You are on page 1of 14

GUA DE ESTUDIO DE LA ASIGNATURA

GRADO

PROBABILIDAD. MODELOS PROBABILSTICOS


2 PARTE | PLAN DE TRABAJO Y ORIENTACIONES PARA SU DESARROLLO

2014-2015

Pilar Gutirrez Lpez y Juan Antonio Vicente Vrseda


GRADO EN ECONOMA

UNIVERSIDAD NACIONAL DE EDUCACIN A DISTANCIA

PROBABILIDAD. MODELOS PROBABILSTICOS

1.- PLAN DE TRABAJO


Se propone el siguiente plan de trabajo:
Semana
Semana 1

Temas
Tema 1:
Probabilidad

Semana 2

Tema 2:
Variable aleatoria unidimensional

Semana 3

Tema 3:
Variable aleatoria bidimensional

Semana 4

Tema4:
Caractersticas de las distribuciones
de
probabilidad

Semana 5

Tema 5:
Funcin caracterstica

Semana 6

Tema 6:
Modelos de probabilidad discretos

Semana 7

Tema 7:
Modelos de probabilidad continuos

Semana 8

Semana 9

Tema 8:
Regresin y correlacin

Semana 10

Tema 9:
Convergencia

Semana 11
Semana 12

Actividades
Comprender el concepto de experimento aleatorio
Entender la idea de suceso
Dominar el concepto fundamental de probabilidad
Dominar los teoremas del Clculo de Probabilidades
Comprender el concepto de independencia de sucesos
Comprender el concepto de variable aleatoria
Diferenciar los tipos de variables aleatoria
Conocer y manejar la funcin de distribucin
Conocer y manejar la funcin de densidad
Saber realizar los cambios de variable aleatoria
Manejar la funcin de distribucin bidimensional
conjunta
Diferenciar los tipos de variables bidimensionales
Conceptos de variables bidimensionales condicionales
Independencia de variables
Caractersticas asociadas a una distribucin
Interpretacin de las caractersticas
Concepto de esperanza matemticas y propiedades
Significado de los momentos respecto al origen y a
la media
Medidas de dispersin. Utilidad de las mismas
Teorema de Markov y desigualdad de Tchebychef
Medidas de asimetra y curtosis
Moda, mediana y cuantiles
Funcin caracterstica: manejo y utilidad
Funcin generatriz de momentos:manejo y utilidad
Conocer los modelos de probabilidad discretos elementales
Identificar y manejar la distribucin Binomial y la Poisson
Conocer otras distribuciones como Binomial negativa,
hipergeomtrica, geomtrica y multinomial
Conocer y manejar la distribucin uniforme
Conocer, manejar, identificar y utilizar la distribucin normal
Conocer las distribuciones derivadas de la normal y su
2
manejo: n de Pearson, tn de Student y Fn,m de Snedecor
Aplicacin de las distribuciones anteriores en Inferencia
Otras distribuciones: gamma, beta, logstica y de Pareto
Manejo de Tablas estadsticas
Conocer el concepto de regresin y saber utilizarlo
Entender e interpretar la idea de correlacin
Aplicaciones
Distribucin normal bidimensional
Concepto de convergencia de variables aleatorias y tipos
Leyes lmite
Ley dbil de los grandes nmeros y teoremas
Ley fuerte de los grandes nmeros y teoremas
Teoremas centrales del lmite

Revisin

Semana 13

|Nombre y Apellidos

El estudio de cualquier asignatura requiere una labor previa que consiste en el anlisis del programa y la
estimacin del tiempo disponible para el estudio de cada uno de los temas que componen dicho programa.
El cronograma anterior se propone, a ttulo orientativo, en funcin de la dificultad e importancia de los
distintos contenidos.

2.- ORIENTACIONES PARA EL ESTUDIO DE LOS CONTENIDOS


Antes realizar algunas indicaciones para el estudio de la asignatura, conviene sealar que el estudio de esta
asignatura exige un buen nivel de conocimientos matemticos. De hecho, la Estadstica utiliza las
Matemticas como lenguaje y soporte, y la teora que iremos construyendo este curso se apoya en
conceptos que los alumnos han aprendido a lo largo de su vida acadmica, no slo en los ltimos aos. Por
ello consideramos imprescindible que se revisen dichos conceptos, con objeto de poder abordar esta
materia.
El estudio de esta asignatura exige un buen nivel de conocimientos matemticos. De hecho, la Estadstica
utiliza las Matemticas como lenguaje y soporte, y la teora que iremos construyendo este curso se apoya en
conceptos que los alumnos han aprendido a lo largo de su vida acadmica, no slo en los ltimos aos. Por
ello consideramos imprescindible que se revisen dichos conceptos, con objeto de poder abordar esta
materia.
A modo de ejemplo, podemos citar algunos captulos que son bsicos para la comprensin de la Estadstica
y que es preciso dominar con cierta soltura:
-

Potenciacin, trigonometra y progresiones aritmticas y geomtricas pueden aparecer en cualquier


momento en desarrollos tericos y prcticos.

Las leyes de monotona, cuyo conocimiento ayudar, por ejemplo, a entender la funcin de
distribucin
-El manejo de la combinatoria es obligado para la resolucin de problemas de probabilidad.

El nmero e, la frmula de Leibnitz y los logaritmos aparecern con frecuencia en los temas de este
programa.

Ser preciso interpolar en mltiples ocasiones, por ejemplo, cuando no dispongamos del valor
exacto en las tablas estadsticas.

El estudio de la funcin caracterstica exige, no slo el conocimiento del nmero e, sino tambin el
de los nmeros complejos.

La funcin de variable real es imprescindible para el desarrollo terico de varios captulos de esta
asignatura.

UNIVERSIDAD NACIONAL DE EDUCACIN A DISTANCIA

PROBABILIDAD. MODELOS PROBABILSTICOS


-

Finalmente, es imprescindible el clculo integral, sin cuyo dominio no se puede manejar la funcin de
distribucin o las transformaciones de variables aleatorias. Sin olvidar tampoco que el alumno debe
saber derivar con igual facilidad.

Creemos que con esta relacin, y sin nimo de ser exhaustivos, queda claro el hecho de que la Estadstica
se asienta sobre la base de las Matemticas, que se utilizan de un modo piramidal, y que cada paso al
siguiente escaln exige el afianzamiento del anterior.
Orientaciones para el estudio
Al abordar el estudio de esta asignatura, el alumno se va a encontrar con una serie de conceptos que
probablemente sean nuevos para l. Debe intentar comprenderlos razonadamente, ayudndose de ejemplos
explicativos y no avanzar en el aprendizaje de un nuevo tema sin tener bien claros los conceptos previos.
El estudio debe enfocarse utilizando la lgica y el razonamiento ms que a travs de un excesivo esfuerzo
memorstico. Por ello, es aconsejable hacer las demostraciones oportunas a fin de no abusar de la memoria
y de utilizar la razn.
Al finalizar el aprendizaje de un tema, es conveniente realizar ejercicios de carcter prctico relativos al
mismo e intentar resolverlos sin consultar las soluciones hasta que se llegue a un resultado final, que deber
comprobarse para verificar el nivel de aciertos y errores. Todo ello le sirve al alumno de autoevaluacin.
Es conveniente volver a estudiar aquellos temas en los que se cometan errores, con el propsito de
afianzarlos por completo, y adems, repetir los ejercicios pensando el mtodo, qu se hace, cmo se hace y
por qu, evitando siempre actuaciones mecnicas.
Los temas propuestos en el programa estn estructurados siguiendo un orden lgico de progreso en el
conocimiento y, por ello, no es posible estudiar un determinado captulo sin tener bien aprendidos y
afianzados los anteriores.
Vamos a relacionar a continuacin, someramente, la finalidad didctica que se desea cubrir en cada uno de
los temas y algunos comentarios sobre su estudio.
Captulo 1. Probabilidad
Este es el captulo base de toda la teora estadstica. En l se desarrollan los conceptos sobre los que se
asienta el resto de temas del programa. Seguiremos utilizndolos a lo largo del curso, dando por sentado
que son conocidos; por tanto, recomendamos estudiar especialmente cada una de las definiciones y
teoremas del captulo.
Quiz pueda ser conveniente citar expresamente la axiomtica de la probabilidad, cuyo olvido conduce, con
demasiada frecuencia, a errores que pueden llegar a anular todo un examen. As, proporcionar una
probabilidad negativa, o mayor que uno, justifica de manera suficiente e inmediata un suspenso.
La definicin de probabilidad condicionada y los teoremas de probabilidad total y de Bayes, que el alumno
aprende en este captulo, se repiten insistentemente a lo largo del curso. Su importancia es de tal calibre
que, de un modo u otro, aparecen habitualmente en las pruebas que se plantean en los curso de Estadstica.

|Nombre y Apellidos
Captulo 2. Variable aleatoria unidimensional
Como en el captulo anterior, seguimos fundamentando la ciencia Estadstica, a un nivel algo ms avanzado,
pero en todo caso procurando los instrumentos que son de uso obligado en futuros desarrollos.
El alumno deba reconocer inmediatamente una variable aleatoria e identificarla como discreta (aquella que
puede tomar un nmero finito o infinita numerable de valores) o continua.
Las funciones de distribucin y de densidad deben dominarse completamente, ya que en el futuro sern el
medio que utilizaremos para identificar las distintas distribuciones de probabilidad.
En cuanto al cambio de variable aleatoria, aunque no se incluye siempre en los primeros cursos de
Estadstica, consideramos que es importante conocerlo.
Del mismo modo que hemos comentado respecto al captulo uno sera absurdo pasar al estudio del siguiente
tema si previamente no se entiende este.
Captulo 3. Variable aleatoria bidimensional
En este captulo se estudian conjuntamente dos variables aleatorias y no debieran plantear dificultad alguna,
ya que lo nico que haremos es reunir conceptos diferentes y relacionarlos. Pese a todo, es recomendable
que se procure adquirir agilidad en las aplicaciones prcticas, para evitar la confusin de conceptos y el
tropiezo con dificultades insalvables en el campo de la integracin que, volvemos a recomendar, se debe
revisar.
Captulo 4. Caractersticas de las distribuciones de probabilidad
Pese a riesgo de ser reiterativos, debemos advertir que nos encontramos ante un tema que constituye un
nuevo pilar de la asignatura, ya que uno de los objetivos fundamentales de la ciencia estadstica es la
explicacin y descripcin de una poblacin con una serie de parmetros que son llamadas caractersticas de
la distribucin que sigue dicha poblacin.
El operador esperanza matemtica es un nuevo y habitual instrumento de la Estadstica, que nos
proporciona las caractersticas fundamentales. Cualquier distribucin se identifica, como ya hemos sealado,
por sus funciones de densidad o de distribucin, pero adems es obligado es obligado reconocer su media,
varianza, desviacin tpica, etc.
No podemos dejar de aludir a la moda y a la mediana, caractersticas de gran importancia en la vida real, en
el campo econmico, farmacutico, mdico, etc.; quizs, y junto con la media y la varianza, las medidas que
cualquier alumno, que no tenga una carrera profesional ligada a la estadstica, va a encontrar con mayor
frecuencia.
Captulo 5. Funcin caracterstica
En este captulo volvemos a utilizar los conceptos que habamos fijado en los anteriores, concretamente, la
esperanza matemtica y los momentos.
La funcin caracterstica se utiliza muchsimo en la ciencia Estadstica, ya que identifica la funcin de
distribucin y es de fcil manejo en general, como, por ejemplo, en el caso de las bidimensionales.

UNIVERSIDAD NACIONAL DE EDUCACIN A DISTANCIA

PROBABILIDAD. MODELOS PROBABILSTICOS


En cuanto a la funcin generatriz de momentos, el manejo es muy similar al de la caracterstica y tiene una
aplicacin inmediata para el clculo de los diversos momentos respecto al origen.
Captulo 6. Modelos de probabilidad discretos
En este captulo, aparecen por primera vez algunos modelos tericos que reproducen el comportamiento
terico de diferentes fenmenos aleatorios que se presentan en el mundo real.
El modelo binomial, por su carcter dicotmica, es quiz el ms intuitivo de ellos y aplicable en mltiples
ocasiones a la realidad que nos rodea. En cuanto a la distribucin de Poisson, que se determin en sus
orgenes como lmite de la binomial se ha llamado tambin la de los sucesos raros y es de utilizacin
generalizada en Investigacin Operativa, concretamente en la Teora de Colas, que modeliza la atencin a
los usuarios que llegan a un punto de servicio. Ningn estadstico puede dejar de conocer, identificar y
manejar estas dos distribuciones fundamentales de nuestra asignatura y, en la misma lnea, ningn alumno
puede permitirse terminar el curso sin un eficaz dominio de las mismas.
Captulo 7. Modelos de probabilidad continuos
En este captulo, se estudia la distribucin ms importante de las conocidas por la ciencia Estadstica. Su
nombre, como es bien conocido, se le dio al entender que era la distribucin que describa la mayora de los
fenmenos aleatorios. Su importancia radica no slo en los que explica, sino en el hecho de ser distribucin
lmite de sucesiones de variables aleatorias con unas hiptesis dadas. Esta afirmacin se formaliza en los
teoremas centrales del lmite.
Por ello, no hay que insistir ms en la importancia de su estudio: la distribucin normal aparecer en el futuro
con gran frecuencia y no se puede obtener un grado de suficiencia en esta materia si no se domina
perfectamente la misma.
Las distribuciones derivadas de la normal tienen aplicacin inmediata en la inferencia estadstica, se utilizan
en contrastacin de hiptesis y construccin de intervalos de confianza.
En cuanto al manejo de las tablas estadsticas, que no figura como epgrafe, quiz constituye el segundo
objetivo en importancia de este tema. Las aplicaciones prcticas de las distribuciones, su utilizacin en la
vida real, pasa necesariamente por el correcto manejo de las tablas estadsticas.
Captulo 8. Regresin y correlacin
Nos encontramos otra vez con una aplicacin prctica de la Estadstica, de ms difcil interpretacin que
manejo matemtica.
Es adems un tema que un economista debe dominar totalmente con vistas al estudio de alguna de las
asignaturas que integran el plan de la carrera y tambin a muchos de los trabajos que pudieran desarrollar.
Aunque la primera aproximacin tiene un carcter intuitivo, la formalizacin y uso de la regresin y
correlacin suelen presentar algunas dificultades de orden prctico, como la falta de agilidad en los clculos.

|Nombre y Apellidos
Captulo 9. Convergencia
El concepto de convergencia de variables aleatorias y los teoremas que desarrollan constituyen un captulo
que consagra la aplicabilidad de la Estadstica. De hecho, es habitual que personas con un desconocimiento
absoluto de la Estadstica, pero que han asimilado el carcter prctico de la misma y lo han integrado en su
vocabulario, realicen afirmaciones sobre las leyes de los grandes nmeros.
Para estudiar este captulo, es previo y totalmente necesario revisar algunos conceptos matemticos como
los de sucesiones y convergencia, porque de otro modo ser totalmente imposible llegar a comprenderlo.
Pese al nmero de teoremas que constituyen la materia de este captulo, conviene recordar que su estudio
no supone una gran dificultad, y que entre todos ellos, los ms importantes son los teoremas centrales del
lmite. Este equipo docente es consciente de la dificultad matemtica que entraa la comprensin de los
distintos teoremas, pero entiende que debe realizarse un esfuerzo en este sentido. En cuanto a las
aplicaciones que se puedan plantear en los exmenes, las dificultades pueden derivarse ms de la
interpretacin que de la resolucin matemtica a que hubiera lugar.
3.- ORIENTACIONES PARA LA REALIZACIN DEL PLAN DE ACTIVIDADES
Medios y recursos
Para la realizacin de las actividades propuestas, el estudiante contar, fundamentalmente, con el texto de
referencia, el foro de debate de la asignatura moderado por el equipo docente, el foro del tutor y las tutoras
presenciales.
La guardia del equipo docente es el jueves de 16 a 20 horas. Los telfonos son 91 398 63 92-94 y el nmero
de fax 91 398 63 35. Las direcciones de correo mgutierrez@cee.uned.es y javicente@cee.uned.es.
Ocasionalmente, si el equipo docente lo estima oportuno, los medios anteriores se podrn completas con
otros materiales que se publicarn en la pgina de la asignatura.
El equipo docente atender las dudas que planteen los alumnos sobre los contenidos de la asignatura; se
excluyen de debate las cuestiones que son de su exclusiva competencia, como es el tipo de examen,
criterios de valoracin, formato de la PEC, peso de la PEC en la calificacin final, fecha y horario de la
misma, regulacin de los foros, etc..
Evaluacin continua
Los alumnos que opten por la evaluacin continua tendrn que realizar la(s) prueba(s) que se publicar(n) en
la pgina de de la asignatura y entregarlas en las fechas que se establecern. No se admitir la entrega
parcial ni fuera de fecha, asimismo ambas deben tener un nivel mnimo, y en caso de que no lo alcancen no
se har la media. Una de las competencias que se espera obtengan los alumnos en el Grado de Economa
es la organizacin de su trabajo, por lo cual, es fundamental que el alumno se planifique para hacer las
entregas en las fechas establecidas.
La calificacin final se obtendr prorrateando un 10% la obtenida en la PEC y un 90% la de la prueba
presencial.

UNIVERSIDAD NACIONAL DE EDUCACIN A DISTANCIA

PROBABILIDAD. MODELOS PROBABILSTICOS


Si el alumno no realiza la(s) PEC(s), su nota final ser la del examen.

Prueba presencial
La estructura del examen adoptar la siguiente forma:
-

Una parte terica o terico-prctica, eliminatoria, que constar de diez preguntas tipo test, cada una
con varias posibles respuestas, de las cuales slo una contiene la respuesta correcta.

Una parte prctica consistente en la resolucin de dos ejercicios que pueden ir acompaados de
alguna pregunta de carcter conceptual.

Cada pregunta tipo test contestada correctamente punta 040 sobre 10, la contestada incorrectamente se
penaliza con 020 sobre 10 y la no contestada no punta. Es condicin necesaria para poder aprobar la
asignatura que el alumno obtenga un valor numrico de uno o ms en el test, que ser eliminatorio.
Los ejercicios de carcter prctico pueden alcanzar una puntuacin mxima de 3 sobre 10 cada uno de ellos,
dependiendo del grado de resolucin, es decir si estn bien planteados y explicados los pasos para su
resolucin, etc.
Para obtener la calificacin de APTO, ser precisa una puntuacin mnima de 1 puntos en el test y,
globalmente, de 5 o superior.
Ahora bien, el examen puede ser invalidado si, en cualquiera de sus partes, se incurre en un error
considerado de carcter grave, como sera, por ejemplo, el proporcionar una probabilidad de valor superior a
la unidad o negativo. En cualquier caso los errores restarn puntuacin.
La duracin del examen ser de dos horas y no se permitir, salvo que expresamente se diga lo contrario en
las normas de realizacin del mismo, ningn tipo de material excepto el uso de una calculadora no
programable. Cuando sea preciso, la utilizacin de tablas estadsticas de probabilidad, se entregarn con el
examen.
Advertencia
No obstante lo expuesto, el sistema de evaluacin puede variar de un curso para otro. En caso de que esto
ocurra, se notificar en la correspondiente Gua del Curso a la que tienen acceso los alumnos cuando
realizan la matrcula.
Recomendaciones para realizar el examen
Dado el carcter eliminatorio que tiene la parte tipo test, ya que hay que obtener una puntuacin mnima de
un punto para superar la prueba, es recomendable comenzar la resolucin del examen por esta parte.
Es aconsejable tener en cuenta las observaciones o recomendaciones siguientes:

|Nombre y Apellidos
1. Leer con mucha atencin, las veces que sea preciso, las preguntas formuladas, con el fin de
comprender su contenido.
1. Una vez comprendida la pregunta, pensar detenidamente la respuesta correcta, no
precipitndose en la respuesta.
4. Responder aquellas preguntas, con independencia del orden en que figuren en la prueba, de
cuyas respuestas se tenga seguridad.
2. La resolucin de los ejercicios de tipo prctico debe realizarse de forma razonada, es decir,
introduciendo breves explicaciones o aclaraciones de lo que se est haciendo.
Es preciso advertir que en el examen no se debe escribir con lpiz, por los problemas que pudiera originar a
la hora de corregir, ya que puede borrarse o emborronarse con suma facilidad, lo cual dificulta su lectura.
Adems un examen es un documento para el que se requiere permanencia.
A continuacin se relacionan preguntas tipo test y problemas para que el alumno pueda orientarse respecto
al nivel de dificultad y posible temtica.
PREGUNTAS TIPO TEST:
1.-Dada la v.a. , su f(x) verifica que:
a) f(x) = 2
b) f( ) = 1

c) f(x) = -1

2.-Dados los sucesos A y B, tales que A B, se verifica que:


a) P(B) = P(A)
b) P(B) P(A)
c) P(B) P(A)

d) Ninguna es correcta
d) Ninguna es cierta

3.-Dada una v. a. = B(n;02), siendo k un nmero mayor que n, se cumple:


a) F( k ) = 0
b) F(k) no se puede conocer
c) F(k) = 1
d) Ninguna es cierta
4.-Dada una cierta funcin (x)= e 2it es:
a) Funcin caracterstica de una v.a.
c) Funcin de distribucin de una v.a.

b) Funcin generatriz de una v. a.


d) Ninguna de las anteriores

5.- Dada la v. a. N( 15, ), la P( > 17) es:


a) > 05
b) < 05
c)= 0,5
d) Ninguna es cierta
6.- Dadas las v.a. 1 . 4 , siendo las i N(0,2) para i , la distribucin de la v.a. = 1
a) N(0,4)

b) 1/4 42

c) 42

4
i =1

i2 es:

d) Ninguna es cierta

7.- El campo de variacin de la distribucin Gamma vara de :


a) 0 a n
b) - a +
c) 0 a
d) Ninguna es cierto
8.- Dada una v. a. = a + b , la varianza de ser:
a) a + b E( )
b) E( )
c) b E( )
d) Ninguna es cierta

UNIVERSIDAD NACIONAL DE EDUCACIN A DISTANCIA

PROBABILIDAD. MODELOS PROBABILSTICOS


9.- El espacio muestral E consta de 4 elementos {S 1, S 2, S 3, S 4} qu funcin define un espacio de
probabilidad?:
b) P(S1 )= 1 , P(S2 )= 1 , P(S3 )= 1 , P(S4
a) P(S1 )= 1 , P(S2 )= 1 , P(S3 )= 1 , P(S4 )= 1
3
2
5
3
4
2
4
)= - 1
2
c) P(S1 )= 0, P(S2 )= 1 , P(S3 )= 1 , P(S4 )= 1
d) Ninguna es cierta
4
2
4
10.- En una distribucin N (80,8) el percentil 80 es:
a) 78,40 b) 86,72
c) No se puede calcular

d) Ninguna es cierta

11.- La distribucin ms apropiada para el estudio de la distribucin de las rentas personales es:
a) La logstica b) La gamma
c) La de Pareto
d) Ninguna es correcta
12- Dados dos sucesos tales que P(A) P(B) se verifica que:
a) A B
b) A B = c) A B d) Ninguna es correcta.
13.- La funcin de densidad de una v.a. verifica:
a) 0 < f(x)
b) 0 f(x) 1 c) f(x) 1
14.- Si N(3,5) la mediana de esta distribucin es
a) 3/5
b)3/2
c) 3

d) Ninguna es correcta
d) Ninguna es correcta

15.- La funcin de cuanta de una v.a. para un cierto valor x puede ser:
a) 02
b) -01
c) 2
d) Ninguna es correcta
16.- Dada la v.a. B(3, 03), entonces su funcin de distribucin verifica
a) F(4) < F (3) b) F(4) > F(3)
c) F(4) = F(3) d) Ninguna es correcta
17.- La varianza no viene afectada por
a) Cambio de origen
c) Cambio de origen y escala

b) Cambio de escala
d) Ninguna es correcta

18.- Dada la v.a. N(5,3) se verifica que


b) 1 - P ( - 5) = P ( 5)
a) P ( 5) = P ( -5)
c) P(P (> 5) = P (< 5)
d) Ninguna de las anteriores
19.- Dada una sucesin de v.a. 1, 2 ........ n , donde las i se distribuyen segn una Poisson de
parmetro i , podemos asegurar que si la v.a. =
a) N ( , )

b) N ( ,

c) N (

Sn 1 n
= i su lmite cuando n es :
n
n i =1

d) Ninguna es cierta

1 it
(e -1) de una v.a. , definida en (0,1). Dada la v.a. = + 1, la (t) de ser:
it
1
e t it
et
a) (t) =
b) (e it 1)
c) (1 e it )
d) Ninguna es correcta
(e 1)
it
it
it

20.- Dada (t) =

EJERCICIOS

10

|Nombre y Apellidos
1.- Se tienen 100 dados, de los cuales 20 estn cargados y la probabilidad de obtener el 1 en estos dados
es el triple que la de las restantes puntuaciones. De entre los 100 dados se elige uno al azar, se lanza y sale
la cara 1. Calcular la probabilidad de que el dado lanzado no est cargado.
2.-El nmero de pasajeros que toman el tren, entre dos ciudades, un fin de semana es una v. a. siendo
E( ) = 200 y V( )= 100. Si cada vagn tiene capacidad para 40 viajeros, calcular el nmero de vagones
necesarios para que con una probabilidad igual o superior a 095 se pueda atender la demanda de
pasajeros entre ambas ciudades ese fin de semana.
1
, se pide: 1) Hallar la media. 2) Calcular la varianza. . 3)
1+ t2
Encontrar la funcin caracterstica de la v. a. = 2 .
3.- Dada una v.a. con (t) =

4.- Un partido poltico realiza encuestas para seleccionar al nmero uno en la lista electoral en una
circunscripcin con 1600 votantes. Respecto a un posible candidato A, que rene los requisitos exigidos por
el Comit Ejecutivo, las encuestas dicen que el 40 por ciento de los votantes se inclinaran por l. Hallar la
probabilidad de que dicho candidato obtenga un mximo de 650 votos.

4.- GLOSARIO
El texto recomendado cuenta con un amplio glosario.

UNIVERSIDAD NACIONAL DE EDUCACIN A DISTANCIA

11

PROBABILIDAD. MODELOS PROBABILSTICOS

SOLUCIONES A LOS EJERCICIOS PROPUESTOS


Tipo test:
1.- d)
2.- b)
3.- c)
4.- d)
5.- b)
6.- d)
7.- c)
8.- d)
9.- c)
10.- b)
11.- c)
12.- d)
13.- d)
14.- c)
15.- a)
16.- c)
17.- a)
18.- c)
19.- d)
20.- d)
Problemas
1.-

12

|Nombre y Apellidos
a) La media sera: E( ) =

(t )t =0
i

, como (t ) = 1 + t 2

(t ) = - 1 (1 + t 2 ) 2t =

2t

2 2

para t=0, ser (t ) = 0, luego la E ( ) = 0

( )

que

(1 + t )

b) La varianza ser: V ( ) = E 2 - [E ( )]

( )

E 2 =

(t )t =0
i

; (t ) = - 2 1 + t 2

- 2 t ( 2 )2t 1 + t 2

= - 2 1+ t2

+ 8t 2 1 + t 2

, que

[ ]

2
2
= 2. Luego: V ( ) = E 2 [E ( )] = 2 0 = 2
2
i
b) Funcin caracterstica de la variable aleatoria = 2 .
Teniendo en cuenta las propiedades de la funcin caracterstica, sera:
e 2it
(t ) = E e it = E e it (2 ) = e 2it E e it = e 2it ( t ) =
1+ t2
para t=0 queda: (t )t =0 =

[ ]

[ ]

2.Sea la variable aleatoria que representa al nmero de votantes. Dicha variable sigue una distribucin
binomial de parmetros ( 1600; 04).
Segn el Teorema de Central del Lmite de Moivre-Laplace, la variable
aproximadamente N (0;1) por lo tanto:

E ( )
se distribuye
v( )

B(1600;0'4) N np; npq = N 1600 0'4; 1600 0'4 0'6 = N (640;19'596)


P{ 650}

(aplicando

la

correccin

por

continuidad)

P{ 650'5}

640 650'5 640


P

= P{ 0'54} = 07054, donde N (0;1) .


19'596
19'596

Este ejercicio puede hacerlo tambin sin utilizar la correccin por continuidad.
3.Designamos por C al suceso dado cargado y por NC dado normal. La P ( C ) = 02 y la P ( NC ) = 08.
Llamamos A 1 =

i =1

obtener 1

} y Ai = {

obtener i

} i = 2, 3..6.

pi = 3p + 5p = 8p p = 1/8 y por lo tanto p1 = 3/8 y el resto p 2 = .... = p 6 = 1/8.

UNIVERSIDAD NACIONAL DE EDUCACIN A DISTANCIA

13

PROBABILIDAD. MODELOS PROBABILSTICOS


p1 = 3/8 = P{ obtener 1/ C

}y

pi = 1/8 = P{ obtener i / C

s i = 2, 3..6.

Si el dado no est cargado la probabilidad es 1/6. Es decir, P{ Ai / NC

} = 1/ 6.

Para calcular la probabilidad de que habiendo salido 1 el dado no est cargado hay que aplicar el Teorema
de Bayes de la siguiente forma:
P{NC }
P A1

NC
1 / 6 0'8

NC
=
= 064
P
=
A
A
1

P{NC } + P A1 P{C} 1 / 6 0'8 + 3 / 8 0'2


P 1

NC

4.Este ejercicio es una aplicacin del Teorema de Chebichev.


P{ < + c } P{ < c } 1

1
= 095 c 4'47
c2

Por lo tanto: + c = 200 + 447 10 = 2447 pasajeros. Si ahora dividimos el nmero de pasajeros por la
capacidad del vagn tendremos el nmero de vagones que necesitaremos.

247'7
61, luego con 7 vagones se atiende a la probabilidad 095.
40

14