PROBABILIDAD y ESTADÍSTICA (61.06 - 81.

09)
Segundo recuperatorio Segundo cuatrimestre – 2017
Duración: 4 horas. 14/XII/17 – 9:00 hs.

1. Un coche de la lı́nea A del subte parte desde la terminal San Pedrito con 8 pasajeros.
El conductor anuncia que solo se detendrá en las estaciones Lima, Piedras, Perú o Plaza de
Mayo. Cada pasajero elige al azar la estación en que bajará. Calcular la probabilidad de que
exactamente 3 pasajeros bajen en la estación Lima y ninguno en Perú.

R. [Referencia:

Ejercicio 1.15] Se seleccionan los 3 pasajeros que se bajarán en la estación
Lima: hay 83 maneras diferentes de efectuar dicha selección. Se observa que los 5 pasajeros
restantes se pueden bajar en la estación Piedras o Plaza de Mayo: hay 25 maneras diferentes
en que pueden hacer eso. Como formas diferentes en que 8 pasajeros se pueden bajar al azar
en 4 estaciones hay 48 , se concluye que
8 5


3 2 7
p= 8
= = 0.02734.
4 256

2. Monk ingresa en un Rapipago para pagar una cuenta. El tiempo desde que ingresa en la
fila hasta que llega a la caja es una variable aleatoria con distribución uniforme entre 11 y
13 minutos, independientemente de esto el tiempo desde que llega a la caja hasta que paga
la cuenta también es uniforme pero entre 1 y 3 minutos. Sea Q la proporción del tiempo que
Monk esperará en la fila. Calcular P(Q > 6/7).

R. [Referencia: Ejercicio 2.22] Sean X e Y los tiempos en minutos desde que Monk ingresa
en la fila hasta que llega a la caja y desde que llega a la caja hasta que paga la cuenta. Como
el vector (X, Y ) se distribuye uniformemente sobre el cuadrado de lado 2, C = [11, 13] × [1, 3],
tenemos que
área(B ∩ C) área(B ∩ C)
P((X, Y ) ∈ B) = = , B ⊂ R2 .
área(C) 4
X
Como la proporción del tiempo que Monk esperará en la caja es Q = X+Y se tiene que

P (Q > 6/7) = P ((X, Y ) ∈ B) ,

donde B = (x, y) ∈ R2 : y < x


6 . Esto es ası́ porque

X 6 X
> ⇐⇒ 7X > 6(X + Y ) ⇐⇒ X > 6Y ⇐⇒ Y < .
X +Y 7 6
Como el área de B ∩ C es el área del trapecio de vértices (11, 1), (13, 1), 13, 13 11



6 , 11, 6 ,
tenemos que
11 13



6 −1 + 6 −1
área(B ∩ C) = (13 − 11) · = 2.
2
Por lo tanto, P(Q > 6/7) = 2/4 = 1/2.
3. Una urna contiene tres bolas numeradas 1, 2 y 3. Se extraen al azar dos bolas de la urna,
una por una y sin reposición. Sea X el número de la primera bola extraı́da e Y el número de
la segunda. Calcular cov(X, Y ).

R. [Referencia: Ejercicio 3.18] La distribución de (X, Y ) es equiprobable sobre el conjunto

A = {(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)}. Por lo tanto,
1
P(X = x, Y = y) = 1{(x, y) ∈ A}.
6
En consecuencia, las distribuciones marginales son equiprobables sobre el conjunto {1, 2, 3},
y por lo tanto E[X] = E[Y ] = 2. Observando que
3 X
X 3
E[XY ] = xy P(X = x, Y = y)
x=1 y=1
1·2+1·3+2·1+2·3+3·1+3·2
=
6
22 11
= = ,
6 3
se concluye que
11 1
cov(X, Y ) = E[XY ] − E[X]E[Y ] = −4=− .
3 3

4. Sea (X, Y ) un vector aleatorio con distribución uniforme sobre el recinto sombreado

1
2

0 1
1
2

Hallar y graficar la función de distribución de U = Y − X.

R. [Referencia: Ejercicio 4.28] Se quiere hallar la función de distribución de U = Y − X,

FU (u) = P(U ≤ u).
Indicamos mediante Λ al recinto sombreado, cuya área es 1/2. Como (X, Y ) se distribuye
uniformemente sobre Λ, tenemos que

área(B ∩ Λ)
P((X, Y ) ∈ B) = = 2 · área(B ∩ Λ), B ⊂ R2 .
área(Λ)
En particular, si para cada u ∈ R se define

Bu := {(x, y) ∈ R2 : y − x ≤ u} = {(x, y) ∈ R2 : y ≤ x + u}

se obtiene que

FU (u) = 2 · área(Bu ∩ Λ).

Observando que

 0 si u < −1,
 (1 + u)2 /2

si − 1 ≤ u < −1/2,


área(Bu ∩ Λ) = 1/8 si − 1/2 ≤ u < 0,
 1/8 + 1/2 − (1 − u)2 /2 si 0 ≤ u < 1/2,



1/2 si u ≥ 1/2,


se concluye que

 0 si u < −1,
 (1 + u)2

si − 1 ≤ u < −1/2,


FU (u) = 1/4 si − 1/2 ≤ u < 0,
 5/4 − (1 − u)2 si 0 ≤ u < 1/2,



1 si u ≥ 1/2.


El gráfico de la función de distribución de U se muestra en la siguiente figura:

1.0
0.8
0.6
F(u)

0.4
0.2
0.0

−2 −1 0 1 2

u
5. Un productor de limones tiene 3500 limoneros. La cantidad de limones que produce cada
limonero es una variable aleatoria Poisson de media 600. El peso (en gramos) de cada limón
es una variable aleatoria de media 100. Todas las variables involucradas son independientes.
Calcular la esperanza del peso de la producción de limones.

R. [Referencia: Ejercicio 5.22] El peso, W , de la producción de limones de un limonero

depende de la cantidad de limones que produce y del peso en gramos de cada limón. Si
denotamos mediante N a la cantidad de limones producidos por un limonero y mediante Lk
al peso en gramos del k-ésimo limón, tenemos que
N
X
W = Lk ,
k=1

donde N es una variable aleatoria con distribución Poisson de media 600 y Lk , k ∈ N,

son variables aleatorias de media 100. Como N, L1 , L2 . . . son independientes tenemos que
E[W |N ] = 100N , y en consecuencia,

E[W ] = E[E [W |N ]] = E[100N ] = 100E[N ] = 100 · 600 = 60000.

El peso de la producción es la suma de los pesos de 3500 limoneros: W1 , . . . , W3500 , y como

Wi ∼ W para todo i, tenemos que

"3500 # 3500
X X
E Wi = E[Wi ] = 3500E[W ] = 210000000.
i=1 i=1

Por lo tanto, la esperanza de la producción de limones para un productor que tiene 3500
limoneros es 210 toneladas.
 PROBABILIDAD y ESTADÍSTICA (61.09 - 81.04)
Segundo recuperatorio Segundo cuatrimestre – 2017
Duración: 4 horas. 14/XII/17 – 9:00 hs.

1. Un coche de la lı́nea A del subte parte desde la terminal San Pedrito con 8 pasajeros.
El conductor anuncia que solo se detendrá en las estaciones Lima, Piedras, Perú o Plaza de
Mayo. Cada pasajero elige al azar la estación en que bajará. Calcular la probabilidad de que
exactamente 3 pasajeros bajen en la estación Lima y ninguno en Perú.

R. [Referencia:
Ejercicio 1.15] Se seleccionan los 3 pasajeros que se bajarán en la estación

8
Lima: hay 3 maneras diferentes de efectuar dicha selección. Se observa que los 5 pasajeros
restantes se pueden bajar en la estación Piedras o Plaza de Mayo: hay 25 maneras diferentes
en que pueden hacer eso. Como formas diferentes en que 8 pasajeros se pueden bajar al azar
en 4 estaciones hay 48 , se concluye que
8 5


3 2 7
p= 8
= = 0.02734.
4 256

2. Una urna contiene tres bolas numeradas 1, 2 y 3. Se extraen al azar dos bolas de la urna,
una por una y sin reposición. Sea X el número de la primera bola extraı́da e Y el número de
la segunda. Calcular cov(X, Y ).

R. [Referencia: Ejercicio 3.18] La distribución de (X, Y ) es equiprobable sobre el conjunto

A = {(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)}. Por lo tanto,
1
P(X = x, Y = y) = 1{(x, y) ∈ A}.
6
En consecuencia, las distribuciones marginales son equiprobables sobre el conjunto {1, 2, 3},
y por lo tanto E[X] = E[Y ] = 2. Observando que
3 X
X 3
E[XY ] = xy P(X = x, Y = y)
x=1 y=1
1·2+1·3+2·1+2·3+3·1+3·2
=
6
22 11
= = ,
6 3
se concluye que
11 1
cov(X, Y ) = E[XY ] − E[X]E[Y ] = −4=− .
3 3
3. Sea (X, Y ) un vector aleatorio con distribución uniforme sobre el recinto sombreado

1
2

0 1
1
2

Hallar y graficar la función de distribución de U = Y − X.

R. [Referencia: Ejercicio 4.28] Se quiere hallar la función de distribución de U = Y − X,

FU (u) = P(U ≤ u).
Indicamos mediante Λ al recinto sombreado, cuya área es 1/2. Como (X, Y ) se distribuye
uniformemente sobre Λ, tenemos que

área(B ∩ Λ)
P((X, Y ) ∈ B) = = 2 · área(B ∩ Λ), B ⊂ R2 .
área(Λ)

En particular, si para cada u ∈ R se define

Bu := {(x, y) ∈ R2 : y − x ≤ u} = {(x, y) ∈ R2 : y ≤ x + u}

se obtiene que

FU (u) = 2 · área(Bu ∩ Λ).

Observando que

 0 si u < −1,
 (1 + u)2 /2

si − 1 ≤ u < −1/2,


área(Bu ∩ Λ) = 1/8 si − 1/2 ≤ u < 0,
1/8 + 1/2 − (1 − u)2 /2 si 0 ≤ u < 1/2,




1/2 si u ≥ 1/2,


se concluye que

 0 si u < −1,
 (1 + u)2

si − 1 ≤ u < −1/2,


FU (u) = 1/4 si − 1/2 ≤ u < 0,
5/4 − (1 − u)2 si 0 ≤ u < 1/2,




1 si u ≥ 1/2.


El gráfico de la función de distribución de U se muestra en la siguiente figura:

 1.0
0.8
0.6
F(u)

0.4
0.2
0.0

−2 −1 0 1 2

4. A partir de las 10:00 clientes arriban a la fila de un banco de acuerdo con un proceso de
Poisson de intensidad 2 por minuto. Calcular la probabilidad de que a las 10:03 haya al menos
3 clientes en la fila, sabiendo que el primer cliente arribó antes de las 10:01.

R. [Referencia: Ejercicio 7.1] Poniendo el 0 a las 10:00 y usando el minuto como la unidad
de la escala, el intervalo (0, 1] representa el minuto que transcurre desde las 10:00 hasta las
10:01, y el intervalo (1, 3] los dos minutos que transcurren desde las 10:01 hasta las 10:03.
Sea N (a, b) la cantidad de clientes que arriban a la fila durante el intervalo (a, b]. Se quiere
calcular P(N (0, 3) ≥ 3|N (0, 1) ≥ 1).
Observando que P(N (0, 3) ≥ 3|N (0, 1) ≥ 1) = 1 − P(N (0, 3) ≤ 2|N (0, 1) ≥ 1), el prob-
lema se reduce a calcular P(N (0, 3) ≤ 2|N (0, 1) ≥ 1). Usando la definición de probabilidad
condicional y que N (0, 3) = N (0, 1) + N (1, 3) se obtiene que

P(N (0, 1) ≥ 1, N (0, 3) ≤ 2)

P(N (0, 3) ≤ 2|N (0, 1) ≥ 1) =
P(N (0, 1) ≥ 1)
P(N (0, 1) ≥ 1, N (0, 1) + N (1, 3) ≤ 2)
= .
P(N (0, 1) ≥ 1)
Para calcular la probabilidad del evento A := {N (0, 1) ≥ 1, N (0, 1) + N (1, 3) ≤ 2} se lo puede
descomponer de la siguiente manera:

A = {N (0, 1) = 1, N (1, 3) ≤ 1} ∪ {N (0, 1) = 2, N (1, 3) = 0}.

Usando la aditividad de la probabilidad y la propiedad de independencia de los incrementos

del proceso de Poisson sobre intervalos disjuntos se obtiene que

P(A) = P(N (0, 1) = 1)P(N (1, 3) ≤ 1) + P(N (0, 1) = 2)P(N (1, 3) = 0)

Debido a que la intensidad del proceso de arribos es 2, se tiene que N (a, b) tiene la distribución
Poisson de media 2(b − a), i.e.,

(2(b − a))n
P(N (a, b) = n) = e−2(b−a) .
n!
En particular,
2m 4n
P(N (0, 1) = m) = e−2 y P(N (1, 3) = n) = e−4 .
m! n!
En consecuencia,

P(N (0, 1) = 1) = P(N (0, 1) = 2) = 2e−2 ,

P(N (1, 3) = 0) = e−4 ,
P(N (1, 3) ≤ 1) = P(N (1, 3) = 0) + P(N (1, 3) = 1) = e−4 + 4e−4 = 5e−4 .

De donde se concluye que

P(A) = 2e−2 · 5e−4 + 2e−2 · e−4 = 12e−6 ,

y como P(N (0, 1) ≥ 1) = 1 − P(N (0, 1) = 0) = 1 − e−2 se obtiene que

12e−6
P(N (0, 3) ≤ 2|N (0, 1) ≥ 1) = = 0.0344.
1 − e−2
Por lo tanto,

P(N (0, 3) ≥ 3|N (0, 1) ≥ 1) = 0.9656.

5. El control de recepción para lotes de varillas consiste en seleccionar 5 varillas al azar

del lote y aceptarlo solamente si se encuentran al menos 4 varillas de longitud admisible y
ninguna corta. Si las longitudes de las varillas son independientes y cada varilla es de longitud
admisible con probabilidad 0.8, corta con probabilidad 0.05, y larga con probabilidad 0.15,
calcular aproximadamente la probabilidad de aceptar al menos 60 lotes de un total de 100
lotes revisados.

R. [Referencia: Ejercicio 6.15 y Ejercicio 8.12] Sean X1 , . . . , X100 100 variables aleatorias
independientes idénticamente distribuidas, cada una con distribución Bernoulli (p), donde p
es la probabilidad de aceptar un lote revisado: Xi = 1 significa que se acepta el lote i y Xi = 0
que se lo rechaza. Con
P esa nomenclatura la cantidad de lotes aceptados de un total de 100
revisados es S100 := 100i=1 Xi . De acuerdo con el Teorema central del lı́mite
! !
S100 − 100p x − 100p x − 100p
P (S100 ≤ x) = P p ≤p ≈Φ p .
100p(1 − p) 100p(1 − p) 100p(1 − p)
Sean La , Lc y Lℓ las cantidades de varillas admisibles, cortas y largas, respectivamente, entre
5 varillas examinadas. La probabilidad p de aceptar un lote es

p = P(La ≥ 4, Lc = 0) = P(La = 4, Lℓ = 1) + P(La = 5)

= 5(0.8)4 (0.15) + (0.8)5 = 0.63488.
p
Como 100p = 63.488 y 100p(1 − p) = 4.8146 tenemos que
 
x − 63.488
P (S100 ≤ x) ≈ Φ .
4.8146

Como S100 tiene la distribución Binomial, usaremos la corrección por continuidad:

100
!  
X 59.5 − 63.488
P (S100 > 59.5) = 1 − P Xi ≤ 59.5 ≈ 1 − Φ
4.8146
i=1
= 1 − Φ(−0.82813) = 1 − 0.20375 = 0.79625.