UNIVERSIDAD NACIONAL AUTÓNOMA DE

MÉXICO
Probabilidad
Semestre 25-1

Tarea 3

Profesor: Jaime Vázquez Alamilla

Equipo: 21blackjack

Integrantes:

• Franco Enríquez Julieta

• Herrera Morales Karla Saori
• Martínez Bonilla Uriel
• Pineda Barrón Diego

Fecha: 22/10/2024
 𝜋
2. Considere una variable aleatoria con función de densidad 𝑓𝑥 (𝑥 ) = 2 𝐼[0,2] (𝑥 ). Determine
𝐸 (|𝑋 − 𝐸 (𝑋)|)
2 2 2
𝑥 𝑥 𝑥3 4
Calculamos 𝐸 (𝑋) = ∫ ( ) 𝑑𝑥 = ∫ 𝑑𝑥 = |20 =
0 2 0 2 6 3
2
4 𝑥 𝑥 𝑥
∴ 𝐸 (|𝑋 − 𝐸 (𝑋)|) = ∫ |𝑥 − | 𝑑𝑥 , 𝑐𝑜𝑚𝑜 𝑥 ∈ [0,2] ⇒ = | |
0 3 2 2 2
2 2 2 2
4 𝑥 4 𝑥 𝑥 2 4𝑥 𝑥2 2
∴ ∫ |𝑥 − | | | 𝑑𝑥 = ∫ |(𝑥 − ) ( )| 𝑑𝑥 = ∫ | − | = ∫ | − 𝑥|.
0 3 2 0 3 2 0 2 6 0 2 3

𝑥2
𝑥2 2 2 𝑥2 2 2 2 𝑥2 2 𝑥 2 4
𝑂𝑏𝑠 𝑞𝑢𝑒 − 𝑥 − 𝑥 < 0 𝑠𝑦𝑠𝑠 < 𝑥 ⇒ < ⇒ < ⇒ < ⇒𝑥<
2 3 3 2 3 𝑥 3 2𝑥 3 2 3 3
4 𝑥2 2 𝑥2 2 4 𝑥2 2 𝑥2 2
∴ 𝑠𝑖 𝑥 < ⇒ | − 𝑥| = − + 𝑥𝑑𝑥 𝑚𝑖𝑒𝑛𝑡𝑟𝑎𝑠 𝑞𝑢𝑒 𝑥 ≥ ⇒ | − 𝑥| = − 𝑥𝑑𝑥
3 2 3 2 3 3 2 3 2 3

𝑥 2 2𝑥 𝑥2 2𝑥 𝑥3 1 2
⇒∫ − 𝑑𝑥 = ∫ 𝑑𝑥 − ∫ 𝑑𝑥 = − 𝑥 𝐴𝑠𝑖, 𝑒𝑣𝑎𝑙𝑢𝑎𝑛𝑑𝑜 𝑒𝑛 𝑙𝑜𝑠 𝑙𝑖𝑚𝑖𝑡𝑒𝑠:
2 3 2 3 6 3
64 16
4
27 9
𝑥3 1 2 6
3 32 16 16
−[ − 𝑥 ] = − − 3 = −[ − ] =
6 3 0
1 1 81 27 81
[ ]
64 16
2 27 9
𝑥3 1 2 4 4 6 16
−[ − 𝑥 ] = [ − ] − − 3 =
6 3 4 3 3 1 1 81
3
[ ]
4
2
3 𝑥2 2 𝑥 2 2
16 16 32
∴ −∫ − 𝑥𝑑𝑥 + ∫ − 𝑥𝑑𝑥 = + =
0 2 3 4 2 3 81 81 81
3
32
∴ 𝐸 (|𝑋 − 𝐸 (𝑋)|) =
81

4. Considérese una variable aleatoria X tal que para 0 < p < 1, P (X = 1) = p, P (X = k + 1) = (1 −

p) · P (X = k) para k = 1, 2, . . . y P (X = x) = 0 para cualquier x que no sea un entero positivo.
Calcular E(X).
Podemos observar que x es una variable aleatoria discreta, por lo que podemos ver que 𝑓𝑥 (𝑥 ) =
(1 − 𝑃)𝑘−1 𝑃, 𝑐𝑜𝑚𝑜 𝑒𝑠 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑑𝑒𝑛𝑠𝑖𝑑𝑎𝑑 ⇒ ∑∞
𝑘=1(1 − 𝑃)
𝑘−1
= 𝑃 ∑∞ 𝑘=1(1 − 𝑃)
𝑘−1
= 𝑃 [(1 −
1−1 2−1
𝑝) + (1 − 𝑃 ) + ⋯ +]
Sea j=k-1 podemos reescribir la serie como 𝑃 ∑∞ 𝑗
𝑗=0(1 − 𝑝) , además sabemos que la serie
1
geométrica se puede ver como ∑∞ 𝑛
𝑛=0 𝑟 = 1−𝑟 |𝑟 | < 1 dado que 0 < 𝑃 < 1 ⇒ −1 < 𝑃 − 1 < 0 < 1
⇒ 0 < 𝑃 − 1 < 1, por lo tanto |0| < |𝑃 − 1| < |𝑖 | = 𝑖, asi podemos ver que n=j, y r=(P-1) utilizando
1 1
la convergencia de la suma geométrica entonces 𝑃 ∑∞ 𝑗
𝑗=0(1 − 𝑝) = 𝑃 [ ] = 𝑃[ ] = 1 ∴
1−(𝑃−1) 𝑃
𝑓𝑥 (𝑥 ) 𝑠𝑖 𝑒𝑠 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑑𝑒𝑛𝑠𝑖𝑎𝑑𝑎𝑑
Para encontrar E(x) calculamos la suma al ser una variable discreta
∞ ∞ ∞ ∞
1
⇒ 𝐸 (𝑥 ) = ∑ 𝑘𝑓𝑥 (𝑥 ) = ∑ 𝑘 (1 − 𝑃 𝑃 = 𝑃 ∑ 𝑘 (1 − 𝑃 𝑃 , 𝑎𝑑𝑒𝑚𝑎𝑠 𝑠𝑎𝑏𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 ∑ 𝑟 𝑛 =
)𝑘 )𝑘
1−𝑟
𝑘=1 𝑘=1 𝑘=1 𝑛=0

𝑑 1 1 𝑑 𝑑
Así derivando en ambos lados tenemos que 𝑑𝑟 (1−𝑟) = (1−𝑟)2 ; 𝑑𝑟 ∑∞ 𝑛 ∞ 𝑛
𝑛=0 𝑟 = ∑𝑛=0 𝑑𝑟 (𝑟 ) pera para
𝑑
n=0=𝑟 𝑛 = 1 y 1 = 0 por lo que no se suma nada entonces podemos cambiar el índice
𝑑𝑟
𝑑 𝑑 1
∑∞
𝑛=0 (𝑟 𝑛 ) = ∑∞ 𝑛
𝑛=1 𝑑𝑟 (𝑟 ) = ∑∞
𝑛=1 𝑛(𝑟
𝑛−1 )
, asi obtenemos que ∑∞
𝑛=1 𝑛(𝑟
𝑛−1 )
= (1−𝑟)2
𝑑𝑟
∞
1 1 1
⇒ 𝑃 ∑ 𝑘 (1 − 𝑃)𝑘−1 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑒𝑙 𝑟𝑒𝑠𝑡𝑢𝑙𝑡𝑎𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑃 = 𝑃 =
(1 − (1 − 𝑃)2 𝑃2 𝑃
𝑘=1

1
∴ 𝐸 (𝑋 ) =
𝑃

6. Sea X una variable aleatoria tal que E(X) = 2, 𝐸 (𝑋 3 ) = 9 y 𝐸 ((𝑋 − 2)3 ) = 0. Calcule 𝑉𝑎𝑟(𝑥 )
Primero desarrollamos 𝐸 ((𝑋 − 2)3 ) = 𝐸 [(𝑥 3 − 6𝑥 2 + 12𝑥 − 8)] = 0, como la esperanza es lineal
la podemos distribuir en cada termino, asi 𝐸 (𝑥 3 ) − 6𝐸 (𝑥 2 ) + 12𝐸 (𝑥 ) − 𝐸(8) = 0, sustituimos los
25
valores conocidos, 9 − 6𝐸 (𝑥 2 ) + 24 − 8 = 0, simplificando 6𝐸 (𝑥 2 ) = 25, entonces 𝐸(𝑥 2 ) = 6

Ahora con la esperanza del segundo momento podemos calcular la Var(x),

25 1
⇒ 𝑉𝑎𝑟(𝑥 ) = 𝐸 (𝑥 2 ) − [𝐸(𝑥 )]2 = − (2)2 =
6 6
1
∴ 𝑉𝑎𝑟(𝑥 ) =
6
0 𝑠𝑖 𝑥 ∈ (−∞, −1) ∪ (0,1) ∪ (3, ∞)
𝑥 2 𝑠𝑖 𝑥 ∈ [−1,0]
8. Dada la densidad 𝑓𝑥 (𝑥 ) = 𝐶𝑎𝑙𝑐𝑢𝑙𝑎 𝐸 (𝑋), 𝑉𝑎𝑟(𝑋)
𝑥 2 − 2𝑥 + 1 𝑠𝑖 𝑥 ∈ [1,2]
{ 𝑥 2 − 6𝑥 + 9 𝑠𝑖 𝑥 ∈ [2,3]
Antes de calcular la variación de x primero debemos de calcular la esperanza del primero
momento y del segundo, así tenemos que integrar
0 2 3
∫ 𝑥𝑓𝑋(𝑥 )𝑑𝑥 + ∫ 𝑥𝑓𝑋 (𝑥 )𝑑𝑥 + ∫ 𝑥𝑓𝑋(𝑥 )𝑑𝑥 , 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑚𝑜𝑠 𝑝𝑜𝑟 𝑠𝑒𝑝𝑎𝑟𝑎𝑑𝑜
−1 1 2
0 0 0
𝑥4 0 0 1 1
⇒ ∫ 𝑥𝑓𝑋(𝑥 )𝑑𝑥 = ∫ 𝑥(𝑥 2 )𝑑𝑥 = ∫ 𝑥 3 𝑑𝑥 = |−1 = ( − ) = −
−1 −1 −1 4 4 4 4
2 2 2 2 1 1
2 3 2 3 2
⇒ ∫ 𝑥𝑓𝑋(𝑥 )𝑑𝑥 = ∫ 𝑥 (𝑥 − 2𝑥 + 1)𝑑𝑥 = ∫ 𝑥 − 2𝑥 + 𝑥𝑑𝑥 = ∫ 𝑥 − 2𝑑𝑥 ∫ 𝑥 𝑑𝑥 + ∫ 𝑥𝑑𝑥
1 1 1 1 2 2
 2
𝑥4 𝑥3 𝑥2 15 7 3 15 14 3
= |12 − 2 [ ] + |12 = − 2( ) + = − +
4 3 1 2 4 3 2 4 3 2
3 3 3 3 3
2 3 2 3 2
⇒ ∫ 𝑥(𝑥 − 6𝑥 + 9)𝑑𝑥 = ∫ 𝑥 − 6𝑥 − 9𝑥 = ∫ 𝑥 𝑑𝑥 − 6 ∫ 𝑥 𝑑𝑥 + 9 ∫ 𝑥
2 2 2 2 2
3 3
𝑥4 3 𝑥3 𝑥2 65 19 5 65 114 45
= |2 − 6 [ ] + 9 [ ] = − 6( ) + 9( ) = − +
4 3 2 2 2 4 3 2 4 3 2
1 15 14 3 65 114 45
⇒ 𝐸 (𝑥 ) = − + − + + − + = 1.0833
4 4 3 2 4 3 2
∴ 𝐸 (𝑥 ) = 1.03333
Para calcular el segundo momento
0 2 3
∫ 𝑥 2 𝑓𝑋(𝑥 )𝑑𝑥 + ∫ 𝑥 2 𝑓𝑋(𝑥 )𝑑𝑥 + ∫ 𝑥 2 𝑓𝑋(𝑥 )𝑑𝑥 , 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑚𝑜𝑠 𝑝𝑜𝑟 𝑠𝑒𝑝𝑎𝑟𝑎𝑑𝑜
−1 1 2
0 0 0
𝑥5 0 1
⇒ ∫ 𝑥 𝑓𝑋(𝑥 )𝑑𝑥 = ∫ 𝑥 (𝑥 2 )𝑑𝑥 = ∫ 𝑥 4 𝑑𝑥 =
2 |−1 =
−1 −1 −1 5 5
2 2 2 2 1 2
⇒ ∫ 𝑥 𝑓𝑋(𝑥 )𝑑𝑥 = ∫ 𝑥 𝑥 − 2𝑥 + 1)𝑑𝑥 = ∫ 𝑥 − 2𝑥 + 𝑥 𝑑𝑥 = ∫ 𝑥 𝑑𝑥 − 2 ∫ 𝑥 𝑑𝑥 + ∫ 𝑥 2 𝑑𝑥
2 2( 2 4 3 2 4 3
1 1 1 1 2 1
2
𝑥5 2 𝑥4 𝑥 3 2 31 15 7 31 30 7
= |1 − 2 [ ] + |1 = − 2( ) + = − +
5 4 1 3 3 4 3 5 4 3
3 3 3 3 3
⇒ ∫ 𝑥 𝑥 − 6𝑥 + 9)𝑑𝑥 = ∫ 𝑥 − 6𝑥 − 9𝑥 𝑑𝑥 = ∫ 𝑥 𝑑𝑥 − 6 ∫ 𝑥 𝑑𝑥 + 9 ∫ 𝑥 2 𝑑𝑥
2( 2 4 3 2 4 3
2 2 2 2 2
3 3
𝑥5 3 𝑥4 𝑥3 211 65 91 211 390 171
= | 2 −6[ ] +9[ ] = − 6( ) + 9( ) = − +
5 4 2 3 2 5 4 3 5 4 3
1 31 30 7 211 390 171
⇒ 𝐸 (𝑥 2 ) = + − + + − + = 2.93333333
5 5 4 3 5 4 3
⇒ 𝑉𝑎𝑟(𝑥 ) = 𝐸 (𝑥 2 ) − [𝐸(𝑥 )]2 = 2.93333333 − 1.08332 = 1.75972
∴ 𝑉𝑎𝑟(𝑥 ) = 1.75972

10. Demostrar que si 𝑚𝑥 (𝑡) es la función generadora de momentos de una variable X, entonces
𝑑
a) 𝑑𝑡 𝐿𝑛(𝑚𝑥 (𝑡))|𝑡=0 = 𝐸 (𝑋)

Si 𝑚𝑥 (𝑡) es función gerenadora de X entonces 𝑚𝑥 (𝑡) = ∫ 𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥

1 ′ ∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥
′
⇒ 𝑚𝑥+1 (𝑡) = ∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥 ⇒ [ln(𝑚𝑥 (𝑡))] = = (𝑚𝑥 (𝑡)) = 𝑐𝑜𝑛 𝑡 = 0
𝑚𝑥 (𝑡) ∫ 𝑒 𝑥𝑡 𝑓𝑥(𝑥 )𝑑𝑥
∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥(𝑥 )𝑑𝑥 ∫ 𝑥𝑒 𝑥0 𝑓𝑥 (𝑥 )𝑑𝑥 ∫ 𝑥𝑓𝑥 (𝑥 )𝑑𝑥
⇒ = = = ∫ 𝑥𝑓𝑥(𝑥 )𝑑𝑥 = 𝐸(𝑥 ) = ln(𝑚𝑥 (𝑡))
∫ 𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥 ∫ 𝑒 𝑥0 𝑓𝑥(𝑥 )𝑑𝑥 ∫ 𝑓𝑥 (𝑥 )𝑑𝑥
 𝑑2
b) 𝑑𝑡 2 𝐿𝑛(𝑚𝑥 (𝑡))|𝑡=0 = 𝑉𝑎𝑟(𝑋)

∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥(𝑥 )𝑑𝑥
𝑇𝑒𝑛𝑖𝑎𝑚𝑜𝑠 𝐶𝑜𝑛 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑡
∫ 𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥
(∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥)(∫ 𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥) − (∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥)(∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥)
⇒ 2
(∫ 𝑒 𝑥𝑡 𝑓𝑥(𝑥 )𝑑𝑥)
(∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥)(∫ 𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥) − (∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥)(∫ 𝑥𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥)
= ′ 𝑠𝑖 𝑡 = 0
(∫ 𝑒 𝑥𝑡 𝑓𝑥 (𝑥 )𝑑𝑥)
2
⇒ ∫ 𝑥 2 𝑓𝑥 (𝑥 )𝑑𝑥 − (∫ 𝑥𝑓𝑥 (𝑥 )𝑑𝑥) = 𝐸 (𝑥 2 ) − [𝐸 (𝑥 )]2 = 𝑉𝑎𝑟(𝑥 )

12. Conteste:
a) Si X es una variable aleatoria tal que 𝐸 (𝑋) = 3 𝑦 𝐸 (𝑋 2 ) = 13, use la desigualdad de
Chebyshev para determinar una cota inferior para 𝑃(−2 < 𝑋 < 8)
Primero debemos de calcular la varianza de x, por lo que esta se ve como:
𝑉𝑎𝑟(𝑥 ) = 𝐸(𝑥 2 ) − [𝐸 (𝑥 )]2 = 13 − 32 = 4 ya que queremos calcular una cota inferior primero
debemos de determinar dónde está centrado dentro del intervalo (-2,8), siendo este centro 5
5
𝐶𝑜𝑚𝑜 𝜎 2 = 4 ⇒ 𝜎 = 2 ⇒ 𝑟 = = 2.5, 𝑎𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑 𝑑𝑒 𝐶ℎ𝑒𝑏𝑦𝑠ℎ𝑒𝑣
2
1 1 1
⇒ 𝑃(|𝑋 − 3| ≥ 5) ≤ = , 𝑎𝑠𝑖 𝑃 ( −2 < 𝑋 < 8) = 𝑃 (| 𝑋 − 3| ≥ 5) ≥ 1 −
(2.5)2 6.25 6.25
= 1 − .16 = .84
∴ 𝑃(−2 < 𝑋 < 8) = .84
b) Sea X una variable aleatoria con función de densidad de probabilidad dada por 𝑓𝑋(𝑥 ) =
1 6 1
𝐼 (𝑥 ) + 8 𝐼{0} + 8 𝐼{1}(𝑥 ) Para k=2 evaluar 𝑃 (|𝑋 − 𝜇𝑥 | ≥ 𝑘𝜎𝑥 ) (𝑐𝑜𝑛 𝜇𝑥 = 𝐸 (𝑋)). Compare
8 {−1}
con la cota dada por la desigualdad de Chebyshev
Estamos buscando la varianza, por lo que primero debemos de conocer la esperanza del
primer momento que seria
1 6 1 1 1
𝜇𝑥 = 𝐸 (𝑥 ) = −1 ( ) + 0 ( ) + 1 ( ) = − + = 0
8 8 8 8 8
Sustituimos en varianza
𝑉𝑎𝑟(𝑥 ) = 𝐸(𝑥 2 ) − [𝐸 (𝑥 )]2 = 𝐸(𝑥 2 ) − 02 = 𝐸 (𝑥 2 )
1 6 1 1 1 1 1 1
⇒ 𝐸(𝑥 2 ) = (−1)2 + 02 ( ) + 12 ( ) = + = 𝐶𝑜𝑚𝑜 𝜎 2 = ⇒ 𝜎 =
8 8 8 8 8 4 4 2
1
Como k=2 entonces buscamos 𝑃(|𝑋 − 𝜇𝑥 | ≥ 2𝜎𝑥 ), 𝑒𝑠 𝑑𝑒𝑐𝑖𝑟, 𝑃(|𝑋| ≥ 2 (2) = 𝑃(|𝑋| ≥ 1, y
como solo puede tomar valores -1,0,1
1 1 1
⇒ 𝑃(|𝑋| ≥ 1 = 𝑃 (𝑋 = −1,1) = + = = 𝑃 (|𝑋 − 𝜇𝑥 | ≥ 2𝜎𝑥 )
8 8 4
1
Ahora aplicamos la desigualdad, donde 𝑃(|𝑋 − 𝜇𝑥 | ≥ 𝑘𝜎𝑥 ) ≤ 2 𝑠𝑢𝑠𝑡𝑖𝑡𝑢𝑦𝑒𝑛𝑑𝑜
𝑘
1 1
⇒ 𝑃(|𝑋 − 𝜇𝑥 | ≥ 2𝜎𝑥 ) ≤ 2 =
2 4
c) Suponga que X es una variable aleatoria con media y varianza igual a 20. ¿Qué se puede
decir de 𝑃 (0 ≤ 𝑋 ≤ 40)?
 Como el intervalo es de [0,40] entonces el centro serio 20, por lo que se vería como
20 20
𝑃 (|𝑋 − 20| ≥ 20) 𝑎𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑 𝑒𝑛𝑡 𝑟 = 𝜎 = 20 = √20
√
1 1
⇒ 𝑃(|𝑋 − 20| ≥ 20) ≤ 2
=
(4.47) 20
1
⇒ 𝑃(0 ≤ 𝑋 ≤ 40) = 𝑃 (|𝑋 − 20| ≥ 20) ≥ 1 − = 1 − .05 = .95
20

1
14. Sea X una variable aleatoria con función de densidad 𝑓𝑥 (𝑥 ) = 2 𝑒 −|𝑥 𝐼ℝ (𝑥 )

a) Probar que si 𝑡 ∈ (−1,1), entonces la función generadora de momentos está dada por 𝑚𝑥 (𝑡) =
1
1−𝑡 2
∞ ∞ ∞ 0
1 1
𝑚𝑥 (𝑡) = ∫ 𝑒 𝑡𝑥 𝑓𝑥 (𝑥 )𝑑𝑥 = ∫ 𝑒 𝑡𝑥 𝑒 −|𝑥| 𝑑𝑥 = (∫ 𝑒 𝑡𝑥 𝑒 −𝑥 𝑑𝑥 + ∫ 𝑒 𝑡𝑥 𝑒 𝑥 𝑑𝑥 ) 𝑝𝑎𝑟𝑎 𝑥 ≥ 0
−∞ −∞ 2 2 0 −∞
∞ 0
1
⇒ (∫ 𝑒 (𝑡−1)𝑥 𝑑𝑥 + ∫ 𝑒 (𝑡+1)𝑥 𝑑𝑥 ) 𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑐𝑜𝑛 𝑡 ∈ (−1,1)
2 0 −∞
∞ 0
1 1
⇒ 𝑃𝑎𝑟𝑎 𝑥 ≥ 0 ∫ 𝑒 (𝑡−1)𝑥 𝑑𝑥 = ; 𝑃𝑎𝑟𝑎 𝑥 < 0 ∫ 𝑒 (𝑡+1)𝑥 𝑑𝑥 =
0 1−𝑡 −∞ 1+𝑡
1 1 1 1 (1 + 𝑡)(1 − 𝑡) 1
⇒ 𝑚𝑥 (𝑡) = ( + )= ( )= ÷∎
2 1−𝑡 1+𝑡 2 (1 − 𝑡)(1 + 𝑡) 1 − 𝑡2

b) Encontrar la esperanza de X.
1
Dado que 𝑓𝑥 (𝑥 ) = 2 𝑒 −|𝑥 entonces hacemos la integral dividiéndola cuando 𝑥 ≥ 0 y 𝑥 < 0
∞ 0 ∞
1 1
⇒ 𝐸(𝑥 ) = ∫ 𝑓𝑥(𝑥 )𝑑𝑥 = ∫ 𝑥 𝑒 𝑥 𝑑𝑥 + ∫ 𝑥 𝑒 −𝑥 𝑑𝑥
−∞ −∞ 2 0 2

Resolviendo la primera integral debemos de hacer un hacer por partes con u=x, du=𝑒 𝑥 𝑑𝑥
⇒ ∫ 𝑥𝑒 𝑥 𝑑𝑥 = 𝑥𝑒 𝑥 − ∫ 𝑒 𝑥 𝑑𝑥 = 𝑥𝑒 𝑥 − 𝑒 𝑥 𝑎𝑠𝑖 [(𝑥𝑒 𝑥 − 𝑒 𝑥 )]0−∞ = 0 ∗ 𝑒 0 − 𝑒 0 − lim (𝑥𝑒 𝑥 − 𝑒 𝑥 )
𝑥→−∞

0
1 1
𝐸𝑣𝑎𝑙𝑢𝑎𝑛𝑑𝑜 [(0 − 1)] − 0 = −1 ⇒ ∫ (−1)𝑑𝑥 = −
−∞ 2 2
Resolviendo la segunda integral debemos de hacer un hacer por partes con u=x, du=𝑒 −𝑥 𝑑𝑥
⇒ ∫ 𝑥𝑒 −𝑥 𝑑𝑥 = −𝑥𝑒 −𝑥 + ∫ 𝑒 −𝑥 𝑑𝑥 = −𝑥𝑒 −𝑥 − 𝑒 −𝑥 𝑎𝑠𝑖 [(−𝑥𝑒 −𝑥 − 𝑒 −𝑥 )]∞
0

= lim (−𝑥𝑒 −𝑥 − 𝑒 −𝑥 ) − (−(0𝑒 0 ) − 𝑒 0 )

𝑥→−∞
∞
1 1
𝐸𝑣𝑎𝑙𝑢𝑎𝑛𝑑𝑜 0 − (−1) = 1 ⇒ ∫ (1)𝑑𝑥 =
0 2 2
∞
1 1
⇒ 𝐸(𝑥 ) = ∫ 𝑓𝑥(𝑥 )𝑑𝑥 = − =0
−∞ 2 2
∴ 𝐸 (𝑥 ) = 0
 1
1
16. Sean 𝑎1 , 𝑎2 … 𝑎𝑛 números positivos. Se definen 𝑎𝐴 = 𝑛 ∑𝑛𝑖=1 𝑎𝑖 , 𝑎𝐺 = (∏𝑛𝑖=1 𝑎𝑖 )𝑛 , 𝑎𝐻 =
1
1 1 1 1 como las medias aritmética, geométrica y armónica, respectivamente. Usando la
( + +⋯+ ),
𝑛 𝑎1 𝑎:2 𝑎𝑛

desigualdad de Jensen, demuestre que 𝑎𝐻 < 𝑎𝐺 < 𝑎𝐴

1
𝑛 𝑛 𝑛 𝑛 𝑛
1 1 1
log ( ∑ 𝑎𝑖 ) ≥ ∑(log(𝑎𝑖 )) ⇒ ∑ 𝑎𝑖 ≥ (∏ 𝑎𝑖 ) ⇒ 𝑎𝐴 ≥ 𝑎𝐺 , 𝑎ℎ𝑜𝑟𝑎 𝑢𝑠𝑒𝑎𝑚𝑜𝑠 𝐽𝑒𝑛𝑠𝑠𝑒𝑛
𝑛 𝑛 𝑛
𝑖=1 𝑖=1 𝑖=1 𝑖=1
1
𝑛 𝑛 𝑛 𝑛 − 1
𝑛
1 1 1 1 1 1 1 1 1 𝑛 1
⇒ log ( ∑ ) ≥ ∑ (log ( )) ⇒ ∑ ≥ (∏ 𝑎𝑖 ) = ( ∗ ∗ …∗ ) = 𝑛
𝑛 𝑎𝑖 𝑛 𝑎𝑖 𝑛 𝑎𝑖 𝑎1 𝑎2 𝑎𝑛 √𝑎1 ∗ … ∗ 𝑎𝑛
𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛
1 1 1 1
= 1 ⇒ ∑ ≥ 1
(∏𝑛𝑖=1 𝑛 𝑎𝑖 (∏𝑛
𝑎𝑖 )𝑛 𝑖=1 𝑖=1 𝑎𝑖 )
𝑛
1
𝑛 𝑛
1
⇒ ≤ (∏ 𝑎𝑖 ) , 𝑒𝑠 𝑑𝑒𝑐𝑖𝑟 𝑎𝐻 ≤ 𝑎𝐺
1 𝑛 1
∑𝑖=1 𝑖=1
𝑛 𝑎𝑖
∴ 𝑎𝐻 < 𝑎𝐺 < 𝑎𝐴