UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES

ESCUELA DE ESTADÍSTICA Y CIENCIAS ACTUARIALES
DEPARTAMENTO DE ESTADÍSTICA Y PROBABILIDAD
CÁTEDRA DE PROBABILIDAD E INFERENCIA
MATERIA: TEORÍA DE LA PROBABILIDAD II
PROF. FÉLIX URBANO Y TWIGGY GUERRERO

PRÁCTICA Nº 2

1.- Sea (, , P) un espacio probabilizado asociado a un experimento aleatorio . Sea A un elemento de
. Si X es la variable aleatoria definida por X = I A. Halle la esperanza y la varianza de X.
Particularice para el caso en que P(A) = 0,25.

1
2.- Sea X una variable aleatoria discreta con función de masa positiva en –1,0 y 1. Si PX  0  , halle:
2
 
a.- E X 2
b.- PX 1 y PX   1 , sí E  X  
1
6

3.- Sea X una variable aleatoria discreta con función de masa:

1 1 1 1
PX  x   I  3,3  x   I   2,2  x   I  1,1  x   I  0  x 
6 12 8 4
Halle E  X  usando:
a.- La distribución de la variable X.
b.- El cambio de variable Y  X y luego calculando E  Y 

4.- Sea X una variable aleatoria continua con función de densidad: f X  x   2 xI  0,1  x  .
 1 
Halle EX 2  utilizando el procedimiento anterior.
 
 

2

5.- Sea X una variable aleatoria continua con función de densidad: f  x   4 x  4
X e xI
 0,    x 
.

1
Halle E   utilizando el procedimiento de los ejemplos anteriores.
X 

6.- Demuestre que: Var  X   E  X  X  1   E  X   E 2  X 

7.- Halle la media y la varianza de las distribuciones discretas: uniforme, Bernoulli, binomial,
geométrica desde cero, geométrica desde uno, binomial negativa desde cero, binomial negativa desde
r, hipergeométrica, Poisson.

8.- Halle la media y la varianza de las distribuciones continuas: uniforme, gamma, exponencial, chi-
cuadrado, beta, normal estándar.

9.- Usando la transformación de estandarización, halle la media y la varianza de la distribución normal

de parámetros  y 2.
10.- Sea X una variable que sigue una distribución exponencial de parámetro m = 2. Obtenga la varianza
de la variable definida mediante la transformación: Y   X  1 I  0,1  X    4  X  I 1,   X  .

nn
n   k nk
11.- Derivando con respecto a x ambos miembros de la igualdad
x y   x y , se obtiene la relación

k0 k
nn
n1   k1 nk

nx y  k x y
k0 k
. Use este resultado para obtener la esperanza de una variable binomial de

parámetros n y p.
2
 1  x 
  
12.- Derive con respecto a  ambos miembros de la igualdad e
2  
dx   2 . Con el


resultado obtenido, halle la varianza de la variable normal de parámetros  y 2.

13.- Demuestre que si X es una variable aleatoria simétrica respecto al origen, entonces E  X   0 .

14.- Demuestre que si X es una variable aleatoria continua con función de densidad simétrica respecto a a
 
( f X  a  x   f X  a  x  ), entonces E  X  a  k  0 , para k impar.

15.- Sea X una variable aleatoria continua con función de densidad en el intervalo (0, b). Demuestre que:
b
E X    1  FX  x  dx siendo FX la función de distribución de X
0

16.- Sea X una variable aleatoria continua Demuestre que:

a.- b.-
 
 0 
E X    1  FX  x  dx   FX  x dx E X2    2 x1  FX  x    FX   x   dx
0
0 
  x2

17.- Demuestre que  x 2 n 1
e 2 dx  2 n 1  n  . Utilizando este resultado, demuestre que si X es una
0

variable aleatoria normal estándar, entonces:  2 k   2k  1 2k  3.....5.3.1

18.- Sea X una variable normal de parámetros  y 2. Demuestre que E  X     

2
.


19.- Pruebe la desigualdad de Markov y a partir de ella obtenga la desigualdad de Tchevyshev.

20.- Demuestre que si X es una variable aleatoria tal que Var  X   0 , entonces X es una variable
aleatoria degenerada (una constante).


 3 
21.- Sea X una variable aleatoria continua uniforme en el intervalo  3 , 3 . Halle P X     
2 


de las siguientes formas:
a.- Aproximada mediante el uso de la desigualdad de Tchebychev.
b.- Exacta, usando la función de densidad y los valores apropiados de  y .

22.- Sea X una variable aleatoria continua que sigue una distribución beta de parámetros m =3, n = 2.
Determine usando los mismos procedimientos del ejercicio anterior, P  X    2  .

23.- Halle mediante el uso de la desigualdad de Tchebychev, P   2  X  8 sí E  X   3 y E X 2  13  

24.- Sea X una variable aleatoria que sigue una distribución de Poisson de parámetro  = 2. Utilice la
desigualdad de Tchebychev para acotar la probabilidad de que X difiera de su media por más de dos y
tres desviaciones estándar y compare los resultados con el valor real de la probabilidad en cada caso.

25.- Halle la mediana (Md) y los cuartiles (Q1 y Q3) de las siguientes distribuciones:
a.- X es una variable aleatoria discreta distribuida uniformemente en el conjunto {1, 2,,...,,6}.
b.- X es una variable aleatoria binomial de parámetros n = 4 y p 1
4
c.- X es una variable aleatoria beta de parámetros m = 3 y n = 1.
1
f X  x 
d.- X es una variable aleatoria continua con función de densidad:

 1  x2  I R  x
26.- Halle el modo (Mo) de las siguientes distribuciones:
a.- X es una variable aleatoria binomial de parámetros n = 8 y p = 0,5.
b.- X es una variable aleatoria beta de parámetros m = 1 y n = 3.

27.- Demuestre que la expresión E  X  C  alcanza un valor mínimo cuando C es la mediana de la

distribución.

1
28.- Una variable aleatoria X tiene una función de densidad f X  x  

 1  x2  I R  x  . Halle el percentil
100p de dicha distribución.
29.- Sea X una variable aleatoria con función de densidad f X  x  
2
e
1 x
I R  x  . Halle:
a.- Media, mediana y modo b.- Varianza y desviación estándar.
3 4    
c.- Coeficientes de asimetría  3  y kurtosis  4  3  .
     

30.- Sea X una variable aleatoria continua distribuida uniformemente en el intervalo (-c, c), c > 0.
Obtenga  r' .

31.- Obtenga  r' para las distribuciones gamma y beta.

E X
n
32.- Obtenga 
 
 , si X es una variable aleatoria normal estándar.
33.- Halle  r' para la variable con función de densidad:
x2 x2
 2 2  2a 2
a.- f  x  
X
x
e 2a 2
I  0,    x  b.- f  x  
X
1

x e I  0,   x 
a2 a3

2
34.- Sea X una variable aleatoria con función de densidad f X  x   2axe ax I  0,   x  . Halle Md.
Compruebe que 2 M o2   2   2 .

35.- Obtenga las relaciones que permiten obtener los momentos ordinarios en términos de los momentos
centrales y viceversa.

36.- Halle las funciones X, X y X correspondientes a las variables discretas: uniforme, Bernoulli,
binomial, geométrica (desde cero y desde uno), binomial negativa (desde cero y desde r),
hipergeométrica, Poisson.

37.- Halle las funciones X, X y X correspondientes a las variables continuas: uniforme, gamma,
exponencial, chi-cuadrado, beta, normal.

38.- Demuestre las propiedades más importantes de la función generatriz de momentos

39.- Deduzca una expresión que relacione la media y la varianza de una variable X con la función X.

40.- Resuelve los ejercicios 8 y 9 mediante el uso de las funciones generatrices.

6 1
41.- Sea X una variable aleatoria con función de masa PX  x   I1, 2,...  x  . Pruebe que no existe la
 x2
función generatriz de momentos.

42.- Sea X una variable aleatoria con función de densidad f X  x  

2
e
1 x
I R  x  . Halle la media y la
varianza a partir de la función generatriz de momentos.
43.- Sea X una variable aleatoria que tiene por momento ordinario de orden k,  r'  k! . Demuestre que X
sigue una distribución exponencial de parámetro m = 1.

n
44.- Sean X1, X2, ..., Xn, variables aleatorias independientes. Sea S   X i , halle la distribución de s,
i 1
cuando:
a.- Xi sigue una distribución binomial de parámetros ni y p.
b.- Xi sigue una distribución Poisson de parámetros i.
c.- Xi sigue una distribución normal de parámetros  y 2.
d.- Xi sigue una distribución gamma de parámetros ni y m.
e.- Xi sigue una distribución exponencial de parámetros m.
f.- Xi sigue una distribución chi-cuadrado de parámetros n i grados de libertad.

45.- Sean X1, X2, ..., Xn, variables aleatorias independientes e idénticamente distribuidas (v.a.i.i.d) de
acuerdo con una variable aleatoria X con función de densidad f X  x   m1  x  m 1 I  0,1  x  , m > 0.
n
Halle la distribución de la variable definida por: Y   ln 1  X i  .
i 1

46.- Sean X1, X2, ..., Xn, variables aleatorias independientes e idénticamente distribuidas (v.a.i.i.d) de
acuerdo con una variable aleatoria normal de parámetros  y 2. Obtenga :
n n
  Xi  X 
2
Xi
a.- Media y varianza de b.- Media de
X  i 1 Y  i 1
n n 1

47.- Sean X1, X2, ..., Xn, variables aleatorias independientes e idénticamente distribuidas (v.a.i.i.d) de
 1
acuerdo con una variable aleatoria X con función de densidad: f X  x     
1
I 1,    x  . Si
 x
n
Y   ln X i  , obtenga:
i 1
a.- E Y 
 n  1
b.- Var n 
 Y 
48.- Sean X1, X2, ..., Xn, variables aleatorias independientes e idénticamente distribuidas (v.a.i.i.d)
de acuerdo con una variable aleatoria geométrica desde 1 de parámetro p. Obtenga:
 
 

E
 n  1 n  2  
 n  n  
 
  i   i
X  1  X  2 

  i 1  i 1 

49.- Sean X1, X2, ..., Xn, variables aleatorias independientes e idénticamente distribuidas (v.a.i.i.d)
de acuerdo con una variable aleatoria X con función de densidad f X  x   2axe  ax I  0,   x 
2

. Obtenga:
 n  
3   c.-
 
a.- E   X i 
   2   n 2 
  X i  X  

 i 1   b.- Var n
 
    X i2  E  i 1 
   n 1 
 i 1   

 


50.- Sean X1, X2, ..., Xn, variables aleatorias independientes e idénticamente distribuidas (v.a.i.i.d)
de acuerdo con una variable aleatoria X con función de densidad
2 1

f X  x  x 1 I  0,1  x  . Obtenga:
1
 n  
   n 3

a.- Var    ln X i 

 i 1 
1 
b.- E 
2   ln X i2
  i 1
 
 3

   
  
 
 
1
c.- E n 


   ln X i

 

 i 1
 


51.- Mediante el desarrollo en serie de la función generatriz de momentos de la distribución normal

estándar, demuestre que:  2' k   2k  1 2k  3.....5.3.1 y  2' k 1  0

FU / TG / tg / 2002.