Universidad Tcnica Federico Santa Mara

Departamento de Matemtica
Mat 042 - PROBABILIDAD Y ESTADISTICA
Profesor: Rubn Escanilla
Problema 1.- La funcin de distribucin de una variable aleatoria X es:

1 e x si x > 0
FX ( x ) =
0
en otro caso
2

Hallar la funcin densidad de la variable aleatoria Y = ln( X + 1)

Solucin:

FY ( y) = P(Y y) = P(ln(X + 1) y) = P(X e y 1) = 1 e (e

y
2
d
f Y ( y) =
FY ( y) = 2 e y 1 e y e ( e 1) y > 0
dy

1) 2

si y > 0

Problema 2.- Se denomina distribucin de Rayleigh, de parmetro b , a la de la variable

aleatoria X = Y

1
2

e y si y 0
1
con =
2b 2
en otro caso
0

donde Y tiene f.d.p f Y ( y ) =

a) Determinar la f.d.p. de X
b) Calcular P( X 2b / X b)
c) Calcular la probabilidad de que la variable aleatoria X sea inferior a su valor esperado.
Solucin:

1 e y si y 0

Obviamente, la f.d.a. de la v.a Y es: FY ( y) =

en otro caso

1 e x
FX (x ) = P(X x ) = P(Y x ) = P(Y x ) = FY (x ) =
0
2
2xe x si x > 0
d
f Y ( y) = (FX ( x )) =
dy
0
e.o.c.
1
2

si x > 0
e.o.c.

P(b X 2b) FX (2b) FX (b) e 0,5 e 2,0

=
=
0,77687
P ( X b)
1 FX (b)
e 0,5
Para la distribucin de Rayleigh de parmetro b , se verifica que:

b 2

y Var (X) = 2 b 2
E(X) =
2
2

P ( X 2b / X b) =

b 2
P(X < E(X)) = FX (
) = 1 e 4 0,544
2

x13

si x 0
FX ( x ) = e
Problema 3.- Sea X una variable aleatoria con f.d.a.
0
en otro caso

1
X3

Determinar la f.d.p. de la variable aleatoria: Y =

Solucin:

FY ( y ) = P(Y y ) = P(

f Y ( y) =

1
1
1
1
y ) = P ( X 3 ) = P ( X > 3 ) = 1 FX (3 ) si y > 0
3
y
y
y
X

1
3

1
3

4
3

4
3

d
y
y
(1 FX ( y )) = f X ( y )
=
e y si y > 0
dy
3
3

Problema 4.- Sea X una variable aleatoria con f.d.a. FX ( x ) = e e

a) Determinar su f.d.p.
b) Determinar la f.d.p. de la variable aleatoria: Y = e X

para cada x real.

Solucin:
a) Su f.d.p. es f X ( x ) = e x e e

definida en todos los reales.

b)

FY ( y) = P(Y y) = P(e X y) = P( X ln( y)) = P( X > ln( y)) = 1 FX ( ln( y)) si y > 0
f Y ( y) =

d
1
(1 FX ( ln( y))) = f X ( ln( y)) = e y si y > 0
dy
y

Problema 5.- Sea X una v.a. continua e Y una v.a. discreta tal que la funcin conjunta de
probabilidad est dada por:

x y e 2 x

f X ,Y ( x, y ) = y!
0

x > 0 y {0,1,2,...}
en otro caso

a) Encontrar la f.d.p. marginal de Y , fY ( y ) Qu f.d.p. conocida es?.

b) Encontrar la f.d.p. condicional X / Y = 2, f X / Y =2 ( x / y )
c) Encontrar E ( X / Y = 2) y Var ( X / Y = 2)
Solucin:

f Y( y ) =

x y e 2 x
1
1
dx = x y e 2 x dx = y (2 x ) y e 2 x dx
y!
y! 0
2 y! 0

Haciendo

el

variable
+

x y e2 x
1
1
u = 2 x du = 2dx f Y( y ) =
dx = x y e2 x dx = y (2 x ) y e2 x dx
y!
y! 0
2 y! 0
0
f Y( y ) =

1
du
1
1
( u ) y e u
= y +1 (u) y e u du = y +1 ( y + 1)
y

2 y! 0
2 2 y! 0
2 y!

f X /Y ( x / y) =

f X ,Y ( x, y )
fY ( y )

x y e 2 x
y!

1
2

y +1

y!

( y + 1)

cambio

de

f X / Y =2 ( x / y ) =

x 2 e 2 x
2!

1
2 3 x 2 e 2 x
x > 0 es decir X / Y = 2 (3, )
2
(3)

( 2 + 1)
2 2!
3
3
As E ( X / Y = 2) = y Var( X / Y = 2) =
2
4
2 +1

Problema 6.- Sean X e Y v.a. con densidad conjunta definida por:

4 x
f X ,Y ( x, y) =
0

1 x2 y 1 0 x 1
e.o.c.

Obtenga E (Y / X =
Solucin:

1
)
2

Como: f Y / X ( y / x) =

f X ( x) =

f X ,Y ( x, y )
f X ( x)
1

X ,Y

( x, y)dy =

f Y / X ( y / x) =
f

Y / X=

4 xdy = 4 x(1 (1 x

)) = 4 x 3 si 0 x 1. Luego:

1 x 2

f X ,Y ( x, y )
f X ( x)

1 ( y / x) =
2

necesitamos calcular la marginal de la v.a. X.

4x
1
= 2 si 1 x 2 y 1 para 0 x 1
3
4x
x
2

1
= 4 si 1 y 1 . Finalmente:
2
2
1

2
1

4
f
1 ( y) =
Y / X=
2

0
+

3
y 1
4
e.o.c.
1

1
3 2
7
2
E (Y / X = ) = yf
1 ( y ) dy = y 4dy = 2((1) ( ) ) =
2 Y / X = 2
4
8
3
4

Problema 7.- Se selecciona una m.a.s. de 16 observaciones de una distribucin normal con
media y desviacin estndar 12 y que se selecciona independientemente otra m.a.s. de 25
observaciones de una distribucin normal con la misma media y desviacin estndar 20. Sean

X y Y las medias muestrales de las dos muestras. Calcula P X Y < 5 .

Solucin: Dado que se trata de muestras aleatoria, X1, X2, . . . , X16, son iid N( , 122 ) y Y1,
Y2, . . . , Y25, son iid N( , 202 ). Por lo tanto, X N( , 122/16) y Y N( , 202/25). Como
las muestras son independientes, entonces, las variables anteriores son tambin independientes y
por lo tanto se tiene, X - Y N( - , 122/16 +202/25) = X - Y N( 0 , 122/16 +202/25) =
N( 0, 52 ). As,

) (

P X Y < 5 = P 5 < X Y < 5 = P( X Y < 5) P( X Y < 5) =

P(

X Y 0 5 0
X Y 0 5 0
<
) P(
<
) = FZ (1,0) FZ (1,0) = 0,68
5
5
5
5

Problema 8.- Se va a seleccionar una m.a.s. de tamao n de una distribucin normal con media

y varianza 2 = 9 . Determina el valor de n para el cual P X < 1 0,95 .

Solucin: X N( , 32/n). Entonces:

X
1
1
P X < 1 = P 1 < X < 1 = P
<
<
=
2
2
2
3
3
3

n
n
n

) (

n
n
n
n
P Z <
= FZ
FZ

P Z <

3
3 =
3
3

n
n
n
n
n
1 FZ
= 2 FZ
1 0,95 FZ
0,975
FZ
1,96

3
3
3
3
3
De donde n 35 .
Problema 9.- Considere una m.a.s. de tamao n y las distribuciones de tres estimadores de un
parmetro :

c 2

1 ~ N( +
,
(1 c)) ,
n
n
a)
b)
c)
d)

0<c<1

2 ~ N( ,
) 3 ~ N( ; 0,01 2 )
n

Comente las propiedades de Insesgamiento y Consistencia de los estimadores anteriores.

Para que valores de c el primer estimador es mejor que el segundo?
Para que tamao de muestra el segundo estimador es mejor que el tercero?
Si usted tuviera que estimar el parmetro Cul de los estimadores anteriores usara?.
Explique su eleccin.

Solucin:
a) El primer estimador es sesgado pues su media es

c
Su error cuadrtico medio es Var[1 ] + [E[1 ] - ]2 =
(1 c) +
0 , si n . As es
n
n
2

consistente.

El segundo estimador es insesgado y consistente: su valor medio coincide con el parmetro y

su varianza 2/n .0 si n .
El tercer estimador es insesgado pero no consistente, su media es , pero su varianza 0,012
0,012 0, si n .
a) El primer estimador es mejor que el segundo si:

equivalentemente:

c 2 2c < 0

2
n

(1 c) +

c2 2
<
n
n

Para solucionar la inecuacin anterior en c, recordemos que la parbola x2 + bx toma valores

negativos entre sus ceros es decir, 0 y b, as los valores de c que satisfacen la inecuacin
anterior, deben cumplir 0 < c < 2 y 0 <c <1.
c) Notar que ambos estimadores son insesgados, as, basta comparar sus varianzas 2 /n y
0,012 respectivamente, que coinciden con los errores cuadrticos medios correspondientes.
Claramente, el segundo es peor que el tercero si n < 100, igual si n = 100 y mejor si n>100.
d) Depende. Si n < 100 prefiero el tercero. Si n =100 el segundo o tercero da lo mismo. Si
n >100 prefiero el segundo. Si n > 100 y sabemos que c < 2, conviene el primero. Si n 100
y c < 2, con la informacin del enunciado no se puede saber si el 1 es mejor que el 3,
entonces, es preferible el estimador en 3, que al menos se sabe insesgado.
Problema 10.- Considere dos muestras aleatorias independientes de tamaos: n = 31 y m=61,
X 1 ,..., X 31 ; Y1 ,...,Y61 de la variables independientes X ~ N(1 , 2 ) ; Y ~ N( 2 , 2 )
respectivamente.
A partir de cada muestra se proponen los siguientes estimadores de la varianza 2 :

31

(X i X )2
i =1

2
X

30

; S

2
Y

61

i =1

(Yi Y ) 2

60
nS + mSY2
a) Demuestre que el estimador S 2 =
es mejor que los anteriores.
n+m
b) Considere el siguiente estimador de la varianza: S p2 = S X2 + SY2 .
Encuentre las
2
X

ponderaciones y de modo que el estimador anterior sea insesgado y an mejor que

S2.
SOLUCION
a)
Se sabe que ambos estimadores S2X y S2Y son estimadores insesgados de 2.
Ahora, con respecto a S2, se tiene que tambin es insesgado pues:

ES 2 =

nES X2 + mES Y2 n 2 + m 2
=
= 2
n+m
n+m

Adems se sabe que en el caso normal,

24/(61-1) = 24 0,017.
Adems, VarS 2 =

Var[S2X] = 24/(31-1) = 24 0,033 y

Var[S2Y] =

n 2VarS X2 + m 2VarS Y2
= 24 0,011
(n + m) 2

As el estimador anterior tiene menor varianza y por lo tanto es mejor que los dos anteriores.
b) Para el estimador S2p sea insesgado con respecto 2, los ponderadores deben sumar 1, +=
1, es decir, = 1- y la varianza queda:
Var [ S2p] = 2 24 0,033 + (1-)2 24 0,017
Derivando e igualando a cero, se tiene, 224 0,033 - 2(1-) 24 0,017 = 0
Resolviendo = 0,34 y = 1- = 0,66.
Una moraleja importante del ejercicio anterior es que la combinacin lineal de estimadores
produce estimadores mejores que los originales.

Problema 1.- Si la fdp de X es f ( x) = 6 x (1 x) , con 0 < x < 1, determine la fdp de las

siguientes variables aleatorias:
a) Y = 4 X2
b) Y = eX
c) Y = 1 / X
d) Y = ln X
Problema 2.- Se sabe que la funcin generadora de momentos de la suma de n v.a
independientes es igual al producto de las funciones generadoras de momentos de las variables
individuales, es decir:
M X1 + X 2 +...+ X n (t ) = M X1 (t )M X 2 (t )...M X n (t ) y adems se sabe que: M aX +b (t ) = e bt M X (at) . Probar
t
n

t
n

t
n

que M X (t ) = M X 1 ( ) M X 2 ( )...M X n ( ) . Si adems las v.a. X 1 , X 2 ,..., X n son idnticamente

distribuidas provenientes de una poblacin con funcin de distribucin FX (x ) . Probar que:
n

M X (t ) = M X ( ) . A partir de la frmula anterior y si E ( X ) = y Var( X ) = 2 . Muestre que:

n

E(X ) = y Var ( X ) =

2
n

Problema 3.- Considere dos muestras i.i.d. independientes entre s, provenientes de poblaciones
normales X 1 , X 2 ,..., X n , Y1 , Y2 ,..., Ym . La primera proviene de una poblacin normal con media
X y desviacin estndar X , la segunda tambin proveniente de una poblacin normal con
media Y y desviacin estndar Y .
a) Demuestre que la distribucin que sigue la v.a. T = X Y , con X e Y independientes, es
una normal con media T = X Y = X Y y desviacin estndar dada por

T = X Y = X 2 + Y 2
b) Si X N (4,1) y Y N (2,2) , variables independientes. Calcular P( X Y > 4) .
c) Demuestre que la distribucin que sigue la v.a. W = X Y es una normal con media

W = X Y = X Y y desviacin estndar dada por W = X Y =

X2

Y 2

n
m
d) La filtracin de agua a travs del suelo depende, entre otras cosas, de la porosidad (volumen
de los huecos del suelo). Para comparar dos clases de suelo arenoso se tomaron n=50
medidas de la porosidad del suelo A y m=100 medidas de la porosidad del suelo B.
Suponga que A 2 = 0,01 y B 2 = 0,01. Determine la probabilidad de que la diferencia entre
las medias muestrales se encuentre dentro de 0.05 unidades de la diferencia entre las medias
poblacionales A B .

Problema 4.- Si X tiene una distribucin binomial con n ensayos y una probabilidad de xito
p X , es decir, la v.a. X se puede considerar como la suma de una muestra que consta de ceros y
n

unos, X =

donde

i =1

1
Xi =
0

si el resultado del i simo ensayo es un xito

e.o.c.

las v.a. X i i = 1,2,..., n son independientes. Por consiguiente, cuando n es grande, la proporcin
de xitos PX =

X 1
=
n n

= X posee aproximadamente una distribucin normal con media

i =1

p X (1 p X )
. Considere PX y PY dos proporciones muestrales
n
independientes basadas en n y m pruebas, respectivamente, procedentes de dos poblaciones
binomiales cuyas probabilidades son p X y pY , respectivamente, y supongamos que n y m son
lo bastante grandes para tratar a PX y PY como v.a. normales. Probar que la diferencia de las
proporciones muestrales PX PY tiene una distribucin aproximadamente normal con media

p X y desviacin estndar

p X (1 p X ) p Y (1 pY )

n
m

PX PY = p x p y y desviacin estndar PX PY =

Problema 5.- Use la funcin generadora de momentos para hallar la distribucin de la variable
n

W=

donde Z1 , Z 2 ,..., Z n son v.a. i.i.d. de una poblacin normal con media 0 y desviacin

i =1

estndar 1. Indicacin: Recordar que si X Gamma ( , ) , la funcin generadora de momentos

1
1
es
si 0 t . Hallar P( Z 1 2 + Z 2 2 + Z 3 2 < 4) .

(1 t )
Problema 6.- Sean X 1 , X 2 ,..., X n i.i.d. con P( X i = 0) = a , P( X i = 1) = b y P( X i = 1) = c donde
a + b + c = 1 . Sea n un nmero fijo y defina S n =

i =1

a) Encuentre la media y la varianza de S n .

b) Encuentre la funcin generadora de momentos de S n .