Estadstica I. Informtica/I.

en Tecnologas de la
Informacin
Gua para el estudio de la Unidad 1
febrero de 2015

Dr. Vctor Hernndez

Dr. Jorge Martn
Dr. Jos Antonio Carrillo

Departamento de Estadstica e Investigacin operativa

Universidad Nacional de Educacin a distancia

ndice general

ndice general
0

Organizacin del curso

0.1. Desarrollo de los contenidos . . . . . . . . .
0.2. Evaluacin . . . . . . . . . . . . . . . . . . .
0.3. Contacto con el Equipo docente . . . . . .
0.4. Correcciones y revisiones de los exmenes

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

1
1
2
3
4

Gua para el estudio de la Unidad 1

1.1. George Plya . . . . . . . . . . . . . . . . . . . .
1.1.1. Cuatro principios . . . . . . . . . . . . .
1.2. Recomendaciones para el estudio . . . . . . . .
1.3. Ejercicios de la primera unidad didctica . . .
1.3.1. Manejo del formalismo de los sucesos
1.3.2. Propiedades de la probabilidad . . . .
1.3.3. Modelos probabilsticos . . . . . . . . .
1.3.4. Ejemplo de modelo probabilstico . . .
1.3.5. Ejemplo de modelo probabilstico . . .
1.3.6. Dgitos aleatorios . . . . . . . . . . . . .
1.3.7. Probabilidades condicionadas . . . . .
1.3.8. Ejemplo de modelo dinmico . . . . .
1.3.9. Ejemplos de modelos dinmicos . . . .
1.3.10. Aplicacin de la frmula de Bayes . . .
1.3.11. Independencia de sucesos . . . . . . .
1.3.12. Clculo con sucesos independientes .
1.3.13. Clculo con sucesos independientes .
1.3.14. Clculo con variables aleatorias . . . .
1.3.15. Clculo con variables aleatorias . . . .
1.3.16. Clculo con variables aleatorias . . . .
1.3.17. Clculo con variables aleatorias . . . .
1.3.18. Clculo con variables aleatorias . . . .
1.3.19. Clculo con vectores aleatorios . . . .
1.3.20. Clculo con vectores aleatorios . . . .
1.3.21. Clculo de valores esperados . . . . . .
1.3.22. Clculo con vectores aleatorios . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

5
5
7
8
9
9
10
11
12
12
12
13
13
13
14
15
15
16
16
16
16
17
17
17
18
18
18

.
.
.
.

Captulo

1
Gua para el estudio de la Unidad
1

1.1.

George Plya
Si un problema te resulta muy difcil, trata de resolver primero otro similar ms sencillo. G . PLYA .

PLYA , naci en Budapest en 1887 y muri en Palo Alto, California, en

1985. En 1905 se matricul en la universidad de Budapest para estudiar leyes, pero lo encontr muy aburrido y, despus de un semestre, abandon
los estudios. Entonces, estudi Literatura y Lengua durante dos aos, materias que haban sido sus asignaturas favoritas en el bachillerato, y lleg a
obtener un certificado que le permita ser profesor de Latn y Hngaro en la
enseanza secundaria. Como le interesaba mucho por la Filosofa, uno de
sus profesores le recomend que hiciera algunos cursos de Fsica y Matemticas para entender mejor esta materia. As comenz a asistir a clase con
el clebre matemtico FEJR e inici su camino como matemtico.
En 1940 se traslad a los Estados Unidos, donde fue profesor de las universidades Brown y Stanford.
Ha sido uno de los grandes matemticos del siglo XX. Ha investigado en
anlisis complejo, fsica matemtica, teora de la probabilidad, geometra y
combinatoria. Adems, fue un gran profesor y pedagogo de las matemticas.
No slo le interesaba lograr resultados, sino entender cmo se descubren las
matemticas.

Yo empec tarde a estudiar matemticas. . . cuando aprenda algo de

ellas pensaba: bien, as es, la demostracin parece concluyente, pero cmo puede la gente encontrar tales resultados? Mi dificultad con
las matemticas no estaba en entender sus resultados, estaba en comprender cmo se descubran.

Mster en Formacin del profesorado. UNED

Figura 1.1: Dos fotografas de Plya a lo largo de su vida

Sus ideas acerca de las reglas del descubrimiento en matemticas estn

recogidas en dos de sus libros How to solve it? (Cmo resolverlo?) y Matemticas y razonamiento plausible, que suponen un hito en la enseanza de
las matemticas. Su libro How to solve it est traducido a diecisiete idiomas
y de l se han vendido ms de un milln de ejemplares. En sus libros no se
limita a dar consejos generales para resolver problemas matemticos, sino
que los pone en prctica, aplicndolos a diversos problemas. Sus consejos
constituyen un declogo para aqullos que tratan de resolver formalmente
un problema, sea o no de Matemticas.
. . . para resolver un problema, lo primero es entenderlo: Quin entiende mal, responde mal. Debemos ver claramente el fin que queremos
alcanzar: piensa en el final antes que en el principio. Este es un antiguo consejo, en latn se deca respice finem.
Desafortunadamente, muchas personas comienzan por especular, hablar, e incluso obrar meticulosamente, sin haber entendido el fin por
el que deben trabajar. El tonto se preocupa de los comienzos, el sabio
presta atencin al final. Si el fin del problema no est claro en nuestra mente, fcilmente nos extraviaremos y lo abandonaremos. El sabio
comienza por el final, el tonto por el principio. G . PLYA .

Por su inters en averiguar las reglas del descubrimiento, es decir, el medio de adquirir conocimiento, PLYA es un pionero de la Inteligencia artificial. Uno de los sus importantes mtodos es el denominado heurstico:
La esencia de la heurstica es estudiar los mtodos y las reglas del descubrimiento y la invencin. . . . Heurstico es un adjetivo que significa
sirve para descubrir . . . En qu consiste una buena educacin? En
dar los estudiantes la oportunidad de descubrir por s mismos, sistemticamente. (G . PLYA )

1.1. George Plya

Sus ideas de adquisicin del conocimiento por especializacin y generalizacin son hoy de uso comn en Inteligencia artificial. Tambin fue el
primero en plantearse la necesidad de crear una lgica del razonamiento
plausible y estudiar sus reglas de clculo. Una lgica que trate de las proposiciones sobre las que no estamos seguros de su verdad; fue el primero en
sealar la probabilidad como una medida apropiada para expresar y calcular con nuestra creencia en que de una proposicin es verdadera.

1.1.1. Cuatro principios

Las enseanzas de PLYA se pueden resumir en cuatro principios generales que, si bien no recogen toda sus enseanza, son una buena gua para
enfrentarse con cualquier problema.
1.1.1.1.

Primer principio: entender el problema

Parece obvio, pero con mucha frecuencia no se resuelve un problema

sencillamente porque no se entiende su enunciado. Lo primero que PLYA
nos aconseja es a hacernos preguntas como: entiendo todas las palabras
que aparecen en la formulacin?, qu tengo que hacer?, puedo formular
el problema con mis propias palabras?, puedo encontrar un grfico o diagrama que me ayude a entenderlo?, hay suficiente informacin para resolverlo?
1.1.1.2.

Segundo principio: trazar un plan

PLYA opina que hay diversas estrategias razonables de enfrentarse con

un problema. La eleccin de una u otra depende de nuestra experiencia.
Algunas de las estrategias que propone y que en sus libros muestra cmo
aplicarlas a problemas concretos son:
1. Conjetura y comprueba. 2. Haz una lista ordenada de casos y elimina
posibilidades. 3. Emplea la simetra. 4. Considera casos especiales. 5. Plantea y resuelve una ecuacin. 6. Busca un patrn. 7. Haz un dibujo. 8. Resuelve un problema ms simple. 9. Plantea un modelo hacia atrs. 10. S
ingenioso.

1.1.1.3.

Tercer principio: lleva a cabo tu plan

Este paso requiere, cuidado, paciencia y, posiblemente, clculo. Hay que

ser persistentes y no abandonar a la primera. Si a pesar de ello no da resultado, elegiremos otro plan.
1.1.1.4.

Cuarto principio: mira hacia atrs

El mejor fruto de nuestro esfuerzo se logra cuando, una vez resuelto el

problema, nos tomamos el tiempo necesario para reflexionar sobre lo que
hemos hecho. Esto nos permite, en el futuro, escoger bien la estrategia de

Mster en Formacin del profesorado. UNED

nuestro plan. Este paso de mirar atrs es uno de los que conducen a ms
descubrimientos.
La mayora, cuando consigue resolver un problema o intuir su solucin,
por el procedimiento que sea, se siente tan contenta que abandona con un
suspiro de alivio. Esa es una manera burocrtica de estudiar que considera
que aprender es cubrir un expediente y marcharnos a casa en cuanto suene
la hora de salida. Por el contrario, resolver un problema supone que hemos
alcanzado una mejor compresin de ste, que ahora estamos en mejores
condiciones para comprenderlo an mejor, y que debemos continuar la exploracin.
Nota: Todas las referencias al libro, pginas, apartados, ejemplos, etc.,
lo son a la primera edicin de Modelos probabilsticos y Optimizacin. Ediciones acadmicas. Madrid 2011. En cada ejercicio se sealan los apartados
que hay que estudiar previamente.

1.2.

Recomendaciones para el estudio

Antes de pasar a las recomendaciones especficas para el estudio de esta

primera unidad, nos gustara dar un consejo general que puede parecer obvio: estudia el libro; slo el libro; no mires el correo electrnico, mejor an,
apaga el computador, el iphone o el telfono mvil, el mpX y cualquier otro
gadget que pueda distraerte; concentra tu atencin en el libro, lee el texto
con paciencia tratando de comprender la explicacin, repite los clculos de
los ejemplos y del texto; durante el tiempo de estudio, sea mucho o poco,
no hagas otra cosa ms que estudiar. Ms tarde, pon a prueba lo aprendido
con los ejercicios que proponemos. Recuerda a DONALD KNUTH, un hombre
que es alguien en la Ciencia de los computadores, reconoce no tener correo
electrnico, porque le distrae de su estudio.
Estudiar los fundamentos de la Probabilidad, la Inferencia y la Optimizacin que te proponemos exige asimilar ideas y hacerlas tuyas tras pasar
por el contraste de su experiencia y discusin, para ello debes dejar trabajar
sin trabas al computador ideal: tu cerebro.
La primera Unidad didctica trata el modelo matemtico de la probabilidad discreta, esto es, cmo definir una probabilidad sobre un espacio de
casos finito o numerable, y cules son los principales conceptos y sus propiedades asociadas. Adems de los conocer los resultados y aprender tcnicas, es muy importante aprender el lenguaje caracterstico de la materia; el
uso correcto de la notacin simplifica los clculos y sirve de comprobacin
ante los posibles errores. Un buen conocimiento de esta Unidad es crucial
para el desarrollo del estudio posterior, ya que en ella se establecen conceptos fundamentales en su forma ms simple.
Los contenidos de la Unidad fluyen siguiendo el esquema que se muestra en la figura 1.2. Este mismo esquema vale para la segunda unidad, donde
se repite este mismo estudio en el modelo de la probabilidad continua. Los
ejercicios que te proponemos sealan los apartados que es imprescindible

1.3. Ejercicios de la primera unidad didctica

Establecimiento
del Modelo

Funciones aleatorias
numricas

Funciones aleatorias
vectoriales

Figura 1.2: Contenidos de la primera Unidad

estudiar con detalle, para los restantes apartados basta con una lectura general.
Los tres conceptos principales de esta unidad son: 1. Modelo probabilstico, con sus dos componentes, la Probabilidad y los sucesos; si dominas
el lenguaje formal de los modelos probabilsticos, progresars rpidamente, los sucesos son conjuntos y se operan como conjuntos, la probabilidad
es una funcin definida sobre los sucesos. 2. Funciones sobre un modelo
probabilstico, ms conocidas como variables aleatorias a pesar de ser, conceptualmente, funciones; conviene leer con atencin el inicio del apartado
1.3. El concepto esencial aqu es el de distribucin de una variable aleatoria.
3. Vectores aleatorios, el concepto esencial es el de distribucin conjunta,
como descripcin de la variacin simultnea de dos o ms variables aleatorias; el ejemplo 1.23 es crucial para comprenderlo. El tiempo aconsejado
para estudiar esta unidad es de cuatro semanas, donde contamos una prima
por la puesta en marcha del curso. Recuerda que este captulo muestra conceptos fundamentales y que las Matemticas son una Ciencia acumulativa,
cunto mejor domines las ideas de esta unidad, ms fcilmente te hars con
las presentadas en las unidades posteriores.
Es muy importante asimilar perfectamente los ejemplos siguientes: 1.5
(por cierto, en este ejemplo hay un errata grfica, el modelo 1 est formado
por una bola roja y una azul), 1.6, 1.7, 1.8, 1.10, 1.12, 1.14, 1.16, 1.18, 1.23,
1.25, 1.27.

1.3.

Ejercicios de la primera unidad didctica

1.3.1. Manejo del formalismo de los sucesos

Este ejercicio requiere nicamente el estudio del apartado 1.1.1.
Parte A. La figura 1.3 muestra el diagrama de un circuito formado una
serie de dos conmutadores y un subcircuito de dos conmutadores en paralelo. Los conmutadores pueden estar abiertos o cerrados, si estn cerrados,
puede pasar la corriente, mientras que si estn abiertos, no puede pasar.
Designemos por A i al suceso el conmutador c i est cerrado, i = 1, . . ., 4.
Expresar en trminos de los A i , los sucesos definidos por:
1. La corriente puede pasar entre entre A y C .
2. La corriente no puede pasar entre entre C y D.
3. La corriente puede pasar entre entre A y D.

10

Mster en Formacin del profesorado. UNED

c4

c1
A

c2
B

C
c3

Figura 1.3:

4. La corriente no puede pasar entre entre B y D.

Parte B Si A, B y C son sucesos del lgebra A de un modelo probabilstico, expresar en trminos de A, B y C , y de las operaciones con conjuntos,
los siguientes sucesos definidos por:
a. Alguno de los sucesos A B, ocurre.
b. Al menos dos de los sucesos A, B C , ocurren.
c. Ninguno de los sucesos A B ocurre.
d. Exactamente uno de los sucesos A, B, C , ocurre.
e. A y B ocurren, pero C no.
f. Exactamente dos de los sucesos A, B C ocurren.

1.3.2. Propiedades de la probabilidad

Este ejercicio trata de las ideas y mtodos expuestos en el apartado 1.1.2.
Parte A. Si A y B son dos sucesos del lgebra A de un modelo probabilstico, expresar en trminos de las probabilidades P (A), P (B), y P (AB), las
probabilidades de los siguientes sucesos:
a. Al menos uno de los sucesos A o B ocurre.
b. Uno de los sucesos A o B ocurre.
c. Ninguno de los sucesos A o B ocurre.
Parte B. Si A y B son dos sucesos del lgebra A de un modelo probabilstico, expresar en trminos de P (A), P (B), y P (A B), las probabilidades de
los siguientes sucesos:
d. A c B c

1.3. Ejercicios de la primera unidad didctica

e. A c B c
f. A c B
g. A c B
h. A (A c B)

1.3.3. Modelos probabilsticos

Este ejercicio trata de las ideas y mtodos expuestos en los apartados
1.1.1, 1.1.2, y 1.1.3.
Plantear un modelo consiste en definir un espacio muestral que contiene todos los casos que consideramos posibles y asignar una probabilidad
a cada caso de manera acorde con las caractersticas del experimento, de
acuerdo con esa definicin, resolver las cuestiones siguientes:
1. Plantear un modelo del experimento aleatorio que consiste en lanzar
una moneda hasta que han aparecido por primera vez o dos caras o dos
cruces.
2. Plantear un modelo para el experimento que consiste en elegir al azar
un nmero de tres bits, x1 x2 x3 , donde xi = 0 1, entre todos los nmeros
posibles. Cuntos sucesos tiene el modelo? Cul es la probabilidad de que
se cumpla x1 + x2 + x3 0 mod (2)?
3. Plantear un modelo para el experimento que consiste en elegir al azar
un nmero de cuatro bits, x1 x2 x3 x4 , donde xi = 0 1, entre todos los nmeros posibles. Cuntos sucesos tiene el modelo? Cul es la probabilidad de
que se cumpla x1 + x2 + x3 + x4 0 mod (2)?
4. Plantear un modelo para el experimento que consiste en elegir al azar
un subconjunto de smbolos del alfabeto = {a, b, c, d} (el subconjuntos se
sortea entre todos los subconjuntos posibles, incluyendo a  y ). Cuntos
sucesos contiene este modelo? Escribir los casos favorables al suceso
A = el subconjunto elegido contiene la letra a
y calcular su probabilidad.
5. Consideremos un sorteo de un subconjunto del alfabeto = {a, b, c, d}
que consiste en una seleccin secuencial de los smbolos que formarn el
subconjunto, esa seleccin se realiza de la manera siguiente: lanzamos cuatro veces una moneda equilibrada, si en el primer lanzamiento sale cara,
escogemos la letra a para formar parte del subconjunto; si sale cruz, la rechazamos; si en el segundo lanzamiento sale cara, escogemos la letra b para
formar parte del subconjunto; si sale cruz, la rechazamos; as sucesivamente. Por ejemplo, si los cuatro resultados de lanzar la moneda son cruz, el
subconjunto elegido es . Definir un modelo probabilstico a este procedimiento de formar un subconjunto aleatorio y compararlo con los modelos
de los apartados 4 y 3.

11

12

Mster en Formacin del profesorado. UNED

1.3.4. Ejemplo de modelo probabilstico

Este ejercicio trata de las ideas y mtodos expuestos en los apartados
1.1.1, 1.1.2 y 1.1.3.
Una urna contiene 6 bolas numeradas de 1 a 6. Establecer un modelo
probabilstico para el experimento aleatorio que consiste en extraer tres bolas, sucesivamente, sin reemplazamiento.
1. Cul es la probabilidad de que el nmero de la primera bola sea menor que el nmero de la segunda bola?
2. Cul es la probabilidad de que el nmero de la segunda bola sea menor que el nmero de la tercera bola?
3. Cul es la probabilidad de que el nmero de la primera bola sea menor que el de la segunda y el de la segunda menor que el nmero de
la tercera bola?
Resolver estas mismas cuestiones en el caso general de una urna que contenga n bolas numeradas de 1 a n.

1.3.5. Ejemplo de modelo probabilstico

Este ejercicio trata de las ideas y mtodos expuestos en los apartados
1.1.1, 1.1.2, 1.1.3 y 1.1.4.
Plantear un modelo para el experimento aleatorio que consiste en ordenar en fila, al azar, tres tarjetas numeradas de 1 a 3.
1. Cul es la probabilidad de que las tarjetas 2 y 3 aparezcan antes
que la 1 ?
2. Cul es la probabilidad de que la tarjeta 1 no est en la primera posicin?
3. Cul es la probabilidad de que la tarjeta 1 no est en la primera posicin ni la tarjeta 2 en la segunda posicin?
4. Cul es la probabilidad de que ninguna tarjeta est en la posicin del
nmero que lleva escrito?

1.3.6. Dgitos aleatorios

Este ejercicio trata de las ideas y mtodos expuestos en los apartados
1.2.1, 1.2.2 y 1.2.3.
Resolver mediante un modelo dinmico el siguiente problema: de una
urna que contiene bolas numeradas de 1 a 9, extraemos bolas al azar. Sea P k
la probabilidad de que el primer 7 aparezca en la k-sima extraccin.
1. Calcular P k , suponiendo que las bolas se devuelven a la urna despus
de cada extraccin.

1.3. Ejercicios de la primera unidad didctica

2. Calcular P k , suponiendo que las bolas no se devuelven a la urna despus de cada extraccin.

1.3.7. Probabilidades condicionadas

Este ejercicio trata de las ideas y mtodos expuestos en el apartado 1.2.1.
Parte A. Lanzamos un dado equilibrado tres veces; si el resultado del
tercer lanzamiento ha sido 5, cul es la probabilidad de que sea mayor que
los dos anteriores?
Parte B. Lanzamos un dado equilibrado tres veces; si el segundo resultado es mayor que el primero, cul es la probabilidad de que el tercero sea
mayor que el primero?
Parte C. De una urna que contiene tres bolas rojas y cuatro azules se
extraen tres bolas. Si hay ms bolas rojas que azules entre las extradas, cul
es la probabilidad de que haya tres bolas rojas?
Parte D. Lanzamos cinco veces una moneda que tiene probabilidad de
cara igual a p; si en total han salido tres caras, cul es la probabilidad de que
el primer resultado de los cinco lanzamientos haya sido cara? Un emisor
enva un mensaje binario de longitud N bits a travs de un canal binario
simtrico con ruido cuya probabilidad de error al transmitir un bit es p; si
en total han ocurrido k errores, cul es la probabilidad de que haya un error
en el primer bit enviado?
Parte E. Lanzamos dos dados equilibrados dos veces cada uno; si las sumas de los resultados de cada dado son iguales, cul es la probabilidad de
que la suma comn sea 7?

1.3.8. Ejemplo de modelo dinmico

Este ejercicio trata de las ideas y mtodos expuestos en los apartados
1.2.1 y 1.2.2.
Lanzamos un dado y, si el resultado es menor o igual que 3, lo volvemos
a lanzar; cul es la probabilidad de que la suma de las puntuaciones obtenidas sea mayor que 4?

1.3.9. Ejemplos de modelos dinmicos

Este ejercicio trata de los contenidos expuestos en los apartados 1.2.1 y
1.2.2.
Parte A. Lanzamos un dado y, si el resultado es menor o igual que 3, lo
lanzamos otra vez; cul es la probabilidad de que la suma de las puntuaciones obtenidas sea menor que 5?

13

14

Mster en Formacin del profesorado. UNED

Parte B. Una urna contiene a bolas azules y b bolas rojas, otra urna contiene c bolas azules y d bolas rojas. Elegimos una bola al azar de la primera
urna y, sin mirar su color, la pasamos a la segunda; a continuacin sacamos
una bola al azar de la segunda urna; cul es la probabilidad de que sea azul?

1.3.10. Aplicacin de la frmula de Bayes

Este ejercicio trata de los contenidos expuestos en los apartados 1.2.1,
1.2.2 y 1.2.3.
Parte A. Consideremos tres sucesos A 1 , A 2 y A 3 , disjuntos y exhaustivos (soon disjuntos y su unin es ), tienen probabilidades 0.25, 0.25 y 0.5,
respectivamente. Un sistema de decisin automtica acta conforme a las
reglas siguientes:
1. Si ocurre A 1 , el sistema, con probabilidad 0.1, toma la decisin D1 y,
con probabilidad 0.9, la decisin D2 .
2. Si ocurre A 2 , el sistema, con probabilidad 0.1, toma la decisin D2 y,
con probabilidad 0.9, la decisin D3 .
3. Si ocurre A 3 , el sistema, con probabilidad 0.1, toma la decisin D3 y,
con probabilidad 0.9, la decisin D1 .
Se pregunta:
1. Cul es la probabilidad de que el sistema tome la decisin D1 ?
2. Si el sistema ha tomado la decisin D1 , cul es la probabilidad de que
haya ocurrido A 1 ?
3. Si el sistema no ha tomado la decisin D1 , cul es la probabilidad de
que no haya ocurrido A 1 ?
4. Si el sistema no ha tomado la decisin D1 , cul es la probabilidad de
que haya tomado la decisin D2 ?

Parte B. Dos monedas tienen probabilidades p 1 y p 2 , respectivamente, de que al lanzarlas aparezca cara. Elegimos una moneda por sorteo; con
probabilidad r se escoge la primera y con probabilidad 1 r la segunda. La
moneda elegida se lanza repetidas veces hasta que aparece la primera cara. Si la primera cara ha aparecido en el lanzamiento k-simo, cul es la
probabilidad de que estemos lanzando la primera moneda?

1.3. Ejercicios de la primera unidad didctica

15

1.3.11. Independencia de sucesos

Este ejercicio trata de los contenidos expuestos en el apartado 1.2.4.
Parte A. De una urna que contiene 6 bolas numeradas de 1 a 6. extraemos cuatro bolas, sucesivamente, sin reemplazamiento. Sea A i,j el suceso
el nmero de la bola i -sima es menor que el nmero de la bola j -sima.
1. Estudiar si los sucesos A 1,2 y A 2,3 son independientes.
2. Estudiar si los sucesos A 1,2 y A 3,4 son independientes.
Resolver el caso general, en el que suponemos que la urna contiene n bolas
numeradas de 1 a n.
Parte B. Lanzamos dos veces una moneda equilibrada; sea A el suceso
sale cara en el primer lanzamiento, B el suceso sale cara en el segundo
lanzamiento y C el suceso aparece una cara y una cruz. Estudiar si A, B y
C son independientes dos a dos y si son independientes.

1.3.12. Clculo con sucesos independientes

Este ejercicio trata de los contenidos expuestos en el apartado 1.2.4.
La figura 1.4 muestra el diagrama de un circuito formado por cuatro conmutadores dispuestos en una serie con un subcircuito intermedio de dos en
paralelo. Los conmutadores pueden estar abiertos o cerrados, si estn ce-

c3

c1
A

c4
C

c2

Figura 1.4:

rrados, puede pasar la corriente, mientras que si estn abiertos, no puede

pasar. Supongamos que cada conmutador est cerrado con probabilidad p,
con independencia del estado de los restantes.
1. Cul es la probabilidad de que la corriente pueda pasar entre A y D?
2. Si la corriente puede pasar entre entre B y C , cul es la probabilidad
de que pueda pasar entre A y D?.
3. Si la corriente puede pasar entre entre A y C , cul es la probabilidad
de que el conmutador c 2 est cerrado?.

16

Mster en Formacin del profesorado. UNED

1.3.13. Clculo con sucesos independientes

Este ejercicio trata de los contenidos expuestos en los apartados 1.2.2 y
1.2.4.
Parte A. Lanzamos tres veces una moneda que tiene probabilidad p de
cara; si sabemos que ha aparecido al menos una cara, cul es la probabilidad de que hayan aparecido dos?
Parte B. Si lanzamos dos veces una moneda que tiene probabilidad x de
cara y luego otras dos veces, cul es la probabilidad P (x) de que aparezcan tantas caras en la primera serie de lanzamientos como en la segunda?
Representar grficamente P (x). Cul es el valor de x que hace mnima la
probabilidad P (x)?
Parte C. Lanza n veces una moneda que tiene probabilidad p de cara,
si sabemos que han aparecido al menos k caras, cul es la probabilidad de
que hayan aparecido k + 1?

1.3.14. Clculo con variables aleatorias

Este ejercicio trata de los contenidos expuestos en los apartados 1.3 y
1.3.1.
Una urna contiene 3 bolas azules y 3 rojas. Extraemos repetidas bolas
sin devolverlas a la urna, hasta que aparece una bola roja. Sea X el nmero
de bolas que hemos extrado. Hallar la funcin de probabilidad de X . Calcular E{X }. Si A es el suceso A = {X > 1}, calcular P (X = k | A), comparar este
resultado con la propiedad de falta de memoria de la distribucin geomtrica, descrita en el apartado 1.4.3.

1.3.15. Clculo con variables aleatorias

Este ejercicio trata de los contenidos expuestos en los apartados 1.3,
1.3.1, 1.3.2, 1.3.3 y 1.3.5.
De una urna que contiene tres bolas rojas y tres bolas azules, extraemos
bolas sucesivamente, sin devolverlas a la urna, hasta haber extrado dos bolas rojas; designemos por X el nmero de bolas extradas (por ejemplo, si la
primera es roja, la segunda y tercera azules y la cuarta roja, entonces X = 4);
hallar la funcin de probabilidad de X y calcular E{X }, 2X y H (X ).

1.3.16. Clculo con variables aleatorias

Este ejercicio trata de los contenidos expuestos en los apartados 1.3,
1.3.1, 1.3.2, 1.3.3 y 1.3.5.
Ana lanza una moneda que tiene probabilidad p de cara, observa el resultado y, a continuacin, lanza otra moneda que tiene probabilidad r de

1.3. Ejercicios de la primera unidad didctica

cara; si sale cara en el el segundo lanzamiento, Ana le dice a Beln el resultado del primero; si sale cruz en el segundo lanzamiento, Ana miente a Beln
y le dice lo contrario de lo que sali en el primer lanzamiento. Beln anota 1
si Ana dice cara y anota 0 si Ana dice cruz; si X es el nmero anotado por
Beln, hallar la funcin de probabilidad de X y calcular la entropa de X ,
H (X ); comparar H (X ) con la entropa de la distribucin de BERNOULLI de
parmetro p, H (p). Indicacin: repasar la definicin y grfica de H (p) (pg.
65).

1.3.17. Clculo con variables aleatorias

Este ejercicio trata de los contenidos expuestos en los apartados 1.3,
1.3.1, 1.3.2, 1.3.3 y 1.3.5.
Lanzamos una moneda que tiene probabilidad de cara igual a p; si sale
cara, elegimos al azar un nmero del conjunto {1, 2, 3}; si sale cruz, elegimos
al azar un nmero del conjunto {2, 3, 4}. Sea X el nmero elegido, se pide:
1. Hallar la funcin de probabilidad de X .
2. Calcular E{X } y H (X ).
3. Si X = 2, cul es la probabilidad de que haya salido cara?

1.3.18. Clculo con variables aleatorias

Este ejercicio trata de los contenidos expuestos en los apartados 1.3,
1.3.1, 1.3.2, 1.3.3 y 1.3.5.
Lanzamos un dado dos veces. Designemos por X 1 y X 2 los resultados
del primer y segundo lanzamiento, respectivamente. Sean U y V el mayor y
menor, respectivamente, de los resultados obtenidos
U = max(X 1 , X 2 ),

V = min(X 1 , X 2 )

1. Representar el histograma de la funcin de probabilidad de X = U V

y calcular su valor esperado E{X }.
2. Si A = {X 1 = 2}, hallar la distribucin de la variable condicionada U | A.

1.3.19. Clculo con vectores aleatorios

Este ejercicio trata de los contenidos expuestos en los apartados 1.5,
1.5.1, 1.5.2, 1.5.3 y 1.5.7.
Lanzamos tres veces una moneda cargada de manera que la probabilidad de salir cara es p. Sea X la variable aleatoria nmero de caras en los
dos primeros lanzamientos, e Y la variable aleatoria nmero de caras en
los dos ltimos lanzamientos.
1. Hallar la tabla de la distribucin conjunta de (X , Y ).
2. Calcular E{X | Y = i }.

17

18

Mster en Formacin del profesorado. UNED

1.3.20. Clculo con vectores aleatorios

Este ejercicio trata de los contenidos expuestos en los apartados 1.5.1,
1.6 y 1.6.1.
Lanzamos un dado tres veces. Sean X 1 , X 2 y X 3 los resultados obtenidos
en cada lanzamiento. Consideremos las variables Y2,1 e Y3,1 que indican si
los resultados del segundo y tercer lanzamiento han sido, o no, mayores que
el resultado del primero.

Y2,1 =

si X 2 > X 1

si X 2 X 1


Y3,1 =

si X 3 > X 1

si X 3 X 1

(1.1)

Hallar la tabla de la distribucin conjunta. Calcular E{Y2,1 } y 2Y2,1 . Son independientes Y2,1 y Y3,1 ? Calcular H (Y3,1 ).

1.3.21. Clculo de valores esperados

Este ejercicio trata de los contenidos expuestos en los apartados 1.3.3,
1.5.3, 1.5.4, 1.5.5, 1.5.6.
Sean X e Y dos variables tales que E{X } = 1, E{Y } = 0, 2X = 2, 2Y = 3 y
X ,Y = 1; calcular
1. E{X 2 Y 2 }
2. E{(2X Y )2 }

1.3.22. Clculo con vectores aleatorios

Este ejercicio trata de los contenidos expuestos en los apartados 1.5 ,
1.5.1, 1.5.2, 1.5.3 y 1.5.7.
Lanzamos un dado tres veces. Sean X 1 , X 2 y X 3 los resultados obtenidos
en los lanzamientos. Consideremos las variables
X = max(X 1 , X 2 ),

Y = max(X 2 , X 3 )

Se pide
1. Hallar la tabla de la distribucin conjunta de (X , Y ).
2. Hallar la distribucin marginal de X .
3. Calcular E{X } de dos maneras: a partir de la distribucin conjunta y a
partir de la marginal de X .
4. Calcular X ,Y .
5. Calcular E{X | Y = j }.
6. Calcular P (X = k | X 1 = i )