Lista 2 Distribuciones Condicionales 1

2. Distribuciones Condicionales
1. ((León-Garcı́a 1994) Ej. 4.17) Sea X la entrada a un canal de comunicación. X toma los
valores ±1 con la misma probabilidad. Suponga que la salida de el canal es Y = X +W ,
donde W es una v. a. Laplaciana parámetro α > 0, con f. d. p.:
1 −α|w|
fW (w) = αe , −∞ < w < ∞
2
y además W es independiente de X.

a) Encuentre P(X = k, Y ≤ y), para k = ±1.

b) Encuentre la función de densidad marginal de Y .
c) Suponga por dado que Y > 0. ¿Qué es más probable, X = 1 ó X = −1?

2. ((León-Garcı́a 1994) Ej. 4.32) Encuentre f (y|x) del problema 5 de la Lista 1, para
cada uno los casos i) — iii).

3. Sea f la función de densidad conjunta de X e Y dada por f (x, y) = e−y 1{0<x<y<∞} (x, y).
Verifique que P(X > 2|Y < 4) = 0.0885

4. ((León-Garcı́a 1994) ej. 4.22) El número total de defectos X en un chip sigue una
distribución de Poisson parámetro α (= E[X]). Suponga que cada defecto tiene una
probabilidad 0 < p < 1 de caer en una región especı́fica R, y que la localización es
independiente del número de defectos. Muestre que la f. m. p. de N , el número de
defectos en R, sigue una distribución Poisson con media αp.

5. ((León-Garcı́a 1994) ej. 4.23) El número de clientes que llegan a un servicio al tiempo
t se distribuye Poisson con media βt. El tiempo de servicio T se distribuye exponencial
parámetro α, esto es, E[T ] = 1/α. Encuentre la f. m. p. de N , el número de clientes
que arriban en T , el tiempo de servicio de un cliente especı́fico.

6. Si X ∼ Bin(n, p) y P ∼ unif(0, 1). Encontrar fX (x). (Sugerencia: revise la distribución

Beta.)

7. Sea Y una v. a. distribuida exponencialmente con valor medio 1/λ. A su vez, Λ se

distribuye exponencialmente con valor medio 1/θ. Encuentre fY , la f. d. p. marginal
de Y .

8. ((León-Garcı́a 1994) ej. 4.24) Sea X ∼ unif[0, 1], y Y ∼ unif[0, X]. Encuentre E[Y ] y
var(Y ).

9. ((León-Garcı́a 1994) Ej. 4.37) El número aleatorio de defectos N del banco de memoria
de una computadora se distribuye con una ley de Poisson con una media λ(> 0). A su
vez, el parámetro Λ(= λ) es aleatorio y sigue una distribución gamma con parámetros
de forma α(> 0) y de escala β(> 0), luego, E[Λ] = αβ.

a) Encuentre la función masa de probabilidad de N , el número de defectos.

b) Use la esperanza condicional para encontrar E(N ) y var(N ).

10. Una tarea llega a un sistema y es atendida por el procesador Ci con probabilidad
pi , i = 1, . . . , n. El tiempo aleatorio que toma el procesador en terminar la tarea es
distribuido exponencialmente parámetro λi .

a) Muestre que la f. d. p. de T , el tiempo que toma el sistema para el procesamiento

de la tarea está dada por
n
X
fT (t) = pi λi e−λi t , 0≤t
i=1

E. Barrios Cálculo de Probabilidades II 16 de febrero de 2022

Lista 2 Distribuciones Condicionales 2

b) Muestre entonces que

 2
n n n n
X 1 X pi X pi X pi 
E[T ] = P(C = i) = y var(T ) = 2 −
λ
i=1 i
λ
i=1 i
λ2
i=1 i
λ
i=1 i

11. ((León-Garcı́a 1994) Ej. 4.101) El tiempo de vida Y de un dispositivo es un v. a.

exponencial con media 1/r. Suponga que debido a irregularidades del proceso de pro-
ducción, el parámetro R = r es aleatorio siguiendo una distribución Gamma con
parámetros de forma α y tasa λ.
a) Encuentre la f. d. p. conjunta de Y y R.
b) Encuentre la f. d. p. marginal de Y .
c) Encuentre los primeros dos momentos de Y .
(Sugerencia: Utilice las propiedades de esperanza condicional. Complete la f. d.
p. de una distribución gamma.)
12. La f. d. p. conjunta del vector (X, Y ) es
f (x, y) = (x + y)1{0<x<1, 0<y<1} (x, y)

Encuentre E[X|Y ].
13. Se tiran tres monedas justas y se denota por X el número de águilas obtenidas. Las
monedas con las que se obtuvo águila se vuelve a tirar. Sea ahora Y el número de
águilas obtenidas.
a) Tabule la f. m. p. conjunta de (X, Y ) y use la tabla para obtener E[X + Y ].
b) Calcule E[Y |X] y úselo para obtener de manera alternativa E[X + Y ].
14. ((Ross 2010) Ej. 7.38) Considere el v. a. (X, Y ) con f. d. p. conjunta dada por
2 −2x
f (x, y) = e 1{0≤y≤x<∞} (x, y)
x
Determine E[X] y E[Y ].
R R  R R 
Sugerencia: Note que por el teorema de Fubini, E[Y ] = y f (x, y)dx dy = yf (x, y)dy dx
15. Considere X, Y v. a. con f. d. p. conjunta dada por
f (x, y) = 2e−(x+2y) 1(0,∞) (x)1(0,∞) (y)
Calcule var(Y |X > 3, Y > 3).
16. ((Blitzstein and Hwang 2014) Ej. 7.1.25) Un compañı́a que elabora lámparas eléctricas
modela razonablemente el tiempo de vida de sus productos mediante la distribución
exponencial. La compañı́a tiene dos lı́neas de producción, L1 y L2 con los respectivos
tiempos medio de vida E[T1 ] = µ1 y E[T2 ] = µ2 . La lı́nea Li genera una fracción pi
del total de la producción, por lo que 1 = p1 + p2 . Si Y denota la variable indicadora
de la lı́nea de producción L1 y ℓ una lámpara elegida al azar, Y (ℓ) = 1 si la lámpara
se produjo en la lı́nea L1 ó 0 si se produjo en la lı́nea L2 , luego, Y ∼ Ber(p1 ).
Sea T la variable aleatoria que denota el tiempo de vida de una lámpara.
a) Determine la función de probabilidad acumulada FT de T y la correspondiente
función de densidad de probabilidad fT .
b) ¿Tiene la distribución de T la propiedad sin memoria de la distribución expo-
nencial? La distribución de T se dice una mezcla de dos exponenciales.
c) Dado T = t, determine la distribución condicional de Y .
d ) Si supone que µ1 > µ2 , determine lı́m P(Y = 1|t = t).
t→∞

E. Barrios Cálculo de Probabilidades II 16 de febrero de 2022

Lista 2 Distribuciones Condicionales 3

Referencias
Blitzstein, J. K. and J. Hwang (2014). Intorduction to Probability. Boca Raton, FL: CRC
Press.
León-Garcı́a, A. (1994). Probability and Random Processes for Electrical Engineering (2
ed.). Reading, Massachusetts: Addison-Wesley.
Ross, S. (2010). A First Course in Probability (8th ed.). Upper Saddle River, N.J.: Prentice
Hall.

E. Barrios Cálculo de Probabilidades II 16 de febrero de 2022