Guia Probabilidad 3
Guia Probabilidad 3
Guia Probabilidad 3
FACULTAD DE CIENCIAS
FÍSICAS Y MATEMÁTICAS
UNIVERSIDAD DE CHILE
MA 3403, 09/11/17, Prof. R. Gouet.
Guía de Ejercicios #3
1. El CEI ha instalado un kiosco donde ofrece mote con huesillo a los 1250 asistentes a un evento
social. Se sabe que cada persona decide independientemente de las demás el número X de vasos que
consumirá, el cual puede considerarse como una va discreta con valores en el conjunto {0, 1, 2, 3}
y probabilidades p0 = 0.1, p1 = 0.6, p2 = 0.2, p3 = 0.1. La empresa debe encargar previamente el
número total de vasos a un proveedor, siendo muy importante que nadie se quede sin su mote con
huesillo pero al mismo tiempo, intentando que no sobren demasiados porque eso iría a pérdida.
(a) Calcule la esperanza y la varianza de la v.a. M definida como el número total de vasos consu-
midos en el evento.
(b) Muestre que la función de distribución FM (x) de la va M es aproximadamente Φ( x−1625
27.58 ), donde
Φ es la función de distribución de la v.a. normal N (0, 1).
(c) Use el resultado de la parte (b) para calcular aproximadamente el número de vasos N que
debe encargar al proveedor, de manera que la probabilidad de que todos queden satisfechos sea
superior a 0.95. Exprese su resultado en términos de Φ o su inversa.
6. Sean X, Y v.a. independientes uniformes en [−1, 1]. Obtenga la densidad de las siguientes v.a.
(a) X + Y
(b) X − Y
(c) XY
(d) X/Y
(e) X 2 + Y 2
1
La densidad exponencial con parámetro λ es λe−λx , x > 0.
7. Sean X, Y v.a. independientes, ambas con densidad exponencial de parámetro λ. Determine la
densidad conjunta del vector (U, V ), donde U = X/Y , V = X 2 + Y 2
8. Sean X, Y v.a. independientes normales N (0, 1) y U una v.a. uniforme en [0, 1], independiente de
X, Y . Muestre que la v.a.
UX + Y
Z=√
U2 + 1
tiene ley normal N (0, 1). Ind: use probabilidades totales, condicionando en U .
9. Un profesor afectado por el stress, sale a tomar aire y realiza un paseo de tipo aleatorio en la
calle Beauchef. El paseo consiste en dar, cada 10 segundos, un paso hacia adelante o uno hacia
atrás, con probabilidades 1/2, 1/2, independientemente unos de otros. Suponga que cada paso mide
exactamente 40 centímetros. Aplique el Teorema Central de Límite (TCL) para calcular (aproxi-
madamente) la probabilidad de que el profesor se encuentre a menos de 4 metros de su punto de
partida, al cabo de 1 hora de paseo. Exprese su resultado en términos de la función Φ (distribución
de una N (0, 1)).
10. Se sabe que una fábrica produce un 10% de artículos defectuosos. De qué tamaño se debe tomar
una muestra (MAS) de artículos de manera que la proporción de defectuosos en la muestras sea
inferior a 12% con probabilidad al menos 99%? Ind: suponga que dispone de una MAS del modelo
de Bernoulli con p = 0.1 y aplique el TCL para aproximar la probabilidad, luego despeje n de la
desigualdad resultante.
11. Considere el siguiente método muy rudimentario para calcular π. Se lanzan n puntos al azar en un
cuadrado unitario y se cuenta el número Nn de puntos que están a una distancia ≤ 1/2 del centro
del cuadrado.
12. La duración de una componente electrónica es una v.a. T positiva, con densidad de probabilidad
f (t|θ) = 1θ e−t/θ , t ≥ 0, θ > 0, donde θ > 0 es un parámetro desconocido que se quiere estimar, a
Pn de una muestra de tiempos de duración T1 , T2 , . . . , Tn iid. Muestre que el estimador θ̂ = T n =
partir
i=1 Ti es insesgado para θ.
13. El número de fallas de una máquina, durante le intervalo de tiempo [0, t] (expresado en horas) se
puede modelar como una v.a. K con función de probabilidad de Poisson, dada por
e−θt (θt)k
p(k|θ) = ,
k!
donde k = 0, 1, 2, . . . , t > 0 y θ > 0 es un parámetro desconocido que se requiere estimar, a partir
de una muestra K1 , K2 , . . . , Kn iid.
2
14. Dadas observaciones iid X1 , X2 , . . . , Xn de un modelo de Poisson de parámetro λ. Interesa estimar la
probabilidad del valor 0, es decir, g(λ) = Pλ (X1 = 0) = e−λ . Para ello consideramos tres estimadores:
Muestre que el primer estimador es sesgado y los dos últimos son insesgados para g(λ).
15. Considere X1 , X2 , . . . , Xn va iid del modelo uniforme en [0, θ], con θ > 0 parámetro desconocido.
Considere los estimadores de θ dados por
θb2 (X1 , X2 , . . . , Xn ) = X n .
Estudie insesgamiento y error cuadrático medio de ambos estimadores.
16. Sean X1 , X2 , . . . , Xn va iid N (0, 1). Sea A = (aij ) una matriz invertible n × n y Σ = (σij ) := AAt .
Se definen las va
Xn
Yi = aij Xj , i = 1, . . . , n.
j=1