Probabilidad 2020 Centro de Matemática

Ejercicios para el Segundo Parcial

1. La variable aleatoria X tiene distribución discreta y toma los valores 0, 1, 2

y 4, con probabilidades 1/2, 1/4, 1/8 y 1/8. Hallar la función de distribución
F (x) de esta variable aleatoria, y dibujar el gráfico de y = F (x).
2. La variable aleatoria X tiene distribución uniforme en el intervalo (0, 2).
(a) Hallar la función de distribución y su densidad. Dibujar los gráficos co-
rrespondientes.
(b) Calcular P(0,5 ≤ X ≤ 1,5).
3. La variable aleatoria X tiene densidad p(x) = ce−|x| . (a) Calcular P(X ≤
0); (b) hallar el valor de la constante c; y (c) calcular P(0 ≤ X ≤ 1).
4. La variable aleatoria X tiene densidad dada por
 2
cx , si 0 ≤ x ≤ 1,
p(x) =
0, si x < 0 ó x > 1

(a) Hallar el valor de c. (b) Hallar la función de distribución de X, y (c)

calcular la probabilidad P(0,1 < X < 0,4).
5. Una variable aleatoria con función de distribución
 2 2
1 − e−x /(2σ ) , x ≥ 0,
F (x) =
0, x < 0.
donde σ > 0, se denomina distribución de Rayleigh. Hallar la densidad de
esta variable aleatoria, y calcular la probabilidad P(0 ≤ X ≤ σ).
6. Verificar, que la función dada por
(  a+1
a b
, x > b,
p(x) = b x
0, x < b.
donde a y b son constantes positivas, es la densidad correspondiente una
variable aleatoria, y calcular su función de distribución correspondiente. (Esta
distribución se denomina distribución de Pareto.)
7. El vector aleatorio (X, Y ) tiene distribución discreta, dada en la siguiente
tabla:
x\y 0 1 2 3
0 0,2 0 0,1 0
1 0,1 0,2 0,1 0
2 0 0,1 0,1 0,1
donde se indican las probabilidades P(X = x, Y = y), de forma que, por
ejemplo, P(X = 2, Y = 3) = 0,1. Hallar P(X = 0), P(X = 1), P(X = 2), y
la función de distribución de la variable aleatoria X.
8. El vector aleatorio (X, Y ) tiene densidad dada por

cxy 2 , 0 ≤ x ≤ 2, 0 ≤ y ≤ 1,
p(x, y) =
0, en caso contrario.

donde c es una constante. Hallar: (a) el valor de c; (b) la función de distribu-

ción de la variable aleatoria X; (c) la función de distribución de la variable
aleatoria Y ; (d) las densidades de las variables aleatorias X e Y .
9. El vector aleatorio (X, Y ) tiene densidad dada por

cxe−y , 0 ≤ x ≤ 1, 0 < y < ∞,


p(x) =
0, en caso contrario.

donde c es una constante. (a) Hallar el valor de c. (b) ¿Resultan indepen-

dientes las variables aleatorias X e Y ?
10. La duración en horas de un cierto tipo de lámpara es una variable alea-
toria que tiene densidad dada por

0,001e−0,001x x ≥ 0,

p(x) =
0, x < 0.

Se elijen al azar 3 lámparas de una cierta partida. Calcular las probabilidades

de que: (a) ni una de las lámparas se tenga que cambiar en el transcurso de
las primeras 1000 horas; (b) las tres lámparas tengan que ser cambiadas en
el mismo lapso de tiempo.
11. La variable aleatoria X tiene función de distribución F (x) y densidad
p(x). Hallar la función de distribución y la densidad de la variable aleatoria
Y = aX + b, donde a > 0 y b son constantes.
12. La variable aleatoria X tiene distribución uniforme en el intervalo (0, 1).
Demostrar que la variable aleatoria Y = 2X − 1 tiene distribución uniforme
en el intervalo (−1, 1).
13. Consideremos una variable aleatoria Y con distribución uniforme en el
intervalo (0, 1), y sea F (x) una función de distribución continua y estric-
tamente creciente. Demostrar que la variable aleatoria F −1 (Y ), donde F −1
denota la función inversa de la función F , tiene función de distribución F (x).
14. Las variables aleatorias X e Y son independientes, y tienen la misma
densidad, dada por  −x
e , x ≥ 0,
f (x) =
0, x < 0.
Demostrar que la variable aleatoria X + Y tiene densidad, dada por
 −x
xe , x ≥ 0,
g(x) =
0, x < 0.

15. Hallar el estimador de máxima verosimilitud de µ y de σ en forma si-

multánea en el caso normal.
16. Hallar los estimadores de máxima verosimilitud de a y b a partir de una
m.a.s. de variables uniformes en [a, b]
17. Hallar el estimador de máxima verosimilitud de α a partir de una m.a.s.
de variables exponenciales de parámetro α.
18. Calcular el estimador de máxima verosimilitud de λ a partir de una m.a.s.
de variables con distribución de Poisson de parámetro λ.
19. Sea X una variable aleatoria con distribución uniforme en el intervalo
(a, b). Hallar EX, varX y E(X 3 ).
20. Sea X una variable aleatoria con distribución discreta, que toma, con
probabilidad 1/n, cada uno de los valores 1, 2, . . . , n. Calcular varX.
21. Consideremos una variable aleatoria X con distribución exponencial, con
parámetro α > 0. Calcular EX, varX.
22. Sea X una variable aleatoriaPque toma únicamente valores enteros no
negativos. Demostrar que EX = ∞ n=1 P(X ≥ n).
23. Sea X una variable aleatoria para la cual existe esperanza matemática
EX. Demostrar que la función de distribución F (x) de esta variable aleatoria
cumple que lı́mx→∞ x(1 − F (x)) = 0.
24. Sea X una variable aleatoria no negativaR ∞ para la cual existe esperanza
matemática EX. Demostrar que EX = 0 (1 − F (x))dx, donde F (x) es la
función de distribución de la variable aleatoria X.
25. Sea X una variable aleatoria para la cual existe esperanza matemática
EX. Demostrar que
Z 0 Z ∞
EX = − F (x)dx + (1 − F (x))dx,
−∞ 0

donde F (x) es la función de distribución de la variable aleatoria X.

26. Sea X una variable aleatoria. Demostrar que si E|X|r < ∞ para algún
r > 0, entonces Z ∞
r
E|X| = r P(|X| ≥ x)xr−1 dx.
0

27. La variable aleatoria X tiene distribución de Laplace, si su densidad es

1 −|x−a|/b
p(x) = e ,
2b
donde b > 0 y a son constantes. Hallar EX y varX.
28. La densidad de la magnitud de la velocidad absoluta de una molécula
tiene la forma
4x2 2 2
p(x) = 3 √ e−x /α , si x > 0,
α π
y p(x) = 0 si x ≤ 0 (distribución de Maxwell ). Hallar la velocidad media de
una molécula y su varianza.
29. Consideremos una variable aleatoria X con distribución normal con
parámetros (a, σ). Demostrar que la variable aleatoria Y = eX tiene den-
sidad dada por
1 2 /(2σ 2 )
p(y) = √ e−(ln y−a) , si x > 0,
σy 2π
y p(x) = 0 si x ≤ 0 (la distribución con esta densidad se denomina lognor-
mal ). Hallar EY y varY en el caso a = 0, σ = 1.
30. El problema de tomar de más. Una persona quiere abrir una puerta, y
tiene n llaves de las cuales solo una corresponde a la cerradura. La persona va
eligiendo las llaves al azar y probando abrir la puerta. Calcular la esperanza
matemática y la varianza del número de intentos cuando la persona elige
cada vez entre las n llaves.
31. Sea f (x) una función definida en la recta real, no negativa y no decre-
ciente, y sea X una variable aleatoria tal que existe Ef (X). Demostrar la
1
desigualdad P(X ≥ x) ≤ f (x) Ef (X) para todo x real.
32. Calcular la mediana de una variable aleatoria con distribución exponen-
cial de parámetro α = 1.
33. El vector aleatorio (X, Y ) tiene densidad dada por
 1
3
(x + y), si 0 ≤ x ≤ 2, 0 ≤ y ≤ 1,
p(x, y) =
0, en otro caso.

Calcular EX y EY .