Probabilidad I: (Tarea-examen)

Semestre 2018-II

Prof:Jaime Vázquez Alamilla Augusto y Alex

1. Considere el experimento de lanzar dos tetraedros cuyos lados están numerados del 1 al 4.
Sean Y1 y Y2 los números más pequeño y más grande obtenidos en las caras superiores,
respectivamente.

(a) Encuentre la función de densidad conjunta de Y1 y Y2

(b) Obtenga la densidad condicional de Y2 dado Y1 para cada uno de los posibles valores de
Y1
(c) Encuentre E(Y1 Y2 ), E(Y1 ) y E(Y2 )
(c) ¿Son Y1 y Y2 independientes?

2. Suponga que X es una variable aleatoria con distribución Bin(100, 15 ). Utilizando el teorema
de DeMoivre-Laplace, calcular P(15 ≤ X ≤ 25).

3. Sean X1 , . . . , Xn variables aleatorias

Pnindependientes. Use la función generadora de momentos
para encontrar la distribución de i=1 Xi en los siguientes casos:

(a) Si ∀i ∈ {1, 2, ..., n} Xi ∼ Gamma(r, λ).

(b) Si ∀i ∈ {1, 2, ..., n} Xi ∼ Gamma(ri , λ).
(c) Si ∀i ∈ {1, 2, ..., n} Xi ∼ exp(λ).
(d) Si ∀i ∈ {1, 2, ..., n} Xi ∼ Geo(p).
(e) Si ∀i ∈ {1, 2, ..., n} Xi ∼ BinN eg(r, p).
(f) Si ∀i ∈ {1, 2, ..., n} Xi ∼ BinN eg(ri , p).
(g) Si ∀i ∈ {1, 2, ..., n} Xi ∼ P oisson(λ).
(h) Si ∀i ∈ {1, 2, ..., n} Xi ∼ P oisson(λi ).
(i) Si ∀i ∈ {1, 2, ..., n} Xi ∼ Bin(n, p).
(j) Si ∀i ∈ {1, 2, ..., n} Xi ∼ Bin(ni , p).
(k) Si ∀i ∈ {1, 2, ..., n} Xi ∼ N (µi , σi2 ).

4. Sea S el número de águilas en 1,000,000 lanzamientos de una moneda honesta. Use (a) la
desigualdad de Chebyshev, y (b) el Teorema del Lı́mite Central, para estimar la probabilidad
de que S esté entre 499,500 y 500,500.

5. Si X ∼ Gamma(n, 1), aproximadamente qué tan “grande” debe ser n para que
  
X 
P  − 1 > 0.01 < 0.01
 
n

6. Sean X1 , . . . , X20 variables aleatorias independientes tales que ∀i ∈ {1, 2, . . . , 20} Xi ∼

P oisson(λ), con media 1
 P20 
(a) Utilice la desigualdad de Markov para obtener una cota para P i=1 X i > 15
P20 
(b) Utilice el Teorema del Lı́mite Central para aproximar P i=1 Xi > 15 .

7. Explique por qué una variable aleatoria con distribución Gamma(r, λ) tiene aproximadamente
una distribución normal cuando r es grande.

8. Haga un programa que simule n variables aleatorias con distribución exponencial de parámetro
λ usando el teorema de la Transforma Inversa.

9. Haga un programa que simule m variables aleatorias con distribución Gamma de parámetros
n ∈ N, λ. Recuerde que esta variable no es invertible.
Hint: Use el ejercicio 3(c).

10. Realice un programa que simula n variables aleatorias con distribución Poisson de parámetro
λ usando el Teorema de la Transformada inversa.
Hint: Use la propiedad iterativa de esta distribución para calcular el vector de probabilidades.
λ
P (X = x + 1) = x+1 P (X = x)