Guı́a de Ejercicios - Parte I

Estadı́stica III

Marcelo Florensa - Pablo Ortiz

Primer semestre de 2018

2
Unidad 1. Espacio probabilı́stico

1. Determinar un espacio muestral adecuado para cada uno de los siguientes experimentos
aleatorios, indicando si es finito, infinito numerable, o infinito no numerable:

a) Se arroja un dado dos veces.

b) Se arroja un dado hasta que aparece el número 1.

c) De una caja que contiene bolillas numeradas del 1 al 5, se extraen dos bolillas de
dos maneras distintas: (i) con reposición y (ii) si reposición.

d) Se elige al azar un punto en el cı́rculo unitario.

2. En cada uno de los los siguientes casos determine si la función P (A) es una probabilidad:

a) i. Ω = {1, 2, 3, 4, 5, 6}

ii. F = {A : A ⊆ Ω}
x
) para A ∈ F
P
iii. P (A) = x∈A ( 36

b) i. Ω = [0, ∞)

ii. F = {A : A intervalo en Ω o cualquier conjunto formado por uniones, intersec-

ciones o complementos de estos intervalos}

iii. P (A) = x∈A e−x dx para A ∈ F

R

c) i. Ω = {x : x ∈ N}

ii. F = {A : A ⊂ Ω}
x2
5 ) para A ∈ F
P
iii. P (A) = x∈A ( 10

3. Sea Ω un conjunto finito, cuyo cardinal es n. Demuestre que P(Ω) es σ-álgebra.

3
Espacio probabilı́stico Estadı́stica III

4. Sea Ω el espacio muestral de cierto experimento y A ⊂ Ω, Obtenga la σ-álgebra para A.

5. Demuestre que la intersección de 2 σ-álgebras es σ-álgebra.

6. Se sabe que la σ-álgebra de Borel, B, es la σ-álgebra generada por los intervalos de la

forma (∞, b] con b ∈ R. Es decir:

B = σ({(∞, b] : b ∈ R})

Demuestre que la σ-álgebra generada por los interbalos de la forma (a, b) también es la
σ-álgebra de Borel. Es decir:

σ({(a, b] : a ≤ b}) = B

7. Sea {An : n ∈ N} una sucesión de eventos. Demuestre que si P (An ) = 1 para algún ı́ndice
∞
S
n, entonces P ( An ) = 1.
i=1

8. Sea P una medida de probabilidad. Determine si las siguientes funciones son medidas de
probabilidad:

a) 1 − P c) P 2 e) 4P (1 − P )
√
b) (1 + P )/2 d) |P | f) P

9. Demuestre que para cualquier par de eventos A y B se cumple que:

0 ≤ P (A ∩ B) ≤ P (A) ≤ P (A ∪ B) ≤ P (A) + P (B) ≤ 2

10. Demuestre que para cualquier par de eventos A y B se cumple que:

P (A ∩ B) ≥ P (A) + P (B) − 1

11. Demuestre que: P (A ∩ B) − P (A)P (B) = P (Ac )P (B) − P (Ac ∩ B)

12. Demuestre que:

P (A ∩ B) ≤ min{P (A), P (B)} ≤ P (A) ≤ max{P (A), P (B)} ≤ P (A ∪ B)

4
Espacio probabilı́stico Estadı́stica III

13. Pruebe que la probabilidad que exactamente uno de dos eventos ocurra es:

P (A4B) = P (A) + P (B) − 2P (A ∩ B)

14. Dados dos eventos A y B independientes, pruebe que Ac y B c también son independientes.

15. Sea P una medida de probabilidad, y sean P1 (.|B) y P2 (.|C), en donde P (B) > 0 y
P (C) > 0. Demuestre que para cualquier evennto A, P2 (A) = P (A|B ∩ C).

16. Demuestre que: P (A|B) ≥ 1 − P (Ac )/P (B), en donde P (B) > 0.

17. Demuestre que si A, B y C son tres eventos tales que P (A ∩ B ∩ C) 6= 0 y P (C | A ∩ B) =

P (C | B), entonces P (A | B ∩ C) = P (A | B).

18. Demuestre que F es una σ-álgebra de subconjuntos de Ω si, y sólo si, satisface las si-
guientes propiedades (definición alternativa de σ-álgebra):

a) ∅ ∈ F .

b) A ∈ F ⇒ Ac ∈ F .

c) A1 , A2 , ... ∈ F ⇒ ∩∞
n=1 An ∈ F .

19. Sea Ω = {a, b, c, d}, y sean A = {a, b} y B = {b, c}. Defina la colección C = {A, B}.
Claramente C nos es una σ-álgebra. Encuentre σ(C ).

20. Sean F1 y F2 dos σ-álgebras de subconjuntos de Ω. Demuestre que F1 ∪ F2 no nece-

sariamente es un σ-álgebra. Para ello considere el espacio Ω = {1, 2, 3} y los σ-álgebras
F1 = {∅, {1}, {2, 3}, Ω} y F2 = {∅, {1, 2}, {3}, Ω}.

21. Sean F1 y F2 dos σ-álgebras de subconjuntos de Ω tales que F1 ⊆ F2 . Demuestre que

F1 ∪ F2 es una σ-álgebra.

22. Sean A, B ⊆ Ω arbitrarios. Demuestre que la cardinalidad de σ{A, B} es a lo sumo 16.

23. Suponga que el 30 % de las computadoras personales usan Mac OS, 50 % Windows y
20 % Linux. Suponga además que el 65 % de los usuarios de Mac han sufrido el taque de
algún virus, y del mismo modo el 82 % de los de Windows y el 52 % de los de Linux. Si
seleccionamos un usuario al azar y tenemos que su sistema operativo fue infectado por
un virus, ¿cuál es la probabilidad de que se trate de un usuario de Windows?

5
Espacio probabilı́stico Estadı́stica III

24. calcular la probabilidad de ocurrencia de las siguientes manos de poker:

a) Escalera Real (10, J, Q, K, A, del mismo palo)

b) Escalera (5 cartas consecutivas del mismo palo)

c) Poker (4 cartas con el mismo valor: (x, x, x, x, y))

d) Full (3 cartas de un valor determinado y dos de otro: (x, x, x, y, y))

e) Color (5 cartas del mismo palo)

25. Considere un grupo de n personas y determine cuál es la probabilidad de que al menos

dos de ellas tengan la misma fecha de cumpleaños.

26. En base al inciso anterior, determine cuál es el número mı́nimo de personas necesarios
en una reunión para que sea más probables encontrar al menos dos con el mismo dı́a de
cumpleaños.

6
Unidad 2. Variables aleatorias

1. Sea (Ω, F , P ) un espacio de probabilidad y A ∈ F . Demuestre que la función X : Ω → R,

definida por X(ω) = 1 si ω ∈ A y X(ω) = 0 si ω ∈
/ A, es variable aleatoria.

2. Dada una variable X: X −1 (B) ∈ F para todo B ∈ B. Exprese la probabilidad que X

esté en cada uno de los siguientes borelianos en términos de la función de distribución de
X.

a) {a} b) (a, b] c) [a, b]

3. Sea Ω = {1, 2, 3, } y F = {∅, {a}, {2, 3}, Ω}. Demuestre que la función identidad X(ω) =
ω no es variable aleatoria.

4. Determine si la siguiente función es función de distribución de alguna variable aleatoria.

ex
F (x) =
ex + e−x

5. Determine si cada una de las siguientes afirmaciones es verdadera o falsa, justificando su

respuesta:

a) Toda función de densidad es acotada.

b) Toda función de distribución es acotada.

6. Demuestre que cada una de las siguientes expresiones es función de densidad. Además,
encuentre la función de distribución y demuestre que efectivamente es función de distri-
bución.

a) f (x) = 2x para x ∈ (0, 1)

7
Variables aleatorias Estadı́stica III

b) f (x) = 2x/m2 para x ∈ (0, m) con x > 0

7. Determine la parte discreta y absolutamente continua de la siguiente función de distribu-

ción:




 0 si x < 0

F (x) = x+1
2
si 0 ≤ x < 1


si x ≥ 1

 1

8. Sea X una v.a. discreta y RX el rango de X. Demuestre que si existe A ⊂ R numarable

tal que P (A) = 1, entonces RX ⊂ A. Es decir que, cuando se trabaja con una v.a. discreta
X, RX es el conjunto numerable más pequeño con probabilidad igual a 1.

9. La variable aleatoria X tiene distribución gamma con parámetros α, β > 0 si su función

de densidad es:
xα−1 e−x/β
f (x) = I[0,∞) (x)
β α Γ(α)
donde Γ(α) está definida por la siguiente expresión:
Z ∞
Γ(α) = y α−1 e−x dx
0

para valores de α tales que la integral es convergente.

Demuestre que:

a) Γ(α + 1) = αΓ(α) (expresión equivalente a Γ(α) = (α − 1)Γ(α − 1) para α ≥ 1)

b) Γ(α + 1) = α! para α entero (expresión equivalente a Γ(α) = (α − 1)!)

c) Γ(2) = Γ(1) = 1
√
d) Γ(1/2) = π = 1

10. Sea X una variable aleatoria con la siguiente función de distribución:




 0 si x < 0


x
si 0 ≤ x < 1


 2


F (x) = 2
3
si 1 ≤ x < 2


11
si 2 ≤ x < 3


12




si x ≥ 3

 1

8
Variables aleatorias Estadı́stica III

Represente gráficamente F (X) y calcule las siguientes probabilidades:

a) P (X < 3) b) P (X = 3) c) P (X > 1/2) d) P (1 < X ≤ 4)

11. Demuestre o de un contraejemplo para:

P (X < b) = lı́m P (X < bn )

bn →b

12. Sea X con distribución F . Determine la función de distribución para αX + β, donde α y

β son constantes con α 6= 0.

13. De un lote de 20 artı́culos, 4 son defectuosos. Se eligen 5 artı́culos al azar. Sea X el número
de artı́culos defectuosos encontrados. Obtenga la función de probabilidad de X y calcule
la probabilidad de que se encuentren 3 artı́culos defectuosos, considerando las siguientes
situaciones:

a) Los artı́culos de recogen con reemplazo.

b) Los artı́culos de recogen sin reemplazo.

14. Considere que del lote de artı́culos del ejercicio anterior, se extraen con reemplazo piezas
hasta que aparecen 3 defectuosos. Obtenga la función de probabilidad del número de
artı́culos extraı́dos.

15. Considere el experimento que consiste en tirar simultáneamente dos dados. Sea X la
variable aleatoria que representa el producto de los valores de ambos dados. Calcule la
función de probabilidad de X.

16. Sea X ls variable aleatoria que representa la diferencia entre el número de caras y cecas
obtenidas cuando una moneda es arrojada n veces. Determine los valores que puede asumir
la variable X.

17. Considere la siguiente función de probabilidad:

1
f (x) =
2x

para x = 1, 2, . . .

9
Variables aleatorias Estadı́stica III

a) Verifique que f(x) es función de probabilidad.

b) Calcule la probabilidad de obtener un número par.

c) calcule P (X ≥ 5)

P (X=i)
18. Sea X una variable aleatoria Poisson con parámetro λ. Calcule P (X=i−1)
y determine para
que valores de i la función es creciente.

19. Sea X una variable aleatoria Binomial con (n, p). Demuestre que:
n
X
px (1 − p)n−x = 1
i=0

20. Una urna contiene N bolillas blancass y M bolillas negras. Se extraen con reemplazo
bolillas (una a la vez) hasta que aparece la primera bolilla negra. Calcule las siguientes
probabilidades:

a) Que exactamente n extracciones sean necesarias.

b) Al menos k extracciones sean necesarias.

21. Sea X una variable con la siguiente función de densidad:


 c(1 − x2 ) si − 1 < x < 1
f (x) =
 0 c.c.

a) Determine el valor de c.

b) Obtenga F (X).

c) Calcule P (X > 0, 5) y P (X < −0, 5)

22. Una función que se relaciona con ciertas variables continuas no negativas es la tasa de
fallas o tasa de riesgo:
f (t)
r(t) =
1 − F (t)
Obtenga la función de tasa de riesgo para los casos de variables aleatorias con distribucio-
nes de probabilidad Uniforme (0, b), Exponencial (λ), y Weibull (α, β). Donde la función
de densidad Weibull está dada por:
 α−1   α 
α x x
f (x) = exp − 1(0,∞) (x)
β β β

10
Variables aleatorias Estadı́stica III

23. Sea X una variable aleatoria Gamma (α, β), con α, β > 0, cuya función de densidad es:
x
xα−1 e− β
f (x) = 1(0,∞) (x)
Γ(α)β α

Demuestre que f (x) es función de densidad.

24. Sea X una variable aleatoria exponencial con parámetro λ, demuestre que para todo
s, t > 0:
P (X > s + t|X > t) = P (X > s)

Considere el experimento que consiste en elegir un punto al azar del interior de un disco
de radio r. Y sea X el cuadrado de la distancia entre el punto escogido y el centro del
disco. Encuentre la función de distribución de X.

Sea F una función de distribución definida por:

1 x
F (x) = + para x ∈ (−∞, ∞)
2 2(|x| + 1)

Encuentre la función de densidada, f (x), y determine para que puntos se tendra que
F 0 (x) = f (x).

11
Variables aleatorias Estadı́stica III

12
Unidad 3. Vectores aleatorias

1. Suponga que 3 bolillas son escogidas al azar, sin reemplazo, de una urna quee contiene 5
bolillas blancas y 8 rojas. Sea Xi igual a 1 si la i -ésima bolilla seleccionada es blanca y
cero en caso contrario. Obtenga la función de probabilidad conjunta de:

a) (X1 , X2 ) b) (X1 , X2 , X3 )

2. En el problema anterior, suponga que las bolillas buscadas están numeradas, y sea Yi
igual a la i-ésima bolilla blanca seleccionada y 0 en caso contrario. Obtenga la función de
probabilidad conjunta de:

a) (Y1 , Y2 ) b) (Y1 , Y2 , Y3 )

3. Considere una secuencia de ensayos Bernaulli independientes, cada uno con probabilidad
de éxtito p. Sea Xi el número de fracasos antes del primer éxito, y sea X2 el número de
fracasos entre los dos primeros éxitos. Encuentre la función de probabilidad conjunta de
(X1 , X2 ).

4. la función de densidad conjunta de X e Y está dada por:

f (x, y) = cyx2 para 0 < x2 < y < 1

a) Encuentre el valor de c.

b) Calcule P (0 < X < 3/4, 1/4 < Y < 1).

5. La función de densidad conjunta de X e Y está dada por:

f (x, y) = c(y 2 − x2 )e−y para − y ≤ x ≤ y, 0<y<∞

13
Vectores aleatorias Estadı́stica III

f (x, y) = c(y 2 − x2 )e−y 1A (x, y) donde A = {(x, y) : −y ≤ x ≤ y ∧ 0 < y < ∞}

a) Encuentre el valor de c.

b) Encuentre las funciones de densidad marginal de X e Y .

6. La función de densidad conjunta de X e Y está dada por:

f (x, y) = 2e−x e−2y 1(0,∞)2 (x, y)

Calcule:

a) P (X > 1, Y < 1) b) P (Y < X) c) P (X < a)

7. Suponga que se llevan adelante n + m ensayos independientes, todos con probabilidad de

éxito p. Sea X el número de éxitos en los primeros n ensayos, Y el número de éxitos de
los últimos m ensayos y Z el número total de éxitos en los n + m ensayos.

a) Determine si X e Y independientes.

b) Determine si X y Z independientes.

8. La función de densidad conjunta de X e Y está dada por:

6  2 xy 
f (x, y) = x + 1(0,1)(0,2) (x, y)
7 2

a) Verifique que es función de probabilidad.

b) Encuentre P (X > Y ).

9. Suponga que el número de personas que entra a un banco en un dı́a dado es una variable
aleatoria Poisson con parámetro λ. Demuestre que si cada persona que entra al banco
es hombre con probabilidad p y mujer con probabilidad 1 − p, entonces el número de
hombres y mujeres que entran al banco son variables aleatorias independientes Poisson
con parámetros λp y λ(1 − p), respectivamente.

14
Vectores aleatorias Estadı́stica III

10. Un hommbre y una mujer deciden encontrarse en cierto lugar. Si cada uno de ellos llega
al lugar de manera independiente y uniformemente distribuida con entre las 12 y las 13
horas. Encuentre la probablidad de que el primero en llegar tengas que esperar más de
10 minutos.

11. La función de densidad conjunta de X e Y está dada por:

f (x, y) = (x + y)1(0,1)2 (x, y)

Encuentre la función de distribución conjunta de estas dos variables aleatorias

12. Encuentre la función de densidad conjunta de las variables aleatorias X e Y , cuya función
de distribución conjunta está dada por:

F (x, y) = (1 − e−x )(1 − e−y )1(0,∞)2 (x, y)

13. Demuestre que no existe un valor de k tal que la siguiente expresión puede ser una función
de robabilidad conjunta de dos variables aleatorias.

f (x, y) = ky(2y − x) para x = 0, 3, y = 0, 1, 2

14. La función de densidad conjunta de las variables aleatorias X, Y y Z está dada por:

f (x, y, z) = (x + y)e−z 1(0,1)2 (0,∞) (x, y, z)

Encuentre la densidad condicional de X dado Y = y y úsela para evaluara P (X ≤

1/2|Y = 1/2).

15. Dada la siguiente función de densidad conjunta para las variables aleatorias X e Y :

f (x, y) = 8xy1A (x, y) donde A = {(x, y) : 0 < x ≤ y < 1}

Determine las funciones de densidad, marginales y condicionales, de cada una de las

variables aleatorias.

16. Las variables aleatorias X e Y tienen función de probabilidad conjunta dada por las
entradas de las siguiente tabla:

15
Vectores aleatorias Estadı́stica III

@
x
@
@
0 1 2 3
y @
@
0 1/8 1/16 3/16 1/8
1 1/16 1/16 1/8 1/4

Determine las funciones de probabilidad marginales y condicionales.

17. Dada las variables aleatorias X, Y y Z con densidades:

f (x) = e−x 1(0,∞) (x)

f (y) = 2e−2y 1(0,∞) (y)

f (z) = 3e−z 1(0,∞) (z)

Calucule P (X + Y ≤ 1, Z > 1).

18. Sean X, Y y Z variables aleatorias independientes uniformemente distribuidas con soporte

(0, 1). Calcule P (X ≥ Y Z).

19. Sean X e Y variables aleatorias Poisson independientes con parámetros λ1 y λ2 , respec-

tivamente. Obtenga la función de probabilidad de X + Y .

20. Sea X = (X1 , X2 , X3 ) un vector aleatorio absolutamente continuo con la siguiente función
de densidad:
fX (x1 , x2 , x3 ) = 6x1 x22 x3 1A (x1 , x2 , x3 )
√
donde A = {(x1 , x2 , x3 ) : 0 ≤ x1 ≤ 1 ∧ 0 ≤ x2 ≤ 1 ∧ 0 ≤ x3 ≤ 2}

a) Verifique que fX sea función de densidad..

b) Encuentre la función de distribución de X (Observación: recuerde que la función de

distribución debe estar definida para toda n-upla de números reales, en este caso
para toda terna).

c) Calcule P {X1 ∈ (0, 1/2), X2 ∈ (1/2, 3/4], X3 ∈ (0, 1]}.

d) Encuentre la función de distribución de X1 .

e) Encuentre las funciones de densidad marginales de X2 y de (X1 , X3 ).

16
Vectores aleatorias Estadı́stica III

f) Determine si X1 , X2 , X3 son variables aleatorias independientes.

g) Sin considerar la respuesta del inciso anterior, calcule las siguientes probabilidad
determinando previamente la función de densidad condicionada apropiada en cada
caso:

i) P {(X1 < 1/2, X2 ≥ 1/2) | X3 = 1}

ii) P {(X1 < 1/2, X2 ≥ 1/2) | X3 ≥ 1}
iii) P {(X2 < 1/2) | (X1 > 1/2, X3 ∈ (1/2, 1))}

21. Sea (X, Y ) un vector aleatorio bidimensional con función de densidad

3
f (x, y) = x2 1{(x,y)∈R2 : x,y>0 ∧ x+y<2} (x, y)
4
Calcule las siguientes probabilidades condicionadas, definiendo primero la función de den-
sidad condicional necesaria para realizar el cálculo, y determinando el soporte de la misma.

a) Calcule P (X ∈ [1/2 , 3/2] | Y ≤ 1)

b) Calcule P (X ∈ [1/2 , 3/2] | Y > 1)

c) Calcule P (Y ≤ 1| X ∈ [1/2 , 3/2])

d) Calcule P (Y ∈ [1/2 , 1] | X ∈ [1/2 , 3/2])

22. Sea X una variable aleatoria con distribución uniforme en (0, 1). Asuma además que la
distribución condicional de Y dado X = x está dada por:
 
n y
P (Y = y | X = x) = x (1 − x)n−y 1{0,1,...,n} (y)
y
Encuentre la distribución de Y .

23. Sea X una variable aleatoria discreta con función de probabilidad:

p(x) = 1{1,2} (X)

Asuma además que la distribución condicional de Y dado X = x está dada por:

  y
x 1
P (Y = y | X = x) = 1{0,1,...,x} (y)
y 2
Encuentre la distribución conjunta de X e Y .

17
Vectores aleatorias Estadı́stica III

18
Unidad 4. Distribución de funciones de
variables y vectores aleatorios

1. Sea Y una variable aleatoria con la siguiente función de densidad:

f (y) = 2y1(0,∞) (y)

a) Obtenga la función de densidad de U = 3Y − 1.

b) Obtenga la función de densidad de U = Y 2 .

2. Sea Y una variable aleatoria con distribución uniforme en [0, 1]. Obtenga las funciones de
densidad y de distribución de V = −2ln(Y ).

3. Sea (Y1 , Y2 ) un vector aleatorio con función de densidad:

f (y1 , y2 ) = 3y1 1[y2 ,1],[0,y1 ] (y1 , y2 )

Obtenga la función de densidad de U = Y1 − Y2 empleando el método de la función de

distribución.

4. Sea (X, Y ) un vector aleatorio con función de densidad:

f (x, y) = 11[0,1]2 (x, y)

Obtenga la función de densidad de X = X − Y empleando el método de la función de

distribución.

5. Sean X e Y variables aleatorias independientes, cada una con distribución uniforme en

[0, 1]. Obtenga la función de densidad de Z = X/Y mediante el método de la función de
distribución.

19
Distribución de funciones de variables y vectores aleatorios Estadı́stica III

6. Sean X e Y variables aleatorias independientes, donde cada una tiene función de distri-
bución exponencial con β = 1. Obtenga la función de densidad de Z = X + Y .

7. Sean X e Y variables aleatorias independientes, donde cada una tiene función de distri-
bución exponencial con β = 1. Obtenga la función de densidad conjunta de Z y W , donde
de Z = X + Y y W = X/Y .

8. Sea X una variable aleatoria con la siguiente función de densidad:

1+x
f (x) = 1(−1,1) (x)
2

Obtenga la función de densidad de Y = X 2 .

9. Sea U una variable aleatoria uniforme en (0, 1). Encuentre una transformación Y = G(U )
tal que posea una distribución exponencial con parámetro β.

10. Sean Y1 y Y2 variables aleatorias independientes con funciones de densidad:

f (y1 ) =6y1 (1 − y1 )1[0,1] (y1 )

f (y2 ) =3y22 1[0,1] (y1 )

Encuentre la función de densidad de U = Y1 Y2 .

11. Sea Y una variable aleatoria con la siguiente función de densidad:

1 β−1 yβ
f (y) = βy exp(− )1(0,∞) (y)
α α

La función anterior se denomina Weibull, y sus parámetros α y β son constantes positivas.

a) Obtenga la función de densidad de U = Y β .

b) Determine la distribución de Y = ln(X) (la función de densidad obtenida pertenece

a la clase de distribuciones de valores extremos con θ = ln(β 1/α ) y σ = 1/α).

12. Sea X una variable aleatoria con la siguiente función de probabilidad:

1
p(x) = 1{1,2,3} (x)
3

Encuentre la función de probabilidad de Y = 2X + 1.

20
Distribución de funciones de variables y vectores aleatorios Estadı́stica III

13. Sean X1 y X2 variables aleatorias independientes, cada una con distribución Poisson
con parámetros λ1 y λ2 , respectivamente. Encuentre la función de probabilidad de Y =
X1 + X 2 .

14. Sean X1 y X2 variables aleatorias independientes, cada una con distribución Gamma con
parámetros (α = α1 , β = 1) y (α = α2 , β = 1), respectivamente. Defina Y1 = X1 + X2 e
X1
Y2 = .
X1 + X 2
Encuentre las funciones de densidad conjunta y marginales de de Y1 y Y2 .

15. Sean X1 y X2 variables aleatorias independientes e idénticamente distribuidas, donde

1
X1 ∼ χ2 (2). Encontrar la función de densidad de Y = (X1 − X2 ).
2

16. Sean X e Y variables aleatorias absolutamente continuas y positivas, con función de

densidad conjunta f . Por otro lado, se definen las variables aleatorias W = Y /X y
Z = X + Y . Encuentre la función de densidad conjunta de W y Z en términos de
f.

17. Sean X e Y variables aleatorias absolutamente continuas e independientes con funciones

de densidad f (x) y f (y), respectivamente. Demuestre que la función de densidad de
Z = X + Y , h(z), puede ser obtenida mediante la fórmula de la convolución:
Z ∞
h(z) = f (z − w)g(w)dw
−∞

18. Sea X una variable aleatoria que tiene distribución en la población dada por la siguiente
función de densidad:
fX (x) = 2x1(0,1) (x)

Suponga que se extrae una muestra aleatoria de tamaño 4 de esta población. Se pide:

a) Obtenga la funciones de distribución marginales de X(1) y X(4) .

b) A partir del inciso anterior, obtenga las funciones de densidad marginales de X(1) y
X(4) .

c) Construya la función de distribución conjunta de los 4 estadı́sticos de orden, y se-

guidamente obtenga las funciones de densidad marginales de X(2) y X(4) .

21
Distribución de funciones de variables y vectores aleatorios Estadı́stica III

d) Obtenga la función de densidad conjunta del vector (X(1) , X(4) ).

e) Obtenga la función de densidad del rango muestral.

f) Obtenga la función de densidad de la mediana muestral.

g) Obtenga la probabilidad de que la segunda menor de las observaciones muestrales

sea mayor a la mediana de la población.

19. Sean X e Y variables aleatorias independientes con distribución común N (0, 1). Muestre
X +Y X −Y
que U = √ yV = √ también son independientes y N (0, 1).
2 2
20. Sean X1 , X2 , . . . , Xn variables aleatorias independientes idénticamente distribuidas: U [0, 1].
Sea además la media geométrica de las Xi definida por:
n
Y
Y = ( Xi )1/n
i=1

Muestre que:
−2nlog(Y ) ∼ χ2 (2n)

21. Sean X y Y variables aleatorias independientes, cada una con densidad exponencial con
parámetro λ. Encuentre la densidad condicional de X dado Z = X + Y = z. (Use el
resultado del ejercicio 17).

22. Resuelva el ejercicio anterior considerando que X e Y tienen distribución uniforme en

(0, c).

23. Sean X1 y X2 variables aleatorias independientes idénticamente distribuidas. Encuentre

las funciones de densidad de X(1) y X(2) considerando las siguientes distribuciones:

a) Uniforme en (0, 1) b) Exponencial con parámetro λ

22
Distribución de funciones de variables y vectores aleatorios Estadı́stica III

24. Sean X1 , . . . , Xn variables aleatorias independientes en donde Xk tiene distribución exp(λk ),

para k = 1, . . . , n. Demuestre que:

a) X(1) ∼ exp(λ1 + · · · + λn )
λk
b) P (Xk = X(1) ) =
λ1 + · · · + λn
25. Sea X1 , . . . , Xn una muestra aleatoria de un distribució uniforme en (−1, 1). Se pide:

a) Encuentre las funciones de densidad de X(1) y X(n)

b) Encuentre la función de densidad conjunta de de X(1) y X(2)

c) Encuentre la función de densidad R = X(n) − X(1)

d) Encuentre la función de densidad de la mediana muestral, primero suponiendo que

n es impar y luego para n par.

23