Universidad Técnica Federico Santa Marı́a

Departamento de Matemática

Ejercicios Pre Certamen 2

1er Semestre de 2016

1. Sea Z una variable que se distribuye normal estándar.

(a) Demuestre que P(−a < Z < a) = 2FZ (a) − 1

(b) Demuestre que si Y = cZ entonces Y tiene una distribución normal de parámetros
µ = 0 y σ = c2
(c) Encontrar α tal que P(−α < Z < α) = 0, 8

2. (a) Sea T ∼ exp(λ). Determine la distribución de S = 1 − eλT .

(b) Sea 
F (x) =
0,
β

x≤0
1 − exp −αx , x > 0
i. Determine la funcion de densidad de X.
ii. Determine la distribución de Y = X β .
iii. Determine E(Y ) y V(Y ) a través de MY (t).

3. Sea X ∼ U − π2 , π2 , determine la función de probabilidad acumulada de Y = arctan(X).

4. Sea X ∼ P oisson(λ). Demuestre que la f.g.m. de X es

ϕX (t) = e[λ(e −1)]

t

5. Sea X una variable aleatoria con función densidad

|x|
1 −
f (x) = ·e θ , x∈R
2θ
(a) Determine F (x).
(b) Calcule MX (t).
(c) Determine la distribución de Y = |X|.

6. Demostrar que si X e Y son vv.aa. (continuas o discretas) independientes entonces

(a) E(X · Y ) = E(X) · E(Y )

(b) T = h(X) y W = g(Y ) también son vv.aa independientes.
→
−
7. Sea X = (X1 , X2 ) vector aleatorio binormal,

1 1 −1 t
f−
→ (x, y) = p
X
· e− 2 ·(x−µ,y−ν)·Σ (x−µ,y−ν) · IR×R (x, y)
2π · det(Σ)

Demuestre que si Cov(X, Y ) = 0 entonces X e Y son variables aleatorias independientes.

Probabilidad y Estadı́stica 1
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

8. Se lanzan 4 dados cada uno con dos caras 1, dos caras 2 y dos caras 3. Se define Xi como el
valor que toma el dado i-ésimo, para i = 1, 2, 3, 4.

(a) Se define X = máx {Xi : i = 1, 2, 3, 4}, encontrar la función de cuantı́a de X.

(b) Si Tim lanza los dados X1 , X2 y Bill lanza los dados X3 , X4 , encontrar la probabilidad
que la suma de los dados de Tim sea igual a la suma de los dados de Bill.
→
−
9. Sea X = (X1 , X2 , .., Xn ) un vector aleatorio que recoge los resultados de n lanzamientos de
una moneda, cada uno independiente del otro. Cada moneda tiene probabilidad p de que
salga cara.
Se define Y = X1 + X2 + ... + Xn

(a) Calcular P(X1 /Y = k).

(b) E(X1 /Y = k)

10. Sean X1 , X2 , ..., Xn ∼ exp(λ) encontrar la distribución de min {Xi : i = 1, 2, ..., n} y de

máx {Xi : i = 1, 2, ..., n}.

11. (a) Sea X una variable aleatoria con función densidad fX y W = √1 . Demostrar que si
X
fX es una función par
4 1
fW (w) = 3 · fX ( 2 )
w w
(b) ¿Puede una función densidad o cuantı́a tener en su recorrido valores mayores que 1?
Justifique y ejemplifique.
(c) ¿Puede una función densidad ser impar? Justifique.
1
12. Sea X ∼ fX ; X > 0. Demostrar que la función densidad de W = X
es

1 1
fW (w) = 2
· fX ( )
w w

13. Si X es una v.a Poisson (X ∼ P (λ) ), demostrar que:

∞
X x2n
(a) cosh(λ) =
n=0
(2n)!
(b) La probabilidad que X sea par es e−λ cosh(λ).

14. Si X es una variable aleatoria que toma valores en {0, 1, 2, ...} demostrar que:
∞
X
E(X) = P (X > k)
k=0

15. Sea X v.a. discreta con función de cuantı́a fX . Encontrar la función de cuantı́a de Z = g(X),
con g invertible.

Probabilidad y Estadı́stica 2