r o b l e m a 4.30. P r o b a r que u n a v.a. a b s o l u t a m e n t e c o n t i n u a X

es s i m é t r i c a c o n r e s p e c t o a l o r i g e n si y sólo si s u f u n c i ó n c a r a c t e r í s -
t i c a es r e a l .
4.2. PROBLEMAS 149
N O T A : U n a d i s t r i b u c i ó n a b s o l u t a m e n t e c o n t i n u a se d i c e s i m é t r i c a
r e s p e c t o a l o r i g e n si s u f . d . d . , f (x), v e r i f i c a q u e f (x) = f (x)
p a r a t o d o x, e q u i v a l e a q u e X t i e n e l a m i s m a d i s t r i b u c i ó n q u e
X, y e q u i v a l e a q u e l a F . d . D . d e X, F (x), v e r i f i q u e l a i d e n t i d a d
F (x) =1 F (x).
Solución
Considérense las variables X y X , con sus respectivas funciones carac-
terísticas Se tiene:
Es decir, ambas funciones obtienen valores complejos conjugados para un

mismo valor de la variable t. Ahora bien, si se asume que X es simétrica,
entonces X y X siguen la misma distribución, por lo que ambas funciones
características son la misma. en consecuencia,
y esto para cualquier valor de t. •
P r o b l e m a 4.31. P r o b a r que una v.a. con f.d.d.
(es d e c i r , c o n d i s t r i b u c i ó n d e C a u c h y ) , d o n d e no
tiene valor esperado.
Solución
Directamente:
Se t r a t a de probar que esta integral no es absolutamente convergente o,

equivalentemente, que no existe el límite
Para probarlo, basta con encontrar dos pares de sucesiones y

tales que
Sean, por un lado,
Entonces, se obtiene:
Sean ahora, por otro lado,
Entonces, resulta que
Este resultado implica, en definitiva, que la integral que proporciona el

valor esperado no es absolutamente convergente y, por tanto, el valor espe-
rado no está definido. •
Capítulo 5
Vectores Aleatorios
5.1 Contenidos
• Variables aleatorias bidimensionales.
• Distribución conjunta. Distribuciones marginales.
• Distribuciones condicionadas. Variables aleatorias independientes.
• Función de una variable aleatoria bidimensional.
• Esperanza matemática de sumas y productos de variables aleatorias.
• Covarianza. Propiedades. Varianza de la suma de variables aleatorias.
• Coe…ciente de correlación lineal de dos variables aleatorias.
5.2 Problemas
P r o b l e m a 5 . 1 . Sea u n a u r n a q u e c o n t i e n e b b o l a s b l a n c a s , n n e g r a s
y r r o j a s . Se e x t r a e u n a b o l a a l a z a r , y se de…nen las v a r i a b l e s
aleatorias:
X ≡ " n ú m e r o d e b o l a s b l a n c a s e x t r a í d a s " (es d e c i r , 0 ó 1 ) ;
Y ≡ " n ú m e r o d e b o l a s negras e x t r a í d a s " (es d e c i r , 0 ó 1);
Z ≡ " n ú m e r o d e b o l a s r o j a s e x t r a í d a s " (es d e c i r , 0 ó 1).
Se p i d e :
a) D i s t r i b u c i ó n c o n j u n t a d e (X;Y;Z).
151
152 CAPÍTULO 5. VECTORES ALEATORIOS
b ) C o v a r i a n z a s : cov (X, Y), cov (X, Z), cov (Y, Z).

c) Coe…ciente d e c o r r e l a c i ó n d e c u a l q u i e r p a r d e estas v a r i a b l e s .
Solución
a) Se t r a t a , según las distribuciones marginales, de tres variables d i -
cotómicas y, además, siempre una de ellas vale " 1 " y, forzosamente, las otras
dos valen " 0 " . La distribución se obtiene mediante la ley de probabilidad:
siendo cualquier otro caso imposible.

b) Por definición,
Es evidente, por la Ley de probabilidad, que los casos que tienen probabilidad
positiva verifican XY = 0, pues al menos una de las variables toma valor
nulo. Así, basta calcular
y se obtiene que
Análogamente,
5.2. PROBLEMAS 153
c) El coe…ciente de correlación lineal de , se define como
Por tanto, se necesitan calcular las varianzas marginales de las variables X ,

Y , Z.
Y, análogamente,
En conclusión,
Y, análogamente,
Problema 5.2. Se considera el experimento aleatorio consistente

en lanzar un dado dos veces. Sean las variables aleatorias X =
“menor número obtenido”, e Y = “número de resultados pares
obtenidos”.
a) O b t e n e r la f u n c i ó n de p r o b a b i l i d a d c o n j u n t a y las marginales.
b) Calcular P (X < 3, Y = 1), P (X > 3, Y < 1).
c) O b t e n e r l a d i s t r i b u c i ó n condicionada X \ Y = 1:
d) O b t e n e r la d i s t r i b u c i ó n condicionada Y \ X = 2:
Solución
a) Los valores de la v.a. X son los enteros de 1 a 6. Los de la v.a. Y
son 0, 1, 2. Será de utilidad la siguiente tabla: en los márgenes, los puntos
de cada dado, en el interior, los valores del par (X, Y) de resultados de los
dados:
dado1ndado
dado1ndado 2
2 1 2 2 3 4 5 6
1 (1,0)
(1,0) (1,1)
(1,1) (1,0)
(1,0) (1,1)
(1,1) (1,0)
(1,0) (1,1)
2 (1,1)
(1,1) (2,2)
(2,2) (2,1)
(2,1) (2,2)
(2,2) (2,1)
(2,1) (2,2)
3 (1,0)
(1,0) (2,1)
(2,1) (3,0)
(3,0) (3,1)
(3,1) (3,0)
(3,0) (3,1)
4 (1,1)
(1,1) (2,2)
(2,2) (3,1)
(3,1) (4,2)
(4,2) (4,1)
(4,1) (4,2)
(4,2)
5 (1,0)
(1,0) (2,1)
(2,1) (3,0)
(3,0) (4,1)
(4,1) (5,0)
(5,0) (5,1)
6
6 (1,1)
(1,1) (2,2)
(2,2) (3,1)
(3,1) (4,2)
(4,2) (5,1)
(5,1) (6,2)
(6,2)
Tabla 5.1
Como consecuencia, la tabla con las probabilidades de la v.a. bidimen-

sional (X, Y) son los recogidos en la siguiente tabla (dividiendo por 36):
Y nX
YnX 1 22 3 4 5 6
0 5 0 3 0 11 0
1 66 44 44 22 22 0
2 0 5 0 3 0 11
Denominador común 36
Tabla 5.2
Las distribuciones marginales se calculan sumando por filas o por colum-

nas (dividido entre 36):
| Y
Y || 00 I 11 I 22 I
IPP (Y
(Y = k) || 99 I 18
18 I 99 I
Tabla 5.3
5.2. PROBLEMAS 155
I X | 11 | 2
2 | 3 | 4 | 5 | 6 |
IP
P (X = k) I 11
11 I99 I77 I55 I33 I11 I
Tabla 5.4
b) A partir de la Tabla 5.2,
c) Basta con tomar la fila de la Tabla 5.2 correspondiente a Y = 1.
I X
X | 11 | 22 | 33 | 4 | 5 | 6 |
\PP ((X
X = k \Y
jY =
= 11)) |66 |44 |44 |22 |22 |00 |
E n la Tabla 5.2, estos valores debían dividirse por 36. Para obtener
la distribución condicionada, deben dividirse además entre P(Y = 1) =
de manera que cada valor de esta ú l t i m a tabla debe dividirse entre 18,
obteniendo la f.m.p. de X condicionada a que Y = 1.
d) Para este caso, se toma la columna correspondiente a X = 2 en la
Tabla 5.2:
| Y
Y I 00 I 11 I 22 I
[ PP (Y
(Y = k) I 00 I 44 I 55 I
Estos valores debían dividirse entre 36, para la probabilidad condicionada,
además deben dividirse entre E n definitiva, han de dividirse
los valores de esta ú l t i m a tabla entre 9, y se obtendrá la distribución de Y
condicionada a que X tome el valor 2.. •
P r o b l e m a 5.3. Se c o n s i d e r a l a v . a . b i d i m e n s i o n a l c u y a f u n c i ó n
de p r o b a b i l i d a d c o n j u n t a viene d a d a en l a siguiente t a b l a ( d i v i d i r
entre 36):
YnX
Y\X 10 0 10
0 6 3 3
1 22 1 1 11
2 10
10 5 5
Tabla 5.5
a) ¿Son independientes X e Y?
b) Calcular E (XY).
c) Obtener l a d i s t r i b u c i ó n de X Y.
d) Calcular Var (X Y).
Solución
a) A partir de la Tabla 5.5, sumando por filas y después por columnas, se
calculan fácilmente las distribuciones marginales de X e Y (los valores deben
dividirse entre 36):
r X i -10 i 0 i 10 i
IP
P (X = k) I 18
18 I 9 I 9 ^
| Y
Y || 00 I 11 I 22 I
|PP (Y = k) || 12 I 4 I 2020 I
Así, para que sean independientes, debe verificarse que
para todo i,j. Se calculan, en la siguiente Tabla 5.6, los valores de

5.2. PROBLEMAS 157
(los valores de la Tabla 5.6 son los numeradores de las probabilidades, y

deben dividirse entre el denominador, 36), y se comparan con la tabla del
enunciado.
YnX -10 0 10
0 6 6 33 3
1 2 1 1 .
1
2 10 2 51 51
2 1 0 5 5
Tabla 5.6
Resultan, de este modo, idénticas, y puede a…rmarse que las variables X
e Y son independientes.
b) Al ser X e Y independientes, se verifica que E (XY ) = E ( X ) E (Y ) :
Se comprobará de las dos formas. En primer lugar, calculando la f.m.p. de
la v.a. XY :
XY -20 -10 0 10 20
P (XY = kk)
) 10 2 18 1 5
De manera que
Por otro lado,
y, por ser independientes, en efecto
c) La v.a. X Y toma los valores 12, 11, 10, 2, 1, 0, 8, 9, 10.

Sus probabilidades se obtienen directamente de la Tabla 5.5, pues no hay dos
pares (X,Y ) que den lugar al mismo valor en la diferencia X Y .
158 CAPÍTULO5. VECTORES ALEATORIOS
d) La varianza de X Y , por ser variables independientes, verifica que
V ar (X Y ) = V a r ( X ) + V ar(Y ) 2Cov (X,Y ) = V ar ( X ) + V ar (Y ) :
Se calculan las varianzas de X y de Y .
Y, por lo tanto,
Problema 5.4. Sea la variable aleatoria bidimensional (X,Y )

cuya función de probabilidad conjunta viene dada en la siguiente
Tabla 5.7:
YnX
Y nX 0 1 2 3
0 4 4 11 11 2
1 4 4 11 11 22
2 8 8 22 22 4
Tabla 5.7
Comprobar que X e Y son independientes y calcular E (XY ).

5.2. PROBLEMAS 159
Solución
Se calculan las probabilidades marginales, re‡ejadas con las conjuntas en
una única tabla:
Y nX
YnX 0 1 22 3
0 4 11 11 22 8
1 44 11 11 22 88
2 8 2 2 4 16
16 4 4 8
Con esta tabla, es sencillo comprobar que las probabilidades conjuntas se

igualan con los respectivos productos de las probabilidades marginales, y por
tanto las variables son independientes.
Como consecuencia de esta independencia, se verifica que E (XY) =
E (X) E (Y). Entonces, como
se concluye que
P r o b l e m a 5.5. Sea (X, Y) u n a v a r i a b l e a l e a t o r i a b i d i m e n s i o n a l

con función de probabilidad conjunta:
YnX
YnX 1 22 3 4 5 6
0 5 0 3 0 11 0
1 66 44 44 22 22 00
2 0 5 0 3 0 11
O b t e n e r l a f u n c i ó n de masa de p r o b a b i l i d a d y el valor esperado

de l a v.a. Z = X + Y
Solución
Los valores de X + Y y sus probabilidades se deducen fácilmente de la
tabla:
[ Valores | 1
1 | 22 | 33 | 44 | 55| 66| 77 | 88 |
[ Probab ¡ 5 | 6
6 | 77 | 99 | 33 | 55| 00 | 11 |
Y , por tanto, el valor esperado se obtiene como:
P r o b l e m a 5.6. Sea (X, Y) u n a v a r i a b l e a l e a t o r i a b i d i m e n s i o n a l

con función de densidad conjunta:
a) C o m p r o b a r q u e se t r a t a d e u n a v e r d a d e r a f u n c i ó n d e d e n s i -
dad.
b ) H a l l a r las f u n c i o n e s d e d e n s i d a d m a r g i n a l e s . ¿ S o n X e Y
independientes?
c) C a l c u l a r l a p r o b a b i l i d a d d e l suceso
d ) C a l c u l a r l a p r o b a b i l i d a d d e los sucesos
Solución
a) La función es no negativa, por tanto sólo se necesita comprobar que su
integral es la unidad:
5.2. PROBLEMAS 161
b) Funciones de densidad marginales. Para 0 < x < 1:
Para 0 < y < 1:
X e Y son independientes Pero, para 0 <

x < 1, 0 < y < 1, se obtiene:
luego no son independientes.

c)
d) Para calcular debe usarse la función de densidad condi-

cional: para 0 < x < 1 , 0<y<1,
Así,
A l no especificar ninguna condición sobre Y, el resultado es función de y.
E n el caso particular se obtiene:
P r o b l e m a 5.7. Sea X u n a v . a . q u e t o m a v a l o r e s e n t e r o s c o n las

probabilidades:
P[X = x] = pqx1, siendo p + q = 1, x = 1, 2, 3,:::
Sea Y o t r a v . a . i n d e p e n d i e n t e d e X p e r o c o n l a m i s m a d i s t r i b u -
ción de p r o b a b i l i d a d . Calcular:
a) P[X = Y]
b) P[X + Y = n], n E N.
c) P[X = x \ X + Y = n], n E N.
Solución
a)
b)
5.2. PROBLEMAS 163
c)
P r o b l e m a 5.8. Sea u n a v . a . b i d i m e n s i o n a l (X, Y) c o n f u n c i ó n d e

densidad:
D e t e r m í n e n s e las f . d . d . m a r g i n a l e s d e las v a r i a b l e s X + Y, X Y,
y XY.
Solución
Se calcula la distribución de X + Y:
Sean: U = X + Y, V = Y. Despejando X e Y, se obtiene:
Y , por tanto, aplicando el Teorema (7.4), se obtiene la f.d.d. de (U, V), que
es:
h(u, v) = f(u v, v) • 1 = 1:
Falta determinar el campo de variación de (U,V):
Grá…camente:
Se busca la distribución marginal de U:
Han de considerarse, entonces, dos casos:
E n resumen:
Se calcula ahora la distribución de X Y: procediendo igual que antes,

sean ahora
5.2. PROBLEMAS 165
Grá…camente:
De esta forma, la distribución buscada es la marginal de v:
Y, en definitiva,
Distribución de XY : procediendo de manera similar a los dos casos an-

teriores, sean ahora
Se determina el campo de variación de u, v:
Grá…camente:
5.2. PROBLEMAS 167
P r o b l e m a 5.9. D a d a l a v . a . b i d i m e n s i o n a l (X, Y) c o n f . d . d . c o n -
junta
p a r a 1 > x > y > 0, d e t e r m i n a r :

a) E l v a l o r d e k.
b) Las funciones de d e n s i d a d marginales.
c)
Solución
a) Debe verificarse:
b) Funciones de densidad marginales:

N o t a : Como la distribución conjunta de (X, Y) no coincide con el pro-

ducto de las distribuciones marginales obtenidas, entonces las variables X e
Y no son independientes.
c) Para calcular se obtendrá primero la f.d.d. de
Y condicionada a X , y luego se sustituirá el valor para obtener la
f.d.d. de este caso específico.
para 0 < y < x < 1: Por lo tanto,
para Finalmente,
P r o b l e m a 5 . 1 0 . Sea l a v . a . b i d i m e n s i o n a l (X, Y) c o n f . d . d . c o n -
junta
p a r a 1 > y > x2: D e t e r m i n a r :

a) E l v a l o r d e k.
b) Las funciones de d e n s i d a d marginales.
c) P(1 2Y > X):
Solución
Obsérvese que, en esta distribución, X toma valores entre 1 y 1:
a) Para determinar k, debe exigirse que
5.2. PROBLEMAS 169
b) Funciones de densidad marginales. Por un lado, la de X:
para 1 < x < 1. Por otro lado, la de Y,
para 0 < y < 1.

Nótese que fx(x)fγ(y) f(x,y), y por tanto X e Y no son variables
independientes.
c) Se pide P(1 2Y > X). E n primer lugar, se representa grá…camente

el suceso:
Las intersecciones entre las curvas que delimitan el suceso se obtienen

resolviendo el sistema:
equivalente a
Por tanto,
5.2. PROBLEMAS 171
P r o b l e m a 5.11. Sean X e Y dos v.a. independientes con f u n -

ciones de densidad:
H a l l a r l a f.d.d. de la variable U = XY, su media, su varianza y

su función generatriz de momentos.
Solución
Por ser independientes,
para Se realiza, entonces, el cambio:

donde el campo de variación de las variables u,v se obtiene como sigue:
Entonces, para lo que interesa en este problema, se puede calcular la f.d.d.

marginal de U,
(haciendo el cambio de variable: v2 u 2 = t 2 , 2vdv = 2tdt).
Ahora, teniendo en cuenta que la f.d.d. de una v.a. con distribución N(0, 1)
es
y que esta función es simétrica respecto de x = 0, se deduce que

5.2. PROBLEMAS 173
Y por lo tanto, U N(0,1), y se tiene que:
donde m(t) es la función generatriz de momentos de la distribución marginal

de U. •
P r o b l e m a 5.12. L a v.a. bidimensional (X, Y) tiene como f.d.d.

conjunta:
para : H a l l a r la función de d i s t r i b u c i ó n c o n j u n t a , así

como los valores esperados marginales de ambas variables X e Y.
Solución
Se calcula primero la F.d.D. conjunta. Para se tiene:
Se calcula ahora el valor esperado de X:

Debido a la simetría de la f.d.d. respecto sobre x e y, se deduce que
P r o b l e m a 5 . 1 3 . Se e l i g e n a l a z a r e i n d e p e n d i e n t e m e n t e dos n ú -
m e r o s reales e n e l i n t e r v a l o [0,1], (X, Y): C a l c u l a r
Solución
E n este caso, la f.d.d. conjunta es
P r o b l e m a 5.14. Sea l a v . a . b i d i m e n s i o n a l ( X , Y) cuya f.d.d.

c o n j u n t a es
p a r a x > 0, y > 0: C a l c u l a r l a f . d . d . d e l a v a r i a b l e Z = X + Y:
Solución
Como en ejercicios anteriores:
5.2. PROBLEMAS 175
donde el campo de variación de z se obtiene como sigue:
Para calcular la f.d.d. marginal de Z, se resuelve la integral:
P r o b l e m a 5.15. Sea Z u n a v a r i a b l e a l e a t o r i a d e f i n i d a c o m o Z =
X + Y, d o n d e X e Y s o n v a r i a b l e s a l e a t o r i a s c u a l e s q u i e r a . P r o b a r
q u e si Z es i n d e p e n d i e n t e d e X y Z es i n d e p e n d i e n t e d e Y, e n t o n c e s
Z es u n a v a r i a b l e a l e a t o r i a c o n d i s t r i b u c i ó n d e g e n e r a d a , es d e c i r ,
e x i s t e c t a l q u e P (Z = c) = 1:
Solución
Sean las respectivas funciones características de
X, Y, Z. Entonces,
Por ser Z e Y independientes,
es decir,
(5.1)
Igualmente, se obtiene que
(5.2)
A continuación, se sustituye (5.2) en (5.1), obteniendo
de donde se deduce que
para cada valor de t. Debe tenerse en cuenta, por otro lado, que es
el conjugado de (ver Problema 4.28).
De esta forma, se concluye que
para cada valor de t, de donde , y esto implica que existe un

número real c t a l que
que es la función característica de una variable aleatoria degenerada. •
P r o b l e m a 5.16. S e a n X\,...,Xn variables aleatorias independien-

tes, idénticamente distribuidas, cada u n a con f.d.d.
Se d e f i n e n las v a r i a b l e s a l e a t o r i a s :
T = max {Xi : i = 1, ...,n}, S = min {Xi : i = 1, ...,n}.
a) E n c o n t r a r l a d i s t r i b u c i ó n c o n j u n t a d e (T, S). ¿ S o n estas v a r i a -
bles i n d e p e n d i e n t e s ?
b ) C a l c u l a r s u coe…ciente d e c o r r e l a c i ó n l i n e a l .
Solución
Se considera una v.a. X cuya distribución es la misma que la de cualquier
Xi. Entonces
5.2. PROBLEMAS 177
Esta probabilidad se calcula fácilmente a partir de la F.d.D. de X , que es,

para x entre
siendoF(x)=0para para Esdecir,
De esta forma,
Y de aquí se obtiene, mediante derivación la f.d.d. de T:
Por otro lado,

Y, por tanto, la f.d.d. marginal de S entre se puede escribir como
es decir, finalmente,
A continuación, se procede a calcular la distribución conjunta de (T, S):
1 o - Si t ó s son inferiores a la distribución vale 0.
2o- Si t y s son superiores a la distribución vale 1.
3.1 o - Si y s está entre la probabilidad conjunta es igual a

P (S < s).
3.2o- Si y t está entre la probabilidad conjunta es igual a

P (T <t):
4o- Si debe tenerse en cuenta que P (T < t, S > s) = 0,

por lo que la probabilidad conjunta coincide con P (T <t).
5o- Si se puede calcular como sigue:

5.2. PROBLEMAS 179
E n definitiva,
Y , en consecuencia,
Como consecuencia de este resultado, se deduce inmediatamente que S y

T no son independientes, pues la distribución conjunta no es el producto de
las distribuciones marginales.
b) Se calcula, a continuación, el coe…ciente de correlación lineal de T y S,
I T,S .
Se necesita, por tanto, calcular previamente
En primer lugar,
(por partes)
(5.3)
En segundo lugar, (por partes, como antes)
(5.4)
Y, como último cálculo previo para hallar la covarianza,
Se hará primero la integral respecto de t, por partes, como antes:

5.2. PROBLEMAS 181
De esta forma,
Se hará cada integral por separado. Primero, usando la expresión (5.4):
Segundo, usando igualmente (5.4):
De esta forma,
(5.5)
Tras estos cálculos, combinando (5.3), (5.4) y (5.5), se obtiene que

(5.6)
El siguiente paso es encontrar los valores esperados E (T 2 ) y E (S 2 ). En

cuanto al primero de estos valores, integrando por partes, se llega a la si-
guiente igualdad:
La integral del segundo sumando se puede obtener de manera inmediata, a

partir de (5.3):
de modo que
(5.7)
De aquí, combinando (5.3) y (5.7), se concluye que
(5.8)
5.2. PROBLEMAS 183
En cuanto a E (S 2 ), integrando por partes igualmente, se tiene:
(por partes)
de manera similar al caso anterior, la integral del segundo sumando se obtiene

a partir de (5.4):
de modo que
(5.9)
Finalmente, combinando (5.9) y (5.4), se obtiene que
(5.10)
de manera que V ar (T) = V ar (S).

De esta forma, combinando (5.6), (5.8), y (5.10), se concluye:
Capítulo 6
Distribuciones
6.1 Contenidos
• Definición. Características.
• Distribución normal estandarizada. Tablas.
• Teorema del Límite Central.
• Distribución binomial, distribución binomial negativa, distribución ge-

ométrica.
• Distribución de Poisson, distribución exponencial.
6.2 Problemas
Este capítulo contiene problemas sobre algunas de las distribuciones más ha-
bituales y conocidas. La primera subsección está dedicada a la distribución
normal o Gaussiana, que resulta fundamental para abordar algunos proble-
mas de la subsección siguiente, donde es necesario utilizar aproximaciones a
las probabilidades de otras distribuciones mediante las de esta distribución
normal. E n el ú l t i m o capítulo de este libro, el lector que lo precise encontrará
una tabla de probabilidades de la normal estándar.
185
186 CAPÍTULO 6. DISTRIBUCIONES
6.2.1 Distribución normal
E n todo este libro, se denota por N (µ, σ) la distribución normal de media µ

y desviación típica σ. E n otros libros, es frecuente también referirse a esta
distribución utilizando como segundo parámetro la varianza, σ 2 . E l lector
debe cuidar no confundir ambas notaciones.
Suponiendo que Z N ( 0 , 1 ) , en adelante, se denotará por
E n la actualidad, se encuentran en el mercado calculadoras científicas que

calculan directamente los valores de φ(z). No obstante, muchos estudiantes
aún no disponen de ellas, y es frecuente que empleen modelos de calcu-
ladora más antiguos. Por ese motivo, los problemas de cálculo directo de
probabilidades de una distribución normal recogidos en este capítulo pueden
resolverse, o bien con la ayuda de una buena calculadora, o bien mediante
las clásicas tablas de la normal, habituales en los libros de Cálculo de Proba-
bilidades. Los problemas resueltos recurren a estos valores tabulados, por lo
que algunos procesos de cálculo podrían simplificarse con calculadora, pues
se asume que φ(z) aparece recogido en la tablas de la distribución normal
disponible sólo cuando el valor de z sea no negativo (y razonablemente pe-
queño), y se trabajará con esa restricción, que no tienen las máquinas.
P r o b l e m a 6 . 1 . Sea X u n a v . a . q u e s i g u e u n a d i s t r i b u c i ó n n o r m a l
N(0,1). Calcular:
Solución
a) Recuérdese que P (X = a) = 0, para cualquier valor de a.
b)
6.2. PROBLEMAS 187
c)
d)
P r o b l e m a 6.2. Sabiendo que l a v . a . Z sigue u n a d i s t r i b u c i ó n

N ( 0 , 1 ) , c a l c u l a r los v a l o r e s d e a q u e v e r i f i c a n :
Solución
a)
b)
c)
d)
P r o b l e m a 6.3. Sea X una v.a. que sigue una d i s t r i b u c i ó n N ( 3 , 2 ) .

Calcular:
Solución
Sea además Z N(0,1).
a)
b)
c)
d)
P r o b l e m a 6.4. E l peso de u n a d u l t o de cierto mamífero se dis-

t r i b u y e según una d i s t r i b u c i ó n n o r m a l de media 100 Kg y varianza
64 Kg2. Se escoge al azar u n ejemplar. Calcular las probabilidades
de que pese:
6.2. PROBLEMAS 189
a) M e n o s d e 9 0 Kg:
b ) E n t r e 95 y 105 Kg
c) M á s d e 110 Kg:
Solución
Sea X N ( 1 0 0 , 8). Entonces, cada pregunta se reduce a calcular:
a)
b)
c)
P r o b l e m a 6.5. L a n o t a d e l a p r u e b a d e acceso d e los a l u m n o s

q u e s o l i c i t a n i n g r e s a r e n l a F a c u l t a d d e M e d i c i n a se d i s t r i b u y e ,
a p r o x i m a d a m e n t e , según u n a n o r m a l de m e d i a 6’6 y desviación
t í p i c a 0 ’ 4 7 . Si e l t o t a l d e plazas o f e r t a d a s es d e 170 y e l t o t a l d e
s o l i c i t a n t e s es d e 6 5 0 , ¿ c u á l s e r á , p r e s u m i b l e m e n t e , l a n o t a m í n i m a
para ingresar en dicha facultad?
Solución
E l porcentaje de alumnos presentados que pueden ingresar en esta Fa-
cultad es
Y el porcentaje de los que no ingresan es
E n consecuencia, dada una v.a. , debe buscarse el

percentil es decir, el valor de a t a l que
Tipificando,
Mirando la tabla de la normal, el valor más cercano a esta probabilidad es
E n consecuencia, pueden igualarse:
Es decir: se espera que la calil…cación mínima para ser admitido en la

Facultad de Medicina es puntos. •
P r o b l e m a 6.6. Sea X u n a v . a . c o n d i s t r i b u c i ó n n o r m a l d e m e d i a
10, t a l que
Calcular la p r o b a b i l i d a d de que X t o m e valores en el i n t e r v a l o

(9,11).
Solución
Se tiene que
Tipificando,
y mirando en la tabla de la normal, se tiene que
Ahora se puede calcular directamente la probabilidad pedida:

6.2. PROBLEMAS 191
P r o b l e m a 6.7. S e a n d i e z v v . a a . X\, X 2 , ..., Xw i n d e p e n d i e n t e s ,

t o d a s c o n d i s t r i b u c i ó n N ( 0 , 3 ) . H a l l a r P(Y < 10), s i e n d o Y = X\ +
X2+... +XW:
Solución
E n primer lugar, la distribución de una suma de normales es normal. E n
segundo lugar, la media es la suma de las medias: E(Y) = 10 • 0 = 0. E n
tercer lugar, por ser suma de variables independientes, la varianza es la suma
de las varianzas: Var(Y) = 10 • 9 = 90: Por tanto, Y N ( 0 , 3-\10). E n t a l
caso,
P r o b l e m a 6.8. Sean tres v.a. independientes con distribu-

ciones:
y se c o n s i d e r a l a v a r i a b l e
Se p i d e :
a)
b) E l valor de a t a l que
Solución
La distribución de
192 CAPÍTULO6. DISTRIBUCIONES
Entonces,
a)
b)
Problema 6.9. Una gran empresa debe reponer las batas de

sus 1000 operarios. Se sabe que las tallas siguen una distribución
normal, con media 170 cms y desviación típica de 6 cms. Las batas
se confeccionan en tres tallas ( I , I I y I I I ) para estaturas entre (158-
166), (166-174) y (174-182) cms. respectivamente. Si se asume
que la talla de cada empleado es independiente de la de los demás,
¿cuántas batas de cada talla parece recomendable adquirir?
6.2. PROBLEMAS 193
Solución
Se asume que la talla de los empleados son independientes entre sí. Sea
X iV(170, 6). La probabilidad de que un empleado tenga la talla I, que es
la menor posible, se puede interpretar como
Igualmente, la probabilidad de que un empleado tenga la talla I I I , asumiendo

que no hay tallas mayores, se puede interpretar como
Y por tanto, la probabilidad de que u n empleado tenga la otra talla es
De esta forma, se espera que el número de empleados con cada talla sea:
Talla I 1000 • 003514 ~ 251

Talla I I 1000 • 002972 ~ 497
Talla I I I 1000 • 003514 ~ 251
Total 999:
Y el uniforme que falta, parece lo más prudente comprarlo de la talla I I , por

ser una talla intermedia. E n realidad, se espera casi "medio empleado" más
con tallas I y I I I . •
P r o b l e m a 6.10. U n a f á b r i c a p r o d u c e paquetes de m a r g a r i n a
c o n p e s o t e ó r i c o d e 160 g r s . D e b i d o a ‡ u c t u a c i o n e s a l e a t o r i a s e n
e l p r o c e s o d e e m p a q u e t a d o , e l peso r e a l d e los p a q u e t e s s i g u e u n a
d i s t r i b u c i ó n n o r m a l . Se sabe q u e e l 1 0 % d e los p a q u e t e s p e s a n
m e n o s d e 160 g r s , y q u e e l 5 % d e los p a q u e t e s p e s a n m á s d e 162,5
grs. E n c o n t r a r l a m e d i a y l a desviación t í p i c a de esta variable
aleatoria.
Solución
Se asume que el peso de un paquete es una v.a. X N(µ, σ). Lo que se
sabe es, por tanto, que
De esta forma, se plantea el sistema
De donde se obtiene que
P r o b l e m a 6 . 1 1 . E n dos g r u p o s d e s e g u n d o a ñ o d e c a r r e r a se h a
m e d i d o e l coe…ciente d e i n t e l i g e n c i a d e los a l u m n o s . E n e l g r u p o A
l a m e d i a fue 100, y l a desviación t í p i c a 10, m i e n t r a s en el B f u e r o n
105 y 12 r e s p e c t i v a m e n t e . A m b o s g r u p o s t i e n e n i d é n t i c o n ú m e r o
d e a l u m n o s , y e s c o g i d o a l a z a r u n a l u m n o se c o m p r u e b a q u e s u
coe…ciente es s u p e r i o r a 1 2 0 . S u p o n i e n d o q u e e n c a d a g r u p o e l
coe…ciente es u n a v . a . n o r m a l y q u e e l coe…ciente d e c a d a a l u m n o es
i n d e p e n d i e n t e , calcular l a p r o b a b i l i d a d de que el a l u m n o provenga
del grupo B.
Solución
A = “ E l alumno procede del grupo A ” ,
B = “ E l alumno procede del grupo B ” .
Y sea la v.a. X que mide el coe…ciente de inteligencia de un alumno
escogido al azar. Entonces,
6.2. PROBLEMAS 195
Se pide:
según el Teorema de Bayes. Se calcula cada sumando por separado:
De esta manera, se concluye que
P r o b l e m a 6.12. S u p o n e m o s n c o m p o n e n t e s f u n c i o n a n d o i n d e -
p e n d i e n t e m e n t e y c o n e c t a d a s e n p a r a l e l o , es d e c i r , e l s i s t e m a f u n -
c i o n a s i e m p r e y c u a n d o f u n c i o n e a l m e n o s u n a d e las c o m p o n e n t e s .
Si e l t i e m p o d e s u p e r v i v e n c i a d e c a d a c o m p o n e n t e es u n a v a r i a b l e
c o n d i s t r i b u c i ó n n o r m a l d e m e d i a 5 0 h o r a s y D . T . 5 h o r a s , ¿ C u á l es
el valor de n t a l que l a p r o b a b i l i d a d de que el sistema falle d u r a n t e
las p r i m e r a s 55 h o r a s sea n o i n f e r i o r a 0 ’ 8 ?
Solución
Sea Xi la v.a. que describe el número de horas transcurrido hasta que
falla la componente i-ésima, con i = 1 , . . . , n. E n t a l caso, la probabilidad que
se pide, al ser las variables X i independientes, se obtiene aplicando las leyes
de Morgan como sigue:
Resolviendo esta ecuación en n, se obtiene:
y, como n es entero, la respuesta es n > 1. •
P r o b l e m a 6 . 1 3 . U n r e s t a u r a n t e se h a e s p e c i a l i z a d o e n e l c o -
c h i n i l l o a s a d o . L o s c e r d o s los p r o p o r c i o n a u n a g r a n j a y se h a l l e -
g a d o , t r a s m u c h a e x p e r i e n c i a , a d e t e r m i n a r q u e s u p e s o es u n a v a -
r i a b l e c o n d i s t r i b u c i ó n g a u s s i a n a . D e los ú l t i m o s 1000 e j e m p l a r e s ,
3 3 0 p e s a r o n m e n o s d e 2 7 8 0 g r s y sólo 75 r e b a s a r o n los 3 7 2 0 g r s .
E l p r o p i e t a r i o c o n s i d e r a i n a c e p t a b l e q u e los c o c h i n i l l o s n o e x c e d a n
los 2 6 0 0 g r s , y e n t a l caso los d e v u e l v e a l a g r a n j a . ¿ C u á n t o s h a b r á
d e v u e l t o , p r e s u m i b l e m e n t e , d e los m i l e j e m p l a r e s c i t a d o s ?
Solución
Sea X la v.a. que describe el peso en gramos de los cerdos. Se sabe que
X N(µ, σ): La pregunta se reduce, entonces, a calcular el número esperado
de veces que X < 2600. Para calcular la probabilidad de este suceso, hay
que evaluar los parámetros ( µ , σ ) , sabiendo que
Entonces
Por lo tanto,
De donde se obtiene que µ = 3000, σ = 500:

6.2. PROBLEMAS 197
Se calcula ahora
Con lo cual, el número esperado de cerdos rechazados es, aproximadamente,

212. •
P r o b l e m a 6.14. E n l a B a h í a d e C á d i z e x i s t e n t r e s t i p o s d e
g a v i o t a , q u e se d e n o m i n a n c o m o A , B y C , e n p r o p o r c i o n e s res-
pectivas del 3 5 % , 4 5 % y 2 0 % L a l o n g i t u d de e x t r e m o a e x t r e m o de
alas d e s p l a g a d a s , e n m e t r o s , p a r a c a d a t i p o d e g a v i o t a s i g u e u n a
d i s t r i b u c i ó n n o r m a l , con parámetros respectivos
y : Se p i d e :
a) P o r c e n t a j e d e g a v i o t a s c o n l o n g i t u d e n t r e alas s u p e r i o r a u n
metro.
b ) P o r c e n t a j e d e éstas p e r t e n e c i e n t e a c a d a u n a d e las especies.
Solución
Supuesto que se selecciona al azar una gaviota de la Bahía de Cádiz, sean
los sucesos:
A ≡ “La gaviota es de la especie A ” , igual con B, C. Se tiene que
a) Sea X la v.a. que describe la longitud de alas desplegadas de la gaviota

seleccionada, en metros. Entonces
Entonces, aplicando el Teorema de la Probabilidad Total,
y el porcentaje pedido es el
b) E n este caso, se t r a t a de hallar las probabilidades de A, B y C condi-
cionadas a X > 1. Para encontrarlas, se aplicará el Teorema de Bayes:
es decir, el 2, 7 1 % son de la especie A. Igualmente,
es decir, el es de la especie B y el restante es de la especie C.

La ú l t i m a probabilidad se podía haber hallado directamente, pues las tres
suman la unidad. •
P r o b l e m a 6.15. E n u n a z o n a v i v e n t r e s subespecies d e g a v i o t a s
I , I I y I I I . E n c a d a s u b e s p e c i e , l a l o n g i t u d e n c m . d e las alas
d e s p l e g a d a s es u n a v . a . n o r m a l , e n l a s u b e s p e c i e I , N ( 5 0 , 5 ) , e n l a
I I , N ( 6 0 , 5 ) , y e n l a I I I , N ( 6 5 , 5 ) . Se sabe q u e , a l t o m a r a l a z a r u n a
g a v i o t a d e l a p o b l a c i ó n , sus alas d e s p l e g a d a s m i d e n :
i) más de 60, con p r o b a b i l i d a d 0’4312.
ii) menos de 50, con p r o b a b i l i d a d 0’21
Calcular el p o r c e n t a j e de gaviotas de cada subespecie e n l a
población.
Solución
Sean las variables aleatorias
6.2. PROBLEMAS 199
X1 N(50, 5), X 2 N(60,5), X 3 N(65,5), Z N(0,1):

Denótense por p1, p2, p3 los porcentajes de gaviotas de las subespecies I, I I
y I I I , respectivamente. Si se selecciona al azar una gaviota de la población, y
se considera la v.a. X que mide la longitud de sus alas desplegadas, entonces,
Igualmente,
Y, por otro lado,
Con todo esto, se plantea un sistema de ecuaciones
cuya solución es:
6.2.2 Otras Distribuciones

Se abordan a continuación problemas sobre las distribuciones binomial, bi-
nomial negativa, geométrica, hipergeométrica, exponencial y Poisson, entre
otras. Las funciones de masa de probabilidad o de densidad correspondientes
se recogen en cada problema, bien en el enunciado, bien en la solución.
P r o b l e m a 6 . 1 6 . Sea X u n a v . a . b i n o m i a l n e g a t i v a d e p a r á m e t r o s
p y r. E n c o n t r a r s u f u n c i ó n g e n e r a t r i z d e m o m e n t o s y c a l c u l a r s u
valor esperado y varianza.
Solución
X cuenta el número de fallos en pruebas de Bernoulli independientes antes
de lograr el r-ésimo éxito. Así, siendo q = 1 p,
Se calcula su f.g.m.
Así, se calcula
De manera similar,
6.2. PROBLEMAS 201
E n conclusión, se obtiene:
P r o b l e m a 6 . 1 7 . E n las A d m i n i s t r a c i o n e s T r i b u t a r i a s d e c i e r t o
país se e s t á n i n s p e c c i o n a n d o las d e c l a r a c i o n e s d e I R P F . A d m i -
t i e n d o q u e las d e c l a r a c i o n e s i n c o r r e c t a s a l c a n z a n e l 5 % d e las p r e -
s e n t a d a s , r e s o l v e r las s i g u i e n t e s c u e s t i o n e s :
a) Si r e v i s a r u n a d e c l a r a c i ó n r e q u i e r e 15 m i n u t o s , ¿ c u á l será
el t i e m p o de revisión t o t a l esperado hasta e n c o n t r a r l a p r i m e r a
declaración incorrecta?
b ) C a l c u l a r l a p r o b a b i l i d a d d e q u e sea n e c e s a r i o r e v i s a r 3 0 d e c l a -
raciones correctas antes de e n c o n t r a r l a segunda i n c o r r e c t a .
c) ¿ C u á l s e r á l a p r o b a b i l i d a d d e q u e u n i n s p e c t o r h a l l e sólo dos
d e c l a r a c i o n e s i n c o r r e c t a s si i n s p e c c i o n a 5 seleccionadas a l a z a r d e
u n g r u p o d e 15 q u e c o n t i e n e 9 i n c o r r e c t a s ?
Solución
a) Se t r a t a de hallar el número esperado de declaraciones a revisar hasta
encontrar la primera incorrecta. Sea X la v.a. que describe este número.
Entonces
Es decir, X sigue una distribución geométrica de parámetro

En la distribución Ge(1 q) se verifica que
(por ser una serie absolutamente convergente)
De esta forma se concluye que, en este caso concreto,
Como el tiempo de revisión de cada declaración es de horas, el tiempo

esperado E(T) que se pide es
b) Sea Y la v.a. que cuenta el número de declaraciones revisadas hasta

encontrar la segunda incorrecta. Entonces
c) Hay 15 declaraciones, 9 incorrectas y 6 correctas. Se seleccionan al

azar 5 de estas declaraciones, y se considera la v.a. U, que cuenta el número
de declaraciones seleccionadas que son incorrectas. Entonces
para k = 0, 1,...,5: Entonces, en el caso k = 2, resulta

6.2. PROBLEMAS 203
P r o b l e m a 6.18. S e a n Xi,::,Xn variables aleatorias independien-

tes e i d é n t i c a m e n t e d i s t r i b u i d a s , s e g ú n u n a d i s t r i b u c i ó n g e o m é t r i c a
con probabilidades
p a r a k = 0,1,:::, con qi = 1 pi. Sea l a v a r i a b l e a l e a t o r i a
P r o b a r que la variable aleatoria Y sigue, i g u a l m e n t e , u n a d i s t r i b u -

ción geométrica.
Solución
Se pueden calcular las probabilidades de la v.a. Y mediante la identidad
para k entero no negativo. Para ello, se necesita hallar
E n esta forma es más sencillo calcular estas probabilidades, pues
Por lo tanto,
De esta forma, llamando
queda probado que Y sigue una distribución geométrica. •
P r o b l e m a 6 . 1 9 . S e a n Xi, ::Xn v a r i a b l e s a l e a t o r i a s i n d e p e n d i e n t e s
e i d é n t i c a m e n t e d i s t r i b u i d a s . Sea l a v a r i a b l e a l e a t o r i a
P r o b a r q u e las v a r i a b l e s a l e a t o r i a s X i s i g u e n u n a m i s m a d i s t r i b u -
c i ó n g e o m é t r i c a si y sólo si Y s i g u e , i g u a l m e n t e , u n a d i s t r i b u c i ó n
geométrica.
Solución
a) La implicación en sentido directo se tiene por el resultado obtenido en
el Problema 6.18. Se comprueba fácilmente que, si X i son variables aleatorias
con distribuciones geométricas (es decir, P ( X i = k) = pqk), entonces
para cada caso de k = 0 , 1 , 2::.
b) Se procede a probar la implicación contraria. Supóngase que
para k entero no negativo, y llámese q a un número real no negativo t a l que
Entonces, para k entero no negativo, se tiene:

6.2. PROBLEMAS 205
Por otro lado, también se tiene que
(y, por ser idénticamente distribuidas)
Ambos términos finales deben, por tanto, ser iguales:
para cada k = 0 , 1 , : : : , lo que implica que
Con esto, el cálculo de las probabilidades de los valores de X i es sencillo,

pues
Con lo cual concluye la demostración. •
P r o b l e m a 6 . 2 0 . U n h o t e l c o n 100 h a b i t a c i o n e s h a a c e p t a d o e n
u n d í a c o n c r e t o 120 r e s e r v a s , p o r q u e sabe p o r e x p e r i e n c i a q u e e n
e l 2 0 % d e los casos los c l i e n t e s n o h a c e n finalmente uso d e e l l a s .
C a l c u l a r l a p r o b a b i l i d a d d e q u e , e n ese d í a :
a) E l h o t e l l o g r e u n a o c u p a c i ó n d e a l m e n o s e l 9 0 % ( c o n s i d e r a n d o
que no hay clientes sin haber hecho reserva).
b) H a y a clientes c o n reserva que no e n c u e n t r e n h a b i t a c i ó n dis-
ponible.
Solución
Sea la v.a. X que describe el número de clientes con reserva que hacen
uso de la misma. Por lo dicho en el enunciado, admitiendo independencia
entre los clientes, se tiene que, en ese día concreto, X sigue una distribución
binomial, de parámetros:
n ="número de reservas admitidas",
p ="probabilidad de que un cliente que hizo una reserva haga uso de
ella",
lo cualsedenota p o r X ! B :
Las preguntas formuladas se pueden entonces responder como sigue:
a)
Sin embargo, dada la complejidad de este cálculo para el lector y su inesta-

bilidad numérica, es conveniente utilizar la aproximación normal: tomando
una v.a. ,yaplicandoelfactor corrector
discretizador
b)
Problema 6.21. Una persona está abonada al número 01313 del

sorteo de la O.N.C.E., jugando el mismo número todos los días
(de lunes a viernes). Sabiendo que todos aquellos números que
coincidan con el premiado en la última cifra reciben el reintegro de
la cantidad jugada, calcular la probabilidad de que:
a) E n una semana obtenga reintegro o el número premiado en
dos ocasiones.
b ) A l cabo de 100 sorteos obtenga reintegro al menos en 15
ocasiones.
6.2. PROBLEMAS 207
Solución
La probabilidad de obtener reintegro o premio (una de las dos) en un
sorteo es , y cada sorteo es independiente. Se considera la v.a. X que
cuenta el número de reintegros o premios obtenidos.
a) E n este caso, X sigue una distribución binomial:
Entonces,
b) E n este otro caso, . Considerando una v.a.
se pueden evaluar las probabilidades de X mediante las de Y, teniendo en

cuenta el factor corrector discretizador, de modo que
P r o b l e m a 6.22. U n p u n t o a l e a t o r i o X e s t á d i s t r i b u i d o u n i f o r m e -
m e n t e e n e l s e g m e n t o ( 0 , 1 ) , y d i v i d e e s t e s e g m e n t o e n dos p a r t e s .
Sea Y l a l o n g i t u d d e l a p a r t e m a y o r y Z l a d e l a p a r t e m e n o r .
H a l l a r las f u n c i o n e s d e d i s t r i b u c i ó n d e a m b a s v a r i a b l e s .
Solución
La distribución uniforme en (0,1) tiene como función de densidad
y, por otro lado, la v.a. Y se obtiene como sigue:

Y es claro que Por lo tanto, si
Para la v.a. Z, basta tener en cuenta que y por

tanto, para
P r o b l e m a 6.23. Sea u n a v . a . X q u e s i g u e u n a d i s t r i b u c i ó n
B(n,p), d o n d e n es o t r a v . a . con d i s t r i b u c i ó n de Poisson de
p a r á m e t r o λ. P r o b a r q u e , e n t o n c e s , X s i g u e u n a d i s t r i b u c i ó n d e
P o i s s o n d e p a r á m e t r o λp.
Solución
Tal como se han definido X y n, dado un entero no negativo k,
P r o b l e m a 6.24. Sea X e l n ú m e r o d e l l a m a d a s t e l e f ó n i c a s q u e
l l e g a a u n a c e n t r a l d u r a n t e u n p e r í o d o d e t i e m p o i g u a l a t y se
s u p o n e q u e s i g u e u n a d i s t r i b u c i ó n d e P o i s s o n d e p a r á m e t r o λt. L a
6.2. PROBLEMAS 209
p r o b a b i l i d a d d e q u e se a t i e n d a u n a l l a m a d a es p. Si Yt es l a v a r i a b l e
que i n d i c a el n ú m e r o de llamadas atendidas e n u n p e r í o d o igual a
t , se p i d e :
a) E n c o n t r a r s u d i s t r i b u c i ó n .
b) E n c o n t r a r su media y su varianza.
Solución
Por un lado,
por otro lado,
Entonces,
Es decir, Yt sigue una distribución de Poisson de parámetro Xpt. Por lo tanto,
b)
P r o b l e m a 6.25. S u p o n i e n d o q u e l a p r o b a b i l i d a d d e q u e u n r e -
c i é n n a c i d o sea v a r ó n es 0 ’ 5 , e n c o n t r a r e l n ú m e r o d e h i j o s q u e d e b e
tener u n a f a m i l i a p a r a que la p r o b a b i l i d a d de tener al menos u n
h i j o v a r ó n sea 0 ’ 8 7 5 .
Solución
Supóngase que el número de hijos de las familias es n, y sea X la v.a.
que cuenta el número de hijos varones, que sigue una distribución binomial,
Entonces, al menos uno de ellos será varón cuando X > 1 , y la
probabilidad de este suceso es
Debe ser, entonces,
P r o b l e m a 6 . 2 6 . U n a c o m p a ñ í a d e seguros c o n t r a a c c i d e n t e s e n -
c u e n t r a q u e e l 0 ’ 1 % d e l a p o b l a c i ó n i n c u r r e e n c i e r t o t i p o d e ac-
c i d e n t e c a d a a ñ o . ¿ C u á l es l a p r o b a b i l i d a d d e q u e n o m á s d e t r e s
d e los 10 0 0 0 a s e g u r a d o s d e l a c o m p a ñ í a i n c u r r a n e n este t i p o d e
a c c i d e n t e s ? Se s u p o n e q u e los a s e g u r a d o s se e s c o g e n a l a z a r e n t r e
toda la población.
Solución
Sea la variable aleatoria X que cuenta el número de asegurados que i n -
curren en este t i p o de accidente, según el enunciado, esta variable sigue una
distribución binomial , es decir: los asegurados forman una
muestra de 10 000 individuos seleccionados independientemente unos de otros
de una población infinita, en esta población, la proporción de accidentados
es . Utilizando la aproximación normal, con el factor discretizador,
a partir de una v.a. , se obtiene:
P r o b l e m a 6 . 2 7 . E n u n a g r a n j a , e l 9 0 % d e los h u e v o s i n c u b a d o s
d a lugar a u n nuevo pollo. Usando el T e o r e m a de D e M o i v r e ,
6.2. PROBLEMAS 211
d e t e r m i n a r cuántos huevos hay que incubar para que en el

de los casos se aseguren 9 000 pollos o más.
Solución
Si n es el número de huevos incubados, entonces la variable X que cuenta
el número de nuevos pollos obtenidos es una v.a. con distribución B(n,p), con
Si n es grande, las probabilidades de esta distribución se pueden
aproximar mediante las de una N(µ,σ), con µ = np,
aplicando el factor corrector discretizador.
Entonces,
(6.1)
De donde
Sustituyendo en la ecuación original (6.1), se comprueba que la solución

válida es n = 10 102, número de huevos a incubar. •
P r o b l e m a 6.28. Dos compañías ferroviarias en competencia ope-

r a n u n t r e n cada una entre las ciudades A y B. Los dos trenes
p a r t e n y llegan simultáneamente. Se supone que n pasajeros eligen
su t r e n independientemente y al azar, de modo que el número
de pasajeros en cada t r e n es el resultado de n experimentos de

B e r n o u l l i con Si el t r e n de la compaía A tiene una capacidad
de s asientos (s < n), entonces hay una p r o b a b i l i d a d positiva f(s)
de que haya más de s pasajeros. Si la compañía decide marcar u n
nivel de p é r d i d a a, d e t e r m i n a r s de manera que f(s) < a: Resolver
el caso concreto de
Solución
Sea la variable aleatoria X que describe el número de pasajeros que de-
ciden tomar el tren de la compañía A. Entonces, , y por
tanto
Suponiendo que n es un número grande, se aproxima mediante el Teorema

de De Moivre. Sea Z N(0,1):
o, equivalentemente,
Puesto que f (s) es una función decreciente de s, en valor obtenido para el

mismo es una cota inferior para el número de asientos.
6.2. PROBLEMAS 213
como s es un entero, el mínimo número de asientos que deben proveerse es

s = 538. •
P r o b l e m a 6 . 2 9 . S e a n las v a r i a b l e s a l e a t o r i a s i n d e p e n d i e n t e s Y¿,
c o n i = 1, ...,4. C a d a u n a d e ellas s i g u e u n a d i s t r i b u c i ó n d e P o i s s o n
de p a r á m e t r o Sea l a v a r i a b l e
C a l c u l a r l a p r o b a b i l i d a d d e q u e sea X < 1 .
Solución
La distribución de Poisson es reproductiva, de manera que
Entonces,
Esto es,
P r o b l e m a 6 . 3 0 . Sea u n a v . a . X q u e s i g u e u n a d i s t r i b u c i ó n e x -
p o n e n c i a l d e p a r á m e t r o 1 , y sea l a v . a . Y d e f i n i d a c o m o l a p a r t e
e n t e r a d e X. E n c o n t r a r l a F . d . D . d e l a v . a . Y.
Solución
La f.d.d. de X es, por tanto, f(x) = exp ( x ) , para x > 0, cero en otro
caso. Como X > 0, se tiene que Y toma valores enteros no negativos (la
variable Y es, por tanto, discreta, y los valores no enteros o negativos tienen,
por tanto, probabilidad nula). Se calculan a continuación sus probabilidades:
dado k entero no negativo,
(6.2)
De esta forma,
Nótese que es un caso particular de distribución geométrica, con parámetro
P r o b l e m a 6 . 3 1 . Sea u n a v . a . X q u e s i g u e u n a d i s t r i b u c i ó n e x p o -
n e n c i a l d e p a r á m e t r o 1 , sea l a v . a . Y d e f i n i d a c o m o l a p a r t e e n t e r a
d e X, y sea l a v . a . Z d e f i n i d a c o m o e l e n t e r o m á s p r ó x i m o a X.
Calcular
Solución
Las variables X e Y son discretas, toman valores enteros no negativos y
sus probabilidades se calculan como sigue:
Procediendo como en (6.2), en el Problema 6.30,
Y por otro lado,
a)
6.2. PROBLEMAS 215
b)
P r o b l e m a 6.32. E l número de veces p o r semana que u n i n d i v i d u o

aparca en doble fila sigue una d i s t r i b u c i ó n de Poisson de media λ:
Si la p r o b a b i l i d a d de que sea denunciado en cada aparcamiento
indebido es p (y se supone que no recibe denuncias injustificadas),
considerando cada caso independiente, calcular:
a) L a p r o b a b i l i d a d de que haya aparcado en doble fila k veces
exactamente, en una semana d u r a n t e l a que recibe tres denuncias.
b) D e t e r m i n a r l a p r o b a b i l i d a d de que d u r a n t e una semana cometa
exactamente k infracciones no denunciadas.
Solución
a) Sea X la v.a. que cuenta el número de veces que este individuo aparca
en doble fila en una semana. Se sabe que
Sea Y la v.a. que cuenta el número de veces que es denunciado por esta
infracción, en esa misma semana. La probabilidad de que sea denunciado k
veces, habiendo aparcado en doble fila n veces, es
Entonces, lo que se pide es (nótese que el individuo debe haber cometido al

menos n veces la infracción):
(se ha multiplicado por en numerador y denominador)
donde q = 1 p. Es decir, estas probabilidades se corresponden a una

distribución de Poisson de parámetro qλ.
b) Se t r a t a de que Y = n y a la vez X = n + k, con k > 0. Es decir,
Es decir, se ha comprobado que el número de infracciones no denunciadas

sigue una distribución de Poisson de parámetro qλ. •
P r o b l e m a 6.33. P r o b a r q u e si l a v . a . X s i g u e u n a d i s t r i b u c i ó n
exponencial de p a r á m e t r o e n t o n c e s se v e r i f i c a q u e
6.2. PROBLEMAS 217
Solución
Se calcula E (Xn) inductivamente según n, y utilizando la expresión de

la f.d.d. de X:
E n primer lugar, para n = 1 , se obtuvo en el Problema 4.4 la identidad
Supóngase ahora que para n 1 se tiene la igualdad
Entonces, se desarrolla el siguiente momento:
Para integrar por partes, se toman:
con lo cual se tiene que
P r o b l e m a 6.34. Sea X una v.a. con F.d.D. exponencial de

parámetro
a) C a l c u l a r s u f u n c i ó n c a r a c t e r í s t i c a .
b) O b t e n e r los momentos centrados en el o r i g e n de esta dis-

t r i b u c i ó n , a p a r t i r del desarrollo en serie de potencias de la f u n c i ó n
característica,
Solución
a) La f.d.d. de X es la empleada en el Problema 6.33, y se necesita para
el cálculo de los valores esperados precisos para obtener ' (t). Por definición,
b) E l desarrollo en serie de potencias de esta función ' (t) es inmediato,
pues es la sume de una serie geométrica:
siempre y cuando Esta expresión se puede reescribir como sigue:
según se probó en el Problema 6.33. •

Capítulo 7
Notación, Bibliografía y Tablas
En este capítulo se recoge una serie de elementos diversos,. con la finalidad

de que el lector pueda aclarar fácilmente las dudas que puedan surgirle du-
rante la lectura del libro. En el primer apartado se especifica la notación
matemática más elemental, pero que puede no coincidir exactamente con la
de otros libros sobre los mismos contenidos. El segundo especifca la no-
tación de los momentos, y el tercero se refiere a las abreviaturas que, no
obstante definidas al comenzar a emplearlas, se emplean posteriormente sin
mayor aclaración. El cuarto recoge la notación relativa a las distribuciones de
probabilidad, en particular la representación abreviada de las distribuciones
clásicas empleadas. En los apartados quinto al décimo están recogidos unos
teoremas y definiciones a los que se recurre en los respectivos capítulos del
libro. No se trata de un desarrollo completo de la teoría, sino de la seleción
de los resultados cuyo enunciado, ordenación, etc. pueda ser de utilidad para
el lector: por ejemplo, es posible que éste se plantee dudas sobre cuál de los
axiomas de Kolmogorov es el referido como tercero.
En el apartado dcécimo primero, se proporciona una bibliografía para

que el lector pueda conocer suficientemente la Teoría de la Probabilidad,
condición indispensable para poder abordar la lectura de este libro. Y, fi-
nalmente, se añade un último apartado con la tabulación de la distribución
Normal estándar, para aquellos lectores que no dispongan de una calculadora
que obtenga directamente estos valores.
219
220 CAPÍTULO7. NOTACIÓN, BIBLIOGRAFÍAYTABLAS
7.1 Generalidades
En la notación decimal, se ha optado por colocar una coma como superíndice:
• (Ω,S,P): Espacio probabilístico, donde Ω es un espacio muestral, S

es un álgebra o σ-álgebra de sucesos de Ω, y P es una función de
probabilidad sobre el espacio medible anterior.
• 0 es el suceso imposible.
• P(A): Probabilidad del suceso A:
• A: Suceso complementario de A.
• A U B: Suceso “Ocurre A u ocurre B”.
• A ∩ B: Suceso “Ocurren simultáneamente A y B”.
• P(A J B): Probabilidad del suceso A, condicionada a que ocurre el

suceso B.
• " ≡ " : Definición de suceso o variable aleatoria.
• exp(x): Función exponencial de x, que se denota también, a veces,

como ex.
• \z\: Función módulo del número complejo z, si z es real, coincide con

el valor absoluto de z.
• # (A): Cardinal del conjunto A (número de elementos de A).
• {A1,A2,...,An} es un sistema completo de sucesos si y

siempre que
• fx + o (n): E l segundo sumando indica que éste es un infinitesimal que

tiende a 0 más rápidamente que cuando x tiende a 0.
7.2. MOMENTOS 221
7.2 Momentos
• E(X): Valor esperado de la v.a. X.
• Var(X): Varianza de la v.a. X.
• Momento de orden i centrado en el origen de una v . a . X . Es decir:

= E (Xi).
• µi : Momento de orden i centrado en la media de una v.a. X. Es decir:

µi =
7.3 Siglas
• Ck: Cuantil k de una distribución dada.
• D.T.: Desviación típica de una distribución.
• F.d.D.: Función de distribución.
• f.d.d.: Función de densidad, para distribuciones continuas.
• f.g.m.: Función generatriz de momentos.
• f.m.p.: Función de masa de probabilidad, para distribuciones discretas.
• Md: Mediana de una distribución dada.
• Mo: M o d a de una distribución dada
• Qi, para i = 1, 2, 3: Cuartiles de una distribución dada.
• s.c.s.: Sistema completo de sucesos
• v.a.: variable aleatoria

222 CAPÍTULO 7. NOTACIÓN, BIBLIOGRAFÍA Y TABLAS
7.4 Distribuciones
• X F(x): La v.a. X tiene la función de distribución F(x), es decir:
P(X < x) = F(x):
• X F: La v.a. X sigue la distribución F.
• B(n,p): Distribución binomial, correspondiente al número de éxitos en

n pruebas de Bernoulli independientes, cada una de ellas con probabil-
idad de éxito p.
• Ge(p): Distribución geométrica de parámetro p, correspondiente al

número de pruebas de Bernoulli independientes y con probabilidad de
éxito p que hay que realizar hasta obtener el primer éxito, es decir, si
X Ge (p),
P (X = k) = p (1 p) ,
para k = 0 , 1 , 2,...
• H(M,B,n): D i s t r i b u t i ó n hipergeométrica, correspondiente al número

de bolas blancas que se obtienen al extraer n bolas de una urna que
contiene inicialmente B bolas blancas y N B bolas de otro color.
• P ( λ ) : Distribución de Poisson, para la cual
• N(µ,σ): Distribución normal o Gaussiana, con valor esperado µ y

varianza σ 2 .
• Exp(λ): Distribución exponencial de parámetro λ.
Z: Salvo que se indique otra cosa, es una v.a. con distribución N ( 0 , 1 ) .
• Valor t a l que siendo Z N(0,1):

7.5. COMPLEMENTOS AL CAPÍTULO 1 223
7.5 Complementos al Capítulo 1

7.5.1 Leyes de M o r g a n
Dados dos conjuntos A y B, se verifican las siguientes igualdades entre con-
juntos:
Primera:
Segunda:
7.5.2 A x i o m á t i c a de K o l m o g o r o v
Dado un espacio de medida (Ω,S), una función es una medida
de probabilidad si verifica los tres Axiomas:
A x i o m a I:
P(A) > 0, para todo suceso A de S.
Axioma I I :
P (Ω) = 1 .
Axioma III:
para cualesquiera sucesos Ai, i = 1,2,::: de S
tales que para todo

N O T A : E l A x i o m a I I I se puede aplicar a uniones finitas. Para probarlo,
basta tener en cuenta que:
a) Es fácilmente demostrable que
b) Dado un conjunto de sucesos {A1, :::An}, tomar los sucesos
para i > n y aplicar el A x i o m a I I I .
7.5.3 Regla de Laplace

E n el caso en que Ω sea un conjunto finito, se puede obtener una medida de
probabilidad mediante la aplicación de la Regla de Laplace, que consiste en
asignar a los sucesos sus respectivas probabilidades mediante la fórmula:
donde # (X) es el cardinal del conjunto X.

7.6.1 Definiciones
A continuación, se establecen algunos elementos a los que se recurre repeti-
damente en el capítulo:
S i s t e m a c o m p l e t o d e sucesos:
U n conjunto de sucesos {A1,..., An} tales que se verifican:
a)
b)
c) P (Ai) > 0, V i = 1, ...,n.

se denomina u n sistema completo de sucesos (s.c.s.)
Probabilidad condicionada:
Dado un suceso B de probabilidad no nula, y un suceso A, se define la
probabilidad de A condicionada al suceso B como
Sucesos i n d e p e n d i e n t e s :
• Dados dos sucesos A y B, se dice que son independientes si verifican:
E n el caso en que , esto equivale a que
• Dados los sucesos A1,..., An, se dice que son independientes si se ver-
ifica que la probabilidad de la intersección de k de esos sucesos, para
k = 2,...,n, es igual al producto de las probabilidades de esos k con-
juntos.
• Si los sucesos A1,..., An son independientes dos a dos, es decir, Ai es

independiente de Aj para cualesquiera i = j, esto no equivale a que
A1,..., An sean independientes.
7.7. COMPLEMENTOSALCAPÍTULO3 225
7.6.2 Teoremas
Teorema 7.1 (de la probabilidad total). Sea fA 1 , ..., A n g un s.c.s. y sea
B un suceso cualquiera. Entonces, se verifica:
Teorema 7.2 (de Bayes). Sea fA 1 , ..., A n g un s.c.s. y sea B un suceso

con probabilidad no nula. Entonces,

7.7.1 Transformaciones de variables aleatorias
En esta subsección se abordan problemas acerca de variables aleatorias que
se obtienen como función de otras variables aleatorias iniciales. En el caso
de transformaciones lineales, de la forma
se han resuelto los problemas de manera directa, aunque podría utilizarse el

siguiente resultado:
Teorema 7.3 Sea X una v.a. continua con f.d.d. f X (x) y sea la v.a.
con a = 0. Entonces, la f.d.d. de Y puede escribirse de la forma


E n los últimos problemas de este capítulo, y en algunos otros posteriores, se
emplea la notación (o similar)
Esta notación puede resultar extraña a los estudiantes no familiarizados con

la Teoría de la Medida, en particular, a los alumnos de los primeros cursos
de cualquier titulación. Sin embargo, hemos preferido conservarla, pues sim-
plifica enormemente la exposición de la solución de algunos problemas, cuyo
nivel está por encima de tales cursos.
No obstante, para lo concerniente a este libro, el lector t a n sólo necesita
saber que equivale tanto a
donde para el caso de distribución absolutamente continua,

como a
para el caso discreto.

E n este capítulo se abordan problemas de vectores aleatorios bidimension-
ales. E n particular, se resuelven problemas sobre funciones de variables
aleatorias bidimensionales utilizando el siguiente resultado, que se incluye
sin demostración:
T e o r e m a 7.4 Sea (X, Y) una v.a. bidimensional continua, con f.d.d. con-
junta f(x,y), y sean U = g1(X,Y), V = g2(X,Y) funciones de en que
verifican:
• U = g1(X,Y), V = g2(X,Y) son funciones inyectivas de en

es decir, tales que existen las respectivas transformaciones inversas
X = h1(U, V) eY = h2(U,V).
7.10. COMPLEMENTOS AL CAPÍTULO 6 227
• Las cuatro funciones anteriores, gi, hi, son continuas y que existen y
son continuas sus derivadas:
• Para el Jacobiano de la transformación, se verifica que
Entonces, (U, V) es una variable aleatoria continua bidimensional, con

f.d.d. conjunta
E n algunos problemas, se hace necesario aproximar los valores de las probabil-

idades de distribuciones binomiales mediante las de una distribución normal.
E n estos casos debe aplicarse un factor corrector discretizante, esto es:
Sea X una v.a. binomial, B (n,p), y sea entonces Y una v.a. normal de
media np y varianza npq (coincidentes con las respectivas media y varianza
de X). Entonces, las probabilidades de X se pueden aproximar mediante la
identidad
Para k = 1, ...,n 1: Este que se suma y resta al valor de k en el segundo

término, se denomina factor discretizador.
228 CAPÍTULO7. NOTACIÓN, BIBLIOGRAFÍA Y TABLAS
7.11 Bibliografía
Recomendada para estudiar antes de afrontar estos problemas de Cálculo de
Probabilidades.
1. Castillo Manrique, I . y Guijarro G a r v i , M . (2005). Estadística

Descriptiva y Cálculo de Probabilidades. Pearson Educación
2. Gutiérrez, R. y otros (1993). Curso básico de probabilidad. Ed.

Pirámide.
3. Lipschutz, S. (2002). Probability (Theory and Problems of). Mc

Graw-Hill
4. M a r t í n Pliego, F.J. (2006). Fundamentos de Probabilidad. Thom-

son Paraninfo, S.A.
5. Mendenhall, W . ; Beaver, R.J. y Beaver, B . M . (2003). Introduc-

ción a la Probabilidad y Estadística. Thomson Paraninfo.
6. M o o d , A . F . y otros (1974). Introduction to the theory of statistics.

Ed. McGraw-Hill.
7. Ortuño Sánchez, M . T . y Sanz San Miguel, L. (2006). Cálculo

de Probabilidades. Grupo Anaya, S.A.
8. Ramos, H . M . (1997). Introducción al cálculo de probabilidades.

Grupo editorial universitario.
9. Rivas López, M . J . y Ardanuy Albajar, R. (2002). Teoría de la

Probabiliad y Medida. Hesperides, S.L.
10. Rohatgi, V . K . (1976). An introduction to probability theory and

matemathical statistics. Ed. John Wiley and Sons.
7.12. TABLA DE LA DISTRIBUCIÓN NORMAL 229
7.12 Tabla de la distribución normal

Valores tabulados de φ(z) = P (Z < z), siendo Z N (0,1).
0 0 0 0 0 0 0 0 0
0 0’00
0 ,50399
0 ’01 ,507981
0’02 ,511969
0 ’03 ,515956
0’04 ,519942
0 ’05 ,523925
0’06 ,527906
0 ’07 ,531884
0 ’08 ,535859
0 ’09
0,53983
’5 0 ,543798 0,547761 0 ,551719 0,555673 0 ,55962 0,563562 0 ,567497 0 ,571426 0 ,575348
0’1 0,579262 0 ,583168 0,587067 0 ,590956 0,594837 0 ,598708 0,60257 0 ,606422 0 ,610263 0 ,614094
0’2 0,617913 0 ,621721 0,625518 0 ,629302 0,633074 0 ,636833 0,640578 0 ,644311 0 ,648029 0 ,651733
0’3 0,655423 0 ,659099 0,662759 0 ,666404 0,670033 0 ,673646 0,677244 0 ,680824 0 ,684388 0 ,687935
0’4
0,691464 0 ,694976 0,69847 0 ,701946 0,705403 0 ,708842 0,712262 0 ,715663 0 ,719044 0 ,722406
0’5 0,725748 0 ,72907 0,732372 0 ,735654 0,738915 0 ,742155 0,745374 0 ,748572 0 ,751749 0 ,754904
0’6 0,758038 0 ,761149 0,764239 0 ,767306 0,770351 0 ,773374 0,776374 0 ,779351 0 ,782306 0 ,785237
0’7 0,788146 0 ,791031 0,793893 0 ,796732 0,799547 0 ,802338 0,805106 0 ,807851 0 ,810571 0 ,813268
0’8 0,815941 0 ,81859 0,821214 0 ,823815 0,826392 0 ,828945 0,831473 0 ,833977 0 ,836458 0 ,838914
1
0’9 0,841345 0 ,843753 0,846136 0 ,848496 0,850831 0 ,853142 0,855428 0 ,857691 0 ,859929 0 ,862144
0,864334 0 ,866501 0,868644 0 ,870762 0,872857 0 ,874929 0,876976 0 ,879 0 ,881 0 ,882977
1’1 0,884931 0 ,886861 0,888768 0 ,890652 0,892513 0 ,894351 0,896166 0 ,897958 0 ,899728 0 ,901475
1’2 0,9032 0 ,904902 0,906583 0 ,908241 0,909878 0 ,911492 0,913085 0 ,914657 0 ,916207 0 ,917736
1’3 0,919244 0 ,92073 0,922196 0 ,923642 0,925067 0 ,926471 0,927855 0 ,929219 0 ,930564 0 ,931888
1’4
0,933193 0 ,934479 0,935745 0 ,936992 0,93822 0 ,939429 0,94062 0 ,941793 0 ,942947 0 ,944083
1’5 0,945201 0 ,946301 0,948449 0 ,949498 0,950529 0 ,951543 0,951543 0 ,952541 0 ,953522 0 ,954486
1’6 0,955435 0 ,956367 0,957284 0 ,958185 0,959071 0 ,959941 0,960796 0 ,961637 0 ,962462 0 ,963273
1’7 0,96407 0 ,964852 0,965621 0 ,966375 0,967116 0 ,967843 0,968557 0 ,969258 0 ,969946 0 ,970621
1’8 0,971284 0 ,971934 0,972571 0 ,973197 0,97381 0 ,974412 0,975002 0 ,975581 0 ,976148 0 ,976705
2
1’9 0,97725 0 ,977785 0,978308 0 ,978822 0,979325 0 ,979818 0,980301 0 ,980774 0 ,981237 0 ,981691
0,982136 0 ,982571 0,982997 0 ,983414 0,983823 0 ,984222 0,984614 0 ,984997 0 ,985371 0 ,985738
2’1 0,986097 0 ,986448 0,986791 0 ,987126 0,987455 0 ,987776 0,988089 0 ,988396 0 ,988696 0 ,988989
2’2 0,989276 0 ,989556 0,98983 0 ,990097 0,990358 0 ,990613 0,990863 0 ,991106 0 ,991344 0 ,991576
2’3 0,991802 0 ,992024 0,99224 0 ,992451 0,992656 0 ,992857 0,993053 0 ,993244 0 ,993431 0 ,993613
2’4
0,99379 0 ,993963 0,994132 0 ,994297 0,994457 0 ,994614 0,994766 0 ,994915 0 ,99506 0 ,995201
2’5 0,995339 0 ,995473 0,995603 0 ,995731 0,995855 0 ,995975 0,996093 0 ,996207 0 ,996319 0 ,996427
2’6 0,996533 0 ,996636 0,996736 0 ,996833 0,996928 0 ,99702 0,99711 0 ,997197 0 ,997282 0 ,997365
2’7 0,997445 0 ,997523 0,997599 0 ,997673 0,997744 0 ,997814 0,997915 0 ,997948 0 ,998012 0 ,998074
2’8 0,998134 0 ,998193 0,99825 0 ,998305 0,998359 0 ,998411 0,998462 0 ,998511 0 ,998559 0 ,998605
3
2’9 0,99865 0 ,998694 0,998736 0 ,998777 0,998817 0 ,998856 0,998893 0 ,99893 0 ,998965 0 ,998999
0,999032 0 ,999064 0,999096 0 ,999126 0,999155 0 ,999184 0,999211 0 ,999238 0 ,999264 0 ,999289
3’1 0,999313 0 ,999336 0,999359 0 ,999381 0,999402 0 ,999423 0,999443 0 ,999462 0 ,999481 0 ,999499
3’2 0,999517 0 ,999533 0,99955 0 ,999566 0,999581 0 ,999596 0,99961 0 ,999624 0 ,999638 0 ,99965
3’3 0,999663 0 ,999675 0,999687 0 ,999698 0,999709 0 ,99972 0,99973 0 ,99974 0 ,999749 0 ,999758
3’4
0,999767 0 ,999776 0,999784 0 ,999792 0,9998 0 ,999807 0,999815 0 ,999821 0 ,999828 0 ,999835
3’5 0,999841 0 ,999847 0,999853 0 ,999858 0,999864 0 ,999869 0,999874 0 ,999879 0 ,999883 0 ,999888
3’6 0,999892 0 ,999896 0,9999 0 ,999904 0,999908 0 ,999912 0,999915 0 ,999918 0 ,999922 0 ,999925
3’7 0,999928 0 ,99993 0,999933 0 ,999936 0,999938 0 ,999941 0,999943 0 ,999946 0 ,999948 0 ,99995
3’8 0,999952 0 ,999954 0,999956 0 ,999958 0,999959 0 ,999961 0,999963 0 ,999964 0 ,999966 0 ,999967
3’9

Cálculo de Probabilidades

Cargado por

Copyright:

Formatos disponibles

Cálculo de Probabilidades

Cargado por

Información del documento

Descripción 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

Cálculo de Probabilidades

Cargado por

Copyright:

Formatos disponibles

193 Problemas Resueltos de

Victoriano J. García García Héctor M. Ramos Romero

Miguel Ángel Sordo Díaz

5 Vectores Aleatorios 151

7 Notación, BibliografíayTablas 219

Este libro contiene una recopilación de problemas resueltos de Cálculo de

Victoriano J. García, Héctor M. Ramos y Miguel A. Sordo.

Suceso. Espacio de sucesos. Álgebra de sucesos. Sucesos incompatibles.

Probabilidad. Axiomática de Kolmogorov. Propiedades derivadas. Es-

Probabilidades sobre espacios muestrales finitos. Combinatoria. Regla

Ω = {(1,1), (1, 2),..., (1,6), (2,1),..., (2,6),..., (6,6)}.

A ∩ C = A = {(1,6), (2,5), (3,4), (4,3), (5, 2), (6,1)}.

A B = {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1),

A ∩ D = A = {(1,6), (2,5), (3,4), (4,3), (5, 2), (6,1)}.

b-v) D ≡ “No obtener resultado distinto en cada d a d o ” ≡ “Obtener el

D = {(1,1) ,(2, 2),(3,3),(4,4),(5,5),(6,6)}: •

P r o b l e m a 1.2. Sea el experimento aleatorio consistente en ex-

Describir los siguientes sucesos:

Ω = { 1 ; 2;..., 9;10} x {oros, copas, bastos, espadas}.

b-i) ( A U B ) ∩ D ≡ “Obtener carta de oros o de copas, y obtener rey”, es

b-ii, b-iii) = , por las Leyes de Morgan. Entonces, como

≡ “No obtener carta de oros ni de copas”.

b-iv) (C ∩ D) ∩ A = C ∩ D ∩ A ≡ “Obtener una carta de figura, de rey

(C ∩ D) ∩ A ≡ “Obtener el rey de oros” = (10, oros).

b-v) D ∩ ≡ “Obtener un rey, y que no sea figura”, es decir, . •

P r o b l e m a 1.3. P r o b a r q u e , d a d o u n suceso A de u n espacio

Se tiene entonces, por el A x i o m a I I I en su versión para uniones finitas,

de donde se concluye la relación del enunciado. •

P r o b l e m a 1.4. P r o b a r q u e , d a d o s dos sucesos A y B d e u n

Por la definición de inclusión de conjuntos, es claro que

Por lo tanto, aplicando el A x i o m a I I I en su versión para uniones finitas, se

Como, por el A x i o m a se concluye inme-

Por ser aplicando el A x i o m a I I I de Kolmogorov en su versión de

Como es otro suceso, y también debe ser

P r o b l e m a 1.6. P r o b a r q u e , d a d o s dos sucesos A y B d e un

Como consecuencia, teniendo en cuenta que el subconjunto A∩B está repetido,

y, al ser los tres sucesos incompatibles dos a dos, se puede aplicar el A x i o m a

Combinando (1.1) con (1.2), se obtiene:

(usando nuevamente el resultado del Problema 1.6 para desarrollar el segundo

(Usando nuevamente el resultado del Problema 1.6, ahora en el ú l t i m o sumando

N O T A : Este resultado puede extenderse a l a u n i ó n de n conjun-

P r o b l e m a 1.8. Sean dos sucesos A y B de u n espacio de suce-

P r o b l e m a 1.9. Dos sucesos A y B son equiprobables. Si l a

Por ser equiprobables, P (A) = P (B) = p: Se tiene que

b) Se tiene, por las Leyes de Morgan, que Por tanto,

c) Igualmente, por las Leyes de Morgan, se tiene que

Entonces, aplicando las Leyes de Morgan,

y tomando en la expresión (1.3) , se tiene que

Se necesita, entonces, calcular el segundo sumando

E n definitiva, sustituyendo en (1.4),

y, por la simetría entre los tres sucesos, la probabilidad pedida es el triple,

b) En este caso, se pide

P r o b l e m a 1.12. L a p r o b a b i l i d a d de que u n estudiante A apruebe

b) “Ninguno de ellos apruebe”

c) “Sólo uno de ellos apruebe” Por ser estos dos

por otro lado,

P r o b l e m a 1.13. Sean los sucesos A, B y C de u n cierto espacio de

y el resultado obtenido en el Problema 1.4,

a) Se considerará cada valor de n, siendo n ≡"número de características