Curso Elemental de Probabilidad y Estadística - UNAM PDF

Curso Elemental de
Probabilidad y Estadística
Luis Rincón
Versión: Diciembre 2007
Curso elemental de
PROBABILIDAD Y ESTADÍSTICA
Luis Rincón
Departamento de Matemáticas
Facultad de Ciencias UNAM
Circuito Exterior de CU
04510 México DF
Versión: Diciembre 2007
Una versión actualizada del presente texto se encuentra disponible en formato

electrónico en la dirección http://www.matematicas.unam.mx/lars
Prólogo
El presente texto constituye el material completo del curso semestral de Proba-

bilidad y Estadı́stica, impartido por el autor a alumnos de la licenciatura en
ciencias de la computación en la Facultad de Ciencias de la UNAM. Contiene el te-
mario básico para un curso elemental e introductorio a algunos temas tradicionales
de la probabilidad y la estadı́stica, ası́ como una colección de ejercicios. Algunos
de estos ejercicios aparecen a lo largo del texto como parte de la lectura, y una
colección más extensa aparece al final del libro incluyendo algunas soluciones o
sugerencias para resolverlos.
El texto está dirigido de manera general a alumnos de las distintas carreras de

ingenierı́a, ciencias de la computación, y otras carreras cientı́ficas similares, cuyos
programas de estudio contemplan un semestre introductorio a estos temas. Como
es natural en este tipo de cursos, no se hace énfasis en el rigor matemático de la
demostración de los resultados, sino en el uso, interpretación y aplicación de éstos.
Como prerequisitos para una lectura provechosa de este material, se requiere, en
determinados momentos, tener cierta familiaridad con algunos conceptos elementa-
les de álgebra y del cálculo diferencial e integral. El texto fue escrito en el sistema
LATEX, y la mayorı́a de las ilustraciones fueron elaboradas usando el paquete ps-
tricks.
El autor agradece cualquier comentario, sugerencia o corrección enviada al correo

electrónico que aparece abajo.
Luis Rincón
Diciembre 2007
Ciudad Universitaria UNAM
lars@fciencias.unam.mx
Contenido
1. PROBABILIDAD 5
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3. Análisis combinatorio . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4. Probabilidad condicional e independencia . . . . . . . . . . . . . . . 28
1.5. Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.6. Funciones de densidad y de distribución . . . . . . . . . . . . . . . . 39
1.7. Esperanza, varianza, momentos . . . . . . . . . . . . . . . . . . . . . 45
1.8. Distribuciones de probabilidad . . . . . . . . . . . . . . . . . . . . . 52
1.9. Vectores Aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2. ESTADÍSTICA 83
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.2. Variables y tipos de datos . . . . . . . . . . . . . . . . . . . . . . . . 84
2.3. Estadı́stica descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2.4. Muestras aleatorias y estadı́sticas . . . . . . . . . . . . . . . . . . . . 88
2.5. Estimación puntual . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
2.6. Estimación por intervalos . . . . . . . . . . . . . . . . . . . . . . . . 93
2.7. Pruebas de hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
A. Ejercicios 107
B. Soluciones 139
C. Formulario 167
3
4 Contenido
Parte 1
PROBABILIDAD
En esta primera mitad del curso estudiaremos algunos conceptos elementales de la

teorı́a matemática de la probabilidad. Esta teorı́a tuvo como uno de sus primeros
puntos de partida el intentar resolver un problema particular concerniente a una
apuesta de juego de dados entre dos personas. El problema al que nos referimos
involucraba una gran cantidad de dinero y puede plantearse de la siguiente forma:
Dos jugadores escogen cada uno de ellos un número del 1 al 6, distinto

uno del otro, y apuestan 32 doblones de oro a que el número escogido por
uno de ellos aparece en tres ocasiones antes que el número del contrario
al lanzar sucesivamente un dado. Suponga que el número de uno de los
jugadores ha aparecido dos veces y el número del otro una sola vez.
¿Cómo debe dividirse el total de la apuesta si el juego se suspende?
Uno de los apostadores, Antonio de Gombaud, popularmente conocido como el ca-

ballero De Mere, deseando conocer la respuesta al problema plantea a Blaise Pas-
cal (1623-1662) la situación. Pascal a su vez consulta con Pierre de Fermat (1601-
1665) e inician un intercambio de cartas a propósito del problema. Esto sucede en
el año de 1654. Con ello se inician algunos esfuerzos por dar solución a éste y otros
problemas similares que se plantean. Con el paso del tiempo se sientan las bases y
las experiencias necesarias para la búsqueda de una teorı́a matemática que sinte-
tice los conceptos y los métodos de solución de los muchos problemas particulares
resueltos a lo largo de varios años.
5
6 1.1. Introducción
Blaise Pascal Pierre de Fermat

(Francia, 1623–1662) (Francia, 1601–1665)
En el segundo congreso internacional de matemáticas, celebrado en la ciudad de Pa-

ris en el año 1900, el matemático David Hilbert (1862-1943) plantea 23 problemas
matemáticos de importancia. Uno de estos problemas es el de encontrar axiomas
o postulados a partir de los cuales se pueda construir una teorı́a matemática de
la probabilidad. Aproximadamente treinta años después, en 1933, el matemático
ruso A. N. Kolmogorov (1903-1987) propone ciertos axiomas que a la postre resul-
taron adecuados para la construcción de una teorı́a de la probabilidad. Esta teorı́a
prevalece hoy en dı́a y ha adquirido el calificativo de teorı́a clásica. Actualmente
la teorı́a clásica de la probabilidad se ha desarrollado y extendido enormemente
gracias a muchos pensadores que han contribuı́do a su crecimiento, y es sin duda
una parte importante y bien establecida de las matemáticas. Ha resultado útil pa-
ra resolver problemas puramente matemáticos, pero sobre todo y principalmente,
para modelar situaciones reales o imaginarias, en donde el azar es relevante.
1.1. Introducción
La teorı́a de la probabilidad es la parte de las matemáticas que se encarga del

estudio de los fenómenos o experimentos aleatorios. Por experimento aleatorio en-
tenderemos todo aquel experimento que cuando se le repite bajo las mismas condi-
ciones iniciales, el resultado que se obtiene no siempre es el mismo. El ejemplo más
sencillo y cotidiano de un experimento aleatorio es el de lanzar una moneda o un
dado, y aunque estos experimentos pueden parecer muy modestos, hay situaciones
en donde se utilizan para tomar decisiones de cierta importancia. En principio no
Parte 1. PROBABILIDAD 7
sabemos cuál será el resultado del experimento aleatorio, asi que por lo menos con-
viene agrupar en un conjunto a todos los resultados posibles. El espacio muestral
(o también llamado espacio muestra de un experimento aleatorio es el conjunto de
todos los posibles resultados del experimento, y se le denota generalmente por la
letra griega Ω (omega). Más adelante mostraremos que este conjunto no es nece-
sariamente único y su determinación depende del interés del observador o persona
que realiza el experimento aleatorio. En algunos textos se usa también la letra S
para denotar al espacio muestral. Esta letra proviene del término sampling space de
la lengua inglesa equivalente a espacio muestral. Por otro lado, llamaremos evento
a cualquier subconjunto del espacio muestral y denotaremos a los eventos por las
primeras letras del alfabeto en mayúsculas: A, B, C, etc. Con la ayuda de algunos
ejemplos ilustraremos a continuación los conceptos de espacio muestral y evento.
Ejemplo. Si un experimento aleatorio consiste en lanzar un dado y observar el

número que aparece en la cara superior, entonces claramente el espacio muestral es
el conjunto Ω = {1, 2, 3, 4, 5, 6}. Como ejemplo de un evento para este experimento
podemos definir el conjunto A = {2, 4, 6}, que corresponde al suceso de obtener
como resultado un número par. Si al lanzar el dado una vez se obtiene el número
“4”, decimos entonces que se observó la ocurrencia del evento A, y si se obtiene
por ejemplo el resultado “1”, decimos que no se observó la ocurrencia del evento A.
Ejemplo. Considere el experimento aleatorio de participar en un juego de loterı́a.

Suponga que hay un millón de números en esta loterı́a y un jugador participa con
un boleto. ¿Cuál es un posible espacio muestral para este experimento? Natural-
mente al jugador le interesa conocer su suerte en este juego y puede proponer como
espacio muestral el conjunto Ω = {“ganar”, “perder”}. Sin embargo puede también
tomarse como espacio muestral el conjunto que contiene a todos los posibles núme-
ros ganadores, es decir, Ω = {1, 2, . . . , 1000000}. Este ejemplo sencillo muestra que
el espacio muestral de un experimento aleatorio no es único y depende del interés
del observador.
Ejemplo. Suponga que un experimento aleatorio consiste en observar el tiempo en

el que una máquina en operación sufre su primera descompostura. Si se consideran
mediciones continuas del tiempo, entonces puede adoptarse como espacio muestral
para este experimento el intervalo [0, ∞). El subconjunto A = [1, 2] corresponde al
evento en el que la primera descompostura se observe entre la primera y la segunda
unidad de tiempo.
Ejercicio. Encuentre un espacio muestral para el experimento aleatorio de observar

el marcador final de un juego de fútbol soccer. ¿Es un espacio muestral finito o
infinito?
Ejercicio. Suponga que se tiene en operación una sala de cómputo con 100 compu-
tadoras. Encuentre un espacio muestral para el experimento de observar la confi-
guración de máquinas, desde el punto de vista de uso o no uso, en un momento
cualquiera del dı́a.
Puesto que los conceptos de espacio muestral y evento involucran forzosamente la

terminologı́a de conjuntos, recordaremos a continuación algunas operaciones entre
estos objetos, y algunas propiedades que nos serán de utilidad en el estudio de la
probabilidad y la estadı́stica.
Operaciones con conjuntos. Supondremos que el espacio muestral Ω de un

experimento aleatorio es una especie de conjunto universal, y cualquier elemento
de Ω lo denotaremos por ω (omega minúscula). El conjunto vacı́o lo denotaremos
por ∅. Otros sı́mbolos usuales son los de pertenencia (∈), o no pertenencia (∈)
/ de
un elemento en un conjunto, y los de contención (⊂, ⊆), o no contención (6⊂) de
un conjunto en otro. Si A es un conjunto, denotamos la cardinalidad o número
de elementos de ese conjunto por el sı́mbolo #A. Sean A y B dos subconjuntos
cualesquiera de Ω. Recordamos a continuación las operaciones básicas de unión,
intersección, diferencia y complemento:
A∪B = {ω ∈ Ω : ω ∈ A ó ω ∈ B},
A∩B = {ω ∈ Ω : ω ∈ A y ω ∈ B},
A−B = {ω ∈ Ω : ω ∈ A y ω ∈
/ B},
Ac = {ω ∈ Ω : ω ∈
/ A}.
Cuando los conjuntos se expresan en palabras, la operación unión, A ∪ B, se lee

“A o B” y la intersección, A ∩ B, se lee “A y B”. En la Figura 1.1 se muestran en
diagramas de Venn estas dos operaciones.
La diferencia entre dos conjuntos A y B se denota por A− B, y corresponde a aquel

conjunto de elementos de A que no pertenecen a B, es decir, A − B se define como
A∩B c . En general, el conjunto A−B es distinto de B −A, de hecho estos conjuntos
son siempre ajenos. ¿Puede usted comprobar tal afirmación? ¿En qué caso ambos
conjuntos coinciden? Por otro lado el complemento de un conjunto A se denota
A B A B
Ω Ω
A∪B A∩B
Figura 1.1:
por Ac y se define como la colección de aquellos elementos de Ω que no pertenecen

a A. Mediante un diagrama de Venn ilustramos gráficamente las operaciones de
diferencia y complemento en la Figura 1.2.
A B
A
Ω Ω
c
A−B A
Figura 1.2:
Ejemplo. Sea A el conjunto de aquellas personas que tienen hijos, y B la colec-

ción de aquellas personas que estan casadas. Entonces el conjunto A ∩ B consta
de aquellas personas que estan casadas y tienen hijos, mientras que el conjunto
A ∩ B c está constituido por aquellas personas que tienen hijos pero no estan ca-
sadas. ¿Quién es Ac ∩ B? Observe que cada persona es un elemento de alguno de
los siguientes conjuntos: A∩B, A∩B c , Ac ∩B ó Ac ∩B c . ¿A cuál pertenece usted?
Ejercicio. Demuestre que si A ⊆ B, entonces B c ⊆ Ac .
Ejercicio. Considere los subconjuntos de números reales A = {x ∈ R : x2 ≤ 1} y

B = {x ∈ R : x > 0}. Encuentre y represente en el eje real los conjuntos: A ∪ B,
A ∩ B, A − B y B − A.
Es fácil verificar que el conjunto vacı́o y el conjunto total satisfacen las siguientes
propiedades elementales: A ∪ ∅ = A, A ∩ Ω = A, A ∩ ∅ = ∅, A ∪ Ac = Ω,
A ∪ Ω = Ω, A ∩ Ac = ∅. Las operaciones unión e intersección son asociativas, esto
es, satisfacen las siguientes igualdades:
A ∪ (B ∪ C) = (A ∪ B) ∪ C,
A ∩ (B ∩ C) = (A ∩ B) ∩ C,
y también son distributivas, es decir,
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C),
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).
Recordemos también la operación diferencia simétrica entre dos conjuntos A y B,

denotada por A△B, y definida como sigue: A△B = (A ∪ B) − (B ∩ A). En la
Figura 1.3 ilustramos gráficamente el conjunto resultante de efectuar la diferencia
simétrica entre los conjuntos A y B. Visualmente es fácil comprobar que la dife-
rencia simétrica también puede escribirse como (A − B) ∪ (B − A). ¿Cómo podrı́a
expresarse en palabras al conjunto A△B?
A B
Ω
A△B
Figura 1.3:
Recordemos además las muy útiles leyes de De Morgan:

(A ∪ B)c = Ac ∩ B c ,
c
(A ∩ B) = Ac ∪ B c .
La validez de estas dos igualdades puede extenderse a colecciones finitas e incluso
arbitrarias de conjuntos. ¿Puede usted escribir estas identidades para n conjuntos?
Conjuntos ajenos. Decimos que dos conjuntos A y B son ajenos (o disjuntos)

si se cumple la igualdad A ∩ B = ∅, es decir, los conjuntos A y B son ajenos
cuando no existe un elemento que pertenezca tanto a A como a B. Por ejemplo, si
Ω = {1, 2, 3, 4, 5, 6}, entonces los conjuntos A = {1, 2} y B = {3, 4} son ajenos pues
no hay ningún elemento común entre ellos. El ejemplo general más importante de
conjuntos o eventos ajenos es la pareja dada por A y Ac , para cualquier conjunto
A.
Ejercicio. Suponga que A es el conjunto de raı́ces de la ecuación cuadrática x2 −

x − 2 = 0, y B es el intervalo [0, 3]. ¿Son los conjuntos A y B ajenos?
Este concepto puede extenderse al caso cuando se tienen varios conjuntos. Decimos
que n conjuntos A1 , . . . , An son ajenos si A1 ∩ · · · ∩ An = ∅, y se dice que son
ajenos dos a dos (o mutuamente ajenos) si Ai ∩ Aj = ∅ para cualesquiera valores
de los ı́ndices i, j = 1, 2, . . . , n, con i distinto de j. Existe diferencia en estas dos
definiciones y explicaremos la situación con el siguiente ejemplo: Los conjuntos
A = {1, 2}, B = {2, 3} y C = {3, 4} son ajenos pues A ∩ B ∩ C = ∅, pero no son
ajenos dos a dos pues, por ejemplo, el conjunto A ∩ B no es vacı́o. Es decir, estos
conjuntos son ajenos en el sentido de que la intersección de todos ellos es vacı́a
pero no son ajenos dos a dos.
Ejercicio. Sean A y B dos conjuntos cualesquiera. Compruebe que la colección de

conjuntos: A ∩ B, Ac ∩ B, A ∩ B c y Ac ∩ B c son ajenos dos a dos. Dibujar un
diagrama de Venn podrı́a ayudar a entender la situación.
Ejercicio. Compruebe matemáticamente que si n conjuntos son ajenos, entonces

son ajenos dos a dos.
Las siguientes operaciones entre conjuntos no son elementales y producen nuevos

conjuntos que se encuentran en un nivel distinto al de los conjuntos originales.
Conjunto potencia. El conjunto potencia de Ω, denotado por 2Ω , es aquel con-

junto cuyos elementos son todos los subconjuntos posibles de Ω. Por ejemplo, si
Ω = {a, b, c}, entonces el conjunto 2Ω consta de 8 elementos, a saber,
2Ω = {∅, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, {a, b, c}}.
Observe que los elementos del conjunto potencia son en si mismos conjuntos, y que
en esta colección estan contenidos todos los eventos que podrı́an ser de interés en un
experimento aleatorio. No es difı́cil demostrar que #(2Ω ) = 2#Ω , es decir, el número
de elementos en el conjunto 2Ω es exactamente 2 elevado a la potencia dada por
la cardinalidad de Ω. De este hecho proviene la notación usada para el conjunto
potencia: 2Ω . Observe que la expresión 2Ω no tiene sentido matemático, y debe
considerarse como un sı́mbolo para denotar al conjunto potencia. Para el ejemplo
anterior se comprueba que la cardinalidad de 2Ω es efectivamente 2#Ω = 23 = 8.
Ejercicio. Sea Ω = {a}. ¿Quién es 2Ω ?
Producto Cartesiano. Finalmente recordemos que el producto Cartesiano de

dos conjuntos A y B, denotado por A × B, se define como la colección de todas las
parejas ordenadas (a, b), en donde a es cualquier elemento de A, y b es cualquier
elemento de B. En sı́mbolos, A × B = {(a, b) : a ∈ A y b ∈ B}. Por ejemplo, si
A = {a1 , a2 } y B = {b1 , b2 , b3 }, entonces
A × B = {(a1 , b1 ), (a1 , b2 ), (a1 , b3 ), (a2 , b1 ), (a2 , b2 ), (a2 , b3 )}.
En general los conjuntos producto A × B y B × A son distintos pues la pareja (a, b)

es distinta de (b, a), sin embargo ambos conjuntos tienen la misma cardinalidad,
esto es, ambos tienen el mismo número de elementos. Más aún, si la cardinalidad de
A es el número n, y la cardinalidad de B es m, entonces la cardinalidad del conjunto
A×B es el producto n·m. Este resultado es llamado principio de multiplicación que
usaremos más adelante. Un poco más generalmente, puede considerarse el producto
Cartesiano de n conjuntos y comprobarse que
#(A1 × · · · × An ) = #A1 · · · #An .
Ejemplo. El producto Cartesiano R × R es el conjunto de todas las parejas de

números reales (x, y). A este conjunto producto se le denota usualmente por R2 .
Análogamente se construyen los conjuntos R3 , R4 , . . ., Rn , . . .
Ejercicio. Sea A = {0, 1}. ¿Cuántos elementos tiene A × · · · × A?

| {z }
n
Concluimos aquı́ nuestra rápida y breve revisión de conjuntos. Recordemos que

estamos interesados en calcular probabilidades de los diferentes eventos, es decir,
de subconjuntos del espacio muestral que se obtienen al estudiar los diversos expe-
rimentos aleatorios. En la siguiente sección estudiaremos algunas formas de definir

matemáticamente la probabilidad de un evento.
1.2. Probabilidad
La probabilidad de un evento A, es un número real en el intervalo [0, 1] que deno-

taremos por P (A), y representa una medida de la frecuencia con la que se observa
la ocurrencia del evento A cuando se efectúa el experimento aleatorio en cues-
tión. Existen al menos cuatro definiciones de probabilidad las cuales explicamos a
continuación.
Probabilidad clásica. Sea A un subconjunto de un espacio muestral Ω de car-

dinalidad finita. Se define la probabilidad clásica del evento A como el cociente:
#A
P (A) = ,
#Ω
en donde el sı́mbolo #A denota la cardinalidad o número de elementos del con-
junto A. Claramente esta definición es sólo válida para espacios muestrales finitos,
pues forzosamente necesitamos suponer que el número de elementos en Ω es fini-
to. Además, el espacio Ω debe ser equiprobable, pues para calcular la probabilidad
de un evento A, únicamente necesitamos contar cuántos elementos tiene A res-
pecto del total Ω, sin importar exactamente qué elementos particulares sean. Por
lo tanto, esta definición de probabilidad presupone que todos los elementos de
Ω son igualmente probables o tienen el mismo peso. Este es el caso por ejemplo
de un dado equilibrado. Para este experimento el espacio muestral es el conjunto
Ω = {1, 2, 3, 4, 5, 6}, y si deseamos calcular la probabilidad (clásica) del evento A
correspondiente a obtener un número par, es decir, la probabilidad de A = {2, 4, 6},
entonces
#{2, 4, 6} 3 1
P (A) = = = .
#{1, 2, 3, 4, 5, 6} 6 2
Probabilidad frecuentista. Suponga que se realizan n repeticiones de un cier-

to experimento aleatorio y sea A un evento cualquiera. Denotemos por n(A) el
número de ocurrencias del evento A, en las n realizaciones del experimento. Se
define entonces la probabilidad frecuentista de A como indica el siguiente lı́mite
n(A)
P (A) = lı́m .
n→∞ n
14 1.2. Probabilidad
En este caso, debemos hacer notar que no es humanamente posible llevar a cabo una
infinidad de veces el experimento aleatorio, de modo que en la práctica no es posible
encontrar mediante este mecanismo la probabilidad de un evento cualquiera. Esta
limitación hace que esta definición de probabilidad no sea enteramente formal, pero
tiene algunas ventajas. Veamos un ejemplo concreto. Consideremos nuevamente el
experimento aleatorio de lanzar un dado equilibrado y registrar la ocurrencia del
evento A definido como el conjunto {2, 4, 6}. Después de lanzar el dado 20 veces se
obtuvieron los siguientes resultados:
No. Resultado n(A)/n No. Resultado n(A)/n

1 3 0/1 11 2 7/11
2 6 1/2 12 5 7/12
3 2 2/3 13 1 7/13
4 1 2/4 14 6 8/14
5 4 3/5 15 3 8/15
6 6 4/6 16 1 8/16
7 3 4/7 17 5 8/17
8 4 5/8 18 5 8/18
9 2 6/9 19 2 9/19
10 5 6/10 20 6 10/20
En la gráfica de la Figura 1.4 se muestra el singular comportamiento de este cociente

a lo largo del tiempo, al principio se pueden presentar algunas oscilaciones pero
eventualmente el cociente se estabiliza en un cierto número. Realizando un mayor
número de observaciones del experimento, no es difı́cil creer que el cociente n(A)/n
se estabiliza en 1/2 cuando n es grande y el dado es equilibrado. Se invita al
lector intrigado a efectuar un experimento similar y corroborar esta interesante
regularidad estadı́stica con éste o cualquier otro experimento aleatorio de su interés.
n(A)/n
b b b
b
b b b
b b
b b
1/2 b b b b
b
b
b
b
b
n
2 4 6 8 10 12 14 16 18 20
Figura 1.4:
Probabilidad subjetiva. En este caso la probabilidad de un evento depende del

observador, es decir, según lo que el observador conoce del fenómeno en estudio.
Puede parecer un tanto informal y poco seria esta definición de la probabilidad de
un evento, sin embargo en muchas situaciones es necesario recurrir a un experto
para tener por lo menos una idea vaga de cómo se comporta el fenómeno de nuestro
interés y saber si la probabilidad de un evento es alta o baja. Por ejemplo, ¿Cuál
es la probabilidad de que un cierto equipo de fútbol gane en su próximo partido?
Ciertas circunstancias internas del equipo, las condiciones del equipo rival o cual-
quier otra condición externa, son elementos que sólo algunas personas conocen y
que podrı́an darnos una idea más exacta de esta probabilidad. Esta forma subjetiva
de asignar probabilidades a los distintos eventos debe, sin embargo, ser consistente
con una serie de reglas naturales que estudiaremos a continuación.
Probabilidad axiomática. En la definición axiomática de la probabilidad no

se establece la forma explı́cita de calcular las probabilidades sino únicamente se
proponen las reglas que el cálculo de probabilidades debe satisfacer. Los siguientes
tres postulados o axiomas1 fueron establecidos en 1933 por el matemático ruso A.
N. Kolmogorov.
Axiomas de la probabilidad
1. P (A) ≥ 0.
2. P (Ω) = 1.
3. P (A ∪ B) = P (A) + P (B),
cuando A ∩ B = ∅.
A. N. Kolmogorov
(Rusia, 1903–1987)
No es difı́cil verificar que las definiciones anteriores de probabilidad satisfacen estos

tres axiomas. De hecho, estos postulados han sido tomados directamente del análisis
1 Un postulado o axioma es una proposición que se acepta como válida y sobre la cual se funda
una teorı́a.
cuidadoso y reflexivo de las definiciones de probabilidad mencionadas anteriormen-

te. En particular, observe que el tercer axioma es válido no sólo para dos eventos
ajenos sino para cualquier colección finita de eventos ajenos dos a dos. A cualquier
función P que satisfaga los tres axiomas de Kolmogorov se le llama medida de
probabilidad, o simplemente probabilidad. A partir de estos postulados es posible
demostrar que la probabilidad cumple con una serie de propiedades interesantes.
Proposición. Para cualquier evento A, P (Ac ) = 1 − P (A).
Demostración. De la teorı́a elemental de conjuntos tenemos que Ω = A ∪ Ac . Como

A y Ac son eventos ajenos, por el tercer axioma, P (Ω) = P (A)+P (Ac ). Finalmente,
como P (Ω) = 1, por el segundo axioma obtenemos P (Ac ) = 1 − P (A).
Proposición. P (∅) = 0.
Demostración. Como ∅ = Ωc , usando la propiedad anterior, tenemos que P (∅) =

P (Ωc ) = 1 − P (Ω) = 0.
Las siguientes dos proposiciones suponen la situación A ⊆ B que se muestra gráfi-

camente en la Figura 1.5.
A B
Figura 1.5: A ⊆ B.
Proposición. Si A ⊆ B, entonces P (A) ≤ P (B).
Demostración. Primeramente escribimos B = A ∪ (B − A). Como A y B − A

son eventos ajenos, por el tercer axioma, P (B) = P (A) + P (B − A). Usando el
primer axioma concluimos que P (B) − P (A) = P (B − A) ≥ 0. De aqui obtenemos
P (B) − P (A) ≥ 0.
Proposición. Si A ⊆ B, entonces P (B − A) = P (B) − P (A).
Demostración. Como B = A ∪ (B − A), siendo esta unión ajena, por el tercer

axioma tenemos que P (B) = P (A) + P (B − A).
Ejercicio. Sean A ⊆ B eventos tales que P (Ac ) = 0.9 y P (B c ) = 0.6. Compruebe

que P (B − A) = 0.3.
Proposición. Para cualquier evento A, 0 ≤ P (A) ≤ 1.
Demostración. Como A ⊆ Ω, se tiene que P (A) ≤ P (Ω) = 1. La otra desigualdad,

0 ≤ P (A), es simplemente el primer axioma.
Proposición. Para cualesquiera eventos A y B,
P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
Demostración. Primeramente observamos que para cualesquiera eventos A y B se

cumple la igualdad A − B = A − (A ∩ B). Entonces escribimos a A ∪ B como la
unión disjunta de los siguientes tres eventos:
A∪B = (A − B) ∪ (A ∩ B) ∪ (B − A)
= (A − A ∩ B) ∪ (A ∩ B) ∪ (B − A ∩ B).
Ahora aplicamos la probabilidad. Por el tercer axioma,
P (A ∪ B) = P (A − A ∩ B) + P (A ∩ B) + P (B − A ∩ B).
Pero A ∩ B ⊆ A, de modo que P (A − A ∩ B) = P (A) − P (A ∩ B). Análogamente

P (B − A ∩ B) = P (B) − P (A ∩ B). Por lo tanto
P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

En la Figura 1.6 (a) el lector puede comprobar la validez de la fórmula anterior

identificando las tres regiones ajenas de las que consta A ∪ B. El término P (A)
abarca las primeras dos regiones de izquierda a derecha, P (B) abarca la segunda y
tercera región. Observe entonces que la región central ha sido contada dos veces de
modo que el término −P (A ∩ B) da cuenta de ello. De esta forma las tres regiones
son contadas una sola vez y el resultado es la probabilidad del evento A ∪ B.
A B A B
Ω C Ω
(a) A ∪ B (b) A ∪ B ∪ C
Figura 1.6:
Ejercicio. Sean A y B eventos ajenos tales que P (B) = 0.3 y P (A ∩ B c ) = 0.2.

Compruebe que P (A ∪ B) = 0.5.
Observe que la fórmula anterior es válida para cualesquiera eventos A y B. En

particular, cuando son conjuntos ajenos, es decir, cuando A ∩ B = ∅, entonces
la fórmula demostrada se reduce al tercer axioma de la probabilidad, es decir,
P (A ∪ B) = P (A) + P (B). El siguiente resultado es una generalización del anterior
e involucra tres eventos cualesquiera. La fórmula que a continuación se demuestra
puede también verificarse usando el diagrama de Venn que aparece en la Fig 1.6 (b).
Para ello siga los términos del lado derecho de la fórmula y compruebe que cada
región es contada una sola vez de modo que el resultado final es la probabilidad
del evento A ∪ B ∪ C.
Proposición. Para cualesquiera eventos A, B y C,
P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B)

−P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C).
Demostración. Usando la fórmula para dos eventos y agrupando adecuadamente,
P (A ∪ B ∪ C) = P [(A ∪ B) ∪ C]
= P (A ∪ B) + P (C) − P ((A ∪ B) ∩ C)
= P (A) + P (B) − P (A ∩ B) + P (C) − P ((A ∩ C) ∪ (B ∩ C))
= P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C)
+P (A ∩ B ∩ C).
Las propiedades anteriores son parte del estudio teórico y general de la probabili-
dad. En general, supondremos que la forma explı́cita de calcular estos números es
conocida, o que se puede suponer un cierto modelo para llevar a cabo estos cálculos
dependiendo del experimento aleatorio en cuestión. Por ejemplo, cuando el espacio
muestral es finito y cada resultado puede suponerse igualmente probable, entonces
usaremos la definición clásica de probabilidad. En otras situaciones asignaremos
probabilidades de acuerdo a ciertos modelos conocidos. Regresaremos a este punto
más adelante. A manera de resumen presentamos a continuación una tabla con las
propiedades de la probabilidad que hemos demostrado.
Algunas propiedades de la probabilidad

a) P (Ac ) = 1 − P (A).
b) P (∅) = 0.
c) Si A ⊆ B, entonces P (A) ≤ P (B).
d) Si A ⊆ B, entonces P (B − A) = P (B) − P (A).
e) 0 ≤ P (A) ≤ 1.
f) P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
g) P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C)
−P (B ∩ C) + P (A ∩ B ∩ C).
Esperamos que, a partir de las propiedades enunciadas y demostradas, el lector haya

desarrollado cierta habilidad e intuición para escribir la demostración de alguna otra
20 1.3. Análisis combinatorio
propiedad de la probabilidad. Otras propiedades sencillas pueden encontrarse en la

sección de ejercicios. Debemos también decir que las demostraciones no son únicas,
y que es altamente probable que el lector pueda producir alguna demostración
diferente a las que aquı́ se han presentado.
1.3. Análisis combinatorio
Consideraremos ahora el caso cuando el experimento aleatorio es tal que su espacio

muestral es un conjunto finito y cada elemento de este conjunto tiene la misma
probabilidad de ocurrir, es decir, cuando el espacio Ω es finito y equiprobable. En
estos casos hemos definido la probabilidad clásica de un evento A de la siguiente
forma P (A) = #A/#Ω. Para poder aplicar esta definición necesitamos saber contar
cuántos elementos tiene un evento A cualquiera. Cuando podemos poner en una
lista todos y cada uno de los elementos de dicho conjunto, entonces es fácil conocer
la cardinalidad de A, simplemente contamos todos los elementos uno por uno.
Sin embargo, es común enfrentar situaciones en donde no es factible escribir en
una lista cada elemento de A. Por ejemplo, ¿Cuántos números telefónicos existen
que contengan por lo menos un cinco? Es poco factible que alguien intente escribir
uno a uno todos estos números telefónicos. En las siguientes secciones estudiaremos
algunas técnicas de conteo que nos ayudarán a calcular la cardinalidad de un evento
A en ciertos casos particulares. El principio de multiplicación que enunciamos a
continuación es la base de muchos de los cálculos en las técnicas de conteo.
Proposición. Si un procedimiento A1 puede efectuarse de n formas distintas y

un segundo procedimiento A2 puede realizarse de m formas diferentes, entonces
el total de formas en que puede efectuarse el primer procedimiento seguido del
segundo es el producto n · m, es decir, #(A1 × A2 ) = #A1 · #A2 .
Para ilustrar este resultado considere el siguiente ejemplo. Suponga que un cierto
experimento aleatorio consiste en seleccionar un dado y después seleccionar al azar
una letra del alfabeto. ¿Cuál es la cardinalidad del correspondiente espacio mues-
tral? El experimento de lanzar un dado tiene 6 resultados posibles y consideremos
que tenemos un alfabeto de 26 letras. El correspondiente espacio muestral tiene
entonces cardinalidad 6 × 26 = 156. El principio de multiplicación es válido no
solamente para dos procedimientos sino que también vale para cualquier sucesión
finita de procedimientos. Por ejemplo, si A1 , A2 , . . . , Ak denotan k procedimien-
tos sucesivos, entonces este principio se puede enunciar en sı́mbolos de la forma

siguiente: #(A1 × · · · × Ak ) = #A1 · · · #Ak .
Ejercicio. Un hombre tiene 4 pantalones distintos, 6 camisas, y dos pares de zapa-

tos. ¿De cuántas formas distintas puede el hombre vestirse con estas prendas?
Vamos a considerar a continuación diferentes esquemas y contextos en donde es

posible encontrar una fórmula matemática para ciertos problemas de conteo. En
todos ellos aplicaremos el principio de multiplicación. El esquema general es el de
extraer al azar k objetos, uno a la vez, de una urna con n objetos distintos. Esto
se muestra en la Figura 1.7.
n objetos k objetos
urna muestra
Figura 1.7:
Ordenaciones con repetición: Muestras con orden y con reemplazo.

Suponga entonces que tenemos una urna con n objetos distintos. Deseamos realizar
k extracciones al azar de un objeto a la vez. Al efectuar una extracción, registramos
el objeto escogido y lo regresamos a la urna, de esta forma el mismo objeto puede
ser extraı́do varias veces. El total de arreglos que se pueden obtener de esta urna al
hacer k extracciones es el número nk , pues en cada extracción tenemos n objetos
posibles para escoger y efectuamos k extracciones. Esta fórmula es consecuencia del
principio de multiplicación enunciado antes. A este número se le llama ordenaciones
con repetición. Se dice que la muestra es con orden pues es importante el orden en el
que se van obteniendo los objetos, y es con reemplazo pues cada objeto seleccionado
se reincorpora a la urna.
Ejemplo. Suponga que tenemos un conjunto de 60 caracteres diferentes que contie-

ne todas las letras minúsculas del alfabeto, las letras mayúsculas, los diez dı́gitos
y algunos caracteres especiales. ¿Cuántos passwords o palabras clave de longitud

4 se pueden construir usando el conjunto de 60 caracteres? Este es un ejemplo
de una ordenación de 60 caracteres en donde se permiten las repeticiones. Como
cada caracter de los 60 disponibles puede ser escogido para ser colocado en ca-
da una de las cuatro posiciones de la palabra clave, entonces se pueden construir
60 × 60 × 60 × 60 = 604 = 12, 960, 000 distintos passwords de longitud 4.
Ejercicio. Diez personas votarán por uno de tres candidatos. ¿De cuántas formas
distintas pueden los votos ser registrados uno por uno? Solución: 59049.
Ejercicio. En un partido de fútbol hubo 4 goles en el marcador final. ¿Cuántas

historias distintas de marcadores llevan a un marcador final donde hay 4 goles?
Solución: 16.
Ordenaciones sin repetición: Muestras con orden y sin reemplazo. Su-

ponga que se tiene la misma situación que antes, una urna con n objetos y de los
cuales se deben extraer, uno a uno, k objetos. Suponga esta vez que el muestreo es
sin reemplazo, es decir, una vez seleccionado un objeto éste ya no se reincorpora
a la urna. El total de arreglos distintos que se pueden obtener de este modo es
el número: n(n − 1)(n − 2) · · · (n − k + 1). Primeramente debemos observar que
hay k factores en la expresión anterior. El primer factor es n y ello es debido a
que tenemos cualesquiera de los n objetos para ser colocado en primera posición,
para la segunda posición tenemos ahora n − 1 objetos, para la tercera n − 2 obje-
tos, etc. Este razonamiento termina al escoger el k-ésimo objeto para cual tenemos
únicamente n − k + 1 posibilidades. Nuevamente por el principio multiplicativo, la
respuesta es el producto indicado. La expresión encontrada puede escribirse como
sigue:
n!
P (n, k) = ,
(n − k)!
y se lee permutaciones de n en k. En el caso particular cuando la muestra es
exhaustiva, es decir, cuando k = n, o bien cuando todos los objetos son extraı́dos
uno por uno, entonces se tienen todas las permutaciones o distintos órdenes en que
se pueden colocar n objetos.
Ejemplo. ¿De cuantas formas distintas pueden asignarse los premios primero, se-
gundo y tercero en una rifa de 10 boletos numerados del 1 al 10? Claramente se
trata de una ordenación sin repetición de 10 objetos en donde se deben extraer 3 de
ellos. La respuesta es entonces que existen 10 × 9 × 8 = 720 distintas asignaciones

para los tres primeros lugares en la rifa.
Ejercicio. ¿De cuántas formas distintas pueden dos equipos de fútbol terminar en
la clasificación general de un torneo en donde compiten 20 equipos? Solución: 380.
Permutaciones: Muestras exhaustivas con orden y sin reemplazo. La

pregunta básica acerca del total de formas en que podemos poner en orden lineal
(uno detrás de otro y por lo tanto no hay repetición) n objetos distintos tiene como
respuesta el factorial de n, denotado por n! y definido como sigue:
n! = n(n − 1)(n − 2) · · · 3 · 2 · 1.
A este número también se le conoce como las permutaciones de n objetos, y se

usa la notación P (n) = n! Adicionalmente y por conveniencia se define 0! = 1.
Observe que las permutaciones de n objetos es un caso particular de la situación
mencionada en la sección anterior sobre ordenaciones sin repetición pero ahora
cuando la muestra es exhaustiva, es decir, cuando se extraen los n objetos de la
urna.
Ejemplo. Si deseamos conocer el total de formas distintas en que podemos co-

locar una enciclopedia de 5 volúmenes en un librero, la respuesta es claramente
5! = 5 × 4 × 3 × 2 × 1 = 120. El razonamiento es el siguiente: Cualquiera de
los cinco libros puede ser colocado al principio, quedan cuatro libros por colocar
en la segunda posición, restan entonces tres posibilidades para la tercera posición,
etc. Por el principio de multiplicación la respuesta es el producto de estos números.
Ejercicio. La novela Rayuela del escritor argentino Julio Cortázar contiene 56

capı́tulos que aparentemente pueden ser leı́dos en cualquier orden. ¿De cuántas
formas distintas puede ser leı́da esta novela?
Combinaciones: Muestras sin orden y sin reemplazo. Supongamos nueva-

mente que tenemos un conjunto de n objetos distinguibles y nos interesa obtener
una muestra de tamaño k. Supongamos ahora que las muestras deben ser sin orden
y sin reemplazo. Es decir, en la muestra no debe haber elementos repetidos, pues
no hay reemplazo, y además la muestra debe verse como un conjunto pues no debe
haber orden entre sus elementos. ¿Cuántas diferentes muestras podemos obtener
de estas caracterı́sticas? Para responder a esta pregunta seguiremos el siguiente

razonamiento. Cuando el orden importa hemos encontrado antes la fórmula
n!
.
(n − k)!
Ahora que no nos interesa el orden, observamos que cada uno de los arreglos de
la fórmula anterior, está siendo contado k! veces, las veces en que los mismos k
elementos pueden ser permutados unos con otros, siendo que el conjunto de ele-
mentos es el mismo. Para obtener arreglos en donde el orden no importa, debemos
entonces dividir por k! La fórmula a la que hemos llegado se llama combinaciones
de n en k, que denotaremos como sigue:

n n!
= .
k k! (n − k)!
A este número también se le conoce con el nombre de coeficiente binomial de n en

k, pues aparece en el famoso teorema del binomio:
n
n
X n n−k k
(a + b) = a b .
k
k=0
Para los casos n = 2 y n = 3 el teorema del binomio se reduce a las siguientes

fórmulas que muy seguramente el lector conoce:
(a + b)2 = a2 + 2ab + b2 .
(a + b)3 = a3 + 3a2 b + 3ab2 + b3 .
Ejemplo. ¿Cuántos equipos distintos de tres personas pueden escogerse de un grupo

de 5 personas? Observe que el orden
de las tres personas escogidas no es importante
de modo que la respuesta es 53 = 5!/(3! (5 − 3)!) = 10.
Ejercicio. En un popular juego de loterı́a se pide adivinar los seis números que serán
escogidos al azar dentro del conjunto {1, 2, . . . , 49}. ¿Cuál es el total de arreglos
con los cuales un jugador puede participar en este juego? Si se establece que un
jugador obtiene un segundo lugar si acierta únicamente a cinco de los seis números
seleccionados, ¿cuántos segundos lugares puede haber para una arreglo dado de
seis números?
Ejercicio. Un cierto partido de fútbol terminó con un marcador de 4-4. ¿De cuántas
formas distintas pudieron los equipos alternarse en anotar para llegar a tal resulta-
do? Solución: 70. ¿Cree usted que todos estos resultados son igualmente probables?
El coeficiente binomial es también una forma de generar las entradas del ası́ llamado
triángulo de Pascal, que puede observarse en Figura 1.8.
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
Figura 1.8:
El n-ésimo renglón del triángulo de Pascal, iniciando desde cero, contiene los coe-
ficientes del desarrollo de (a + b)n . Existe una forma sencilla de construir este
triángulo observando que cada uno de estos números, exceptuando los extremos, es
la suma de los dos números inmediatos del renglón anterior. A este respecto véase
por ejemplo el Ejercicio 53 en la página 112.
Coeficiente multinomial. Ahora consideremos que tenemos n objetos no ne-

cesariamente distintos unos de otros. Por ejemplo, supongamos que tenemos k1
objetos de un primer tipo, k2 objetos de un segundo tipo, y ası́ sucesivamente,
hasta km objetos del tipo m, en donde k1 + k2 + · · · + km = n. Estos n objetos
pueden todos ordenarse uno detrás de otro de tantas formas distintas como indica
el ası́ llamado coeficiente multinomial:

n n!
= .
k1 k2 · · · km−1 km k1 ! k2 ! · · · km−1 ! km !
Un razonamiento para obtener esta fórmula es el siguiente. Si consideramos que

los n objetos son todos distintos, entonces claramente las distintas formas en que
pueden escribirse todos estos objetos uno detrás de otro es n! Pero para cada uno
de estos arreglos, los k1 objetos del primer tipo, supuestos inicialmente distintos
cuando en realidad no lo son, pueden permutarse entre sı́ de k1 ! formas diferentes,
siendo que el arreglo total es el mismo. De aqui que debamos dividir por k1 ! Lo
mismo sucede con los elementos del segundo tipo y ası́ sucesivamente hasta los
elementos del tipo m. El coeficiente multinomial aparece en la siguiente fórmula:
X n

(a1 + a2 + · · · + am )n = ak1 ak2 · · · akmm , (1.1)
k1 · · · km 1 2
en donde la suma se efectúa sobre todos los posibles valores enteros no negativos
de k1 , k2 , . . . , km , tales que k1 + k2 + · · ·+ km = n. Por ejemplo, compruebe el lector
que la fórmula (1.1) produce la siguiente expresión:
(a + b + c)2 = a2 + b2 + c2 + 2ab + 2ac + 2bc.
¿Puede usted desarrollar (a + b + c)3 ? Es interesante observar que cuando hay

únicamente dos tipos de objetos, el coeficiente multinomial se reduce al coeficiente
binomial.
Muestras sin orden y con reemplazo. Finalmente consideremos el caso de

hacer k extracciones de una urna de n objetos con las condiciones de que cada
objeto extraı́do es regresado a la urna (y entonces puede ser elegido nuevamente),
y en donde el orden de la muestra no es relevante. Para encontrar una fórmula para
el total de muestras que pueden obtenerse con estas caracterı́sticas usaremos una
modelación distinta pero equivalente. Consideremos el arreglo de n casillas de la
Figura 1.9 junto con la siguiente interpretación.
×× × × ··· ×
1 2 3 4 ··· n−1 n
Figura 1.9:
La primera casilla tiene dos cruces y eso indica que la bola uno fue seleccionada dos
veces, la segunda casilla esta vacı́a y ello significa que la bola dos no fue seleccionada,
etc. El número de cruces en la casilla i indica entonces el número de veces que la
bola i fue seleccionada. En total debe haber k cruces pues es el total de extracciones.
Deseamos entonces conocer el número de posibles arreglos que pueden obtenerse con
estas caracterı́sticas, y debe ser claro, después de algunos momentos de reflexión,
que éste es el número de muestras de tamaño k, con reemplazo y sin orden, que se
pueden obtener de un conjunto de n elementos distinguibles. Consideremos que las

dos paredes en los extremos de este arreglo son fijas, estas paredes se encuentran
ligeramente remarcadas. Consideremos además que las posiciones intermedias, cruz
o linea vertical, pueden moverse. En total hay n + k − 1 objetos movibles y cambiar
de posición estos objetos produce las distintas configuraciones posibles que nos
interesan. El número total de estos arreglos es

n+k−1
k
que equivale a colocar dentro de las n + k − 1 posiciones las k cruces, dejando en

los lugares restantes las paredes movibles.
Resumen de fórmulas. En el contexto de muestras de tamaño k tomadas de un

conjunto de cardinalidad n, y a manera de resumen parcial, tenemos la siguiente
tabla de fórmulas. Debemos hacer énfasis sin embargo en que para resolver un
problema de conteo en particular, no debemos clasificarlo forzosamente y de manera
mecánica en alguno de los esquemas mencionados. Muy posiblemente el problema
en cuestión requiera de un razonamiento especial que involucre alguna combinación
de las fórmulas encontradas. A menudo los problemas de conteo son difı́ciles de
resolver y en algunos casos uno puede encontrar dos o mas “soluciones” distintas y
aparentemente correctas. A veces ello se debe a que el problema no esta especificado
de manera completa.
Muestras con reemplazo sin reemplazo
n!
con orden nk (n − k)!

n+k−1 n
sin orden
k k
28 1.4. Probabilidad condicional e independencia
1.4. Probabilidad condicional e independencia
Los conceptos de probabilidad condicional e independencia surgieron de manera

natural en el proceso de encontrar solución a algunos problemas provenientes de
situaciones reales. En esta sección estudiaremos estos conceptos y demostraremos
además dos resultados de amplia aplicación: el teorema de probabilidad total y el
teorema de Bayes.
Probabilidad condicional. Sean A y B dos eventos en donde B es tal que su

probabilidad es estrictamente positiva. La probabilidad condicional del evento A
dado el evento B, denotada por P (A|B), se define como sigue:
P (A ∩ B)
P (A|B) = .
P (B)
La expresión P (A|B) se lee probabilidad condicional del evento A dado el evento
B, o simplemente probabilidad de A dado B. Es claro que para que la definición
tenga sentido se necesita suponer que P (B) > 0, y por otro lado no existe defi-
nición para P (A|B) cuando P (B) = 0. Ilustraremos con un ejemplo el significado
de la probabilidad condicional y comprobaremos que el evento B representa in-
formación adicional acerca del experimento aleatorio que modifica, en general, las
probabilidades de los distintos eventos.
Ejemplo. Considere el experimento de lanzar un dado equilibrado. Claramente el

espacio muestral es Ω = {1, 2, 3, 4, 5, 6}, el cual por hipótesis es equiprobable. Sean
los eventos A = {2} y B = {2, 4, 6} = “Cae par”. Entonces P (A) = 1/6 mientras
que
P ({2} ∩ {2, 4, 6}) P ({2}) 1/6
P (A|B) = = = = 1/3.
P ({2, 4, 6}) P ({2, 4, 6}) 3/6
Observe que conocer la información de la ocurrencia del evento B, ha afectado la
probabilidad del evento A, es decir, dada la información que el resultado del dado
es un número par, la probabilidad de obtener “2” es ahora 1/3.
Ejercicio. La siguiente fórmula se llama regla del producto: Sean A1 , . . . , An eventos

tales que P (A1 ∩ · · · ∩ An−1 ) > 0. Compruebe que
P (A1 ∩ · · · ∩ An ) = P (A1 )P (A2 |A1 )P (A3 |A1 ∩ A2 ) · · · P (An |A1 ∩ · · · ∩ An−1 ).

Ejercicio. El siguiente experimento se conoce como la urna de Polya. Suponga que

en una urna se tienen b bolas blancas y r bolas rojas. Un experimento aleatorio
consiste en seleccionar una bola al azar y regresarla a la urna junto con c bolas
del mismo color. Use la regla del producto para calcular la probabilidad de obtener
bolas rojas en las tres primeras extracciones.
Independencia de eventos. Se dice que dos eventos cualesquiera A y B son

independientes si se cumple la condición P (A ∩ B) = P (A)P (B). Esta igualdad es
equivalente a la expresión P (A|B) = P (A) cuando P (B) > 0. La ventaja de esta
última expresión es que posee una interpretación sencilla: Dice que la probabilidad
del evento A es la misma cuando sabemos que ha ocurrido el evento B (lado iz-
quierdo), que cuando no sabemos nada (lado derecho). Es decir, la ocurrencia del
evento B no afecta la probabilidad del evento A y por lo tanto son independientes.
De manera análoga puede interpretarse la igualdad equivalente P (B|A) = P (B),
suponiendo naturalmente que P (A) > 0. En la mayorı́a de los casos de aplicación
simplemente supondremos que dos eventos dados son independientes recurriendo
únicamente a justificaciones intuitivas.
Ejemplo. Suponga que se lanza una moneda dos veces. Es una hipótesis natural
suponer que el resultado del primer lanzamiento no afecta el resultado del segundo
lanzamiento. De este modo cualquier evento del primer ensayo es independiente de
cualquier otro evento en el segundo ensayo.
La definición de independencia de dos eventos puede generalizarse al caso de varios

eventos de la siguiente forma: Decimos que n eventos A1 , A2 , . . . , An son indepen-
dientes si se satisfacen todas y cada una de las condiciones siguientes:
P (Ai ∩ Aj ) = P (Ai )P (Aj ), i, j distintos.
P (Ai ∩ Aj ∩ Ak ) = P (Ai )P (Aj )P (Ak ), i, j, k distintos.
..
.
P (A1 ∩ · · · ∩ An ) = P (A1 ) · · · P (An ).
En general, para verificar que n eventos son independientes es necesario comprobar
todas y cada una de las igualdades arriba enunciadas. Es decir, cualquiera de estas
igualdades no implica, en general, la validez de alguna otra, es necesario pues
verificarlas todas. No es difı́cil darse cuenta que el total de igualdades es 2n − n − 1.

¿Puede usted justificar este resultado?
Ejemplo. —
Ejercicio. Sea Ω = {1, 2, 3, 4} un espacio muestral equiprobable. Sean los eventos

A = {1, 2}, B = {2, 3} y C = {2, 4}. ¿Son A, B y C independientes?
Teorema de probabilidad total. Antes de enunciar el siguiente resultado re-

cordaremos el concepto de partición de un conjunto. Una partición finita de un
conjunto Ω es una colección B1 , . . . , Bn de subconjuntos de Ω tal que cada uno de
estos conjuntos es distinto del vacı́o, la colección es disjunta dos a dos, esto es, para
ı́ndices i y j distintos, se cumple que Bi ∩ Bj 6= 0, y además la unión de toda la
colección produce el total Ω, es decir, B1 ∪ B2 ∪ · · · ∪ Bn = Ω. En la Figura 1.10 se
muestra gráficamente el concepto de partición de un conjunto.
B1 B2 B3 · · ·
A
Ω
Figura 1.10:
Ahora podemos enunciar y demostrar el muy útil teorema de probabilidad total.
Teorema de probabilidad total. Sea B1 , B2 , . . . , Bn una partición de Ω tal que

cada elemento de la partición tiene probabilidad estrictamente positiva. Para
cualquier evento A,
Xn
P (A) = P (A | Bi )P (Bi ).
i=1
Demostración. Primero observemos que el evento A puede escribirse como sigue

n
[ n
[
A= A∩Ω= A∩ Bi = A ∩ Bi ,
i=1 i=1
en donde los eventos A ∩ B1 , . . . , A ∩ Bn son ajenos dos a dos, de modo que

n
[ n
X n
X
P (A) = P ( A ∩ Bi ) = P (A ∩ Bi ) = P (A | Bi )P (Bi ).
i=1 i=1 i=1
Observe que cuando la partición de Ω consta de únicamente dos elementos, B y

B c , la fórmula del teorema de probabilidad total se reduce a la siguiente expresión.
P (A) = P (A|B)P (B) + P (A|B c )P (B c ).
Ejemplo. Suponga que tenemos dos cajas: una con 3 bolas blancas y 7 de color gris,
la otra con 6 blancas y 6 grises. Si se elije una caja al azar y después se saca una
bola, ¿cuál es la probabilidad de que sea blanca?
Caja 1 Caja 2
Figura 1.11:
El experimento aleatorio consiste entonces en escoger una caja al azar, con idéntica
probabilidad cada una de ellas, y después escoger una bola de la caja escogida. Es
claro entonces que el espacio muestral puede escribirse como sigue
Ω = {(C1 , B), (C1 , G), (C2 , B), (C2 , G)},
en donde C1 y C2 denotan los eventos en donde las cajas uno y dos fueron escogidas,
respectivamente, y B y G denotan los eventos en donde una bola blanca o gris fueron
escogidas respectivamente. Nos piden calcular la probabilidad de B. Observe que

es fácil calcular la probabilidad de este evento cuando se conoce la caja que fue
escogida. Esto sugiere condicionar sobre el resultado de escoger alguna de las dos
cajas y aplicar el teorema de probabilidad total, es decir,
P (B) = P (B|C1 )P (C1 ) + P (B|C2 )P (C2 )

3 1 6 1
= × + ×
10 2 12 2
2
= .
5
Observe además que la partición del espacio muestral consta de dos elementos:
{(C1 , B), (C1 , G)} y {(C2 , B), (C2 , G)}. ¿Puede usted comprobar que P (G) = 3/5?
Puede uno también preguntarse por situaciones aparentemente extrañas como la
siguiente: Si se obtuvo una bola blanca, ¿Cuál es la probabilidad de que haya sido
obtenida de la primera caja?
Ejemplo. Suponga que en una población humana de igual número de hombres y

mujeres, el 4 % de hombres son daltónicos y el 1 % de las mujeres son daltónicas.
Una persona es elegida al azar, ¿Cuál es la probabilidad de que sea daltónica?
Definamos primero los eventos de interés. Sea M el evento “La persona escogida es
mujer”, H el evento “La persona escogida es hombre” y D el evento “La persona
escogida es daltónica”. Deseamos calcular P (D). Por el teorema de probabilidad
total,
P (D) = P (D|M )P (M ) + P (D|H)P (H)

1 1 4 1
= × + ×
100 2 100 2
1
= .
40

Teorema de Bayes. Este es otro resultado interesante que involucra probabili-

dades condicionales. Fue publicado por primera vez en 1763, dos años después de
la muerte de su creador, el matemático y teólogo inglés Thomas Bayes.
Teorema de Bayes. Sea B1 , . . . , Bn una partición de Ω tal que cada elemento

de la partición tiene probabilidad estrictamente positiva. Sea A un evento tal
que P (A) > 0. Entonces para cada j = 1, 2, . . . , n,
P (A|Bj )P (Bj )
P (Bj |A) = n .
X
P (A|Bi )P (Bi )
i=1
Demostración. Por la definición de probabilidad condicional y el teorema de pro-

babilidad total tenemos que
P (A ∩ Bj )
P (Bj |A) =
P (A)
P (A|Bj )P (Bj )
=
P (A)
P (A|Bj )P (Bj )
= n .
X
P (A|Bi )P (Bi )
i=1
Véase la Figura 1.10 para una representación gráfica de la partición del espacio
muestral y el evento A. Nuevamente observamos que en el caso cuando la partición
de Ω consta de sólo dos elementos: B y B c , el teorema de Bayes, para el evento B,
adquiere la forma:
P (A|B)P (B)
P (B|A) = .
P (A|B)P (B) + P (A|B c )P (B c )
Ejemplo. En una fábrica hay dos máquinas. La máquina 1 realiza el 60 % de la

producción total y la máquina 2 el 40 %. De su producción total, la máquina 1
produce 3 % de material defectuoso, la 2 el 5 %. El asunto es que se ha encontrado
un material defectuoso, ¿Cuál es la probabilidad de que este material defectuoso
provenga de la máquina M2 ? Sea M1 el evento “La máquina 1 produjo el material
escogido”, M2 en evento “La máquina 2 produjo el material escogido” y finalmente

sea D el evento “El material escogido es defectuoso”. El problema es encontrar
P (M2 |D) y obervamos que la información que tenemos es P (D|M2 ). Por el teorema
de Bayes tenemos entonces que
P (D|M2 )P (M2 )
P (M2 |D) =
P (D|M1 )P (M1 ) + P (D|M2 )P (M2 )
5 40
100 × 100
= 3 60 5 40
100 × 100 + 100 × 100
10
= .
19
¿Puede usted calcular P (M1 |D)?
Ejemplo. En un laboratorio se descubrió una prueba para detectar cierta enferme-

dad, y sobre la eficacia de dicha prueba se conoce lo siguiente: Si se denota por
E el evento de que un paciente tenga la enfermedad y por N el evento de que la
prueba resulte negativa, entonces se sabe que P (N c |E) = 0.95, P (N |E c ) = 0.96
y P (E) = 0.01 . Con esta información uno podrı́a pensar que la prueba es muy
buena, sin embargo calcularemos las probabilidades P (E|N ) y P (E|N c ), usando
el teorema de Bayes.
P (N |E)P (E)
P (E|N ) =
P (N |E)P (E) + P (N |E c )P (E c )
0.05 × 0.01
=
0.05 × 0.01 + 0.96 × 0.99
= 0.000526 .
Es bueno que esta probabilidad sea pequeña, pero por otro lado,
P (N c |E)P (E)
P (E|N c ) =
P (N c |E)P (E) + P (N c |E c )P (E c )
0.95 × 0.01
=
0.95 × 0.01 + 0.04 × 0.99
= 0.193 .
Esta última probabilidad es demasiado pequeña y por lo tanto la prueba no es muy

confiable en tales casos.
Ejercicio. El problema de las tres puertas (Monty Hall). Se le presentan a un con-

cursante tres puertas cerradas detrás de una de las cuales hay un premio. El con-
cursante debe adivinar la puerta que contiene el premio para ganarlo. Una vez que
el concursante elige una puerta, y antes de abrirla, el presentador del concurso abre
alguna de las puertas restantes y de la cual sabe que no contiene ningún premio.
Entonces le pregunta al concursante si desea cambiar su decisión. ¿Qué debe hacer
el concursante? Justifique su respuesta.
1.5. Variables aleatorias
Dado un experimento aleatorio cualquiera, una variable aleatoria es una transfor-

mación X del espacio de resultados Ω al conjunto de números reales, esto es,
X : Ω → R.
A menudo se escribe simplemente v.a. en lugar del término variable aleatoria. En

sentido estricto una variable aleatoria es una función de Ω en R que satisface
además cierta condición de medibilidad, pero omitiremos tales tecnicismos pues no
son de utilidad para los propósitos de este curso. Suponga entonces que se efectúa
el experimento aleatorio una vez y se obtiene un resultado ω en Ω. Al transformar
este resultado con la variable aleatoria X se obtiene un número real X(ω) = x.
Podemos entonces suponer que los posibles resultados del experimento aleatorio
son los diferentes números reales x que la función X puede tomar. Ilustramos de
manera gráfica el concepto de variable aleatoria en la Figura1.12. Debemos hacer
aqui la siguiente observación importante. Seguiremos la notación usual de usar la
letra mayúscula X para denotar una variable aleatoria cualquiera, es decir, X es
una función de Ω en R, mientras que la letra minúscula x denota un número real y
que es un posible valor de la variable aleatoria. En general, las variables aleatorias
se denotan usando las últimas letras del alfabeto en mayúsculas, U, V, W, X, Y, Z,
y para un valor cualquiera de ellas se usa la misma letra pero en minúscula.
Ejemplo. Suponga que un experimento aleatorio consiste en lanzar al aire una mo-
neda y observar la cara superior una vez que la moneda cae. Denotemos por “Cara”
36 1.5. Variables aleatorias
b b
R
ω x
Ω X(ω) = x
Figura 1.12:
y “Cruz” los dos lados de la moneda. Entonces claramente el espacio muestral es

el conjunto Ω = {“Cara”, “Cruz”}. Defina la variable aleatoria X : Ω → R de la
siguiente forma X(“Cara”) = 0 y X(“Cruz”) = 1. De este modo podemos suponer
que el experimento aleatorio tiene dos valores numéricos posibles: 0 y 1. Observe
que los números 0 y 1 son en realidad arbitrarios, otro par de números distintos
puede ser escogido para distinguir los dos resultados del experimento aleatorio.
Podemos también definir la variable aleatoria Y : Ω → R de la siguiente forma
Y (“Cara”) = Y (“Cruz”) = 2. En este caso la variable Y solo toma un valor, el
número 2. Cualquier resultado del experimento aleatorio produce, a través de la
función Y , el número 2. Decimos que Y es la variable aleatoria constante 2.
Ejemplo. Consideremos el experimento aleatorio consistente en lanzar un dardo

en un tablero circular de radio uno. El espacio muestral o conjunto de posibles
resultados del experimento se puede escribir como sigue Ω = {(x, y) : x2 + y 2 ≤ 1}.
ω = (x, y)
Figura 1.13:
Los siguientes son ejemplos de funciones de Ω en R, variables aleatorias, asociadas

a este experimento aleatorio.
a) X(x, y) = x, proyección sobre el eje horizontal.
b) Y (x, y) = y, proyección sobre el eje vertical.
p
c) Z(x, y) = x2 + y 2 , distancia al centro del cı́rculo.
d) V (x, y) = |x| + |y|, distancia del taxista.
e) W (x, y) = xy, producto de las coordenadas.
Considerando el conjunto de valores que una variable aleatoria puede tomar, vamos
a clasificar a las variables aleatorias en dos tipos: discretas o continuas. Decimos
que una v.a. es discreta cuando el conjunto de valores que ésta toma es un con-
junto discreto, es decir, un conjunto finito o numerable. Por ejemplo, el conjunto
{0, 1, 2, . . . , n} es un conjunto discreto porque es finito, lo mismo N pues aunque
es infinito, es numerable y por lo tanto discreto. Por otra parte, decimos que una
variable aleatoria es continua cuando toma todos los valores dentro de un intervalo
(a, b) ⊆ R. Esta clasificación de variables aleatorias no es completa pues existen va-
riables que no son de ninguno de los dos tipos mencionados. Por simplicidad en este
curso estudiaremos únicamente variables aleatorias que son discretas o continuas.
Ejemplo. Las variables X y Y definidas lı́neas arriba en el ejemplo del lanzamiento

de una moneda, son variables aleatorias discretas. En ese ejemplo el espacio mues-
tral mismo es discreto y por lo tanto las variables aleatorias que pueden allı́ definirse
tienen que ser discretas forzosamente. En el ejemplo del lanzamiento de un dardo
en un tablero circular de radio uno, el espacio muestral (Figura 1.13) es infinito no
numerable, las variables X, Y, Z, V y W definidas allı́ son todas variables aleatorias
continuas. Si se dibujan cı́rculos concéntricos alrededor del origen y si se asignan
premios asociados a cada una de las regiones resultantes, puede obtenerse un ejem-
plo de una variable aleatoria discreta sobre este espacio muestral.
Ejemplo. Un experimento aleatorio consiste en escoger a una persona ω al azar. La

variable aleatoria X evaluada en ω corresponde a conocer la siguiente caracterı́sti-
ca, o una codificación de esta caracterı́stica, de la persona escogida. En cada caso
se trata de una variable aleatoria discreta: a) Edad en años. b) Número de hijos.
c) Peso. d) Estatura. e) Sueldo. f) Nivel escolar. g) Estado civil. h) Lugar
de nacimiento.
38 1.5. Variables aleatorias
Usaremos también la siguiente notación importante: Si A es un subconjunto de

R, entonces la expresión (X ∈ A), incluyendo el paréntesis, denota el conjunto
{ω ∈ Ω : X(ω) ∈ A}, es decir, (X ∈ A) = {ω ∈ Ω : X(ω) ∈ A}. En palabras, la
expresión (X ∈ A) denota aquel conjunto de elementos ω de Ω tales que bajo la
aplicación de la función X toman un valor dentro del conjunto A. A este conjunto
se le llama la imagen inversa de A, y se le denota por X −1 A.
Ejemplo. Consideremos nuevamente el experimento de lanzar una moneda y la va-

riable aleatoria X que lleva el resultado “Cara” al valor 0 y el resultado “Cruz” al
valor 1. Tenemos por ejemplo que (X ∈ [1, ∞)) = {“Cruz”} pues el conjunto de
elementos de Ω tales que bajo la función X toman un valor mayor o igual a uno,
es decir caen dentro del intervalo [1, ∞), es únicamente el elemento “Cruz”. Por lo
tanto P (X ∈ [1, ∞)) = P {“Cruz”} = 1/2. Del mismo modo puede verificarse que
a) P (X ∈ [1, 2)) = P ({“Cruz”}) = 1/2.
b) P (X ∈ [0, 1)) = P ({“Cara”}) = 1/2.
c) P (X ∈ [2, 4]) = P (∅) = 0.
d) P (X = 1) = P ({“Cruz”}) = 1/2.
e) P (X ≤ −1) = P (∅) = 0.
f) P (X ≥ 0) = P (Ω) = 1.
Usaremos con mucha frecuencia la notación arriba explicada. El lector debe ase-
gurarse de comprender bien que si x es un número real entonces (X ≤ x) es
un subconjunto de Ω y por lo tanto un evento. Lo mismo sucede con el com-
plemento de este conjunto que es (X > x). Podemos escribir entonces la igual-
dad de conjuntos (X ≤ x) ∪ (X > x) = Ω. Y aplicando probabilidad se obtiene
P (X ≤ x) + P (X > x) = 1.
Nota importante. A través de una variable aleatoria se puede considerar que los po-
sibles resultados de un experimento aleatorio no son elementos ω en Ω sino números
reales que la variable aleatoria puede tomar. Esta es una consideración radical pues
ya no consideraremos experimentos aleatorios particulares, ni espacios muestrales
arbitrarios Ω, ni eventos (subconjuntos) de Ω, en lugar de ello consideraremos que
una cierta variable aleatoria de interés toma valores en un cierto subconjunto de
números reales. La probabilidad definida antes para subconjuntos de Ω se traslada,
como explicamos antes, a probabilidades para subconjuntos de R. Esta perspectiva
permite estudiar modelos generales y después aplicarlos a cualquier situación par-
ticular. A partir de ahora y en lo que resta del curso el término variable aleatoria
constituirá un elemento frecuente en los enunciados.
1.6. Funciones de densidad y de distribución
En esta sección vamos a explicar la forma de asociar a cada variable aleatoria dos
funciones que nos proveen de información acerca de las caracterı́sticas de la variable
aleatoria. Estas funciones, llamadas función de densidad y función de distribución,
nos permiten representar a un mismo tiempo tanto los valores que puede tomar la
variable como las probabilidades de los distintos eventos. Definiremos primero la
función de densidad para una variable aleatoria discreta, después para una continua,
y finalmente definiremos la función de distribución para ambos tipos de variables
aleatorias.
Función de probabilidad para una variable discreta. Sea X una variable

aleatoria discreta que toma los valores x1 , x2 , . . . con probabilidades respectivas
P (X = x1 ), P (X = x2 ), . . .. Esta lista de valores numéricos y sus probabilidades
puede ser finita o bien infinita, pero numerable. La función de probabilidad de la
variable X denotada por f (x) : R → [0, ∞) se define como sigue

P (X = x) si x = x1 , x2 , . . .
f (x) = (1.2)
0 otro caso.
En palabras, la función de probabilidad es simplemente aquella función que indica

los valores de la probabilidad en los distintos valores que toma la variable aleatoria
discreta. Recordemos que es importante poder distinguir entre X y x, pues concep-
tualmente son cosas muy distintas. Denotaremos generalmente a una función de
probabilidad con la letra f minúscula. A veces escribiremos fX (x) y el subı́ndice
nos ayudará a especificar que tal función es la función de probabilidad de la variable
X. Esta notación será particularmente útil cuando consideremos varias variables
aleatorias a la vez. Observe que se cumplen las siguientes dos propiedades, y toda
función de la forma (1.2) la llamaremos función de probabilidad.
a) f (x) ≥ 0, para toda x ∈ R.

X
b) f (x) = 1.
x
40 1.6. Funciones de densidad y de distribución
Ejemplo. Considere la variable aleatoria discreta X que toma los valores 1, 2 y 3, con
probabilidades 0.3, 0.5 y 0.2 respectivamente. Entonces la función de probabilidad
de X es 

 0.3 si x = 1,

0.5 si x = 2,
f (x) =

 0.2 si x = 3,

0 otro caso.
Esta función se muestra gráficamente en la Figura 1.14 (a). Alternativamente po-
demos también expresar esta función mediante la tabla de la Figura 1.14 (b). En
esta representación se entiende de manera implı́cita que f (x) es cero para cual-
quier valor de x distinto de 1, 2 y 3. En particular, compruebe que las siguientes
probabilidades son correctas: P (X ≥ 2) = 0.7, P (|X| = 1) = 0.3, y P (X < 1) = 0.
f (x)
0.5 b
0.3 b
0.2 b x 1 2 3
f (x) 0.3 0.5 0.2
bc bc bc
x
1 2 3
(a) (b)
Figura 1.14:
Ejemplo. Encontraremos el valor de la constante c que hace que la siguiente función

sea de probabilidad.
c x si x = 0, 1, 2, 3,
f (x) =
0 otro caso.
Los posibles valores de la variable aleatoria discreta, no especificada, son 0, 1, 2 y
3, con probabilidades 0, c, 2c y 3c, respectivamente. Como la suma de estas proba-
bilidades debe ser uno, obtenemos la ecuación c + 2c + 3c = 1. De aqui obtenemos
c = 1/6. Este es el valor de c que hace que f (x) sea no negativa y sume uno, es
decir, una función de probabilidad.
Ejercicio. Grafique y compruebe que las siguientes funciones son de probabilidad.
a) f (x) = x2 /10, para x = −2, −1, 0, 1, 2.

b) f (x) = (2x − 5)2 /70, para x = 1, 2, 3, 4, 5.
Función de densidad para una variable continua. Sea X una variable alea-
toria continua. Decimos que la función integrable y no negativa f (x) : R → [0, ∞)
es la función de densidad de X si para cualquier intervalo (a, b) de R se cumple la
igualdad
Z b
P (X ∈ (a, b)) = f (x) dx.
a
Es decir, la probabilidad de que la variable tome un valor dentro del intervalo
(a, b) se puede calcular o expresar como el área bajo la función de densidad en el
intervalo (a, b). De esta forma el cálculo de una probabilidad se reduce al cálculo
de una integral. Véase la Figura 1.15. No es difı́cil comprobar que toda función de
densidad f (x) de una variable aleatoria continua cumple las siguientes propiedades
análogas al caso discreto.
a) f (x) ≥ 0, para toda x ∈ R.

Z ∞
b) f (x) dx = 1.
−∞
Toda función f (x) : R → [0, ∞) que satisfaga estas dos propiedades, sin necesidad
de tener una variable aleatoria de por medio, se llamará función de densidad.
f (x)
Z b
P (X ∈ (a, b)) = f (x) dx
a
x
a b
Figura 1.15: La probabilidad como un área.
Ejemplo. La función f (x) dada por

1/2 si x ∈ (1, 3),
f (x) =
0 otro caso,
es una función de densidad de una variable aleatoria continua que toma valores en
el intervalo (1, 3), y cuya gráfica aparece en la Figura 1.16. Observe que se trata
de una función no negativa y cuya integral vale uno.
f (x)
1/2 bc bc
b b
x
1 2 3 4
Figura 1.16:
Ejemplo. Encontraremos el valor de la constante c que hace que la siguiente función

sea de densidad.
c |x| si x ∈ [−1, 1],
f (x) =
0 otro caso.
Se trata de una variable aleatoria continua que toma valores en el intervalo [−1, 1].
Como esta función debe integrar uno tenemos que
Z 1 Z 1
1= c |x| dx = 2 c x dx = c.
−1 0
Por lo tanto, cuando tomamos c = 1 la función del inciso (b) resulta ser una función
de densidad pues ahora cumple con ser no negativa e integrar uno.
Ejercicio. Grafique y compruebe que las siguientes funciones son de densidad.
a) f (x) = (x + 1)/2, para x ∈ (−1, 1).

b) f (x) = e−x , para x > 0.

Función de distribución. Sea X una variable aleatoria discreta o continua. La

función de distribución de X, denotada por F (x) : R → [0, 1], se define como
F (x) = P (X ≤ x). Esto es, la función de distribución evaluada en un número x
cualquiera es simplemente la probabilidad de que la variable aleatoria tome un valor
menor o igual a x, o en otras palabras, que tome un valor en el intervalo (−∞, x].
Siendo F (x) una probabilidad, sus valores están siempre entre 0 y 1. Esta función
resulta ser importante y se le conoce también, por razones evidentes, con el nombre
de función de acumulación de probabilidad. Con un par de ejemplo mostraremos la
forma de calcular esta función a partir de la función de probabilidad o de densidad.
Ejemplo. Considere la variable aleatoria discreta X de la Figura 1.14. Tenemos que

la correspondiente función de distribución evaluada en x se calcula sumando las
probabilidades P (X = u) para valores de u menores o iguales a x, es decir,


 0 si x < 1,

X 0.3 si 1 ≤ x < 2,
F (x) = P (X ≤ x) = P (X = u) =

 0.8 si 2 ≤ x < 3,
u≤x 
1 si x ≥ 3,
cuya gráfica aparece en la Figura 1.17 (a). Este es el comportamiento tı́pico de una
función de distribución discreta, es no decreciente, constante por pedazos, y si la
función tiene una discontinuidad en x, entonces el tamaño de tal discontinuidad es
exactamente la probabilidad de que la variable aleatoria tome ese valor.
F (x) F (x)
1 b
1
0.8 b bc
0.3 b bc
bc
x x
1 2 3 1 2 3
(a) (b)
Figura 1.17:
Ejemplo. Considere ahora la variable aleatoria continua X de la Figura 1.17 (b). La

correspondiente función de distribución se obtiene calculando la siguiente integral

Z x  0 si x ≤ 1,
F (x) = P (X ≤ x) = f (u) du = (x − 1)/2 si 1 < x < 3,
−∞ 
1 si x ≥ 3,
cuya gráfica aparece en la Figura 1.17 (b). Observe que esta función es continua y
no decreciente.
En los dos ejemplos anteriores se ha mostrado la forma de obtener F (x) a partir

de f (x). Ahora explicaremos el proceso contrario. En el caso continuo tenemos que
para toda x en R, Z x
F (x) = P (X ≤ x) = f (u) du,
−∞
de modo que por el teorema fundamental del cálculo, y cuando F (x) es diferencia-
ble, F ′ (x) = f (x). De este modo podemos encontrar f (x) a partir de F (x).
En el caso discreto, f (x) = P (X = x) = F (x)−F (x−), en donde F (x−) es el lı́imite

por la izquierda de la función F en el punto x, en sı́mbolos, F (x−) = lı́m F (x − h),
h→0
con h > 0. Análogamente, la expresión F (x+) significa el lı́mite por la derecha de
la función F en el punto x, es decir, F (x+) = lı́m F (x + h), con h > 0.
h→0
Proposición. Toda función de distribución F (x) satisface las siguientes propie-

dades:
a) 0 ≤ F (x) ≤ 1.
b) lı́m F (x) = 1.
x→∞
c) lı́m F (x) = 0.
x→−∞
d) Si x1 ≤ x2 , entonces F (x1 ) ≤ F (x2 ).

e) Si x1 ≤ x2 , entonces P (x1 < X ≤ x2 ) = F (x2 ) − F (x1 ).
f) F (x) = F (x+).
Demostración.
a) Primeramente tenemos que F (x) es una probabilidad pues, por definición,

F (x) = P (X ≤ x). Por lo tanto se cumple la primera propiedad.
b) Cuando x tiende a infinito el conjunto (X ≤ x) se aproxima al conjunto
(X ≤ ∞) que es idéntico a Ω, por lo tanto, cuando x → ∞, F (x) → P (X ≤
∞) = P (Ω) = 1.
c) Análogamente el conjunto (X ≤ x) se aproxima al conjunto (X ≤ −∞) = ∅
cuando x tiende a menos infinito. Por lo tanto, cuando x → −∞, F (x) →
P (X ≤ −∞) = P (∅) = 0.
d) Es suficiente observar que si x1 ≤ x2 , entonces (X ≤ x1 ) ⊆ (X ≤ x2 ).
Aplicando probabilidad obtenemos P (X ≤ x1 ) ≤ P (X ≤ x2 ).
e) Observe que el evento (x1 < X ≤ x2 ) puede descomponerse en la diferencia
(X ≤ x2 ) − (X ≤ x1 ), en donde (X ≤ x1 ) ⊆ (X ≤ x2 ). Por lo tanto
P (x1 < X ≤ x2 ) = P (X ≤ x2 ) − P (X ≤ x1 ) = F (x2 ) − F (x1 ).
f) Para h > 0 tenemos que F (x + h) = P (X ≤ x + h) = P (X ≤ x) + P (x < X ≤
x + h), de modo que cuando h tiende a cero, el conjunto (x < X ≤ x + h)
tiende al conjunto vacı́o. Concluimos entonces que, cuando h → 0 con h > 0,
F (x + h) → F (x) + P (∅) = F (x).
La propiedad d) significa que F (x) es una función monótona no decreciente. Mien-

tras que la propiedad f) establece que F (x) es una función continua por la derecha.
1.7. Esperanza, varianza, momentos
Todos los seres humanos tenemos caracterı́sticas numéricas que nos identifican y
nos distinguen de otras personas, por ejemplo, la edad, estatura, talla, peso, etc.
Si pudiéramos considerar la totalidad de todos estos números para una persona
en particular, la identificarı́amos de manera única. Algo similar sucede con las
variables aleatorias. En esta sección estudiaremos algunas caracterı́sticas numéricas
asociadas a las variables aleatorias.
46 1.7. Esperanza, varianza, momentos
Esperanza. La esperanza de una variable aleatoria X es un número denotado por

E(X) y que se calcula como sigue: Si X es discreta, entonces
X
E(X) = xP (X = x),
x
en donde la suma se efectúa sobre todos los posibles valores que pueda tomar la
variable aleatoria, y se define cuando esta suma sea absolutamente convergente. El
número de sumandos puede ser finito o infinito dependiendo del conjunto de valores
de la variable aleatoria. Si X es continua con función de densidad f (x), entonces
la esperanza es Z ∞
E(X) = xf (x) dx,
−∞
suponiendo que esta integral es absolutamente convergente. Si la suma o integral

anteriores no cumplen esta condición de convergencia absoluta, entonces se dice
que la esperanza no existe. La esperanza de una variable aleatoria es entonces
un número que indica el promedio ponderado de los diferentes valores que puede
tomar la variable. A la esperanza se le conoce también con los nombre de: media,
valor esperado o valor promedio. En general se usa la letra griega µ (mu) para
denotarla. La integral o suma arriba mencionados pueden no ser convergentes y
en ese caso se dice que la variable aleatoria no tiene esperanza finita. La situación
anterior se ilustra en los ejercicios 126 y 127. La esperanza es uno de los conceptos
más importantes en probabilidad y tiene un amplio uso en las aplicaciones y otras
ramas de la ciencia. Ilustraremos a continuación la forma de calcular la esperanza.
Ejemplo. Sea X una variable aleatoria discreta con función de densidad dada por
la siguiente tabla.
x -1 0 1 2
f (x) 1/8 4/8 1/8 2/8
La esperanza de X es el número
X
E(X) = x f (x)
x
= −1 × 1/8 + 0 × 4/8 + 1 × 1/8 + 2 × 2/8
= 1/2.
Observe que la suma su efectúa para todos los valores de x indicados en la tabla,
es decir: −1, 0, 1 y 2. También es instructivo observar que la esperanza no es nece-
sariamente uno de los valores tomados por la variable aleatoria. En este ejemplo el
valor 1/2 nunca es tomado por la variable aleatoria, pero es su valor esperado.
Ejemplo. Considere la variable aleatoria continua X con función de densidad f (x) =

2x, para x ∈ (0, 1), siendo cero fuera de este intervalo. La esperanza de X es
Z ∞ Z 1 1
2 3 2
E(X) = x f (x) dx = x 2x dx = x = .
−∞ 0 3 0 3
Observe que la integral sólo es relevante en el intervalo (0, 1), pues fuera de dicho
intervalo la función de densidad se anula.
Ejercicio. Considere una variable aleatoria continua X con función de densidad

f (x) = |x|, para −1 < x < 1. Compruebe que la esperanza de esta variable aleato-
ria es cero.
Ejercicio. Sea X una variable aleatoria discreta con posibles valores en el conjunto
{1, 2, . . . , n}, y tal que la probabilidad de que tome cualquiera de estos valores es
1/n. Compruebe que la esperanza de X es (n + 1)/2.
Esperanza de una función de una variable aleatoria. En algunos casos es

necesario saber calcular la esperanza de una función de una variable aleatoria. Por
ejemplo, si X es una variable aleatoria, entonces es claro que Y = X 2 es una función
de X y es también una variable aleatoria. Si quisiéramos
R calcular la esperanza de
Y según la definición tendrı́amos que calcular y fY (y) dy, para lo cual se necesita
encontrar primero la función de densidad de Y , y ello en general no es fácil. El
siguiente resultado es muy útil y nos dice cómo calcular esta esperanza conociendo
únicamente la función de densidad de X. A veces se le refiere como el teorema del
estadı́stico inconsciente.
Proposición. Sea X una variable aleatoria continua y sea g : R → R una función

tal que g(X) es una variable con esperanza finita. Entonces
Z ∞
E[g(X)] = g(x)fX (x) dx. (1.3)
−∞
En general, la demostración de este resultado es complicada, asi es que la omitire-

mos y nos concentraremos en su uso y aplicación. El resultado esta enunciado en
el caso continuo pero también es válido en el caso discreto, en lugar de la integral
aparece una suma.
Ejemplo. Calcularemos E(Y ) en donde Y = X 2 , y X es la variable aleatoria

continua del ejemplo anterior, es decir, con función de densidad f (x) = 2x pa-
ra x ∈ (0, 1). Por la proposición anterior tenemos que
E(Y ) = E(X 2 )
Z ∞
= x2 f (x) dx
−∞
Z 1
= x2 2x dx
0
1
1 4
= x
2 0
1
= .
2
Ahora, como un ejercicio, encuentre la función de densidad de Y y calcule E(Y )
usando la definición de esperanza. El resultado debe ser nuevamente 1/2.
Ejercicio. Sea X una variable aleatoria con función de probabilidad dada por la
tabla que aparece abajo. Encuentre la función de probabilidad de X 2 y mediante
la definición calcule E(X 2 ). Ahora calcule la misma esperanza pero usando (1.3).
Ambos resultados deben coincidir.
x -2 -1 0 1 2
f (x) 2/8 1/8 2/8 1/8 2/8
He aqui algunas propiedades generales de la esperanza.

Proposición. Sean X y Y con esperanza finita y sea c una constante. Entonces

a) E(c) = c.
b) E(c X) = c E(X).
c) Si X ≥ 0, entonces E(X) ≥ 0.
d) E(X + Y ) = E(X) + E(Y ).
La primera propiedad es evidente de demostrar pues si X es la variable aleatoria

constante c, entonces por definición, E(X) = c P (X = c) = c 1 = c. El segundo
inciso se sigue directamente de la definición de esperanza pues tanto en el caso
de la suma como en el caso de la integral, la constante c puede siempre colocarse
fuera. El tercer inciso también es evidente pues cuando se cumple la hipótesis, en la
integral o suma correspondiente solo aparecerán términos que son no negativos. La
última propiedad, en cambio, no es sencilla de demostrar y aún en el caso discreto
requiere de detalles técnicos que preferimos omitir. Observe que la segunda y cuarta
propiedad establecen que la esperanza es lineal, es decir, separa sumas y también
separa multiplicaciones por constantes.
Varianza. Vamos ahora a definir otra caracterı́stica numérica asociada a las va-
riables aleatorias llamada varianza. Se denota por Var(X) y se define como sigue.
 X


 (x − E(X))2 f (x) si X es discreta.

 x
Var(X) = Z ∞




 (x − E(X))2 f (x) dx si X es continua.
−∞
Observe
que en una
sola expresión la varianza se puede escribir como sigue: Var(X) =
E (X − E(X))2 . La varianza es una medida del grado de dispersión de los dife-
rentes valores tomados por la variable. Se le denota regularmente por la letra σ 2
(sigma cuadrada). A la raı́z cuadrada positiva de la varianza, esto es σ, se le llama
desviación estándar. Nuevamente la anterior suma o integral puede no existir y en
ese caso decimos que la variable aleatoria no tiene varianza finita. Observemos que
para calcular Var(X) necesitamos conocer primero E(X). Veamos algunos ejemplos
sencillos.
Ejemplo. Calcularemos la varianza de la variable aleatoria discreta X con función

de densidad dada por la siguiente tabla.
x -1 0 1 2
f (x) 1/8 4/8 1/8 2/8
Recordemos primeramente que por cálculos previos, E(X) = 1/2. Aplicando la

definición de varianza tenemos que
X
Var(X) = (x − E(X))2 f (x)
x
= (−1 − 1/2)2 × 1/8 + (0 − 1/2)2 × 4/8
+(1 − 1/2)2 × 1/8 + (2 − 1/2)2 × 2/8
= 1.
Ejemplo. Calcularemos la varianza de la variable aleatoria continua X con función

de densidad f (x) = 2x para x ∈ (0, 1). En un cálculo previo habı́amos encontrado
que E(X) = 2/3. Por lo tanto,
Z ∞
Var(X) = (x − E(X))2 f (x) dx
−∞
Z 1
= (x − 2/3)2 2x dx
0
Z 1
= (2x3 − 8x2 /3 + 8x/9) dx
0
1
= (x4 /2 − 8x3 /9 + 4x2 /9)0
= 1/18.
Ahora enunciamos algunas propiedades de la varianza.

Proposición. Sean X y Y dos variables aleatorias, y sea c una constante. En-

tonces
a) Var(X) ≥ 0.
b) Var(c) = 0.
c) Var(c X) = c2 Var(X).
d) Var(X + c) = Var(X).
e) Var(X) = E(X 2 ) − E 2 (X).
f) En general, Var(X + Y ) 6= Var(X) + Var(Y ).
Demostración. El inciso (a) es evidente a partir de la definición de varianza pues

en ella aparece una suma o integral de términos no negativos. Para el inciso (b)
la constante c es una v.a. con un único valor, de modo que E(c) = c y entonces
Var(X) = E(c − c)2 = 0. Para el inciso (c) tenemos que
Var(cX) = E[cX − E(cX)]2

= E[cX − cE(X)]2
= c2 E[X − E(X)]2
= c2 Var(X).
El inciso (d) se sigue del siguiente análisis:
Var(X + c) = E[(X + c) − E(X + c)]2

= E[X − E(X)]2
= Var(X).
Para demostrar la propiedad (e) se desarrolla el cuadrado en la definición de va-

rianza, y se usa la propiedad de linealidad de la esperanza:
Var(X) = E[X − E(X)]2

= E[X 2 − 2XE(X) + E 2 (X)]
= E(X 2 ) − 2E(X)E(X) + E 2 (X)
= E(X 2 ) − E 2 (X).
52 1.8. Distribuciones de probabilidad
Finalmente para demostrar la propiedad (f ) es suficiente dar un ejemplo. Puede

tomarse el caso Y = X, en general y por lo demostrado antes, no se cumple que
Var(2X) = 2 Var(X).
Momentos. Finalmente definimos el n-ésimo momento de una variable aleatoria

X, cuando existe, como el número E(X n ), para cualquier valor natural de n. El
n-ésimo momento central de X, cuando existe, es el número E[(X − µ)n ], en donde
µ = E(X). Observe que el primer momento de X es simplemente la media, y
el segundo momento central es la varianza. Tenemos entonces que si X es una
variable aleatoria con función de densidad o de probabilidad f (x) entonces el n-
ésimo momento de X, si existe, se calcula como sigue:
 Z ∞
xn f (x) dx,




 −∞
E(X n ) =
 X
xn f (x) .




x
El n-ésimo momento central de X se calcula, para variables aleatorias continuas y

discretas respectivamente, como indican las siguientes fórmulas:
 Z ∞
(x − µ)n f (x) dx,




 −∞
E[(X − µ)n ] =
 X
(x − µ)n f (x) .




x
1.8. Distribuciones de probabilidad
Estudiaremos a continuación algunas distribuciones de probabilidad de variables

aleatorias importantes. Estas distribuciones son modelos particulares para asignar
probabilidades a subconjuntos de números reales. Empezaremos con las distribu-
ciones de tipo discreto y continuaremos después con las de tipo continuo. Es im-
portante señalar que ésta es sólamente una lista parcial de algunas distribuciones
de probabilidad de mayor uso.
Distribución uniforme discreta. Decimos que una variable aleatoria X tiene

una distribución uniforme discreta sobre el conjunto finito de números {x1 , . . . , xn }
si la probabilidad de que X tome cualquiera de estos valores es la misma, es decir,

1/n. Esta distribución surge en espacios de probabilidad equiprobables, esto es, en
situaciones en donde tenemos n resultados diferentes y todos ellos tienen la misma
probabilidad de ocurrir. Los juegos de loterı́a son un ejemplo donde puede aplicarse
esta distribución de probabilidad. Escribimos entonces X ∼ unif{x1 , x2 , . . . , xn } si

1/n si x = x1 , x2 , . . . , xn .
P (X = x) =
0 otro caso.
Por ejemplo, la gráfica de la función de probabilidad de la distribución unif{1, 2, 3, 4, 5}

aparece en la Figura 1.18, junto con la correspondiente función de distribución. Ca-
daPsalto de la función de distribución es de tamaño 1/5. Es fácil ver que E(X) =
1 n 1 Pn 2
n x
i=1 i , y Var(X) = n (x
i=1 i − E(X)) .
f (x) F (x)
1/5 b b b b b
1 b
b bc
b bc
b bc
b bc
bc bc bc bc bc
x bc
x
1 2 3 4 5 1 2 3 4 5
Figura 1.18:
Ejemplo. Al generar un número aleatorio en una computadora dentro del intervalo

unitario [0, 1], y debido a que la precisión de la computadora es necesariamente
finita, se obtienen siempre valores dentro de un conjunto finito de elementos. Por
ejemplo, si la precisión de la computadora fuera de dos decimales, entonces sólo se
pueden generar los 101 números : 0.00, 0.01, 0.02,. . ., 0.99, 1.00. La precisión de una
computadora es naturalmente mayor pero siempre es finita, y la misma situación
se presenta.
Distribución Bernoulli. Un ensayo Bernoulli se define como aquel experimento

aleatorio con únicamente dos posibles resultados, llamados genéricamente éxito y
fracaso, con probabilidades respectivas p y 1 − p. Si se define la variable aleatoria
X como aquella función que lleva el resultado éxito al número 1 y el resultado
fracaso al número 0, entonces decimos que X tiene una distribución Bernoulli con
parámetro p ∈ (0, 1), y escribimos X ∼ Ber(p). La función de probabilidad es
entonces
px (1 − p)1−x si x = 0, 1.
P (X = x) =
0 otro caso.
La gráfica de la función de densidad de esta distribución para p =0.7 aparece en

la Figura 1.19, junto con la correspondiente función de distribución. En este caso
es muy sencillo verificar que E(X) = p y Var(X) = p(1 − p). En la realización de
todo experimento aleatorio siempre es posible preguntarnos por la ocurrencia o no
ocurrencia de un evento cualquiera. Por ejemplo, ganar o no ganar en un juego de
loterı́a, que llueva o no llueva hoy por la tarde, etc. Este es el esquema general
donde surge esta distribución, que aunque sencilla, es de amplia aplicación.
f (x) F (x)
1 1 b
0.7 b
0.3 b
0.3 b bc
bc bc
x bc
x
0 1 0 1
Figura 1.19:
Ejemplo. Considere el experimento aleatorio de lanzar una moneda al aire. Su-

ponga que ω1 y ω2 son los dos resultados posibles, con probabilidades p y 1 − p,
respectivamente. Sea X la variable aleatoria dada por X(ω1 ) = 1, y X(ω2 ) = 0.
Entonces X tiene distribución Ber(p). ¿Cuál es la distribución de 1 − X?
Ejemplo. Sea Ω el espacio muestral de un experimento aleatorio, y sea A ⊆ Ω un

evento tal que P (A) = p. Sea X la variable aleatoria dada por X(ω) = 1A (ω), es
decir, X(ω) = 1 si ω ∈ A, y X(ω) = 0 si ω ∈ Ac . Esta es la función indicadora del
conjunto A. Entonces X tiene distribución Ber(p).
Distribución binomial. Supongamos ahora que tenemos una serie de n ensa-

yos independientes Bernoulli en donde la probabilidad de éxito en cualesquiera de
estos ensayos es p. Si denotamos por E el resultado éxito y por F el resultado
fracaso, entonces el espacio muestral consiste de todas las posibles sucesiones de

longitud n de caracteres E y F. Usando el principio multiplicativo, es fácil ver que
el conjunto Ω tiene 2n elementos. Si ahora definimos la variable aleatoria X co-
mo aquella que cuenta el número de éxitos en cada una de estas sucesiones, esto
es, X(EE · · · EE) = n, X(F E · · · EE) = n − 1, . . ., X(F F · · · F F ) = 0, enton-
ces tenemos que X puede tomar los valores 0, 1, 2, . . . , n con las probabilidades
que aparecen abajo. Decimos entonces que X tiene una distribución binomial con
parámetros n y p, y escribimos X ∼ bin(n, p).

 n px (1 − p)n−x si x = 0, 1, 2, . . . , n.
P (X = x) = x

0 otro caso.
Por ejemplo, para n = 10 ensayos, con probabilidad p =0.3, se puede calcular

P (X = 2) = 10 2 (0.3)2
(0.7)10−2
= 0.2334. La gráfica de esta función de probabi-
lidad con estos parámetros aparece en la Figura 1.20. La fórmula anterior puede
justificarse de la forma siguiente. Queremos que en n ensayos Bernoulli se obtengan
x éxitos y n − x fracasos. La probabilidad de obtener ésto es el número
p · · · p (1 − p) · · · (1 − p) = px (1 − p)n−x ,
| {z } | {z }
x n−x
pero hemos colocado los x éxitos en los primeros x ensayos, tenemos entonces que
multiplicar por las diferentes formas en que estos x éxitos
pueden distribuirse en los
n ensayos, este factor es el coeficiente binomial nx . Para esta distribución puede
demostrarse que E(X) = np, y Var(X) = np(1 − p).
Distribución geométrica. Supongamos que tenemos ahora una sucesión infini-

ta de ensayos independientes Bernoulli, en cada uno de los cuales la probabilidad
de éxito es p. Para cada una de estas sucesiones definimos la variable aleatoria
X como el número de fracasos antes de obtener el primer éxito. Por ejemplo,
X(F EF EF F · · · ) = 1, X(EF F EEE · · · ) = 0, X(F F F EF E · · · ) = 3. Observa-
mos que X puede tomar los valores 0, 1, 2, . . . La probabilidad de que X tome el
valor entero x ≥ 0 es p(1 − p)x . Decimos entonces que X tiene una distribución
geométrica con parámetro p, y escribimos X ∼ geo(p) cuando

p (1 − p)x si x = 0, 1, 2, . . .
P (X = x) =
0 otro caso.
Por ejemplo, para p =0.4, la gráfica de esta función se muestra en la Figura 1.21.
El nombre de esta distribución proviene del hecho de que cuando escribimos la
f (x)
0.3 b
0.2 b
n = 10
b p = 0.3
0.1 b
b
b
b
bc bc bc bc bc bc bc bc b b b
x
1 2 3 4 5 6 7 8 9 10
Figura 1.20:
suma de todas las probabilidades, obtenemos una suma geométrica. La inspección

sucesiva de artı́culos hasta encontrar una defectuoso, posiblemente en un proceso
de control de calidad, puede modelarse usando una distribución geométrica. Para
esta distribución tenemos que E(X) = (1 − p)/p, y Var(X) = (1 − p)/p2 .
f (x)
0.4 b
0.3
b
0.2 p = 0.4
b
0.1 b
b
b
b b
bc bc bc bc bc bc bc bc b b b
x
1 2 3 4 5 6 7 8 9 10
Figura 1.21:
En algunos textos se define la distribución geométrica contando el número de en-

sayos (no el de fracasos), antes del primer éxito. En este caso la variable es X + 1,
es decir, la distribución se desplaza hacia la derecha una unidad. la esperanza es
ahora 1/p y la varianza permanece constante (1 − p)/p2 .
Ejercicio. Una persona participa cada semana con un boleto en un juego de loterı́a
en donde la probabilidad de ganar el primer premio es p = 10−6 = 1/1, 000, 000.
¿Cuántos años en promedio debe esta persona participar en el juego antes de ob-
tener el primer premio?
Ejercicio. Sea X una variable aleatoria con distribución geo(p). Demuestre que la
función de distribución de X es


 0 si x < 0,
 1


 1 − (1 − p) si 0 ≤ x < 1,
1 − (1 − p)2

si 1 ≤ x < 2,
F (x) =

 . . . ...
 k+1


 1 − (1 − p) si k ≤ x < k + 1,

... ...

Distribución Poisson. Supongamos que deseamos observar el número de ocu-

rrencias de un cierto evento dentro de un intervalo de tiempo dado, por ejemplo, el
número de clientes que llegan a un cajero automático durante la noche, o tal vez
deseamos registrar el número de accidentes que ocurren en cierta avenida duran-
te todo un dı́a. Para modelar este tipo de situaciones podemos definir la variable
aleatoria X como el número de ocurrencia de este evento en el intervalo de tiempo
dado. Es claro entonces que X puede tomar los valores 0, 1, 2, . . ., y en principio
no ponemos una cota superior para el número de observaciones del evento. Adi-
cionalmente supongamos que conocemos la tasa media de ocurrencia del evento
de interés, que denotamos por la letra λ (lambda). El parámetro λ es positivo
y se interpreta como el número promedio de ocurrencias del evento, por unidad
de tiempo. La probabilidad de que la variable aleatoria X tome un valor entero
x ≥ 0 se definirá a continuación. Decimos que X tiene una distribución Poisson
con parámetro λ > 0, y escribimos X ∼ Poisson(λ) cuando
 x
 e−λ λ si x = 0, 1, 2, . . .
P (X = x) = x!

0 otro caso.
Puede demostrarse que la función f (x) arriba definida es efectivamente una función
de probabilidad para cada valor de λ > 0. La forma de esta función se muestra en
la Figura 1.22 cuando λ = 2. Después de algunos cálculos sencillo puede también
comprobarse que E(X) = λ, y Var(X) = λ.
Ejemplo. En promedio se reciben 2 peticiones de acceso a una página web durante

f (x)
0.3 b b
0.2 b λ =2
b
0.1 b
b
b
bc bc bc bc bc bc bc b b
x
1 2 3 4 5 6 7 8
Figura 1.22:
un minuto cualquiera. Utilice el modelo Poisson para calcular la probabilidad de

que en un minuto dado a) nadie solicite acceso a la página. b) se reciban mas de
dos peticiones. Solución: Sea X el número de peticiones por minuto, y supongamos
que X tiene distribución Poisson(λ), con λ = 2. Para el primer inciso se tiene que
P (X = 0) = e−2 20 /0! =0.135. Para el segundo inciso, P (X > 2) = 1 − P (X ≤ 2)
= 1 − (P (X = 0)+ P (X = 1)+ P (X = 2)) = 1 − e−2 (20 /0!+ 21/1!+ 22/2!) =0.323
Puede además demostrarse que cuando X ∼ bin(n, p) y hacemos tender n a infinito

y p a cero de tal forma que el producto np se mantenga constante igual a λ, entonces
la variable aleatoria X adquiere la distribución Poisson con parámetro λ.
Este resultado sugiere que cuando n es grande, la distribución binomial puede

ser aproximada mediante la distribución Poisson de parámetro λ = np. Esto es
particularmente útil pues el cálculo de probabilidades de la distribución binomial
involucra el cálculo de factoriales y ello puede ser computacionalmente difı́cil. Un
ejemplo ilustrará esta situación.
Ejemplo. En promedio uno de cada 100 focos producido por una máquina es defec-
tuoso. Calcule la probabilidad de encontrar 5 focos defectuosos en un lote de 1000
focos. Sugerencia: Use la distribución Poisson como aproximación de la distribución
binomial.
Hemos definido a la variable aleatoria Poisson como el número de ocurrencias de

un cierto evento dentro de un intervalo de tiempo dado, supongamos de longitud
unitaria, [0, 1]. Suponga ahora que nos interesa observar las ocurrencias del evento
en un intervalo de longitud diferente, por ejemplo [0, t], con t > 0. Tal conteo de
ocurrencias también sigue una distribución Poisson pero esta vez de parámetro λt.
Por ejemplo, si t = 2, entonces el número de ocurrencias del evento en el intervalo
[0, 2] tiene distribución Poisson(λt). Veamos un ejemplo.
Ejemplo. El número de aviones que llegan a un aeropuerto internacional tiene una

distribución Poisson con una frecuencia de 3 aviones cada 10 minutos. Entonces
a) La probabilidad de que no llegue ningún avión en un periodo de 20 minutos es
P (X = 0), con λ = 6. b) La probabilidad de que llegue sólo un avión en el minuto
siguiente es P (X = 1), con λ = 3/10. c) La probabilidad de que lleguen dos o
mas aviones en un periodo de 15 minutos es P (X ≥ 2), con λ =4.5.
Distribución binomial negativa. Si en una sucesión infinita de ensayos Ber-

noulli la variable aleatoria X cuenta el número de fracasos antes de obtener el
r-ésimo éxito, entonces decimos que X tiene una distribución binomial negativa
con parámetros r y p, y escribimos X ∼ bin neg(r, p). En este caso tenemos que X
puede tomar los valores 0, 1, 2, . . . con probabilidades como se indica a continuación.

 r + x − 1 pr (1 − p)x si x = 0, 1, 2, . . .
P (X = x) = x

0 otro caso.
Aparece el término pr pues la sucesión de ensayos Bernoulli no concluye sino hasta
obtener r éxitos. Podemos tener un número
variable de fracasos, de ahı́ el término
(1 − p)x , y finalmente el factor r+x−1
x que nos dice las diferentes formas en que
los r éxitos pueden aparecer en los r + x − 1 ensayos realizados antes del último que
necesariamente fue un éxito. La gráfica de esta función aparece en la Figura 1.23
cuando r = 3 y p =0.2.
Es claro que esta distribución es una generalización de la distribución geométrica, la

cual se obtiene tomando r = 1. Se puede además demostrar que E(X) = r(1 − p)/p
y Var(X) = r(1 − p)/p2 .
La definición de coeficiente binomial puede extenderse del siguiente

modo: Para
cualquier número real a, y cualquier entero natural x se define xa = a(a−1) · · · (a−

x + 1)/x! Puede demostrarse la identidad n+x−1 x = (−1)x −n x . De este hecho
adquiere su nombre esta distribución.
Ejemplo. Se lanza repetidas veces una moneda honesta, cuyos dos resultados son
f (x)
0.06 b
b
b b
b
b
b
b b
b
b b
0.04 b
b
r=3
b b
b p = 0.2
b
b
0.02 b b
b
b
b
b
b b b b b b
bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc bc
x
5 10 15 20 25 30
Figura 1.23:
cara y cruz. ¿Cuál es la probabilidad de obtener la tercera cruz en el quinto lanza-

miento? Solución: Sea X el número de caras (fracasos) antes de obtener la tercera
cruz. Entonces X ∼ bin neg(r, p) con r = 3, p = 1/2, y nos preguntan P (X = 2).
Por lo tanto, P (X = 2)= 62 (1/2)5 = 15/32= 0.46875 .
Distribución hipergeométrica. Supongamos que tenemos un conjunto de N

objetos de los cuales K son de una primera clase y N − K son de una segunda
clase. Supongamos que de este conjunto tomamos una muestra aleatoria de tamaño
n, la muestra es sin reemplazo y el orden de los objetos seleccionados no importa.
El espacio muestral de este experimento consiste de todas las posibles muestras de
tamaño n que se pueden obtener
del conjunto mayor de tamaño N . La cardinalidad
del espacio muestral es Nn . Si para cada muestra definimos la variable aleatoria
X como el número de objetos de la primera clase contenidos en la muestra selec-
cionada, entonces X puede tomar los valores 0, 1, 2, . . . , n, suponiendo n ≤ K. La
probabilidad de que X tome un valor x estará dada por la fórmula que enuncia-
mos a continuación. Decimos que X tiene una distribución hipergeométrica con
parámetros N , K y n, y escribimos X ∼ hipergeo(N, K, n) si
 K N −K

 x n−x
N
si x = 0, 1, . . . , n,
P (X = x) = n


0 otro caso.

El término Kx nos dice las diferentes formas en que de los K objetos de la primera
−K

clase se pueden escoger x de ellos, y el término Nn−x es nuevamente las diferentes
formas de escoger n − x objetos de la totalidad de N − K objetos de la segunda

clase. Usamos el principio multiplicativo para obtener el número total de muestras
diferentes en donde x objetos son de la primera clase y n − x objetos son de
la segunda clase. La gráfica de esta función de densidad para ciertos valores de
los parámetros aparece en la Figura 1.24. En este caso es posible comprobar que
N −K N −n
E(X) = nK/N , y Var(X) = n K N N N −1 .
f (x)
0.4 b
b
0.3 N = 20
0.2 b
K=7
n=5
0.1 b
b
bc bc bc bc bc b
x
0 1 2 3 4 5
Figura 1.24:
Con esto concluimos la revisión de algunas distribuciones de probabilidad de ti-

po discreto. Presentamos en la siguiente tabla un resumen de las distribuciones
discretas mencionadas en esta sección.
Distribución uniforme Distribución Bernoulli
f (x) = 1/n f (x) = px (1 − p)1−x

para x = x1 , . . . , xn . para x = 0, 1.
Parámetros: x1 , . . . , xn ; n. Parámetro: p ∈ (0, 1).
Pn
Media: i=1 xi /n. Media: p.
Pn
Varianza: i=1 (xi − µ)2 /n. Varianza: p(1 − p).
Distribución binomial Distribución geométrica
n
x
f (x) = x p (1 − p)n−x f (x) = p (1 − p)x
para x = 0, 1, . . . , n. para x = 0, 1, 2, . . .
Parámetros: n ∈ N, p ∈ (0, 1). Parámetro: p ∈ (0, 1).
Media: np. Media: (1 − p)/p.
Varianza: np(1 − p). Varianza: (1 − p)/p2 .
Distribución Poisson Distribución binomial negativa
λx r+x−1
r
f (x) = x!e−λ f (x) = x p (1 − p)x
para x = 0, 1, 2, . . . para x = 0, 1, 2, . . .
Parámetro: λ > 0. Parámetros: r ∈ N, p ∈ (0, 1).
Media: λ. Media: r(1 − p)/p.
Varianza: λ. Varianza: r(1 − p)/p2 .
Distribución hipergeométrica
K
N −K
N

f (x) = x n−x / n
para x = 0, 1, . . . , n.
Parámetros: N, K, n.
Media: nK/N.
Varianza: nK(N − K)(N − n)/(N 2 (N − 1)).
Ahora estudiaremos algunas distribuciones de probabilidad de variables aleatorias

continuas. No construiremos estas distribuciones a partir de experimentos aleatorios
particulares como en el caso de las distribuciones discretas, mas bien, las defini-
remos sin mayor justificación, en algunos casos mostraremos la forma de obtener
estas distribuciones a partir de considerar ciertas funciones de variables aleatorias
conocidas.
Distribución uniforme continua. Decimos que una variable aleatoria X tie-

ne una distribución uniforme continua en el intervalo (a, b), y escribimos X ∼
unif(a, b), cuando su función de densidad es


 1 si x ∈ (a, b),
f (x) = b−a

0 otro caso.
La gráfica general de esta función se muestra en la Figura 1.25(a), y es evidente que

se trata de una función de densidad pues es no negativa e integra uno. En este caso
es muy fácil encontrar la correspondiente función de distribución, y ésta se muestra
en la Figura 1.25(b). Los parámetros de esta distribución son los números a < b. Es
fácil verificar que E(X) = (a + b)/2, que corresponde al punto medio del intervalo
(a, b). Además Var(X) = (b − a)2 /12, de modo que la varianza o dispersión crece
cuando a y b se alejan uno del otro, y por el contrario, cuando los parámetros estan
muy cercanos, la varianza es pequeña. Esta distribución es una de las más sencillas,
y sea usa naturalmente para cuando no se conoce mayor información de la variable
aleatoria de interés, excepto que toma valores continuos dentro de algún intervalo.
f (x) F (x)
1 bc bc
1
b−a
b b
x x
a b a b
(a) (b)
Figura 1.25:
Ejemplo. En el experimento aleatorio teórico de generar un número al azar X en

el intervalo unitario (0, 1) se considera regularmente que X tiene distribución uni-
forme en dicho intervalo.
Ejercicio. Compruebe que la función de distribución de una variable aleatoria con

distribución unif(a, b) es la que aparece en la Figura 1.25(b), y está dada por

 0 si x < a,
F (x) = (x − a)/(b − a) si a ≤ x < b,

1 si x ≥ b.
Distribución exponencial. Decimos que una variable aleatoria continua X tiene

una distribución exponencial con parámetro λ > 0, y escribimos X ∼ exp(λ),
cuando su función de densidad es
(
λ e−λx si x > 0,
f (x) =
0 si x ≤ 0.
La gráfica de esta función cuando el parámetro λ toma el valor particular 3, es

la que se muestra en la Figura 1.26(a). La correspondiente función de distribución
aparece a su derecha. Es muy sencillo verificar que la función f (x) arriba definida es
efectivamente una función de densidad para cualquier valor del parámetro λ > 0.
Aplicando el método de integración por partes puede también comprobarse que
E(X) = 1/λ, y Var(X) = 1/λ2 . Esta distribución se ha usado para modelar tiempos
de espera para la ocurrencia de un cierto evento.
f (x) F (x)
3 bc
1
2
1 λ=3
b
x x
1 1
(a) (b)
Figura 1.26:
Ejemplo. Suponga que el tiempo en minutos que un usuario cualquiera permanece

revisando su correo electrónico sigue una distribución exponencial de parámetro
λ = 1/5. Calcule la probabilidad de que un usuario cualquiera permanezca conec-
tado al servidor de correo a) menos de un minuto. b) mas de un ahora.
R1
Solución: Para el primer inciso tenemos que P (X < 1) = 0 1/5 e−x/5 dx=0.181 .
R∞
Para el segundo inciso, P (X > 60)= 60 1/5 e−x/5 dx=0.0000061 .
Ejercicio. Sea X una variable aleatoria con distribución exp(λ). Compruebe que la
función de distribución de X es la siguiente. Véase la Figura 1.26(b).

(
1 − e−λx si x > 0,
F (x) =
0 si x ≤ 0.

Distribución gama. La variable aleatoria continua X tiene una distribución gama

con parámetros n > 0 y λ > 0, y escribimos X ∼ gama(n, λ), si su función de
densidad es  n−1
 (λx) λe−λx si x > 0,
f (x) = Γ(n)

0 si x ≤ 0.
La gráfica de esta función de densidad para varios valores de los parámetros se

muestra en la Figura 1.27.
f (x) f (x)
λ=5
λ=4
λ=3 n=5
1/2 1/2 n=7
n = 10
x x
1 2 3 4 5 6 1 2 3 4 5 6
(a) n = 5 (b) λ = 3
Figura 1.27:
En la expresión anterior aparece el término Γ(n). Esta es la función gama que se

define como la siguiente integral
Z ∞
Γ(n) = tn−1 e−t dt,
0
para cualquier número real n tal que esta integral sea convergente. Esta función no
es el tipo de funciones a las que estamos acostumbrados en los cursos de matemáti-
cas en donde regularmente se conoce la expresión exacta de una cierta función y
se utiliza esta expresión para evaluarla. En este caso, para evaluar la función gama
es necesario substituir el valor de n en el integrando y efectuar la integral infinita.
Afortunadamente no evaluaremos esta integral para cualquier valor de n, sólo para
algunos pocos valores, principalmente enteros, y nos ayudaremos de las siguientes
propiedades:
a) Γ(n + 1) = n Γ(n).
b) Γ(n + 1) = n! si n es entero.
c) Γ(2) = Γ(1) = 1.
√
d) Γ(1/2) = π.
El nombre de esta distribución se deriva del hecho de que en su definición aparece

la función gama. Observemos además que la distribución exponencial es un caso
particular de la distribución gama. En efecto, si en la distribución gama tomamos
el parámetro n igual a 1, obtenemos la distribución exponencial con parámetro λ.
Resolviendo un par de integrales se puede demostrar que E(X) = n/λ, y Var(X) =
n/λ2 .
Distribución beta. Decimos que la variable aleatoria continua X tiene una dis-
tribución beta con parámetros a > 0 y b > 0, y escribimos X ∼ beta(a, b), cuando
su función de densidad es

1
 xa−1 (1 − x)b−1 si x ∈ (0, 1),
f (x) = B(a, b)

0 otro caso.
El término B(a, b) se conoce como la función beta, y de allı́ adquiere su nombre

esta distribución. La función beta se define como sigue
Z 1
B(a, b) = xa−1 (1 − x)b−1 dx,
0
para números reales a > 0 y b > 0. Esta función está relacionada con la función
gama a través de la identidad
Γ(a)Γ(b)
B(a, b) = .
Γ(a + b)
Véase la sección de ejercicios para una lista de propiedades de esta función. Para
la distribución beta(a, b) se tiene que E(X) = a/(a + b), y Var(X) = ab/((a + b +
1)(a + b)2 ).
Distribución normal. Esta es posiblemente la distribución de probabilidad de

mayor importancia. Decimos que la variable aleatoria continua X tiene una distri-
bución normal si su función de densidad está dada por la siguiente expresión
1 2 2
f (x) = √ e−(x−µ) /2σ ,
2πσ 2
en donde µ ∈ R y σ > 0 son dos parámetros. Escribimos entonces X ∼ N(µ, σ 2 ).

La gráfica de esta función de densidad tiene forma de campana como se puede
apreciar en la Figura 1.28, en donde se muestra además el significado geométrico
de los dos parḿetros.
f (x)
x
µ
Figura 1.28:
No es inmediato pero es posible demostrar que E(X) = µ, y ello significa que la

campana esta centrada en este valor, el cual puede ser negativo, positivo o cero.
También puede demostrarse que Var(X) = σ 2 , y que la distancia del punto µ a
cualquiera de los dos puntos en donde la función tiene puntos de inflexión es σ, por
lo tanto la campana se abre o se cierra de acuerdo a la magnitud de este parámetro.
En particular, decimos que la variable aleatoria X tiene una distribución normal
estándar si tiene una distribución normal con parámetros µ = 0 y σ 2 = 1. En este
caso la función de densidad se reduce a la expresión
1 2
f (x) = √ e−x /2 .
2π
Es posible transformar una variable aleatoria normal no estándar en una estándar

mediante la siguiente operación.
Proposición. Sea X una variable aleatoria con distribución normal con paráme-
tros µ y σ 2 . Entonces la siguiente variable aleatoria tiene una distribución nor-
mal estándar.
X −µ
Z= . (1.4)
σ
A la operación anterior se le conoce con el nombre de estandarización, y bajo tal

transformación se dice que la variable X ha sido estandarizada. Es común usar
la letra Z para denotar una variable aleatoria con distribución normal estándar,
y seguiremos nosotros también esa costumbre. Se deja como ejercicio al lector
demostrar la proposición anterior, y si ello no es posible por ahora, por lo menos
compruebe mentalmente las siguientes dos propiedades.
Ejercicio. A partir de (1.4) compruebe que E(Z) = 0 y Var(Z) = 1.
La proposición anterior parece muy modesta pero tiene una gran importancia ope-
racional pues establece que el cálculo de las probabilidades de una variable alea-
toria normal cualquiera se reduce al cálculo de las probabilidades para la normal
estándar. Explicaremos esta situación con más detalle. Suponga que X es una va-
riable aleatoria con distribución N(µ, σ 2 ), y que deseamos calcular, por ejemplo,
P (a < X < b), para a < b números dados. Tenemos entonces que
P(a < X < b) = P(a − µ < X − µ < b − µ)

a−µ X −µ b−µ
= P( < < )
σ σ σ
a−µ b−µ
= P( <Z< ).
σ σ
La igualdad de estas probabilidades es consecuencia de la igualdad de los eventos.
De esta forma una probabilidad que involucra a la variable X se ha reducido a
una probabilidad que involucra a Z. Es también común denotar la función de
distribución de Z como Φ(x), es decir,
Z x
1 2
Φ(x) = P (Z ≤ x) = √ e−u /2 du,
−∞ 2π
cuyo significado geométrico se muestra en la Figura 1.29(a). Es necesario decir
que, sin importar el método de integración que se utilice, no es posible encontrar
una expresión exacta para esta integral, pero usando métodos numéricos pueden
encontrarse aproximaciones de ella para distintos valores de x. En una tabla al

final del texto aparece una tabla con estos valores aproximados. Cada renglón de
esta tabla corresponde a un valor de x hasta el primer dı́gito decimal, las distintas
columnas corresponden al segundo dı́gito decimal. El valor que aparece en la tabla
es Φ(x). Por ejemplo, el renglón marcado con 1.4 y la columna marcada con 0.05
corresponden al valor 1.45, tenemos entonces que Φ(1.45) =0.9265 . Aqui estan
algunas preguntas para el lector: ¿Por qué en la tabla aparecen solo valores de x
hasta 3.49?, es decir, ¿Cuánto vale Φ(x) para x > 3.49? ¿Cómo se podrı́an calcular
los valores de Φ(x) para x negativos?
f (x) f (x)
Φ(x) α
x x
x zα
(a) (b)
Figura 1.29:
Ejercicio. Demuestre que Φ(−x) = 1 − Φ(x).
Ejercicio. Encuentre x tal que a) Φ(x) = 0.3 . b) Φ(x) = 0.75 .
Ejercicio. Use la tabla de la distribución normal estándar para comprobar que

a) Φ(1.65) = 0.9505 b) Φ(−1.65) = 0.0495 c) Φ(−1) = 0.1587
Ejercicio. Sea X con distribución N(5, 10). Calcule

a) P (X ≤ 7). b) P (0 < X < 5). c) P (X > 10).
Notación zα . Para cada valor α en el intervalo (0, 1), el número zα denotará el

punto en el eje real para el cual el área bajo la curva a la derecha de zα es α.
Esto es, Φ(zα ) = 1 − α. Se muestra en la siguiente Figura 1.29(b) el significado

geométrico del número zα . Usaremos la notación zα en la segunda parte de nuestro
curso.
Acerca de la distribución normal tenemos el siguiente resultado de suma importan-

cia.
Teorema central del lı́mite. Sea X1 , X2 , . . . una sucesión infinita de variables

aleatorias independientes e idénticamente distribuidas con media µ y varianza
finita σ 2 . Entonces la función de distribución de la variable
(X1 + · · · + Xn ) − nµ
Zn = √
nσ 2
tiende a la distribución normal estándar cuando n tiende a infinito, sin importar
la distribución de cada variable de la sucesión, es decir,
lı́m FZn (x) = FZ (x).

n→∞
Distribución ji-cuadrada. Decimos que la variable aleatoria continua X tiene

una distribución ji-cuadrada con n grados de libertad (n entero positivo), si su
función de densidad está dada por la siguiente expresión
 n/2
 1 1
xn/2−1 e−x/2

si x > 0,
f (x) = Γ(n/2) 2


0 si x ≤ 0.
Se trata de una variable aleatoria continua con posibles valores en el intervalo

(0, ∞). Esta distribución tiene un solo parámetro denotado aqui por la letra n, y al
cual se le llama grados de libertad. A pesar de su aparente expresión complicada, no
es difı́cil comprobar que f (x) es efectivamente una función de densidad. La gráfica
de esta función para varios valores del parámetro n aparece en la Figura 1.30.
Escribiremos simplemente X ∼ χ2 (n), en donde la letra griega χ se pronuncia “ji”
o también “chi”. Puede demostrarse que E(X) = n y Var(X) = 2n. La distribución
ji-cuadrada puede obtenerse como indican los siguientes resultados que dejaremos
sin demostrar.
f (x)
1/2 n=1
n=2
n=3
n=4
x
1 2 3 4 5 6 7 8 9
Figura 1.30:
Proposición. Si X ∼ N(0, 1), entonces X 2 ∼ χ2 (1).
Es decir, el cuadrado de una variable aleatoria con distribución normal estándar

tiene distribución ji-cuadrada con un grado de libertad. Por otro lado, el siguiente
resultado establece que la suma de dos variables aleatorias independientes con
distribución ji-cuadrada tiene distribución nuevamente ji-cuadrada con grados de
libertad la suma de los grados de libertad de los sumandos.
Proposición. Si X ∼ χ2 (n) y Y ∼ χ2 (m) son dos variables aleatorias indepen-

dientes, entonces X + Y tiene distribución χ2 (n + m).
En particular, si X1 , . . . , Xn son independientes con distribución N(0, 1), entonces

X12 + · · · + Xn2 tiene distribución χ2 (n).
Distribución t. Decimos que la variable aleatoria continua X tiene una distribu-

ción t con n grados de libertad si su función de densidad está dada por
Γ((n + 1)/2)
f (x) = √ (1 + x2 /n)−(n+1)/2 , para − ∞ < x < ∞.
nπ Γ(n/2)
En tal caso se escribe X ∼ t(n). La gráfica de esta función de densidad aparece en

la Figura 1.31. Es posible demostrar que E(X) = 0, y Var(X) = n/(n − 2) para
n > 2. La distribución t se puede encontrar en los siguientes contextos.
f (x)
n = 100
n=3
n=1
0.1
x
−4 −3 −2 −1 1 2 3 4
Figura 1.31:
Proposición. Si X ∼ N(0, 1) y Y ∼ χ2 (n) son independientes, entonces
X
p ∼ t(n).
Y /n
Proposición. Sean X1 , . . . , Xn variables aleatorias independientes cada una de

ellas con distribución N(µ, σ 2 ). Entonces
X̄ − µ
√ ∼ t(n − 1),
S/ n
Pn Pn
en donde X̄ = n1 i=1 Xi , y S 2 = n1 i=1 (Xi − X̄)2 .
Con esto terminamos con una revisión elemental de algunas distribuciones de pro-
babilidad continuas. Recuerde el lector que existen muchas mas distribuciones de
este tipo. La siguiente tabla contiene un resumen de las distribuciones continuas
mencionadas en esta sección.
Distribución uniforme Distribución exponencial
f (x) = 1/(b − a) f (x) = λ e−λx

para x ∈ (a, b). para x > 0.
Parámetros: a < b. Parámetro: λ > 0.
Media: (a + b)/2. Media: 1/λ.
Varianza: (b − a)2 /12. Varianza: 1/λ2 .
Distribución gama Distribución beta
(λx)n−1 1 a−1
− x)b−1
f (x) = Γ(n) λ e−λx f (x) = B(a,b) x (1
para x > 0. para x ∈ (0, 1).
Parámetros: n > 0, λ > 0. Parámetros: a > 0, b > 0.
Media: n/λ. Media: a/(a + b).
Varianza: n/λ2 . Varianza: ab/((a + b + 1)(a + b)2 ).
Distribución normal Distribución χ2
2 2
1 n/2
f (x) = √ 1 e−(x−µ) /2σ f (x) = 1
xn/2−1 e−x/2
2πσ2 Γ(n/2) 2
para x ∈ R. para x > 0.
Parámetros: µ ∈ R, σ > 0. Parámetro: n > 0.
Media: µ. Media: n.
Varianza: σ 2 . Varianza: 2n.
74 1.9. Vectores Aleatorios
Distribución t
Γ((n+1)/2)
f (x) = √
nπ Γ(n/2)
(1 + x2 /n)−(n+1)/2
para x ∈ R.
Parámetro: n > 0.
Media: 0.
Varianza: n/(n − 2), para n > 2.
1.9. Vectores Aleatorios
Esta sección contiene una breve introducción al tema de variables aleatorias multi-
dimensionales o también llamadas vectores aleatorios. Para hacer la escritura corta
se consideran únicamente vectores aleatorios de dimensión dos, aunque todas las
definiciones y resultados que se mencionan pueden extenderse fácilmente, en la
mayorı́a de los casos, para vectores de dimensión superior.
Vector aleatorio. Un vector aleatorio de dimensión dos es un vector de la forma

(X, Y ) en donde cada coordenada es una variable aleatoria. De manera análoga
se pueden tener vectores aleatorios multidimensionales (X1 , . . . , Xn ). Nuevamente
diremos que un vector aleatorio es discreto, o continuo, si las todas las variables
aleatorias que lo conforman lo son. Por simplicidad consideraremos únicamente
vectores aleatorios cuyas coordenadas son variables aleatorias todas discretas, o
continuas, pero no mezclas de ellas. Un vector aleatorio (X, Y ) puede considerarse
como una función de Ω en R2 como se muestra en la Figura 1.32.
(X, Y )
R2
b b
ω (X(ω), Y (ω)) = (x, y)
Figura 1.32:
Es decir, el vector (X, Y ) evaluado en ω es (X, Y )(ω) = (X(ω), Y (ω)) con posible
valor (x, y). Nuevamente observe que el vector con letras mayúsculas (X, Y ) es el
vector aleatorio, mientras que el vector con letras minúsculas (x, y) es un punto
en el plano. Estudiaremos a continuación algunas funciones asociadas a vectores
aleatorios. Estos conceptos son completamente análogos al caso unidimensional
estudiado antes.
Función de probabilidad conjunta. Vamos a estudiar primero el caso más

sencillo que es el discreto. Consideremos un vector aleatorio discreto (X, Y ) tal que
la variable X toma los valores en el conjunto {x1 , x2 , . . .}, y la variable Y toma
los valores en {y1 , y2 , . . .}. La función de densidad del vector (X, Y ) que se denota
por f (x, y), se encuentra definida sobre R2 y toma valores en el intervalo [0, 1] de
acuerdo a la siguiente definición
(
P (X = x, Y = y) si (x, y) ∈ {x1 , x2 , . . .} × {y1 , y2 , . . .},
f (x, y) =
0 otro caso.
Es decir, el número f (x, y) es la probabilidad de que la variable X tome el valor

x y al mismo tiempo la variable Y tome el valor y. Tal función se llama también
función de densidad conjunta de las variables X y Y , y para enfatizar este hecho a
veces se escribe fX,Y (x, y), pero en general omitiremos los subı́ndices para hacer la
notación más corta. Toda función f (x, y) de la forma anterior cumple las siguientes
dos propiedades, e inversamente, toda función que las cumpla se llama función de
densidad conjunta.
a) f (x, y) ≥ 0.
X
b) f (x, y) = 1.
x,y
Ejemplo. Considere el vector aleatorio discreto (X, Y ) con función de densidad

dada por la siguiente tabla.
x/y 0 1
-1 0.3 0.1
1 0.4 0.2
De este arreglo se entiende que la variable X toma valores en el conjunto {−1, 1},
mientras que Y toma valores en {0, 1}. Además las probabilidades conjuntas están
dadas por las entradas de la tabla, por ejemplo, P (X = −1, Y = 0) = 0.3, esto es,
la probabilidad de que X tome el valor −1 y al mismo tiempo Y tome el valor 0
es 0.3. La misma información puede escribirse de la siguiente manera.


 0.3 si x = −1, y = 0,


 0.1 si x = −1, y = 1,


f (x, y) = P (X = x, Y = y) = 0.4 si x = 1, y = 0,




 0.2 si x = 1, y = 1,


0 otro caso.
Como todos estos valores son probabilidades, naturalmente son no negativos, y

todos ellos suman uno.
Función de densidad conjunta. Veamos ahora la situación en el caso continuo.

Se dice que la función integrable y no negativa f (x, y) : R2 → [0, ∞) es la función
de densidad del vector aleatorio continuo (X, Y ) si para todo par (x, y) en R2 se
cumple la igualdad
Z x Z y
P (X ≤ x, Y ≤ y) = f (u, v) dv du.
−∞ −∞
Toda función de densidad f (x, y) de estas caracterı́sticas satisface las siguientes

dos propiedades que son análogas al caso discreto.
a) f (x, y) ≥ 0.
Z ∞ Z ∞
b) f (x, y) dx dy = 1.
−∞ −∞
Recı́procamente decimos que una función f (x, y) : R2 → [0, ∞) es una función de

densidad conjunta si cumple con las dos condiciones arriba mencionadas.
Ejemplo. Esta es una de las funciones de densidad conjunta más sencillas. Sean
a < b, c < d, y defina la función

1
 si a < x < b, c < y < d,
f (x, y) = (b − a)(d − c)

0 otro caso,
cuya gráfica aparece en la Figura 1.33. Se trata de una función constante en el

rectángulo (a, b) × (c, d). Esta función es de densidad pues es no negativa e integra
uno sobre R2 .
f (x, y)
c
a d
y
b
x
Figura 1.33:
Ejercicio. Compruebe que la siguiente función es de densidad.

(
x + y si 0 < x, y < 1,
f (x, y) =
0 otro caso.
Ejercicio. Encuentre la constante c para que la siguiente función sea de densidad.

(
cxy si 0 < x < y < 1,
f (x, y) =
0 otro caso.
Función de distribución conjunta. Además de la función de densidad, existe

la función de distribución para un vector (X, Y ), sea éste discreto o continuo, y su
definición es muy semejante al caso unidimensional. La función de distribución del
vector (X, Y ), denotada por F (x, y) : R2 → [0, 1], se define para cualquier par de
números reales (x, y) como sigue
F (x, y) = P (X ≤ x, Y ≤ y).
La pequeña coma que aparece en el lado derecho de esta igualdad significa la

intersección de los eventos (X ≤ x) y (Y ≤ y), es decir, el número F (x, y) es
la probabilidad del evento (X ≤ x) ∩ (Y ≤ y). Más precisamente, esta función
debe escribirse como FX,Y (x, y), pero omitiremos los subı́ndices para mantener la
notación simple. Siempre asociaremos la variable X con el valor x, y la variable Y
con el valor y. A esta función se le conoce también con el nombre de función de
acumulación de probabilidad del vector (X, Y ), y también se dice que es la función
de distribución conjunta de las variables X y Y .
Enunciamos a continuación algunas propiedades que cumple toda función de dis-

tribución conjunta.
1. lı́m F (x, y) = 1.
x,y→∞
2. lı́m F (x, y) = 0. Análogamente cuando es la variable y quien tiende a

x→−∞
menos infinito.
3. F (x, y) es continua por la derecha en cada variable.
4. F (x, y) es una función monótona no decreciente en cada variable.
5. Para cualesquiera números a < b, y c < d, se cumple la desigualdad
F (b, d) − F (a, d) − F (b, c) + F (a, c) ≥ 0.
Observe que las primeras cuatro propiedades son análogas al caso unidimensional,
y puede comprobarse geométricamente que la quinta propiedad corresponde a la
probabilidad del evento (a < X ≤ b) ∩ (c < Y ≤ d). Recı́procamente decimos
que una función F (x, y) : R2 → [0, 1] es una función de distribución bivariada si
satisface las anteriores cinco propiedades.
El concepto de función de distribución puede extenderse al caso de vectores multi-

dimensionales de la siguiente forma: La función de distribución del vector aleatorio
(X1 , . . . , Xn ) es la función F (x1 , . . . , xn ) : Rn → [0, 1] dada por
F (x1 , . . . , xn ) = P (X1 ≤ x1 , . . . , Xn ≤ xn ).
a) ¿Cómo se encuentra F (x, y) a partir de f (x, y)? Conociendo la función de den-

sidad f (x, y), es posible encontrar al función de distribución F (x, y) simplemente
integrando en el caso continuo o sumando en el caso discreto. Para el caso continuo
tenemos Z x Z y
F (x, y) = f (u, v) dv du.
−∞ −∞
En el caso discreto se suman todos los valores de f (u, v) para valores de u menores
o iguales a x y valores de v menores o iguales a y.
b) ¿Cómo se encuentra f (x, y) a partir de F (x, y)? En el caso continuo sabemos

que f (x, y) y F (x, y) guardan la relación
Z x Z y
F (x, y) = f (u, v) dv du,
−∞ −∞
por el teorema fundamental del cálculo tenemos que
∂2
f (x, y) = F (x, y).
∂x ∂y
Función de densidad marginal. Sea f (x, y) la función de densidad del vector

aleatorio continuo (X, Y ). Se define la función de densidad marginal de la variable
X como sigue Z ∞
f (x) = f (x, y) dy,
−∞
es decir, simplemente se integra respecto de la variable y. La correspondiente fun-

ción de densidad marginal de la variable Y se obtiene integrando ahora respecto
de la variable x, es decir,
Z ∞
f (y) = f (x, y) dx.
−∞
La correspondiente definición para vectores discretos involucra una suma en lugar

de la integral, por ejemplo,
X
f (x) = f (x, y),
y
de manera análoga se define la densidad marginal f (y). Es sencillo verificar que

estas densidades marginales, tanto en el caso discreto como en el continuo, son
efectivamente funciones de densidad univariadas. Un poco más generalmente, la

función de densidad marginal de la variable X1 a partir de la función de densidad
del vector (X1 , . . . , Xn ) es, en el caso continuo,
Z ∞ Z ∞
f (x1 ) = ··· f (x1 , . . . , xn ) dx2 · · · dxn .
−∞ −∞
De manera análoga se obtiene la función marginal de cualquiera de las variables

que componen el vector multidimensional. Y también de manera análoga se pueden
calcular estas densidades marginales para vectores discretos de cualquier dimensión.
Función de distribución marginal. Sea (X, Y ) un vector aleatorio, continuo

o discreto, con función de distribución F (x, y). La función de distribución marginal
de la variable X se define como la función
F (x) = lı́m F (x, y),

y→∞
y la correspondiente función de distribución marginal de la variable Y es la función
F (y) = lı́m F (x, y).

x→∞
No es difı́cil comprobar que estas funciones de distribución marginales son efecti-

vamente funciones de distribución univariadas.
Todo lo mencionado en estas últimas secciones tiene como objetivo poder enunciar
con precisión el concepto de independencia entre variables aleatorias. Veremos a
continuación este importante concepto que usaremos con regularidad en la segunda
parte del curso.
Independencia de variables aleatorias. Sean X1 , . . . , Xn variables aleato-

rias con distribución conjunta F (x1 , . . . , xn ), y con respectivas distribuciones mar-
ginales F (x1 ), . . . , F (xn ). Se dice que estas variables son independientes si para
cualesquiera valores x1 , . . . , xn se cumple la igualdad
FX1 ,...,Xn (x1 , . . . , xn ) = FX1 (x1 ) · · · FXn (xn ).
Alternativamente puede definirse la independencia en términos de la función de

densidad como sigue
f (x1 , . . . , xn ) = f (x1 ) · · · f (xn ).
Nuevamente esta igualdad debe verificarse para cualesquiera valores x1 , . . . , xn .
Las dos condiciones anteriores son equivalentes. En el caso particular cuando las
variables aleatorias son discretas, la condición de independencia se escribe
P (X1 = x1 , . . . , Xn = xn ) = P (X1 = x1 ) · · · P (Xn = xn ).
Adicionalmente, se dice que un conjunto infinito de variables aleatorias son inde-

pendientes si cualquier subconjunto finito de ellas lo es. Este es el sentido en el
que la sucesión infinita de variables aleatorias debe entenderse en el enunciado del
teorema central del lı́mite.
Parte 2
ESTADÍSTICA
Originalmente cualquier colección de datos acerca de la población o economı́a de un

estado era del interés exclusivo del estado, es por ello que a las primeras colecciones
de datos se les llamara estadı́sticas, como una derivación de la palabra estado. Los
primeros registros de una recolección sistemática de datos de una población sur-
gen en las ciudades italianas de Venecia y Florencia durante el Renacimiento. Para
mediados del siglo XVI, varios gobiernos europeos, a través de las parroquias, lleva-
ban registros de nacimientos, matrimonios y decesos. De particular importancia en
aquellos años eran los registros de decesos pues las tasas de mortalidad eran altas
debido a las recurrentes epidemias y plagas que diezmaban a la población. Esta
recolección de datos por parte de los gobiernos siguió desarollándose durante los
siglos XVII y XVIII, en donde los esfuerzos y recursos se orientaron principalmente
a obtener censos.
A finales del siglo IXX, y teniendo a Francis Galton (1822-1911) como precursor,
surgen las primeras ideas para inferir información de una población a partir de
datos estadı́sticos. Los métodos y la teorı́a general se desarrollaron a partir de los
inicios del siglo XX gracias a los trabajos de Karl Pearson (1857-1936), Ronald
A. Fisher (1890-1962), Egon Sharpe Pearson (1895-1980) hijo de Karl Pearson, y
Jerzy Neymann (1894-1981).
Hoy en dı́a los métodos de la estadı́stica son usados en muy diversas áreas del
conocimiento humano, sean éstas cientı́ficas, sociales o económicas. Sus métodos y
conclusiones son usados como respaldo cientı́fico para rechazar o aceptar afirma-
ciones, y para la toma de decisiones. Cotidianamente encontramos elementos de
estadı́stica descriptiva en los periódicos, en la radio, en la televisión y en internet.
83
2.1. Introducción
Supongamos que tenemos una población de interés, esto es, un conjunto arbitrario
de personas, mediciones u objetos cualesquiera, y deseamos conocer cierta infor-
mación de esta población. Debido a la imposibilidad o no conveniencia de tener
información de todos y cada uno de los elementos de la población, tomamos un pe-
queño subconjunto de ellos, al cual llamaremos muestra. Con base en esta muestra
trataremos de inferir la información de la población en su totalidad.
muestra
población
Figura 2.1:
Estadı́stica descriptiva e inferencial. La estadı́stica es la ciencia que se

encarga de recolectar, organizar, resumir y analizar datos para después obtener
conclusiones a partir de ellos. De manera general, la estadı́stica puede ser dividida
en dos grandes áreas: estadı́stica inferencial y estadı́stica descriptiva. La estadı́stica
descriptiva es una colección de métodos para la organización, resumen y presenta-
ción de datos. La estadı́stica inferencial consiste de un conjunto de técnicas para
obtener, con determinado grado de confianza, información de una población con
base en la información de una muestra.
2.2. Variables y tipos de datos
Una variable es una caracterı́stica de un elemento en una población en estudio. Por

ejemplo, si la población consta de personas, los siguientes son ejemplos de variables
que podrı́an ser de interés: edad, peso, sexo, estatura, etc. Veremos a continuación
algunos criterios bajo los cuales las variables pueden ser clasificadas.
Parte 2. ESTADÍSTICA 85
Las variables pueden ser cuantitativas, cuando se realiza una medición y el resultado
es un número, o pueden ser cualitativas, cuando solamente registran una cualidad o
atributo del objeto o persona en estudio. La edad, el peso y la estatura son ejemplos
de variables cuantitativas en una población de personas, mientras que el sexo y el
estado civil son variables cualitativas.
De acuerdo al número total de sus posibles valores, una variable cuantitativa puede
ser clasificada como discreta cuando sólo puede tomar un número discreto (es decir,
finito o numerable) de valores, o continua cuando puede tomar cualquier valor
dentro de un intervalo (a, b) de la recta real.
De acuerdo con la posible relación que pudieran guardar los valores de una variable,
se cuenta por lo menos con cuatro escalas de medición. Las variables cualitativas
pueden ser clasificadas de acuerdo a dos escalas: escala nominal o escala ordinal.
Mientras que las variables cuantitativas pueden clasificarse por: escala de intervalo
o escala de razón.
Escala nominal. Una variable se llama nominal cuando sus posibles valores no
tienen alguna relación de orden o magnitud entre ellos. Básicamente los valores
de este tipo de variables son etiquetas sin un orden entre ellos. Por ejemplo, si
estamos estudiando una población humana, a la variable sexo podemos asignarle
dos posibles valores: F para femenino, y M para masculino. Los sı́mbolos F y
M son etiquetas arbitrarias, y no existe un orden en ellas ni podemos realizar
operaciones aritméticas. La religión o la nacionalidad son también ejemplos de
variables nominales.
Escala ordinal. En esta escala los valores de la variable tienen un orden pero
no se pueden hacer operaciones aritméticas entre estos valores pues no hay noción
de distancia entre ellos. Por ejemplo, para calificar las caracterı́sticas de un objeto
podemos suponer los siguientes valores: 0=Pésimo, 1=malo, 2=Regular, 3=Bueno,
4=Excelente. En este caso la escala de medición es ordinal pues existe un orden
entre sus valores, pero no se puede decir, por ejemplo, que dos valores regulares
hacen un valor excelente.
Escala de intervalo. En este tipo de escala existe un orden entre los valores de
la variable y existe además una noción de distancia aunque no se pueden realizar
operaciones. No existe el valor natural cero para esta tipo de escala. Por ejemplo,
suponga que los valores de una cierta variable están dados por los dı́as del mes.
Entre el dı́a 10 y el dı́a 20 hay una distancia de diez dı́as, pero no se puede decir
que el dı́a 20 es dos veces el dı́a 10. La temperatura es otro ejemplo de este tipo
86 2.3. Estadı́stica descriptiva
de variable, el posible valor cero depende de la escala que se use para medir la
temperatura (Celsius, Kelvin, Fahrenheit).
Escala de razón. En una escala de razón la magnitud tiene un sentido fı́sico

y existe el cero absoluto. Por ejemplo, la variable edad en años estudiada en una
población humana.
La clasificación de un variable particular en alguna de estas categorı́as puede no

ser clara pues tal decisión puede depender del tratamiento que una persona haga
de tal variable.
Ejercicio. Determine si cada una de las siguientes variables es cualitativa o cuan-

titativa. Si es cualitativa, diga si su escala de medición es nominal u ordinal. Si es
cuantitativa, diga si es discreta o continua, y diga su escala de medición.
a) Apreciación o punto de vista acerca de una idea o propuesta usando la escala:
De Acuerdo, En desacuerdo, Indiferente.
b) Evaluación de un curso de acuerdo a las siguientes categorı́as: Acreditado, No
Acreditado, Ausente.
c) Número de hijos en una familia.
d) Salario en unidades monetarias.
e) Nivel de salario en alguna de las categorı́as: A,B,C,D,E,F.
f) Longitud de un tornillo.
g) Preferencia sexual.
h) Lugar de nacimiento de una persona.
i) Peso de un bebé recién nacido.
2.3. Estadı́stica descriptiva
Supongamos que tenemos un conjunto de datos numéricos x1 , . . . , xn , que repre-

sentan mediciones de alguna variable de interés en un experimento aleatorio. Para
conocer algunas caracterı́sticas globales de esta variable se pueden calcular ciertas
medidas de tendencia central como la media, moda y mediana; y también otras me-
didas llamadas de dispersión como la varianza, la desviación estándar y el rango.
Definiremos estos conceptos a continuación.
Medidas de tendencia central. La media de los datos numéricos x1 , . . . , xn ,

denotada por x̄, es simplemente el promedio (x1 + · · · + xn )/n. Por otro lado, la
moda es el valor que aparece con mayor frecuencia. Si ningún valor se repite, se
dice que no hay moda, o que todos los valores son moda. Si existe un único valor
con mayor número de repeticiones, entonces a ese valor se le llama la moda, y
el conjunto de datos se dice que es unimodal. Pueden existir, si embargo, dos o
mas valores que sean los que mayor número de veces se repiten, en tal caso la
moda consta de esos valores, y se dice que el conjunto de datos es bimodal. Si hay
mas de dos valores con mayor número de repeticiones, se dice que el conjunto de
datos es multimodal. Para calcular la mediana procedemos como sigue. Se ordena
la muestra x1 , . . . , xn de menor a mayor incluyendo repeticiones, y se obtiene la
muestra ordenada x(1) , . . . , x(n) , en donde x(1) denota el dato más pequeño y x(n)
es el dato más grande. La mediana, denotada por x̃, se define como sigue
1
2 [x( 2 ) + x( 2 +1) ] si n es par,
n n
x̃ =
x( n+1 ) si n es impar.
2
De este modo, cuando tenemos un número impar de datos, la mediana es el dato

ordenado que se encuentra justo a la mitad. Y cuando tenemos un número par
de datos, la mediana se calcula promediando los dos datos ordenados que están
enmedio.
Ejercicio. Calcule la media, moda y mediana de cada uno de los siguientes conjun-
tos de datos.
a) −5, 2, −3, −2, 4, 4, 2, 5 .
b) 3.5, 2, 7.5, 3.5, 1.5, 4.5, 7.5 .
c) 1, 2, 3, 4, 5, 6, 7, 8, 9, 10.
Medidas de dispersión. Definiremos ahora algunas medidas que ayudan a cuan-

tificar la dispersión que puede presentar un conjunto de datos numéricos x1 , . . . , xn .
La varianza, denotada por s2 , se define como sigue
n
1 X
s2 = (xi − x̄)2 ,
n − 1 i=1
88 2.4. Muestras aleatorias y estadı́sticas
en donde x̄ es la media muestral definida antes. La desviación estándar es la raı́z

cuadrada positiva de s2 , y se le denota naturalmente por s. El rango es el dato más
grande menos el dato más pequeño, es decir, x(n) − x(1) .
Ejercicio. Calcule la varianza, la desviación estándar y el rango de los conjuntos de

datos del ejercicio anterior.
2.4. Muestras aleatorias y estadı́sticas
En lo que los problemas estadı́sticos que consideraremos no estudiaremos muestras

particulares de datos numéricos x1 , . . . , xn , sino conjuntos de variables aleatorias
X1 , . . . , Xn que pueden, en particular, tomar el conjunto de datos mencionado.
Definiremos a continuación este concepto junto con el de estadı́stica.
Definición. Una muestra aleatoria (escribimos simplemente m.a.) es una colec-

ción de variables aleatorias X1 , . . . , Xn que son independientes e idénticamente
distribuidas.
De este modo, cuando se diga, por ejemplo, que una muestra aleatoria es tomada
de una población normal con media µ y varianza σ 2 , ello significa que las variables
aleatorias que forman la m.a. son independientes entre sı́, y todas ellas tienen
la misma distribución normal con los mismos parámetros. Una muestra aleatoria
constituye el elemento básico para llevar a cabo inferencias estadı́sticas.
Definición. Una estadı́stica es una función cualquiera de una muestra aleatoria

X1 , . . . , Xn , y por lo tanto es también una variable aleatoria.
Veremos a continuación dos ejemplos de estadı́sticas que serán usados con fre-
cuencia más adelante. Considere una muestra aleatoria X1 , . . . , Xn . La función X̄
definida como sigue
n
1X
X̄ = Xi ,
n i=1
es una estadı́stica, y se le conoce con el nombre de media muestral. El otro ejemplo
es el de la varianza muestral, que se define de la forma siguiente

n
1 X
S2 = (Xi − X̄)2 .
n − 1 i=1
2.5. Estimación puntual
Sea X una variable aleatoria de interés en un experimento aleatorio, y supongamos

que X tiene una distribución de probabilidad con función de densidad f (x; θ), en
donde θ es el parámetro o el conjunto de parámetros de la distribución. En esta
nueva notación se hace énfasis en que la distribución depende de un parámetro
denotado genéricamente por la letra griega θ, y el cual consideraremos desconocido.
Por ejemplo, si la distribución es exp(λ), entonces θ representa el parámetro λ, si
la distribución es N(µ, σ 2 ), entonces θ representa el vector de parámetros (µ, σ 2 ).
El problema de estimación puntual consiste en encontrar un número, con base en
las observaciones realizadas de la variable aleatoria, que sirva como estimación del
parámetro desconocido θ. Ilustraremos el problema con un par de ejemplos.
Ejemplo. Se desea conocer el estado de la calidad de un conjunto 1000 artı́culos.

Dada la imposibilidad de someter a prueba a todos ellos, se escogen 20 artı́culos
al azar obteniéndose los siguientes resultados: 0,1,1,0,1,1,0,1,0,1,1,1,0,1,1,1,1,1,1,0,
en donde cero indica que el artı́culo no pasó el control de calidad y uno indica que
el artı́culo pasó el control de calidad. Suponga que X es la variable que indica si
un artı́culo escogido al azar pasa o no pasa el control de calidad. Entonces X tiene
una distribución Ber(p), en donde p es desconocido. ¿Cómo podrı́a estimarse el
verdadero valor de p con base en los datos de la muestra?
Ejemplo. El tiempo en minutos que un conjunto de 10 empleados escogidos al azar

invierte en trasladarse de la casa al lugar de trabajo es: 30,70,65,10,25,15,5,50,20,15.
Suponga que tal variable puede modelarse mediante la distribución exp(λ). ¿Cómo
podrı́a estimarse el valor de λ con base en las observaciones realizadas?
Definición. Un estimador puntual para el parámetro θ es una función de una

muestra aleatoria X1 , . . . , Xn que se usa para estimar θ.
90 2.5. Estimación puntual
A un estimador del parámetro θ se le denota regularmente por θ̂ (se lee “teta

circunflejo”). Observe que un estimador puntual es una estadı́stica y puede escri-
birse como θ̂ = θ̂(X1 , . . . , Xn ). Veremos a continuación dos métodos para encontrar
estimadores puntuales.
Método de máxima verosimilitud. Sea X1 , . . . , Xn una muestra aleatoria de

una población con función de densidad f (x; θ). Esto significa que todas las varia-
bles de la muestra aleatoria tienen función de densidad f (x) que depende de un
parámetro desconocido θ.
Definición. La función de verosimilitud de una muestra aleatoria X1 , . . . , Xn ,

denotada por L(θ), se define como la función de densidad conjunta
L(θ) = fX1 ,...,Xn (x1 , . . . , xn ; θ).
La letra L proviene del término en inglés likelihood, que tradicionalmente se ha tra-

ducido como verosimilitud, aunque tal vez el término credibilidad sea más acertado.
El método de máxima verosimilitud consiste en obtener el valor de θ que maximice
la función de verosimilitud L(θ), la idea intuitiva es interesante: se debe encontrar
el valor de θ de tal forma que los datos observados tengan máxima probabilidad
de ocurrir. El valor de θ en donde se alcanza el máximo se llama estimador de
máxima verosimilitud, o estimador máximo verosı́mil. Ilustraremos este método
con algunos ejemplos.
Ejemplo. Encontraremos el estimador máximo verosı́mil para el parámetro λ de

una distribución exponencial. La función de verosimilitud es
L(λ) = fX1 (x1 ) · · · fXn (xn )
= λ e−λx1 · · · λ e−λxn
= λn e−λnx̄
Maximizar la función L(λ) es equivalente a maximizar la función ln L(λ), pues la
función logaritmo es continua y monótona creciente en su dominio de definición.
Hacemos esto pues esta nueva función resulta más fácil de maximizar como vere-
mos a continuación. Tenemos que ln L(λ) = n ln λ − λnx̄. Derivando respecto a λ e
igualando a cero se llega a la ecuación n/λ − nx̄ = 0, de donde se obtiene λ = 1/x̄.
El estimador es entonces λ̂ = 1/X̄.
Ejemplo. Encontraremos los estimadores de máxima verosimilitud para los paráme-

tros µ y σ 2 de una distribución normal. Por definición la función de verosimilitud
es
L(µ, σ 2 ) = fX1 (x1 ) · · · fXn (xn )

1 2 2 1 2 2
= √ e−(x1 −µ) /2σ · · · √ e−(xn −µ) /2σ
2πσ 2 2πσ 2
1 − 1
Pn
(x −µ) 2
= (√ )n e 2σ2 i=1 i .
2πσ 2
Nuevamente el logaritmo de esta función es más sencillo de maximizar. Tenemos

que
n
n 1 X
ln L(µ, σ 2 ) = − ln(2πσ 2 ) − 2 (xi − µ)2 .
2 2σ i=1
Por lo tanto
n
∂ 1 X
ln L(µ, σ 2 ) = (xi − µ),
∂µ σ 2 i=1
n
∂ n 1 X
ln L(µ, σ 2 ) = − 2+ 4 (xi − µ)2 .
∂σ 2 2σ 2σ i=1
Igualando a cero ambas derivadas encontramos un sistema de dos ecuaciones con

dos variables:
n
1 X
(xi − µ) = 0,
σ 2 i=1
n
n 1 X
− + (xi − µ)2 = 0.
2σ 2 2σ 4 i=1
Pn Pn
De estas ecuaciones se obtiene µ = n1 i=1 xi , y σ 2 = n1 i=1 (xi − µ̂)2 . Por lo
σ 2 de una distribución
tanto los estimadores para los parámetros µ y P Pn normal por
n
el método de máxima verosimilitud son µ̂ = n i=1 Xi , y σ̂ 2 = n1 i=1 (Xi − µ̂)2 .
1
Método de momentos. Sea nuevamente f (x; θ) la función de densidad de una

variable aleatoria X que depende de un parámetro desconocido θ. Recordemos que
el k-ésimo momento poblacional de X es el número E(X k ), cuando esta esperanza
92 2.5. Estimación puntual
existe. Ahora, dada una muestra aleatoriaP X1 , . . . , Xn de esta distribución, se de-

n
fine el k-ésimo momento muestral como n1 i=1 Xik . El método de momentos para
estimar el parámetro θ es muy sencillo, consiste en igualar los momentos mues-
trales con los correspondientes momentos poblacionales, y resolver esta ecuación o
sistema de ecuaciones para el parámetro θ cuando ello sea posible. Veamos algunos
ejemplos.
Ejemplo. Nuevamente estimaremos los parámetros µ y σ 2 de una distribución nor-

mal. Esta vez usaremos el método de momentos. Como necesitamos estimar dos
parámetros usamos los dos primeros momentos. El primer y segundo momento
2 2 2
poblacionales son E(X) = µ y E(X
Pn ) = σP+n µ , 2respectivamente. El primer y se-
gundo momento muestrales son i=1 xi y i=1 xi , respectivamente. La igualación
respectiva produce el sistema de ecuaciones
n
1X
µ = xi ,
n i=1
n
1X 2
σ2 + µ = x .
n i=1 i
La primera ecuación es explı́cita mientras que la segunda ecuación se puede rees-

cribir como sigue
n n n n
1X 2 1X 2 1X 2 1X
σ2 = xi − µ2 = xi − ( xi ) = (xi − µ)2 .
n i=1 n i=1 n i=1 n i=1
En este caso los estimadores por el método de momentos coinciden con los estima-
dores máximo verosı́miles.
Insesgamiento. Siendo un estimador θ̂ una variable aleatoria que se utiliza para

estimar el parámetro θ, es interesante saber si el valor promedio de θ̂ es θ. Esta
serı́a una buena propiedad para un estimador.
Definición. Un estimador θ̂ del parámetro θ es insesgado si E(θ̂) = θ.
Si θ̂ no es insesgado, entonces se dice que es sesgado, y a la diferencia E(θ̂) − θ se

le llama sesgo. De esta forma, un estimador puntual θ̂ es un estimador insesgado
para el parámetro desconocido θ si, en promedio, el valor de θ̂ coincide con el valor
desconocido de θ. Observe en los siguientes ejemplos la forma en la que se verifica

la propiedad de insesgamiento aún cuando no se conozca el valor del parámetro θ.
Ejemplo. Sea X1 , . . . , Xn una muestra aleatoria de una población

Pn con media desco-
nocida µ. Comprobaremos que la media muestral X̄ = n1 i=1 Xi es un estimador
insesgado para el parámetro µ. Observe que X̄ es el estimador θ̂, y µ es el parámetro
desconocido θ. Por la propiedad lineal de la esperanza,
n n n
1X 1X 1X
E(µ̂) = E(X̄) = E( Xi ) = E(Xi ) = µ = µ.
n i=1 n i=1 n i=1
Ejemplo. Sea X1 , . . . , Xn una muestra aleatoria de una población con varianza

desconocida σ 2 . Recordemos que la Pvarianza muestral es una estadı́stica definida
1 n
de la forma siguiente: S 2 = n−1 i=1 (X i − X̄)2 . En este caso el estimador es
S y el parámetro desconocido a estimar es σ 2 . Esta estadı́stica resulta ser un
2
estimador insesgado para la varianza σ 2 . Comprobar esta afirmación requiere de

algunos cálculos que por cuestión de espacio omitimos, de modo que se deja al
lector tal comprobabción, lo único que hay que hacer es desarrollar el cuadrado,
usar la propiedad de linealidad de la esperanza y observar que
(
µ2 si i 6= j,
E(Xi Xj ) = 2 2
σ + µ si i = j.
2.6. Estimación por intervalos
En algunos casos es preferible no dar un número como estimación de un parámetro

sino un intervalo de posibles valores. En esta sección se estudia brevemente el tema
de estimación de parámetros usando intervalos. En este tipo de estimación se busca
un intervalo de tal forma que se pueda decir, con cierto grado de confiabilidad, que
dicho intervalo contiene el verdadero valor del parámetro desconocido. A este tipo
de intervalos se les llama intervalos de confianza.
94 2.6. Estimación por intervalos
Definición. Sea α ∈ (0, 1). Un intervalo de confianza para un parámetro des-

conocido θ de una distribución de probabilidad es un intervalo aleatorio de la
forma (θ̂1 , θ̂2 ), en donde θ̂1 y θ̂2 son estadı́sticas (funciones de una muestra
aleatoria) tales que
P (θ̂1 < θ < θ̂2 ) = 1 − α. (2.1)
A las estadı́sticas θ̂1 y θ̂2 se les conoce como lı́mites inferior y superior, respec-
tivamente, del intervalo de confianza. Al número 1 − α se le conoce como grado o
coeficiente de confianza. En general, se toma el valor de α cercano a 0 de tal forma
que el grado de confianza, 1 − α, es cercano a 1. En la práctica es común tomar
α =0.05, de modo que el grado de confianza es 1 − α =0.95 . Decimos entonces que
el grado de confianza es del 95 %. Observe que las estadı́sticas θ̂1 y θ̂2 dependen de
una muestra aleatoria X1 , . . . , Xn , de modo que al tomar estas variables aleatorias
distintos valores se generan distintos intervalos de confianza. Esto se ilustra en la
Figura 2.2.
Figura 2.2:
Observe que no es correcto decir “la probabilidad de que θ pertenezca al intervalo

(θ̂1 , θ̂2 ) es 1 − α”, pues el parámetro no es el elemento aleatorio. En cambio, se dice
“la probabilidad de que el intervalo (θ̂1 , θ̂2 ) contenga el valor de θ es 1 − α”. De
esta forma se entiende que θ es constante, aunque desconocido, y el intervalo es el
que cambia dependiendo de la muestra. Naturalmente el problema es encontrar θ̂1
y θ̂2 de tal forma que la igualdad (2.1) se cumpla. A continuación mostraremos la
forma de resolver este problema en algunos casos particulares.
Intervalo para la media de una distribución normal con varianza co-

nocida. Sea X1 , . . . , Xn una muestra aleatoria de una población normal con media
desconocida µ y varianza conocida σ 2 . Encontraremos un intervalo de confianza pa-
ra el parámetro µ. Como cada una de Pnlas variables de la muestra tiene distribución
N(µ, σ 2 ), la media muestral X̄ = n1 i=1 Xi tiene distribución N(µ, σ 2 /n). De mo-
do que, estandarizando,
X̄ − µ
√ ∼ N(0, 1).
σ/ n
Para cualquier valor de α ∈ (0, 1) podemos encontrar un valor zα/2 en tablas de
probabilidad normal estándar, véase la Figura 2.3, tal que
X̄ − µ
P ( −zα/2 < √ < zα/2 ) = 1 − α.
σ/ n
f (x)
1−α
α/2 α/2
x
−zα/2 zα/2
Figura 2.3:
Despejando la constante desconocida µ se obtiene el siguiente resultado.
Proposición. Un intervalo de confianza para la media µ de una distribución

normal con varianza conocida σ 2 está dado por la siguiente expresión
σ σ
P ( X̄ − zα/2 √ < µ < X̄ + zα/2 √ ) = 1 − α. (2.2)
n n
De esta forma, el intervalo (X̄ − zα/2 √σn , X̄ + zα/2 √σn ) es un intervalo de confianza
para el parámetro desconocido µ, pues contiene a dicho parámetro con probabili-
dad 1 − α. Observe que todas las expresiones que aparecen en este intervalo son
conocidas. Ilustraremos la aplicación de esta fórmula mediante un ejemplo.
Ejemplo. Suponga que la vida promedio útil, medida en horas, de focos de 100
watts producidos por cierta compañı́a, puede ser modelada mediante una variable
aleatoria con distribución normal de media µ y varianza σ 2 . Suponga que la des-
viación estándar σ es conocida y es igual a 30 horas. El objetivo es encontrar un
intervalo de confianza para la vida promedio útil µ de los focos producidos por esta
compañı́a. Para ello se toma una muestra de 20 focos y mediante pruebas de la-
boratorio se determina la vida útil de cada uno de ellos. Los resultados x1 , . . . , x20
arrojan una media muestral x̄ de 1050 horas. Si consideramos un nivel de confianza
del 95 %, es decir, α =0.05, de la tabla de probabilidad normal se encuentra que
zα/2 = z0.025 =1.96, y entonces puede ahora calcularse el intervalo
σ σ 30 30
(x̄ − zα/2 √ , x̄ + zα/2 √ ) = (1050 − 1.96 √ , 1050 + 1.96 × √ )
n n 20 20
= (1050 − 13.148, 1050 + 13.148)
= (1036.852, 1063.148).
De esta forma, con una confianza del 95 %, la vida promedio útil de este tipo de
focos es de 1050 ± 13.148 horas.
Ejercicio.
√ Compruebe que la longitud del intervalo aleatorio que aparece en (2.2) es
2zα/2 σ/ n. Observe que la longitud del intervalo decrece conforme el tamaño de la
muestra crece. Además, si la confianza requerida crece, es decir, si 1 − α aumenta,
entonces zα/2 crece (véase la Figura 2.3), y por lo tanto la longitud del intervalo
también crece.
Ejercicio. Encuentre un intervalo de confianza al 90 % para la media de una po-

blación normal con σ = 5 cuando se ha tomado una muestra de tamaño 25 cuya
media muestral es 60.
Intervalo para la media de una distribución normal con varianza des-

conocida. Sea X1 , . . . , Xn una muestra aleatoria de una distribución normal con
media desconocida µ y varianza desconocida σ 2 . El resultado teórico fundamental
en la siguiente derivación es que la variable aleatoria
X̄ − µ
T = √ ,
S/ n
tiene una distribución t con n − 1 grados de libertad. Observe que esta es la dis-
tribución exacta de la variable T , sin importar el tamaño de la muestra y sobre
todo, sin suponer que la varianza de la muestra es conocida. A partir de lo anterior

podemos construir un intervalo de confianza para el parámetro desconocido µ de
forma análoga al caso normal mencionado antes. Para cualquier valor de α ∈ (0, 1)
podemos encontrar un valor tα/2 en tablas de probabilidad de la distribución t de
n − 1 grados de libertad (véase la Figura 2.4) tal que
X̄ − µ
P ( −tα/2 < √ < tα/2 ) = 1 − α.
S/ n
f (x)
−α/2 α/2
x
−tα/2 tα/2
Figura 2.4:
Despejando la constante desconocida µ de la ecuación anterior se obtiene el siguien-

te resultado.
Proposición. Un intervalo de confianza para la media µ de una distribución

normal está dado por la siguiente expresión
S S
P ( X̄ − tα/2 √ < µ < X̄ + tα/2 √ ) = 1 − α. (2.3)
n n
De este modo, el intervalo ( X̄ − tα/2 √Sn , X̄ + tα/2 √Sn ) es un intervalo de confianza

para la media µ de una población normal sin suponer la varianza conocida. No es
explı́cito en la notación pero el valor tα/2 corresponde a la distribución t con n − 1
grados de libertad, a veces se escribe tα/2,n−1 .
Intervalo aproximado para la media de una distribución cualquiera.

Sea X1 , . . . , Xn una muestra aleatoria de una distribución cualquiera con media
desconocida µ. Supongamos que el tamaño n de la muestra es grande, i.e. n ≥ 30.
Entonces, por el teorema central del lı́mite, la variable aleatoria
X̄ − µ
Z= √ ,
S/ n
tiene una distribución aproximada normal estándar. Se puede encontrar un inter-

valo aproximado de confianza para el parámetro desconocido µ siguiendo el proce-
dimiento antes realizado. Para cualquier valor de α ∈ (0, 1) podemos encontrar un
valor zα/2 en tablas de probabilidad normal estándar tal que
X̄ − µ
P ( −zα/2 < √ < zα/2 ) = 1 − α.
S/ n
Despejando nuevamente la constante desconocida µse obtiene

S S
P ( X̄ − zα/2 √ < µ < X̄ + zα/2 √ ) = 1 − α.
n n
De esta forma, el intervalo (X̄ − zα/2 √Sn , X̄ + zα/2 √Sn ) es un intervalo de confianza
aproximado para el parámetro desconocido µ pues contiene a dicho parámetro con
probabilidad 1 − α. Observe nuevamente que todas las expresiones que aparecen
en este intervalo son conocidas.
A manera de resumen se tiene la siguiente tabla.
Hipótesis Intervalo para la media µ
Distribución normal con

varianza σ 2 conocida P ( X̄ − zα/2 √σ < µ < X̄ + zα/2 √σ ) = 1 − α.
n n
Distribución normal con

S S
varianza σ 2 desconocida P ( X̄ − tα/2,n−1 √
n
< µ < X̄ + tα/2,n−1 √
n
) = 1 − α.
Cualquier distribución Intervalo aproximado:

S
Muestra grande, n ≥ 30 P ( X̄ − zα/2 √
n
< µ < X̄ + zα/2 √Sn ) = 1 − α.
2.7. Pruebas de hipótesis
Ilustraremos la idea de una prueba de hipótesis con un ejemplo. Considere una

situación en la que se efectúa sólo uno de los siguientes dos experimentos aleatorios:
En uno de ellos se lanza un dado, en el otro se lanzan cinco monedas y se cuenta el
número de cruces totales que se obtienen, suponiendo que los lados de cada moneda
se denominan cara o cruz. Suponga que únicamente conocemos el resultado de uno
u otro experimento, y se nos pide determinar cuál de los dos experimentos se
realizó con base en el número reportado. Tenemos entonces una situación de dos
hipótesis
H0 : Dado vs H1 : Monedas.
Como información se tiene un número dentro del conjunto Ω = {0, 1, 2, 3, 4, 5, 6}.
Veamos la situación. Si el número reportado ω es 0, entonces seguro se realizó el
experimento de las monedas. Si ω = 6, entonces con seguridad el dado fue lanza-
do. ¿Qué decisión tomar para cualquier otro valor de ω? En la siguiente tabla se
muestran las probabilidades de los posibles números reportados bajo cada uno de
los dos experimentos.
ω 0 1 2 3 4 5 6
∗ ∗ ∗ ∗
H0 : Dado 0 1/6 1/6 1/6 1/6 1/6 1/6
∗ ∗ ∗
H1 : Monedas 1/32 5/32 10/32 10/32 5/32 1/32 0
La estrategia natural es decidir por el experimento que tenga mayor probabilidad

para cada valor de ω. Estas probabilidades mayores se encuentran indicadas con un
asterisco en la tabla anterior. De esta forma se llega a la siguiente regla de decisión:
Si ω ∈ C = {0, 2, 3}, entonces se rechaza H0 , en caso contrario se acepta H0 .
Por razones naturales al conjunto C se le llama región del rechazo de la hipótesis

H0 . La regla de decisión anterior es razonable, sin embargo no está libre de errores.
Si ω = 2, se decide por las monedas, pero el resultado bien pudo provenir del dado.
Igualmente, si ω = 1, se decide por el dado pero es factible que el resultado haya
sido obtenido por las monedas. Se tiene entonces las siguientes definiciones:
Error tipo I: Rechazar H0 cuando H0 es verdadera.
Error tipo II: No rechazar H0 cuando H0 es falsa.
100 2.7. Pruebas de hipótesis
Las probabilidades de estos errores pueden ser calculadas del siguiente modo.
P (“Error tipo I”) = P (“Rechazar H0 ” | “H0 es verdadera”)

= P (ω ∈ C | “H0 es verdadera”)
= P (ω ∈ {0, 2, 3} | “Se usó el dado”)
= 0 + 1/6 + 1/6 = 1/3.
Por otro lado,
P (“Error tipo II”) = P (“No rechazar H0 ” | “H0 es falsa”)

= P (ω ∈
/ C | “H0 es falsa”)
= P (ω ∈ {1, 4, 5, 6} | “Se usaron las monedas”)
= 5/32 + 5/32 + 1/32 + 0 = 11/32.
Naturalmente, si se cambia la regla de decisión cambiando la región de rechazo,

cambian las probabilidades de los errores. En un problema de decisión de este
tipo se busca encontrar una regla de decisión razonable que tenga errores menores.
Vamos ahora a estudiar pruebas de hipótesis en el contexto de la estimación de
parámetros en las distribuciones de probabilidad.
Definición. Una hipótesis estadı́stica o simplemente hipótesis es una afirmación

o conjetura acerca de la distribución de una o mas variables aleatorias.
Por ejemplo, si X tiene una distribución bin(n, p), entonces la afirmación “p =0.2”
es una hipótesis. Si X tiene una distribución N(µ, σ 2 ), entonces la afirmación “µ >
0” es otro ejemplo de hipótesis estadı́stica.
Una hipótesis es simple si especifica por completo la distribución de probabilidad

en cuestión. Por ejemplo, si X tiene una distribución exp(λ), entonces la afirma-
ción “λ = 5” es una hipótesis simple. Si X tiene una distribución N(µ, 1), entonces
la afirmación “µ = 0” es otro ejemplo de hipótesis simple. En contraste, decimos
que una hipótesis estadı́stica es compuesta cuando no especifica por completo la
distribución de probabilidad en cuestión. Si X tiene una distribución Poisson(λ),
entonces “λ > 20” es una hipótesis compuesta. Si X tiene una distribución χ2 (n),
entonces “n 6= 5” es otro ejemplo de una hipótesis compuesta. En general, contras-
taremos dos hipótesis de acuerdo al siguiente esquema y notación:
H0 : (hipótesis nula) vs H1 : (hipótesis alternativa).

Tanto la hipótesis nula (H0 ) como la hipótesis alternativa (H1 ) pueden ser simple
o compuesta. De este modo tenemos cuatro diferentes tipos de contraste de hipóte-
sis: simple vs simple, simple vs compuesta, compuesta vs simple, y compuesta vs
compuesta.
Definición. Una prueba de hipótesis es una regla para decidir si se acepta la

hipótesis nula o se rechaza en favor de la hipótesis alternativa.
Como sabemos, al tomar una decisión de este tipo se corre el riesgo de cometer
errores. Al rechazo de la hipótesis nula cuando ésta es verdadera se le conoce como
error tipo I, y a la probabilidad de cometer este primer tipo de error se le denota
por la letra α. En cambio, a la aceptación de la hipótesis nula cuando ésta es falsa
recibe el nombre de error tipo II, y a la probabilidad de cometer este segundo tipo
de error se le denota por la letra β. Estas definiciones de errores se resumen en la
siguiente tabla.
H0 cierta H0 falsa
Eror tipo I
Rechazar H0 Decisión correcta
con probabilidad α
Error tipo II
No rechazar H0 Decisión correcta
con probabilidad β
La información para obtener una regla de decisión que nos lleve a rechazar o no
rechazar un hipótesis estadı́stica provendrá de una muestra aleatoria X1 , . . . , Xn de
la distribución de que se trate. Observe además que al aceptar una hipótesis no se
afirma que ésta sea absolutamente cierta, sino simplemente que es consistente con
los datos de la muestra aleatoria. Si la muestra cambia, posiblemente la decisión
de rechazar o no rechazar también.
Definición. Se le llama región crı́tica a la región de rechazo de H0 , y a la

probabilidad de cometer el error tipo I, esto es α, se le llama tamaño de la
región crı́tica. A esta probabilidad se le conoce también con el nombre de nivel
de significancia.
Nos limitaremos a mostrar la forma en la que se deriva la regla para llevar a cabo
una prueba de hipótesis acerca de la media de una distribución normal.
Prueba acerca de la media de una distribución normal. Sea X1 , . . . , Xn

una muestra aleatoria de una población normal con media desconocida µ y varianza
conocida σ 2 . Sabemos que X̄ tiene distribución N(µ, σ 2 /n). Por lo tanto
X̄ − µ
√ ∼ N (0, 1).
σ/ n
Sea µ0 un número real particular. Deseamos contrastar las hipótesis H0 : µ = µ0
contra H1 : µ 6= µ0 . El problema es encontrar una regla para decidir cuándo
rechazar H0 en favor de H1 con base en los datos de la muestra X1 , . . . , Xn . Cuando
H0 es cierta, esto es, cuando µ es efectivamente µ0 , tenemos que X̄ ∼ N (µ0 , σ 2 /n)
y por lo tanto
X̄ − µ0
√ ∼ N (0, 1).
σ/ n
La estadı́stica Z = X̄−µ√ 0 es una medida natural de la distancia entre X̄, un es-
σ/ n
timador de µ, y su valor esperado µ0 cuando H0 es cierta. Es entonces razonable
rechazar H0 cuando la variable Z sea grande. Es por ello que tomamos como criterio
de decisión rechazar H0 cuando |Z| ≥ k, para cierta constante k. ¿Cómo encontra-
mos el número k? En una tabla de la distribución normal podemos encontrar un
valor zα/2 tal que P (|Z| ≥ zα/2 ) = α, en donde α lo determina la persona que lleva
a cabo la prueba de hipótesis, tı́picamente α = 0.1 . Véase la Figura 2.5. Este valor
zα/2 es precisamente la constante k buscada pues con ello se logra que la región de
rechazo sea de tamaño α.
A la variable aleatoria Z se le llama la estadı́stica de la prueba, y la prueba se

denomina prueba de dos colas pues la región de rechazo consta de las dos colas de
la distribución normal que se muestran en la Figura 2.5. Llevar a cabo esta prueba
de hipótesis consiste en usar los datos de la muestra para encontrar el valor de Z,
si |Z| ≥ zα/2 , entonces se rechaza H0 , en caso contrario no se rechaza H0 . En la
siguiente tabla se muestra resumida la información de esta prueba.
Prueba: H0 : µ = µ0 vs H1 : µ 6= µ0
Estadı́stica de prueba: Z = X̄−µ
√0
σ/ n
Región de rechazo: |Z| ≥ zα/2
Error tipo I: α
0 −µ µ0 −µ
Error tipo II: Φ(zα/2 + µσ/ √ 1 ) − Φ(−zα/2 +
n
√ 1 ),
σ/ n
µ1 6= µ0 .
f (x)
α/2 α/2
x
−zα/2 zα/2
Región de rechazo
Figura 2.5:
Vamos a comprobar la fórmula que aparece en la tabla anterior acerca del error
tipo II. Sea µ1 cualquier número tal que µ1 6= µ0 . Calcularemos la probabilidad del
error tipo II dado que el verdadero valor de µ es µ1 .
β(µ1 ) = P ( “No rechazar H0 cuando µ = µ1 ” )

= P ( |Z| < zα/2 | µ = µ1 )
X̄ − µ0
= P(| √ | < zα/2 | µ = µ1 )
σ/ n
σ σ
= P ( µ0 − zα/2 √ < X̄ < µ0 + zα/2 √ | µ = µ1 )
n n
µ0 − µ1 X̄ − µ1 µ0 − µ1
= P ( −zα/2 + √ < √ < zα/2 + √ )
σ/ n σ/ n σ/ n
µ0 − µ1 µ0 − µ1
= Φ(zα/2 + √ ) − Φ(−zα/2 + √ ).
σ/ n σ/ n
Ejercicio. En ciertas zonas de la ciudad se calcula el pago por el consumo de agua

suponiendo un consumo promedio de 20,000 litros mensuales. Para verificar que si
tal cantidad ha cambiado se han medido los consumos mensuales de 15 casas obte-
niéndose los siguientes resultados: 23456, 18325, 21982, 22371, 13292, 25073, 22601,
20930, 18788, 19162, 21442, 23935, 20320, 19095, 17421. ¿Debe cambiar el consumo
promedio mensual para calcular los pagos o permanecer igual? Suponga σ = 2000.
Puede también considerarse la prueba H0 : µ = µ0 contra H1 : µ < µ0 llamada

prueba de cola inferior pues la región de rechazo consta de la cola izquierda de la
distribución normal como se muestra en la Figura 2.6. Se rechaza la hipótesis H0
sólo cuando los datos de la muestra son tales que X̄ se encuentra muy a la izquierda
de µ0 .
Prueba: H0 : µ = µ0 vs H1 : µ < µ0
√0
σ/ n
Región de rechazo: Z ≤ −zα
Error tipo I: α
µ0 −µ
Error tipo II: 1 − Φ −zα + √1
σ/ n
, µ1 < µ0
f (x)
x
−zα
Región de rechazo
Figura 2.6:
Las caracterı́sticas de la prueba H0 : µ = µ0 contra H1 : µ > µ0 llamada prueba de

cola superior se muestran en la siguiente tabla, y la región de rechazo se presenta en
la Figura 2.7. Se rechaza la hipótesis H0 sólo cuando la muestra provee evidencia
de que X̄ se encuentra muy a la derecha de µ0 .
Prueba: H0 : µ = µ0 vs H1 : µ > µ0
√0
σ/ n
Región de rechazo: Z ≥ zα , (prueba de cola superior)
en donde Z = X̄−µ
√ 0 .Error tipo I:
σ/ n
α

0 −µ
Error tipo II: Φ zα + µσ/ √ 1 , µ1 > µ0 .
n
f (x)
x
zα
Región de rechazo
Figura 2.7:
Apéndice A
Ejercicios
Espacio muestral y eventos
1. Determine un espacio muestral para cada uno de los siguientes experimentos

aleatorios.
a) Lanzar una moneda tres veces.
b) Lanzar a un mismo tiempo tres monedas indistinguibles.
c) Escoger un número real al azar dentro del intervalo [−1, 1] y después
elevarlo al cuadrado.
d ) Registrar el número de llamadas telefónicas que llegan a un conmutador
en un minuto dado.
e) Colocar al azar dos bolas distinguibles en cuatro celdas numeradas.
f ) Colocar al azar dos bolas indistinguibles en cuatro celdas numeradas.
g) Observar el marcador final de un juego de fútbol soccer.
2. Un experimento aleatorio consiste en lanzar un dado hasta que se obtiene un
“6”. Proponga dos espacios muestrales para este experimento.
3. Determine un experimento aleatorio para los siguientes espacios muestrales.
a) Ω = {0, 1, 2, . . .}.
b) Ω = [0, ∞).
c) Ω = {0, 1}.
107
108
Operaciones con conjuntos
4. Demuestre las leyes distributivas:

a) A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).
b) A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).
5. Demuestre las leyes de De Morgan:
a) (A ∪ B)c = Ac ∩ B c .
b) (A ∩ B)c = Ac ∪ B c .
6. Enuncie y demuestre las leyes de De Morgan para tres conjuntos. Para la
demostración use la validez del mismo resultado para dos conjuntos.
7. Demuestre que A = (A ∩ B) ∪ (A ∩ B c ).
8. Demuestre que A ∩ B = B ∩ (A ∪ B c ).
9. Demuestre que A ∩ B = A ∩ (B ∪ Ac ).
10. Demuestre que A ∪ B = B ∪ (A ∩ B c ).
11. Demuestre que A ∪ B = A ∪ (B ∩ Ac ).
12. Demuestre que
a) A − B = A − (A ∩ B).
b) A − B = (A ∪ B) − B.
13. Demuestre que
a) A ∩ (B − C) = (A ∩ B) − (A ∩ C).
b) (A − C) ∩ (B − C) = (A ∩ B) − C.
14. Demuestre que las siguientes dos definiciones de la operación diferencia simétri-
ca son equivalentes.
a) A△B = (A − B) ∪ (B − A).
b) A△B = (A ∪ B) − (A ∩ B).
15. Compruebe gráficamente las siguientes propiedades básicas de la diferencia
simétrica.
Apéndice A. Ejercicios 109
a) A△(B△C) = (A△B)△C.
b) A△∅ = A.
c) A△Ω = Ac .
d ) A△A = ∅.
e) A△Ac = Ω.
16. Sean A = {x ∈ R : |x − 2| ≤ 4} y B = {x ∈ R : |x − 1| > 2}. Muestre
gráficamente los conjuntos A, B, Ac , B c , A ∩ B, A ∪ B, A − B, B − A y A△B.
17. Sean A = {x ∈ R : |x+1| ≤ 2} y B = {x ∈ R : x2 > 2}. Muestre gráficamente
los conjuntos A, B, Ac , B c , A ∩ B, A ∪ B, A − B, B − A y A△B.
18. Sean A = {(x, y) ∈ R2 : x2 + y 2 ≤ 1} y B = {(x, y) ∈ R2 : y > x2 }. Muestre
gráficamente los conjuntos Ac , B c , A ∩ B, A ∪ B, A − B, B − A y A△B.
19. Sean A = {(x, y) ∈ R2 : 2x2 + 3y 2 ≤ 6} y B = {(x, y) ∈ R2 : y > −x2 }.
Muestre gráficamente los conjuntos Ac , B c , A ∩ B, A ∪ B, A − B, B − A y
A△B.
20. Ellos. Si el 70 % de los hombres son feos, el 60 % son fuertes, y el 50 % son
formales. ¿Cuál es el mı́nimo y el máximo posibles de hombres que son feos,
fuertes y formales?
21. Ellas. Si el 90 % de las mujeres son bonitas, el 80 % son sensibles, y el 70 %
son sinceras. ¿Cuál es el mı́nimo y el máximo posibles de mujeres que son
bonitas, sensibles y sinceras?
Conjuntos ajenos
22. Compruebe que los conjuntos A y B − A son siempre ajenos.

23. ¿Son los conjuntos {(x, y) : y = e−x } y {(x, y) : y = 1 − x} ajenos? En caso
negativo, ¿Cuántos puntos en común tienen?
24. Sean A y B ajenos, y sea A1 ⊆ A. Compruebe que A1 y B son ajenos.
Intuitivamente la afirmación es evidente, el reto consiste en encontrar una
justificación matemática de ello.
25. ¿Cuántas igualdades son necesarias verificar en general para comprobar que
n conjuntos son ajenos dos a dos?
110
Conjunto potencia
26. ¿Quién es 2∅ ?
27. Demuestre que si A ⊆ B, entonces 2A ⊆ 2B .
Producto Cartesiano
28. Sean A = {a1 , a2 }, B = {b1 , b2 , b3 } y C = {c1 , c2 }. Escriba explı́citamente a

los elementos del producto Cartesiano A × B × C.
29. Sea Ω = {a, b, c}. Escriba explı́citamente al conjunto Ω × Ω.
Probabilidad
30. Compruebe que la definición de probabilidad clásica cumple con los tres axio-
mas de la probabilidad.
31. Compruebe que la definición de probabilidad frecuentista cumple con los tres
axiomas de la probabilidad.
32. Sean P1 y P2 dos medidas de probabilidad definidas sobre la misma clase de
subconjuntos de Ω. Sea α un número real en el intervalo [0, 1]. Demuestre que
P = αP1 + (1 − α)P2 satisface los tres axiomas de la probabilidad.
33. Demuestre que P (∅) = 0, sin usar P (Ω) = 1.
34. Demuestre que P (B − A) = P (B) − P (A ∩ B), para cualesquiera eventos A
y B.
35. Demuestre que 0 ≤ P (A ∩ B) ≤ P (A) ≤ P (A ∪ B) ≤ P (A) + P (B) ≤ 2.
36. Demuestre que P (A ∩ B) ≥ P (A) + P (B) − 1.
37. Demuestre que P (A△B) = P (A)+P (B)−2P (A∩B). Esta es la probabilidad
de que suceda exactamente uno de los eventos A y B.
38. Demuestre que P (Ac ∩ B c ) = 1 − P (A) − P (B) + P (A ∩ B).
39. Sean A y B eventos ajenos tales que P (A) =0.3 y P (B) =0.2. Encuentre
a) P (A ∪ B).
b) P (Ac ).
c) P (Ac ∩ B).
d ) P (A ∩ B c ).
e) P (A△B).
40. Diga falso o verdadero. Justifique en cada caso.

a) Si P (A) = 0, entonces P (A ∩ B) = 0.
b) Si P (A) = P (B), entonces A = B.
c) Si P (A) ≤ P (B), entonces A ⊆ B.
a) Si P (A) > 0, entonces P (A ∪ B) > 0.
b) Si P (A) > 0, entonces P (A ∩ B) > 0.
c) Si P (A) > 1/2 y P (B) > 1/2, entonces P (A ∩ B) > 0.
d ) Si P (A) > 0, entonces P (Ac ) > 0.
a) P (B − A) = P (B) − P (A).
b) P (A ∩ B) = P (A)P (B).
c) Si P (A) > 1/2, entonces P (Ac ) < 1/2.
43. La probabilidad de un cierto evento es tal que duplica la probabilidad de su
complemento. ¿Cuánto vale la probabilidad de este evento?
Análisis combinatorio
44. ¿De cuántas formas distintas pueden seis personas formarse en una fila lineal?
45. Una enciclopedia de 5 volúmenes es colocada en el librero de modo aleato-
rio. Demuestre que la probabilidad de que los volúmenes queden colocados
apropiadamente de derecha a izquierda o de izquierda a derecha es de 1/60.
46. ¿Cuántas diagonales se pueden trazar en un polı́gono convexo de n lados?
112
47. ¿De cuántas maneras diferentes pueden clasificarse los tres primeros lugares
de una carrera de 15 corredores ?
48. ¿Cuántos enteros positivos de a lo mas cinco dı́gitos son divisibles por 2?
¿Cuántos hay que empiecen con el dı́gito 1?
49. ¿Cuántos equipos de 3 personas se pueden formar de un grupo de 5 personas?

n n−k+1 n
50. Demuestre que = .
k k k−1

n n n−1
k n−k k

n−1 k+1 n
k n k+1

n n−1 n−1
53. Demuestre que = + . Esta es la fórmula para
k k k−1
construir el triángulo de Pascal.
54. Debido a un error, 50 tornillos defectuosos fueron mezclados con 200 torni-
llos en buen estado. Si se venden 20 tornillos tomados al azar, ¿Cuál es la
probabilidad de que k de ellos sean defectuosos? (0 ≤ k ≤ 20).
55. ¿Cuántos números binarios diferentes se pueden obtener al usar los siete dı́gi-
tos 1010101 ?
56. ¿Cuántas “palabras” diferentes se pueden formar con todos los caracteres
(incluyendo repeticiones) de la palabra AMAR?
57. Cumpleaños. Calcule la probabilidad de que en un conjunto de n personas,
al menos dos de ellas tengan la misma fecha de cumpleaños. Sugerencia:
Considere el complemento del evento de interés.
58. Encuentre el total de números enteros de cuatro dı́gitos sin repetición, toma-
dos del conjunto {0, 1, 2, . . . , 9} de tal manera que ningún número empiece
con 0. ¿Cuántos de ellos son pares y cuántos son impares?
59. En una clase de 25 estudiantes hay 15 mujeres y 10 hombres. a) ¿De cuántas
formas puede seleccionarse un comité de tres hombres y tres mujeres ? b)
¿De cuántas formas puede seleccionarse un comité de seis estudiantes? c)
¿De cuántas formas puede seleccionarse un comité de seis estudiantes todos
del mismo sexo?
60. ¿De cuántas formas diferentes se pueden colocar los números 1, 2, 3, 4, 5 y 6

en las seis caras de un dado? Observe que originalmente las caras del dado
son indistinguibles.
61. Demuestre que #(2Ω ) = 2#Ω . Sugerencia: Use el método de inducción sobre
n = #Ω.
62. Tenemos n jugadores finalistas en un torneo de ajedrez. Para escoger al ga-
nador se establece que cada jugador debe jugar contra cada uno de los otros
finalistas.
a) ¿Cuántas partidas se llevarán a cabo?
b) Suponiendo que no hay empates y que cada jugador gana un punto por
cada juego ganado, ¿De cuántas formas distintas se pueden asignar la
totalidad de puntos en el conjunto de jugadores?
c) ¿Cuántas configuraciones finales existen en donde haya un único jugador
con mayor número de puntos?
63. Demuestre que el número máximo de regiones en las que n lı́neas rectas
dividen un plano es 1 + n(n + 1)/2.
64. Sea An en número máximo de regiones en los que n planos dividen el espacio.
Demuestre que An+1 = An + 1 + n(n + 1)/2.
65. Demuestre que el número máximo de regiones en los que n cı́rculos dividen
el plano es 2n .
66. Sea An en número máximo de regiones en los que n esferas dividen el espacio.
Demuestre que An+1 = An + n2 − n + 2.
67. ¿Cuántos divisores diferentes tiene el número 53 · 74 ?
68. Se asignan 40 problemas para un examen de probabilidad. El examen con-
sistirá de 4 problemas escogidos al azar, y cada problema tendrá un peso de
25 puntos. Si un alumno resuelve únicamente 20 de los problemas asignados,
¿Cuál es la probabilidad de que el alumno obtenga
a) cero puntos?
b) 25 puntos?
c) 50 puntos?
d ) 75 puntos?
114
e) 100 puntos?
69. ¿Cuántos subconjuntos podemos obtener de un conjunto de n elementos?
Escriba explı́citamente todos los subconjuntos del conjunto {a, b, c, d}.
70. Sea E el conjunto de vectores de Rn para los cuales alguna de sus coordenadas
es cero. ¿Cuántas regiones conexas tiene el conjunto Rn − E?
71. ¿Cuántas configuraciones diferentes se pueden obtener en un tablero de aje-

drez después de
a) la primera jugada del primer jugador?
b) la primera jugada del segundo jugador?
72. Use el método de inducción para demostrar el teorema del binomio,
n
X
n n
(a + b) = an−k bk .
k
k=0
73. En una sala de cómputo hay seis computadoras numeradas del 1 al 6. ¿De
cuántas formas distintas pueden las seis computadoras estar siendo usadas o
no usadas?
74. ¿De cuántas formas posibles se puede ordenar el conjunto {1, 2, . . . , 2n + 1}
de tal forma que cada número impar ocupe una posición impar?
75. ¿De cuántas formas posibles se puede ordenar el conjunto {1, 2, . . . , 2n} de
tal forma que cada número par ocupe una posición par?
76. ¿Cuántas “palabras” diferentes podemos obtener usando todas las letras (in-
cluyendo repeticiones) de la palabra “manzana”?
77. ¿Cuántas “palabras” diferentes podemos obtener usando todas las sı́labas
(incluyendo repeticiones) de la palabra “cucurrucucú”?
78. Sea n ≥ 1 un entero. ¿Cuántas soluciones enteras no negativas tiene la ecua-
ción
a) x1 + x2 + · · · + xk = n ?
b) x1 + x2 + · · · + xk ≤ n ?
c) x1 + x2 + · · · + xk ≥ n ?
79. Sean n ≥ k dos enteros positivos. ¿Cuántos vectores con entradas enteras no
negativas (x1 , x2 , . . . , xk ) satisfacen las restricciones
1 ≤ x1 < x2 < · · · < xk ≤ n ?
80. Desarrolle la expresión (a + b + c)3 usando la fórmula de coeficientes multi-

nomiales (1.1) en la página 26, y después compruebe la fórmula directamente
multiplicando el trinomio por si mismo.
Probabilidad condicional e independencia
81. Sean A y B dos eventos independientes. Demuestre que

a) Ac y B son independientes.
b) A y B c son independientes.
c) Ac y B c son independientes.
82. Sean A y B eventos independientes tales que P (A) = 0.1 y P (B) = 0.5.
Encuentre
a) P (A ∩ B). e) P (A ∪ B).
b) P (Ac ∩ B). f) P (Ac ∪ B).
c) P (A ∩ B c ). g) P (A ∪ B c ).
d) P (Ac ∩ B c ). h) P (Ac ∪ B c ).
83. Sea P una medida de probabilidad y B un evento con probabilidad positiva.
Demuestre que la probabilidad condicional P (·|B) satisface los tres axiomas
de la probabilidad.
84. Suponga que P (B) = P (A|B) = P (C|A ∩ B) = p. Demuestre que
P (A ∩ B ∩ C) = p3 .

a) El número P (A|B) nunca es cero.
b) P (A|B) = P (B|A).
c) P (A|B) ≤ P (A).
116

a) P (A|B) + P (Ac |B) = 1.
b) P (A|B) + P (A|B c ) = P (A).
c) P (A|A ∩ B) = P (B|A ∩ B) = 1.
a) P (Ω|B) = 1.
b) P (∅|B) = 0.
c) P (A|A) = P (A).
a) P (A|B1 ∪ B2 ) = P (A|B1 ) + P (A|B2 ) cuando B1 y B2 son ajenos.
b) P (A1 ∪ A2 |B) = P (A1 |B) + P (A2 |B) cuando A1 y A2 son ajenos.
c) P (A|B1 ∩ B2 ) = P (A|B1 )P (A|B2 ).
d ) P (A1 ∩ A2 |B) = P (A1 |B)P (A2 |B).
89. Demuestre que
a) el conjunto ∅ es independiente consigo mismo.
b) el conjunto Ω es independiente consigo mismo.
a) A, B independientes ⇒ A, B ajenos.
b) A, B ajenos ⇒ A, B independientes.
91. Sea A cualquier evento. Demuestre que A y ∅ son eventos independientes.
92. Sea A cualquier evento. Demuestre que A y Ω son eventos independientes.
93. Sean A y B eventos independientes. Demuestre que
P (A ∪ B) = 1 − P (Ac )P (B c ).

a) A, B independientes ⇒ B, A independientes.
b) Para cualquier evento A, A es independiente con A.
c) A, B independientes y B, C independientes ⇒ A, C independientes.

95. Sean A y B eventos independientes tales que P (A) = p1 y P (B) = p2 . Calcule
la probabilidad de que no ocurra ninguno de estos eventos.
96. Sean A y B eventos independientes y ajenos. Demuestre que forzosamente
alguno de estos eventos tiene probabilidad cero.
97. Considere un experimento aleatorio con espacio muestral Ω = (0, 1). Defi-
nimos la probabilidad de un intervalo (a, b) ⊆ (0, 1) como P (a, b) = b − a.
Encuentre eventos A y B tales que
a) sean independientes y ajenos.
b) sean independientes pero no ajenos.
c) sean ajenos pero no independientes.
d) sean no ajenos y no independientes.
98. ¿Cuántas igualdades son necesarias verificar para demostrar que n eventos
son independientes? Justifique su respuesta.
Teorema de probabilidad total
99. La urna de Polya. Suponga que en una urna se tienen b bolas blancas y r
bolas rojas. Un experimento aleatorio consiste en seleccionar una bola al azar
y regresarla a la urna junto con c bolas del mismo color. Sea Rn el evento
“Se selecciona una bola roja en la n-ésima extracción”. Compruebe que para
cada n ≥ 1,
r
P (Rn ) = .
r+b
100. Una persona toma al azar, con idéntica probabilidad, uno de los números
1, 2 o 3, y luego tira un dado equilibrado tantas veces como indica el número
escogido. Después suma el resultado de las tiradas del dado. ¿Cuál es la
probabilidad de que obtenga un total de 5?
Teorema de Bayes
101. En una urna se encuentran b bolas de color blanco y n bolas de color negro.
A un mismo tiempo se extraen k bolas al azar y resulta que todas son del
mismo color. ¿Cuál es la probabilidad de que las bolas sean de color negro?
118
102. Se escoge al azar un dı́gito binario para ser enviado a través de un canal de
transmisión. Se escoge el “0” con probabilidad 0.4, y se escoge el “1” con
probabilidad 0.6. El canal de comunicación es ruidoso de modo que un “0”
se distorsiona en un “1” con probabilidad 0.2, y un “1” se distorsiona en un
”0” con probabilidad 0.1. Encuentre la probabilidad de que
a) se reciba un “0”.
b) se reciba un “1”.
c) se haya enviado un “0” dado que se recibió un “0”.
d ) se haya enviado un “1” dado que se recibió un “1”.
Variables aleatorias
103. Determine en cada caso si la variable aleatoria en cuestión es discreta o con-

tinua. ¿Cuáles son sus posible valores?
a) Tiempo de vida de una persona escogida al azar.
b) Número de errores tipográficos en una página escogida al azar de un
libro.
c) Tiempo de servicio en una transacción escogida al azar realizada por
una persona en un cajero automático.
d ) Monto de una reclamación por accidente automovilı́stico escogida al azar
del conjunto de reclamaciones efectuadas a una compañı́a aseguradora.
104. Considere el experimento aleatorio de escoger un número al azar dentro del
intervalo unitario (0, 1). Suponga que cada resultado de este experimento
se escribe en su expansión decimal como ω = 0.x1 x2 x3 · · · Determine en
los siguientes casos el conjunto de valores de la variable aleatoria definida y
clasifique ésta como discreta o continua.
a) X(ω) = ω.
b) X(ω) = x1 .
c) X(ω) = 1 − ω.
d ) X(w) = 0.0x1 x2 x3 · · ·
105. Considere un experimento aleatorio con espacio muestral equiprobable Ω =

{1, 2, 3, 4, 5, 6}. Defina la variable aleatoria X(ω) = 2(ω − 3). ¿Cuáles son
los posibles valores de X? Calcule P (X = 0), P (X ∈ {2, 3}), P (X ≥ 0),
P (X < 0), P (X 2 = 1), P (2X − 4 = 0), y P (X 2 = 4).
106. Considere el ejemplo del experimento aleatorio de lanzar un dardo en un
tablero circular de radio uno, Figura 1.13,
p junto con las variables aleatorias
X(x, y) = x, Y (x, y) = y y Z(x, y) = x2 + y 2 . Suponga que para cada re-
gión A ⊆ Ω cuya área puede ser calculada se define P (A) = Área(A)/Área(Ω).
Calcule P (X ≥ 0), P (X < 0), P (Y > X), P (X + Y ≤ 1), P (Z < 1/2) y
P (1/3 < Z < 1/2).
Funciones de densidad y de distribución
107. Encuentre el valor de la constante c para que f (x) sea una función de proba-
bilidad. Grafique esta función y calcule P (X ∈ {2, 3, 4}) y P (X < 3) en cada
caso.

c x si x = 1, 2, . . . , 10,
a) f (x) =
0 otro caso.

c x2 si x = 1, 2, . . . , 10,
b) f (x) =
0 otro caso.
108. Encuentre el valor de la constante c para que la siguiente función sea de
densidad. Grafique f (x) y calcule P (X ≥ π) y P (X ∈ [−π, 2π]).

c (1 + sen x) si x ∈ [0, 2π],
f (x) =
0 otro caso.
109. Encuentre el valor de la constante c para que la siguiente función sea de

densidad. Grafique f (x) y calcule P (X ∈ (1, ∞)).
f (x) = c e−|x|, para − ∞ < x < ∞.
110. Explique porqué no es posible encontrar un valor de la constante c para que

la siguiente función sea de probabilidad o de densidad.

c x si x = −2, −1, 0, 1, 2,
a) f (x) =
0 otro caso.
120

c sen x si x ∈ [−π, π],
b) f (x) =
0 otro caso.
111. Sea X discreta con función de probabilidad dada por la siguiente tabla. Gra-
fique f (x) y calcule P (X ≥ 0), P (X < 0) y P (X 2 = 1).
x -1 0 1
f (x) 0.2 0.3 0.5
112. Sea X discreta con función de probabilidad dada por la tabla que aparece
abajo. Grafique f (x). Calcule la función de probabilidad de las siguientes
variables aleatorias Y = X 2 , Z = |X| y W = 2X − 5. Grafique en cada caso.
x -2 -1 0 2 3 5
f (x) 0.1 0.15 0.4 0.1 0.15 0.1
113. Sea X discreta con función de densidad dada por la tabla que aparece abajo.
Encuentre el valor de c y grafique f (x). Calcule y grafique la función de
probabilidad de la variable Y = X 2 .
x -2 0 2
f (x) 0.1 c 0.1
114. Sea X continua con función de densidad

1/10 si − k ≤ x ≤ 4k
f (x) =
0 otro caso.
a) Determine el valor de la constante k y grafique f (x).

b) Calcule y grafique F (x).
c) Calcule P (−1 ≤ X ≤ 3), P (X ≥ 2) y P (X ≤ 0).
d) Encuentre m tal que P (|X − 1| ≥ m) = 1/2.
115. Sea X una variable aleatoria con la función de distribución que aparece abajo.
¿Es X discreta o continua? Grafique F (x). Encuentre y grafique la correspon-
diente función de densidad f (x). Calcule además P (X = 2) y P (1 < X < 2).

 0 si x < 1,
F (x) = 1/3 si 1 ≤ x < 2,

1 si x ≥ 2.
116. Sea X una variable aleatoria con la función de distribución que aparece abajo.
¿Es X discreta o continua? Grafique F (x). Encuentre y grafique la correspon-
diente función de densidad f (x). Calcule además P (X = 1/2) y P (X > 1/2).

 0√ si x < 0,
F (x) = x si 0 ≤ x < 1,

1 si x ≥ 1.
117. Una urna contiene cuatro bolas numeradas 1, 2, 3 y 4. Se extraen dos bolas
al azar, una a la vez y sin reemplazo. Sea X la variable aleatoria que denota
la suma de los números de las dos bolas seleccionadas.
a) Determine Ω.
b) Calcule y grafique f (x).
c) Calcule y grafique F (x).
d) Calcule P (X ≥ 6), P (3 < X ≤ 5) y P (X = 6).
118. Determine si la siguiente función es de probabilidad. Grafique la función y
justifique su respuesta.

 1/6 si x = 0, 1,
f (x) = 2/3 si x = 2,

0 otro caso.
119. Determine si la siguiente función es de probabilidad. Grafique la función y

justifique su respuesta.

 4
3 x 1 4−x
si x = 0, 1, 2, 3, 4,
x 4 4
f (x) =

0 otro caso.
120. Determine si cada una de las siguientes funciones es de densidad. Grafique la

función en cada caso y justifique su respuesta.
(
4x/5 si x ∈ [0, 2],
a) f (x) =
0 otro caso.
(
2x2 /3 − 2x + 4/3 si x ∈ [0, 3],
b) f (x) =
0 otro caso.
122
121. Sea X una variable aleatoria con la siguiente función de distribución. En-
cuentre y grafique f (x). Calcule P (0 ≤ X < 10).

1 − (1/2)x+1 si x = 0, 1, 2, 3, . . .
F (x) =
0 otro caso.
122. Sea X una variable aleatoria continua con la función de densidad que apa-
rece abajo. Encuentre el valor de la constante c y grafique la función f (x).
Encuentre y grafique además la función de distribución F (x).

2x/9 si 0 < x < c,
f (x) =
0 otro caso.
Esperanza, varianza, momentos
123. Sea a un número fijo. Construya una variable aleatoria X tal que E(X) = a.
124. Calcule la esperanza de la variable aleatoria discreta X cuya función de pro-
babilidad es

 1/3 si x = 0, 1,
a) f (x) = 1/6 si x = 2, 3,

0 otro caso.

 1/4 si x = −1, 1,
b) f (x) = 1/2 si x = 0,

0 otro caso.
125. Calcule la esperanza de la variable aleatoria continua X cuya función de
densidad es
a) f (x) = e−x , para x > 0.
b) f (x) = 6x(1 − x), para 0 < x < 1.
126. Sea X una variable aleatoria discreta con la función de probabilidad que
aparece abajo. Demuestre que f (x) es efectivamente una probabilidad de
densidad y que la esperanza de X no existe. Este es un ejemplo de una
variable aleatoria discreta que no tiene esperanza finita.

 1
si x = 1, 2, 3, . . .
f (x) = x(x + 1)
 0 otro caso.
127. Sea X una variable aleatoria continua con la función de densidad que aparece
abajo. Demuestre que esta función es efectivamente una función de densidad.
Compruebe además que la esperanza de X no existe. Este es un ejemplo de
una variable aleatoria continua que no tiene esperanza finita. Es una caso
particular de la distribución Cauchy.
1
f (x) = , para − ∞ < x < ∞.
π(1 + x2 )

a) La esperanza de una v.a. puede ser cero.
b) No hay dos v.a.s distintas con la misma esperanza.
c) La esperanza de una v.a. nunca es negativa.
d ) La varianza de una v.a. puede ser cero.
e) La varianza de una v.a. nunca es negativa.
f ) No hay dos v.a.s distintas con la misma varianza.
129. Demuestre que
a) E(E(X)) = E(X).
b) Var(Var(X)) = 0.
130. Sea X la variable aleatoria constante c. Compruebe que
a) E(X) = c. b) E(X n ) = cn . c) Var(X) = 0.
131. Calcule la media y varianza de la variable aleatoria X con función de proba-
bilidad 
 1/9 si x = 0, 1, 2,
f (x) = 2/9 si x = 3, 4, 5,

0 otro caso.
132. Calcule la media y varianza de la variable aleatoria X cuya función de pro-

babilidad es
(1/2)x+1 si x = 0, 1, 2, 3, . . .
f (x) =
0 otro caso.

a) Var(E(X)) = 0.
124
b) E(Var(X)) = Var(X).
134. Sea X una variable aleatoria continua con función de densidad f (x) = 12 e−|x| ,
para −∞ < x < ∞. Demuestre que f (x) es efectivamente una función de
densidad y compruebe que
a) E(X) = 0.
b) E(X 2 ) = 2.
c) Var(X) = 2.
d ) E(X n ) = n! para n par.
a) E(−X) = −E(X).
b) Var(−X) = −Var(X).
c) E(Var(X)) = Var(E(X)).
136. Encuentre el error en la siguiente “demostración” de la afirmación de que la
varianza de cualquier variable aleatoria es cero.
0 = Var(0)
= Var(X + (−X))
= Var(X) + Var(−X)
= Var(X) + Var(X)
= 2 Var(X).
Distribución uniforme discreta
137. Sea X con distribución uniforme en el conjunto {1, . . . , n}. Demuestre que
a) E(X) = (n + 1)/2.
b) E(X 2 ) = (n + 1)(2n + 1)/6.
c) Var(X) = (n2 − 1)/12.
138. Se escogen completamente al azar y de manera independiente dos números
a y b dentro del conjunto {1, 2, . . . , 9, 10}. ¿Cuál es la probabilidad de que el
cociente a/b sea menor a uno?
Distribución Bernoulli
139. Sea X una variable aleatoria con distribución Ber(p). Verifique que f (x) es
efectivamente una función de densidad. Demuestre además que
a) E(X) = p.
b) E(X n ) = p, para n ≥ 1.
c) Var(X) = p(1 − p).
Distribución binomial
140. Sea X una variable aleatoria con distribución bin(n, p). Verifique que f (x) es
efectivamente una función de densidad.
141. Sea X una variable aleatoria con distribución bin(n, p). Demuestre que
a) E(X) = np.
b) Var(X) = np(1 − p).
142. Sea X una variable aleatoria con distribución bin(n, p) tal que E(X) = 4 y
Var(X) = 2. ¿Cuáles son los valores de n y p?
143. Sea X una variable aleatoria con distribución bin(n, p). Demuestre que la va-
riable Y = n− X tiene distribución bin(n, 1 − p). Proporcione una explicación
probabilı́sta de este resultado.
144. Sea X con distribución bin(n, p). Demuestre que para x = 0, 1, . . . , n − 1, se
cumple la siguiente fórmula. Esta expresión permite calcular las probabilida-
des de esta distribución de una forma iterativa.
p (n − x)
P (X = x + 1) = P (X = x).
(1 − p) (x + 1)
145. Se lanza una moneda equilibrada 6 veces. Calcule la probabilidad de que cada
cara caiga exactamente 3 veces.
146. Se lanza una moneda equilibrada 2n veces. Calcule la probabilidad de que
ambas caras caigan el mismo número de veces.
147. Sea X una variable aleatoria con distribución bin(n, p). Demuestre que 0 ≤
Var(X) ≤ E(X).
126
148. Suponiendo que es igualmente probable que nazca un hombre (H) o una mujer
(M), y considerando la observación de 6 nacimientos. ¿Cuál de los siguientes
eventos es más probable que ocurra?
a) MHHMHM b) MMMMHM c) HMHMHM
Distribución geométrica
149. Sea X una variable aleatoria con distribución geo(p). Verifique que la función
f (x) es efectivamente una función de densidad.
150. Sea X una variable aleatoria con distribución geo(p). Demuestre que
a) E(X) = (1 − p)/p.
b) Var(X) = (1 − p)/p2 .
151. Sea X una variable aleatoria con distribución geo(p). Demuestre que para
cualesquiera a, b = 0, 1, 2, . . . se cumple la siguiente propiedad llamada de
pérdida de memoria: P (X ≥ a + b | X ≥ a) = P (X ≥ b).
152. Considere una urna con 3 bolas negras y 5 bolas blancas. Se escoge una
bola al azar, se registra su color, y después se regresa a la urna. ¿Cuántas
extracciones en promedio se necesitan realizar hasta obtener una bola negra
por primera vez?
Distribución Poisson
153. Sea X una variable aleatoria con distribución Poisson(λ). Verifique que f (x)
es efectivamente una función de densidad y demuestre que E(X) = λ, y
Var(X) = λ.
154. Sea X una variable aleatoria con distribución Poisson(λ). Demuestre que para
x = 0, 1, 2, . . . se cumple la siguiente fórmula. Esta expresión permite calcular
las probabilidades Poisson de una forma iterativa.
λ
P (X = x + 1) = P (X = x).
(x + 1)
155. Sea X una variable aleatoria con distribución Poisson(λ). Demuestre que la
probabilidad de que X tome un valor par es (1 + e−2λ )/2.
156. El número de computadoras que fallan por mes en un laboratorio de cómputo

tiene una distribución Poisson con un promedio mensual de λ = 2 máquinas
descompuestas. El laboratorio tiene capacidad para reparar hasta dos máqui-
nas por mes. Cuando se descomponen mas de dos máquinas, las restantes se
envı́an fuera del laboratorio para su reparación.
a) ¿Cuál es la probabilidad de que en un mes cualquiera sea necesario enviar
máquinas fuera del laboratorio para su reparación?
b) Responda al inciso anterior cuando se reduce la capacidad de reparación
del laboratorio a una computadora por mes.
c) ¿Cuál es el número de computadoras con falla más probable en un mes?
Distribución binomial negativa
157. Sea X una variable aleatoria con distribución bin neg(r, p). Verifique que f (x)
es efectivamente una función de densidad.
158. Sea X una variable aleatoria con distribución bin neg(r, p). Demuestre que
E(X) = r(1 − p)/p, y Var(X) = r(1 − p)/p2 .
159. Sea X una variable aleatoria con distribución bin neg(r, p). Demuestre que
para x = 1, 2, . . . se cumple la siguiente fórmula. Esta expresión permite
calcular las probabilidades de esta distribución de una forma iterativa.
r+x−1
P (X = x) = (1 − p) P (X = x − 1).
x
160. Sea X con distribución hipergeo(N, K, n). Verifique que f (x) es efectivamente
una función de probabilidad.
Distribución uniforme continua
161. Sea X con distribución unif(a, b). Verifique que f (x) es efectivamente una
función de densidad.
128
162. Sea X con distribución uniforme en el intervalo (a, b). Demuestre que
a) E(X) = (a + b)/2.
b) Var(X) = (b − a)2 /12.
163. Sea X con distribución uniforme en el intervalo (0, 1). Demuestre que el n-
ésimo momento de X es 1/(n + 1).
164. Sea X con distribución uniforme en el intervalo (a, b). Demuestre que
bn+1 − an+1
E(X n ) = .
(n + 1)(b − a)
165. Sea X una variable aleatoria con distribución uniforme en el intervalo (−1, 1).
Demuestre que

n 1/(n + 1) si n es par,
E(X ) =
0 si n es impar.
166. Sea X con distribución unif(0, 1). Obtenga la distribución de la variable Y =

10X − 5.
167. Sea X con distribución unif(a, b). Demuestre que la media y la mediana de
X coinciden.
Distribución exponencial
168. Sea X una variable aleatoria con distribución exp(λ). Verifique que f (x) es
efectivamente una función de densidad.
169. Sea X con distribución exp(λ). Demuestre que
a) E(X) = 1/λ.
b) Var(X) = 1/λ2 .
170. Sea X una variable aleatoria con distribución exp(λ). Demuestre que para
cualesquiera números x, y ≥ 0 se cumple la igualdad que aparece abajo. La
distribución exponencial es la única distribución continua que satisface esta
propiedad llamada de pérdida de memoria.
P (X ≥ x + y | X ≥ x) = P (X ≥ y).
171. Sea X con distribución exp(λ). Demuestre que para cualesquiera números
x, y ≥ 0, F (x + y) = F (x) + F (y) − F (x) F (y).
172. Suponga que el tiempo que un usuario cualquiera permanece conectado a
un servidor en una red de cómputo se puede modelar como una variable
aleatoria con distribución exponencial con media igual a 10 minutos. De mil
usuarios, ¿Cuántos tienen un conexión superior a una hora? Calcule además
la probabilidad de que un usuario cualquiera
a) no permanezca conectado mas de 10 minutos.
b) permanezca conectado mas de 10 minutos pero menos de una hora.
Distribución gama
173. Sea X una variable aleatoria con distribución gama(n, λ). Verifique que f (x)
es efectivamente una función de densidad.
174. Sea X con distribución gama(n, λ). Demuestre que
a) E(X) = n/λ.
b) Var(X) = n/λ2 .
c) E(X m ) = Γ(m + n)/( λm Γ(n) ).
175. Demuestre las siguientes propiedades de la función gama.
a) Γ(n + 1) = n Γ(n).
b) Γ(2) = Γ(1) = 1.
c) Γ(n + 1) = n! si n es entero.
√
d ) Γ(1/2) = π.
Distribución beta
176. Sea X con distribución beta(a, b). Verifique que f (x) es efectivamente una
177. Sea X con distribución beta(a, b). Demuestre que
a) E(X) = a/(a + b).
130
b) Var(X) = ab/( (a + b + 1)(a + b)2 ).

178. Demuestre las siguientes propiedades de la función beta.
a) B(a, b) = B(b, a).
b) B(a, 1) = 1/a.
c) B(1, b) = 1/b.
a
d ) B(a + 1, b) = B(a, b + 1).
b
a
e) B(a + 1, b) = B(a, b).
a+b
b
f ) B(a, b + 1) = B(a, b).
a+b
g) B(1/2, 1/2) = π.
179. Sea X una variable aleatoria con distribución beta(a, b), con a = b = 1.
Demuestre que X tiene una distribución uniforme en el intervalo (0, 1).
180. Sea X con distribución beta(1/2, 1/2). En este caso se dice que X tiene una
distribución arcoseno.
a) Calcule y grafique f (x).
b) Demuestre que f (x) es una función de densidad.
c) Calcule E(X) y Var(X).
181. Sea X con distribución beta(a, b). Demuestre que cuando a > 0 y b = 1, la
función de distribución de X toma la forma

 0 si x ≤ 0,
F (x) = xa si 0 < x < 1,

1 si x ≥ 1.
182. Sea X con distribución beta(a, b). Demuestre que cuando a = 1 y b > 0, la
función de distribución de X toma la forma

 0 si x ≤ 0,
F (x) = 1 − (1 − x)b si 0 < x < 1,

1 si x ≥ 1.
183. Sea X con distribución beta(a, b). Demuestre que para cualquier entero n ≥ 0,
E(X n ) = B(a + n, b)/B(a, b).
Distribución normal
184. Sea X con distribución N(µ, σ 2 ). Verifique que f (x) es efectivamente una
185. Sea X con distribución N(µ, σ 2 ). Demuestre que E(X) = µ, y Var(X) = σ 2 .
186. Sea X con distribución N(µ, σ 2 ). Demuestre que la variable Z = (X − µ)/σ
tiene distribución normal estándar. Recı́procamente, demuestre que si Z tiene
distribución normal estándar, y σ > 0, entonces la variable X = µ + σZ tiene
distribución N(µ, σ 2 ).
187. Sea X con distribución N(10, 25). Calcule
a) P (X ≥ 10).
b) P (X < 0).
c) P (0 < X ≤ 10).
d ) P (X ≥ 20).
e) P (−20 < X ≤ 10).
188. Sea X con distribución N(0, 100). Calcule
a) P (X ≤ 10).
b) P (X > 0).
c) P (0 < X ≤ 40).
d ) P (X ≥ 30).
e) P (−10 < X ≤ 10).
189. Encuentre x tal que
a) Φ(x) = 0.8666 . b) 1 − Φ(x) = 0.9154 .
190. Sea X una variable aleatoria con distribución N(µ, σ 2 ). Demuestre que la
variable Y = aX + b, con a 6= 0, también tiene una distribución normal.
Encuentre los parámetros correspondientes.
191. Sea X una variable aleatoria con distribución N(µ, σ 2 ). Demuestre que la va-
riable Y = −X también tiene una distribución normal. Encuentre los paráme-
tros correspondientes.
132
192. Sea X una variable aleatoria con distribución N(0, 1). Demuestre que X 2
tiene√una distribución
√ χ2 (1). Sugerencia: Para x > 0, FX 2 (x)= P (X 2 ≤ x)=
P (− x ≤ X ≤ x).
193. Sea X una variable aleatoria con distribución normal estándar. Encuentre la
función de densidad de Y = |X|.
194. Una máquina automática despachadora de refresco en un restaurant está ajus-
tada para llenar vasos de 300 ml en promedio. Debido a cuestiones mecánicas,
el llenado de los vasos no es enteramente exacto y hay pequeñas fluctuaciones
en el llenado. El fabricante de la máquina sabe que el llenado de los vasos
se puede modelar como una v.a. normal con media de 300 ml. y desviación
estándar σ = 10 ml.
a) ¿Qué fracción de los vasos serán servidos con más de 310 mililitros?
b) ¿Cuál es la probabilidad de que un vaso sea servido entre 290 y 305
mililitros?
c) Si el restaurant utiliza vasos de 320 ml. ¿qué porcentaje de ellos se
derramarán?
d ) Si los clientes reclaman por vasos servidos con 270 ml. o menos, de mil
clientes, ¿cuántos de ellos reclamarán?
Distribución ji cuadrada
195. Sea X con distribución χ2 (n). Compruebe que la correspondiente función de

densidad f (x) efectivamente lo es.
196. Compruebe que la distribución χ2 (n) se reduce a la distribución exp(1/2)
cuando n = 2.
197. Sea X con distribución χ2 (n). Demuestre que E(X) = n, y que Var(X) = 2n.
Compruebe además que E(X m ) = 2m Γ( n2 + m)/Γ( n2 ), para m ≥ 0.
Distribución t
198. Sea X con distribución t(n). Verifique que f (x) es efectivamente una función
de densidad.
199. Sea X con distribución t(n). Demuestre que E(X) = 0, y Var(X) = n/(n−2),
para n > 2.
Vectores aleatorios
200. Sea (X, Y ) un vector aleatorio discreto con función de densidad f (x, y) dada
por la siguiente tabla
x\y -1 0
1 .3 .5
2 .05 .15
a) Grafique f (x, y) y demuestre que efectivamente se trata de una función
de densidad.
b) Calcule y grafique las densidades marginales f (x) y f (y). Verifique que
ambas son efectivamente funciones de densidad.
c) Calcule y grafique las distribuciones marginales F (x) y F (y). Verifique
que ambas son efectivamente funciones de distribución.
d ) ¿Son X y Y independientes?
201. Sea (X, Y ) un vector aleatorio discreto con función de densidad f (x, y) dada
por la siguiente tabla
x\y 0 1
1 .2 0
2 .7 .1
de densidad.
202. Sea (X, Y ) un vector aleatorio continuo con distribución uniforme en el cua-
drado (−1, 1) × (−1, 1).
de densidad.
134

203. Sea (X, Y ) un vector aleatorio continuo con función de densidad f (x, y) dada
por la siguiente expresión
−(x+y)
e si x, y > 0,
f (x, y) =
0 otro caso.

de densidad.
Variables y tipos de datos
204. Clasifique cada una de las siguiente variables de acuerdo a si es cualitativa o

cuantitativa, y también de acuerdo a su posible escala de medición.
a) Evaluación de un curso usando la siguiente escala: MB=Muy Bien. B=Bien.
S=Suficiente. NA=No Acreditado.
b) Número de hijos de una persona.
c) Escolaridad de una persona.
d) Porcentaje de artı́culos defectuosos producidos en una fábrica.
e) Nivel de satisfacción de una persona al adquirir un producto.
f) Preferencia electoral por alguna de las siguientes propuestas polı́ticas:
A,B,C,D,E,F.
g) Uso o no uso de lentes de una persona.
h) Principal paı́s de visita para una persona que viaja al extranjero.
i) Costo económico en un accidente automovilı́stico.
Estadı́stica descriptiva
205. Calcule la media, moda, mediana, varianza, desviación estándar y rango del
siguiente conjunto de datos: 4, 2, 0, 9, 4, 2, −1, 1, −4, 2.
206. Pregunte a diez personas sus estaturas. Registre todos estos datos y calcule
la media, moda, mediana, varianza, desviación estándar y rango.
207. Mediante el uso de una calculadora genere diez números al azar dentro del in-
tervalo unitario (0, 1). Escriba estos datos y calcule la media, moda, mediana,
varianza, desviación estándar y rango.
n
X
208. Demuestre que (xi − x̄) = 0.
i=1
n
X n
X
2
209. Demuestre que (xi − x̄) = x2i − nx̄2 .
i=1 i=1
n n
1 X 2 1 X 2
210. Demuestre que s2 = [ xi − ( xi ) ].
n − 1 i=1 n i=1
n
X
211. Encuentre el valor de c que minimiza la función x̄(c) = (xi − c)2 .
i=1
212. Calcule la media, varianza, desviación estándar, mediana y moda aproxima-

dos del siguiente conjunto de datos agrupados. Elabore además un histogra-
ma.
Intervalo de clase Frecuencia
10 ≤ x < 20 4
20 ≤ x < 30 3
30 ≤ x < 40 6
40 ≤ x < 50 5
50 ≤ x < 60 5
213. Calcule la media, varianza, desviación estándar, mediana y moda aproxima-

dos del siguiente conjunto de datos agrupados. Elabore además un histogra-
136
ma.
Intervalo de clase Frecuencia
0≤x<5 12
5 ≤ x < 10 23
10 ≤ x < 15 10
15 ≤ x < 20 14
25 ≤ x < 30 6
30 ≤ x < 35 10
35 ≤ x < 40 5
Muestras aleatorias y estadı́sticas
214. —
Estimación puntual
215. Sean θ̂1 y θ̂2 dos estimadores insesgados para el parámetro θ, y sea α una
constante. Demuestre que θ̂ = αθ̂1 + (1 − α)θ̂2 es también un estimador
insesgado para θ,
216. Sea X1 , . . . , Xn una m.a. de una población con media conocida µ y varianza σ 2
desconocida. Demuestre que la siguiente estadı́stica es un estimador insesgado
para σ 2 ,
n
1X
σ̂ 2 = (Xi − µ)2 .
n i=1
217. Sea X1 , . . . , Xn una m.a. de una población con media desconocida y varian-
za σ 2 desconocida. Demuestre que la siguiente estadı́stica es un estimador
insesgado para σ 2 ,
n
1 X
S2 = (Xi − X̄)2 .
n − 1 i=1
218. Sea X1 , . . . , Xn una m.a. de una población con media desconocida y varianza
finita σ 2 desconocida. Demuestre que la siguiente estadı́stica es un estimador
insesgado para σ 2 ,
n−1
1 X
σ̂ 2 = (Xi+1 − Xi )2 .
2(n − 1) i=1
219. Sea X1 , . . . , Xn una m.a. de una población con media µ y varianza σ 2 des-
conocidas. P Recuerde que la varianza muestral S 2 se ha definido como sigue
S = n−1 ni=1 (Xi − X̄)2 . Demuestre que S no es un estimador insesgado
2 1
(n−1) 2
para σ. Modifique S para que sea insesgado. Sugerencia: σ2 S ∼ χ2 (n−1).
Método de momentos
220. Dada una muestra aleatoria de tamaño n de una población uniforme en el

intervalo [0, a], use el método de momentos para encontrar un estimador para
el parámetro a.
221. Dada una muestra aleatoria de tamaño n de una población Poisson con
parámetro desconocido λ > 0, use el método de momentos para encontrar
un estimador del parámetro λ.
222. Dada una muestra aleatoria de tamaño n de una población exponencial con
parámetro desconocido λ > 0, use el método de momentos para encontrar un
estimador del parámetro λ.
Método de máxima verosimilitud
223. Dada una muestra aleatoria de tamaño n de una población uniforme en el

intervalo [0, a], use el método de máxima verosimilitud para encontrar un
estimador para el parámetro a.
224. Dada una muestra aleatoria de tamaño n de una población Poisson con
parámetro λ > 0, use el método de máxima verosimilitud para encontrar
un estimador del parámetro λ.
Estimación por intervalos
225. Se sabe que la vida en horas de un foco de 100 watts de cierta marca tiene
una distribución aproximada normal con desviación estándar σ = 30 horas.
Se toma una muestra al azar de 50 focos y resultó que la vida media fue de
1550 horas. Construya un intervalo de confianza del 95 % para el verdadero
promedio de vida de estos focos.
138
226. Se realizan 20 pruebas de resistencia de un cierto material obteniéndose los

siguientes datos: 2225, 2300, 2217, 2190, 2295, 2285, 2195, 2255, 2232, 2252,
2272, 2231, 2223, 2211, 2219, 2231, 2218, 2262, 2257, 2261. Construya un
intervalo de confianza del 98 % para la resistencia media de este material,
suponiendo una distribución normal.
Pruebas de hipótesis
227. Se cree que la estatura de cierta población humana sigue una distribución
normal con media de 1.70 metros. Realice la prueba de hipótesis H0 : µ =
1.70 vs H1 : µ 6= 1.70, con el siguiente conjunto de datos: 1.65, 1.75, 1.63,
1.81, 1.74, 1.59, 1.73, 1.66, 1.65, 1.83, 1.77, 1.74, 1.64, 1.69, 1.72, 1.66, 1.55,
1.60, 1.62. Use un nivel de significancia del 10 %, y suponga σ = 0.10 .
228. Las mediciones del número de cigarros fumados al dı́a por un grupo de diez fu-
madores es el siguiente: 5, 10, 3, 4, 5, 8, 20, 4, 1, 10. Realice la prueba de hipóte-
sis H0 : µ = 10 vs H1 : µ < 10, suponiendo que los datos provienen de una
muestra tomada al azar de una población normal con σ = 1.2 . Use un nivel
de significancia del 5 %.
229. Considere cualquiera de las tres pruebas de hipótesis para la media µ de
una población normal con σ 2 conocida. Demuestre que en cualquier caso la
probabilidad de cometer el error tipo II tiende a cero cuando el tamaño de la
muestra n tiende a infinito.
Apéndice B
Soluciones
Esta sección contiene algunas sugerencias de solución a los ejercicios planteados.

Para algunos ejercicios es necesario ser más explı́cito al dar una solución o al jus-
tificar una respuesta, considere por tanto que este material contiene simplemente
ideas para generar una solución completa y bien escrita. La mayorı́a de las gráficas
han sido omitidas. Recuerde además que los métodos empleados o sugeridos para
llegar a una solución no son necesariamente únicos.
Espacio muestral y eventos
1. a) Ω = {AAA, AAS, ASA, ASS, SAA, SAS, SSA, SSS}.

b) Ω = {AAA, AAS, ASS, SSS}.
c) Ω = [0, 1].
d ) Ω = {0, 1, 2, . . .}.
e) Considere que las bolas tienen las etiquetas 1 y 2. Considere el arreglo
(C1 , C2 , C3 , C4 ) en donde cada coordenada Ci corresponde al conjunto
de bolas que han sido depositadas en la celda i. Entonces Ω ={({1, 2}, ∅, ∅, ∅),
(∅, {1, 2}, ∅, ∅),. . . , ({1}, {2}, ∅, ∅),. . .}. El número total de elementos en
Ω es 16. ¿Puede usted escribir todos los arreglos?
f ) Ω = {(2, 0, 0, 0), (0, 2, 0, 0), (0, 0, 2, 0), (0, 0, 0, 2), (1, 1, 0, 0), (1, 0, 1, 0),
(1, 0, 0, 1), (0, 1, 1, 0), (0, 1, 0, 1), (0, 0, 1, 1)}.
g) Ω = {(0, 0), (1, 0), (0, 1), (1, 1), . . .}.
139
140
2. Si nos interesa observar el número de lanzamientos hasta obtener un 6 se pue-

de tomar Ω = {1, 2, . . .}. Si nos interesa registrar con detalle los resultados,
Ω = {6, N 6, N N 6, N N N 6, . . .}, en donde cada N puede ser cualquiera de los
números 1, 2, 3, 4 ó 5.
3. a) Número de hijos de una persona escogida al azar. b) Tiempo que una
persona tiene que esperar para la llegada de un autobús. c) Este es el espacio
muestral más frecuente. El número 1 puede representar ganar en un juego de
loterı́a mientras que el número 0 corresponde a perder en el juego. Este es
uno de los muchos ejemplos que pueden construirse para este espacio.
Operaciones con conjuntos
4. a) Sea x ∈ A ∩ (B ∩ C). Entonces x ∈ A y x ∈ B ∩ C. La última afirmación

puede descomponerse en: x ∈ B ó x ∈ C, esto incluye el caso de pertenencia a
ambos conjuntos. Si es el primer caso, es decir x ∈ B, entonces se obtiene que
x ∈ A ∩ B, y por lo tanto x es un elemento del lado derecho de la igualdad.
La misma conclusión se obtiene si x ∈ C. Esto demuestra la contención
A ∩ (B ∪ C) ⊆ (A ∩ B) ∪ (A ∩ C). De manera análoga se prueba la contención
contraria. b) Análogo al inciso anterior.
5. a) Demostraremos la contención (A ∪ B)c ⊆ Ac ∩ B c . Sea x ∈ (A ∪ B)c .
Entonces x ∈ / (A ∪ B), esto es, x ∈
/Ayx∈ / B. Por lo tanto x ∈ Ac y x ∈ B c .
c c
Es decir, x ∈ A ∩ B . De manera análoga se prueba la contención contraria y
de esa forma se demuestra la igualdad. b) Pruebe ambas contenciones como
en el inciso anterior.
6. Los enunciados son: a)(A ∪ B ∪ C)c = Ac ∩ B c ∩ C c y b)(A ∩ B ∩ C)c =
Ac ∪ B c ∪ C c . Para el primer inciso se tiene que (A ∪ B ∪ C)c =((A ∪ B) ∪
C)c =(A ∪ B)c ∩ C c =Ac ∩ B c ∩ C c . De manera análoga se demuestra al
segundo inciso.
7. A = A ∩ Ω = A ∩ (B ∪ B c ) = (A ∩ B) ∪ (A ∩ B c ).
8. B ∩ (A ∪ B c ) = (B ∩ A) ∪ (B ∩ B c ) = (B ∩ A) ∪ ∅ = B ∩ A.
9. Análogo al anterior.
10. B ∪ (A ∩ B c ) = (B ∪ A) ∩ (B ∪ B c ) = (B ∪ A) ∩ Ω = B ∪ A.
11. Análogo al anterior.
Apéndice B. Soluciones 141
12. a) A − (A ∩ B) = A ∩ (A ∩ B)c = A ∩ (Ac ∪ B c ) = (A ∩ Ac ) ∪ (A ∩ B c ) =

∅ ∪ (A ∩ B c ) = A ∩ B c = A − B. b) (A ∪ B) − B = (A ∪ B) ∩ B c =
(A ∩ B ) ∪ (B ∩ B ) = (A ∩ B ) ∪ ∅ = A ∩ B c = A − B.
c c c
13. a) (A ∩ B) − (A ∩ C) = (A ∩ B) ∩ (A ∩ C)c = (A ∩ B) ∩ (Ac ∪ C c ) =

(A ∩ B ∩ Ac ) ∪ (A ∩ B ∩ C c ) = ∅ ∪ (A ∩ B ∩ C c ) = A ∩ (B ∩ C c ) = A ∩ (B − C).
b) (A − C) ∩ (B − C) = (A ∩ C c ) ∩ (B ∩ C c ) = A ∩ (B ∩ C c ) = A ∩ (B − C).
14. (A ∪ B) − (A ∩ B) = (A ∪ B) ∩ (A ∩ B)c = (A ∪ B) ∩ (Ac ∪ B c ) = [(A ∪ B) ∩
Ac ] ∪ [(A ∪ B) ∩ B c ] = [B ∩ Ac ] ∪ [A ∩ B c ] = (B − A) ∪ (A − B).
15. Compruebe que ambos lados de la igualdad del inciso (a) corresponden al
evento que se muestra en la Figura B.1. El resto de los incisos de obtiene
fácilmente de la definición.
A B
C
Ω
Figura B.1: A△B△C.
16. Gráficamente los conjuntos A y B son como se muestran en la Figura B.2. Se

tiene entonces que A = [−2, 6], B = (−∞, −1) ∪ (3, ∞), Ac = (−∞, −2) ∪
(6, ∞), B c = [−1, 3], A ∩ B = [−2, −1) ∪ (3, 6], A ∪ B = R, A − B =
[−1, 3], B − A = (−∞, −2) ∪ (6, ∞), A△B = (−∞, −2) ∪ [−1, 3] ∪ (6, ∞).
A
−2 0 6
B
−1 0 3
Figura B.2:
142
17. Gráficamente los conjuntos A y B son los√que se√muestran en la Figura B.3.

c
Por lo tanto A √
c
√ 1], B = (−∞, −√ 2) ∪ ( 2, ∞), A = √
= [−3, (−∞, −3) ∪
(1, ∞), √
B = [− 2, 2], A∩B = [−3,√− 2), A∪B = (−∞, 1)∪( 2, ∞), √ A−
B√= [− 2, 1], B − A = (−∞, −3) ∪ ( 2, ∞), A△B = (−∞, −3) ∪ [− 2, 1] ∪
( 2, ∞).
A
−3 0 1
B √ √
− 2 0 2
Figura B.3:
18. Los conjuntos A y B son los que se muestra en la Figura B.4 (a). Allı́ pueden
identificarse gráficamente las operaciones que se solicitan.
B
B
(a) (b)
Figura B.4:
19. Los conjuntos A y B son los que se muestran en la Figura B.4 (b). Allı́ pueden
identificarse gráficamente las operaciones que se solicitan.
20. El máximo es 50 % y el mı́nimo es 0 %.
21. El máximo es 70 % y el mı́nimo es 40 %.
Conjuntos ajenos
22. A ∩ (B − A) = A ∩ (B ∩ Ac ) = ∅.
23. No son ajenos, tienen un único punto en común que es (0, 1).
24. A1 ∩ B ⊆ A ∩ B = ∅.
25. n(n − 1)/2.
Conjunto potencia
26. 2∅ = {∅}.
27. Sea A1 ∈ 2A , entonces A1 ⊆ A ⊆ B. Por lo tanto A1 ⊆ B y en consecuencia
A1 ∈ 2B .
Producto Cartesiano
28. A×B×C = { (a1 , b1 , c1 ),(a1 , b1 , c2 ), (a1 , b2 , c1 ),(a1 , b2 , c2 ), (a1 , b3 , c1 ),(a1 , b3 , c2 ),

(a2 , b1 , c1 ),(a2 , b1 , c2 ), (a2 , b2 , c1 ),(a2 , b2 , c2 ), (a2 , b3 , c1 ),(a2 , b3 , c2 )}.
29. A × A = { (a, a),(a, b),(a, c), (b, a),(b, b),(b, c), (c, a),(c, b),(c, c)}.
Probabilidad
30. Claramente P (A) = #A/#Ω ≥ 0, y P (Ω) = #Ω/#Ω = 1. Además, cuando A

y B son ajenos, #(A ∪ B) = #A + #B, y de allı́ se sigue la tercera propiedad.
31. Para cualquier valor natural de n, se cumple que n(A)/n ≥ 0, y n(Ω)/n =
n/n = 1. Cuando A y B son ajenos, n(A ∪ B) = n(A) + n(B). Ahora tome
lı́mite cuando n tiende a infinito y obtenga el resultado requerido.
32. a) P (Ω) = αP1 (Ω) + (1 − α)P2 (Ω) = α + (1 − α) = 1. b) P (A) = αP1 (A) +
(1 − α)P2 (A) ≥ 0. c) Cuando A y B son disjuntos, P (A ∪ B) = αP1 (A ∪
B) + (1 − α)P2 (A ∪ B) = α(P1 (A) + P1 (B)) + (1 − α)(P2 (A) + P2 (B)) =
[αP1 (A) + (1 − α)P2 (A)] + [αP1 (B) + (1 − α)P2 (B)] = P (A) + P (B).
144
33. P (∅) = P (∅ ∪ ∅) = P (∅) + P (∅). Ahora cancele uno de los términos.

34. B = (B ∩ A) ∪ (B ∩ Ac ), siendo esta unión ajena. Aplicando probabilidad,
P (B) = P (B ∩ A) + P (B ∩ Ac ). El segundo sumando es P (B − A).
35. La primera desigualdad es evidente. Como A∩B ⊆ A, se tiene que P (A∩B) ≤
P (A). Análogamente como A ⊆ A ∪ B, P (A) ≤ P (A ∪ B). La siguiente
desigualdad es consecuencia de la fórmula P (A ∪ B) = P (A) + P (B) − P (A ∩
B). Finalmente la última desigualdad se obtiene de P (A) ≤ P (Ω) = 1.
36. El resultado se obtiene de 1 ≥ P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
37. P (A△B) = P (A ∪ B) − P (A ∩ B) = P (A) + P (B) − 2P (A ∩ B).
38. P (Ac ∩ B c ) = 1 − P (A ∪ B) = 1 − P (A) − P (B) + P (A ∩ B).
39. a) P (A∪B) = 0.5 . b) P (Ac ) = 0.7 . c) P (Ac ∩B) = 0.2 . d) P (A∩B c ) =
0.3 . e) P (A△B) = 0.5 .
40. a) Verdadero, pues A ∩ B ⊆ A. b) Falso, considere por ejemplo el experi-
mento de lanzar una moneda equilibrada. Ambos resultados tienen la misma
probabilidad pero evidentemente no son iguales. c) Falso, en el experimento
de lanzar un dado equilibrado, considere por ejemplo los eventos A = {1} y
B = {2, 3}. Claramente P (A) ≤ P (B) pero A no está contenido en B.
41. a) Verdadero, pues A ⊆ A ∪ B. b) Falso, A y B pueden ser ajenos. c)
Verdadero, P (A ∪ B) = P (A) + P (B) − P (A ∩ B) > 1/2 + 1/2 − P (A ∩ B) =
1 − P (A ∩ B) ≥ 0. d) Falso, A puede ser Ω.
42. a) Falso. En el experimento de lanzar una moneda equilibrada, sea A el
resultado de obtener una de las caras y B obtener la otra cara. Entonces
P (B − A) = P (B) = 1/2, mientras que P (B) − P (A) = 1/2 − 1/2 = 0. El
resultado es cierto bajo la condición A ⊆ B. b) Falso, excepto cuando A y B
son independientes. Considerando el ejemplo del inciso anterior, P (A ∩ B) =
0, mientras que P (A)P (B) = 1/2 · 1/2 = 1/4. c) Verdadero. P (Ac ) =
1 − P (A) < 1 − 1/2 = 1/2.
43. P (A) = 2/3.
Análisis combinatorio
44. 6! = 720.
45. El total de casos posibles es 5! = 120. Los casos favorables son dos: 12345 y
54321. Por lo tanto la probabilidad buscada es 2/120 = 1/60.

46. n2 − n = n(n − 1)/2.
47. 15 · 14 · 13 = 2730.
48. Un entero positivo de a lo sumo cinco dı́gitos que es divisible por 2 es de la
forma xxxxy en donde x puede ser cualquiera de 0, 1, . . . , 9 y y puede ser
0, 2, 4, 6, 8. Por lo tanto el total es 10 · 10 · 10 · 10 · 5 = 50000, excepto que
debemos omitir el entero 00000. Si empiezan con el número 1, entonces son
de la forma 1xxxy, y entonces la respuesta es 10 · 10 · 10 · 5 = 5000 y esta vez
no hay necesidad de omitir ninguno de ellos.

5
49. = 5!/3!2! = 10.
3
50. Simplifique el lado derecho.
200 250
54. 50
k 20−k / 20 .
55. Considerando inicial y artificialmente que los siete dı́gitos son todos distintos,
la respuesta preliminar es 7! = 5040. Como los cuatro dı́gitos 1 son idénticos,
cualquier permutación entre ellos produce el mismo número y por lo tanto
debemos dividir el resultado preliminar por 4! Análogamente con los tres
dı́gitos 0. La respuesta final es 7!/4! 3! = 5040/(24 · 6) = 35.
56. Razonando como en el ejercicio anterior, la respuesta es 4!/(2! 1! 1!) = 6.
57. Considerando que cada año tiene 365 dias, la respuesta es 1−365·364 · · ·(365−
n + 1)/365n.
58. El total es 4536. No es cierto que la mitad de ellos sean pares y la otra mitad
impares. Existen 2296 pares y 2240 impares.
59. —
60. —
146
61. —
62. —
63. —
64. —
65. —
66. —
67. —
68. —
69. Se pueden obtener un total de 2n subconjuntos distintos de un conjunto de
cardinalidad n. Los 16 subconjuntos de {a, b, c, d} son: ∅, {a}, {b}, {c}, {d},
{a, b}, {a, c}, {a, d}, {b, c}, {b, d}, {c, d}, {a, b, c}, {b, c, d}, {a, c, d}, {a, b, d},
{a, b, c, d}.
70. 2n . El conjunto E corresponde al conjunto de los n ejes coordenados, o uniones
de éstos.
71. —
72. —
73. 26 .
74. n! (n + 1)!
75. (n!)2 .
76. 7!/(3! 2!).
77. 11!/(5! 4! 2!).
78. Considere que se tienen k casillas numeradas 1, 2, . . . , k en donde se desean
colocar n bolas sin ninguna restricción en el número de bolas que caben en
cada casilla. De esta forma, el número de bolas en la casilla 1 es el valor de
x1 , lo mismo
paraPlas casillas 2, 3, . . . , k. Las respuestas son entonces
n
a) n+k−1n . b) m=0
m+k−1
m . c) Infinito.
79. Considere que los números 1, 2, . . . , n representan casillas que se encuentran

ordenadas de manera natural. El problema puede entonces traducirse en co-
locar k bolas en este arreglo de casillas en donde cada casilla admite a lo
sumo una bola. La respuesta es entonces nk .
80. (a + b + c)3 = a3 + b3 + c3 + 3ab2 + 3ac2 + 3a2 b + 3a2 c + 3b2 c + 3bc2 + 6abc.
Probabilidad condicional e independencia
81. a) Como B = (Ac ∩B)∪(A∩B), se tiene que P (Ac ∩B) = P (B)−P (A∩B) =
P (B) − P (A)P (B) = P (B)(1 − P (A)) = P (B)P (Ac ). b) Análogo al primer
inciso. c) P (Ac ∩ B c ) = 1 − P (A ∪ B) = 1 − P (A) − P (B) + P (A ∩ B) =
1 − P (A) − P (B) + P (A)P (B) = (1 − P (A))(1 − P (B)) = P (Ac )P (B c ).
82. a) P (A ∩ B) = 0.05 b) P (Ac ∩ B) = 0.45 c) P (A ∩ B c ) = 0.05 d)
c
P (A ∪ B) = 0.55 e) P (A ∪ B) = 0.95 f) P (A ∪ B c ) = 0.55.
83. a) P (Ω|B) = P (B)/P (B) = 1 b) P (A|B) ≥ 0 c) Sean A1 y A2 ajenos.
Entonces A1 ∩ B y A2 ∩ B también son ajenos. Por lo tanto P (A1 ∪ A2 |B) =
P ((A1 ∪A2 )∩B)/P (B) = P ((A1 ∩B)∪(A2 ∩B))/P (B) = P (A1 ∩B)/P (B)+
P (A2 ∩ B)/P (B) = P (A1 |B) + P (A2 |B).
84. P (A ∩ B ∩ C) = P (C|A ∩ B)P (A|B)P (B) = ppp = p3 .
85. a) Falso. Con A = ∅ se obtiene P (A|B) = 0. b) Falso. Tómese A = Ω y B
tal que 0 < P (B) < 1. Entonces P (A|B) = 1 mientras que P (B|A) = P (B) <
1. c) Falso. Tómese A = B con 0 < P (A) < 1. Entonces P (A|B) = 1
mientras que P (A) < 1.
86. a) Verdadero y ello es consecuencia del hecho de que P (·|B) es una medida
de probabilidad. Alternativamente P (A|B) + P (Ac |B) = P (A ∩ B)/P (B) +
P (Ac ∩ B)/P (B) = P ((A ∩ B) ∪ (Ac ∩ B))/P (B) = P ((A ∪ Ac ) ∩ B)/P (B) =
P (B)/P (B) = 1. b) Falso. Tómese A = Ω. El lado izquierdo es 2 mientras
que el lado izquierdo es 1. c) Cierto. P (A|A∩B) = P (A∩B)/P (A∩B) = 1.
El cálculo es idéntico para P (B|A ∩ B).
87. Todos los incisos son ciertos. Solo es cuestión de escribir la definición de cada
probabilidad condicional.
88. a) Falso. Tómese por ejemplo A = B1 ∪ B2 . Entonces el lado izquierdo es uno
mientras que el lado derecho es dos. b) Cierto. P (A1 ∪ A2 |B) = P ((A1 ∪
148
A2 )∩B)/P (B) = P (A1 ∩B)/P (B)+P (A2 ∩B)/P (B) = P (A1 |B)+P (A2 |B).
c) Falso. Tómese B1 = B2 . El lado derecho es el cuadrado del lado izquierdo.
d) Falso. Tómese A1 = A2 . El lado derecho es el cuadrado del lado izquierdo.
89. a) P (∅∩∅) = P (∅) = 0 = P (∅)P (∅). b) P (Ω∩Ω) = P (Ω) = 1 = P (Ω)P (Ω).
90. a) Falso. Tómese B = Ω. Entonces A y B son independientes pero no son
ajenos. b) Falso. Considere el experimento de lanzar una moneda honesta,
y sean A y B los eventos de que caiga una cara y la otra respectivamente.
Entonces claramente A y B son ajenos pero no son independientes.
91. P (A ∩ ∅) = P (∅) = 0 = P (A)P (∅).
92. P (A ∩ Ω) = P (A) = P (A)P (Ω).
93. P (A ∪ B) = 1 − P (Ac ∩ B c ) = 1 − P (Ac )P (B c ) pues Ac y B c también son
independientes. Alternativamente desarrolle P (A ∪ B) y factorice adecuada-
mente.
94. a) Cierto pues la definición es simétrica respecto de los eventos A y B. b)
Falso en general. Tómese A tal que 0 < P (A) < 1. Entonces P (A∩A) = P (A)
mientras que P (A)P (A) < P (A). Cuando P (A) es cero o uno la propiedad
es válida. c) Falso. Tómese Ω = {1, 2, 3, 4} equiprobable con A = {1, 2},
B = {2, 3} y C = {3, 4}. Entonces se cumple P (A ∩ B) = 1/4 = P (A)P (B) y
P (B∩C) = 1/4 = P (B)P (C), pero P (A∩C) = 0 distinto a P (A)P (C) = 1/4.
95. La probabilidad de que no ocurra ninguno de los eventos es P (Ac ∩ B c ), que
por la independencia es igual a P (Ac )P (B c ) = (1 − p1 )(1 − p2 ).
96. Como A y B son independientes y ajenos, 0 = P (A ∩ B) = P (A)P (B). Para
que este producto se anule forzosamente alguno de los factores tiene que ser
cero.
97. a) ∅ = (0, 0), (0, 1/2). b) (0, 1/2), (1/4, 3/4). c) (0, 1/2), (1/2, 1).
d) (0, 1/2), (0, 1/2).

n

n
98. El total de subconjuntos de cardinal 1,n2,
. . . , n es nrespectivamente
1, 2,
n
. . . , n . De modo que la respuesta es 1 + · · · + n = 2n − n − 1.
Teorema de probabilidad total
99. Se puede usar el método de inducción sobre n. Claramente P (R1 ) = r/(r +b).
Suponga entonces válida la igualdad P (Rn ) = r/(r + b). Se condiciona la
probabilidad del evento Rn+1 dado el resultado de la primera extracción, y
en tal situación puede considerarse que la configuración inicial de la urna
cambia, de modo que el evento Rn+1 se refiere ahora a la n-ésima extracción
y allı́ es donde se usa la hipótesis de inducción. Entonces por el teorema de
probabilidad total,
P (Rn+1 ) = P (Rn+1 |R1 )P (R1 ) + P (Rn+1 |R1c )P (R1c )
r+c r r b
= × + ×
r+b+c r+b r+b+c r+c
r
= .
r+b
100. Sean N1 , N2 y N3 los eventos correspondientes a escoger los números 1, 2 y
3 respectivamente. Sea A el evento “obtener 5 al lanzar el dado”. Entonces
P (A) = P (A|N1 )P (N1 ) + P (A|N2 )P (N2 ) + P (A|N3 )P (N3 ) = 11/108.
Teorema de Bayes
101. Sea A el evento cuando todas las bolas son del mismo color, y N cuando
enparticular
n n
b
son todas negras. Entonces P (N |A) = P (A|N )P (N )/P (A) =
k /[ k + k ].
102. Sea R0 el evento “se recibe un cero”, y E0 el evento “se envı́a un cero”.
Análogamente se definen los eventos R1 y E1 . Entonces
a) P (R0 ) = P (R0 |E0 )P (E0 ) + P (R0 |E1 )P (E1 ) = 0.8 · 0.4 + 0.1 · 0.6 = 0.38.
b) P (R1 ) = P (R1 |E0 )P (E0 ) + P (R1 |E1 )P (E1 ) = 0.2 · 0.4 + 0.9 · 0.6 = 0.62.
c) P (E0 |R0 ) = P (R0 |E0 )P (E0 )/P (R0 ) = 0.8 · 0.4/0.38 = 0.84.
d) P (E1 |R1 ) = P (R1 |E1 )P (E1 )/P (R1 ) = 0.9 · 0.6/0.62 = 0.87.
Variables aleatorias
103. a) Discreta, los valores pueden ser 0, 1, 2, . . . si la escala de medición son

años. b) Discreta con posibles valores 0, 1, 2, . . . c) Puede ser continua y
150
considerarse teóricamente el intervalo [0, ∞). d) Discreta con posibles valo-

res 0, 1, 2, . . . si sólo se consideran unidades monetarias.
104. a) Continua con valores en (0, 1). b) Discreta con valores en el conjunto
{0, 1, 2, . . . , 8, 9}. c) Continua con valores en (0, 1). d) Continua con valores
en (0, 1/2).
105. El rango de X es el conjunto {−4, −2, 0, 2, 4, 6}. P (X = 0) = 1/6, P (X ∈
{2, 3}) = 1/6, P (X ≥ 0) = 2/3, P (X < 0) = 1/3, P (X 2 = 1) = 0, P (2X −
4 = 0) = 1/6 y P (X 2 = 4) = 1/3.
106. P (X ≥ 0) = 1/2, P (X < 0) = 1/2, P (Y > X) = 1/2, P (X + Y ≤ 1) =
3/4 + 2/π, P (Z < 1/2) = 1/4 y P (1/3 < Z < 1/2) = 5/36.
Funciones de densidad y de distribución
107. a) c = 1/55, P (X ∈ {2, 3, 4}) = 9/55, P (X < 3) = 3/55. b) c = 1/385,

P (X ∈ {2, 3, 4}) = 9/385, P (X < 3) = 3/385.
108. c = 1/2π, P (X ≥ π) = (π − 2)/2π, P (X ∈ [−π, 2π]) = 1.
109. c = 1/2, P (X ∈ (1, ∞)) = 1/2e.
110. a) y b) La constante c no puede ser cero. Tampoco puede ser positiva o nega-
tiva pues en ambos casos la función de probabilidad toma valores negativos,
lo cual no es permitido.
111. P (X ≥ 0) = 0.8, P (X < 0) = 0, P (X 2 = 1) = 0.7.
112. La función de probabilidad de X 2 es
x 0 1 4 9 25
f (x) 0.4 0.15 0.2 0.15 0.1
La de |X| es
x 0 1 2 3 5
f (x) 0.4 0.15 0.2 0.15 0.1
Y la de 2X − 5 es
x -9 -7 -5 -1 1 5
f (x) 0.1 0.15 0.4 0.1 0.15 0.1
113. El valor de c es 0.8. La función de probabilidad de X 2 es
x 0 4
f (x) 0.8 0.2
114. a) k = 2. b) F (x) = (x + 2)/10 para x ∈ [−2, 8], cero antes, uno después.
c) P (−1 ≤ X ≤ 3) = 2/5, P (X ≥ 2) = 3/5, P (X ≤ 0) = 1/5. d) m = 5/2.
115. Se trata de una variable aleatoria discreta cuya función de probabilidad es
f (1) = 1/3 y f (2) = 2/3. Por lo tanto P (X = 2) = 2/3, y P (1 < X < 2) = 0.
√
116. La función de densidad es f (x) = 1/(2 x),√ para x ∈ (0, 1). P (X = 1/2) = 0
y P (X > 1/2) = F (1) − F (1/2) = 1 − 1/ 2.
117. a) Ω = {(1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (2, 4), (3, 1), (3, 2), (3, 4), (4, 1), (4, 2)(4, 3)}.
b) La función de probabilidad de X es
x 3 4 5 6 7
f (x) 2/12 2/12 4/12 2/12 2/12
d) P (X ≥ 6) = 1/3, P (3 < X ≤ 5) = 1/2, P (X = 6) = 1/6.

118. Es función de densidad pues es no negativa y es tal que f (0)+f (1)+f (2) = 1.
119. Es función de
P4densidad pues es no negativa y por el teorema del binomio se
cumple que x=0 f (x) = (3/4+1/4)4 = 1. Esta es la función de probabilidad
de la distribución bin(n, p) con n = 4 y p = 3/4.
120. Ninguna de las funciones es de densidad. La primera no integra uno, y para
la segunda se tiene que f (3/2) < 0.
121. La función de probabilidad es f (x) = (1/2)x+1 , para x = 0, 1, 2, . . . Por lo
tanto P (0 ≤ X < 10) = F (9) = 1 − (1/2)10 .
122. c = 3. F (x) = x2 /9 para x ∈ [0, 3], cero antes, uno después.
Esperanza, varianza, momentos
123. Puede considerarse la variable aleatoria constante X = a. Alternativamente

puede tomarse a X como aquella variable aleatoria que toma los valores a − 1
y a + 1 con idéntica probabilidad 1/2. ¿Puede usted construir una variable
aleatoria continua con la propiedad indicada?
152
124. a) E(X) = 7/6. b) E(X) = 0.

125. a) E(x) = 1. b) E(X) = 4/3.
126. La función es no negativa. Usando fracciones parciales se comprueba la iden-
tidad
1 1 1
= − .
x(x + 1) x x+1
P∞
Entonces la suma x=1 f (x) esP telescópica y vale
P∞ uno.1 Por otro lado la es-
peranza no existe pues la suma ∞ x=1 xf (x) = x=1 x+1 es divergente.
127. Para demostrar que esta función es de densidad es necesario recordar que la
derivada
R∞ de la función
R h(x) = arctan x es h′ (x) = 1/(1 + x2 ). Por lo tanto
1 1 ∞ d 1 1
−∞ π(1+x2 )
dx = π −∞ dx arctan x dx = π arctan x|∞ −∞ = π (π/2 − (−π/2)) =
1. La esperanza no Rexiste por que la integral
R resultante noR es absoluta-
∞ 1 2 ∞ x 2 ∞ x
mente convergente: −∞ |x| π(1+x 2 ) dx = π 0 1+x 2 dx ≥ π 1 1+x2 dx ≥
R
2 ∞ x
R
1 ∞ 1
π 1 x2 +x2 dx = π 1 x dx = ∞.
128. a) Cierto, la constante cero cumple tal condición. b) Falso, las siguientes
dos distribuciones son distintas y ambas tienen esperanza cero.
x -1 0 1
f1 (x) 1/2 0 1/2
f2 (x) 1/3 1/3 1/3
c) Falso, si X es una variable aleatoria con esperanza finita y positiva, enton-

ces −X tiene esperanza negativa. d) Cierto, por ejemplo todas las constan-
tes son variables aleatorias con varianza cero. e) Cierto, pues la varianza es
la esperanza de una variable aleatoria no negativa. f) Falso, dos variables
aleatorias constantes distintas tienen varianza cero.
129. Tanto la esperanza como la varianza son constantes. Los resultados se siguen
del hecho de que la esperanza de una constante es la constante misma y la
varianza de una constante es cero.
130. a) E(X) = c × P (X = c) = c × 1 = c. b) E(X n ) = cn × P (X = c) =
cn × 1 = cn . c) Var(X) = (c − E(X))2 × P (X = c) = (c − c)2 × 1 = 0.
131. E(X) = 3 y Var(X) = 24/9.
132. Esta es la distribución P
geo(p) con p = 1/2.PUsaremos resultados de sumas
∞ x+1 ∞ Px
geométricas. E(X) = x=0 x(1/2) = x=1 (1/2)x+1 . Intercam-
y=1P
∞ P∞
biando el orden de las sumas se encuentra la expresión y=1 x=y (1/2)x+1
P∞ y
= y=1 (1/2) = 1. Para la varianza encontraremos primero el segundo
momento,
P∞ 2 y para elloPusaremos la identidad x2P= x(x + 1) − x. E(X 2 ) =
x+1 ∞ x+1 ∞
x=1 x (1/2) = x=0 x(x + 1)(1/2) − x=0 x(1/2)x+1 . La segun-
da suma acaba de ser Pxcalculada y vale uno. Para la primera suma escri-
ba x(x + 1) como 2 y=1 y. Intercambiando ahora el orden de las sumas
P∞ P∞ P∞
se llega a E(X 2 ) = 2 y=1 y x=y (1/2)x+1 − 1 = 2 y=1 y(1/2)y − 1 =
P
22 ∞ y=1 y(1/2)
y+1
− 1 = 4 − 1 = 3. Por lo tanto la varianza es Var(X) =
2 2
E(X ) − E (X) = 3 − 1 = 2.
133. Ambos incisos son ciertos pues tanto E(X) como Var(X) son constantes.
R∞
134. La función es de densidad pues es no negativa y la integral −∞ 12 e−|x| dx
R∞ R∞
puede ser escrita como 2 0 21 e−x dx = 0 e−x dx = 1.
R ∞ 1 −|x|
a) La esperanza de X es −∞ x 2 e dx. Separando la parte positiva y la
R ∞ 1 −x R0
negativa se obtiene 0 x 2 e dx + −∞ x 12 ex dx. Mediante el cambio de
variable y = −x se comprueba que la segunda integral es el negativo de la
primera, se obtiene que la esperanza
R∞ es cero.
b) El segundo momento es −∞ x2 21 e−|x| dx. Nuevamente separando la parte
R∞ R0
positiva de la negativa se obtiene 0 x2 12 e−x dx + −∞ x2 21 ex dx. Ahora al
hacer el cambio de variable y = −x en la segunda integral se obtiene que es
idéntica Ra la primera integral. Por lo tanto se obtiene el doble de la primera,
∞
es decir, 0 x2 e−x dx. Usando integración por partes puede comprobarse que
esta integral vale 2.
c) Por los cálculos anteriores
R ∞Var(X) = E(X 2 ) − E 2 (X) = 2.
n 1 −|x|
d) El n-ésimo momento es −∞ x 2 e dx. Nuevamente separando la parte
R∞ R0
positiva de la negativa se obtiene 0 xn 12 e−x dx + −∞ xn 12 ex dx. Al ha-
R ∞ de variable y = −x en la segunda integral se obtiene que es
cer el cambio
(−1)n+2 0 xn 12 e−x dx. Cuando n es impar se trata del negativo de la pri-
mera integral, de modo que la suma es cero. Cuando
R∞ n es par, es idéntica a la
primera integral, y entonces el resultado es 0 xn e−x dx. Aplicando repeti-
das veces el método de integración por partes se comprueba que esta integral
vale n!
135. a) Cierto pues la esperanza es lineal. b) Falso pues en general Var(cX) =
c2 Var(X). c) Falso. El lado izquierdo es Var(X) y el lado derecho es siempre
cero.
136. La tercera igualdad no es correcta pues la varianza en general no es lineal.
154
Distribución uniforme discreta
n n
X 1 1X 1 n(n + 1)
137. a) E(X) = i = i= = (n + 1)/2.
i=1
n n i=1 n 2
n n
X 1 1X 2 1 n(n + 1)(2n + 1)
b) E(X 2 ) = i2 = i = = (n + 1)(2n + 1)/6.
i=1
n n i=1 n 6
(n + 1)(2n + 1) (n + 1)2
c) Var(X) = E(X 2 ) − E 2 (X) = − = (n2 − 1)/12.
6 4
138. 45/100.
Distribución Bernoulli
139. Es muy sencillo verificar que f (x) ≥ 0, y f (0) + f (1) = 1. Además

a) E(X) = 0 (1 − p) + 1 p = p.
b) E(X n ) = 0n (1 − p) + 1n p = p.
c) Var(X) = E(X 2 ) − E 2 (X) = p − p2 = p(1 − p).
Distribución binomial
Pn
140. P
Claramente
f (x) ≥ 0. Además por el teorema del binomio x=0 f (x) =
n n x n−x
x=0 x p (1 − p) = (p + 1 − p)n = 1.
P
141. La esperanza es E(X) = nx=0 x nx px (1 − p)n−x . La suma puede empezar
desde uno. Factorizando np y escribiendo n−x = (n−1)−(x−1) se encuentra
la expresión
n
X (n − 1)!
np px−1 (1 − p)(n−1)−(x−1) ,
x=1
((n − 1) − (x − 1))!(x − 1)!
Pn x−1
lo cual es np x=1 n−1x−1 p (1 − p)(n−1)−(x−1) . Haciendo el cambio de va-
riable y = x − 1 en la suma, ésta se convierte en la suma completa de la
distribución bin(n − 1, p) y vale uno. El resultado es entonces np. Para la
varianza se usa la misma técnica. Se calcula primero el segundo momento
escribiendo x2 = x(x − 1) + x, es decir,

n
X n x
E(X 2 ) = x2 p (1 − p)n−x
x=0
x
n n
X n x n−x
X n x
= x(x − 1) p (1 − p) + x p (1 − p)n−x .
x=0
x x=0
x
La segunda suma acaba de ser calculada y vale np. La primera suma pue-
de empezar desde 2, y procediendo como en el caso de la esperanza puede
escribirse como
n
X (n − 2)!
n(n − 1)p2 px−2 (1 − p)(n−2)−(x−2) ,
x=2
((n − 2) − (x − 2))!(x − 2)!
Pn x−2
lo cual es n(n − 1)p2 x=2 n−2 x−2 p (1 − p)(n−2)−(x−2) . Haciendo el cambio
de variable y = x − 2 en la suma, ésta se convierte en la suma completa
de la distribución bin(n − 2, p) y vale uno. El segundo momento es entonces
n(n − 1)p2 + np. Por lo tanto Var(X) = E(X 2 ) − E 2 (X) = n(n − 1)p2 + np −
n2 p2 = np(1 − p).
142. n = 8 y p = 1/2.
143. P (Y = x) = P (n − X = x) = P (X = n − x). Al substituir la función de
probabilidad de X resulta que Y tiene distribución binomial con el mismo
número de ensayos n, pero la probabilidad de éxito es ahora 1−p. Si X cuenta
el número de éxitos en n ensayos Bernoulli, entonces Y cuenta el número de
fracasos.
144. Desarrolle el lado derecho.

145. 63 (1/2)6 .

146. 2n 2n
n (1/2) .
147. Recuerde que Var(X) = npq y E(X) = np. Entonces efectivamente npq ≤ np
pues q ≤ 1.
148. Los tres eventos tienen la misma probabilidad de ocurrir, cada uno de ellos
tiene probabilidad 1/26 .
156
Distribución geométrica
P∞ P∞
149. f (x) ≥ 0. Además x=0 f (x) = x=0 p(1 − p)x = p(1/p) = 1.
P∞ x
150. P
Usaremos
P resultados de sumas geométricas. E(X) = x=0 xp(1 − p) =
∞ x x
x=1 y=1 p(1 − p) . Intercambiando el orden de las sumas se encuentra la
P P∞ P∞
expresión ∞ y=1
x
x=y p(1 − p) =
y
y=1 (1 − p) = (1 − p)/p. Para la varianza
encontraremos primero el segundoP∞ momento, y paraP ello usaremos la identidad
2 2 2 x ∞ x
x
P∞ = x(x + 1) − x. E(X ) = x=1 x p(1 − p) = x=0 x(x + 1)p(1 − p) −
x
x=0 xp(1 − p) . La segunda suma acaba deP ser calculada y vale (1-p)/p.
x
Para la primera suma escriba x(x + 1) como 2 y=1 y. Intercambiando ahora
P ∞ P∞
el orden de las sumas se llega a E(X 2 ) = 2 y=1 y x=y p(1 − p)x − (1 − p)/p
P∞ P ∞
= 2 y=1 y(1 − p)y − (1 − p)/p = p2 y=1 yp(1 − p)y − (1 − p)/p = 2(1 −
p)/p2 − (1 − p)/p. Por lo tanto la varianza es Var(X) = E(X 2 ) − E 2 (X)
= 2(1 − p)/p2 − (1 − p)/p − (1 − p)2 /p2 = (1 − p)/p2 .
P∞
151. P (X ≥ a + b | X ≥ a) = P (X ≥ a + b)/P (X ≥ a) = p x=a+b (1 −
P ∞
p)x /(p x=a (1 − p)x ) = (1 − p)a+b /(1 − p)a = (1 − p)b = P (X ≥ b).
152. 8/3=2.66 extracciones.
Distribución Poisson
P∞ P∞ −λ λx
153. La función f (x) es no negativa y es tal que x=0 f (x) = x=0 e x!
−λ
P∞ λx −λ λ
= e x=0 x! = e e = 1. Para la esperanza tenemos que E(X) =
P∞ −λ λx
P∞ −λ λx P∞ −λ λx−1
x=0 x e x! = x=1 e (x−1)! = λ x=1 e (x−1)! = λ. Usando la igual-
2
dad x = x(x − 1) + x, puede encontrarse que el segundo momento es
E(X 2 ) = λ2 + λ. Por lo tanto Var(X)= E(X 2 ) − E 2 (X)= λ2 + λ − λ2 = λ.
154. Desarrolle el lado derecho.
155. Sume las series eλ = 1 + λ + λ2 /2! + λ3 /3! + · · · , y e−λ = 1 − λ + λ2 /2! −
λ3 /3! + · · ·
156. a) 0.323 b) 0.593 c) Una o dos computadoras descompuestas tienen pro-
babilidad máxima 0.2706.
Distribución binomial negativa
157. Este ejercicio no es fácil.

Una forma de resolverlo esPa través
de la fórmula
−n k n+k−1 a ∞ a x
k = (−1) k P , y la expansión (1 + t) = x=0 x t para a real
∞ r P∞ x −r

y |t| < 1. Entonces x=0 r+x−1 x p (1 − p)x
= p r
x=0 (−1) x (1 − p)x
P ∞ −r

= pr x=0 x (p − 1)x = pr (1 + p − 1)−r = 1.
158. P
Para la esperanza,
factorice el término r(1 − p)/p en la expresión E(X)=
∞ r+x−1 r
x=1 x x p (1 − p)x . Observe que la suma puede empezar desde 1. La
suma resultante es uno pues se trata de las probabilidades de la distribución
bin neg(r, p). Para la varianza use la fórmula x2 = x(x − 1) + x para calcular
primero E(X 2 ), separando las sumas. El procedimiento es análogo al caso de
la esperanza, el resultado es E(X 2 )= r(r + 1)(1 − p)2 /p2 + r(1 − p)/p. Al
substituir estos resultados en la fórmula Var(X)= E(X 2 )−E 2 (X) se obtiene
Var(X) = r(1 − p)/p2 .
159. Factorice el término (1 − p)(r + x − 1)/x en la expresión de P (X = x).
Pr
n m

n+m
160. El resultado se sigue de la fórmula k=0 k r−k = r .
Distribución uniforme continua
161. Claramente f (x) ≥ 0, y la integral de f (x) es el área del rectángulo de base

b − a y altura 1/(b − a) que vale uno.
Rb
162. a) E(X)= a x 1/(b − a) dx= (b2 − a2 )/(2(b − a)) = (a + b)/2. b) E(X 2 )=
Rb 2
a
x 1/(b − a) dx = (b3 − a3 )/(3(b − a))= (a2 + ab + b2 )/3. Por lo tanto Var(x)
= E(X 2 ) − E 2 (X)= (a2 + ab + b2 )/3 − (a + b)2 /4= (b − a)2 /12.
R1
163. E(X n )= 0 xn 1 dx= 1/(n + 1).
Rb 1
b
164. E(X n ) = a xn 1/(b − a) dx= (n+1)(b−a) xn+1 a = (bn+1 − an+1 )/((n + 1)(b −
a)).
158
R1 1
1
165. E(X n ) = −1 xn 1/2 dx = 2(n+1) xn+1 −1 . Si n es impar, entonces n + 1 es
par y la integral se anula. Si n es par, entonces n + 1 es impar y la integral
es 1/(n + 1).
166. X toma valores en (0, 1) y Y toma valores en (−5, 5). Para cualquier y ∈
(−5, 5), FY (y) = P (Y ≤ y)= P (10X − 5 ≤ y)= P (X ≤ (y + 5)/10)=
FX ((y + 5)/10). Derivando fY (y) = fX ((y + 5)/10) 1/10. Pero fX ((y + 5)/10)
vale uno sólo cuando 0 < (y + 5)/10 < 1, es decir, si −5 < y < 5. Por lo
tanto, Y tiene distribución unif(−5, 5).
167. La mediana en este caso es única y vale m = (a + b)/2 pues cumple la
condición P (X ≤ m) = P (X ≥ m) = 1/2. Vea un ejercicio anterior para la
demostración de que la media es también (a + b)/2.
Distribución exponencial
R∞
168. f (x) ≥ 0 y 0 λ e−λx dx = −e−λx |∞ 0 = 1.
R∞
169. E(X) = 0 x λ e−λx dx. Usando integración por partes con u = x y dv =
R∞ R∞
λ e−λx dx, se obtiene E(X) = 0 e−λx dx = (1/λ) 0 λ e−λx dx= 1/λ.
Para la varianza calcule primero el segundo
R∞ momento, usando
R ∞ nuevamen-
te integración por partes, E(X 2 ) = 0 x2 λ e−λx dx = 2 0 x e−λx dx =
R∞
(2/λ) 0 x λ e−λx dx = 2/λ2 . Por lo tanto Var(X)= E(X 2 ) − E 2 (X) =
2/λ2 − 1/λ2 = 1/λ2 .
170. P (X ≥ x + y | X ≥ x)= P (X ≥ x + y)/P (X ≥ x) = e−λ(x+y) /e−λx = e−λy
= P (X ≥ y).
171. F (x) F (y)= (1 − e−λx )(1 − e−λy ) = 1 − e−λx − e−λy + e−λ(x+y) = (1 − e−λx ) +
(1 − e−λy ) − (1 − e−λ(x+y) ) = F (x) + F (y) − F (x + y).
172. Suponga que el tiempo se mide en minutos. E(X) = 10 = 1/λ. Por lo tanto
λ = 1/10. Entonces P (X > 60)= 1 − P (X ≤ 60)= 1 − (1 − e−60/10 )= e−6
= 0.002478 . Por lo tanto de 1000 usuarios, aproximadamente 2.47 tienen
conexión mayor a una hora. a) P (X < 10) = F (10) = 1 − e−10/10 = 1 − e−1 =
0.6321 . b) P (10 < X < 60) = F (60)−F (10) = (1−e−6 )−(1−e−1 )= 0.3654 .
Distribución gama
173. La función es no negativa, además haciendo el cambio de variable t = λx se

R∞ n−1 R ∞ n−1 −t
obtiene 0 (λx)Γ(n) λ e
−λx 1
dx = Γ(n) 0 t e dt = Γ(n)
Γ(n) = 1.
R∞ n−1 R ∞ (λx)n
174. a) E(X) = 0 x (λx) Γ(n) λ e
−λx
dx = Γ(n+1)
λ Γ(n) 0 Γ(n+1) λ e
−λx
dx. La integral
vale uno, y usando la propiedad Γ(n + 1) = n Γ(n) se obtiene E(X) = n/λ.
R∞ n−1 R ∞ (λx)n+1
b) E(X 2 ) = 0 x2 (λx) Γ(n) λ e
−λx
dx = Γ(n+2)
λ2 Γ(n) 0 Γ(n+2) λ e
−λx
dx= (n +
1)n/λ . Por lo tanto Var(X)= E(X ) − E (X)= (n + 1)n/λ − n2 /λ2 = n/λ2 .
2 2 2 2
c) Análogo al inciso anterior.

R∞
175. a) Γ(n + 1) = 0 tn e−t dt. Use integración por partes con u = tn y dv =
e−t dt. b) Por el inciso anterior, Γ(2) R ∞= 1 Γ(1), por lo tanto es suficiente
demostrar que Γ(1) = 1, pero Γ(1) = 0 e−t dt= 1. c) Esto es consecuencia
de los dos incisos anteriores. d) Haciendo el cambio de variable x2 /2 = t,
R∞ √ R∞ 2 √ √ R∞ 2
Γ(1/2) = 0 t−1/2 e−t dt = 2 0 e−x /2 dx = 2 2π 12 −∞ √12π e−x /2 dx
√
= π. El último integrando es la densidad normal estándar.
Distribución beta
R1 1 1
R1
176. Claramente f (x) ≥ 0, y 0 B(a,b)
xa−1 (1 − x)b−1 dx = B(a,b) 0
xa−1 (1 −
B(a,b)
x)b−1 dx = B(a,b) = 1.
R1 x B(a+1,b) R1 1
177. a) E(X) = 0 B(a,b)
xa−1 (1−x)b−1 dx = B(a,b) 0 B(a+1,b)
xa (1−x)b−1 dx
= B(a+1,b)
B(a,b) . Ahora se usa la identidad B(a + 1, b)
a
= a+b B(a, b) para obtener
E(X) = a/(a + b).
R 1 x2 R1
b) E(X 2 ) = 0 B(a,b) xa−1 (1 − x)b−1 dx = B(a+2,b)
B(a,b) 0
1
B(a+2,b) x
a+1
(1 −
B(a+2,b) a+1 a+1 a
x)b−1 dx = B(a,b) . En donde B(a+2, b) = a+b+1 B(a+1, b) = a+b+1 a+b B(a, b).
2 a+1 a a+1 a a2
Por lo tanto E(X ) = a+b+1 a+b , y entonces Var(X) = a+b+1 a+b − (a+b)2
ab
= (a+b+1)(a+b)2 .
178. a) Efectúe el cambio de variable y = 1 − x.

R1
b) B(a, 1) = 0 axa−1 dx = 1/a.
R1
c) B(1, b) = 0 a(1 − x)b−1 dx = 1/b.
160
R1
d) B(a + 1, b) = 0 xa (1 − x)b−1 dx. Use integración por partes con u = xa
R1
y dv = (1 − x)b−1 dx para llegar a B(a + 1, b) = ab 0 xa−1 (1 − x)b dx=
a
b B(a, b + 1).
e) Puede usarse la identidad B(a, b) = Γ(a)Γ(b)/Γ(a + b). B(a + 1, b) =
a a
Γ(a + 1)Γ(b)/Γ(a + b + 1) = a+b Γ(a)Γ(b)/Γ(a + b)= a+b B(a, b).
b b
f) Por el inciso anterior, B(a, b + 1)= B(b + 1, a)= a+b B(b, a)= a+b B(a, b).
2
g) Efectúe el cambio de variable x = cos θ.
179. Simplemente sustituya esos valores para los parámetros a y b en la distribu-
ción beta(a, b). Recuerde que B(1, 1) = 1.
p
180. a) f (x) = 1/(π x(1 − x), para 0 < x < 1.
b) Efectúe el cambio de variable x = cos2 θ.
c) E(X) = B(1 + 1/2, 1/2)/B(1/2, 1/2) = (1/2)/(1/2 + 1/2) = 1/2. Para la
varianza use E(X 2 ) = B(2 + 1/2, 1/2)/B(1/2, 1/2).
Rx
181. Compruebe que B(a, 1) = 1/a. Por lo tanto F (x)= ( 0 ua−1 du)/B(a, 1)= xa ,
para x ∈ (0, 1).
Rx
182. Compruebe que B(1, b) = 1/b. Por lo tanto F (x)= ( 0 (1−u)b−1 du)/B(1, b)=
1 − (1 − x)b , para x ∈ (0, 1).
R1
183. E(X n )= ( 0 xn xa−1 (1 − x)b−1 dx)/B(a, b) = B(a + n, b)/B(a, b).
Distribución normal
184. Este ejercicio no es fácil pero puede resolverse por varios

R ∞ métodos. El siguiente
1 −(x−µ)2 /2σ2
método hace uso de coordenadas polares. Sea I = −∞ √2πσ 2
e dx
R ∞ 1 −x2 /2 2
R ∞ 1 −x2 /2 R ∞ 1 −y2 /2
= −∞ √2π e dx. Entonces I = ( −∞ √2π e dx) ( −∞ √2π e dy)
R ∞ R ∞ 1 −(x2 +y2 )/2 R 2π R ∞ 1 −r2 /2
= −∞ −∞ 2π e dx dy = 0 0 2π e r dr dθ, en donde la últi-
ma integral se obtiene después del cambio R∞ de variable a coordenadas polares
2
(x, y)= (r cos θ, r sen θ). Entonces I 2 = 0 e−r /2 r dr= 1.
R∞ 1 2 2
185. Considere la esperanza E(X) = −∞ x √2πσ 2
e−(x−µ) /2σ dx. Haciendo el
cambio de variable u = (x − µ)/σ se encuentra que E(X) = µ + σE(Z),
en donde Z ∼ N(0, 1). Por lo tanto es suficiente demostrar que E(Z) = 0,
R∞ 2
pero ello es fácil pues el integrando de E(Z) = −∞ u √12π e−u /2 du es una
derivada excepto por el signo. Por lo tanto E(X) = µ. Para la varianza con-
R∞ 1 2 2
sidere el segundo momento E(X 2 ) = −∞ x2 √2πσ 2
e−(x−µ) /2σ dx. Efectúe
nuevamente el cambio de variable y = (x − µ)/σ y encuentre que E(X 2 )=
R∞ 2
µ2 +2µE(Z)+σ 2 E(Z 2 ). Resta encontrar E(Z 2 ) = −∞ y 2 √12π e−y /2 dy. Esta
2
integral puede realizarse por partes con u = y y dv = y √12π e−y /2 dy. El resul-
tado es 1. Por lo tanto E(X 2 ) = µ2 + σ 2 , y entonces Var(X)= (µ2 + σ 2 )−µ2 =
σ2 .
186. Suponga X ∼ N(µ, σ 2 ). Sea Z = (X − µ)/σ. Entonces FZ (u)= P (Z ≤ u)=
P ( X−µ
σ ≤ u)= P (X ≤ µ+uσ)= FX (µ+uσ). Derivando respecto a u, fZ (u)=
fX (µ + uσ)σ. Substituya la expresión para fX (x) y encuentre la densidad
normal estándar. El procedimiento es reversible. Suponga Z ∼ N(0, 1). Sea
X = µ + σZ. Entonces FX (x)= P (X ≤ x) = P (µ + σZ ≤ x)= P (Z ≤
(x−µ)/σ)= FZ ((x−µ)/σ). Derivando respecto a x, fX (x)= fZ ((x−µ)/σ)/σ.
Substituya la expresión de fZ (x) y encuentre la densidad N(µ, σ 2 ).
187. a) P (X ≥ 10)= 1/2. b) P (X < 0)= P (Z < −2)= 0.0228 . c) P (0 <
X ≤ 10)= P (−2 < Z ≤ 0)= 0.4772 . d) P (X ≥ 20)= P (Z ≥ 2)= 0.0228 .
e) P (−20 < X ≤ 10)= P (−6 < Z ≤ 0)= 1/2.
188. a) P (X ≤ 10)= P (Z ≤ 1)= 0.8413 . b) P (X > 0)= 1/2. c) P (0 <
X ≤ 40)= P (0 < Z ≤ 4)= 1/2. d) P (X ≥ 30)= P (Z ≥ 3)= 0.0013 . e)
P (−10 < X ≤ 10)= P (−1 < Z ≤ 1)= 0.6826 .
189. a) x = 1.115 . b) x = −1.375 .
190. Suponga a > 0. Entonces FY (y)= P (Y ≤ y) = P (aX + b ≤ y)= P (X ≤
(y − b)/a)= FX ((y − b)/a). Derivando, fY (y)= fX ((y − b)/a)/a. Substituya
ahora en esta expresión la función de densidad N(µ, σ 2 ) y encuentre la función
de densidad normal ahora con media aµ + b y varianza a2 σ 2 . Haga un análisis
semejante para el caso a < 0, tenga cuidado al dividir por tal cantidad. Los
nuevos parámetros son idénticos al caso anterior.
191. Sea Y = −X. Entonces FY (y)= P (Y ≤ y)= P (−X ≤ y) = P (X ≥ −y)=
1 − P (X < −y)= 1 − FX (−y). Derivando, fY (y)= fX (−y). Substituya ahora
la función de densidad de X evaluada en −y y compruebe que se trata de la
densidad normal con media −µ y varianza σ 2 .
2
√ √ √
192. Para x √ > 0, FX (x)= P (X ≤ x)=√ P (−1 x ≤ X√≤ 1 x) = FX√ ( x) −
2
FX (− x). Derivando, fX2 (x)= fX ( x) 2√x +fX (− x) 2√x = fX ( x) √1x .

162
Ahora substituya la expresión para fX (x) y encuentre la función de densidad

de la distribución χ2 (1).
193. Para y > 0, FY (y)= P (Y ≤ y)= P (|X| ≤ y)= P (−y ≤ X ≤ y)= FX (y) −
FX (−y). Derivando, fY (y)= fX (y)+fX (−y)= 2fX (y). Ahora substituya la
función de densidad de X.
194. Sea X el llenado de un vaso cualquiera. Suponga X ∼ N(320, 100). Entonces
a) P (X > 310)= P (Z > 1)= 0.1587 . b) P (290 < X < 305)= P (−1 <
Z < 1/2)= 0.5328 . c) P (X > 320)= P (Z > 2)= 0.0228 . d) P (X <
270)= P (Z < −3)= 0.0013 . De mil clientes, 1.3 reclamarán por vasos servidos
con 270 ml. o menos.
Distribución ji cuadrada
195. La función es no negativa. Efectúe el cambio de variable t = x/2 dentro de

la integral. La integral resultante es la función gama evaluada en n/2.
196. simplemente substituya el valor n = 2 en la densidad χ2 (n). Recuerde que
Γ(1) = 1.
197. En estos cálculos es conveniente hacer el cambio de variable t = x/2 en cada
una de las integrales. Para la esperanza, el exponente de t es n/2, que puede
ser escrito como (n/2) + 1 − 1. Reconstruya la integral como la función gama
evaluada en (n/2) + 1. Después simplifique usando la propiedad Γ(n + 1) =
n Γ(n). Para la varianza, calcule primero el segundo momento, el exponente
de t es (n/2) + 1, que puede ser escrito como (n/2) + 2 − 1. Ahora reconstruya
la integral resultante como la función gama evaluada en (n/2) + 2. Después
simplifique. El cálculo del m-ésimo momento sigue las mismas lı́neas.
Distribución t
198. La función es no negativa. Para comprobar que esta función integra uno
efectúe el cambio de variable 1 − u = (1 + x2 /n)−1 y reconstruya la integral
de B(1/2, n/2).
199. La integral E(X) es absolutamente convergente y el integrando es una función
impar, por lo tanto la integral es cero. Dado este resultado, la varianza es el
segundo momento. Efectúe el cambio de variable 1 − u = (1 + x2 /n)−1 en

la integral E(X 2 ), y reconstruya la integral de B(3/2, (n − 2)/2), después
simplifique.
Vectores aleatorios
200. —
201. —
202. —
203. —
Variables y tipos de datos
204. —
Estadı́stica descriptiva
205. —
206. —
207. —
Pn Pn Pn Pn
208. i=1 (xi − x̄) = i=1 xi − nx̄ = i=1 xi − i=1 xi = 0.
Pn P n P n Pn
209. Pi=1 (xi − x̄)2 = i=1 (xP 2 2
i − 2xi x̄ + x̄ ) =
2
i=1 xi − 2x̄
2
i=1 xi + nx̄ =
n 2 2 2 n 2 2
i=1 xi − 2nx̄ + nx̄ = i=1 xi − nx̄ .
210. Idéntico al ejercicio anterior.

211. Derive la función x̄(c) respecto de la variable c, iguale a cero y encuentre que
c = x̄. Compruebe que la segunda derivada es negativa.
212. —
213. —
164
Muestras aleatorias y estadı́sticas
214. —
Estimación puntual
215. E(θ̂) = E(αθ̂1 + (1 − α)θ̂2 ) = αE(θ̂1 ) + (1 − α)E(θ̂2 ) = αθ + (1 − α)θ = θ.

n n n
1X 1X 1X 2
216. E(σ̂ 2 ) = E(Xi − µ)2 = Var(Xi ) = σ = σ2 .
n i=1 n i=1 n i=1
217. —
n−1 n−1
1 X 1 X
218. E(σ̂ 2 ) = E(Xi+1 −Xi )2 = 2
(E(Xi+1 )−2E(Xi+1 )E(Xi )+
2(n − 1) i=1 2(n − 1) i=1
n−1 n−1
1 X 1 X
E(Xi2 )) = (σ 2 + µ2 − 2µ2 + σ 2 + µ2 ) = 2σ 2 = σ 2 .
2(n − 1) i=1 2(n − 1) i=1
219. —
Método de momentos
220. —
221. —
222. —
Método de máxima verosimilitud
223. —
224. λ̂ = X̄.
Estimación por intervalos
225. —
226. —
Pruebas de hipótesis
227. Se acepta H0 .
228. Se rechaza H0 .
0 −µ
229. Cuando n → ∞, el cociente µσ/ √ 1 se va a infinito o menos infinito depen-
n
diendo del signo de la diferencia µ0 − µ1 .
166
Apéndice C
Formulario
Notación
N Conjunto de números naturales 1, 2, 3, . . .

Z Conjunto de números enteros 0, ±1, ±2, ±3, . . .
Q Conjunto de números racionales a/b en donde a, b ∈ Z con b 6= 0.
R Conjunto de números reales.
El alfabeto griego
Aα alpha Iι iota P ρ, ̺ rho

Bβ beta Kκ kappa Σ σ, ς sigma
Γγ gamma Λλ lambda T τ tau
∆δ delta M µ mu Υυ upsilon
E ǫ, ε epsilon Nν nu Φ φ, ϕ phi
Zζ zeta Ξξ xi X χ chi
H η eta Oo omikron Ψψ psi
Θ θ, ϑ theta Ππ pi Ωω omega
167
168
Tabla de la distribución normal estándar
x
Z x
1 2
Φ(x) = √ e−t /2
dt
2π −∞
x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8399
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
Apéndice C. Formulario 169
Tabla de la distribución t(n)
α
tα,n
P (T ≥ tα,n ) = α
n α =0.005 α =0.01 α =0.025 α =0.05 α =0.1
1 63.657 31.821 12.706 6.314 3.078

2 9.925 6.965 4.303 2.920 1.886
3 5.841 4.541 3.182 2.353 1.638
4 4.604 3.474 2.776 2.132 1.533
5 4.032 3.365 2.571 2.015 1.476
6 3.707 3.143 2.447 1.943 1.440
7 3.499 2.998 2.365 1.895 1.415
8 3.355 2.896 2.306 1.860 1.397
9 3.250 2.821 2.262 1.833 1.383
10 3.169 2.764 2.228 1.812 1.372
11 3.106 2.718 2.201 1.796 1.363
12 3.055 2.681 2.179 1.782 1.356
13 3.012 2.650 2.160 1.771 1.350
14 2.977 2.624 2.145 1.761 1.345
15 2.947 2.602 2.131 1.753 1.341
16 2.291 2.583 2.120 1.746 1.337
17 2.898 2.567 2.110 1.740 1.333
18 2.878 2.552 2.101 1.734 1.330
19 2.861 2.539 2.093 1.729 1.328
20 2.845 2.528 2.086 1.725 1.325
21 2.831 2.518 2.080 1.721 1.323
22 2.819 2.508 2.074 1.717 1.321
23 2.807 2.500 2.069 1.714 1.319
24 2.797 2.492 2.064 1.711 1.318
25 2.787 2.485 2.060 1.708 1.316
26 2.779 2.479 2.056 1.706 1.315
27 2.771 2.473 2.052 1.703 1.314
28 2.763 2.467 2.048 1.701 1.313
29 2.756 2.462 2.045 1.699 1.311
∞ 2.576 2.326 1.960 1.645 1.282
170
Bibliografı́a
[1] Blake I. F. An introduction to applied probability. John Wiley & Sons, 1979.
[2] Blomm G., Holst L., Sandell D. Problems and snapshots from the world of
probability. Springer-Verlag, 1994.
[3] Devore J. Probabilidad y estadı́stica para ingenierı́a y ciencias. Thomson, 2001.
[4] Feller W. Introducción a la teorı́a de probabilidades y sus aplicaciones. Limusa,
1973.
[5] Garza T. Elementos de cálculo de probabilidades. UNAM, 1983.
[6] Hernández-Del-Valle A. y Hernández-Lerma O. Elementos de probabilidad y
estadı́stica. Serie Textos No. 21, Nivel Elemental. Sociedad Matemática Mexi-
cana, 2003.
[7] Hoel P. G., Port S. C., Stone C. J. Introduction to probability theory. Houghton
Mifflin, 1971.
[8] Hoel P. G., Port S. C., Stone C. J. Introduction to statistical theory. Houghton
Mifflin, 1971.
[9] Hogg R. V., Tanis E. A. Probability and statistical inference. 1993.
[10] Kolmogorov A. N. Foundations of the theory of probability. Chelsea Publishing
Company, 1950.
[11] Mood A. M., Graybill F. A., Boes D. C. Introduction to the theory of statistics.
McGraw Hill, 1983.
171
172 Bibliografı́a
[12] Miller I., Miller M. John E. Freund’s mathematical statistics. Prentice Hall,
1999.
[13] Ross S. A first course in probability. Macmillan Publishing Company, 1994.
[14] Ross S. M. Introduction to probability and statistics for engineers and scien-
tists. 2da Edición. Academic Press, 2000.
[15] Wisniewski P. M., Bali G. Ejercicios y problemas de la teorı́a de las probabi-

lidades. Trillas, 1998.
[16] Velasco G., Wisniewski P. Probabilidad y estadı́stica para ingenierı́a y ciencias.
Thomson, 2001.
Índice
Axioma, 15 t, 71
uniforme continua, 62
Coeficiente multinomial, 25 uniforme discreta, 52
Combinaciones, 23
Conjunto Ensayo
—s ajenos, 11 Bernoulli, 53
potencia, 11 Escala
de intervalo, 85
Densidad de razón, 86
conjunta, 75, 76 nominal, 85
marginal, 79 ordinal, 85
Desviación estándar, 49 Espacio
de un conjunto de datos, 88 equiprobable, 13
Diferencia simétrica, 10 muestral, 7
Distribución Esperanza, 46
arcoseno, 130 propiedades, 49
Bernoulli, 53 Estadı́stica, 88
beta, 66 Estadı́stica, 84
binomial, 54 descriptiva, 84
binomial negativa, 59 inferencial, 84
conjunta, 77 Estandarización, 68
exponencial, 64 Estimación
gama, 65 por intervalos, 93
geométrica, 55 puntual, 89
hipergeométrica, 60 Estimador
ji-cuadrada, 70 de máxima verosimilitud, 90
marginal, 80 insesgado, 92
normal, 67 máximo verosı́mil, 90
normal estándar, 67 puntual, 89
Poisson, 57 sesgado, 92
173
174 Índice
sesgo de un, 92 Media, 46

Evento, 7 de un conjunto de datos, 87
—s ajenos, 11 muestral, 88
Experimento aleatorio, 6 Mediana
de un conjunto de datos, 87
Función Moda
beta, 66 de un conjunto de datos, 87
de verosimilitud, 90 Momento
gama, 65 muestral, 92
indicadora, 54 poblacional, 91
Función de densidad, 41 Momentos, 52
conjunta, 76 centrales, 52
marginal, 79 Muestra, 84
Función de distribución, 43 aleatoria, 88
bivariada, 78
conjunta, 77 Nivel de significancia, 101
de un vector, 77
marginal, 80 Ordenaciones
Función de probabilidad, 39 con repetición, 21
conjunta, 75 sin repetición, 22
Grado de confianza, 94 Partición, 30

Permutaciones, 23
Imagen inversa, 38 Población, 84
Independencia Postulado, 15
de dos eventos, 29 Principio de multiplicación, 20
de variables aleatorias, 80 Probabilidad
de varios eventos, 29 axiomática, 15
Insesgamiento, 92 clásica, 13
Intervalo condicional, 28
de confianza, 94 de un evento, 13
grado de confianza, 94 frecuentista, 13
lim inferior, 94 subjetiva, 15
lim superior, 94 Producto Cartesiano, 12
Prueba de hipótesis, 101
Leyes de De Morgan, 10 nivel de significancia, 101
región crı́tica, 101
Método
de máxima verosimilitud, 90 Rango
de momentos, 91 de un conjunto de datos, 88
Índice 175
Región crı́tica, 101

tamaño de la, 101
Regla del producto, 28
Sesgo, 92
Teorema
central del lı́mite, 70
de Bayes, 33
de probabilidad total, 30
del estadı́stico inconsciente, 47
Triángulo de Pascal, 25
Urna de Polya, 29, 117
Valor
esperado, 46
promedio, 46
Variable, 84
aleatoria, 35
cualitativa, 85
cuantitativa, 85
Varianza, 49
de un conjunto de datos, 87
muestral, 89
propiedades, 51
Vector
aleatorio, 74
continuo, 74
discreto, 74

Curso Elemental de Probabilidad y Estadística - UNAM PDF

Cargado por

Copyright:

Formatos disponibles

Curso Elemental de Probabilidad y Estadística - UNAM PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Curso Elemental de Probabilidad y Estadística - UNAM PDF

Cargado por

Copyright:

Formatos disponibles

Curso Elemental de

Versión: Diciembre 2007

Una versión actualizada del presente texto se encuentra disponible en formato

El presente texto constituye el material completo del curso semestral de Proba-

El texto está dirigido de manera general a alumnos de las distintas carreras de

El autor agradece cualquier comentario, sugerencia o corrección enviada al correo

En esta primera mitad del curso estudiaremos algunos conceptos elementales de la

Dos jugadores escogen cada uno de ellos un número del 1 al 6, distinto

Uno de los apostadores, Antonio de Gombaud, popularmente conocido como el ca-

Blaise Pascal Pierre de Fermat

En el segundo congreso internacional de matemáticas, celebrado en la ciudad de Pa-

La teorı́a de la probabilidad es la parte de las matemáticas que se encarga del

Ejemplo. Si un experimento aleatorio consiste en lanzar un dado y observar el

Ejemplo. Considere el experimento aleatorio de participar en un juego de loterı́a.

Ejemplo. Suponga que un experimento aleatorio consiste en observar el tiempo en

Ejercicio. Encuentre un espacio muestral para el experimento aleatorio de observar

Puesto que los conceptos de espacio muestral y evento involucran forzosamente la

Operaciones con conjuntos. Supondremos que el espacio muestral Ω de un

Cuando los conjuntos se expresan en palabras, la operación unión, A ∪ B, se lee

La diferencia entre dos conjuntos A y B se denota por A− B, y corresponde a aquel

por Ac y se define como la colección de aquellos elementos de Ω que no pertenecen

Ejemplo. Sea A el conjunto de aquellas personas que tienen hijos, y B la colec-

Ejercicio. Demuestre que si A ⊆ B, entonces B c ⊆ Ac . 

Ejercicio. Considere los subconjuntos de números reales A = {x ∈ R : x2 ≤ 1} y

Recordemos también la operación diferencia simétrica entre dos conjuntos A y B,

Recordemos además las muy útiles leyes de De Morgan:

Conjuntos ajenos. Decimos que dos conjuntos A y B son ajenos (o disjuntos)

Ejercicio. Suponga que A es el conjunto de raı́ces de la ecuación cuadrática x2 −

Ejercicio. Sean A y B dos conjuntos cualesquiera. Compruebe que la colección de

Ejercicio. Compruebe matemáticamente que si n conjuntos son ajenos, entonces

Las siguientes operaciones entre conjuntos no son elementales y producen nuevos

Conjunto potencia. El conjunto potencia de Ω, denotado por 2Ω , es aquel con-

Ejercicio. Sea Ω = {a}. ¿Quién es 2Ω ? 

Producto Cartesiano. Finalmente recordemos que el producto Cartesiano de

A × B = {(a1 , b1 ), (a1 , b2 ), (a1 , b3 ), (a2 , b1 ), (a2 , b2 ), (a2 , b3 )}.

En general los conjuntos producto A × B y B × A son distintos pues la pareja (a, b)

#(A1 × · · · × An ) = #A1 · · · #An .

Ejemplo. El producto Cartesiano R × R es el conjunto de todas las parejas de

Ejercicio. Sea A = {0, 1}. ¿Cuántos elementos tiene A × · · · × A? 

Concluimos aquı́ nuestra rápida y breve revisión de conjuntos. Recordemos que

rimentos aleatorios. En la siguiente sección estudiaremos algunas formas de definir

La probabilidad de un evento A, es un número real en el intervalo [0, 1] que deno-

Probabilidad clásica. Sea A un subconjunto de un espacio muestral Ω de car-

Probabilidad frecuentista. Suponga que se realizan n repeticiones de un cier-

No. Resultado n(A)/n No. Resultado n(A)/n

En la gráfica de la Figura 1.4 se muestra el singular comportamiento de este cociente

Probabilidad subjetiva. En este caso la probabilidad de un evento depende del

Probabilidad axiomática. En la definición axiomática de la probabilidad no

No es difı́cil verificar que las definiciones anteriores de probabilidad satisfacen estos

cuidadoso y reflexivo de las definiciones de probabilidad mencionadas anteriormen-

Proposición. Para cualquier evento A, P (Ac ) = 1 − P (A).

Demostración. De la teorı́a elemental de conjuntos tenemos que Ω = A ∪ Ac . Como

Demostración. Como ∅ = Ωc , usando la propiedad anterior, tenemos que P (∅) =

Las siguientes dos proposiciones suponen la situación A ⊆ B que se muestra gráfi-

Proposición. Si A ⊆ B, entonces P (A) ≤ P (B).

Demostración. Primeramente escribimos B = A ∪ (B − A). Como A y B − A

Proposición. Si A ⊆ B, entonces P (B − A) = P (B) − P (A).

Demostración. Como B = A ∪ (B − A), siendo esta unión ajena, por el tercer

Ejercicio. Sean A ⊆ B eventos tales que P (Ac ) = 0.9 y P (B c ) = 0.6. Compruebe

Ejercicio. Demuestre que si A ⊆ B, entonces B c ⊆ Ac .

Ejercicio. Sea Ω = {a}. ¿Quién es 2Ω ?

Ejercicio. Sea A = {0, 1}. ¿Cuántos elementos tiene A × · · · × A?