Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1. Cada d́ıa Lucas elige para ir a su trabajo el tren, con probabilidad 0,9, o el colectivo. Cuando elige el tren, la probabilidad de que llegue tarde a su trabajo es 0,05, mien- tras que cuando llega tarde la probabilidad de que haya elegido el colectivo es 0,4. Sabiendo que el 9 de junio Lucas eligió el colectivo para ir a su trabajo, calcular la probabilidad de que haya llegado tarde. Sean: T : Lucas elige el tren C : Lucas elige el colectivo L : Lucas llega tarde Se tiene: P (T ) = 0, 9, P (C) = 0, 1, P (L|T ) = 0, 05, P (C|L) = 0, 4. Hay que cal- cular P (L|C). Aplicando la fórmula de Bayes: P (L|C) = P (C|L)P (L) P (C) Por probabilidad total es P (L) = P (L|T )P (T )+P (L|C)P (C). Haciendo p = P (L|C): p = 0, 4(0, 05× 0, 09 + 0, 1p) 0, 1 de donde p = 0, 3 2. Monk, Lucas e Iñigo viajan hacia Mar del Plata en distintos autos. Monk va pri- mero, Lucas segundo e Iñigo tercero. En cada instante, la distancia entre Monk y Lucas y la distancia entre Lucas e Iñigo son variables aleatorias independientes con distribución exponencial de media 100 metros. Si en cierto instante la distancia entre Monk e Iñigo no supera 150 metros calcular la probabilidad de que en ese instante la distancia entre Monk y Lucas sea mayor que 100 metros. Sean X ∼ exp(1/100), la distancia de Monk a Lucas e Y ∼ exp(1/100) la distancia de Lucas a Iñigo. Hay que calcular P (X > 100|X + Y ≤ 150). Entonces: P (X > 100|X + Y ≤ 150) = P (X > 100 ∧X + Y ≤ 150) P (X + Y ≤ 150) Para calcular las probabilidades en el segundo miembro de la expresión anterior lo más práctico en este caso es integrar la densidad conjunta fXY sobre las regiones co- rrespondientes a los eventos para lo cual siempre es conveniente hacer un gráfico xy (HACERLO). Dado que X e Y son independientes, fXY es el producto de las densi- dades marginales y el soporte de esta densidad conjunta es todo el primer cuadrante. Entonces: P (X > 100 ∧X + Y ≤ 150) = ∫ 150 100 ∫ 150−x 0 fX(x)fY (y)dydx 1 = ∫ 150 100 fX(x) ∫ 150−x 0 fY (y)dydx Por propiedad de la distribución exponencial: ∫ 150−x 0 fY (y)dy = 1− e−(150−x)/100. Con este resultado y la expresión de fX(x), reemplazando y operando en la integral doble resulta: P (X > 100 ∧X + Y ≤ 150) = ∫ 150 100 fX(x)dx− ∫ 150 100 1 100 e−1,5dx esto es FX(150)− FX(100)− 0, 5e−1,5 u 0, 03318. Para calcular P (X + Y ≤ 150) se puede seguir el camino anterior integrando fXY sobre la región correspondiente o también, como alternativa, utilizar el hecho de que X + Y es suma de exponenciales independientes y entonces X + Y ∼ Γ(2, 1/100). Por propiedad de la distribución gamma: P (X + Y ≤ 150) = 1− 1∑ k=0 1, 5ke−1,5 k! u 0, 44217 Finalmente: P (X > 100|X + Y ≤ 150) u 0, 03318 0, 44217 u 0, 075 3. Sea (X, Y ) un punto aleatorio con distribución uniforme sobre el paralelogramo de vértices (0,0), (1,1), (0,1) y (1,2). Calcular cov(X, Y + X). Sea R el paralelogramo definido en el enunciado (DIBUJARLO). Entonces R = {(x, y) ∈ R2/0 ≤ x ≤ 1, x ≤ y ≤ x+ 1}. El área de R es 1 y (X, Y ) es uniforme sobre R por lo tanto es fXY (x, y) = 1{(x, y) ∈ R}. Por propiedades de la covarianza: cov(X, Y + X) = cov(X, Y ) + cov(X,X) = cov(X, Y ) + V (X) Se calculan entonces: E[X] = ∫ ∫ R xfXY (x, y)dxdy = 1/2 E[Y ] = ∫ ∫ R yfXY (x, y)dxdy = 1 (el paralelogramo tiene un centro geométrico (1/2,1) que coincide con el centro de masa (E[X],E[Y ]) cuando la densidad es constante) E[X2] = ∫ ∫ R x2fXY (x, y)dxdy = 1/3 E[XY ] = ∫ ∫ R xyfXY (x, y)dxdy = 7/12 2 V (X) = E[X2]− E2[X] = 1/12 cov(X, Y ) = E[XY ]− E[X]E[Y ] = 1/12 Resulta: cov(X, Y + X) = 1/12 + 1/12 = 1/6. 4. El diámetro en dm, de cierto tipo de naranjas es una variable aleatoria X con den- sidad: fX(x) = 2(1− x)1{0 ≤ x ≤ 1} Las naranjas se clasifican de la siguiente forma: de tipo 1 si X ≤ 1/4, de tipo 2 si 1/4 < X ≤ 1/2, de tipo 3 si X > 1/2. Hallar la función de probabilidad del tipo de naranja. Sea la variable discreta T : tipo de naranja, con valores en {1, 2, 3}. Entonces: P (T = 1) = P (X ≤ 1/4) = ∫ 1/4 0 fX(x)dx = 7/16 P (T = 2) = P (1/4 < X ≤ 1/2) = ∫ 1/2 1/4 fX(x)dx = 5/16 P (T = 3) = P (X ≥ 1/2) = ∫ 1 1/2 fX(x)dx = 1/4 con lo cual queda definida la función p(t) = P (T = t). 5. Sean X e Y dos variables aleatorias con densidad conjunta fXY (x, y) = 1 x e−(x+ y x )1{x > 0, y > 0} Hallar la función de distribución de E[Y 2|X]. La densidad conjunta puede escribirse fXY (x, y) = fX(x)fY |X=x(y) siendo: fX(x) = e −x1{x > 0} fY |X=x(y) = 1 x e− y x1{y > 0, x > 0} Resultan X ∼ exp(1), Y |X = x ∼ exp(1/x). Por lo tanto: E[Y |X = x] = x V (Y |X = x) = x2 E[Y |X] = X V (Y |X) = X2 Entonces: E[Y 2|X] = V (Y |X) + E2[Y |X] = 2X2. Hay que hallar la función de distribución de 2X2. Haciendo V = 2X2: FV (v) = P (V ≤ v) = P (2X2 ≤ v) = P (X ≤ √ v/2) = FX( √ v/2) dado que son X > 0, V > 0. Entonces: FV (v) = ( 1− e− √ v/2 ) 1{v > 0}. Jorge Comas 3
Compartir