GUILLERMO AYALA Y FRANCISCO

MONTES

PROBABILIDAD
BÁSICA

UNIVERSITAT DE VALÈNCIA
2
Copyright ©5 de febrero de 2026
Guillermo Ayala and Francisco Montes
[Link]@[Link], [Link]@[Link]
This work is free. You can redistribute it and/or modify it under the terms of
the Do What The Fuck You Want To Public License, Version 2, as published by
Sam Hocevar. See [Link] for more details.
ii
Índice general

1 Espacio de probabilidad 1
1.1 Causalidad y aleatoriedad . . . . . . . . . . . . . . . . 1
1.2 Experimento, resultado, espacio muestral y suceso . . 2
1.3 Probabilidad . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Propiedades de la probabilidad . . . . . . . . . . . . . 8
1.5 Probabilidad condicionada . . . . . . . . . . . . . . . . 10
1.6 Independencia . . . . . . . . . . . . . . . . . . . . . . . 13
1.7 Probabilidades geométricas . . . . . . . . . . . . . . . 15
1.8 Odds . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.9 Distribución empírica . . . . . . . . . . . . . . . . . . 16
1.10 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.11 Soluciones . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.12 Material complementario . . . . . . . . . . . . . . . . . 39

2 Variable aleatoria 45
2.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2 Variable aleatoria . . . . . . . . . . . . . . . . . . . . . 46
2.3 Función de distribución de una variable aleatoria . . . 47
2.4 Percentiles . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.5 Variable aleatoria discreta . . . . . . . . . . . . . . . . 49
2.6 Distribución Bernoulli . . . . . . . . . . . . . . . . . . 52
2.7 Distribución binomial . . . . . . . . . . . . . . . . . . 53
2.8 Distribución Poisson . . . . . . . . . . . . . . . . . . . 55
2.9 Distribución hipergeométrica . . . . . . . . . . . . . . 57
2.10 Distribución geométrica . . . . . . . . . . . . . . . . . 59
2.11 Distribución binomial negativa . . . . . . . . . . . . . 60
2.12 Variable aleatoria continua . . . . . . . . . . . . . . . 61
2.13 Distribución uniforme . . . . . . . . . . . . . . . . . . 62
2.14 Distribución normal . . . . . . . . . . . . . . . . . . . 63
2.15 Distribución exponencial . . . . . . . . . . . . . . . . . 66
2.16 Distribución gamma . . . . . . . . . . . . . . . . . . . 67
2.17 Distribución beta . . . . . . . . . . . . . . . . . . . . . 68
2.18 Transformación una variable aleatoria . . . . . . . . . 69
2.19 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.20 Soluciones a los ejercicios . . . . . . . . . . . . . . . . 86

3 Vector aleatorio 89
3.1 Un ejemplo (discreto) . . . . . . . . . . . . . . . . . . 89
3.2 Algunas definiciones necesarias . . . . . . . . . . . . . 90
3.3 Funciones de distribución conjunta y marginales . . . 91
3.4 Distribución conjunta discreta . . . . . . . . . . . . . 94
3.5 Distribución conjunta continua . . . . . . . . . . . . . 97
3.6 Independencia de variables aleatorias . . . . . . . . . . 104

iii
iv ÍNDICE GENERAL

3.7 Distribución condicionada . . . . . . . . . . . . . . . . 108

3.8 Transformación de un vector aleatorio . . . . . . . . . 115
3.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . 119
3.10 Soluciones a los ejercicios . . . . . . . . . . . . . . . . 128
3.11 Material complementario . . . . . . . . . . . . . . . . . 133

4 Esperanza 139
4.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 139
4.2 Esperanza o media . . . . . . . . . . . . . . . . . . . . 139
4.3 Media y función de distribución . . . . . . . . . . . . . 147
4.4 Desigualdades . . . . . . . . . . . . . . . . . . . . . . . 149
4.5 Esperanza de una función de un vector aleatorio . . . 151
4.6 Esperanza condicionada . . . . . . . . . . . . . . . . . 161
4.7 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . 164
4.8 Soluciones a los ejercicios . . . . . . . . . . . . . . . . 179
4.9 Material complementario . . . . . . . . . . . . . . . . . 183

5 Sucesiones de variables aleatorias 191

5.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 191
5.2 Tipos de convergencia . . . . . . . . . . . . . . . . . . 192
5.3 Leyes de los Grandes Números . . . . . . . . . . . . . 195
5.4 Función característica . . . . . . . . . . . . . . . . . . 198
5.5 Teorema Central de Límite . . . . . . . . . . . . . . . 207
5.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . 210
5.7 Soluciones . . . . . . . . . . . . . . . . . . . . . . . . . 214

6 Simulación de variables aleatorias 223

6.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . 223
6.2 Generación de números aleatorios . . . . . . . . . . . . 224
6.3 Técnicas generales de simulación de variables aleatorias 225

A Combinatoria 233
A.1 Principio básico del conteo . . . . . . . . . . . . . . . . 233
A.2 Permutaciones . . . . . . . . . . . . . . . . . . . . . . 233
A.3 Permutaciones con repetición . . . . . . . . . . . . . . 233
A.4 Combinaciones . . . . . . . . . . . . . . . . . . . . . . 233
A.5 Argumentos combinatorios para justificar propiedades 234
A.6 Coeficientes multinomiales . . . . . . . . . . . . . . . . 234
A.7 Distribución de bolas en urnas . . . . . . . . . . . . . 234
A.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . 235
A.9 Soluciones . . . . . . . . . . . . . . . . . . . . . . . . . 236

B Algunos resultados necesarios 237

B.1 Series aritmético-geométricas . . . . . . . . . . . . . . 237
B.2 Suma de cuadrados de los n primeros enteros . . . . . 238

Glosario 243
Prólogo

Nos movemos en ambientes con incertidumbre. Tomamos decisio-

nes sin saber muy bien qué va a pasar y, por lo tanto, si era correcta
la decisión previamente tomada. Convivimos con la incertidumbre.
Y no lo podemos evitar. Quizás podemos intentar cuantificarla con
objeto de proceder con sensatez (si tenemos claro qué es eso de la
sensatez).
Este material son unas notas para un primer curso en Probabi-
lidad orientado a estudiantes de Matemáticas. Se proponen pruebas
de los resultados a un nivel introductorio. En ocasiones, son pruebas
parciales o utilizando resultados que no vemos. Es un primer curso de
Probabilidad. Contienen, además, una amplia colección de problemas.
Son unas notas de clase que intentan estar conectadas con otros textos
u otro tipo de material. Indicamos las referencias de donde sacamos
problemas para que el estudiante pueda buscar más ejercicios en esos
textos.
Otras referencias bibliográficas con un nivel matemático similar al
que aquí utilizamos son [1, 10, 11, 12, 5, 13].
Este manual es una evolución de unas notas manuscritas origi-
nalmente por Francisco Montes [8] y que se pueden consultar en
[Link] Durante mucho tiempo he-
mos compartido la enseñanza de esta preciosa disciplina que es la
Probabilidad.

v
vi ÍNDICE GENERAL
Capítulo 1

Espacio de probabilidad

1.1 Causalidad y aleatoriedad

A cualquiera que preguntemos cuanto tiempo tardaríamos en re-
correr los 350 kilómetros que separan Valencia de Barcelona, si nos
desplazamos con velocidad constante de 100 kms/hora, nos contestará
sin dudar que 3 horas y media. Su actitud será muy distinta si, previa-
mente a su lanzamiento, le preguntamos por la cara que nos mostrará
un dado. Se trata de dos fenómenos de naturaleza bien distinta:

• El primero pertenece a los que podemos denominar determi-

nistas, aquellos en los que la relación causa-efecto aparece per-
fectamente determinada. En nuestro caso concreto, la conocida
ecuación e = v · t, describe dicha relación.

• El segundo pertenece a la categoría de los que denominamos

aleatorios, que se caracterizan porque aun repitiendo en las
mismas condiciones el experimento que lo produce, el resulta-
do variará de una repetición a otra dentro de un conjunto de
posibles resultados.

La Probabilidad pretende emular el trabajo que los físicos y, en gene-

ral, los científicos experimentales han llevado a cabo. Para entender
esta afirmación observemos que la ecuación anterior, e = v · t, es un
resultado experimental que debemos ver como un modelo matemático
que, haciendo abstracción del móvil concreto y del medio en el que
se desplaza, describe la relación existente entre el espacio, el tiempo
y la velocidad. La Probabilidad utiliza modelos aleatorios o estocásti-
cos mediante los cuales podremos estudiar el comportamiento de los
fenómenos aleatorios. 1

1 Estas son unas notas de Probabilidad. Hay dos denominaciones a este tipo de

contenido: Una es la de Cálculo de Probabilidades y la otra la de Teoría de la Pro-

babilidad. Se suele entender que un curso de Cálculo de Probabilidades no se ocupa
de la fundamentación y se centra más en el uso de los resultados probabilísticos.
Un curso de Teoría de la Probabilidad presenta una fundamentación rigurosa de
la Probabilidad utilizando Teoría de la Medida. Estas notas serían más un curso
de Cálculo de Probabilidades. Hablaremos de Probabilidad en este manual.

1
2 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

1.2 Experimento, resultado, espacio mues-

tral y suceso
Nuestro interlocutor sí que será capaz de responder que el dado
mostrará una de sus caras. Al igual que sabemos que la extracción al
azar de una carta de una baraja española pertenecerá a uno de los
cuatro palos: oros, copas, espadas o bastos. Es decir, el experimento
asociado a nuestro fenómeno aleatorio da lugar a un resultado, ω, de
entre un conjunto de posibles resultados. Este conjunto de posibles re-
sultados recibe el nombre de espacio muestral y lo denotaremos por
Ω. A los subconjuntos de resultados los llamaremos sucesos aleato-
rios o, simplemente, sucesos. Cuando el resultado del experimento
pertenece al suceso A (ω ∈ A) decimos que ha ocurrido o se ha
realizado A.
Lo mejor es ilustrar con ejemplos simples.

Ejemplo 1.1. Consideramos el lanzamiento de una moneda.2 Coge-

mos la moneda y la lanzamos. Al resultado consistente en que vemos
la cara le llamamos cara y cruz a la situación en que vemos una cruz.
Por tanto, el espacio muestral es

Ω = {ω1 , ω2 },

donde entendemos que ω1 significa que ha salido cara y ω2 significa

que ha salido cruz. Son elementos de un conjunto. Podemos denotarlos
como queramos. Por ejemplo, representar la cara por C y la+ cruz
con + (en textos en inglés la notación es H y T). El espacio muestral
es
Ω = {C, +}.
Y posibles sucesos aleatorios serían

A = {C}, , B = {+}.

El suceso A significa que nos sale cara y el suceso B que nos sale cruz.

Ejemplo 1.2. Después de la moneda viene el dado.3 Ahora el espacio

muestral podríamos indicarlo de un modo natural como

Ω = {1, . . . , 6},

donde el resultado 1 significa que nos sale el número 1. Y así los demás.
Sucesos que pueden interesar (sobre todo si estamos apostando y por
lo tanto ganamos y perdemos dinero) podrían ser

A = {2, 4, 6},

que indica que obtenemos un número par. O

A = {5, 6},

que el número obtenido es mayor o igual a 5. O cada uno de los re-

sultados elementales consistentes en obtener un número determinado.
2 ¿Cómo empezar un curso de Probabilidad sin hablar de lanzar una moneda?

Mejor no decir qué moneda. Dejémoslo en que la moneda es una peseta. Si se nos
pierde tampoco perdemos tanto.
3 Del dado tampoco nos libramos.
1.2. EXPERIMENTO, RESULTADO, ESPACIO MUESTRAL Y SUCESO3

Ejemplo 1.3. Lanzamos dos monedas. Al lanzar dos monedas el

espacio muestral viene definido por Ω = {CC, C+, +C, ++}. Dos
ejemplos de sucesos en este espacio pueden ser:

A ={Ha salido una cara}={C+,+C},

B ={Ha salido más de una cruz}={++}.

Ejemplo 1.4. El experimento consiste en elegir al azar un número

en el intervalo unitario. Parece un experimento raro y, de hecho, es
uno de los experimentos más importantes. En este caso los posibles
resultados son cada número real en el intervalo unitario [0, 1]. Posibles
sucesos serían: A = [0.27, 0.5], que el número aleatorio sea mayor o
igual a 0.27 y menor o igual que 0.5.

Ejemplo 1.5. Elegimos un punto al azar en el círculo unidad. Su

espacio muestral es el disco unitario centrado en el origen: Ω = {x ∈
R2 :k x k≤ 1}. Ejemplos de sucesos pueden ser: A = {ω : k ω k< 0.5}
y B = {ω : 0.3 <k ω k< 0.75}.

Con frecuencia, ideas que conceptualmente no son triviales las da-

mos como obvias. Acabamos de hacer algo así. El universo de cosas que
pueden pasar cuando un experimento aleatorio (con resultado incier-
to) se realiza lo hemos asociado con un conjunto. Hemos establecido
(sin mayores comentarios) una conexión entre un mundo físico don-
de ocurren cosas con un mundo abstracto en donde trabajamos con
conjuntos.

Sucesos, conjuntos y σ-álgebra de sucesos

Puesto que los sucesos no son más que subconjuntos de Ω, podemos
operar con ellos de acuerdo con las reglas de la teoría de conjuntos.
Todas las operaciones entre conjuntos serán aplicables a los sucesos y
el resultado de las mismas dará lugar a nuevos sucesos cuyo significado
debemos conocer. Existen, por otra parte, sucesos cuya peculiaridad
e importancia nos lleva a asignarles nombre propio. De estos y de
aquellas nos ocupamos a continuación:

Suceso cierto o seguro: cuando llevamos a cabo cualquier experi-

mento aletorio es seguro que el resultado pertenecerá al espacio
muestral, por lo que Ω, en tanto que suceso, ocurre siempre y
recibe el nombre de suceso cierto o seguro.

Suceso imposible: en el extremo opuesto aparece aquel suceso que

no contiene ningún resultado que designamos mediante ∅ y que,
lógicamente, no ocurre nunca, razón por la cual se le denomina
suceso imposible.

Sucesos complementarios: la ocurrencia de un suceso, A, supone

la no ocurrencia del suceso que contiene a los resultados que no
están en A, es decir, Ac . Ambos sucesos reciben el nombre de
complementarios.

Unión de sucesos: la unión de dos sucesos, A ∪ B, da lugar a un

nuevo suceso que no es más que el conjunto resultante de dicha
unión. En consecuencia, A ∪ B ocurre cuando el resultado del
experimento pertenece a A, a B o ambos a la vez.
4 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

Intersección de sucesos: la intersección de dos sucesos, A ∩ B, es

un nuevo suceso cuya realización tiene lugar si el resultado per-
tenece a ambos a la vez, lo que supone que ambos ocurren si-
multáneamente.
Sucesos incompatibles: Existen sucesos que al no compartir nin-
gún resultado su intersección es el suceso imposible, A ∩ B = ∅.
Se les denomina, por ello, sucesos incompatibles. Un suceso A y
su complementario Ac , son un buen ejemplo de sucesos incom-
patibles.
¿Nos va a interesar la probabilidad de todos los posibles sucesos?
O simplemente, ¿podremos dar la probabilidad de cualquier suceso?
Conviene una pequeña reflexión: la noción de suceso es un concep-
to que surge con naturalidad en el contexto de la experimentación
aleatoria. De la misma forma, es necesario que los sucesos poseean
una mínima estructura que garantice la estabilidad de las operaciones
naturales que con ellos realicemos, entendiendo por naturales la com-
plementación, la unión y la intersección. Esta dos últimas merecen
comentario aparte para precisar que no se trata de uniones e intersec-
ciones en número cualquiera, puesto que más allá de la numerabilidad
nos movemos con dificultad. Bastará pues que se nos garantice que
uniones e intersecciones numerables de sucesos son estables y dan lu-
gar a otro suceso. Existe una estructura algebraica que verifica las
condiciones de estabilidad que acabamos de enumerar.
Definición 1.1. Una familia de conjuntos A definida sobre Ω decimos
que es una σ-álgebra si:
1. Ω ∈ A.
2. A ∈ A ⇒ Ac ∈ A.
3. {An }n≥1 ⊂ A ⇒ ∪n≥1 An ∈ A.
La familia de las partes de Ω4 , P(Ω), cumple con la definición
y es por tanto una σ-álgebra de sucesos, de hecho la más grande
de las existentes. En muchas ocasiones excesivamente grande para
nuestras necesidades, que vienen determinadas por el colección inicial
de sucesos de interés o importantes.
Ejemplo 1.6. Si suponemos que nuestro experimento consiste en ele-
gir al azar un número en el intervalo [0,1], nuestro interés se centrará
en conocer si la elección pertenece a cualquiera de los posibles subinter-
valos de [0,1]. La σ-álgebra de sucesos generada a partir de ellos, que
es la menor que los contiene, se la conoce con el nombre de σ-álgebra
de Borel en [0,1], β[0,1] , y es estrictamente menor que P([0, 1]). No
todos los subconjuntos del intervalo unitario son conjuntos de Borel.
En resumen, el espacio muestral vendrá acompañado de la corres-
pondiente σ-álgebra de sucesos, la más conveniente al experimento.
El par que ambos constituyen, (Ω, A), recibe el nombre de espacio
medible.
Señalemos por último que en ocasiones no es posible economizar
esfuerzos y A coincide con P(Ω). Por ejemplo, cuando el espacio mues-
tral es numerable.
4 Recordar que dado un conjunto A, se define el conjunto partes de A, P(A),

como otro conjunto formado por todos los subconjuntos del conjunto dado.
1.3. PROBABILIDAD 5

1.3 Probabilidad
Ya sabemos que la naturaleza aleatoria del experimento impide
predecir de antemano el resultado que obtendremos al llevarlo a cabo.
Queremos conocer si cada suceso de la σ-álgebra se realiza o no. En
otras palabras, si dado un suceso A el resultado ω del experimento
está en A o no. Esto no es posible. No podemos predecir en cada
realización del experimento si el resultado va a estar o no en cada
suceso. En Probabilidad la pregunta se formula del siguiente modo:
¿qué posibilidad hay de que tenga lugar cada uno de los sucesos? La
respuesta exige un tercer elemento que nos proporcione esa informa-
ción: Una función de conjunto P , es decir, una función definida sobre
la σ-álgebra de conjuntos de sucesos, que a cada uno de ellos le asocie
un valor numérico que exprese la mayor o menor probabilidad o posi-
bilidad o certidumbre de producirse cuando se realiza el experimento.
Esta función de conjunto se conoce como medida de probabilidad
o simplemente probabilidad.
El concepto de probabilidad aparece ligado en sus orígenes a los
juegos de azar, razón por la cual se tiene constancia del mismo des-
de tiempos remotos. A lo largo de la historia se han hecho muchos y
muy diversos intentos para formalizarlo, dando lugar a otras tantas
definiciones de probabilidad que adolecían todas ellas de haber sido
confeccionadas ad hoc, careciendo por tanto de la generalidad sufi-
ciente que permitiera utilizarlas en cualquier contexto. No por ello el
interés de estas definiciones es menor. Veamos un par de ejemplos.
El método frecuencialista se puede aplicar en experimentos sus-
ceptibles de ser repetidos en las mismas condiciones una infinidad de
veces. En este caso, la probabilidad de un suceso A, P (A), se define
como el límite5 al que tiende la frecuencia relativa de ocurrencias del
suceso A. Si consideramos el lanzamiento sucesivo e independiente de
una moneda bien construida entonces nuestra intuición nos dice que
si lanzamos un gran número de veces la moneda y nos fijamos en la
frecuencia de veces que sale cara entonces en el límite la frecuencia de
caras será de 1/2 que sería la probabilidad del suceso consistente en
salir cara.
En el método clásico o fórmula de Laplace si el experimen-
to tiene un espacio muestral finito con n resultados posibles, Ω =
{ω1 , . . . , ωn }, la probabilidad de un suceso A (⊂ Ω) se define como

|A|
P (A) = . (1.1)
|Ω|
6
Esta definición de probabilidad se suele expresar diciendo que la
probabilidad del suceso es el cociente del número de casos favorables,
el cardinal de A, dividido por el número de casos posibles, el número
total de resultados o cardinal del espacio muestral Ω. Simplemente
la definición de Laplace define la probabilidad de un suceso como el
cociente entre el número de casos favorables dividido por el número
de casos posibles. Es la conocida fórmula de Laplace que la propuso
a finales del siglo XVIII.
5 Debemos advertir que no se trata aquí del límite de una sucesión. Notemos

que los elementos de la sucesión son aleatorios. Cómo se entienden los conceptos
de convergencia en el contexto de la Probabilidad difieren de las habituales del
Análisis Matemático por la naturaleza aleatoria de los objetos que intervienen.
6 Denotamos por |A| el cardinal del conjunto A.
6 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

Las anteriores definiciones son aplicables cuando las condiciones

exigidas al experimento son satisfechas y dejan un gran número de
fenómenos aleatorios fuera de su alcance. Estos problemas se soslayan
con la definición axiomática propuesta por A.N. Kolmogorov 7 en
1933.

Definición 1.2. Una función de conjunto, P , definida sobre la σ-

álgebra A es una medida de probabilidad si:

1. P (A) ≥ 0 para todo A ∈ A.

2. P (Ω) = 1.

3. P es numerablemente aditiva (o σ-aditiva), es decir, si {An }n≥1

es una sucesión de sucesos disjuntos de A, entonces
X
P (∪n≥1 An ) = P (An ).
n≥1

A la terna (Ω, A, P ) la denominaremos espacio de probabilidad.

Los axiomas propuestos por Kolmogorov no son más que la generaliza-
ción de las propiedades que posee la frecuencia relativa. La definición
se apoya en las aproximaciones previas existentes y al mismo tiempo
las incluye como situaciones particulares que son. 8

Ejemplo 1.7. Supongamos que observamos el número de microorga-

nismos en un cultivo; el número de defectos en un monitor de orde-
nador o en una pieza de cerámica o, en general, en una unidad de
producto. O el número de personas a favor de una propuesta mediante
una encuesta electoral. En todos los ejemplos indicados el conjunto
de posibles resultados es finito o, si es infinito, en cualquier caso es
numerable. Veamos la situación con generalidad.

1. Tenemos un espacio muestral, Ω = {ωn }n≥1 , numerable.

2. Tomamos como σ-álgebra de conjuntos la familia formada por

todos los posibles subconjuntos de Ω.

3. Sea
P p una función no negativa definida sobre Ω verificando:
n≥1 p(ωn ) = 1.

4. Definimos X
P (A) = p(ωn ).
ωn ∈A

Se verifica que la función de conjunto que acabamos de definir es

una medida de probabilidad. Un espacio de probabilidad así recibe el
nombre de espacio de probabilidad discreto.9 Hay un caso particular de
7 [Link]
8 Si consultamos la referencia original (su traducción al inglés) [7](pág. 14) pode-

mos ver que realmente Kolmogorov pedía la aditividad en el caso finito y luego que
si A1 ⊃ A2 ⊃ . . . An ⊃ . . . todos ellos en la σ-álgebra y verificando ∩n≥1 An = ∅
entonces se verifica que limn→+∞ P (An ) = 0. En lo que sigue se estudia la equi-
valencia de ambas situaciones. Es más habitual formular la axiomática como lo
hemos hecho.
9 Si el espacio medible, (Ω, A), es arbitrario pero la probabilidad P verifica que

existe un subconjunto numerable de Ω, DP = {ωk , k ≥ 1}, y una sucesión de valores

no negativos, {pk }k≥1 , tal que P (A) = ωk ∈A∩D pk , se dice que la probabilidad
es discreta. Observemos que debe verificarse P (D) = ωk ∈D pk = 1.
P
1.3. PROBABILIDAD 7

especial interés, el llamado espacio de probabilidad discreto uniforme,

en el que Ω es finito, Ω = {ω1 , ω2 , . . . , ωN }. Además la función p viene
dada por
1
p(ωn ) = , ∀ωn ∈ Ω.
N
Entonces para A = {ωn1 , . . . , ωnm } se tiene
m
P (A) = ,
n
que es la fórmula de Laplace. El nombre de uniforme se justifica porque
la masa unitaria de probabilidad está uniformemente repartida sobre
todos los posibles resultados ya que es constante en cada punto.
Los ejemplos más inmediatos de espacios de probabilidad discretos
uniformes pueden ser los siguientes:
1. Lanzamiento de una moneda correcta: dos resultados (cara y
cruz) equiprobables.
2. Lanzamiento de un dado correcto: seis resultados equiprobables.
3. La lotería nacional donde los resultados son los distintos núme-
ros que se juegan y todos ellos son equiprobables.10
4. En un estudio de opinión si elegimos al azar a un individuo de la
población. El espacio muestral es el conjunto de individuos que
componen la población en estudio (habitualmente los habitantes
de una nación o región). Se elige al azar, esto es, uniformemente
a una persona de la población.
No todos los experimentos producen una cantidad numerable de
resultados.
Ejemplo 1.8. Este es un ejemplo de probabilidades geométrica. Un
ejemplo conocido puede ser lanzar un dardo en un diana. Si el lan-
zador no es un experto11 lo más que logrará será que el dardo de en
la diana pero sin poder precisar dónde. De alguna manera es un lan-
zamiento uniforme en la diana. Con un poco más de formalismo este
experimento se puede ver como elegir un punto al azar en un círculo
de radio 1, el espacio muestral resultante estará formado por todos
los puntos del círculo Ω = {(ω1 , ω2 ) : ω12 + ω22 ≤ 1}. La elección al
azar implica que la masa de probabilidad se distribuye uniformemente
en todo el círculo, lo que significa que cualquiera de sus puntos pue-
de ser igualmente elegido. Las características del espacio no permiten
afirmar, como hacíamos en el caso finito, que cada punto tiene la mis-
ma probabilidad. Ahora la uniformidad se describe afirmando que la
probabilidad de cualquier suceso A es directamente proporcional a su
área, P (A) = k|A|. Pero P (Ω) = 1 = k|Ω| = kπ, de donde k = 1/π,
y de aquí,
|A| |A|
P (A) = = ,
|Ω| π
10 Al menos para nosotros lo son. Sin embargo, no lo es para muchas personas.
Cuando ocurrió el atendado en las Ramblas de Barcelona el 17 de agosto de 2017
se agotaron inmediatamente los décimos de la Lotería Nacional correspondientes
a la fecha 17817. Podemos consultarlo en [Link]
/09/16/[Link] Hay que destacar (y alabar) la enorme
preocupación que los compradores mostraban por las personas fallecidas.
11 Como sabemos los expertos lanzadores de dardos suelen ser también expertos

bebedores de cerveza antes o después del lanzamiento.

8 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

para aquellos conjuntos A donde tenga sentido medir su área. En

Probabilidad nos conformamos con los que pertenecen a la σ-álgebra
de Borel que es la mínima que contiene a los conjuntos abiertos en
la topología usual. Por ejemplo, si A ={puntos que distan del centro
menos de 1/2}, A será el círculo de radio 1/2 y
π/4 1
P (A) = = .
π 4

1.4 Propiedades de la probabilidad

De la definición de probabilidad se deducen algunas propiedades
muy útiles.
Proposición 1.1. 1. La probabilidad del vacío es cero.
2. Aditividad finita: Si A1 , . . . , An son elementos disjuntos de A
entonces
Xn
P (∪ni=1 Ai ) = P (Ai ).
i=1

3. P (Ac ) = 1 − P (A).
4. Monotonía: Si A, B ∈ A, A ⊂ B, entonces P (A) ≤ P (B).
5. Probabilidad de una unión cualquiera de sucesos: Si A1 , . . . , An ∈
A, entonces
n
X X
P (∪ni=1 Ai ) = P (Ai ) − P (Ai ∩ Aj ) + . . . +
i=1 i<j

(−1)n+1 P (A1 ∩ . . . ∩ An ). (1.2)

6. Continuidad de la probabilidad: Sea {An }n≥1 una sucesión mo-

nótona creciente de sucesos y sea A su límite.12 Se tiene que
P (A) = lim P (An ), (1.3)
n→+∞

o que es continua desde abajo. Análogamente si An ↓ A13 en-

tonces
P (A) = lim P (An ). (1.4)
n→+∞
o que es continua desde arriba.
7. Subaditividad: Dados los sucesos A1 , . . . , An tenemos
n
(1.5)
X
P (∪ni=1 Ai ) ≤ P (Ai ).
i=1

Si tenemos una sucesión de sucesos {An }n≥1 entonces

(1.6)
X
P (∪n≥1 An ) ≤ P (An ).
n≥1

La desigualdad anterior (bien en el caso finito o numerable) es

conocida como la desigualdad de Boole.14
12 Se dice que la sucesión de conjuntos A crece al conjunto límite A y lo deno-
n
tamos por An ↑ A si An ⊂ An+1 , ∀n y ∪n≥1 An = A.
13 Se dice que los conjuntos A
n decrecen al conjunto A y lo denotamos por
An ↓ A si An+1 ⊂ An , ∀n y ∩n≥1 An = A.
14 [Link]
1.4. PROPIEDADES DE LA PROBABILIDAD 9

Prueba. 1. La probabilidad del vacío es cero: Ω = P

Ω ∪ ∅ ∪ ∅ ∪ ...
y por la aditividad numerable, P (Ω) = P (Ω) + k≥1 P (∅), de
modo que P (∅) = 0.
2. Aditividad finita: Si A1 , . . . , An son elementos disjuntos de A,
aplicando la σ-aditividad, la propiedad anterior y haciendo Ai =
∅, i > n tendremos
n
X
P (∪ni=1 Ai ) = P (∪i≥1 Ai ) = P (Ai ).
i=1

3. Se deduce de aquí fácilmente que ∀A ∈ A, P (Ac ) = 1 − P (A).

4. Monotonía: Si A, B ∈ A, A ⊂ B, entonces de P (B) = P (A) +
P (B \ A) se deduce que P (A) ≤ P (B).
5. Probabilidad de una unión cualquiera de sucesos (fórmula de
inclusión-exclusión): Para su obtención observemos que si n = 2
es cierta, pues

P (A1 ∪ A2 ) = P (A1 ) + P (A2 \ A1 ) =

P (A1 ) + P (A2 \ A1 ) + P (A1 ∩ A2 ) − P (A1 ∩ A2 ) =
P (A1 ) + P (A2 ) − P (A1 ∩ A2 ). (1.7)

El resto se sigue por inducción.

6. Continuidad de la probabilidad: Sea {An }n≥1 una sucesión mo-
nótona creciente de sucesos y sea A su límite. Si, a partir de la
sucesión inicial, definimos Bn = An \ ∪n−1
i=1 Ai = An \ An−1 , para
n > 1, y B1 = A1 , se tiene
X
P (A) = P (∪n≥1 An ) = P (∪n≥1 Bn ) = P (Bn ) =
n≥1
n
lim P (Bj ) = lim P ∪nj=1 Bj = lim P (An ). (1.8)
X

n→+∞ n→+∞ n→+∞
j=1

Esta propiedad se conoce como continuidad desde abajo. Si la

sucesión es decreciente y An ↓ A, la sucesión de complementa-
rios será creciente y aplicando la continuidad desde abajo y que
P (B c ) = 1−P (B), tendremos que P (An ) ↓ P (A), que se conoce
como continuidad desde arriba.
7. Subaditividad: Dados los sucesos A1 , . . . , An , la relación existen-
te entre la probabilidad de la unión de los Ai y la probabilidad
de cada uno de ellos es la siguiente:
n
X
P (∪ni=1 Ai ) ≤ P (Ai ).
i=1

En efecto, sean B1 = A1 y Bi = Ai \ ∪i−1 j=1 Aj para i = 2, . . . , n.

Los Bi son disjuntos y ∪ni=1 Bi = ∪ni=1 Ai . Por la aditividad finita
y la monotonía de P se tiene
n
X n
X
P (∪ni=1 Ai ) = P (∪ni=1 Bi ) = P (Bi ) ≤ P (Ai ).
i=1 i=1
10 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

Si se trata de una sucesión de sucesos, {An }n≥1 , se comprueba

tomando límites en ambos miembros de la desigualdad anterior
que X
P (∪n≥1 An ) ≤ P (An ).
n≥1

1.5 Probabilidad condicionada

Si compramos un número para una rifa que se celebra anualmente
durante las fiestas de verano en nuestro pueblo y que está compuesta
por 100 boletos numerados del 1 al 100, sabemos que nuestra proba-
bilidad ganar el premio, suceso que designaremos por A, vale
1
P (A) =
100
Supongamos que a la mañana siguiente de celebrase el sorteo alguien
nos informa que el boleto premiado termina en 5. Con esta infor-
mación, ¿continuaremos pensando que nuestra probabilidad de ganar
vale 10−2 ? Desde luego sería absurdo continuar pensándolo si nuestro
número termina en 7, porque evidentemente la nueva probabilidad
valdría P 0 (A) = 0, pero aunque terminara en 5 también nuestra pro-
babilidad de ganar habría cambiado, porque los números que terminan
en 5 entre los 100 son 10 y entonces
1
P 0 (A) = ,
10
10 veces mayor que la inicial.
Supongamos que nuestro número es el 35 y repasemos los elemen-
tos que han intervenido en la nueva situación. De una parte, un suceso
original A ={ganar el premio con el número 35}, de otra, un suce-
so B ={el boleto premiado termina en 5} de cuya ocurrencia se nos
informa a priori. Observemos que A ∩ B ={el número 35} y que la
nueva probabilidad encontrada verifica,
1 1/100 P (A ∩ B)
P 0 (A) = = = ,
10 10/100 P (B)
poniendo en evidencia algo que cabía esperar, que la nueva proba-
bilidad depende de P (B). Estas propiedades observadas justifican la
definición que damos a continuación.
Definición 1.3. Sea (Ω, A, P ) un espacio de probabilidad y sean A y B
dos sucesos, con P (B) > 0, se define la probabilidad de A condicionada
a B mediante la expresión,
P (A ∩ B)
P (A|B) = .
P (B)
A la anterior expresión se la denomina probabilidad porque verifica
los tres axiomas que definen el concepto de probabilidad, como fácil-
mente puede comprobarse. De entre los resultados y propiedades que
se derivan de este nuevo concepto, tres son especialmente relevantes:
el teorema de factorización, el teorema de la probabilidad total y el
teorema de Bayes.
1.5. PROBABILIDAD CONDICIONADA 11

Teorema de factorización
De la definición de probabilidad condicionada se deduce que la
probabilidad de la intersección de dos sucesos puede expresarse de la
forma P (A∩B) = P (A|B)P (B). El teorema de factorización extiende
este resultado para cualquier intersección finita de sucesos.
Consideremos los sucesos A1 , A2 , . . . , An , tales que P (∩ni=1 Ai ) > 0,
por inducción se comprueba fácilmente que

P (∩ni=1 Ai ) = P An | ∩n−1 n−2

i=1 Ai P An−1 | ∩i=1 Ai . . . P (A2 |A1 )P (A1 ).

Ejemplo 1.9. En una urna que contiene 5 bolas blancas y 4 ne-

gras, llevamos a cabo 3 extracciones consecutivas sin reemplazamien-
to. ¿Cuál es la probabilidad de que las dos primeras sean blancas y
la tercera negra? Cada extracción altera la composición de la urna
y el total de bolas que contiene. De acuerdo con ello tendremos (la
notación es obvia)
445
P (B1 ∩ B2 ∩ N3 ) == P (N3 |B1 ∩ B2 )P (B2 |B1 )P (B1 ) = . (1.9)
789

Teorema de la probabilidad total

Supongamos que A1 , A2 , . . . , An constituyen un partición del Ω,
esto es, ∪ni=1 Ai = Ω y Ai ∩ Aj = ∅. Supongamos también que tienen
probabilidad no nula, P (Ai ) > 0, ∀i. Entonces cualquier suceso B
puede expresarse como B = ∪ni=1 B ∩ Ai donde los conjuntos B ∩ Ai
son disjuntos. Por tratarse de una unión disjunta podemos escribir
n n
(1.10)
X X
P (B) = P (B ∩ Ai ) = P (B|Ai )P (Ai ).
i=1 i=1

Este resultado se conoce con el nombre de teorema de la probabilidad

total.

Aplicación 1.1. Es bien conocida la reticencia de la gente a contestar

cualquier encuesta, reticencia que se convierte en clara desconfianza
y rechazo si el cuestionario aborda lo que podríamos denominar temas
delicados: situación económica, creencias religiosas, afinidades políti-
cas, costumbres sexuales, consumo de estupefacientes, . . . El rechazo y
la desconfianza están casi siempre basados en la creencia de una insu-
ficiente garantía de anonimato. Es comprensible, por tanto, el afán de
los especialistas en convencer a los encuestados de que el anonimato
es absoluto. El teorema de la probabilidad total puede ayudar a ello.
Supongamos que un sociólogo está interesado en conocer el con-
sumo de drogas entre los estudiantes de un instituto de bachillerato.
Elige 100 estudiantes al azar y para garantizar la confidencialidad de
las respuestas, que sin duda redundará en un resultado más fiable, di-
seña una estrategia consistente en que cada estudiante extrae al azar
un bola de un saco o urna que contiene 100 bolas numeradas del 1 al
100, conservándola sin que nadie la vea,

• si el número de la bola elegida está entre el 1 y el 70, contesta

a la pregunta ¿has consumido cocaína alguna vez?,

• si el número de la bola elegida está entre el 71 y el 100, contesta

a la pregunta ¿es par la última cifra de tu DNI?
12 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

En ambos casos la respuesta se escribe sobre un trozo de papel sin

indicar, lógicamente, a cuál de las dos preguntas se está contestando.
Realizado el proceso, las respuestas afirmativas han sido 25 y para
estimar la proporción de los que alguna vez han consumido droga
aplicamos (1.10). Denotamos por B el suceso consistente en que la
respuesta ha sido positiva mientras que A1 y A2 denotan los sucesos
consistentes en que se ha respondido afirmativamente al consumo de
cocaína o bien afirmativamente a si el dígito final del DNI es par:

P (B) = P (B|A1 )P (A1 ) + P (B|A2 )P (A2 ).

Sustituyendo,

0.25 = P (B|A1 ) × 0.7 + 0.5 × 0.3,

y despejando,
0.25 − 0.15
P (B|A1 ) = ≈ 0.14.
0.7
Es obvio que P (B|A2 ) ha de ser conocida muy aproximadamente,
como en el caso de la terminaciones del DNI, que por mitades deben
de ser pares o impares.

Teorema de Bayes
Puede tener interés, y de hecho así ocurre en muchas ocasiones,
conocer la probabilidad asociada a cada elemento de la partición dado
que ha ocurrido B, es decir, P (Ai |B). El siguiente resultado se conoce
como teorema de Bayes.
Teorema 1.1. Supongamos que los sucesos {Ai }ni=1 forman una par-
tición del espacio muestral Ω15 y consideramos un suceso arbitrario
B tal que P (B) > 0 entonces se verifica

P (Ai ∩ B) P (B|Ai )P (Ai )

P (Ai |B) = = Pn .
P (B) i=1 P (B|Ai )P (Ai )

Este resultado, conocido como el teorema de Bayes 16 , permi-

te conocer el cambio que experimenta la probabilidad de Ai como
consecuencia de haber ocurrido B. En el lenguaje habitual de la Pro-
babilidad a P (Ai ) se la denomina probabilidad a priori y a P (Ai |B)
probabilidad a posteriori, siendo la ocurrencia de B la que establece
la frontera entre el antes y el después. ¿Cuál es, a efectos prácticos, el
interés de este resultado? Veámoslo con un ejemplo.
Ejemplo 1.10. Tres urnas contienen bolas blancas y negras. La com-
posición de cada una de ellas es la siguiente: U1 = {3B, 1N }, U2 =
{2B, 2N }, U3 = {1B, 3N }. Se elige al azar una de las urnas, se ex-
trae de ella una bola al azar y resulta ser blanca. ¿Cuál es la urna con
mayor probabilidad de haber sido elegida?
Mediante U1 , U2 y U3 , representaremos también la urna elegida.
Estos sucesos constituyen una partición de Ω y se verifica, puesto que
la elección de la urna es al azar,
1
P (U1 ) = P (U2 ) = P (U3 ) = .
3
15 Estamos asumiendo Ai ∩ Aj = ∅ si i 6= j y que ∪n
i=1 Ai = Ω.
16 [Link]
1.6. INDEPENDENCIA 13

Si B={la bola extraída es blanca}, tendremos

3 2 1
P (B|U1 ) = , P (B|U2 ) = , P (B|U3 ) = .
4 4 4
Lo que nos piden es obtener P (Ui |B) para conocer cuál de las ur-
nas ha originado, más probablemente, la extracción de la bola blanca.
Aplicando el teorema de Bayes a la primera de las urnas,
1 3
3 · 4 3
P (U1 |B) = 1 3 1 2 1 1 = ,
3 · 4 + 3 · 4 + 3 · 4
6

y para las otras dos, P (U2 |B) = 2/6 y P (U3 |B) = 1/6. Luego la
primera de las urnas es la que con mayor probabilidad dió lugar a una
extracción de bola blanca.17

1.6 Independencia
A veces conocer la ocurrencia de un suceso no modifica la probabi-
lidad de ocurrencia de otro. Y es muy interesante. Veamos el concepto
de independencia de dos sucesos y luego vamos a extender este con-
cepto al caso de colecciones de sucesos.

Dos sucesos independientes

Ejemplo 1.11. Tenemos un tetraedro con una cara roja, una cara
negra, una cara blanca y la cuarta cara pintada con los tres colores.
Admitimos que el tetraedro está bien construido, de manera que al
lanzarlo sobre una mesa tenemos la misma probabilidad de que se
apoye sobre una cualquiera de las cuatro caras, a saber, p = 14 . El
experimento consiste en lanzar el tetraedro y ver la cara en la que se
apoya. Si

R ={el tetraedro se apoya en una cara con color rojo},

N ={el tetraedro se apoya en una cara con color negro},

B ={el tetraedro se apoya en una cara con color blanco}.

En este ejemplo podemos comprobar con facilidad que P (R|N ) = P (R)

y esto es cierto para cada par de sucesos que tomemos entre los tres
considerados.

¿Qué ocurre con un par de sucesos donde no se modifica la pro-

babilidad de uno condicionando al otro? Es claro que se deduce la
siguiente igualdad

P (A ∩ B) = P (A|B)P (B) = P (A)P (B).

Esto nos permite dar la siguiente definición de sucesos independientes.

17 El teorema de Bayes es uno de estos resultados nos llevan a pensar que la cosa

no era para tanto. Se tiene ante él la sensación que produce lo trivial, hasta el
punto de atrevernos a pensar que lo hubiéramos podido deducir nosotros mismos
de haberlo necesitado, aunque afortunadamente el reverendo Thomas Bayes se
ocupó de ello en un trabajo titulado An Essay towards solving a Problem in the
Doctrine of Chances, publicado en 1763. Conviene precisar que Bayes no planteó
el teorema en su forma actual, que es debida a Laplace.
14 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

Definición 1.4. Sean A y B dos sucesos. Decimos que A y B son

sucesos independientes si P (A ∩ B) = P (A)P (B).
De esta definición se obtiene como propiedad,
P (A ∩ B) P (A)P (B)
P (A|B) = = = P (A),
P (B) P (B)
y su simétrica P (B|A) = P (B).
En ocasiones se define la independencia de dos sucesos a partir de
este resultado, obteniéndose entonces como propiedad la que nosotros
hemos dado como definición. Existe equivalencia entre ambas defini-
ciones, aunque a fuerza de ser rigurosos, hay que matizar que definir
el concepto a partir de la probabilidad condicional exige añadir la
condición de que el suceso condicionante tenga probabilidad distinta
de cero. Hay además otra ventaja a favor de la definición basada en la
factorización de P (A ∩ B): pone de inmediato en evidencia la simetría
del concepto.

Un conjunto de sucesos independientes

Cuando trabajamos con más de dos sucesos simultáneamente la
cosa ya no es tan simple. El ejemplo 1.11 tenía un cierto grado de
sorpresa. Saber algo sobre si un color ha aparecido nos debiera decir
algo sobre si alguno de los otros ha salido. Y no ha sido así. Tengo tres
sucesos: R, N y B. Supongamos que conozco si se han producido dos
de ellos. ¿Sigo sin modificar mi probabilidad de que ocurra el otro? Por
ejemplo, sé que ha ocurrido N y B, esto es, sé que se ha producido
N ∩ B: ¿cuál es la probabilidad condicionada de R? Tenemos que
P (B|N ∩ B) = 1. Por lo tanto hay algún tipo de dependencia entre
todos estos sucesos. En Probabilidad se define independencia y por
negación la dependencia.
El concepto de independencia puede extenderse a una familia finita
de sucesos en lo que se conoce como independencia mutua de sucesos.
Definición 1.5. Se dice que los sucesos de la familia {A1 , . . . , An }
son mútuamente independientes cuando
m
(1.11)
Y
P (Ak1 ∩ . . . ∩ Akm ) = P (Aki )
i=1

siendo {k1 , . . . , km } ⊂ {1, . . . , n} y los ki distintos.

Conviene señalar que la independencia
mutua nde
los n sucesos
supone que han de verificarse nn + n−1 n


+ . . . 2 = 2n − n − 1
ecuaciones del tipo dado en la ecuación (1.11).
Si solamente se verificasen aquellas igualdades que implican a dos
elementos diríamos que los sucesos son independientes dos a dos, que
es un tipo de independencia menos restrictivo que el anterior. De
hecho, en el ejemplo 1.11 tenemos independencia dos a dos pero no
independencia mutua.
El tipo de independencia habitualmente exigida es la mutua, a la
que nos referiremos simplemente como independencia.
Definición 1.6. Si la colección de sucesos es infinita entonces diremos
que los sucesos que la componen son mutuamente independientes
cuando cualquier subcolección finita lo sea.
1.7. PROBABILIDADES GEOMÉTRICAS 15

Independencia de clases de sucesos

Si A y B son sucesos independientes, ni A ni B nos proporcionan
información sobre la ocurrencia del otro. Parece lógico que tampoco
nos digan mucho sobre los complementarios respectivos. La pregunta
es ¿son A y B c independientes? La respuesta afirmativa la deducimos
a continuación.

P (A ∩ B c ) = P (A) − P (A ∩ B) =
P (A) − P (A)P (B) = P (A)(1 − P (B)) = P (A)P (B c ). (1.12)

Del mismo modo se comprueba que Ac es independiente tanto de B

como de B c . Los conjuntos de sucesos {A, Ac } y {B, B c } son indepen-
dientes en el sentido que al tomar un suceso de cada una de ellos, los
sucesos son independientes. De forma más general podemos hablar de
clases independientes de sucesos.

Definición 1.7. Las clases de sucesos A1 , . . . , An ⊂ A se dicen inde-

pendientes, si al tomar Ai en cada Ai , i = 1, . . . , n, los sucesos de la
familia {A1 , . . . , An } son independientes.

Notemos que en la definición no se exige que los elementos de cada

clase Ai sean independientes entre sí. De hecho, A y Ac sólo lo son si
P (A) = 0 ó P (A) = 1.
Para una colección infinita de clases de sucesos la anterior de-
finición se extiende con facilidad. Diremos que {An }n≥1 ⊂ A son
independientes si cualquier subcolección finita lo es.

1.7 Probabilidades geométricas

En lo anterior hemos visto el experimento consistente en obtener
un punto aleatorio uniforme en un círculo. Este tipo de experimen-
tos en donde cada resultado corresponde con un punto y el espacio
muestral es un región del plano son frecuentes e importantes. Estas
probabilidades reciben el nombre de probabilidades geométricas. Si
λ2 (A) denota el área de A entonces la probabilidad de A, de que salga
A, de que el punto aleatorio esté en A viene dada por

λ2 (A)
P (A) = . (1.13)
λ2 (Ω)

Por las propiedades del área en R2 se sigue que lo que acabamos de

definir es una medida de probabilidad. La definición que acabamos
para subconjuntos de R2 se puede extender de un modo simple a
cualquier Ω ⊂ Rk que tenga volumen finito.

1.8 Odds
Consideremos un suceso A con probabilidad P (A) los odds del
suceso es el cociente
P (A)
odds(A) = . (1.14)
1 − P (A)
16 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

1.9 Distribución empírica

Supongamos unos valores numéricos dados, x1 , . . . , xn ,18 y consi-
deremos como espacio muestral Ω = {x1 , . . . , xn }, como sucesos todos
los posibles subconjuntos de Ω y como medida de probabilidad, P , la
uniforme es decir
1
P ({xi }) = , (1.15)
n
y, para cualquier suceso A,

|A|
P (A) = , (1.16)
n
siendo |A| el cardinal de A. A esta distribución se la conoce como dis-
tribución empírica sobre {x1 , . . . , xn } y tiene una gran importancia
en Estadística.

1.10 Ejercicios
Los asteriscos que preceden a cada ejercicio en este capítulo y en
los posteriores indican su dificultad: *, baja; **, media y ***, alta. Los
problemas de una sección muy probablemente utilizando los conceptos
y resultados de las secciones previas.

Espacio de probabilidad
* Ej. 1 — En cada uno de los siguientes experimentos indicar el
espacio muestral correspondiente.
[Link] de una moneda.
[Link] simultáneo de dos monedas.
[Link] simultáneo de n monedas.
[Link] de un dado.
[Link] simultáneo de dos dados.
[Link]ón al azar de una persona en el censo de votantes de la
Comunidad Valenciana.
[Link]ón al azar de un árbol en un bosque.
[Link]ón aleatoria (y sin reemplazamiento) de 7 números entre
los números que van del 1 al 50.
[Link] una mano en una baraja de póquer.
[Link] un dardo sobre una diana.
[Link] una rosquilleta en dos trozos de un modo aleatorio.

Fórmula de Laplace
En esta sección nos encontramos en la situación de resultados equi-
probables por lo que básicamente hemos de contar los casos favorables
a los sucesos de interés y el total de resultados del experimento.
18 En Estadística será una muestra observada de datos. Por ejemplo, tensiones

arteriales de un grupo de pacientes o número de empleados en una muestra de

empresas.
1.10. EJERCICIOS 17

* Ej. 2 — ([10, pág 3])Lanzamos un dado correcto y anotamos el

valor en la cara superior. Elegimos un segundo dado y repetimos la
operación. Se pide:
1.¿Cuál es la probabilidad que de la suma de los dos números sea
igual a 5?
2.¿Qué probabilidad tenemos de que un dado muestre el número 2
y el otro el 4?
3.¿Qué probabilidad tenemos de que el segundo dado muestre un
número mayor al primero?
4.¿Qué probabilidad tenemos de que el segundo dado muestre un
número menor al primero?

** Ej. 3 — ([10, pág. 4])Repetimos el problema anterior pero va-

mos a suponer que los dados tienen n caras (con n ≥ 4) y que están
bien construidos.19
* Ej. 4 — Se lanzan al aire dos monedas bien construidas. De las
siguientes afirmaciones cuál, si alguna, te parece la solución correcta
a la pregunta ¿cuál es la probabilidad de que aparezcan dos caras?
Razona la respuesta.
[Link] que o bien aparecen dos caras o bien no aparecen dos
caras la probabilidad es 12 .
[Link] número de caras obtenido puede ser 0, 1 o 2. La probabilidad
de 2 caras es 13 .
[Link] sean monedas iguales, vamos a considerar que podemos
etiquetarlas como moneda 1 y moneda 2. Teniendo en cuenta
ese orden, los posibles resultados son CC, C+, +C y ++. La
probabilidad de dos caras, CC, es 14 .

* Ej. 5 — Supongamos que tres corredores del equipo A y tres del

equipo B participan en una carrera. Si los seis tienen las mismas ap-
titudes y no hay empates, ¿cuál es la probabilidad de que los tres
corredores del equipo A lleguen en primero, segundo y tercer lugar
y los tres corredores del equipo B lleguen en cuarto, quinto y sexto
lugar?

** Ej. 6 — Una urna contiene 100 bolas, de las cuales r son rojas.
Supongamos que las bolas son seleccionadas al azar de una en una y
sin reemplazo. Determinar:
[Link] probabilidad de que la primera bola extraída sea roja.
[Link] probabilidad de que la quincuagésima bola extraída sea roja.
[Link] probabilidad de que la última bola extraída sea roja.

* Ej. 7 — La baraja española consta de 40 cartas distribuidas en

cuatro palos: oros, copas, espadas y bastos. Cada uno de estos palos
está compuesto por 10 cartas: as, dos, tres, cuatro, cinco, seis, siete,
sota, caballo y rey. Jugamos a un juego en el que se reparten 6 cartas
a cada jugador. Se pide hallar la probabilidad de cada uno de estos
sucesos:
19 Todas las caras equiprobables.
18 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

[Link] exactamente dos reyes.

[Link] el as de oros.
[Link] 4 cartas iguales (nos referimos a tener 4 con mismo ”nú-
mero”: pueden ser 4 seises, 4 doses, o también 4 reyes, 4 ases,
etc).
[Link] 6 cartas del mismo palo.

* Ej. 8 — (FS Examen 11/06/24)Una baraja ordinaria de cincuen-

ta y dos cartas se divide aleatoriamente en cuatro montones de trece
cartas cada uno. Calcula la probabilidad de que cada pila tenga exac-
tamente un as.
** Ej. 9 — Juego de dados tradicional chino que se juega durante
la celebración del año nuevo. En este juego se lanzan 6 dados. Según
parece un lanzamiento con exactamente dos pares gana a un lanza-
miento con exactamente un par. ¿Cuál es la probabilidad de cada uno
de estos sucesos? En otras palabras, encuentra la probabilidad de ob-
tener exactamente par en un lanzamiento de 6 dados y la probabilidad
de obtener exactamente dos pares en un lanzamiento de 6 dados. 20

* Ej. 10 — Un cajón contiene 10 pares de calcetines. Elegimos al

azar 8 calcetines:
(a)¿Cuál es la probabilidad de que no haya ningún par entre los 8
elegidos?
(b)¿Cuál es la probabilidad de que haya exactamente un par entre
los 8 elegidos?

** Ej. 11 — La baraja francesa consta de 52 cartas distribuidas en

cuatro palos o colores: tréboles, diamantes, corazones y picas. Cada
uno de estos palos está compuesto por 13 cartas: uno o as, dos, tres,
cuatro, cinco, seis, siete, ocho, nueve, diez y las tres figuras, que se
llaman valet (V, equivalente al Jack inglés), Dame (D, equivalente a
la Queen ingles) y Roi( R, equivalente al King inglés). en una mano
de poker se reparten 5 cartas a cada jugador. Se pide hallar la proba-
bilidad de cada uno de estos sucesos:
[Link] escalera de color (5 cartas consecutivas del mismo palo)
[Link] poker (4 cartas iguales x x x x y)
[Link] un full (un trío y una pareja x x x y y)
[Link] 5 cartas del mismo palo
[Link] una escalera (5 cartas consecutivas)
[Link] un trío (x x x y z)
[Link] dobles parejas (x x y y z)
[Link] una pareja (x x y z w)

* Ej. 12 — (FS)En el juego del bridge, la baraja completa de 52

cartas se reparte entre 4 jugadores. ¿Cuál es la probabilidad de los
siguientes sucesos?
[Link] de los jugadores recibe las 13 picas.
20 Sacar un par no significa que la puntuación del dado sea un número par sino

sacar una pareja, por ejemplo un par de seises son 2 seises.

1.10. EJERCICIOS 19

[Link] jugador reciba exactamente un as.

** Ej. 13 — Es conocido como el problema de los cumpleaños. En

una reunión hay n personas. ¿Cuál es la probabilidad de que dos de
ellas tengan el mismo cumpleaños? Para resolver el problema vamos a
suponer que una persona dada tiene la misma probabilidad de nacer
cualquier día del año.

** Ej. 14 — Tres grupos de amigos eligen al azar entre tres bares

para ir a cenar, sin restricción en el número de grupos por bar.
[Link] los posibles resultados y, considerando que son equiproba-
bles, calcular la probabilidad de los sucesos: A = {Primer bar vacío},
B = {Los dos primeros bares vacíos} y C = {Cada bar no tiene más de un grupo}.
[Link] las probabilidades de A, B y C si se distribuyen los tres
grupos entre n bares, n ≥ 2.

** Ej. 15 — Tenemos k personas que se sientan aleatoriamente en

n asientos con n > k.
[Link] los asientos están situados en fila, ¿cuál es la probabilidad de
que ocupen k asientos contiguos en la fila?
[Link] los asientos están situados en círculo, ¿cuál es la probabilidad
de que ocupen k asientos contiguos del círculo?
[Link] k personas se sientan aleatoriamente en una fila de 2k asientos,
¿cuál es la probabilidad de que no haya dos personas sentadas
en asientos contiguos?

** Ej. 16 — Hemos cuadriculado una cierta zona en seis columnas

y cuatro filas. Denotamos por C(i, j) la celda que ocupa la fila i y la
columna j. Considerad el siguiente juego. Tenemos una ficha colocada
en el rectángulo marcado como C(4, 1). La ficha puede moverse hacia
la derecha o hacia arriba. Se pregunta:
1.¿Cuántos posibles caminos hay para moverse desde C(4, 1) hasta
C(1, 6)?
[Link] el jugador pasa de camino por la celda C(2, 5) recibe un pre-
mio. Supongamos que cada camino tiene la misma probabilidad
de ser elegido, ¿cuál es la probabilidad de que el jugador pase
por C(2, 5) cuando va de C(4, 1) a C(1, 6)?

** Ej. 17 — Tenemos una urna con 20 bolas rojas y 10 bolas azules.

Vamos extrayendo (sin reemplazamiento) bolas aleatoriamente de la
urna. ¿Cuál es la probabilidad de que extraer todas las bolas rojas
antes que de que todas las bolas azules hayan sido extraídas? Supon-
gamos que añadimos a la urna 8 bolas negras de modo que ahora
tenemos 20 rojas, 10 azules y 8 negras. Repetimos las extracciones su-
cesivas sin reemplazamiento y se pide responder la misma pregunta.
¿Cuál es la probabilidad de extraer todas las bolas rojas antes que de
que todas las bolas azules hayan sido extraídas?

** Ej. 18 — En un ascensor suben 6 personas que pueden bajar en

8 pisos. Suponiendo que cada persona elige el piso independientemente
de las demás. ¿Qué probabilidad tenemos de que al menos dos bajen
en el mismo piso? Responder bajo el supuesto que las personas se
distinguen.
20 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

** Ej. 19 — Una urna contiene 5 bolas numeradas de 1 a 5. Extrae-

mos dos al azar. ¿Cuál es la probabilidad de que difieran en al menos
2 unidades si las extracciones se llevan con o sin reemplazamiento?
Dar ambas soluciones si fueran n las bolas, numeradas de 1 a n.

** Ej. 20 — Un equipo de béisbol está formado por 6 jugadores

de primera línea y 4 de segunda línea. Si los jugadores se dividen en
compañeros de habitación al azar, ¿cuál es la probabilidad de que haya
exactamente dos parejas de compañeros de habitación formadas por
un jugador de segunda línea y un jugador de primera línea? Justifica
tu respuesta.

Utilizando las propiedades de la probabilidad

* Ej. 21 — Supongamos dos sucesos A y B. Demostrar que

P (A ∩ B) ≥ P (A) + P (B) − 1.

Ej. 22 — ([10, pág. 32])Utilizando la desigualdad de Boole y el he-

cho de que (∪ni=1 Ai )c = ∩ni=1 Aci demostrar que
n
X
P (B1 ∩ . . . ∩ Bn ) ≥ P (Bi ) − (n − 1).
i=1

* Ej. 23 — [[4, Cap. 2]] Supongamos unos sucesos An con n ≥ 1 y

tales que P (An ) = 1. Demostrar que P (∩n≥1 An ) = 1.

** Ej. 24 — Este es el problema de las coincidencias. Supongamos

que 4 invitados llegan a una casa y dejan el sombrero en el vestíbulo. Si
a la salida los recuperan de modo aleatorio, calcular la probabilidad de
que ninguno de ellos reciba su propio sombrero. Resolver el problema
suponiendo que, en lugar de 4 invitados, tenemos un número arbitrario
n de invitados. 22
*** Ej. 25 — Se tiene una baraja francesa sin comodines con 52
cartas enumeradas de la siguiente forma: A, 2, 3, 4, 5, 6, 7, 8, 9, 10,
J, Q, K. Después de barajar, colocamos el mazo boca abajo. Vamos
mostrando y retirando las cartas del mazo mientras cantamos su enu-
meración de forma ordenada empezando con el A y acabando con la
K. Una vez cantada la K, cantamos otra vez el A y volvemos a empe-
zar. El objetivo del juego es mostrar toda la baraja sin que coincida el
numero cantado con el numero mostrado. Si en algún momento dado
coinciden, el juego se acaba y se considera fracaso. ¿Que probabilidad
hay de conseguirlo? 23

*** Ej. 26 — Sea (Ω, A, P) un espacio de probabilidad. Si A y B son

dos sucesos y A4B es la diferencia simétrica entre ambos, definimos
22 Este es un problema clásico que aparece ya citado en el libro de Montmort

(1713) Essay d’analyse sur les jeux de hazard en relación con un juego de cartas
conocido como le Jeu du Treize (El Juego del Trece), que consistía en descubrir
al azar 13 cartas numeradas del 1 al 13 ganando el jugador cuando el orden de
aparición de la carta y su número coincidían. El problema se presenta en múltiples
versiones, sombreros elegidos al azar, sobres con direcciones en los que se intro-
ducen al azar cartas encabezadas con esas direcciones, permutaciones aleatorias,
...
23 Propuesto por Jorge Camarero y Eduardo García (22/09/2015).
1.10. EJERCICIOS 21

las funciones d1 (A, B) y d2 (A, B) mediante

d1 (A, B) = P (A4B),

y (
P (A4B)
P (A∪B) si P (A ∪ B) 6= 0,
d2 (A, B) =
0 si P (A ∪ B) = 0.
Probar que d1 y d2 son distancias.

Ej. 27 — Demostrar la siguiente desigualdad de Bonferroni.

n
X
P (E1 ∩ E2 ∩ . . . ∩ En ) ≥ P (Ei ) − (n − 1).
i=1

**** Ej. 28 — ([10, pág. 32])En este problema nos ocupamos de

las desigualdades de Bonferroni. En la desigualdad de Boole hemos
visto como la probabilidad de la unión de una colección finita arbi-
traria de sucesos es menor o igual a la suma de las probabilidades.
Denotemos
n
X
S1 = P (Ai ), S2 =
i=1

(1.20)
X X
P (Ai ∩ Aj ), . . . , Sk = P (Ai1 ∩ Aik ), . . .
1≤i<j≤n 1≤i1 <...<ik ≤n

La fórmula de la inclusión-exclusión la podemos escribir como

n
X
P (∪ni=1 Ai ) = (−1)k+1 Sk .
k=1

Se trata de probar las desigualdades de Bonferroni que afirma que si

k es impar entonces
k
X
P (∪ni=1 Ai ) ≤ (−1)j+1 Sj ,
j=1

mientras que si k es par entonces

k
X
P (∪ni=1 Ai ) ≥ (−1)j+1 Sj .
j=1

** Ej. 29 — Demostrar que la axiomática de Kolmogorov (dada en

la definición 1.2) es equivalente a la siguiente axiomática:
1.P (A) ≥ 0 para todo A ∈ A.
2.P (Ω) = 1.
[Link] {Ai }ni=1 son disjuntos dos a dos entonces P (∪ni=1 Ai ) =
Pn
i=1 P (Ai ).
[Link] ↓ ∅ entonces limn→+∞ P (An ) = 0.

** Ej. 30 — Supongamos un espacio de probabilidad (Ω, A, P ). De-

mostrar que las siguientes dos propiedades son equivalentes:
22 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

[Link] ↓ A entonces limn→+∞ P (An ) = P (A) para cualquier A ∈ A.

[Link] ↓ ∅ entonces limn→+∞ P (An ) = 0.

** Ej. 31 — Demostrar que la axiomática de Kolmogorov (defini-

ción 1.2 es equivalente a la siguiente axiomática:
1.P (A) ≥ 0 para todo A ∈ A.
2.P (Ω) = 1.
[Link] {Ai }ni=1 son disjuntos dos a dos entonces P (∪ni=1 Ai ) = i=1 P (Ai ).
Pn

4.{An }n≥1 es una sucesión de sucesos decreciente a un suceso A

(An ↓ A) entonces limn→+∞ P (An ) = P (A).

Probabilidad condicional y teorema de Bayes

* Ej. 32 — Consideremos un espacio de probabilidad (Ω, A, P ) B
tal que P (B) > 0. Se pide demostrar que la función de conjunto
P (A ∩ B)
P (A|B) = ,
P (B)
considerada sobre la σ-álgebra de conjuntos A es una medida de pro-
babilidad, esto es, que verifica los axiomas de una medida de proba-
bilidad.
* Ej. 33 — Diremos que un conjunto B repele al conjunto A si
P (A|B) < P (A), y lo atrae si P (A|B) > P (A). Demostrar que si
B atrae a A, entonces A atrae a B y B c repele a A.

* Ej. 34 — Demostrar el teorema de factorización.

* Ej. 35 — Tenemos tres urnas. La primera tiene una bola blanca y

una negra, la segunda una blanca y dos negras y la tercera tiene una
bola blanca y tres negras. El experimento consiste en elegir una urna
al azar. Una vez elegida la urna, elegimos una bola al azar dentro de
la urna. Se pide calcular la probabilidad de obtener una bola blanca.

* Ej. 36 — [[4, sección 1.4]] Tenemos n urnas. La r-ésima urna tiene

r-1 bolas rojas y n-r bolas verdes. Elegimos una urna al azar y sacamos
dos bolas al azar sin reemplazamiento. Determinar la probabilidad de:
[Link] segunda bola es verde;
[Link] segunda bola es verde, dado que la primera es verde.

* Ej. 37 — Proporcionamos a A un trozo de papel para que escriba

un signo + o un signo −, sabiendo que escribe el primero con proba-
bilidad 1/3. El papel pasa a B, quien lo deja como está o cambia el
signo antes de pasarlo a C. A continuación C, que puede o no haber
cambiado el signo, lo pasa a D, quien finalmente nos lo devuelve tras
haber introducido o no algún nuevo cambio. Si comprobamos que el
papel tiene escrito un signo + y sabemos que la probabilidad de que
B, C y D cambiaran el signo es 2/3, obtener la probabilidad de que
A escribiera originalmente un signo +.

* Ej. 38 — Un test para diagnosticar cierta enfermedad tiene una

sensibilidad del 95% y una especificidad del 99%. Si la enfermedad en
cuestión tiene una prevalencia del 0.5%, ¿cuál es el valor predictivo
del test?
1.10. EJERCICIOS 23

* Ej. 39 — Una urna contiene 2 bolas blancas, 5 negras y 3 rojas.

Extraemos consecutivamente dos bolas sin reemplazamiento. El color
de la primera no se comprueba, la segunda es negra.
[Link] la probabilidad de que la primera haya sido blanca.
[Link] esta misma probabilidad en el caso de que hiciéramos
una tercera extracción y la bola fuera blanca.

* Ej. 40 — Se busca un paraguas en un inmueble tiene siete pisos.

La probabilidad de que el paraguas esté en cada uno de los pisos del
inmueble es p/7 (0 < p < 1). Se han explorado en vano los seis pri-
meros pisos. ¿Cuál es la probabilidad de que el paraguas se encuentre
en el séptimo piso?

* Ej. 41 — ([11])Tenemos en una urna 5 bolas blancas y 10 bolas

negras. Lanzamos un dado correcto y extraemos sin reemplazamiento
de la urna ese número de bolas. ¿Qué probabilidad tenemos de que
el resultado del lanzamiento sea el número 3 si todas las bolas son
blancas? Responder la pregunta anterior también el caso en que las
extracciones son con reemplazamiento.

* Ej. 42 — Tres prisioneros A, B y C son informados por su carce-

lero de que se ha elegido al azar a uno de ellos para ser ejecutado y que
los otros dos van a ser liberados. El prisionero A le pide al carcelero
que le diga en privado cuál de sus compañeros va a ser liberado, ase-
gurándole que no pasa nada porque le dé esa información puesto que
él sabe que al menos uno de los otros dos quedará libre. El carcelero
no quiere contestar la pregunta porque dice que si A supiera cuál de
sus dos compañeros va a ser liberado entones su propia probabilidad
de ser ejecutado subiría de 13 a 12 porque entonces él sería uno de
los dos que podría ser ejecutado. ¿Qué piensas del razonamiento del
carcelero?
** Ej. 43 — Una bola marcada puede estar en una cualquiera de
las dos urnas que tenemos disponibles, con probabilidades p y 1 − p,
respectivamente. La probabilidad de extraer la bola de la urna en la
que está alojada es r (r 6= 1). ¿Cuál es la mejor forma de utilizar
n extracciones con reemplazamiento, de cualquiera de las dos urnas,
para que la probabilidad de extraer la bola sea máxima?

* Ej. 44 — Disponemos de 3 cajas de 20 piezas cada una. El número

de piezas que reúnen las condiciones de calidad exigidas son, respec-
tivamente, 20, 15 y 10. De una de las cajas elegida al azar se extrae
una pieza que resulta ser buena. Se devuelve a la caja y se extrae una
segunda pieza que también resulta buena. ¿Cuál es la probabilidad de
que la caja elegida haya sido la tercera?

** Ej. 45 — Un taxi se ve involucrado en un accidente nocturno.

En la ciudad hay dos compañias de taxis, los taxis negros y los taxis
blancos. Se sabe que el 85% de los taxis de la ciudad son negros y el
15% restante son blancos. Un testigo del accidente afirma que el taxi
involucrado era blanco y la fiabilidad de su testimonio es del 80%, es
decir, es capaz de identificar correctamente el color del taxi el 80% de
las veces.
[Link] ningún cálculo previo, ¿piensas que es más probable que el
taxi accidentado fuera el negro o el blanco?
24 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

[Link] la probabilidad de que el taxi accidentado fuera el blanco

y compara ambas respuestas.
[Link] que para 0 ≤ p ≤ 1 el 100p% de los taxis son blancos
y que la fiabilidad del testigo continúa siendo del 80%. Estudia la
sensibilidad a los datos de la respuesta anterior viendo como varía
ésta en función de p. ¿A partir de qué valor de p la probabilidad
de que haya sido el taxi blanco el accidentado supera 0.5?
[Link] análisis anterior puede completarse permitiendo que la fiabi-
lidad del testigo sea variable, 100q%, con 0 ≤ q ≤ 1. Determina
la región dentro del cuadrado

{(p, q) : 0 ≤ p ≤ 1, 0 ≤ q ≤ 1}

en la que la probabilidad de que haya sido el taxi blanco el acci-

dentado supera 0.5.
En todo cuanto precede nos referimos a la probabilidad de que haya
sido el taxi blanco se sobrentiende que dado que el testigo afirma que
era blanco.
* Ej. 46 — Sean A y B dos sucesos. Obtener la probabilidad de
A ∩ B si ha ocurrido A o si ha ocurrido A ∪ B. Comentar el resultado.

**** Ej. 47 — 24 Este ejercicio es el problema de Monty Hall. En

un concurso de TV hay tres puertas, una de ellas esconde un coche
y las otras dos sendas cabras. El concursante elige una de las puertas
y obtiene como premio aquello que la puerta oculta, pero la puerta
permanece cerrada y el presentador, que conoce lo que hay detrás de
cada puerta, abre una de las otras dos puertas y aparece una cabra
(lógicamente el presentador nunca abre la puerta que oculta el coche).
El presentador se dirige entonces al concursante y le permite cambiar
su elección, ¿qué le conviene hacer al concursante?
Este concurso tuvo gran éxito a principios de los 90 en los USA y
una conocida columnista de la revista Parade Magazine, Marylin vos
Savant publicó que cambiando su elección el concursante doblaba su
probabilidad de ganar el coche, pues ésta pasaba del 1/3 inicial a 2/3.
Su afirmación era correcta. Compruébalo.
Consideremos una generalización del problema. Una persona, B, invi-
ta a otra, A, a jugar a un juego que consiste llevar a cabo extracciones
de una urna que contiene a bolas blancas y b bolas negras (a + b ≥ 3).
Se le pide a A que elija entre una de las dos siguientes estrategias (A
llevará a cabo sus extracciones con los ojos vendados).
[Link] una bola al azar y si es blanca gana, en caso contrario
pierde.
[Link] una bola, se deshace de ella sin ni siquiera conocer su color
y a continuación B retira una bola negra de la urna. A lleva a
cabo una segunda extracción y si la bola extraída es blanca gana,
en caso contrario pierde.
¿Qué estrategia le conviene elegir?

** Ej. 48 — La probabilidad de que un virus informático haya in-

fectado nuestro ordenador es 0, 1. Si el ordenador está infectado, un
24 En [Link] se puede encontrar

una interesante exposición de este problema.

1.10. EJERCICIOS 25

sistema antivirus detecta la infección con probabilidad x = 0, 95,

mientras que en caso de no infección el sistema detecta falsas infec-
ciones con probabilidad y = 0, 03. Interesa que el sistema antivirus
tenga un elevado valor predictivo={probabilidad de que el ordenador
esté infectado cuando el antivirus detecta una infección}. Calcularlo a
partir de los datos anteriores. Si queremos aumentarlo, ¿donde hemos
de dirigir nuestros esfuerzos, a aumentar x o a rebajar y?

Independencia
* Ej. 49 — Lanzamos un dado y consideramos los sucesos A, ob-
tener un número par, y B, obtener un número impar. ¿Son A y B
independientes?

* Ej. 50 — Consideramos el experimento propuesto en el ejemplo

1.11. Se pide
[Link] que todos los pares de sucesos que podemos formar
con R,N y B son independientes. De hecho, se dice que son inde-
pendientes dos a dos.
2.¿Son independientes los sucesos R y N ∩ B?

* Ej. 51 — La probabilidad de cometer un error al medir cierta

magnitud es p. ¿Cuál es el menor número de medidas que debemos
efectuar para que la probabilidad de cometer algún error sea mayor
que α.

* Ej. 52 — Probar que si tenemos tres sucesos mutuamente inde-

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

* Ej. 53 — Sean A y B sucesos con probabilidad (estrictamente)

positiva. Indica si cada una de las siguientes afirmaciones es cierta,
falsa o puede ser cierta.
[Link] A y B son incompatibles entonces son independientes.
[Link] A y B son independientes entonces son incompatibles.
3.P (A) = P (B) = 0.6 y A y B son incompatibles.
4.P (A) = P (B) = 0.6 y A y B son independientes.

** Ej. 54 — Dos sucesos A1 y A2 son condicionalmente indepen-

dientes respecto de B si verifican la siguiente condición:

P (A1 ∩ A2 |B) = P (A1 |B)P (A2 |B). (1.21)

Demostrar que la definición dada en 1.21 es equivalente a que se ve-

rifique la siguiente igualdad.

P (A2 |A1 ∩ B) = P (A2 |B). (1.22)

* Ej. 55 — La actriz sueca Ingrid Bergman nació el día 29 de agosto

de 1915 y murió el 29 de agosto de 1982. Nació y murió el mismo día
del año.
1.¿Cuál es la probabilidad de que una persona nazca y muera el
día 29 de agosto de un año no bisiesto?
26 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

2.¿Cuál es la probabilidad de que una persona nazca y muera un

día cualquiera de un año no bisiesto?
En las preguntas anteriores asumimos que la probabilidad de nacer o
morir es la misma para cada día del año.

* Ej. 56 — Repetimos indefinidamente una prueba en la que la pro-

babilidad de éxito es siempre la misma, p, siendo los resultados de las
pruebas independientes unos de otros (se trata de una sucesión de
pruebas de Bernoulli). Obtener la probabilidad de que a éxitos ocu-
rran antes que b fracasos.

** Ej. 57 — Dos jugadores A y B juegan a un juego en el que cada

uno de ellos puede efectuar n lanzamientos de dos dados, siendo A
quien comienza. Las reglas del juego son las siguientes:
•Si A obtiene una suma 6 con los dados antes de que B haya
obtenido una suma 7, A gana el juego.
•Si es B quien obtiene el 7 antes de que A haya obtenido el 6, es
B quien gana.
•El juego termina en empate cuando ambos han agotado sus n
lanzamientos.
Encontrar las expresiones de pA (n), pB (n) y pE (n) que denotan, res-
pectivamente, que el ganador es A, el ganador es B o el juego termina
en empate. Calcular sus límites cuando n → ∞.

* Ej. 58 — Dos jugadores A y B juegan a tirar alternativamente

una moneda (empieza A). Gana el primero que saca una cara, y en
ese momento se acaba el juego. Calcula la probabilidad que tiene cada
jugador de ganar.

** Ej. 59 — Tres jugadores A, B y C juegan a tirar de forma con-

secutiva un dado hasta que a alguno de ellos le salga un 6 (primero
tira el dado A, luego B, luego C y así sucesivamente volvería a tocarle
el turno a A). Gana el primero que saca un 6, y entonces acabaría el
juego. Calcula la probabilidad que tiene cada jugador de ganar

** Ej. 60 — Dos jugadores A y B juegan a tirar simultáneamente

un dado cada uno. Gana el primero que saca un 6. Calcula:
•La probabilidad de que A y B empaten.
•La probabilidad de que gane A.
•La probabilidad de que gane B.

* Ej. 61 — Sean A y B dos sucesos incompatibles con probabilidad

distinta de cero. ¿Cuál es la probabilidad de que A ocurra antes que
B si el experimento se repite indefinidamente?

** Ej. 62 — Consideramos el juego de craps. Un jugador lanza dos

dados, si la suma del primer lanzamiento es 7 u 11 gana, si la suma
es 2, 3 o 12 pierde y si la suma es cualquier otro número continua
lanzando hasta que aparezca una suma 7 o la suma que inicialmente
obtuvo. Si aparece la suma 7 antes que la suma inicial pierde, en caso
contrario gana. Calcular la probabilidad de que gane el juego.
1.10. EJERCICIOS 27

* Ej. 63 — El holandés Christian Huygens25 publicó en 1657 uno

de primeros libros sobre Probabilidad que se conocen, De Ratiociniis
in Ludo Aleae (Del Razonamiento en los Juegos de Azar), en el que
planteaba una serie de problemas. El que se conoce como segundo
problema de Huygens lo enunciamos a continuación. Tres jugadores
A, B y C participan en el siguiente juego. Una urna contiene a bolas
blancas y b negras. Los jugadores, en el orden ABCABC . . ., extraen
una bola con reemplazamiento hasta que uno de ellos obtiene una bola
blanca y gana. Encontrar la probabilidad de ganar para cada jugador.

* Ej. 64 — Este problema es conocido como la la paradoja del

caballero De Meré. En un juego consistente en lanzar repetida-
mente un par de dados, encontrar el menor número n de lanzamientos
para que la probabilidad de obtener al menos un doble seis sea mayor
que 0.5. 26

** Ej. 65 — A y B juegan a un juego en el que A tiene una probabi-

lidad p de ganar una partida. El vencedor es aquel que gana dos
partidas consecutivas. Encontrar el valor de p si se sabe que cuando
A pierde la primera partida, las probabilidades de ganar el juego para
A y para B son iguales.

** Ej. 66 — Utilizando argumentos probabilísticos, probar la igual-

dad (A > a)
A − a (A − a)(A − a − 1) (A − a) . . . 2 · 1 A
1+ + + ··· =
A−1 (A − 1)(A − 2) (A − 1) . . . (a + 1)a a
Sugerencia.- Una urna con A bolas de las cuales a son blancas,
extracciones sucesivas sin reemplazamiento, primera bola blanca, ...

Probabilidades geométricas
* Ej. 67 — Elegimos aleatoriamente un punto de un segmento de
longitud L, ¿cuál es la probabilidad de que la longitud del segmento
limitado entre el origen del primero y el punto elegido sea menor que
1/3?

* Ej. 68 — Elegimos un punto al azar de un círculo de radio R

centímetros: ¿cuál es la probabilidad de que diste del origen más de r
centímetros?
* Ej. 69 — Se elige un punto al azar del cuadrado de vértices (0,
0), (0, 1), (1, 0) y (1, 1), ¿cuál es la probabilidad de la suma de sus
coordenadas sea menor que 3/4? ¿Cuál es la probabilidad de la suma
de sus coordenadas sea menor que a?

* Ej. 70 — Se eligen al azar dos números en el intervalo (0, 2). Cal-

cular la probabilidad de que el producto de ambos sea inferior a 3.
25 [Link]
26 El origen de la paradoja está en la pregunta que Antoine Gombauld, caballero

De Meré, planteó a Pascal Observaba De Meré una discrepancia entre la realidad,

deducida de su larga experiencia como jugador, y una antigua regla muy extendida
entre los jugadores que afirmaba que n = 24. Esta errónea regla tenía su origen
en la creencia de un comportamiento lineal de las probabilidades. Se sabía que
si los lanzamientos eran de un solo dado y se perseguía la obtención de un seis,
n = 4, pues p3.1 = 0.4213 y p4.1 = 0.5177. Se razonaba a continuación mediante
una sencilla regla de tres: 4 es a 6 como 24 a 36.
28 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

* Ej. 71 — Se eligen al azar dos números reales en (0, 1). Se pide:

1.¿Cuál es la probabilidad de que el menor sea mayor que 1/2?
2.¿Cuál es la probabilidad de que el menor de los dos sea mayor
que 1/4 y el mayor de los dos menor que 3/4?
[Link] dos números elegidos se utilizan para señalar dos puntos
por donde cortar un bastón de un metro de longitud ¿Cuál es la
probabilidad de que los tres trozos del bastón permitan construir
un triángulo?

** Ej. 72 — Elegimos al azar dos puntos B y C en el intervalo [0, l]

de manera que B < C. ¿Cuál es la probabilidad de que el intervalo
[0, B] sea más grande que el intervalo [B, C]?

Algunos más sin mucho orden

27
* Ej. 73 — La Facultad de Matemáticas ha puesto en marcha un
nuevo sistema de adjudicación de becas. Los estudiantes formarán
cola y comenzarán a matricularse y personal de la Secretaría hará
una lista con sus fechas de nacimiento. El primer estudiante cuya
fecha de nacimiento coincida con la de otro previamente matriculado
recibirá como premio el dinero de todas la becas, en detrimento del
resto de estudiantes. Suponiendo que la duración de cualquier año es
de 365 días y que la probabilidad de nacer en un día cualquiera es
siempre la misma, ¿qué lugar de la cola conviene ocupar para tener la
mayor probabilidad de ganar la beca?

* Ej. 74 — Dos amigos quedan en verse a la puerta de Correos

(exactamente la puerta que enfrenta con la plaza San Francisco no la
puerta que da a la parte de atrás de la iglesia de la Caridad) alrededor
de las 12:30. Julián puede llegar en cualquier instante comprendido
entre las 12:15 y las 12:45 y Enrique puede llegar en cualquier instante
comprendido entre las 12:00 y las 13:00 (la llegada de uno es indepen-
diente de la del otro). ¿Cuál es la probabilidad de que el primero en
llegar no espere más de 5 minutos? ¿Cuál es la probabilidad de que
Julián llegue primero?28

* Ej. 75 — Estudiamos la paradoja de Bertrand. Elegimos una cuer-

da al azar en el círculo unidad. ¿Cuál es la probabilidad de que su lon-
gitud supere la del lado del triángulo equilátero inscrito en el círculo?

*** Ej. 76 — Tratamos la paradoja de la urna vacía. Disponemos

de una urna infinitamente grande y de una colección infinita de bolas
numeradas. Procedemos a depositar las bolas en la urna de tres formas
distintas.
1.A las 5 de la tarde menos 1 minuto introducimos las 10 primeras
extrayendo la que lleva el número 10 (supongamos que la intro-
ducción y la sucesiva extracción consumen un tiempo 0). A las 5
menos 12 minuto depositamos las 10 bolas siguientes y extraemos
la que lleva el número 20. A las 5 menos 14 de minuto las 10
27 Con algunos de los problemas de esta sección hay que tener cuidado. En oca-

siones simplemente se han añadido al final.

28 El problema del encuentro se puede encontrar resuelto en [3, pág. 33].
1.10. EJERCICIOS 29

siguientes extrayendo a continuación la que lleva el número 30.

Y así sucesivamente.
[Link] segundo procedimiento es análogo al anterior, pero las bolas
que se extraen en cada ocasión son las numeradas 1, 2, 3, .....
[Link] el tercer procedimiento las bolas se introducen como en los
dos anteriores pero en cada decena la extracción se efectua al
azar.
¿Cuantas bolas habrá en la urna a las 5 de la tarde según el procedi-
miento empleado?

*** Ej. 77 — El día 27 de julio de 1997 se celebraron elecciones a la

presidencia del Barça. Había sólo dos candidatos, el señor Fernández y
el señor Núñez, siendo este último el ganador. Un socio con veleidades
probabilísticas se hizo la siguiente pregunta: ¿habrá ido el señor Núñez
por delante del señor Fernández a lo largo de todo el escrutinio?

**** Ej. 78 — En un puesto de palomitas hay n personas (con n

par) esperando para comprar. El precio del paquete de palomitas es
de 50 céntimos. Supongamos que la mitad de los clientes de la cola
lleva una moneda de 50 céntimos y la otra mitad lleva una moneda
de un euro. El propietario del puesto de palomitas no tiene ningún
cambio cuando se forma la cola. ¿Qué probabilidad hay de que, en
algún momento, el propietario no tenga cambio para devolver a un
cliente de la cola y por lo tanto el cliente deba de esperar por el
cambio?29

* Ej. 79 — Este es el problema de los puntos o del reparto de la

apuesta Dos jugadores A y B juegan a un juego consistente en un
número indeterminado de partidas. La probabilidad de ganar en cada
partida es p para A y 1−p para B. Aquel de los dos que consigue antes
vencer en r partidas gana el juego y la apuesta que ambos hicieron.
Si el juego se interrumpe antes de finalizar, ¿cómo se debe repartir la
apuesta?

** Ej. 80 — Un aparato de diagnóstico automático emite un diag-

nóstico basado en el resultado de n análisis de un mismo paciente.
Cada análisis, independientemente de los restantes, puede dar un re-
sultado erróneo con probabilidad p. La probabilidad de un buen diag-
nóstico, condicionada al número de análisis correctos, es una función
creciente de dicho número, g(m). Durante una mañana la máquina
ha diagnosticado a k pacientes. Encontrar la probabilidad del suceso
A ={al menos un paciente está mal diagnosticado}. Particularizar el
resultado para g(m) = m/n.

* Ej. 81 — ([11, pág. 116])Demostrar que si P (A|B) = 1 entonces

P (B c |Ac ) = 1.

** Ej. 82 — ([11, pág. 116])Tenemos n tipos distintos de cupones.

Se seleccionan al azar y se obtienen independientemente unos de otros
29 Este problema lo podemos encontrar en [3, pág. 31]. Allí se enuncia con billetes

de cinco y 10 rublos. Cuando le formularon el problema al que escribe el problema

era entrar a Viveros (parque de la ciudad de Valencia con entrada gratuita por
cierto) y era con 50 pesetas (diez duros) y 100 pesetas (veinte duros). En fin,
siempre el mismo bonito problema.
30 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

de modo que P
un cupón del tipo i es seleccionado con probabilidad pi
de modo que i=1 pi = 1. Se pide:
n

[Link] seleccionamos n cupones, ¿cuál es la probabilidad de que se-

leccionemos un cupón de cada tipo?
[Link] p1 = p2 = . . . = pn = 1/n. Denotamos por Ei el
suceso consistente en que no hemos elegido ningún cupón del
tipo i entre los n seleccionados. Aplicar la fórmula de inclusión-
exclusión para calcular P (∪ni=1 Ei ) y probar la siguiente igualdad
n  
k n
(1.23)
X
n! = (−1) (n − k)n .
k
k=0

* Ej. 83 — Consideramos dos cajas, una contiene una canica negra

y una blanca; la otra contiene dos negras y una blanca. Una caja
es seleccionada al azar, ¿Cuál es la probabilidad de de que la cani-
ca sea negra?, ¿cuál es la probabilidad de que la primera caja fuera
seleccionada dado que la canica extraida sea blanca?

* Ej. 84 — [[4, sección 1.4]] Un hombre tiene cinco monedas. Dos

de estas monedas tienen dos caras, una de ellas tiene dos cruces y las
dos últimas monedas son normales. Cierra los ojos, elige una moneda
al azar y la lanza. ¿Qué probabilidad tenemos de que la cara inferior
sea una cara?
Abre los ojos y ve que la parte superior de la moneda es cara: ¿qué
probabilidad tenemos de que la cara inferior sea también una cara?
Cierra los ojos otra vez y lanza la moneda. ¿Qué probabilidad tiene
de que la cara inferior sea cara?
Abre los ojos y ve que la moneda muestra una cara: ¿qué probabilidad
tenemos de que la cara inferior sea cara?
Descartamos la moneda que estamos usando y volvermos a elegir otra
al azar. La lanzamos. ¿Con qué probabilidad muestra cara en la parte
superior?

* Ej. 85 — Una urna contiene b bolas negras y r bolas rojas. Ex-

traemos una bola al azar, y cuando la devolvemos a la urna, ponemos
c bolas del mismo color que la bola que habíamos extraído. Ahora,
extraemos otra bola. Demostrar que la probabilidad de que la primera
bola fuera negra, dado que la segunda es roja es b+r+c
b
.

* Ej. 86 — Supongamos que cada bebe nacido de una pareja tiene

la misma probabilidad de ser chico que de ser chica independiente-
mente de la distribución por sexo de los otros niños en la familia.
Para una pareja que tiene cinco hijos, calcula las probabilidades de
los siguientes sucesos:
[Link] los niños tengan el mismo sexo.
[Link] tres mayores son chicos y los demás chicas.
[Link] dos mayores son chicas.
[Link] al menos una chica.

** Ej. 87 — ¿Cómo podemos poner en dos urnas 20 bolas, de las

cuales 10 son blancas y 10 negras, de tal forma que la probabilidad
de extraer al azar una bola blanca de una urna seleccionada al azar
sea máxima?
1.10. EJERCICIOS 31

* Ej. 88 — Sean {A1 , A2 y A3 } tres sucesos arbitrarios con proba-

bilidades P(A1 ), P(A2 ) y P(A3 ) respectivamente. Calcular la proba-
bilidad de que ocurra exactamente uno de ellos.

* Ej. 89 — Sean {A1 , A2 , . . . , An } sucesos arbitrarios con probabi-

lidades P (A1 , . . . , P (A2 ) respectivamente. Calcular la probabilidad de
que ocurra exactamente uno de ellos.

* Ej. 90 — ([6, Sec. 2.1, ej. 1])Realizamos tres pruebas indepen-

dientes, la probabilidad de obtener el suceso A es p en cada prueba.
1.¿Cuál es la probabilidad de obtener al menos una vez el suceso
A?
2.¿Para qué valor de p esta probabilidad es exactamente igual a
0.5?

* Ej. 91 — ([6])Piensa en las siguientes probabilidades condicio-

nadas y decide los valores que debieran de tener. Después calcula su
valor utilizando la definición de probabilidad condicionada.
(a)P (B | B).
(b)P (B | B c ).
(c)P (B | Ω).
(d)P (B | ∅).
(e)P (B | A) cuando A es un subconjunto de B.
(f)P (B | A) cuando B es un subconjunto de A.

* Ej. 92 — ([6])Se extraen tres cartas de una baraja francesa (52

cartas) de una en una y sin reemplazamiento. Determinar la probabi-
lidad de
[Link] sean rojas, esto es, que sean corazones o diamantes.
[Link] dos primeras sean negras y la tercera roja.
[Link] primera y la tercera sean negras y la segunda roja.
[Link] segunda y la tercera sean negras y la primera roja.
[Link] una sea roja.
[Link] una sea negra.
[Link] primera es un as y la segunda también.
[Link] primera no es un as y la segunda sí.
[Link] segunda es un as.

* Ej. 93 — Se estima que el 27% de los estudiantes de la Universi-

dad de Valencia están en primer curso. Si el 25% de los estudiantes de
primero, no nacidos en la ciudad y que viven en pisos de estudiantes
están en Derecho, y la probabilidad de que un estudiante de la univer-
sidad elegido al azar sea de primer curso de Derecho, no haya nacido
en la ciudad y viva en un piso de estudiantes es 0.02, encontrar la
probabilidad de que un estudiante de primero, no nacido en la ciudad
viva en un piso de estudiante.

* Ej. 94 — En un examen de respuesta múltiple con k respuestas

posibles el estudiante conoce la respuesta con probabilidad p y marca
una respuesta al azar con probabilidad 1−p. Encontrar la probabilidad
de que haya contestado al azar si la respuesta es correcta.
32 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

** Ej. 95 — Tenemos un dado correcto y seis personas numeradas

de 1 a 6. Una de ellas coge el dado y lo lanza. Si el resultado es su
propio número entonces gana, es decir, si la persona con el número 3
lanza el dado y sale el número 3 entonces gana el juego. Si sale otro
número, por ejemplo el 4, entonces el dado lo lanza la persona 4. Si le
sale el cuatro gana y de lo contrario se lo pasa al que tiene el número
que ha salido. Supongamos que empieza la persona 1 a lanzar.
1.¿Cuál es su probabilidad de que gane el jugador 1 en exactamente
n lanzamientos del dado?
2.¿Y la probabilidad de que gane la persona 1?
3.¿Y la probabilidad de que gane la persona 3?

* Ej. 96 — Uno de los vulgarismos más habituales consiste en eli-

minar la d en la sílaba final de las palabras terminadas en ado. Este
defecto está especialmente extendido en el sur de España. Alguien en
un hotel ha escrito una nota con la palabra pesado, no sabemos si en
su forma correcta o incorrecta. Lo que sí sabemos es que al elegir al
azar una letra de la palabra escrita ha resultado ser una vocal. Si en
el hotel un 40% de sus huéspedes provienen del Sur y el 60% restante
de la zona Central, ¿cuál es la probabilidad de que la nota la haya
escrito alguien del Sur?

** Ej. 97 — En una urna tenemos n bolas rojas y m bolas azules.

Vamos eligiendo una bola cada vez y la extraemos de la urna sin
restituirla. Las extracciones son realizadas hasta que tenemos r bolas
rojas. Determinar la probabilidad de tener que extraer un total de k
bolas para conseguirlo.
1.11. SOLUCIONES 33

1.11 Soluciones

Sol. (Ej. 4) — El tercer apartado es correcto.

Sol. (Ej. 5) — 0.05.

Sol. (Ej. 6) — La probabilidad es la misma en los tres casos: 100 .

r

Sol. (Ej. 7) — (a)0.092078

(b)0.15
(c)0.001641
(d)0.000219

Sol. (Ej. 8) — 0.1054982.

Sol. (Ej. 9) — P (A) = 216 ,

50
P (B) = 72 .
25

Sol. (Ej. 10) — (a)0.09145035

(b)0.4267683

Sol. (Ej. 11) — (a)P (escalera color) = 40

52
5
4
48

(b)P (poker) = 4 13
1
52
5
4
4

(c)P (full) =
13·12 3 2
52

5
13

(d)P (5 mismo palo) =
4 5
52

5

(e)P (escalera) = 10·45 −10·4

52


5

13 3 12
4

2
(f)P (trío) = 2 4
52

5
13
4
2
(g)P (dobles parejas) = 2 11
2 4
52
5
4
12
3
(h)P (pareja) =
13 2 3 4
52

5

Sol. (Ej. 12) — [Link] 6.3 × 10−12 .

[Link] 0.1055.

Sol. (Ej. 13) — p = 1 − 365×364×···×(365−n+1)

365n

Sol. (Ej. 14) — (a)P (A) = 27 ,

8
P (B) = 27 ,
1
P (C) = 29 .
34 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

(n−1)3 (n−2)3
(b)P (A) = n3 , P (B) = n3 , P (C) = n(n−1)(n−2)
n3 .

 
n
Sol. (Ej. 15) — (a)(n − k + 1)/
k
 
n
(b)n/
k
 
2k
(c)(k + 1)/
k

Sol. (Ej. 16) — (a) 8

3 = 56.
(b) 30
56 .

21
Sol. (Ej. 17) — Es 1
3 para ambas preguntas.

Sol. (Ej. 18) — 1 − 8×7×...,×3

86 .

Sol. (Ej. 19) —

(n−1)(n−2)
(n − 1)(n − 2) 2
n−2
P (Acon ) = , P (Asin ) = n = ,
n2 2
n

que para n = 5 valen

12 3
P (Acon ) = , P (Asin ) = .
25 5

Sol. (Ej. 20) — 0.5714286.

Sol. (Ej. 21) —

A ∪ B ⊆ Ω → P (A ∪ B) ≤ P (Ω) = 1 → 1
≥ P (A) + P (B) − P (A ∩ B) → P (A ∩ B) ≥ P (A) + P (B) − 1.
(1.17)

Sol. (Ej. 22) —

n
X
P (∩ni=1 Bi ) = 1 − P (∪ni=1 Bic ) ≥ 1 − P (Bic ) =
i=1
n n
P (Bi ) − (n − 1). (1.18)
X X
1 − (n − P (Bi )) =
i=1 i=1

21 ¿En dónde ha de caer la última bola azul?

1.11. SOLUCIONES 35

Sol. (Ej. 23) — Vamos a probar que P ((∩n≥1 An )c ) = 0. Tenemos

que

(1.19)
X
0 ≤ P ((∩n≥1 An )c ) = P (∩n≥1 Acn ) ≤ P (Acn ) = 0.
n≥1

Sol. (Ej. 27) — Lo probamos para dos y luego aplicamos inducción.

Sol. (Ej. 33) — Se aplica la definición de probabilidad condicionada

y es inmediato.

Sol. (Ej. 36) — Si llamamos Ur al suceso que indica que hemos ele-
gido la urna número r, y Vi al suceso que indica que la iésima bola
extraída es verde,
n n
X 1 X n−r 1
P (V2 ) = P (V2 | Ur )P (Ur ) = =
r=1
n r=1 n − 1 2

y
n
X 1 (n − r)(n − r − 1) 2
P (V2 | V1 ) = =
r=1
n 2(n − 1)(n − 2) 3

Sol. (Ej. 37) — 41 .

13

Sol. (Ej. 38) — 294 .

95

Sol. (Ej. 39) — 1. 29 .

2. 18 .

Sol. (Ej. 40) — 7−6p .

p

Sol. (Ej. 41) —

  , "X5  
, #
5 15 5 15
3 3 i=1
i i

Sol. (Ej. 42) — La probabilidad de ser indultado el prisionero es la

misma con y sin la información del carcelero e igual a 23 .

Sol. (Ej. 43) —

n log[(1 − p)/p]
m= + .
2 2 log(1 − r)
36 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

Obsérvese que si p = 1/2, m = n/2 y las extracciones se reparten por

igual en ambas urnas.

Sol. (Ej. 44) — 29 .

4

Sol. (Ej. 45) — [Link] el taxi implicado es blanco.

2.0.41.
3.0.2 ≤ p.
4.p y q deben estar en el recinto definido por 0 ≤ p ≤ 1, 0 ≤ q ≤ 1
y p + q > 1.

Sol. (Ej. 46) — 1. P P(A∩B)

(A) .

2. P
P (A∪B) .
(A∩B)

Sol. (Ej. 47) — Le conviene cambiar. Su probabilidad de ganar pre-

mio pasa de 1/3 a 2/3.

Sol. (Ej. 51) —

ln(1 − α)
n< .
ln(1 − p)

Sol. (Ej. 53) — Las tres primeras falsas y la cuarta puede ser cierta.
Un ejemplo: dos extracciones con reemplazamiento de una urna con
6 rojas y 4 negras. Los sucesos serían salir roja o salir negra.

Sol. (Ej. 55) — 1. 3652 .

1
2. 365 .
1

Sol. (Ej. 56) —

b−1  
X a+j−1
pa (1 − p)j .
j=0
a−1

Sol. (Ej. 57) — pA (n) = 0.4918 × (1 − 0.7176n ); pB (n) = 0.5082 ×

(1 − 0.7176n ); pE (n) = 0.7176n . Al pasar al límite pA (n) → 0.4918,
pB (n) → 0.5082 y pE (n) → 0.

Sol. (Ej. 58) —

2 1
P ({GanarA}) = ; P ({GanarB}) =
3 3
1.11. SOLUCIONES 37

Sol. (Ej. 59) — P ({GanarA}) = 91 ;

36
P ({GanarB}) = 91 ;
30
P ({GanarC}) =
91 .
25

Sol. (Ej. 60) — P ({Empatar}) = 11 ;

1
P ({GanarA}) = 11 ;
5
P ({GanarB}) =
11 .
5

Sol. (Ej. 61) —

P (A)
.
P (A) + P (B)

Sol. (Ej. 63) — Si pA , pB y pC son las probabilidades de que ganen

A, B y C respectivamente entonces: pA = 1−β α
3 ; pB = 1−β 3 y pC =
αβ

1−β 3 .
αβ 2

Sol. (Ej. 64) — n = 25.

Sol. (Ej. 69) — a. P = (3/4)

2

2 .
b. Distinguimos tres casos: Caso 1: Si a < 0, P = 0; Caso 2: Si
0 ≤ a ≤ 1, P = a2 ; Caso 3: Si 1 < a ≤ 2, P = 1 − (2−a)
2
; Caso 4:
2

2
Si a > 2, , P = 1.

Sol. (Ej. 70) — Sea C = {(a, b) ∈ R2 : 0 < a, b < 2} y sea S =

{(a, b) ∈ R2 : 0 < a, b < 2 ∧ ab < 3}. Entonces, Area(C) = 4;
Area(S) = 3(1 + log(2) − log(3/2)) y la probabilidad que buscamos
es el cociente de ambas áreas.

Sol. (Ej. 71) — En los tres apartados la probabilidad pedida vale

4.
1

Sol. (Ej. 72) — 1

4.

Sol. (Ej. 88) —

P (A1 ) + P (A2 ) + P (A3 ) − 2P (A1 ∩ A2 )−

2P (A1 ∩ A3 ) − 2P (A2 ∩ A3 ) + +3P (A1 ∩ A2 ∩ A3 ).

Sol. (Ej. 89) —

n
X X
P (Ai ) − 2 P (Ai ∩ Aj ) + · · · + (−1)n+1 nP (A1 ∩ · · · ∩ An )
i=1 i<j
38 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

Sol. (Ej. 90) — (a)1 − (1 − p)3

(b)0.2063.

Sol. (Ej. 91) — (a)1

(b)0
(c)P (B)
(d)Sin sentido.
(e)1
(f) PP (B)
(A)

Sol. (Ej. 92) — (a)0.1176

(b)0.1275
(c)0.1275
(d)0.1275
(e)0.3824
(f)0.3824
(g)0.0045
(h)0.0724
(i)0.0769

Sol. (Ej. 93) — 0.4938

Sol. (Ej. 94) — 1−p

(1−p)+kp

Sol. (Ej. 95) — Denotamos Ai con i = 1, . . . , 6 el suceso consistente

en que gana el jugador i. A1n indica el suceso que gana la persona 1
en lanzamiento n.
[Link] de n y viene dada por
•P (A11 ) = 1/6.
•P (A12 ) = 0.
•P (A1n ) = (5/6)n−2 (1/6)2 para n ≥ 3.
2. 11
36 .
3. 36
5
.

Sol. (Ej. 96) — 4

9 = 0.4444.

Sol. (Ej. 97) —

n m



r−1 (k−1)−(r−1) n − (r − 1)
pk = m+n−1

× , r ≤ k ≤ m + r.
k−1
m + n − (k − 1)
1.12. MATERIAL COMPLEMENTARIO 39

1.12 Material complementario

1.12.1 El teorema de Bayes en términos de apues-
tas (odds): el valor de la evidencia
Cuando apostamos en una carrera de caballos es lógico que lo
hagamos a aquel caballo que creemos ganador, es decir, aquél que
tiene mayor probabilidad de ganar. Pero el mundo de las apuestas
tiene un lenguaje propio y no se habla en él de probabilidad de ganar,
utilizando en su lugar expresiones del tipo: las apuestas están “5 a
2 a favor” de un determinado caballo o “6 a 1 en contra” de que el
Valencia gane la Liga.
¿Qué significa que las apuestas están “3 a 2 en contra” de que Lu-
cero del Alba gane el Grand National? La expresión resume el hecho
de que 2 de cada 5 apostantes lo hacen por dicho caballo como vence-
dor. Si habláramos de “5 a 2 a favor” estaríamos afirmando que 5 de
cada 7 apostantes lo consideran ganador. Si queremos expresar estas
afirmaciones en términos de probabilidad y denotamos por G el suceso
Lucero del Alba gana, P (G) no es más que la proporción de apostantes
que piensan que ganará, es decir, P (G) = 2/5 o P (Gc ) = 3/5 en el
primer caso y P (G) = 5/7 o P (Gc ) = 2/7 en el segundo.
Podemos establecer una sencilla relación entre ambas formas de
expresar la misma idea. Si por O (del inglés odds) denotamos las
apuestas en contra expresadas en forma de fracción, podemos escribir
P (Gc )
O= ,
P (G)
que no es más que el cociente entre la probabilidad de no ganar y la
de hacerlo. A su vez, como P (Gc ) = 1 − P (G), fácilmente se obtiene
la expresión de la probabilidad de ganar en términos de las apuestas
1
P (G) = . (1.24)
O+1
Volvamos de nuevo al teorema de Bayes. Dados dos sucesos A y
B escribíamos
P (B|A)P (A)
P (A|B) = .
P (B)
Si reemplazamos A por su complementario, Ac , tenemos
P (B|Ac )P (Ac )
P (Ac |B) = .
P (B)

Al dividir ambas expresiones obtenemos

P (A|B) P (B|A) P (A)
c
= × , (1.25)
P (A |B) P (B|A ) P (Ac )
c

expresión que se conoce como el teorema de Bayes en forma de apues-

tas (odds). Comentemos el significado de los tres cocientes que apare-
cen en (1.25).
La izquierda de la igualdad representa las apuestas a favor de A,
dado el suceso B. El segundo factor de la derecha son esas mismas
apuestas obtenidas sin la información que supone conocer que ha ocu-
rrido B. Por último, el primer factor de la parte derecha de la igualdad
es el cociente entre las probabilidades de un mismo suceso, B, según
40 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

que A haya ocurrido o no. Es lo que se denomina razón de verosimi-

litud.
Para ver el interés que (1.25) tiene, vamos a utilizarla en un con-
texto forense. Se trata de obtener el valor de una evidencia (Ev) en la
discusión sobre la culpabilidad (C) o inocencia (C c ) de un sospechoso.
La expresión (1.25) nos permite adaptar las apuestas a priori (antes
de la presentación de la evidencia Ev) a favor de su culpabilidad y
convertirlas en apuestas a posteriori, llevando a cabo dicha conversión
mediante el factor
P (Ev|C)
V = , (1.26)
P (Ev|C c )
al que se conoce como valor de la evidencia. Es importante destacar
el hecho de que para su cálculo necesitamos dos probabilidades: las
de Ev tanto si el sospechoso es culpable30 como si es inocente.
El ejemplo que sigue ilustra el papel que este concepto puede jugar
durante un juicio en la valoración de las pruebas y la consecuente
ayuda que para juez o jurado supone.
Aplicación 1.2. Se conoce como Harvey contra el Estado (Alaska,
1999). En 1993 Kimberly Esquivel, una adolescente de 14 años que
vivía con su madre y su padrastro, quedó embarazada y se sometió a
una operación de aborto. Poco después del aborto acusó a su padrastro,
Patrick Harvey, de ser el padre31 . Se llevó a cabo un análisis del
DNA de los dos implicados y de una muestra del tejido del feto que
el cirujano había conservado, obteniéndose el resultado que recoge la
tabla.
locus DQ-alpha locus D1S80
P. Harvey 1.1,1.3 18,24
K. Esquivel 4.0,4.0 24,25
Feto 1.1,4.0 18,24,25

De acuerdo con estos resultados el laboratorio emitió durante el

juicio un informe en el que se afirmaba:
• “... da un índice de paternidad de 6,90. Esto significa que las
apuestas genéticas en favor de la paternidad son 6,90 veces más
probables a favor de que Harvey sea el padre biológico de que lo
sea un varón aleatoriamente elegido entre la población caucásica
norteamericana”.
• “... usando un valor neutral del 50% para las apuestas no gené-
ticas en favor de la paternidad, obtenemos una probabilidad de
paternidad del 87,34%”.
¿Cómo se obtuvieron estas cifras? Si denotamos mediante H={Harvey
es el padre biológico} y H c ={Harvey NO es el padre biológico}, de
acuerdo con las leyes de la genética y teniendo en cuenta que las
frecuencias en la población de los alelos 1.1 y 18 son 13,7% y 26,5%,
respectivamente, se obtiene

P (1.1 y 18|H) = 0.5 × 0.5 = 0.25,

30 Se entiende aquí culpable en el sentido de haber realizado verdaderamente la

acción punible, no el hecho de serlo declarado por un juez o jurado

31 El ejemplo está sacado de las notas del curso Probability and Statistics for

Law, impartido por D. H. Kaye en la Universitat Pompeu Fabra de Barcelona en

marzo de 2000
1.12. MATERIAL COMPLEMENTARIO 41

y
P (1.1 y 18|H c ) = 0.137 × 0.265 = 0.0365,
donde {1.1 y 18}={el feto posee los alelos 1.1 y 18}.
Lo que el informe denomina índice de paternidad no es más que
el valor de la evidencia del fenotipo encontrado, es decir,

P (1.1 y 18|H) 0.25

PI = = = 6.90.
P (1.1 y 18|H )
c 0.0365

El valor neutral al que se refiere el informe supone asignar una

probabilidad a priori 0,5 a H, lo que se traduce en que las apuestas
a priori a favor de la paternidad de Harvey son de 1 a 1. Aplicando
(1.25) para obtener las apuestas a posteriori

P (H|1.1 y 18) P (H)

= PI × = 6.90 × 1 = 6.90.
P (H |1.1 y 18)
c P (H c )

La probabilidad de paternidad de Harvey, teniendo en cuenta la evi-

dencia que los fenotipos aportan, puede calcularse mediante (1.24),

1 6.90
P (H|1.1 y 18) = 1 = = 0.873,
6.90+1 7.90

valor aportado en el informe en forma de porcentaje.

Comentario acerca del informe del laboratorio.- El informe del

laboratorio es incorrecto porque contiene dos errores que merecen
ser comentados.

• El primero se refiere a la confusión entre el índice de pa-

ternidad y las apuestas a favor de la paternidad. Como ya
hemos dicho el índice no es más que el valor de la eviden-
cia, el cociente entre la probabilidad de que fuera Harvey
quien aportara sus alelos y la probabilidad de que una ex-
tracción al azar de la población de genes aportara los alelos.
Esta confusión es otra manera de presentarse la falacia del
fiscal.
• La anterior objeción tiene una salvedad, ambos conceptos
coinciden cuando las apuestas a priori a favor de la paterni-
dad de Harvey son de 1 a 1, como ocurre en este caso. Pero
para conseguirlo se ha asignado el valor 0,5 a P (H), que el
propio informe califica como neutral cuando arbitrario se-
ría un calificativo más apropiado (asignar una probabilidad
de 0,5 equivale, como ya dijimos anteriormente, a decidir
la paternidad a cara o cruz). Un experto no necesita escoger
un valor particular para las apuestas a priori. En su lugar
debe dar una tabla de resultados como la que sigue, cuya
valoración dejará en manos del juez o del jurado.

P(H) P(H|1.1 y 18)

0,10 0,433
0,30 0,633
0,50 0,873
0,70 0,941
0,90 0,984
42 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

1.12.2 Dos problemas importantes

Problema de la aguja de Buffon

Es un problema famoso que está en el origen de las probabilidades

geométricas es el problema de la aguja de Buffon32 De hecho, el origen
de la probabilidad geométrica se debe a George Louis Leclerc, Conde
de Buffon, eminente naturalista francés, quién en el año 1777 publicó
una obra titulada Essai d’Arithmétique Morale con el objeto de rei-
vindicar a la Geometría como ciencia capaz de aportar soluciones a los
problemas de azar, capacidad hasta entonces exclusivamente atribui-
da a la Aritmética. En ella plantea y resuelve el que ahora conocemos
como problema de la aguja de Buffon. Con el tiempo se convirtió en
una referencia clásica y pasó a ser conocido en la literatura probabilís-
tica como el problema de la aguja de Buffon. En la solución aportada
por Buffon se ponía en evidencia que el problema requería medir, a
diferencia de lo que ocurría con las soluciones a los problemas relacio-
nados con juegos de azar discretos en los que bastaba contar. ¿Cuál
es la probabilidad de que una aguja que se lanza al azar sobre un
entramado de líneas paralelas equidistantes, con distancia entre ellas
mayor que la longitud de la aguja, corte a alguna de las paralelas?
Vamos a resolverlo. Denotamos la longitud de la aguja con l y la
separación entre líneas con d. La posición de la aguja en relación con
las líneas paralelas viene perfectamente definida por la coordenada x
de su punto medio y por el ángulo θ que forma con la horizontal. El
espacio muestral sería Ω = [0, d] × [−π/, π/2]. La aguja tocará a la
línea izquierda si
l
x ≤ cos(θ),
2
y tocará a la línea derecha si

l
d−x≤ cos(θ).
2

Denotemos este suceso por A. El área de una de ellas sería

Z π/2
l
cos(θ)dθ = l. (1.27)
−π/2 2

El área total de las dos regiones, esto es del suceso A es pues 2l. La
probabilidad de tocar será pues (aplicando probabilidades geométri-
cas) igual a
2l
P (A) = .
πd
¿Y si en lugar de un retículo de líneas paralelas consideramos otros
retículos posibles? Por ejemplo podemos considerar líneas perpendi-
culares formando cuadrados o retículos hexagonales. Entonces no se
trata de tocar o no tocar a una de las líneas sino que nos aparecen
las probabilidades de no tocar, de tocar a una línea o a dos o a tres
dependiendo de la disposición del sistema test. Son muy interesantes
aunque de un nivel que supera este texto las referencias [9] y [15].

32 [Link]
1.12. MATERIAL COMPLEMENTARIO 43

La paradoja de Bertrand
Elegimos una cuerda al azar en el círculo unidad. ¿Cuál es la pro-
babilidad de que su longitud supere la del lado del triángulo equilátero
inscrito en el círculo? 33

Veamos la solución del problema. La paradoja estriba en que la

respuesta parece no ser única. En efecto, el valor de la probabilidad
que se nos pide depende del significado que demos a la elección al azar.
La longitud de una cuerda en un círculo puede calcularse a partir de,

1. la distancia al centro de su punto medio,

2. la posición de su punto medio sobre un radio cualquiera,

3. la posición de uno de sus extremos sobre la circunferencia, su-

puesto fijo el otro extremo.

Cada una de estas interpretaciones supone una elección al azar sobre

espacios muestrales distintos. Así,

Caso 1.- El espacio muestral es todo el círculo unidad, C1 y sólo

las cuerdas cuyos puntos medios caen en el círculo inscrito
√ en
el triángulo equilátero, C1/2 , tienen longitud mayor que 3. Es
sabido que este círculo tiene radio 1/2 y recurriendo a la proba-
bilidad
√ geométricas, si A={la cuerda tiene longitud mayor que
3}
área(C1/2 ) π(1/2)2 1
P (A) = = = .
área(C1 ) π 4

Caso 2.- El espacio muestral es ahora el segmento (radio) [0,1] y

sólo las cuerdas cuyos puntos medios están en [0,1/2] cumplen
la condición. Tendremos
longitud([0, 1/2]) 1
P (A) = = .
longitud([0, 1]) 2
33 Un ejemplo clásico de probabilidad geométrica es el que se conoce como para-

doja de Bertrand. Como veremos a continuación la paradoja reside en el hecho de

existir, aparentemente, varias soluciones al problema que se plantea. Fue propuesto
por Joseph Louis François Bertrand (1822-1900), profesor de l’École Polytechni-
que de Paris y del Collège de France. Aunque es más conocido por la conjetura
de teoría de números que lleva su nombre y que fue demostrada por Chebyshev
en 1850 (para todo n > 3, existe siempre un número primo entre n y 2n − 2),
Bertrand trabajó también en geometría diferencial y en teoría de la probabilidad.
44 CAPÍTULO 1. ESPACIO DE PROBABILIDAD

Caso 3.- El espacio muestral es ahora la circunferencia del círculo

unidad. Si fijamos un extremo de la cuerda y elegimos al azar la
posición del otro, sólo aquellas cuerdas que tengan este último
extremo sobre el tercio de la circunferencia opuesto al extremo
fijo cumplen la condición. Tendremos

2π/3 1
P (A) = = .
2π 3
Capítulo 2

Variable aleatoria

2.1 Introducción
Supongamos el experimento consistente en elegir al azar (o si pre-
ferimos aleatoriamente) a una individuo de la Comunidad Valencia-
na. Obviamente el espacio muestral está formado por los distintos
individuos. Si numeramos a todos los individuos podemos denotar
Ω = {ωi }N i=i donde N es el número total de personas de la Comu-
nidad. Elección al azar supone que cada individuo tiene la misma
probabilidad de ser elegido. Por lo tanto el suceso formado por un
solo resultado {ωi } que nos indica que el individuo elegido ha sido el
i-ésimo tendrá la siguiente probabilidad
1
P ({ωi }) = .
N
El resultado mismo no suele tener un interés especial para nosotros.
Seleccionamos aleatoriamente estas personas porque tenemos interés
en sus ingresos, en el número de personas que conviven con él o ella,
si está casada o es soltera, su glucosa o tensión arterial. Son ejemplos
de valores que nos pueden interesar del individuo seleccionado depen-
diendo de que estemos realizando un estudio de tipo socio económico
o bien un estudio de salud. Por ello nuestro interés no está en el indivi-
duo ω que obtenemos cuando seleccionamos a una persona al azar sino
que nuestro interés es un valor asociado a ω que denotamos por X(ω).
Lo que es aleatorio es ω porque lo seleccionamos aleatoriamente. Una
vez tenemos ω el valor X(ω) = x viene dado. Otros ejemplos:
1. Elegimos al azar a una persona, una vez elegida su edad no es
aleatoria, es la que tiene en el momento de observarla.
2. Elegimos al azar una muestra de agua en una planta de tra-
tamiento de aguas residuales. Luego determinamos la demanda
química de oxígeno.
A la función que asocia a un resultado un valor numérico se le llama
variable aleatoria. Lo podemos denotar como

X:Ω → R
ω → X(ω) = x.

Otros ejemplos habituales de variables aleatorias son:

45
46 CAPÍTULO 2. VARIABLE ALEATORIA

• Número de llamadas que llegan a una centralita telefónica en un

intervalo de tiempo.

• Suma de las caras que muestran dos dados al ser lanzados.

En resumen, nuestro interés al examinar el resultado de un experimen-

to aleatorio no es tanto el espacio de probabilidad resultante, como
la característica numérica asociada, lo que supone cambiar nuestro
objetivo de Ω a R. Hay dos razones que justifican este cambio:

1. El espacio de probabilidad es un espacio abstracto, mientras

que R es un espacio bien conocido en el que resulta mucho más
cómodo trabajar.

2. Fijar nuestra atención en la característica numérica asociada a

cada resultado implica un proceso de abstracción que, al extraer
los rasgos esenciales del espacio muestral, permite construir un
modelo probabilístico aplicable a todos los espacios muestrales
que comparten dichos rasgos.

Puesto que se trata de características numéricas ligadas a un experi-

mento aleatorio, son ellas mismas cantidades aleatorias. Esto supone
que para su estudio y conocimiento no bastará con saber que valores
toman, habrá que conocer además la probabilidad con que lo hacen.
De todo ello nos vamos a ocupar a continuación.

2.2 Variable aleatoria

La única forma que conocemos de trasladar información de un es-
pacio a otro es mediante una aplicación. En nuestro caso la aplicación
habrá de trasladar el concepto de suceso, lo que exige una mínima in-
fraestructura en el espacio receptor de la información semejante a la
σ-álgebra que contiene a los sucesos. Como nos vamos a ocupar aho-
ra del caso unidimensional, una sola característica numérica asociada
a los puntos del espacio muestral, nuestro espacio imagen es R. En
R, los intervalos son el lugar habitual de trabajo y por tanto lo más
conveniente será exigir a esta infraestructura que los contenga. Existe
en R la llamada σ-álgebra de Borel, β, que tiene la propiedad de ser
la menor de las que contienen a los intervalos, lo que la hace la más
adecuada para convertir a R en espacio medible: (R, β). Definamos
formalmente qué es una variable aleatoria.

Definición 2.1. Consideramos los espacios medibles (Ω, A) y (R, β).

Una variable aleaoria es un aplicación, X : Ω −→ R, que verifica

X −1 (B) ∈ A, ∀B ∈ β. (2.1)
1
Cuando hacemos intervenir una variable aleatoria en nuestro pro-
ceso es porque ya estamos en presencia de un espacio de probabilidad,
(Ω, A, P ). La variable aleatoria traslada la información probabilística
relevante de Ω a R mediante una probabilidad inducida que se conoce
como ley de probabilidad de X o distribución de probabilidad de X.
Fácilmente se comprueba el siguiente resultado.
1 En el contexto más general de la Teoría de la Medida, una aplicación que

verifica (2.1) se dice que es una aplicación medible. De acuerdo con ello, una
variable aleatoria no es más que una aplicación medible entre (Ω, A) y (R, β).
2.3. FUNCIÓN DE DISTRIBUCIÓN DE UNA VARIABLE ALEATORIA47

Lema 2.1. La familia de sucesos

σ(X) = {X −1 (B) : B ∈ β}

es una σ-álgebra que verifica σ(X) ⊂ A.

Definición 2.2. Dada una variable aleatoria X se denomina σ-
álgebra inducida por X a

σ(X) = {X −1 (B) : B ∈ β}.

X induce sobre (R, β) una probabilidad, PX , de la siguiente forma,

PX (A) = P (X −1 (A)), ∀A ∈ β.

Es fácil comprobar que PX es una probabilidad sobre la σ-álgebra

de Borel, de manera que (R, β, PX ) es un espacio de probabilidad
al que podemos aplicar todo cuanto se dijo en el capítulo anterior.
La probabilidad PX también recibe el nombre de distribución de la
variable aleatoria X.
Observemos que PX hereda las características que tenía P , pero lo
hace a través de X. ¿Qué quiere esto decir? Un ejemplo nos ayudará.
Ejemplo 2.1. Sobre el espacio de probabilidad resultante de lanzar
dos dados, definimos las variables aleatorias, X como la suma de
las caras e Y como el valor absoluto de la diferencia de las caras. El
espacio de probabilidad sobre el que ambas están definidas es el mismo,
PX y PY son distintas porque viene inducidas por variables distintas.
En efecto,
PX ({0}) = P (X −1 ({0}) = P (∅) = 0,
sin embargo,

PY ({0}) = P (Y −1 ({0}) =
1
P ({1, 1}, {2, 2}, {3, 3}, {4, 4}, {5, 5}, {6, 6}) = . (2.2)
6
La distribución de probabilidad de X, PX , nos proporciona cuanta
información necesitamos para conocer el comportamiento probabilís-
tico de X. No es fácil de manejar una distribución de probabilidad.
Notemos que debemos de conocer la probabilidad de cada posible con-
junto de Borel, esto es, debemos conocer PX (B) con B ∈ β. Se trata de
un objeto matemático complejo. Esta es la razón por la que recurrimos
a distintas funciones para describir (y caracterizar) la aleatoriedad de
X.

2.3 Función de distribución de una varia-

ble aleatoria
Empezamos a estudiar funciones que nos permiten manejar una
distribución de probabilidad de un modo simple.
Definición 2.3. Dada una variable aleatoria X definimos su función
de distribución como

FX (x) = PX ((−∞, x]) = P (X −1 {(−∞, x]}) = P (X ≤ x), (2.3)

con x ∈ R.
48 CAPÍTULO 2. VARIABLE ALEATORIA

Esta función tiene las siguientes propiedades importantes.

Proposición 2.1. Dada una variable aleatoria X, su función de dis-

tribución asociada verifica que es: no negativa, monótona creciente,
continua por la derecha, limx→+∞ FX (x) = 1 y limx→−∞ FX (x) = 0.
Además es continua en un punto x si y solo si P (X = x) = 0.

Prueba. No negatividad.- Consecuencia inmediata de su definición.

Monótona creciente.- De la monotonía de la probabilidad se de-

duce fácilmente que FX (x1 ) ≤ FX (x2 ) si x1 ≤ x2 .

Continuidad por la derecha.- Consideremos una sucesión decre-

ciente de números reales xn ↓ x. La correspondiente sucesión
de intervalos verifica ∩n (−∞, xn ] = (−∞, x], y por la continui-
dad desde arriba de la probabilidad respecto del paso al límite
tendremos limxn ↓x FX (xn ) = FX (x).
Observemos por otra parte que (−∞, x] = {x}∪limn→+∞ (−∞, x−
n ], lo que al tomar probabilidades conduce a
1

 
1
FX (x) = P (X = x)+ lim FX x− = P (X = x)+F (x−),
n→+∞ n
(2.4)
A partir de 2.4 se sigue que FX (x) es continua en x sí y solo sí
P (X = x) = 0.

Valores límites.- Si xn ↑ +∞ o xn ↓ −∞ entonces (−∞, xn ] ↑ R y

(−∞, xn ] ↓ ∅ y por tanto

F (+∞) = lim F (xn ) = 1, F (−∞) = lim F (xn ) = 0.

xn ↑+∞ xn ↓−∞

Hemos propuesto una forma de describir la distribución de proba-

bilidad de una variable aleatoria, su función de distribución asociada.
T eníamos una variable aleatoria ya definida y describimos su distri-
bución. Vamos a considerar la situación inversa. Nos dan una función
y queremos saber si hay alguna variable aleatoria (de la que no sa-
bremos cómo se ha definido) pero que tenga a esta función como su
función de distribución asociada. Este problema va más allá de los ob-
jetivos del texto pero sí que es importante cuáles son las condiciones
necesarias y suficientes para que una función dada sea la función de
distribución asociada a alguna variable aleatoria. Las propiedades son
las que hemos visto en la proposición 2.1. A una función que permite
este camino inverso, recupero toda la distribución de probabilidad a
partir de dicha función reciben el nombre de funciones de distribución
de probabilidad. Se justifica la siguiente definición.

Definición 2.4. Se dice que la función F es una función de distri-

bución de probabilidad si es no negativa, monótona creciente, conti-
nua por la derecha y verifica: limx→+∞ F (x) = 1, limx→−∞ F (x) = 0.

Hemos visto previamente que dada una variable aleatoria, la fun-

ción FX definida en 2.3 es una función de distribución de probabilidad
(en adelante simplemente función de distribución). En ocasiones se la
denomina función de distribución acumulada porque tal y como ha
2.4. PERCENTILES 49

sido definida nos informa de la probabilidad acumulada por la varia-

ble X hasta el punto x. Nos permite obtener probabilidades del tipo
P (a < X ≤ b) a partir de la expresión

P (a < X ≤ b) = FX (b) − FX (a).

La función de distribución debe su enorme importancia cuando tra-

bajamos con una variable aleatoria al hecho de que caracteriza a la
medida de probabilidad. Hemos definido FX utilizando PX de modo
que la probabilidad determina la función de distribución. Y el recí-
proco: ¿es cierto? Dada una función de distribución F : ¿tenemos una
única medida de probabilidad asociada? La respuesta es afirmativa
pero la prueba no es simple y excede el nivel de estas notas.

2.4 Percentiles
Un concepto muy relacionado con la función de distribución de
una variable aleatoria y de un gran interés práctico es el concepto de
percentil.
Definición 2.5. Tenemos la variable aleatoria X y consideramos un
valor p (0 ≤ p ≤ 1). Se define percentil de orden p de la variable
aleatoria X como un valor κp (no necesariamente único) que verifica
las dos desigualdades siguientes

P (X ≤ κp ) ≥ p y P (X ≥ κp ) ≥ 1 − p.

Sin duda, el percentil de mayor uso es la mediana o percentil de

orden 0.5. Los percentiles de orden 0.25, 0.50 y 0.75 son los cuartiles.
Se dice que son el primero, segundo y tercer cuartiles. También a los
cuartiles de orden 0.25 y 0.75 se les suele denominar el cuartil inferior
y el cuartil superior.

2.5 Variable aleatoria discreta

Es una variable aleatoria que toma un número finito de valores
o bien toma un número infinito numerable de posibles valores. Un
ejemplo muy simple y habitual es la edad de un individuo seleccionado
al azar. La edad suele cuantificarse con valores enteros. Decimos que
una persona tiene 24 años o que tiene 25 años. Por lo tanto es un valor
entero. Si cuantificamos la edad en años entonces los valores posibles
de la variable aleatoria son 0, 1, 2, . . . . En cualquier caso un número
finito de posibles valores.
Otro ejemplo puede ser el número de organismos que observamos
en una placa al microscopio, el número de huevos en una buitrera, el
número de píxeles defectuosos en un monitor de ordenador, el número
de árboles dentro de un cuadrado en un muestreo espacial. Todos son
ejemplos de variable aleatoria discreta. Como vemos habitualmente
son valores que resultan de contar. Es lo más frecuente pero no siempre
es así.
De un modo más formal:
Definición 2.6. Una variable aleatoria discreta es aquella que
verifica que existe un conjunto numerable D2 tal que la variable toma
2 El conjunto D recibe el nombre de soporte de la distribución PX .
50 CAPÍTULO 2. VARIABLE ALEATORIA

Tabla 2.1: Función de probabilidad de una variable discreta. En la

primera fila el valor y en la segunda la probabilidad de tomar este
valor.

x 0.000 1.000 2.000 3.000 4.000 5.000

P (X = x) 0.107 0.268 0.302 0.201 0.088 0.026
x 6.000 7.000 8.000 9.000 10.000
P (X = x) 0.006 0.001 0.000 0.000 0.000

valores en este conjunto o, de otro modo,

P (X ∈ D) = PX (D) = 1.

Básicamente una variable discreta es aquella cuyo soporte es un

conjunto discreto. Notemos que si x ∈ Dc entonces P (X = x) = 0. Es
por ello, razonable definir la siguiente función.

Definición 2.7. Definimos la función de probabilidad o cuantía

de una variable aleatoria discreta como

P (X = x), si x ∈ D
fX (x) =
0, en el resto,

En lo que sigue denotaremos indistintamente fX (x) o P (X = x)

indistintamente cuando hablemos de la función de probabilidad de
una variable aleatoria discreta.

Ejemplo 2.2. Por ejemplo, supongamos D = {0, 1, . . . , 10} y la fun-

ción de probabilidad aparece en la tabla 2.1.
A partir de la función de probabilidad P (X = xi ) podemos calcular
cualquier otra probabilidad. Por ejemplo:

P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2),

o bien,

P (X ≥ 7) = P (X = 7) + P (X = 8) + P (X = 9) + P (X = 10).

También

P (4 ≤ X ≤ 7) = P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7).

P (4 < X ≤ 7) = P (X = 5) + P (X = 6) + P (X = 7).
P (4 < X < 7) = P (X = 5) + P (X = 6).
De un modo genérico podemos escribir que
X
P (X ∈ B) = P (X = x),
x∈B

siendo B cualquier subconjunto de la recta real (para ser precisos

cualquier subconjunto de Borel de la recta).

Notemos que una función de probabilidad ha de verificar las dos

propiedades básicas siguientes.
2.5. VARIABLE ALEATORIA DISCRETA 51

Proposición 2.2. Si fX es la función de probabilidad asociada a una

variable aleatoria discreta entonces se verifican las dos propiedades
siguientes:
1. fX es no negativa.
2.
P
xi ∈D fX (xi ) = 1.

Prueba. 1. Al tratarse de una probabilidad, fX (x) ≥ 0, ∀x ∈ R,

2. Como P (X ∈ D) = 1 se tiene por la σ-aditividad de la medida
de probabilidad que
X
fX (xi ) = 1.
xi ∈D

De hecho en lo que sigue cuando demos la función de probabilidad

de una variable discreta simplemente indicaremos los puntos en los
que no se anula y el valor de la función en esos puntos. En el resto
asumimos que es nula.
Si X es una variable discreta entonces es fácil comprobar que la
FX asociada viene dada por

(2.5)
X X
FX (x) = P (X = xi ) = fX (xi ).
xi ≤x xi ≤x

De acuerdo con esto, si x(i) y x(i+1) son dos puntos consecutivos del
soporte tendremos que ∀x ∈ [x(i) , x(i+1) [, FX (x) = FX (x(i) ). Como
además PX (x) = 0, ∀x ∈ Dc , la función será también continua. Por
otra parte P (X = xi ) > 0, para xi ∈ D, con lo que los únicos puntos
de discontinuidad serán lo del soporte, discontinuidad de salto finito
cuyo valor es FX (x(i) ) − FX (x(i−1) ) = P (X = xi ). Se trata por tanto
de una función escalonada, cuyos saltos se producen en los puntos de
D.
La relación entre fX y FX viene recogida en las dos expresiones
que siguen, cuya obtención es evidente a partir de (2.4) y (2.5). La
primera de ellas permite obtener FX a partir de fX ,
X
FX (x) = fX (xi ).
xi ≤x

La segunda proporciona fX en función de FX ,

fX (x) = FX (x) − FX (x−).

En resumen dada la función de probabilidad tenemos la función de

distribución y viceversa, dada la función de distribución tenemos la
función de probabilidad.
Ejemplo 2.3. Consideramos la variable aleatoria discreta tal que su
función de probabilidad aparece en la tabla 2.1. Vamos a determinar
la función de distribución. Sus funciones de probabilidad y de distri-
bución las tenemos en la figura 2.1.
En lo que sigue se estudian ejemplos importantes de variables dis-
cretas. Son modelos fácilmente reconocibles porque corresponden con
experimentos que nos encontramos en la vida real. Uno de ellos será
52 CAPÍTULO 2. VARIABLE ALEATORIA

(a) (b)

Figura 2.1: Función de probabilidad (a) y función de distribución (b)

de la distribución discreta en tabla 2.1.

el modelo binomial. Una cuestión previa es decidir si hablamos de

variable binomial o de distribución binomial. En todos los ejemplos
que vamos a contemplar lo que damos es la función de probabilidad,
es decir, damos los puntos con probabilidad no nula y la probabilidad
de que se produzcan. Lo importante es la probabilidad de los sucesos
y no la definición precisa de la variable. La variable aleatoria puede
representar número de caras en n lanzamientos de una moneda co-
rrecta o puede corresponder al número de píxeles en mal estado en
un monitor. Lo importante, en Probabilidad, no es la definición de
la variable sino la probabilidad que induce, su distribución. Dada la
distribución variables que se distribuyen igual son, desde el punto de
vista probabilístico, equivalentes. Por ello, preferimos (y es lo más ha-
bitual) hablar de distribución binomial. Una variable con distribución
binomial puede denominarse variable binomial. Nosotros preferimos
decir que es una variable con distribución binomial.3

2.6 Distribución Bernoulli

Empezamos con algún ejemplo que motiva esta distribución.

1. Lanzamos una moneda y nos planteamos si sale cara (y lo llama-

mos éxito) o si no sale cara (y lo llamamos fracaso). Nos fijamos
en la ocurrencia o no de un suceso: salir cara. Tenemos un espa-
cio muestral Ω = {cara, cruz} y nos planteamos si se produce
A = {cara}.

2. Elegimos al azar a una persona en la población de la Comuni-

dad Valenciana y nos fijamos si es diabético (y lo consideramos
éxito) o no lo es (fracaso). En este caso el espacio muestral es
el conjunto de individuos de la Comunidad y el suceso que nos
interesa sería el conjunto de individuos que son diabéticos en
dicha Comunidad.
3 Es más largo, pero somos un poco de letras.
2.7. DISTRIBUCIÓN BINOMIAL 53

Tenemos, en los ejemplos anteriores, distintos experimentos donde nos

fijamos en un suceso A y nos planteamos si ocurre o no ocurre este
suceso. Una situación de este tipo recibe el nombre de prueba de
Bernoulli. 4
Dada una prueba de Bernoulli consideramos la variable aleatoria
que nos indica si A se ha producido, esto es, la variable

X(ω) = 1A (ω),

donde 1A (ω) = 1 si ω ∈ A y cero en otro caso. Del experimento que

realizamos solamente nos importa saber si un determinado suceso ha
tenido lugar. De hecho, como éxito es que el resultado ω pertenezca
al suceso A entonces la probabilidad de éxito será p = P (A).
El rango de la variable es {1, 0} donde 1 indica el éxito y 0 el fra-
caso. Una variable de este tipo recibe el nombre de variable Bernoulli.
Es el ejemplo más simple de variable aleatoria. Su función de proba-
bilidad sería: fX (1) = P (X = 1) = p y fX (0) = P (X = 0) = 1 − p
que, de un modo conjunto, podemos representar como

P (X = x) = px (1 − p)1−x para x = 0, 1. (2.6)

Si una variable sigue una distribución de probabilidad se dice que es

una variable Bernoulli o que se distribuye Bernoulli 5 y se denota

X ∼ Bi(1, p).

Ejemplo 2.4. En el lanzamiento de una moneda correcta la función

de probabilidad es fX (1) = P (X = 1) = 1/2 y fX (0) = P (X = 0) =
1/2.
Ejemplo 2.5. Seleccionamos a un individuo al azar en la población
de la Comunidad Valenciana. La función de probabilidad es fX (1) =
P (X = 1) = p y fX (0) = P (X = 0) = 1 − p. El valor de p nos indica
la proporción real de diabéticos en la población. Habitualmente el valor
de p no es conocido.

2.7 Distribución binomial

Repetimos n veces una prueba de Bernoulli (con probabilidad de
éxito p) independientemente una de otra (lanzamos n veces una mo-
neda por ejemplo) y observamos la variable aleatoria que nos da el
número total de éxitos. Una variable de este tipo recibe el nombre de
variable binomial con n pruebas y una probabilidad de éxito p6 y se
suele denotar como
X ∼ Bi(n, p).
Observemos que los valores que puede tomar esta variable son 0, 1,
2, . . ., n, esto es, desde cero éxitos hasta n éxitos. ¿Qué probabilidad
tenemos de observar un número k éxitos?
Fenómenos aleatorios aparentemente tan diferentes como el núme-
ro de hijos varones de un matrimonio con n hijos o el número de caras
obtenidas al lanzar n veces una moneda correcta, son bien descritos
mediante un variable binomial.
4 [Link]
5 [Link]
6 [Link]
54 CAPÍTULO 2. VARIABLE ALEATORIA

Definición 2.8. Decimos que X es una variable binomial (o que sigue

una distribución binomial) de parámetros n y p y lo denotamos como

X ∼ Bi(n, p)

si su función de probabilidad viene dada por

 
n x
P (X = x) = p (1 − p)n−x , si x ∈ {0, 1, . . . , n}, (2.7)
x
y cero en el resto.
Lema 2.2. Si realizamos n pruebas independientes de Bernoulli con
la misma probabilidad de éxito p y denotamos por X la variable que
nos
cuenta eln−x
número de éxitos entonces se verifica que P (X = x) =
n x
x p (1 − p) para x = 0, . . . , n.
Prueba. Supongamos que denotamos por 1 un éxito y por cero fraca-
so. Vamos a denotar por A(u1 ,...,un ) el suceso consistente en obtener
en la prueba i el resultado ui donde ui igual uno indica éxito en la
prueba i y cero indica fracaso. Si denotamos por A(u1 ,...,un ) el suceso
correspondiente tendremos que
P P
ui
P (A(u1 ,...,un ) ) = p (1 − p)n− ui

puesto que las distintas pruebas de Bernoulli son independientes. Si

X es el número total de éxitos entonces
[
{X = x} = A(u1 ,...,un ) .
Pn
i=1 ui =x;ui ∈{0,1}

Notemos que los A(u1 ,...,un ) son disjuntos cuando cambia el valor de
uno de los ui (en una prueba o tenemos un éxito o un fracaso) por lo
que X
P ({X = x}) = P (A(u1 ,...,un ) ).
Pn
i=1 ui =x;ui ∈{0,1}

Y fácilmente vemos
que el número de sumandos en el sumatorio an-

terior es igual a nx pues solamente hemos de decidir en qué pruebas
se producen los x éxitos ya los fracasos vienen dados como el resto de
pruebas.
Una distribución binomial con una sola prueba recibe el nombre
de distribución Bernoulli.
Veamos una propiedad interesante de la distribución binomial. Te-
nemos que

P (X = k + 1) =
 
n n!
pk+1 (1 − p)n−k−1 = pk+1 (1 − p)n−k−1 =
k+1 (k + 1)!(n − k − 1)!
(n − k)p n! (n − k)p
pk (1 − p)n−k = P (X = k).
(k + 1)(1 − p) k!(n − k)! (k + 1)(1 − p)
(2.8)

Y en particular tendremos que

 
P (X = k) k+1 1−p
= . (2.9)
P (X = k + 1) n−k p
2.8. DISTRIBUCIÓN POISSON 55

El cociente de la ecuación (2.9) es menor que 1 cuando se verifica que

k < (n + 1)p − 1. Por tanto para estos valores de k la probabilidad
P (X = k + 1) es mayor que P (X = k), esto es, la probabilidad crece.
Sin embargo cuando k ≥ (n + 1)p − 1 la desigualdad es la contraria y
decrecemos.7 En consecuencia el máximo lo alcanzamos para k igual
a [(n + 1)p]8 Si ocurre que (n + 1)p es un número entero entonces se
tendrá que
P (X = [(n + 1)p − 1])
= 1, (2.10)
P (X = [(n + 1)p])
y en ambos puntos se alcanza el máximo. Por cierto que lo que aca-
bamos de determinar es la moda de la distribución binomial.9

2.8 Distribución Poisson

Esta distribución10 aparece ligada a experimentos en los que nos
interesa la ocurrencia de un determinado suceso a lo largo de un in-
tervalo finito de tiempo11 , verificándose las siguientes condiciones:
1. La probabilidad de que el suceso ocurra en un intervalo pequeño
de tiempo es proporcional a la longitud del intervalo, siendo λ
el factor de proporcionalidad.
2. La probabilidad de que el suceso ocurra en dos o más ocasiones
en un intervalo pequeño de tiempo es prácticamente nula.
Fenómenos como el número de partículas que llegan a un contador
Geiger procedentes de una fuente radiactiva, el número de llamadas
que llegan a una centralita telefónica durante un intervalo de tiem-
po, las bombas caídas sobre la región de Londres durante la Segunda
Guerra mundial y las bacterias que crecen en la superficie de un cul-
tivo, entre otros, pueden ser descritos mediante una variable aleatoria
Poisson.
La distribución de Poisson de parámetro λ es una de las distribu-
ciones de probabilidad discretas más conocida. Denotaremos que la
variable X sigue una distribución de Poisson con

X ∼ P o(λ).

El soporte de la distribución es D = {0, 1, 2, 3, . . .} y su función de

probabilidad viene dada por

e−λ λx
fX (x) = P (X = x) = , si x = 0, 1, . . . (2.11)
x!
y cero en el resto. Es fácil comprobar que la función que acabamos de
considerar en 2.11 es de probabilidad. Es no negativa y
+∞ +∞ x
X λx X λ
e−λ = e−λ = e−λ eλ = 1.
x=0
x! x=0
x!
7 En palabras de un político español diríamos que hay un crecimiento negativo.
8 Denotamos por [x] la parte entera de x o mayor entero menor o igual que x.
9 La moda de una distribución discreta es el valor que maximiza la función de

probabilidad: [Link]
10 [Link]
11 En un planteamiento más general, el intervalo finito de tiempo puede ser sus-

tituido por un subconjunto acotado de Rk

56 CAPÍTULO 2. VARIABLE ALEATORIA

La función de distribución tiene por expresión

X e−λ λn
FX (x) = .
n!
n≤x

Diremos que X es una variable Poisson de parámetro λ o que X sigue

una distribución de Poisson.

2.8.1 Aproximando una distribución binomial

¿Por qué es tan importante la distribución de Poisson en las apli-
caciones? Posiblemente12 la razón sea que aproxima a la distribución
binomial cuando tenemos un gran número de pruebas y una pequeña
probabilidad de éxito en cada una de ellas. Esto es hacemos muchas
pruebas pero es muy raro que tengamos un éxito en una de ellas. Por
ello, a esta distribución se le suele llamar la distribución de los sucesos
raros. Realmente lo que estamos viendo es La distribución de Poisson
como límite de distribuciones binomiales.

Proposición 2.3. Sea {Xn }n≥1 una sucesión de variables tales que
Xn ∼ Bi(n, pn ) y limn→+∞ npn = λ entonces

e−λ λx
lim P (Xn = x) = .
n→+∞ x!
Prueba. Consideremos la sucesión de variables aleatorias Xn ∼ Bi(n, pn )
en la que a medida que n aumenta, pn disminuye de forma tal que
npn ≈ λ. Más concretamente, npn → λ. Tendremos para la función
de probabilidad que
 
n x n!
P (Xn = x) = p (1 − pn )n−x = px (1 − pn )n−x ,
x n x!(n − x)! n

y para n suficientemente grande,

 x  n−x
n! λ λ
P (Xn = x) ≈ 1−
x!(n − x)! n n
x
 n  −x
λ n(n − 1) · · · (n − x + 1) λ λ
= 1− 1− .
x! nx n n

Al pasar al límite,
 n  −x
n(n − 1) · · · (n − x + 1) λ λ
→ 1, 1− → e−λ , 1− → 1,
nx n n

y tendremos
e−λ λx
lim fXn (x) = .
n→+∞ x!

La utilidad de este resultado reside en permitir la aproximación de

la función de cuantía de una binomial con n pruebas y probabilidad
de éxito p, Bi(n, p), mediante la función de cuantía de una Poisson
con párametro λ = np cuando n es grande y p pequeño.
12 Probablemente queda mejor en estas notas.
2.9. DISTRIBUCIÓN HIPERGEOMÉTRICA 57

2.9 Distribución hipergeométrica

Es una distribución de probabilidad discreta que aparece de un
modo natural. Consideremos el siguiente experimento. Tenemos una
urna con N bolas, de las cuales r son rojas y el resto, N − r, son
blancas. Extraemos n de ellas sin reemplazamiento y consideramos la
variable aleatoria X que nos da el número de bolas rojas que extrae-
mos. Notemos que el número de bolas rojas puede tomar valores entre
0 y el mínimo entre el número de bolas que extraemos y el número de
bolas rojas que tenemos en la urna. Por tanto el soporte de la distri-
bución de X es DX = {0, 1, 2, . . . , min{n, r}}. Para obtener la función
de probabilidad simplemente hemos de aplicar la fórmula de Laplace.
Tenemos
  
r N −r
x n−x
P (X = x) =   , si x = 0, . . . , min{n, r},
N
n
y cero en el resto. La variable X se dice que sigue una distribución
hipergeométrica y lo denotaremos con
X ∼ H(n, N, r).
La función que acabamos de definir se comprueba con facilidad que
es una función de probabilidad. Es no negativa. Para comprobar que
la suma de los valores es uno utilizamos la siguiente igualdad
n     
a b a+b
(2.12)
X
= .
i=0
i n−i n
Para probar esta igualdad un argumento sencillo es ver que estamos
contando el número de grupos de tamaño n de un total de a + b
elementos mediante dos procedimientos distintos.
Nota 2.1. La diferencia entre los modelos binomial e hipergeométri-
co estriba en el tipo de extracción. Cuando ésta se lleva a cabo con
reemplazamiento las sucesivas extracciones son independientes y la
probabilidad de éxito se mantiene constante e igual a r/N , el modelo
es binomial. No ocurre así si las extracciones son sin reemplazamien-
to. No obstante, si n es muy pequeño respecto a N y r, la composición
de la urna variará poco de extracción a extracción y existirá lo que
podríamos denominar una quasi-independencia y la distribución hi-
pergeométrica deberá comportarse como una binomial. En efecto,
  
r N −r
x n−x
fX (x) =   =
N
n
r! (N − r)! n!(N − n)!
=
x!(r − x)! (n − x)!(N − r − n + x)! N!
 
n r r−1 r−x+1
···
x N N −1 N −x+1
N −r N −r−1 N −r−n+x+1
··· =
N −xN −x−1 N −n+1
 
n x
≈ p (1 − p)n−x , (2.13)
x
58 CAPÍTULO 2. VARIABLE ALEATORIA

con p = N.
r

Ejemplo 2.6. Consideramos el problema de estimar el tamaño de una

población animal. Y vamos a estimar dicho tamaño a partir de datos
de recaptura13 Queremos estimar la población de peces en un lago,
para ello hemos capturado 1000 peces a los que, marcados mediante
una mancha roja, hemos arrojado nuevamente al lago. Transcurrido
un cierto tiempo, el necesario para que se mezclen con los restantes
peces del lago, llevamos a cabo una nueva captura de otros 1000 peces
entre los que hay 100 marcados. ¿Qué podemos decir acerca del total
de peces en el lago?
El problema que planteamos en un problema típico de estimación
estadística y vamos a dar una solución que, aunque particular para la
situación descrita, está basada en una metodología de aplicación gene-
ral en los problemas de estimación. Observemos en primer lugar que
el número de peces marcados en la segunda captura (recaptura) es una
variable aleatoria hipergeométrica, X ∼ H(1000, N, 1000), siempre
bajo el supuesto de que ambas capturas constituyen sendas muestras
aleatorias de la población total de peces del lago (en la práctica seme-
jante suposición excluye situaciones en las que las capturas se efectúan
en el mismo lugar y en un corto periodo de tiempo). Suponemos tam-
bién que el número de peces en el lago, N , no cambia entre las dos
capturas.
Generalizemos el problema admitiendo tamaños arbitrarios para
ambas muestras:
N = población de peces en el lago (desconocida)
r = número de peces en la 1a captura
n = número de peces en la 2a captura
x = número de peces en con mancha roja en la 2a captura
px (N ) = probabilidad de x peces con mancha roja en la 2a captura
Con esta formulación sabemos que
  
r N −r
x n−x
px (N ) =   .
N
n
En la práctica, r, n y x son conocidos por observación, como en el
ejemplo que planteamos, mientras que N es desconocido pero fijo y
en modo alguno depende del azar. Al menos una cosa conocemos de
N y es que N ≥ r + n − x, que es el total de peces capturados entre
ambas capturas. En nuestro ejemplo, N ≥ 1000 + 1000 − 100 = 1900.
¿Qué ocurre si aceptamos N = 1900? Aunque se trata de un valor
teóricamente posible, si calculamos p100 (1900),
  
1000 900
100 900
p100 (1900) =   ≈ 10−430 ,
1900
1000
√
(podemos valernos de la fórmula de Stirling, n! ≈ 2πnn+ 2 e−n , para
1

aproximar las factoriales), habremos de aceptar que ha ocurrido un

13 El ejemplo está sacado de [2] un texto clásico de la Probabilidad (hay dos

volúmenes) cuya lectura y consulta es recomendable y, lo mejor, un absoluto placer.

2.10. DISTRIBUCIÓN GEOMÉTRICA 59

suceso, X = 100, con una probabilidad extraordinariamente pequeña.

Resulta difícil de admitir una hipótesis que exige casi un milagro para
que el suceso observado tenga lugar. Otro tanto nos ocurre si supo-
nemos que N es muy grande, por ejemplo N = 106 . También ahora
p100 (106 ) es muy pequeña.
Una respuesta adecuada puede ser la de buscar el valor de N que
maximiza px (N ). Dicho valor, que designamos mediante N̂ , recibe
el nombre de estimación máximo-verosímil de N . Para encontrarlo,
observemos que

px (N ) (N − r)(N − n) N 2 − N r − N n + rn
= = 2 ,
px (N − 1) (N − r − n + x)N N − Nr − Nn + Nx

de donde se deduce

px (N ) > px (N − 1), si N x < rn,

px (N ) < px (N − 1), si N x > rn.

Así pues, a medida que aumenta N la función px (N ) crece primero

para decrecer después, alcanzando su máximo en N = [rn/x], la parte
entera de rn/x. En nuestro ejemplo, N̂ = 10000.

2.10 Distribución geométrica

¿Cuál es el número de lanzamientos de una moneda (correcta) que
hemos de realizar antes de obtener la primera cara? No prefijamos
el número de lanzamientos de la moneda. Solamente prefijamos que
queremos alcanzar el primer éxito, la primera cara, y contamos el
número de lanzamientos que hemos realizado.
En general, consideremos una sucesión de pruebas Bernoulli (éxito
o fracaso) independientes con la misma probabilidad de éxito, p. La
variable aleatoria que nos interesa es el número de pruebas que hemos
de realizar hasta obtener el primer éxito (donde no vamos a contar el
éxito). 14 La denotamos por X. ¿Cuál es su función de probabilidad?
Supongamos que denotamos por Ai el súceso consistente en obtener
éxito en la prueba i-ésima. Es claro que {X = 0} = A1 y

P (X = 0) = P (A1 ) = p.

En general si x > 0 tenemos

x
Y
P (X = x) = P (Ac1 ∩ . . . ∩ Acx ∩ Ax+1 ) = P (Ax ) P (Aci ) = p(1−p)x ,
i=1

donde la segunda igualdad se sigue de la independencia de los sucesos

Ai . En consecuencia, si X sigue una distribución geométrica con pro-
babilidad de éxito p entonces su función de probabilidad viene dada
por
P (X = x) = p(1 − p)x si x = 0, 1, . . . ,
15
y cero en el resto.
14 [Link]
15 Cuando se define la distribución geométrica a veces se cuenta el éxito final

y a veces no. Esto lo único que nos modifica es el soporte de la distribución. Es

importante fijarse es si se cuenta o no.
60 CAPÍTULO 2. VARIABLE ALEATORIA

2.11 Distribución binomial negativa

Consideremos pruebas Bernoulli independientes con la misma pro-
babilidad de éxito, p, en cada una de ellas. Fijamos el número de éxitos
que queremos obtener, por ejemplo, r éxitos. Nos fijamos en el número
de pruebas adicionales que hemos de realizar hasta obtener el éxito
r-ésimo. Notemos que como son pruebas adicionales, el valor mínimo
será 0 indicando que las r primeras pruebas han sido un éxito. Si X
es la variable que nos da este número de pruebas adicionales entonces
 
r+x−1 r
P (X = x) = p (1 − p)x , si x ≥ 0.
x
Esta distribución de probabilidad recibe el nombre de distribución
binomial negativa y la variable se dice que tiene una distribución bi-
nomial negativa.
El nombre de binomial negativa se justifica a partir de la expresión
alternativa que admite la función de cuantía,
  
−r r
p (−(1 − p))x , si x ≥ 0


x

fX (x) =


0, en el resto,


obtenida al tener en cuenta que

 
−r (−r)(−r − 1) · · · (−r − x + 1)
=
x x!
(−1)x r(r + 1) · · · (r + x − 1)
=
x!
(−1)x (r − 1)!r(r + 1) · · · (r + x − 1)
=
(r − 1)!x!
 
r+x−1
= (−1)x .
x
Veamos que suma la unidad. Recordemos el desarrollo en serie de
potencias de la función f (x) = (1 − x)−n ,

1 X n + i − 1 
= xi , |x| < 1.
(1 − x)n i
i≥0

En nuestro caso,

X r + x − 1
fX (x) = pr (1 − p)x =
x
x≥0
X r + x − 1  1
pr (1 − p)x = pr = 1. (2.14)
x (1 − (1 − p))r
x≥0

Ejemplo 2.7. En un acto académico celebrado en honor de Banach,

H. Steinhaus contó una anécdota acerca del hábito de fumar que aquél
tenía. La anécdota se refería a la costumbre de Banach de llevar una
caja de cerillas en cada uno de los bolsillos de su chaqueta, de manera
que cuando necesitaba una cerilla elegía al azar uno de los bolsillos. El
interés de la anécdota residía en calcular las probabilidades asociadas
al número de cerillas que habría en una caja cuando, por primera vez,
2.12. VARIABLE ALEATORIA CONTINUA 61

encontrara vacía la otra y se conoce como el problema de las cajas

de cerillas de Banach.
Si cada caja contiene N cerillas, en el momento de encontrar
una vacía la otra puede contener 0, 1, 2, . . . , N cerillas. Designemos
por Ar ={el bolsillo no vacío contiene r cerillas}. Supongamos que
la caja vacía es la del bolsillo izquierdo, para que ello ocurra N − r
fracasos (elecciones del bolsillo derecho) deben haber precedido al N +1-
ésimo éxito (elección del bolsillo derecho). En términos de una variable
aleatoria X ∼ BN (N + 1, 1/2) se trata de obtener P (X = N − r).
El mismo argumento puede aplicarse si la caja vacía es la del bolsillo
derecho. Así pues,

pr = P (Ar ) = 2P (X = N − r) =
   N +1  N −r  
2N − r 1 1 2N − r 1
2 = . (2.15)
N −r 2 2 N − r 2 +1)−r
2(N

Por ejemplo, para N = 50 y r = 4, pr = 0.074790; para r = 29,

pr = 0.000232.
Observación 2.1. Es también habitual presentar la variable binomial
negativa como el número total de pruebas necesarias para alcanzar
el r-ésimo éxito. En este caso, el soporte de la variable es DX =
{r, r + 1, r + 2, . . .} y su función de cuantía tiene la expresión
  
x−1 r
p (1 − p)x−r , si x ≥ r


x−r

fX (x) =


0, en el resto.


2.12 Variable aleatoria continua

Hasta el momento hemos tratado de variables discretas. Aquellas
variables que con probabilidad uno toman valores en un conjunto nu-
merable. En esta sección vamos a ver otro tipo de variables aleatorias,
las variables continuas. La definición de estas variables no es tan sim-
ple. Una definición sencilla y limitada podría ser la siguiente.
Definición 2.9. Diremos que la variable aleatoria es continua o
que su distribución es continua cuando existe una función no negativa,
integrable y cuya integral sobre toda la recta es igual a uno y verificando
que
Z b
P (X ∈ (a, b]) = P (a < X ≤ b) = f (x) dx. (2.16)
a
En la igualdad anterior podemos sustituir el intervalo semiabierto
(a, b] por los intervalos [a, b], [a, b), (a, b).
En definitiva una variable continua es aquella que la probabili-
dad de que la variable esté en un intervalo viene dada por la integral
(de Riemann) sobre el intervalo.16 La función f recibe el nombre de
16 Esta no es una definición suficiente. El tono que pretendemos tenga estas no-

tas nos limita a esta definición. Realmente una definición rigurosa es decir que la
variable X es continua cuando su distribución de probabilidad PX es absoluta-
mente continua respecto a la medida de Lebesgue en la recta real, esto es, si para
cualquier conjunto B tal que su longitud es nula entonces PX (B) = 0. Asumiendo
esta definición se puede demostrar (teorema de Radon-Nikodym) que existe una
función f no negativa e integrable tal que PX (B) = B f (x)dx donde la integral
R
es la integral de Lebesgue en R. Sin embargo, este tipo de resultados queda fuera
de nuestro alcance en estas notas.
 62 CAPÍTULO 2. VARIABLE ALEATORIA

función de densidad de probabilidad. Como consecuencia de esta de-

finición, entre la función de distribución y la función de densidad de
probabilidad se establecen las siguientes relaciones
Z x
FX (x) = f (t) dt
−∞

y si x es un punto de continuidad de fX entonces17

0
fX (x) = FX (x).

De hecho, se puede probar que la función de distribución de una va-

riable aleatoria continua es absolutamente continua.
Definición 2.10. Decimos que FX es absolutamente continua si para
cada  existe un δ tal que para cualquier familia finita de intervalos
disjuntos, [ai , bi ], i = 1, . . . , k
k
X k
X
|FX (bi ) − FX (ai )| <  si (bi − ai ) < δ.
i=1 i=1

Observemos que con esta definición, la continuidad uniforme es

un caso particular cuando la familia de intervalos contiene un único
elemento. Ello supone que FX es continua.

2.12.1 Interpretando la función de densidad

La continuidad de FX implica, recordemos (2.4), que en las varia-
bles aleatorias continuas P (X = x) = 0, ∀x ∈ R. Este es un resultado
que siempre sorprende y para cuya comprensión es conveniente inter-
pretar físicamente la función de densidad de probabilidad.
La función de densidad de probabilidad es sencillamente eso, una
densidad de probabilidad que nos indica la cantidad de probabilidad
por elemento infinitesimal de longitud. Es decir, fX (x) dx ≈ P (X ∈
Figura 2.2: Función de densidad ]x, x + dx]). Ello explica que, para elementos con longitud cero, sea
de probabilidad.
nula la correspondiente probabilidad. En este contexto, la probabili-
dad obtenida a través de la integral de Riemann pertinente se asimila
a un área, la encerrada por fX entre los límites de integración.
En las secciones que siguen vemos los ejemplos más importantes
de distribuciones continuas.

2.13 Distribución uniforme

La variable X diremos que tiene una distribución uniforme en el
intervalo [a,b], X ∼ U (a, b),18 si su función de densidad de probabili-
dad es de la forma
 1
 , si x ∈ [a, b]
b−a

fX (x) =


0, en el resto.
17 Esta última igualdad merece matizarse. En efecto, puesto que el origen de la

densidad está en la continuidad absoluta de PX respecto de la medida de Lebesgue,

cualquier función que difiera de fX en un conjunto con medida de Lebesgue nula
será también una densidad. En otras palabras, la densidad de probabilidad no es
0
única. Por ello sería más riguroso decir que FX (x) es una de las posibles densidades.
18 [Link]
2.14. DISTRIBUCIÓN NORMAL 63

La función de distribución que obtendremos integrando fX vale



 0, si x ≤ a



 x−a
FX (x) = , si a < x ≤ b

 b−a




1, si x > b.

Surge esta variable cuando elegimos al azar un punto en el intervalo

[a,b] y describimos con X su abscisa.

2.14 Distribución normal

19
Diremos que X es una variable aleatoria normal de parámetros
µ y σ 2 , X ∼ N (µ, σ 2 ), 20 si tiene por densidad,

(x − µ)2
1 −
fX (x) = √ e 2σ 2 , −∞ < x < +∞. (2.17)
σ 2π

Teorema 2.1. La función definida en (2.17) es una función de den-

sidad de probabilidad.

Prueba. En tanto que densidad, fX debe ser no negativa e integrar

uno sobre toda la recta real. La primera se deriva de inmediato de su
definición. Para comprobar la segunda,
Z +∞ 2 Z +∞
 Z +∞ 
I2 = fX (x)dx =
fX (x)dx fX (y)dy =
−∞ −∞ −∞
 2
 
Z +∞ (x − µ) Z +∞ (y − µ)2
 1 1 − 1 −
e 2σ 2 dx e 2σ 2 dy =
2π σ −∞ σ −∞
 

  
+∞
z2 +∞
v2
− −
Z Z
 1
e 2 σdz   e 2 σdv  =
 
2π

−∞ −∞

+∞ +∞
z2 + v2
−
Z Z
1
e 2 dzdv =
2π −∞ −∞
 
Z 2π Z +∞ r2
1 −
e 2 rdr dθ = 1, (2.18)
 
2π 0

0

donde hemos realizado los cambios z = (x − µ)/σ y v = (v − µ)/σ y

posteriormente un cambio a polares z = r sin θ y v = r cos θ.

La gráfica de fX tiene forma de campana y es conocida como la

campana de Gauss. Este matemático la introdujo cuando estudiaba
los errores en el cálculo de las órbitas de los planetas. En honor suyo,
19 [Link]
20 Más adelante llamaremos a estos parámetros media µ y varianza σ 2 pero para

entender el porqué de estos nombres hemos de estudiar previamente qué es la

media y qué es la varianza.
 64 CAPÍTULO 2. VARIABLE ALEATORIA

la distribución normal es también conocida como distribución gaus-

siana. Fuera del ámbito de la Estadística y la Probabilidad quizás sea
el nombre de gaussiana el más utilizado. Sin embargo, en Estadística
lo habitual es hablar de la distribución normal. ¿Por qué? Pues por-
que cuando se estudian muchos valores aleatorios del mundo real lo
normal es que se comporten según una distribución normal. Durante
el siglo XIX se impuso esta denominación porque normalmente los
histogramas se parecían a una campana de Gauss.
Del significado de los parámetros µ y σ 2 nos ocuparemos más ade-
lante. Notemos que µ ∈ R y σ > 0. Además, el eje de simetría de fX
es la recta x = µ y el vértice de√la campana (máximo de fx ) está en
el punto de coordenadas (µ, 1/σ 2π).
La figura ilustra el papel que los parámetros juegan en la forma
y posición de la gráfica de la función de densidad de una N (µ, σ 2 ).
Figura 2.3: Diferentes densidades A medida que σ disminuye se produce un mayor apuntamiento en la
normales modificando los paráme- campana porque el máximo aumenta y porque, recordemos, el área
tros.
encerrada bajo la curva es siempre la unidad.
Nota 2.2. ¿Cómo calculamos probabilidades con la distribución nor-
mal? Una característica de la densidad de la normal es que su primitiva
no tiene una expresión analítica, por lo que su función de distribución
no tiene expresión explícita y sus valores están tabulados o se calcu-
lan por integración numérica. Esto representa un serio inconveniente
si recordamos que P (a < X ≤ b) = FX (b) − FX (a), puesto que nos
obliga a disponer de una tabla distinta para cada par de valores de los
parámetros µ y σ.
En realidad, no es necesario y, además, sería imposible dada la
variabilidad de ambos parámetros. Podemos recurrir a la que se conoce
como variable aleatoria normal tipificada, Z ∼ N (0, 1), cuya densidad
es
z2
1 −
fZ (z) = √ e 2 , −∞ < z < +∞.
2π
En efecto, si para X ∼ N (µ, σ 2 ) queremos calcular

x
(t − µ)2
−
Z
1
FX (x) = √ e 2σ 2 dt,
σ 2π −∞

efectuando el cambio z = (t − µ)/σ tendremos

x−µ z2
−
 
x−µ
Z
1 σ
FX (x) = √ e 2 dz = Φ ,
2π −∞ σ

donde Φ(z) es la función de distribución de la N (0, 1). Y, finalmente,

si X ∼ N (µ, σ 2 ), entonces
   
b−µ a−µ
P (a ≤ X ≤ b) = Φ −Φ . (2.19)
σ σ

Además, puesto que es una distribución continua,

P (a < X ≤ b) = P (a ≤ X < b) = P (a < X < b) = P (a ≤ X ≤ b).

Hay que señalar que el mayor interés de la distribución normal

estriba en el hecho de servir de modelo probabilístico para una gran
2.14. DISTRIBUCIÓN NORMAL 65

parte de los fenómenos aleatorios que surgen en el campo de las cien-

cias experimentales y naturales.
El lema que sigue nos asegura que cualquier transformación lineal
de un variable normal es otra normal.
Lema 2.3. Sea X ∼ N (µ, σ 2 ) y definamos Y = aX + b, entonces
Y ∼ N (aµ + b, a2 σ 2 ).
Prueba. Supongamos a > 0, la función de distribución de Y viene
dada por
   
y−b y−b
FY (y) = P (Y ≤ y) = P (aX+b ≤ y) = P X ≤ = FX .
a a
Su función de densidad es
  (  2 )
1 y−b 1 1 y − (aµ + b)
0
fY (y) = FY (y) = fX = √ exp − .
a a aσ 2π 2 aσ

Si a < 0 entonces
   
y−b y−b
FY (y) = P (Y ≤ y) = P (aX+b ≤ y) = P X≥ = 1−FX ,
a a
y la densidad será
  (  2 )
1 y−b 1 1 y − (aµ + b)
fY (y) = FY0 (y) = − fX = √ exp − .
a a |a|σ 2π 2 aσ

En ambos casos se deduce que Y ∼ N (aµ + b, a2 σ 2 ).

Nota 2.3. ¿Cómo calculaban los antiguos las probabilidades con la
normal? ¿Qué problema nos planteamos? Suponemos que una cierta
cantidad sigue una distribución normal con unos parámetros (media
y varianza) dados. Nos planteamos cómo calcular la probabilidad de
que la variable esté en un cierto intervalo. Por ejemplo, sabemos que
el valor aleatorio que observamos sigue una distribución normal con
media 56 y desviación típica 9. ¿Qué probabilidad tenemos de que
la variable aleatoria tome un valor entre 60 y 63? Nos planteamos el
valor de la siguiente probabilidad: P (60 ≤ X ≤ 63). Para calcular este
área se aplicaban las siguientes igualdades donde Z = (X − 56)/3,
 
60 − 56 X − 56 63 − 56
P (60 ≤ X ≤ 63) = P ≤ ≤ =
3 3 3
     
60 − 56 63 − 56 63 − 56 60 − 56
P ≤Z≤ =P Z≤ −P Z ≤ .
3 3 3 3
(2.20)

Pero la variable Z es una normal estándar por lo que

       
63 − 56 60 − 56 63 − 56 60 − 56
P Z≤ −P Z ≤ =Φ −Φ .
3 3 3 3
De un modo genérico lo que acabamos de indicar es que si X ∼
N (56, 9) entonces
   
63 − 56 60 − 56
P (60 ≤ X ≤ 63) = Φ −Φ ,
3 3
66 CAPÍTULO 2. VARIABLE ALEATORIA

P (µ − σ ≤ X ≤ µ + σ) 0.6826895

P (µ − 2σ ≤ X ≤ µ + 2σ) 0.9544997

P (µ − 3σ ≤ X ≤ µ + 3σ) 0.9973002

Tabla 2.2: Probabilidad de que la variable diste de la media en un

número dado de desviaciones típicas

siendo Φ la función de ditribución de una normal estándar.

Si suponemos que X ∼ N (µ, σ 2 ) y tomamos dos números a y b
tales que a ≤ b entonces
   
b−µ a−µ
P (a ≤ X ≤ b) = Φ −Φ , (2.21)
σ σ
Por tanto, si X es una variable aleatoria con distribución normal
con media µ y desviación típica σ entonces la probabilidad de que la
variable esté entre µ − σ y µ + σ es

P (µ − σ ≤ X ≤ µ + σ) = 0.6826895. (2.22)

De un modo análogo si consideramos el intervalo [µ − 2σ, µ + 2σ]

entonces

P (µ − 2σ ≤ X ≤ µ + 2σ) = P (−2 ≤ Z ≤ 2) (2.23)

Y finalmente si consideramos el intervalo [µ − 2σ, µ + 2σ] se tiene

P (µ − 3σ ≤ X ≤ µ + 3σ) = P (−3 ≤ Z ≤ 3) (2.24)

que es igual a 0.9973.

En la tabla 2.2 tenemos las probabilidades que hemos calculado.
De un modo sencillo podemos decir: la variable dista de la media
en una desviación estándar con una probabilidad de 0.68,
en dos desviaciones con una probabilidad de 0.95 y en tres
desviaciones estándar con una probabilidad de 0.99.

2.15 Distribución exponencial

Diremos que la variable aleatoria X tiene una distribución expo-
nencial de parámetro λ, X ∼ Exp(λ) siendo λ > 0, 21 si su función
de densidad es de la forma

0, si x ≤ 0
fX (x) =
λe−λx , si x > 0.

La función de distribución de X vendrá dada por


 0, si x ≤ 0
FX (x) =
 R x −λt
0
λe dt = 1 − e−λx , si x > 0.

La distribución exponencial surge en problemas relacionados con

tiempos de espera y está relacionada con la distribución de Poisson
21 [Link]
2.16. DISTRIBUCIÓN GAMMA 67

de igual parámetro. En efecto, si consideramos un proceso de desin-

tegración radiactiva con λ desintegraciones por unidad de tiempo, el
número de desintegraciones que se producen en el intervalo [0,t] es
Nt ∼ P o(λt), y el tiempo que transcurre ente dos desintegraciones
consecutivas es X ∼ Exp(λ).
Nota 2.4. La variable aleatoria exponencial tiene una curiosa e in-
teresante propiedad conocida como falta de memoria. Consiste en la
siguiente igualdad,

P (X > x + t|X > t) = P (X > x), ∀x, t ≥ 0.

En efecto,

P ({X > x + t} ∩ {X > t}) P (X > x + t)

P (X > x+t|X > t) = = =
P (X > t) P (X > t)
e−λ(x+t)
= e−λx = P (X > x). (2.25)
e−λt

2.16 Distribución gamma

Diremos que la variable aleatoria X tiene una distribución gamma
de parámetros α y β, X ∼ Ga(α, β), donde α, β > 0 22 si su función
de densidad es de la forma
0, si x ≤ 0



fX (x) = 1 (2.26)
α−1 −x/β

 x e , si x > 0
Γ(α)β α

donde Γ(α) es el valor de la función Gamma en α.23 La función defini-

da en (2.26) es una función de densidad de probabilidad. Obviamente
es no negativa y en cuanto a su integral tenemos
Z ∞  
1 α−1 −x/β x
x e dx = y = =
0 Γ(α)β α β
Z ∞
1 1
α
y α−1 e−y β α dy = Γ(α) = 1. (2.27)
Γ(α)β 0 Γ(α)

Obsérvese que la distribución exponencial de parámetro λ es un caso

particular de la distribución gamma. En concreto, una exponencial de
parámetro λ es una distribución gamma con parámetros 1 y 1/λ.
Es habitual llamar a α parámetro de forma (shape) y a β paráme-
tro de escala.
Observación 2.2. Necesitaremos más adelante los valores de la fun-
ción gamma cuando α = n o α = n+ 12 , n natural. Es fácil comprobar,
mediante sucesivas integraciones por partes, que

Γ(α) = (α − 1)Γ(α − 1) = (α − 1)(α − 2)Γ(α − 2),

lo que para α = n da lugar a

Γ(n) = (n − 1)(n − 2) · · · Γ(1).

22 [Link]
23 La función Gamma se define como Γ(α) = ∞ y α−1 e−y dy donde α > 0.
R
0
68 CAPÍTULO 2. VARIABLE ALEATORIA

Pero Z ∞
Γ(1) = e−x dx = 1 y Γ(n) = (n − 1)!
0

Para el caso en que α = n + 1

2 deberemos calcular Γ( 12 ),
  Z ∞
t2
 
1 −x −1/2
Γ = e x dx = x = =
2 0 2
∞
√
√ Z √ 2π √
2 e −t2 /2
dt = 2 = π. (2.28)
0 2
√
La última integral en (2.28), dividida por 2π, es la mitad del área
que cubre la función de densidad de probabilidad de la normal estándar
N (0, 1).

2.16.1 Distribución Ji-cuadrado

Una variable aleatoria Ji-cuadrado de parámetro r, X ∼ χ2r , 24 es
una variable aleatoria gamma con α = r/2 y β = 2 siendo r entero
no negativo. Por tanto, es una familia de densidades de probabilidad
que dependen de un solo parámetro r. Su función de densidad tiene
la expresión


 0, si x ≤ 0

fX (x) = 1

 xr/2−1 e−x/2 , si x > 0.
Γ(r/2)2r/2


El parámetro r es también conocido como el número de grados de

libertad de la distribución.

2.17 Distribución beta

Diremos que la variable aleatoria X tiene una distribución beta de
parámetros α y β, X ∼ Be(α, β), 25 si su función de densidad es

Γ(α + β) α−1
x (1 − x)β−1 , si 0 < x < 1,


Γ(α)Γ(β)

fX (x) = (2.29)

en el resto.

0,


Proposición 2.4. La función definida en (2.29) es una función de

densidad de probabilidad.

Prueba. Obviamente es no negativa. Para comprobar que la integral

vale uno observemos que
Z ∞  Z ∞ 
α−1 −x β−1 −y
Γ(α)Γ(β) = x e dx y e dy =
0 0
Z ∞Z ∞
xα−1 y β−1 e−(x+y) dxdy. (2.30)
0 0

24 [Link]
25 [Link]
2.18. TRANSFORMACIÓN UNA VARIABLE ALEATORIA 69

Haciendo el cambio u = x/(x + y) tendremos

∞ 1
uα−1
Z Z  
α−1 β−1 −y/(1−u) y
Γ(α)Γ(β) = y y e dudy = v =
0 0 (1 − u)α−1 1−u
∞ 1
uα−1
Z Z
= y α+β−1 e−y/(1−u) dudy =
0 0 (1 − u)α−1
Z ∞ Z 1
= uα−1 (1 − u)β−1 v α+β−1 e−v dudv =
0 0
Z ∞ Z 1
= v α+β−1 e−v dv uα−1 (1 − u)β−1 du =
0 0
Z 1
= Γ(α + β) uα−1 (1 − u)β−1 du, (2.31)
0

y se sigue el resultado.
Observación 2.3. La función de densidad de Be(1, 1), teniendo en
cuenta que Γ(1) = Γ(2) = 1, tiene por expresión,

 1, si 0 < x < 1,
fX (x) =
0, en el resto,


que corresponde a la densidad de una variable aleatoria uniforme en

el intervalo unitario [0,1], es definitiva, Be(1, 1) = U (0, 1).

2.18 Transformación una variable aleato-

ria
Con mucha frecuencia tenemos interés en el estudio de una va-
riable y en otras cantidades que calculamos (determinísticamente) a
partir de esta variable. Por ejemplo, estamos interesados en el com-
portamiento de la variable que nos da el peso de una persona en un
estudio de salud. Supongamos que la variable aleatoria que nos da el
peso de esa persona elegida al azar es X y que el peso viene dado en
kilogramos. ¿Qué ocurre si en un momento dado queremos trabajar
con gramos? Pues quiere decir que nuestra variable de interés pasa
a ser Y = 1000X. Un simple cambio de unidad transforma nuestra
variable de interés.
Por ejemplo, si la variable original está en grados Farenheit y que-
remos transformar a grados centígrados entonces la transformación
que estamos considerando es Y = (X − 32)/1.8.
Tenemos pues una variable aleatoria X pero nuestro interés real-
mente se centra en una transformación g(X) siendo g un función real
de variable real. Con algo de notación tenemos
X g
Y : Ω −→ R −→ R,

y el valor aleatorio que nos interesa es Y (ω) = g(X(ω)). Realmente

casi cualquier g nos sirve pero para ser rigurosos hemos de pedir que
g sea una función medible.26 Si pedimos esta condición entonces Y =
g(X) es una variable aleatoria ya que Y −1 (B) = X −1 (g −1 (B)) ∈ A.
26 Decir que g es una función medible supone que la anti-imagen de un conjunto

de Borel es un conjunto de Borel: g −1 (B) ∈ β siendo B ∈ β.

70 CAPÍTULO 2. VARIABLE ALEATORIA

x -2 -1 1 2
P (X = x) 1/4 1/4 1/4 1/4

Tabla 2.3: Función de probabilidad de la variable aleatoria X.

y 1 2
P (Y = y) 1/2 1/2

Tabla 2.4: Función de probabilidad de la variable aleatoria Y .

Tiene sentido hablar de la distribución de probabilidad asociada a

Y , PY . Lo inmediato es preguntarse por la relación entre las distribu-
ciones de probabilidad de ambas variables. De hecho el problema es
determinar la distribución de la variable aleatoria Y , PY , conocidas la
distribución de X y la función g. La relación entre ellas es la siguiente:

P (Y ∈ B) = P (X −1 (g −1 (B)),

donde B un conjunto de Borel arbitrario. En particular, si B =

(−∞, y], tendremos la función de distribución de Y dada por

FY (y) = P (Y ≤ y) = P (g(X) ≤ y) = P (X ∈ g −1 ((−∞, y])). (2.32)

La variable X que estamos transformando puede ser continua o dis-

creta.27 Lo primero a plantearse es: Si transformamos una variable
discreta: ¿cómo es Y? Y si la variable X es continua: ¿cómo es Y?
Si la variable X es discreta entonces la Y ha de ser necesariamente
discreta y la función de probabilidad de Y es

(2.33)
X
P (Y = y) = P (X ∈ g −1 (y)) = P (X = x).
x∈g −1 (y)

Ejemplo 2.8. Supongamos X uniforme discreta sobre {−2, −1, 1, 2}.

Su función de probabilidad la tenemos en la tabla 2.3. Consideramos
el módulo de X, Y = |X|. La función de probabilidad de Y la tenemos
en la tabla 2.4.

Ejemplo 2.9. Si X es una variable discreta con soporte D, definamos

Y mediante
 X
 |X| , si X 6= 0
Y = signo(X) =
0, si X = 0.


Con esta definición, DY = {−1, 0, 1}, y su función de probabilidad

viene dada por
 P

 x<0 fX (x), si y = −1



fY (y) = fX (0), si y = 0




 P
x>0 fX (x), si y = 1
27 O ni continua ni discreta aunque en este manual nos ocupamos de estos tipos

de modelos fundamentalmente.
2.18. TRANSFORMACIÓN UNA VARIABLE ALEATORIA 71

Si la variable original X es continua entonces la variable que obte-

nemos transformándola, Y , puede ser bien discreta bien continua (o
ni continua ni discreta). Veamos ejemplos de cómo conocer la distri-
bución de la variable Y en cada caso.
Si lo que obtenemos es una variable Y discreta hay que intentar
determinar su función de probabilidad. Suele ser el camino más simple.
Ejemplo 2.10. Si X es una variable continua, definamos Y como
 X
 |X| , si X 6= 0
Y = signo(X) =
0, si X = 0.


Con esta definición, DY = {−1, 0, 1}, y su función de probabilidad

viene dada por
 R0

 −∞ X
f (x)dx, si y = −1



fY (y) = 0, si y = 0




 R +∞
0
fX (x)dx, si y = 1

Si X e Y = g(X) son ambas continuas entonces una primera opción

puede ser intentar calcular la función de distribución de Y .
Ejemplo 2.11. A partir de X ∼ U (0, 1) definimos Y = a + (b −
a)X con a < b. Vamos a obtener y reconocer la distribución de Y .
Para ello veamos de obtener la función de distribución de la variable
transformada.
 
y−a y−a
FY (y) = P (Y ≤ y) = P X ≤ = , a ≤ y ≤ b.
b−a b−a

Así pues, 
 0, y < 0;
y−a
FY (y) = b−a , a ≤ y ≤ b;
1, y > b.


La densidad es fY (y) = 1
b−a en a ≤ y ≤ b y 0 fuera. Se trata pues de
una U (a, b).
Ejemplo 2.12. Sea X ∼ U (−1, 1), uniforme continua entre -1 y +1.
Definimos Y = X 2 . Para obtener FY , sea y ∈ [0, 1],
√ √
FY (y) = P (Y ≤ y) = P (X 2 ≤ y) = P (− y ≤ X ≤ y) =
√ √ √
FX ( y) − FX (− y) = y. (2.34)

Entonces,
si y < 0;

 0,


√
FY (y) = y, si 0 ≤ y ≤ 1;

si y > 1.

1,


Seguimos con el caso en que X e Y son continuas. Tenemos un

par de resultados muy generales que nos dan directamente la función
de densidad de Y a partir de la densidad de la variable X. Son los
teoremas 2.2 y 2.3.
72 CAPÍTULO 2. VARIABLE ALEATORIA

Teorema 2.2. Sea X una variable aleatoria continua (con P (X ∈

D) = 1) y sea g monótona, diferenciable con g 0 (x) 6= 0, ∀x. Entonces
Y = g(X) es una variable aleatoria con función de densidad,

 fX (g −1 (y)) dg −1 (y)
dy , si y ∈ g(D)
fY (y) =
 0, en el resto.

Prueba. Supongamos que g es monótona creciente. Tendremos, para

y ∈ g(D),

FY (y) = P (Y ≤ y) = P (X ≤ g −1 (y)) = FX (g −1 (y)).

Derivando respecto de y obtendremos una función de densidad para

Y,

dFY (y) dFX (g −1 (y)) dg −1 (y) dg −1 (y)

fY (y) = = −1
= fX (g −1 (y)) .
dy dg (y) dy dy

En caso de monotonía decreciente para g,

FY (y) = P (Y ≤ y) = P (X ≥ g −1 (y)) = 1 − FX (g −1 (y)).

El resto se obtiene análogamente.

Ejemplo 2.13. Consideremos la variable aleatoria X cuya densidad

viene dada por

si x < 0,

 0,


fX (x) = 1
2, si 0 ≤ x ≤ 1,

1
si x > 1,

2x2 ,


Definimos una nueva variable mediante la transformación Y = 1/X.

La transformación cumple con las condiciones del teorema, x = g −1 (y) =
−1
1/y y dg dy(y) = − y12 , por tanto la densidad de Y vendrá dada por

si y < 0,

 0,


fY (y) = 1 1
2 y2 , si 1 ≤ y < ∞,

1 1
si 0 < y < 1,

2(1/y)2 y 2 ,


que adecuadamente ordenado da lugar a la misma densidad que poseía

X.

El teorema anterior admite la siguiente generalización.

Teorema 2.3. Sea D el dominio de g y supongamos que admite una

partición finita D = ∪ni=1 Di , de manera que gi = g|Di , restricción de
g a Di , es estrictamente monótona, diferenciable y con derivada no
nula. La densidad de Y = g(X) tiene la expresión,

dgi−1 (y)
(2.35)
X
fY (y) = fX (gi−1 (y)) .
dy
i:y∈gi (Di )
2.18. TRANSFORMACIÓN UNA VARIABLE ALEATORIA 73

Prueba. Si Di = (ai , bi ), i = 1, . . . , n, fijemos y en el rango de g.

Tendremos

FY (y) = P (Y ≤ y) = P (g(X) ≤ y, X ∈ ∪ni=1 Di )

n n
P (gi (X) ≤ y)(2.36)
X X
= P (g(X) ≤ y, X ∈ Di ) = .
i=1 i=1

Si y ∈ gi (Di ) y gi es creciente,

P (gi (X) ≤ y) = P ai ≤ X ≤ gi−1 (y) = FX (gi−1 (y)) − FX (ai ).

Si gi es decreciente,

P (gi (X) ≤ y) = P gi−1 (y) ≤ X ≤ bi = FX (bi ) − FX (gi−1 (y)).

Si y ∈/ gi (Di ), como Ii = gi (Di ) es un intervalo, es fácil comprobar

(véase la figura 2.4) que

P (gi (X) ≤ y) = 0 si inf Ii > y

Figura 2.4: Cambio de variable
P (gi (X) ≤ y) = 1 si sup Ii < y.

En cualquiera de los dos casos, al ser constante, su contribución a fY

es nula. En definitiva, si sustituimos en (2.36) y derivamos respecto
de las gi−1 (y) obtendremos (2.35).
Ejemplo 2.14. Si queremos obtener la densidad de una variable
aleatoria definida mediante la transformación Y = X 2 a partir de
X ∼ N (0, 1), observamos en la figura 2.5 que D = D1 ∪ D2 , de mane-
ra que la restricción de g sobre cada Di es una biyección que cumple
√
las condiciones del teorema. Tenemos además que g1−1 (y) = y y
√
g2 (y) = − y. Aplicando (2.35) se obtiene
−1

si y < 0,

 0,
Figura 2.5: Transformación Y =
fY (y) = 1 − 1 −y
 √ y 2 e 2 , si y ≥ 0. X 2 con X ∼ N (0, 1).
2π
Se trata de la densidad de una ji-cuadrado con un grado de libertad,
χ21 .
Hay dos transformaciones especialmente interesantes porque per-
miten obtener variables aleatorias con distribuciones preestablecidas.
La primera conduce siempre a una U (0, 1) y la otra, conocida como
transformación integral de probabilidad, proporciona la distribución
que deseemos. Necesitamos previamente la siguiente definición.
Definición 2.11. Sea F una función de distribución de probabilidad
en R. 28 La inversa de F es la función definida mediante

F −1 (x) = inf{t : F (t) ≥ x} para0 < x < 1.

Observemos que F −1 existe siempre, aun cuando F no sea continua

ni estrictamente creciente. Como contrapartida, F −1 no es una inversa
puntual de F , pero goza de algunas propiedades interesantes de fácil
comprobación.
28 Esto es monótona creciente, continua por la derecha y sus límites cuando

tiende a −∞ y +∞ son cero y uno respectivamente.

74 CAPÍTULO 2. VARIABLE ALEATORIA

Proposición 2.5. Sea F −1 la inversa de F . Entonces,

a) para cada x y t, F −1 (x) ≤ t ⇐⇒ x ≤ F (t),
b) F −1 es creciente y continua por la izquierda, y
c) si F es continua, entonces F (F −1 (x)) = x, ∀x ∈ [0, 1].
Podemos ya definir las dos transformaciones antes mencionadas.
Proposición 2.6. Sea U ∼ U (0, 1), F una función de distribución
de probabilidad y definimos X = F −1 (U ). Entonces, FX = F . Esta
transformación recibe el nombre de transformada integral de pro-
babilidad.
Prueba. Como F −1 es monótona, X es una variable aleatoria. Por a)
en la proposición anterior, ∀t ∈ R,

FX (t) = P (X ≤ t) = P (F −1 (U ) ≤ t) = P (U ≤ F (t)) = F (t).

Este resultado es la base de muchos procedimientos de simula-

ción aleatoria porque permite obtener valores de cualquier variable
aleatoria a partir de valores de una distribución uniforme. El término
generador de números aleatorios indica un procedimiento para generar
valores uniformes en el intervalo [0, 1]. Una vez hemos generado este
valor uniforme podemos generar un valor con función de distribución
F considerando X = F −1 (U ).
Proposición 2.7. Si FX es continua, U = FX (X) ∼ U (0, 1).
Prueba. Hagamos F = FX . Para x ∈ [0, 1], por la proposición 2.5 a),
P (U ≥ x) = P (F (X) ≥ x) = P (X ≥ F −1 (x)). La continuidad de F
y la proposición 2.5 c) hacen el resto,

P (U ≥ x) = P (X ≥ F −1 (x)) = 1 − F (F −1 (x)) = 1 − x.

2.19 Ejercicios
2.19.1 Variable aleatoria
* Ej. 98 — Sea X una variable aleatoria. Demostrar que σ(X) =
{X −1 (B) : B ∈ β} es una σ-álgebra.

* Ej. 99 — Si tenemos un espacio de probabilidad, (Ω, A, P ) y una

variable aleatoria X demostrar que

PX (A) = P (X −1 (A)), ∀A ∈ β.

es una medida de probabilidad, es decir, verifica la axiomática de

Kolmogorov dada en la definición 1.2.
* Ej. 100 — Sea X una variable aleatoria discreta con función de
probabilidad definida como f (x) = 10
x
para x ∈ {1, 2, 3, 4}(y 0 en otro
caso). Calcula las siguientes probabilidades:
1.P (1 < X < 3), P (1 ≤ X < 3), P (1.5 < X < 3), P (1.5 < X ≤
3), P (1.5 ≤ X ≤ 1.99).
2.19. EJERCICIOS 75

2.P (X ≤ 1), P (X < 1), P (0 ≤ X ≤ 2|1 ≤ X ≤ 3)

3.P (X ∈ N ) donde N es el conjunto de los números enteros posi-
tivos.
4.P (X ∈ Q) donde Q es el conjunto de los números racionales.
[Link] y dibuja la función de distribución F (x) de la variable X.
Repite los dos primeros apartados del problema utilizando F (x).
Representa en la gráfica dibujada todas las probabilidades del
primer apartado del problema.

* Ej. 101 — Calcula la función de probabilidad de una variable

aleatoria discreta X para la que P (X > x) = 21x si x ∈ {1, 2, 3, . . .} y
P (X = x) = 0 en otro caso.

* Ej. 102 — Considera un juego que consiste en lanzar repetida-

mente una moneda (bien equilibrada) hasta conseguir que el resulta-
do sea cara. Cada vez que obtienes el resultado cruz colocas una ficha
de color blanco en un sombrero, pero si el resultado es cara, además
de acabarse el juego, añades una ficha negra en el sombrero. De esa
forma, cuando finaliza el juego, el número de fichas en el sombrero es
igual al número de lanzamientos realizados. A continuación se elige
al azar una ficha del sombrero. Si es blanca ganas 100 euros, pero si
es la negra pierdes 100 euros. Comprueba que la probabilidad de que
ganes es 0.3069(= 1 − ln 2). (Recuerda
P∞ que, desarrollando en serie de
potencias, se tiene que ln( 1−x
1
) = n=1 n1 xn si |x| < 1).

* Ej. 103 — De un lote que contiene 25 artículos, de los cuales 5 son

defectuosos, se eligen 4 al azar. Sea X la variable aleatoria que cuenta
el número de artículos defectuosos elegidos. Obtén la distribución de
probabilidad de la variable aleatoria X si los artículos se escogen: (i)
con reemplazamiento; (ii) sin reemplazamiento.

* Ej. 104 — Supongamos X ∼ Bi(1, p). Demostrar que fX (1) =

P (X = 1) = p y fX (0) = P (X = 0) = 1 − p es una función de
probabilidad.

* Ej. 105 — La concha del caracol de tierra Limocolaria manter-

siana puede ser rayada o pálida. El 60 por ciento de estos caracoles
de tierra tiene la concha rayada. Se seleccionan 10 caracoles al azar
de esta población. Calcula la probabilidad de que la proporción de
caracoles con concha rayada presentes en la muestra:
[Link] del 50 por cien,
[Link]é entre el 50 y el 60 por cien, ambos inclusive,
[Link] sea inferior al 70 por cien.
[Link] del 60 por cien.

* Ej. 106 — ([11, Pág. 172])Elegimos dos bolas uniformemente de

una urna que contiene 8 bolas blancas, 4 negras y 2 naranjas. Supon-
gamos que ganamos dos euros por cada bola negra seleccionada y
perdemos un euro por cada bola blanca que seleccionamos. Sea X la
variable aleatoria que nos da la ganancia. Determinar los valores que
puede tomar la variable X y cuáles son las probabilidades de estos
valores.
76 CAPÍTULO 2. VARIABLE ALEATORIA

* Ej. 107 — ([11, Pág. 172])Lanzamos dos dados correctos. Sea X

la variable aleatoria igual al producto de los dos dados. Determinar
P (X = i) para i = 1 . . . , 36.
* Ej. 108 — ([12, Pág. 29])Lanzamos cuatro monedas correctas.
Supongamos que los resultados son independientes: ¿qué probabili-
dad tenemos de observar dos caras y dos cruces?

* Ej. 109 — ([12, Pág. 30])Sabemos que la probabilidad de que

una determinada máquina produzca una unidad defectuosa es 0.1.
Además el que una unidad sea defectuosa es independiente de que las
demás unidades lo sean. Supongamos una muestra de tres unidades
fabricadas: ¿qué probabilidad tenemos de tener al menos una unidad
de producto defectuosa?

* Ej. 110 — ([12, Pág. 30])Supongamos que el motor de un avión

falla en vuelo con una probabilidad 1−p. Supongamos que los distintos
motores de un avión fallan independientemente de los demás. El avión
completará el vuelo si al menos permanecen operativos la mitad de
los motores que lleva. ¿Qué valores de p hacen que sea preferible volar
en un avión de cuatro motores antes que en un avión de dos motores?

* Ej. 111 — ([12, Pág. 31])Supongamos que un cierto rasgo de una

persona (por ejemplo, color de pelo o si es diestro o zurdo) depende
de un par de genes. Suponemos que uno de ellos, d, es dominante
y el otro, r, es recesivo. Si una persona es dd es dominante puro, si
es rr es recesivo puro y si es rd es híbrido. Los dominantes puros y
los híbridos tienen la misma apariencia. Un descendiente recibe un
gen de cada padre. Supongamos una pareja donde los dos padres son
híbridos. Tienen cuatro hijos: ¿qué probabilidad tenemos de que exac-
tamente tres de los descencientes tenga la apariencia que proporciona
el gen dominante?

* Ej. 112 — Supongamos que realizamos n pruebas de Bernoulli

independientes con una probabilidad de éxito p (la misma para todas
las pruebas). Demostrar que la probabilidad de obtener exactamente x
éxitos viene dada por la expresión nx px (1−p)n−x donde x = 0, . . . , n.

* Ej. 113 — Demostrar que la función definida en (2.7) es una fun-

ción de probabilidad.
* Ej. 114 — Supongamos X ∼ P o(λ). Demostrar que la función
definida en (2.11) es una función de probabilidad.

* Ej. 115 — ([12, Pág. 33])Supongamos que el número de errores

tipográficos en una paǵina de un libro sigue una distribución de Pois-
son con parámetro λ = 1. Determinar la probabilidad de que tengamos
al menos un error en un página.

* Ej. 116 — ([12, Pág. 33])El número de accidentes que ocurren

en una autopista sigue una distribución de Poisson con parámetro
λ = 3: ¿qué probabilidad de que no tener ningún accidente en un día
determinado?

* Ej. 117 — ([12, Pág. 33])En un experimento estamos contando

el número de particulas α en un intervalo de un segundo con un gramo
de material radioactivo. Por información anterior sabemos que dicho
número aleatorio viene bien descrito mediante una distribución de
2.19. EJERCICIOS 77

Poisson con parámetro λ = 3.2. Obtener una buena aproximación

para la probabilidad de no observar más de dos partículas α.

** Ej. 118 — ([11, pág. 160])Queremos estimar la cantidad total

de jabalíes en los Montes Universales que denotamos por N . Para ello
realizamos una primera captura de animales y les colocamos una ani-
lla. Supongamos que marcamos m animales. Una vez marcados los
liberamos y dejamos que se dispersen. Después realizamos una segun-
da captura de n jabalíes. Asumimos que el tamaño de la población no
se ha modificado entre las dos capturas. Sea X la variable aleatoria
que nos da el número de animales marcados en la segunda captura.
Se pide:
[Link] la distribución de probabilidad de la variable aleato-
ria X.
[Link] que hemos observado x animales marcados en la
segunda captura. ¿Cuál es el valor más probable del número total
de jabalíes?
** Ej. 119 — Consideremos el problema de las cajas de cerillas pro-
puesto en ejemplo 2.7. Se propone encontrar la solución considerando
cada una de las variantes siguientes:
[Link] el número de cerillas de cada una de las cajas no es el mismo:
una de ellas supondremos que tiene N cerillas y la otra M cerillas.
[Link] el fumador elige su bolsillo derecho (con M cerillas) con el
doble de probabilidad que su bolsillo izquierdo (con N cerillas).
* Ej. 120 — Sea X una variable aleatoria continua con función de
densidad f (x) = 3x4 2 para 1 ≤ x ≤ 4 (y 0 en otro caso). Calcula las
siguientes probabilidades:
1.P (1 < X < 3), P (1 ≤ X < 3), P (1.5 < X < 3), P (1.5 < X ≤
3), P (1.5 ≤ X ≤ 1.99).
2.P (X ≤ 1), P (X < 1), P (0 ≤ X ≤ 2|1 ≤ X ≤ 3)
3.P (X ∈ N ) donde N es el conjunto de los números enteros posi-
tivos.
4.P (X ∈ Q) donde Q es el conjunto de los números racionales.
[Link] y dibuja la función de distribución F (x) de la variable X.
Repite los dos primeros apartados del problema utilizando F (x).
Representa en la gráfica dibujada todas las probabilidades del
primer apartado del problema.

* Ej. 121 — ([14])Supongamos X una variable aleatoria con fun-

ción de densidad f (x) = cx, para 0 ≤ x ≤ a. Determinar c y la función
de distribución de X.
* Ej. 122 — ([14])Sean f1 (x) y f2 (x) funciones de densidad de pro-
babilidad y supongamos λ un número tal que 0 ≤ λ ≤ 1. Demostrar
que λf1 (x) + (1 − λ)f2 (x) es una función de densidad de probabilidad.
¿Es f1 (x)f2 (x) una función de densidad de probabilidad?

* Ej. 123 — ([14])Sean F1 (x) y F2 (x) funciones de distribución de

probabilidad y supongamos λ un número tal que 0 ≤ λ ≤ 1. De-
mostrar que λF1 (x) + (1 − λ)F2 (x) es una función de distribución de
probabilidad. ¿Es F1 (x)F2 (x) una función de distribución de proba-
bilidad?
78 CAPÍTULO 2. VARIABLE ALEATORIA

* Ej. 124 — Supongamos X uniforme en el intervalo [a, b], deter-

minar la función de distribución de la variable aleatoria X.
* Ej. 125 — Supongamos X ∼ U (0, 5). Calcular las siguientes pro-
babilidades:
1.P (X < 3).
2.P (2 < X < 3).
3.P (X > 43).
* Ej. 126 — Hace años se descubrió que los faisanes de Montana
poseían una contaminación por mercurio apreciable, y se pensó que
esto podía deberse a que habían sido alimentados con semillas de
plantas tratadas con metilo de mercurio. Sea X la variable aleatoria
que describe el nivel de mercurio (en ppm) de un faisán de Montana.
Suponiendo que la distribución de X es normal de parámetros µ =
0.25 ppm y σ = 0.08 ppm, calcula el percentil de orden 0.25 de su
distribución y las probabilidades P (X < 0.3), P (X > 0.17), P (0.2 <
X < 0.4). 29

* Ej. 127 — Un fabricante de bolas para rodamientos somete su

producto al siguiente proceso de control de calidad. Las bolas son
aceptadas si no pasan a través de un agujero de diámetro d1 , pero
sí lo hacen a través de otro de diámetro d2 , d2 > d1 . Se sabe que el
diámetro D de las bolas es aleatorio con una distribución N (µ, σ 2 ),
µ = (d1 +d2 )/2 y σ = (d2 −d1 )/4. ¿Cuál es la probabilidad de rechazar
una bola?
* Ej. 128 — El tiempo de espera en minutos en la caja de un su-
permercado es una variable aleatoria de parámetro λ, T ∼ Exp(λ).
[Link]ál és la probabilidad de que un cliente espere más de 10 mi-
nutos?
[Link]ál debe ser el valor de λ para que solamente un 1% de los
clientes espere más de 10 minutos?

Ej. 129 — Demostrar que la función de distribución de una variable

aleatoria continua es continua. Ver prueba de la proposición 2.1.

* Ej. 130 — Sea X una variable aleatoria con densidad exponencial

de parámetro λ = 2. Halla las siguientes probabilidades:
1.P (2X + 1 > 3)
2.P (X 2 ≤ 7)
3.P (X ≤ 2 | X > 0.5)
4.P (X > 0.5 | X ≤ 2)
* Ej. 131 — ([11, pág. 137])Un sistema de comunicaciones consis-
te de n componentes, cada una de las cuales funciona independiente-
mente y con probabilidad p. El sistema global transmite correctamente
si como mínimo la mitad de sus componentes funciona.
[Link] dos sistemas, uno de cinco componentes y otro
de 3 componentes. ¿Qué valores de p hacen más probable que
funcione correctamente el sistema de 5 en lugar del sistema de
3?
29 Para calcular la función de distribución de la normal se puede (y debe) utilizar

la función pnorm y para los percentiles la función qnorm de R.

2.19. EJERCICIOS 79

[Link] general, ¿cuándo funciona mejor un sistema con 2k + 1 com-

ponentes que un sistema con 2k − 1? 30

* Ej. 132 — En un proceso de fabricación de hilados se producen

roturas del hilo de manera aleatoria a lo largo del tiempo. Es im-
portante conocer cuando y cómo pueden producirse dichas roturas.
Supongamos que un trabajador controla 800 husos y que la probabili-
dad de rotura del hilo en cada bobina, durante un cierto intervalo de
tiempo τ , es p = 0.005. Encontrar el número de roturas más probable
y la probabilidad de que se produzcan a lo sumo 10 roturas.

* Ej. 133 — Samuel Pepy, contemporáneo de Isaac Newton, sabía

que al lanzar 6n dados el número esperado de seises era n. A partir
de este resultado deducía que los sucesos An ={al menos n seises al
lanzar 6n dados}, n = 1, 2, 3, tenían todos igual probabilidad. Isaac
Newton hubo de sacarlo de su error.31
* Ej. 134 — Para simular una moneda correcta a partir de una ses-
gada en la que la probabilidad de obtener una cara vale α 6= 1/2
podemos proceder como sigue. Lanzamos dos veces la moneda e inter-
pretamos cara seguida de cruz como cara y cruz seguida de cara como
cruz. Si no aparece ninguno de estos dos resultados, repetimos los pa-
res de lanzamientos hasta que aparezca alguno de ellos. Encontrar la
distribución de probabilidad del número de pares de lanzamientos ne-
cesarios para poder tomar una decisión (cara o cruz) y comprobar
que, en efecto, se trata de la simulación de una moneda correcta.

* Ej. 135 — ([14]) [Link] c cuando la variable X1 tiene

una densidad beta f1 (x) = c (x(1 − x)) .
1/2

[Link] c cuando la variable X2 tiene una densidad arco seno,

.
−1/2
f2 (x) = c (x(1 − x))
[Link] la función de distribución de X2 .

* Ej. 136 — El tiempo que tardan en ser atendidos los clientes del
servicio de caja de cierta sucursal bancaria es una variable aleatoria
T ∼ Exp(λ), con λ = 0.2. Durante una mañana han llegado 10 clien-
tes, ¿cuál es la probabilidad de que a lo sumo 3 de ellos hayan tardado
más de 6 minutos en ser atendidos? (Suponemos que los clientes son
atendidos independientemente unos de otros.)

* Ej. 137 — ([14])Un motor de un avión falla con probabilidad q.

Asumiendo que los fallos ocurren independientemente, determinar la
probabilidad de que:
[Link] menos dos de los motores, de un total de cuatro, no fallen.
[Link] menos dos de los motores, de un total de tres, no fallen.
Comparar las probabilidades anteriores para todos los valores de q.

* Ej. 138 — ([14])Supongamos una lotería que se celebra cada se-

mana. Sea p la probabilidad de que un número dado d sea extraído
30 El problema está resuelto en la referencia indicada.
31 El problema, que es de fácil solución y puede incluso parecer ingenuo a algún
lector, se recoge aquí por su interés histórico y también porque el autor de esta
colección ha tenido ocasión de comprobar que los émulos actuales de Samuel Pepy
son todavía numerosos
80 CAPÍTULO 2. VARIABLE ALEATORIA

una semana cualquiera. Después de n extracciones sucesivas, sea p(k)

la probabilidad de que el número d apareciera por última vez hace k
semanas. Determinar el valor de p(k). 32

* Ej. 139 — ([14])Lanzamos un dado repetidamente hasta que ob-

tenemos un seis. Sea An el suceso consistente en que el primer seis
aparece en el n-ésimo lanzamiento y sea E el suceso consistente en
que el número requerido de lanzamientos para obtener el primer seis
es un número par. Se pide:
[Link] P (E).
[Link] pn = P (An |E).
3.¿Constituyen los valores pn una distribución de probabilidad geo-
métrica?

* Ej. 140 — ([14])33 Tenemos dos jugadores A y B que realizan

una serie de pruebas independientes de modo que en cada una de
ellas se puede dar una de las siguientes situaciones: (i) A gana con
probabilidad p; (ii) B gana con probabilidad q; (iii) nadie gana con
probabilidad 1 − p − q. El juego se detiene cuando gana uno de los dos
contendientes A o B. Este el formato del juego inglés craps (o pase
inglés). El procedimiento indicado también se utiliza para resolver
juegos en que se llega a situaciones de empate al final del tiempo
normal de juego. Son los playoffs por muerte súbita. Se pide:
1.¿Cuál es la probabilidad de que A gane en la prueba n-ésima?
2.¿Cuál es la probabilidad de que A gane?
3.¿Cuál es la probabilidad de que el juego finalice en la prueba n?
[Link] Dn el suceso consistente en que la duración del juego es de
n pruebas y sea A el suceso (lo denotamos igual que al jugador)
consistente en que el jugador A es el ganador. Demostrar que Dn
y A son independientes.

* Ej. 141 — Sea X una variable aleatoria con distribución Bi(n, p),
X ∼ Bi(n, p). Sea Y otra variable con distribución Bi(n, 1 − p), Y ∼
Bi(n, 1 − p). Demostrar que

P (X = k) = P (Y = n − k).

Interpreta el resultado.

** Ej. 142 — ([14])Sea p(k) la función de probabilidad de una dis-

tribución binomial Bi(n, p). Demostrar que

(p(k))2 ≥ p(k + 1)p(k − 1)

para todo k donde

 
n k
p(k) = p (1 − p)n−k .
k

32 Elproblema está resuelto en la referencia indicada.

33 Lostres primeros apartados están resueltos en la referencia indicada y el cuarto
propuesto.
2.19. EJERCICIOS 81

* Ej. 143 — ([14])Una caja de componentes (lo que en control de

calidad se le llama un lote) se recibe en una fábrica. Queremos evaluar
la calidad del lote del siguiente modo. En cada lote de 100 compo-
nentes vamos a tomar al azar 10 y los evaluamos. Si tenemos como
mucho una unidad defectuosa entonces aceptamos el lote. ¿Con qué
probabilidad aceptamos un lote con 100 unidades de las cuales 7 son
defectuosas?

* Ej. 144 — Un (muy) famoso político español 34 tenía una gran

suerte jugando a la lotería. Vamos a intentar cuantificar su suerte.
Le ha tocado el primer premio en cinco sorteos distintos. Vamos a
suponer que en cada uno de los sorteos hay N posibles números.
[Link] fijamos solamente en los cinco sorteos en los que ganó el
primer premio. Si suponemos que solamente compró un boleto.
¿Qué probabilidad tenía de ganar en los cinco sorteos?
[Link] no jugó solamente en esos cinco sorteos. Supongamos que ha
jugado en n sorteos. ¿Cuál es la probabilidad de que ganara el
primer premio en cinco de ellos?
[Link]én es cierto que no compraría solamente un número. Su-
pongamos que compró b números distintos en n sorteos. ¿Cuál
es la probabilidad de que ganara el primer premio en cinco de
ellos?
[Link] N = 105 y b = 30, ¿cuántas veces ha de jugar para
que la probabilidad de ganar cinco o más veces sea mayor que
0.1?

* Ej. 145 — Calcula la función de probabilidad de una variable

aleatoria discreta X para la que P (X > x) = 21x si x ∈ {1, 2, 3, . . .} y
P (X = x) = 0 en otro caso.

* Ej. 146 — Si compramos un recibo de lotería en 50 sorteos dis-

tintos y tal que la probabilidad de ganar en cada sorteo es 100
1
, ¿cuál
es la probabilidad de cada uno de los siguientes sucesos?
[Link] al menos una vez.
[Link] exactamente una vez.
[Link] al menos dos veces.

* Ej. 147 — El soporte de cierta variable continua es [1, 5] y su

función de densidad es proporcional a x2 .
1.¿Cuál es esta función de densidad?
2.¿Qué probabilidad asigna al intervalo (1, 3]?

* Ej. 148 — Encuentra una función de densidad de la variable que

tiene por función de distribución:

si x < 0

0
F (x) =
1 − (1 + 3x)e−3x si x ≥ 0

* Ej. 149 — Si una densidad para X es f (x) = 26 3

(x + 1)2 para
0 < x < 2, y 0 en el resto, encontrar la función de distribución de X.
34 Al menos lo era a finales del siglo XX y principios del XXI.
82 CAPÍTULO 2. VARIABLE ALEATORIA

* Ej. 150 — Determinar los valores de C para que las siguientes

funciones sean funciones de probabilidad con soporte de la variable
en los enteros positivos.
(a)f (x) = C2−x .
(b)f (x) = C2−x /x.
(c)f (x) = Cx−2 .
(d)f (x) = C2x /x!.

* Ej. 151 — Sea X una variable aleatoria cuya función de probabi-

lidad es, sucesivamente, cada una de las consideradas en el problema
150. Calcular
(a)P (X > 1).
(b)El valor más probable de X.
(c)La probabilidad de que X sea par.

** Ej. 152 — Lanzamos n monedas, todas ellas con probabilidad

de cara p. Cada moneda que muestra una cara se lanza de nuevo.
Obtener la función de probabilidad del número de caras en el segundo
lanzamiento.
* Ej. 153 — Demostrar que para una variable binomial o Poisson,
su función de probabilidad verifica,

f (k − 1)f (k + 1) ≤ [f (k)]2 .

Comprobar que la misma desigualdad se cumple para f (k) = 90/(πk)4 ,

k ≥ 1.

* Ej. 154 — Determinar los valores de C para que las siguientes

funciones sean funciones de densidad de probabilidad.
(a)f (x) = C{x(1 − x)}1/2 , 0 < x < 1.
(b)f (x) = C exp(−x − e−x ), x ∈ R.
(c)f (x) = C(1 + x2 )−m , x ∈ R.

* Ej. 155 — Encontrar la densidad de Y = aX, a > 0, en función

de la densidad de X. Demostrar que las variables aleatorias continuas
X y −X tienen la misma función de densidad si y solo si fX (x) =
fX (−x), ∀x ∈ R.

* Ej. 156 — Si f y g son funciones de densidad de sendas variables

X e Y , comprobar que αf + (1 − α)g es también una densidad para
0 ≤ α ≤ 1.

2.19.2 Función de una variable aleatoria

* Ej. 157 — Sea X una variable aleatoria con distribución expo-
nencial de parámetro λ. Sea Y una variable aleatoria discreta definida
como Y = k si k ≤ X < k + 1 para k ∈ {0, 1, 2, . . .} . Calcula la
función de probabilidad y la función de distribución de la variable Y.

* Ej. 158 — [10, pág. 309] Supongamos que la variable X tiene una
distribución exponencial(λ). Determinar la distribución de cX cuando
c > 0.
2.19. EJERCICIOS 83

* Ej. 159 — Si X es una variable aleatoria con distribución expo-

nencial de parámetro λ, calcula la función de distribución de Y = X+1
1

* Ej. 160 — ([1, pág 65])Supongamos una variable aleatoria X con

función de densidad f (x) = 1/x2 , x ≥ 1; f (x) = 0, x < 1. Definimos

2X, si X ≤ 2

Y = (2.37)
X 2 , si X > 2

Se pide determinar la función de densidad de Y .

* Ej. 161 — [10, pág. 309] Demostrar que una variable aleatoria T
tiene una distribución gamma con parámetros (r, λ) si y solamente si
T = T1 /λ siendo T1 una gamma con parámetros (r, 1).

* Ej. 162 — Sea X ∼ U (0, 1). Calcula la función de densidad de Y,

definida como Y = X n .
* Ej. 163 — Si X es un variable aleatoria con distribución uniforme
en (0, 1), identifica la distribución de la variable aleatoria Y = − λ1 lnX
siendo λ > 0.
* Ej. 164 — [10, pág. 309] Supongamos que U tiene una distribu-
ción uniforme en (0, 1). Determinar la densidad de U 2 .

* Ej. 165 — [10, pág. 309] Supongamos que X tiene una distribu-
ción uniforme en (−1, 1). Determinar la densidad de Y = X 2 .

* Ej. 166 — [10, pág. 309] Supongamos que X tiene una distribu-
ción uniforme en [−1, 2]. Determinar la densidad de Y = X 2 .

** Ej. 167 — [Distribución Weibull] [10, pág. 310] Se pide

[Link] que si T sigue una distribución Weibull(λ, α) con den-
sidad α
f (t) = λαtα−1 e−λt t > 0
donde λ > 0 y α > 0 entonces T α sigue una distribución exponencial(λ).
Observar el caso particular en que α = 1.
[Link] que si U es uniforme en (0, 1) entonces T = (−λ−1 log U ) α
1

tiene una distribución Weibull(λ, α).

* Ej. 168 — [10, pág. 310] Supongamos Z una variable aleatoria

normal estándar. Determinar la expresión de las densidades de las
siguientes variables
1.|Z|,
2.Z 2 ,
3. Z1 ,
4. Z12 .

* Ej. 169 — Si X es una variable aleatoria con distribución unifor-

me en (0, 1), calcula:
[Link] función de densidad de Y = tan{π(X − 12 )}
[Link] función de distribución de Z = ln( 1−X
X
)
84 CAPÍTULO 2. VARIABLE ALEATORIA

* Ej. 170 — Sea X una variable aleatoria cuya densidad viene dada
por
si x < 0,


 0,



fX (x) = 1
2, si 0 ≤ x ≤ 1,



2x2 , si x > 1.

 1

Encontrar la densidad de Y = 1/X.

* Ej. 171 — Si X es una variable aleatoria continua con función de

densidad fX , calcular la función de densidad de Y = X 2 .

* Ej. 172 — Sea X una variable aleatoria continua no negativa con

función de densidad f. Sea Y = X n , calcula la función de densidad de
Y, fY .

* Ej. 173 — Sea X un variable aleatoria continua, cuya función de

densidad es fX . Hallar la función de densidad de Y = |X|.

* Ej. 174 — La variable aleatoria X tiene como función de densi-

dad,
3(1 − x)2 , 0 < x < 1;

f (x) =
0, en el resto.
Obtener la función de densidad de Y = (1 − X)3 .

* Ej. 175 — Sea X una variable aleatoria cuya función de densidad

es fX . Encuentra la función de densidad de la variable aleatoria Y ,
definida por Y = aX + b.

* Ej. 176 — Si X es una variable aleatoria exponencial con para-

metro λ = 1, halla la función de densidad de la variable aleatoria Y
definida por Y = logX.

* Ej. 177 — Se traza aleatoriamente una linea recta a través del

punto (0, l). Encontrar la densidad de probabilidad de la abcisa en el
origen, X, de dicha recta.

* Ej. 178 — Sea λ el número de células por unidad de área en una

preparación celular. Puede demostrarse que la distancia, D, de una
célula a su vecino más próximo tiene por densidad de probabilidad,
 2
2πλde−λπd , d > 0
fD (d) =
0, en el resto.

El área del mayor disco libre (sin contactos) centrado en una célula
es A = πD2 . Encontrar la densidad de probabilidad de A.

* Ej. 179 — ([11])Determinar la función de densidad de la variable

Y = eX cuando X es una variable con distribución normal con media
µ y varianza σ 2 . La variable Y se dice que tiene una distribución
lognormal ya que log Y tiene una distribución normal.

** Ej. 180 — Sea X una variable aleatoria con densidad

 −θx
θe , x > 0, θ > 0;
fX (x) =
0, en el resto.
2.19. EJERCICIOS 85

Obtener la distribución de probabilidad de Y = sin X.

* Ej. 181 — Un fabricante de cerveza artesanal Xequebó suministra

una vez a la semana a sus clientes. El consumo en miles de litros de
cerveza a la cervecería GlupGlup es una variable aleatoria con densidad
de probabilidad

c(5 − x)4 , 0 ≤ x ≤ 5;

fX (x) =
0, en el resto.
1.¿Qué ha de valer c para que fX (x) sea una función de densidad?
2.¿Cuál ha de ser la capacidad del depósito de cerveza para que
una semana cualquiera la probabilidad de vaciarse sea 0.01?

** Ej. 182 — Supongamos Y ∼ U (0, 5). ¿Qué probabilidad tene-

mos de que las raíces de la ecuación 4x2 + 4Y x + Y + 2 = 0 sean
ambas números reales?
86 CAPÍTULO 2. VARIABLE ALEATORIA

2.20 Soluciones a los ejercicios

Sol. (Ej. 100) — 1.0.2, 0.3, 0.2, 0.2, 0.

2.0.1, 0, 0.5, 0.5, 1.
3.1.
4.1.

Sol. (Ej. 101) —  x

1
f (x) =
2
para x = 1, 2, . . .

Sol. (Ej. 118) — [Link] distribución del número de animales re-

capturados es una hipergeométrica con parámetros N , n y m.
[Link] máximo (o moda de la distribución) se alcanza en la parte
entera por defecto de mn/x.

Sol. (Ej. 121) —

a
a2
Z
cxdx = c = 1,
0 2
de donde c = a2 .
2

Sol. (Ej. 127) — La probabilidad de aceptación de una bola viene

dada por pA = P (d1 < D < d2 ), siendo la de rechazo pR = 1 − pA .
 
−(d1 +d2 )/2 d2 −(d1 +d2 )/2
pA = P d1(d 2 −d 1 )/4 < Z < (d2 −d 1 )/4

 
(d1 −d2 )/2 (d2 −d1 )/2
= P (d2 −d1 )/4 <Z< (d2 −d1 )/4

= P (−2 < Z < 2) = 2Φ(2) − 1,

de donde

pR = 1 − pA = 1 − (2Φ(2) − 1) = 2 − 2Φ(2) = 0.04550

Sol. (Ej. 128) — 1.e−10λ .

[Link] 0.4605

Sol. (Ej. 145) — (a) 124

3
x2 si 1 < x < 5.
(b) 124
26
.

Sol. (Ej. 146) — 1. 0.39499

2. 0.305586
2.20. SOLUCIONES A LOS EJERCICIOS 87

3. 0.0894079

Sol. (Ej. 148) — 9xe−3x para x > 0 y 0 en otro caso.

Sol. (Ej. 149) — 0 para x < 0, 1

26 ((x + 1)
3
− 1) para 0 ≤ x ≤ 2 y 1
si x > 2.

Sol. (Ej. 150) — (a)C = 1.

(b)Sabemos que log 1−x
1 xk
y de aquí C = (log 2)−1 .
P
= k≥1 k

(c)La serie {k −2 , k ≥ 1} es una de las series de Euler y suma π 2 /6

y por tanto C = 6/π 2 .
(d)C = (e2 − 1)−1 .

Sol. (Ej. 151) — (a) 12 ; 1−(2 log 2)−1 ; (1−6π −2 ; (e2 −3)/(e2 −1).
(b)1; 1; 1; 1 y 2.
(c)P (X par) = k≥1 P (X = 2k) y vale 1/3; 1−(log 3)/(log 4); 1/4.
P

(d)Para la ultima de las funciones de probabilidad nos podemos

ayudar de la igualdad

1 X 2n + (−2)n X 22n 1
= = (e2 + e−2 − 2),
2 n! (2n)! 2
n≥1 n≥1

con lo que

e2 + e−2 − 2
P (X par) = = 0, 4323.
2(e2 − 1)

Sol. (Ej. 152) — El resultado es n

p2k (1 − p2 )n−k . ¿Por qué?


k

Sol. (Ej. 154) — (a)C = 1/π;

(b)C = 1;
(c)Al sustituir v = (1+x2 )−1 se obtiene la densidad de una Be(1/2, m−
1/2) y por tanto C = Γ(m)/[Γ(1/2)Γ(m − 1/2)].

Sol. (Ej. 155) — fY (y) = fx (y/a)/a.

Sol. (Ej. 156) — Si 0 ≤ α ≤ 1, f ≥ 0R y g ≥ 0, entonces αf + (1 −

α)g ≥ 0. Se comprueba fácilmente que αf + (1 − α)g = 1.

Sol. (Ej. 157) — fY (k) = P (Y = k) = e−λk (1 − e−λ ) para k ∈

{0, 1, 2, . . .}.
88 CAPÍTULO 2. VARIABLE ALEATORIA

Sol. (Ej. 159) —


 0, y < 0;
FY (y) = −λ( 1−y )
e y , 0 ≤ y ≤ 1;

1, y > 1.

Sol. (Ej. 160) — Si 2 ≤ y ≤ 4 entonces

2
fY (y) = ,
y2
y si y > 4 entonces
1 −3
fY (y) = y 2.
2

Sol. (Ej. 163) — Y ∼ Exp(λ).

Sol. (Ej. 169) — (a)fY (y) = 1

π(1+y 2 ) , y ∈ R. Conocida como la
distribución de cauchy.
(b)
ez
FZ (z) = , z ∈ R.
1 + ez

Sol. (Ej. 174) — Y es uniforme en [0, 3].

Sol. (Ej. 181) — 1.c = 54 .

1

[Link] capacidad del depósito de ser de 3009.464.

Sol. (Ej. 182) — 5.

3
Capítulo 3

Vector aleatorio

3.1 Un ejemplo (discreto)

Supongamos un experimento consistente en lanzar 4 veces una
moneda correcta. Sea X el numero de caras en los 3 primeros lan-
zamientos y sea Y el número de caras en los 3 últimos lanzamien-
tos. Son dos variables que nos describen parcialmente el resultado
del experimento. Son dos variables que observamos simultáneamente.
Además son variables que por su definición sabemos que tienen re-
lación entre ellas. De algún modo conocida una sabemos algo sobre
la otra. Por ello, tiene sentido estudiar su comportamiento probabi-
lístico conjunto, lo que llamaremos su distribución conjunta. Si las
consideramos simultáneamente tendremos un vector (X, Y ) que será
aleatorio porque sus componentes son variables aleatorias. Se trata
de un vector aleatorio que toma valores en un conjunto discreto. En
concreto el vector toma valores en D = {0, 1, 2, 3} × {0, 1, 2, 3}, es de-
cir, el conjunto de valores que puede tomar es un conjunto finito. De
un modo análogo al caso de distribuciones discretas podemos plan-
tearnos la probabilidad de que cada uno de los resultados elementales
(x, y) ∈ D = {0, 1, 2, 3} × {0, 1, 2, 3}. Es claro que P (X ∈ D) = 1
y por ello se habla de vector aleatorio discreto o de distribución dis-
creta. En un experimento de este tipo la herramienta fundamental
para trabajar con el vector aleatorio es conocer las probabilidades
P (X = x, Y = y), o función de probabilidad conjunta.1 La función de
probabilidad conjunta de este vector con distribución discreta aparece
en la tabla 3.1.
Dentro de la tabla tenemos la función de probabilidad conjunta
P (X = x, Y = y) pero en la última columna a la derecha tenemos la
función de probabilidad marginal. Se obtiene sumando las probabili-
dades de la fila correspondiente. ¿Por qué? Aplicando la fórmula de
la probabilidad total tenemos que
3
X
P (Y = y) = P (X = x, Y = y).
x=0

De un modo similar tenemos en la última fila de la tabla la función de

la probabilidad que obtenemos sumando los elementos de la columna.
Otra vez esto es consecuencia de la fórmula de probabilidad total de
1 Menos utilizada pero también correcta es la expresión de función de cuantía

conjunta.

89
90 CAPÍTULO 3. VECTOR ALEATORIO

Tabla 3.1: Lanzamiento de cuatro monedas. X nos indica el número

de caras en los tres primeros lanzamientos e Y el número de caras en
los tres últimos lanzamientos. Dentro de la tabla tenemos la función
de probabilidad conjunta P (X = x, Y = y). En la última columna
tenemos la función de probabilidad marginal de Y , P (Y = y). La
última fila muestra la función de probabilidad marginal de X, P (X =
x).

X
Y 3 2 1 0 P (Y =y)
0 0 0 1/16 1/16 2/16
1 0 2/16 3/16 1/16 6/16
2 1/16 3/16 2/16 0 6/16
3 1/16 1/16 0 0 2/16
P (X=x) 2/16 6/16 6/16 2/16 1

la que deducimos
3
X
P (X = x) = P (X = x, Y = y).
y=0

Lo importante es darse cuenta de que si conocemos la función de

probabilidad conjunta podemos obtener las funciones de probabilidad
marginales. Sin embargo, el recíproco no es cierto. Del conocimiento
de las funciones de probabilidad marginales no podremos obtener la
función de probabilidad conjunta.
En el ejemplo anterior hemos descrito el experimento no con una
sola variable sino con dos variables simultáneamente observadas. En
definitiva, dado el resultado del experimento, dado ω, hemos conside-
rado dos variables aleatorias X1 (ω) y X2 (ω).
Esta es la opción habitual. Raramente cuando se realiza un ex-
perimento aleatorio nos conformamos con observar una sola variable.
Pretendemos una descripción más completa de lo que ha pasado. En
definitiva, más cantidades asociadas al resultado obtenido.

3.2 Algunas definiciones necesarias

En los ejemplos que acabamos de ver esencialmente asociamos va-
rias variables aleatorias simultáneamente a un mismo resultado alea-
torio ω. Con una cierta formalidad lo que hacemos es pasar de Ω al
espacio Rk . En Rk hemos de considerar qué sucesos son los relevantes.
Hemos de considerar una buena familia de sucesos. Sabemos que ha
de ser una σ-álgebra. Cuando trabajamos con varias variables alea-
torias lo que nos importa fundamentalmente es conocer las siguientes
probabilidades
P (a1 < X1 ≤ b1 , . . . , ak < Xk ≤ bk )
donde los ai , bi son números reales con ai < bi . Por ello, la σ-álgebra
que consideremos en Rk ha de contener a los rectángulos
k
Y
(a, b] = (ai , bi ],
i=1
3.3. FUNCIONES DE DISTRIBUCIÓN CONJUNTA Y MARGINALES91

donde a = (a1 , . . . , ak ] y b = (b1 , . . . , bk ]. La σ-álgebra más pequeña

en Rk que contiene a los rectángulos es la σ-álgebra de Borel.
Definición 3.1 (σ-álgebra de Borel). La σ-álgebra de Borel en el
espacio Rk es la mínima σ-álgebra que contiene a los rectángulos
(a, b] con a, b ∈ Rk .
¿Qué entendemos por vector aleatorio?
Definición 3.2 (Vector aleatorio). Un vector aleatorio, X = (X1 , X2 , . . . , Xk ),
es una aplicación de un espacio de probabilidad (Ω, A, P ) en el espacio
medible (Rk , β k ), que verifica

X −1 (B) ∈ A, ∀B ∈ β k .

Tenemos una probabilidad en el espacio medible (Ω, A). A partir

de esta medida de probabilidad podemos definir (inducir) una proba-
bilidad sobre (Rk , β k ).
Definición 3.3 (Probabilidad inducida o distribución). Dado un vec-
tor aleatorio definido de un espacio de probabilidad (Ω, A, P ) en (Rk , β k ),
se define la probabilidad inducida a partir de P mediante X como la
medida de probabilidad definida como

PX (B) = P (X −1 (B)), ∀B ∈ β k . (3.1)

Es sencillo comprobar que verifica los tres axiomas que definen una
probabilidad, por lo que la terna (Rk , β k , PX ) constituye un espacio
de probabilidad con las características de (Ω, A, P ) heredadas a través
de X. Llamaremos a la medida de probabilidad PX la distribución del
vector X.

3.3 Funciones de distribución conjunta y

marginales
Definición 3.4 (Función de distribución conjunta). Dado un vector
aleatorio X = (X1 , X2 , . . . , Xk ) definimos su función de distribución
asociada (o también la función de distribución asociada a la distribu-
ción PX ) en el punto x = (x1 , . . . , xk ) de Rk mediante

FX (x) = FX (x1 , . . . , xk ) = PX (Sx ) = P (X ∈ Sx ) = P ∩ki=1 {Xi ≤ xi }

(3.2)
siendo Sx = i=1 (−∞, xi ], a los que denominaremos región suroeste
Qk
de x.2
De la definición se derivan las siguientes propiedades:
Proposición 3.1. La función de distribución definida en 3.4 verifica
las siguientes propiedades.
1. Es no negativa.
2. Es monótona creciente en cada componente.
3. Es continua desde arriba: si xn ↓ x entonces FX (xn ) ↓ FX (x).
2 Obviamente contiene a los puntos que están situados al suroeste de x cuando

estamos en R2 .
 92 CAPÍTULO 3. VECTOR ALEATORIO

4. lim∀xi ↑+∞ FX (x1 , . . . , xk ) = 1 y lim∃xi ↓−∞ F (x1 , . . . , xk ) = 0.

Prueba. La no negatividad es consecuencia inmediata de ser una pro-
babilidad.
Si x ≤ y, es decir, xi ≤ yi , i = 1, . . . , k, Sx ⊂ Sy y FX (x) ≤ FX (y)
por lo que es monótona en cada componente.
Si xn ↓ x, entonces las correspondientes regiones suroeste Sxn son
una sucesión decreciente de conjuntos que convergen a su intersección
Sx y por lo tanto FX (xn ) ↓ FX (x).
Tenemos una sucesión de puntos xn ∈ Rk . Mantenemos fijas todas
las componentes salvo la i-ésima que tiende a −∞. Entonces las regio-
nes suroeste verifican que Sxn ↓ ∅ y por la propiedad de continuidad
desde arriba se sigue que lim∃xi ↓−∞ F (x1 , . . . , xk ) = 0. Análogamente
si en la sucesión xn todas las componentes divergen a +∞ se seguirá
que Sxn ↑ Rk y, otra vez, aplicamos la continuidad desde abajo de la
medida de probabilidad.
Las propiedades que acabamos de ver en la proposición 3.1 no son
más que la versión multidimensional de las propiedades ya conocidas
para el caso unidimensional. Existe ahora una quinta propiedad sin la
cual no sería posible recorrer el camino inverso, obtener la distribución
PX a partir de FX y establecer la deseada y conveniente equivalencia
entre ambos conceptos.
Supongamos el caso bidimensional, k = 2, y consideremos el rec-
tángulo (a, b] = (a1 , b1 ] × (a2 , b2 ] tal como lo muestra la figura 3.1.
Indudablemente PX ((a, b]) ≥ 0 , pero teniendo en cuenta (3.2)
podemos escribir,
PX ((a, b]) = FX (b1 , b2 ) − FX (b1 , a2 ) − FX (a1 , b2 ) + FX (a1 , a2 ) ≥ 0.
Este resultado es cierto, obviamente, para cualquier k y necesita-
mos introducir el operador diferencia a fin de obtener una represen-
tación sencilla del resultado en el caso general. Para ai ≤ bi , ∆ai ,bi
representa el operador diferencia que actua de la forma
Figura 3.1: Rectángulo (a, b].
∆ai ,bi FX (x1 , . . . , xk ) =
= FX (x1 , . . . , xi−1 , bi , . . . , xk ) − FX (x1 , . . . , xi−1 , ai , . . . , xk ).
Sucesivas aplicaciones del mismo conducen a
∆a,b FX (x) = ∆a1 ,b1 . . . ∆ak ,bk FX (x1 , . . . , xk ) = PX ((a, b]), (3.3)
lo que permite generalizar el anterior resultado mediante la expresión,
Proposición 3.2. Se verifica que
1. ∆a,b FX (x) ≥ 0, ∀a, b ∈ Rk , con ai ≤ bi .
2. PX ((a, b]) = ∆a,b FX (x).
De hecho también se puede probar el siguiente resultado.
Proposición 3.3.

(3.4)
X
PX ((a, b]) = (−1)sign(x) F (x),
x∈V

siendo V = {x = (x1 , . . . , xn ) : xi ∈ {ai , bi }} = i=1 {ai , bi }, el

Qn
conjunto de los vértices del rectángulo (a, b] y sign(x) el número de
ai ’s (o extremos inferiores de los lados del rectángulo).
Damos los dos resultados previos sin prueba.
3.3. FUNCIONES DE DISTRIBUCIÓN CONJUNTA Y MARGINALES93

Funciones de distribución marginales

Si el vector es aleatorio cabe pensar que sus componentes también
lo serán. La siguiente proposición establece una primera relación entre
el vector y sus componentes.
Proposición 3.4. X = (X1 , . . . , Xk ) es un vector aleatorio sí y solo
sí cada una de sus componentes es una variable aleatoria.
Prueba. Recordemos que la condición de variable aleatoria le viene
a una aplicación por el hecho de que las anti-imágenes de conjuntos
de Borel son sucesos, están en la σ-álgebra de nuestro espacio de
probabilidad original,

X −1 (B) ∈ A, B ∈ β. (3.5)

Existe un resultado que permite caracterizar esta propiedad utilizan-

do una familia menor de conjuntos, evitándonos así la prueba para
cualquier elemento de β. Basta, según dicha caracterización, compro-
bar la propiedad en una familia que engendre a la σ-álgebra. Pues
bien, los intervalos de la forma (a, b], en R, y los conjuntos suroeste,
Sx , en Rk , engendran β y β k , respectivamente. Ahora ya podemos
abordar la demostración.
Supongamos que las componentes de X = (X1 , X2 , . . . , Xk ) son
variables aleatorias. Para Sx = i=1 (−∞, xi ] podemos escribir
Qk

{X ∈ Sx } = ∩ki=1 {Xi ≤ xi }. (3.6)

Si cada componente es aleatoria, {Xi ≤ xi } ∈ A, ∀i, y X será un

vector aleatorio.
Para demostrar el inverso observemos que

{Xj ≤ xj } = lim {X ≤ Sx },
xi ↑+∞, i6=j

donde para conseguir la numerabilidad los xi han de tender a +∞ a

través de una sucesión, lo que puede conseguirse haciendo xi = n, i 6=
j. En consecuencia, Xj es medible, pues al tratarse de una sucesión
monótona creciente de conjuntos, su límite es la unión de todos ellos
que es una operación estable en A.
Si las componentes del vector son variables aleatorias tendrán aso-
ciadas sus correspondientes probabilidades inducidas y funciones de
distribución. Hay que modificar la nomenclatura que hemos utilizado
hasta el momento. Hablaremos de conjunta y marginal. Puesto que
PX y FX describen el comportamiento conjunto de las componentes
de X, nos referiremos a ellas como distribución conjunta y función
de distribución conjunta del vector X, respectivamente. Cuando, en
el mismo contexto, necesitemos referirnos a la distribución de alguna
componente lo haremos aludiendo a la distribución marginal o a la
función de distribución marginal de Xi .
La pregunta que surge de inmediato es, ¿qué relación existe entre
la distribución conjunta y las marginales? Estamos en condiciones de
dar respuesta en una dirección: cómo obtener la distribución marginal
de cada componente a partir de la conjunta. Para ello, basta tener en
cuenta que
lim ∩kj=1 {Xj ≤ xj } = {Xi ≤ xi },
j6=i
xj → ∞
94 CAPÍTULO 3. VECTOR ALEATORIO

y al tomar probabilidades obtendremos

FXi (xi ) = lim FX (x1 , . . . , xk ). (3.7)

j6=i
xj → ∞

El concepto de marginalidad podemos aplicarlo a cualquier subvector

del vector original. Así, para l ≤ k, si X l = (Xi1 , . . . , Xil ) es un
subvector de X, podemos hablar de la distribución conjunta marginal
de X l , para cuya obtención a partir de la conjunta procederemos de
forma análoga a como acabamos de hacer para una componente. Si en
la relación (3.6) fijamos xi1 , . . . , xil y hacemos tender a +∞ el resto
de componentes, tendremos

{X l ∈ Sxl } = lim {X ∈ Sx }.
i6=i1 ,...,il
xi −→ ∞

Relación que nos permite obtener la función de distribución marginal

conjunta de X l = (Xi1 , . . . , Xil ) sin más que tomar probabilidades,

FX l (xi1 , . . . , xil ) = lim FX (x1 , . . . , xk ).

i6=i1 ,...,il
xi −→ ∞

3.4 Distribución conjunta discreta

Consideremos un vector aleatorio que toma un número finito o
infinito numerable de posibles valores. Siendo más formales, existe un
conjunto D (⊂ R) numerable tal que

P (X ∈ D) = 1.

Este conjunto recibe el nombre de soporte de la distribución del vector

PX ya que
PX (D) = 1.
Un vector aleatorio cuya distribución verifica lo anterior se dice vector
aleatorio discreto. Notemos que si X es discreto también lo es cada
variable que lo compone o cualquier subvector de X que consideremos.
En este tipo de vectores aleatorios tenemos obviamente que P (X ∈
Dc ) = 0 y si conocemos las probabilidades P (X = x) para x ∈ D
entonces podemos conocer la probabilidad de cualquier otro suceso ya
que
X
P (X ∈ B) = P (X = x).
x∈B

Por ello es fundamental la siguiente función.

Definición 3.5 (Función de probabilidad). Se define la función de

cuantía o probabilidad conjunta en x = (x1 , . . . , xk ) ∈ Rk como

P (Xi = xi , i = 1, . . . , k), si x = (x1 , . . . , xk ) ∈ D
fX (x1 , . . . , xk ) =
0, en el resto.

Proposición
P 3.5. Una función de probabilidad verifica que es no
negativa y x∈D fX (x) = 1.

Prueba. 1. Al tratarse de una probabilidad, fX (x) ≥ 0, ∀x ∈ Rk ,

3.4. DISTRIBUCIÓN CONJUNTA DISCRETA 95

2. Como P (X ∈ D) = 1,
X
fX (x) = P (X ∈ D) = 1.
x∈D

Entre FX y fX se establecen relaciones similares a las del caso

unidimensional:
X
FX (x) = fX (y1 , y2 , . . . , yk ),
{y∈D:y≤x}

fX (x1 , x2 , . . . , xk ) = FX (x1 , x2 , . . . , xk ) − FX (x1 −, x2 −, . . . , xk −).

Función de probabilidad marginal

Si el vector aleatorio X es discreto también lo serán cada una de
sus componentes. Si por Di designamos el soporte de Xi , i = 1, . . . , k,
se verifica,

{Xi = xi } = ∪xj ∈Dj , j6=i ∩kj=1 {Xj = xj } ,

siendo disjuntos los elementos que intervienen en la unión. Al tomar

probabilidades tendremos
X
fXi (xi ) = fX (x1 , . . . , xk ),
{x∈D:xj ∈Dj ,j6=i}

que permite obtener la función de cuantía marginal de la Xi a partir

de la conjunta. La marginal conjunta de cualquier subvector aleatorio
se obtendría de manera análoga, extendiendo la suma sobre todas las
componentes del subvector complementario,
X
fX l (xi1 , . . . , xil ) = fX (x1 , . . . , xk ).
{x∈D:xj ∈Dj ,j ∈{i
/ 1 ,...,il }}

Ejemplo 3.1. Supongamos que tenemos un experimento en que cuan-

do lo realizamos nos pasa una y solo una cosa de k posibles. De un
modo más preciso, tenemos k sucesos mutuamente excluyentes y cuya
unión cubre todo el espacio muestral Ω. Si estos sucesos los denotamos
{A1 , . . . , Ak } constituyen una partición de Ω. Decimos que ocurre el
resultado i si al realizar el experimento se tiene ω ∈ Ai . Un ejemplo
puede ser preguntar a un votante a qué partido político va a votar inclu-
yendo como opciones votar en blanco, no votas y el no sabe no contesta.
Otro ejemplo, puede ser responder una pregunta en un cuestionario
con respuesta múltiple. Si denotamos pi = P (Ai ) entonces podemos
considerar el vector aleatorio (X1 , . . . , Xk ) donde Xi (ω) = 1Ai (ω). Es
un vector donde la función de probabilidad conjunta sería

P (X1 = x1 , . . . , Xk = xk ) = px1 1 . . . pxkk , (3.8)

con xi = 0 ó 1 y cero en cualquier otro caso.

Pk El soporte de la distri-
bución sería D = {0, 1}k . De hecho como i=1 Xk = 1 tenemos que
todos los xi valen cero salvo uno que toma el valor 1.
96 CAPÍTULO 3. VECTOR ALEATORIO

Ejemplo 3.2. 3 La versión k-dimensional de la distribución bino-

mial es la distribución multinomial. 4 Aparece esta distribución en
experimentos aleatorio en el que nos interesamos en la ocurrencia de
alguno de k sucesos, A1 , A2 , . . . , Ak , que constituyen una partición de
Ω (ocurre uno y solamente uno de los sucesos Ai ). Si P (Ai ) = pi
y repetimos n veces el experimento de manera que las repeticiones
son independientes, el vector X = (X1 , . . . , Xk ), con Xi =número de
ocurrencias de Ai , decimos que tiene una distribución multinomial,
X ∼ M (n; p1 , p2 , . . . , pk ). 5 La función de probabilidad conjunta viene
dada por

k
n!
(3.9)
Y
P (X1 = n1 , . . . , Xk = nk ) = p ni ,
n1 !n2 ! . . . nk ! i=1 i

si 0 ≤ ni ≤ n, con i = 1, . . . , k y ni = n y vale cero en cualquier

P
otro caso.
Observemos que es una función de probabilidad pues es no nega-
tiva y al sumarla para todos los posibles n1 , n2 , . . . , nk obtenemos el
desarrollo del polinomio (p1 + p2 + . . . + pk )n , de suma 1 porque los
Ai constituían una partición de Ω. La marginal de Xi la observemos
con
k  
n! Y
ni n ni (n − ni )! Y n
pi = pi pj j ,
n1 !n2 ! . . . nk ! i=1 ni n1 ! . . . ni−1 !ni+1 ! . . . nk !
j6=i

y al sumar para el resto de componentes,

 
n ni X (n − ni )! Y n
P (Xi = ni ) = pi pj j ,
ni n1 ! . . . ni−1 !ni+1 ! . . . nk !
j6=i
 
n ni
= p (p1 + . . . + pi−1 + pi+1 + . . . + pk )n−ni
ni i
 
n ni
= p (1 − pi )n−ni ,
ni i

llegamos a la conclusión de que Xi ∼ Bi(n, pi ) como era de esperar

pues, al fijar Xi , sólo nos interesamos por la ocurrencia de Ai y el
experimento que llevamos a cabo puede ser descrito mediante una
distribución binomial.

Ejemplo 3.3 (Distribución binomial negativa bivariante). Suponga-

mos que A1 , A2 y A3 constituyen una partición del espacio muestral
Ω, de manera que P (Ai ) = pi , i = 1, 2, 3 con p1 + p2 + p3 = 1. Realiza-
mos un experimento cuyo resultado es, necesariamente, A1 , A2 o A3 .
Repetimos el experimento de manera independiente en cada ocasión
hasta que el suceso A3 haya ocurrido r veces. Ello significa que A1
habrá ocurrido x veces y A2 lo habrá hecho en y ocasiones, todas ellas
previas a la r-ésima ocurrencia de A3 . La probabilidad de un suceso
3 Este ejemplo continúa el ejemplo 3.1. Repetimos el experimento allí conside-

rado n veces en las mismas condiciones e independientemente.

4 [Link]
5 Los mismos ejemplos considerados en el ejemplo 3.1 son válidos. Simplemente

allí considerábamos una réplica y aquí estamos considerando n réplicas realizadas

independientemente unas de otras.
3.5. DISTRIBUCIÓN CONJUNTA CONTINUA 97

de estas características vendrá dada por

  
x+y+r−1 y+r−1 x y
p1 p2 (1 − p1 − p2 )r =
x y
(x + y + r − 1)! x y
p1 p2 (1 − p1 − p2 )r . (3.10)
x!y!(r − 1)!

Podemos ahora definir un vector aleatorio binomial negativo biva-

riante (X, Y ) ∼ BN (r; p1 , p2 ) como aquél que tiene por función de
probabilidad,

(x + y + r − 1)! x y
fXY (x, y) = p1 p2 (1−p1 −p2 )r , si (x, y) ∈ Dxy = [0, 1, 2, . . .]2 ,
x!y!(r − 1)!

y 0 en cualquier otro caso.

Se trata de una función de probabilidad por cuanto fXY (x, y) ≥ 0,
∀(x, y) ∈ R2 y, teniendo en cuenta que
X x + y + r − 1y + r − 1
−r
(1 − p1 + p2 ) = px1 py2 ,
x y
Dxy

también verifica
X
fXY (x, y) = (1 − p1 + p2 )r (1 − p1 + p2 )−r = 1.
Dxy

La marginal de cualquiera deP las componentes, por ejemplo Y , la

obtendremos a partir de fY (y) = Dx fXY (x, y), con Dx = {0, 1, 2, . . .},

X x + y + r − 1y + r − 1
fY (y) = px1 py2 (1 − p1 − p2 )r
x y
Dx
  X x + y + r − 1 
y+r−1 y
= p2 (1 − p1 − p2 )r px1 ,
y x
Dx

pero recordemos que (1 − x)−n = n+j−1

xj , por tanto,
P

j≥0 j

 
y+r−1 y
fY (y) = p2 (1 − p1 − p2 )r (1 − p1 )−(y+r)
y
  y  r
y+r−1 p2 1 − p1 − p2
=
y 1 − p1 1 − p1
 
y+r−1 y
= p (1 − p)r .
y

Luego Y ∼ BN (r, p) con p = p2 /(1 − p1 ).

3.5 Distribución conjunta continua

Un vector aleatorio se dice continuo o que su distribución de pro-
babilidad es continua cuando las probabilidades vienen dadas por in-
tegrales. Supongamos una función f sobre Rk no negativa e integrable
98 CAPÍTULO 3. VECTOR ALEATORIO

(cuya integral vale uno) y un vector X que verifica

PX ((a, b]) = P (X ∈ (a, b]) = P (ai < Xi ≤ bi , i = 1, . . . , k) =

Z bk Z b1
... fX (x1 , . . . , xk ) dx1 . . . dxk , (3.11)
ak a1

para cualesquiera a, b ∈ Rk con ai ≤ bi . Entonces decimos que X es

un vector aleatorio continuo o que la distribución de probabilidad PX
es una distribución continua.
Para poder utilizar una función f para calcular probabilidades
tiene que verificar las dos propiedades siguientes.
Definición 3.6 (Función de densidad conjunta). 1. fX (x) es no
negativa.
2. Como P (X ∈ Rk ) = 1 entonces
Z +∞ Z +∞
... fX (x1 , . . . , xk )dx1 . . . dxk = 1.
−∞ −∞

Como consecuencia de esta definición, entre la función de distribu-

ción conjunta y la de densidad de probabilidad conjunta se establecen
las siguientes relaciones:
Z xk Z x1
FX (x1 , . . . , xk ) = PX (Sx ) = ... f (t1 , . . . , tk ) dt1 . . . dtk ,
−∞ −∞
(3.12)
y si x ∈ Rk es un punto de continuidad de fX ,

∂ k FX (x1 , . . . , xk )
fX (x1 , . . . , xk ) = . (3.13)
∂x1 . . . ∂xk

Funciones de densidad marginales

Para obtener la densidad marginal de Xi a partir de la función de
la densidad conjunta tengamos en cuenta (3.7) y (3.12) y que integra-
ción y paso al límite pueden permutarse por ser la densidad conjunta
integrable,

FXi (xi ) = lim FX (x1 , . . . , xk ) =

j6=i
xj → ∞
Z +∞ Z xi Z +∞
... ... f (t1 , . . . , ti , . . . , tk ) dt1 . . . dti . . . dtk . (3.14)
−∞ −∞ −∞

Pero la derivada de FXi es la densidad de Xi y como las propiedades

de la densidad conjunta permiten también intercambiar derivación e
integración se sigue que
Z
fXi (xi ) = f (t1 , . . . , xi , . . . , tk ) dt1 . . . dti−1 dti+1 . . . dtk . (3.15)
Rk−1

Para el caso de un subvector, X l , la densidad conjunta se obtiene de

forma análoga,

fX l (xi1 , . . . , xil ) =
Z Y
= fX (t1 , . . . , tk ) dti1 . . . dtil dtj .
Rk−l j6=i1 ,...,il
3.5. DISTRIBUCIÓN CONJUNTA CONTINUA 99

Ejemplo 3.4 (Uniforme en el cuadrado unitario). Supongamos que

tomamos un punto al azar en el cuadrado unitario [0, 1] × [0, 1]. Su
densidad conjunta sería constante sobre este cuadrado y nula fuera de
él. Como, además, ha de integrar uno en el cuadrado necesariamente
su densidad conjunta será

fXY (x, y) = 1, si (x, y) ∈ [0, 1] × [0, 1],

y cero en el resto. Obtengamos la marginal de la primera componente,

X. Z +∞ Z 1
fX (x) = fXY (x, y)dy = dy = 1,
−∞ 0
si 0 ≤ x ≤ 1 y cero en otro caso. Es decir, que la marginal de
la variable X es una distribución uniforme en el intervalo [0, 1]. El
mismo razonamiento nos lleva a que la variable Y también es uniforme
en el intervalo [0, 1].
Ejemplo 3.5 (Uniforme en el disco unitario). Consideremos el disco
centrado en el origen y de radio unidad, B(0, 1). Al elegir un punto
al azar en este disco B(0, 1) podemos definir sobre el correspondiente
espacio de probabilidad un vector aleatorio de las coordenadas del
punto, (X, Y ). La elección al azar implica una probabilidad uniforme
sobre B(0, 1), lo que se traduce en un densidad conjunta constante
sobre todo el círculo, pero como por otra parte B(0,1) f (x, y) dxdy = 1,
R

la densidad conjunta vendrá dada por

1

 , si (x, y) ∈ B(0, 1)

fXY (x, y) = π

0, en el resto.


Para obtener la densidad marginal de X,

√
Z +∞ Z + 1−x2
1 2p
fX (x) = fXY (x, y) dy = √ dy = 1 − x2 ,
−∞ π − 1−x2 π
por lo que
2
 p

 1 − x2 , si |x| ≤ 1
fX (x) = π

0, en el resto,


La marginal de Y , por simetría, tiene la misma expresión.

Ejemplo 3.6. La función de densidad conjunta del vector aleatorio
bidimensional (X, Y ) viene dada por

8xy, si 0 ≤ y ≤ x ≤ 1

fXY (x, y) =
0, en el resto.
Si queremos obtener las marginales de cada componente, tendremos
para X
Z x Z x
fX (x) = fXY (x, v)dv = 8xvdv = 4x3 , 0 ≤ x ≤ 1,
0 0

y cero en el resto. Para Y ,

Z 1 Z 1
fY (y) = fXY (u, y)du = 8uydu = 4y(1 − y 2 ), 0 ≤ y ≤ 1,
y y
 100 CAPÍTULO 3. VECTOR ALEATORIO

y cero en el resto.
Obtengamos ahora la función de distribución conjunta, FXY (x, y).
Observemos para ello el gráfico en figura 3.2. La función de densidad
es distinta de 0 en la región A por lo que FXY (x, y) = 0 si x ≤ 0 o
y ≤ 0.
Si (x, y) ∈ A,
Z Z
FXY (x, y) = fXY (u, v)dudv,
Sxy ∩A

Figura 3.2: Ejemplo 3.6. pero Sxy ∩ A = {(u, v); 0 ≤ v ≤ u ≤ y} ∪ {(u, v); y ≤ u ≤ x, 0 ≤ v ≤
y}, por tanto
Z y Z u  Z x Z y 
FXY (x, y) = 8uvdv du + 8uvdv du = y 2 (2x2 − y 2 ).
0 0 y 0
(3.16)
Si (x, y) ∈ B, como fXY (x, y) = 0 en B, el rectángulo superior de la
figura 3.3 (en negro) no acumula probabilidad y, por tanto,

FXY (x, y) = P (Sxy ∩ A) = P (Sxx ∩ A) .

Así pues,
Z x Z u 
FXY (x, y) = 8uvdv du = x4 . (3.17)
0 0

Observemos que (3.17) puede obtenerse a partir de (3.16) haciendo

y = x. En efecto, de acuerdo con (3.7), (3.17) no es más que FX (x), la
función de distribución marginal de X. Si (x, y) ∈ E, un razonamiento
similar conduce a
FXY (x, y) = y 2 (2 − y 2 ),

que no es más que la función de distribución marginal de Y , que

podríamos haber obtenido haciendo x = 1 en (3.16). Por último, si
(x, y) ∈ D, FXY (x, y) = 1. Para su obtención basta hacer x = 1 e
y = 1 en (3.16). Resumiendo

si x ≤ 0 o y ≤ 0;

 0,
si

 y 2 (2x2 − y 2 ), (x, y) ∈ A;


FXY (x, y) = x4 , si (x, y) ∈ B;
y 2 (2 − y 2 ), si (x, y) ∈ E;



si

1, (x, y) ∈ D.


Ejemplo 3.7. La función de densidad conjunta del vector (X1 , X2 , X3 )

Figura 3.3: Ejemplo 3.6. es

48x1 x2 x3
 , si x1 , x2 , x3 ≥ 0
f (x1 , x2 , x3 ) = (1 + x21 + x22 + x23 )4
 0, en el resto.

Obtengamos en primer lugar las densidades marginales de cada com-

ponente. Dada la simetría de la densidad conjunta bastará con obtener
3.5. DISTRIBUCIÓN CONJUNTA CONTINUA 101

una cualquiera de ellas.

Z ∞Z ∞
48x1 x2 x3
f1 (x1 ) = 2 + x2 + x2 )4 dx2 dx3
0 0 (1 + x 1 2 3
Z ∞ Z ∞ 
x3
= 48x1 x2 dx3 dx2
0 0 (1 + x21 + x22 + x23 )4
Z ∞Z ∞
8x1 x2
= dx2 (3.18)
0 0 (1 + x21 + x22 )3
2x1
= .
(1 + x21 )2
Luego 
2xi
 , si xi ≥ 0
fi (xi ) = (1 + x2i )2 (3.19)
 0, en el resto.
Por otra parte, en el transcurso de la obtención de fi (xi ) el integran-
do de (3.18) es la densidad marginal conjunta de (X1 , X2 ), que por
la simetría antes mencionada es la misma para cualquier pareja de
componentes. Es decir, para i, j = 1, 2, 3
8xi xj

 , si xi , xj ≥ 0
fij (xi , xj ) = (1 + x2i + x2j )3
0, en el resto.


Para obtener la función de distribución conjunta recordemos que

F (x1 , x2 , x3 ) = P (Xi ≤ xi , i = 1, 2, 3) =
Z x1 Z x2 Z x3
P ∩3i=1 {Xi ≤ xi } = (3.20)


f (u, v, z)dudvdz,
0 0 0

pero en este caso será más sencillo recurrir a esta otra expresión,
 c 
F (x1 , x2 , x3 ) = 1 − P ∩3i=1 {Xi ≤ xi } = 1 − P ∪3i=1 Ai ,

con Ai = {Xi > xi }. Si aplicamos la fórmula de inclusión-exclusión

(1.2),

F (x1 , x2 , x3 ) =
 
3
P (Ai ∩ Aj ) + P (A1 ∩ A2 ∩ A3 ) . (3.21)
X X
1− P (Ai ) −
i=1 1≤i<j≤3

La obtención de las probabilidades que aparecen en (3.21) involucran

a las densidades antes calculadas. Así, para P (Ai )
Z ∞
2u 1
P (Ai ) = P (Xi > xi ) = du = .
2
xi (1 + u )
2 1 + x2i
Para P (Ai ∩ Aj ),

P (Ai ∩ Aj ) = P (Xi > xi , Xj > xj ) =

Z ∞Z ∞
8uv
2 2 3
dudv =
xi xj (1 + u + v )
1
. (3.22)
1 + x2i + x2j
 102 CAPÍTULO 3. VECTOR ALEATORIO

Finalmente

P (A1 ∩ A2 ∩ A3 ) =
Z ∞Z ∞Z ∞
48uvz 1
ds dudvdz = .
x1 x2 x3
2 2 2
(1 + u + v + z )4 1 + x1 + x22 + x23
2

(3.23)

Sustituyendo en (3.21) tendremos,

3
X 1 X 1 1
F (x1 , x2 , x3 ) = 1− 2 + − .
i=1
1 + xi 1 + x2i + x2j 1 + x21 + x22 + x23
1≤i<j≤3

Ejemplo 3.8. Elegimos un punto al azar sobre el triángulo T de

vértices (0,0), (1,0), (0,2) (figura 3.4).
Para encontrar la función de distribución conjunta del vector de sus
componentes, (X, Y ), observemos la figura y las distintas posiciones
del punto. Como la masa de probabilidad está uniformemente repartida
sobre el triángulo puesto que la elección del punto es al azar, tendremos
que
|A ∩ T |
P ((X, Y ) ∈ A) = ,
|T |
donde |B| es el área de B. Aplicado a la función de distribución dará
lugar a
FXY (x, y) = P ((X, Y ) ∈ Sxy ) = |Sxy ∩ T |, (3.24)
puesto que el área del triángulo vale 1.
Aplicando (3.24) obtenemos

si x ≤ 0 o y ≤ 0;

 0,
si (x, y) es del tipo 1 ;

xy,



si (x, y) es del tipo 2 ;

xy − (x + y/2 − 1)2 ,

FXY (x, y) =
 2x − x2 , si (x, y) es del tipo 3 ;
si (x, y) es del tipo 4 ;

y − y 2 /4,



si x ≥ 1 e y ≥ 2;

1,


Observemos que las expresiones de FXY (x, y) correspondientes a pun-

tos del tipo 3 y 4 dependen solamente de x e y, respectivamente. Si
recordamos la obtención de la función de distribución marginal vere-
Figura 3.4: Ver ejemplo 3.8.
mos que se corresponden con FX (x) y FY (y), respectivamente.

Distribución normal bivariante

El vector aleatorio bidimensional (X, Y ) tiene una distribución
normal bivariante de parámetros µX ∈ R , µy ∈ R, σx > 0, σy > 0 y
ρ, |ρ| < 1, si su función de densidad conjunta es de la forma,
1
(3.25)
q(x,y)
fXY (x, y) = p e− 2 , (x, y) ∈ R2 ,
2πσx σy 1− ρ2
donde

q(x, y) =
( 2     2 )
1 x − µx x − µx y − µy y − µy
− 2ρ + .
1 − ρ2 σx σx σy σy
(3.26)
 3.5. DISTRIBUCIÓN CONJUNTA CONTINUA 103

En la figura 3.5 tenemos un par de ejemplos de esta función de den-

sidad.

Proposición 3.6. La función fXY definida en 3.25 es una función

de densidad de probabilidad. Además las densidades marginales fX
Figura 3.5: Densidad de la normal y fY corresponden a las densidades de normales univariantes con
bivariante con parámetros µx = parámetros (µX , σX
2
) y (µY , σY2 ) respectivamente.
µy = 0, σx = σy = 1 y ρ =
0, 5. La gráfica está centrada en
(µx , µy ) (parámetros de posición)
Prueba. Para ver que fXY (x, y) es una densidad es inmediato com-
y su forma depende de σx , σy y ρ probar que verifica la primera condición, en cuanto a la segunda,
(parámetros de forma). Para ver (x, y)dxdy = 1, observemos que
R
R 2 f XY
el efecto de este último la gráfica
de la derecha ha sido rotada −90◦ .
(1 − ρ2 )q(x, y) =
 2     2
x − µx x − µx y − µy y − µy
− 2ρ + =
σx σx σy σy
   2  2
x − µx y − µy y − µy
−ρ + (1 − ρ2 ) . (3.27)
σx σy σy

El primer sumando de (3.27) puede escribirse

   
x − µx y − µy
−ρ =
σx σy
   
x − µx ρσx y − µy
− =
σx σx σy
  
1 y − µy 1
Figura 3.6: Rotación de −90◦ de
x − µx + ρσx = (x − b), (3.28)
σx σy σx
la gráfica en figura 3.5.

con b = µx + ρσx σy . Sustituyendo en (3.27)

y−µy

 2  2
x−b y − µy
(1 − ρ2 )q(x, y) = + (1 − ρ2 )
σx σy

y de aquí
Z
fXY (x, y)dxdy =
R2
  y−µ 2  "Z  2  #
+∞ +∞

y x−b
Z
1 − 12 σy 1 1
− 2(1−ρ 2) σx
√ e p e dx dy = 1,
−∞ σy 2π −∞ σx 2π(1 − ρ2 )
(3.29)

porque el integrando interior es la función de densidad de una N (b, σx2 (1−

ρ2 )) e integra la unidad. La integral resultante vale también la unidad
por tratarse de la densidad de una N (µy , σy2 ), que es precisamente
la densidad marginal de Y (basta recordar la expresión (3.15) que
permite obtener la densidad marginal a partir de la conjunta). Por
simetría X ∼ N (µx , σx2 ).

Esta distribución puede extenderse a n dimensiones, hablaremos

entonces de normal multivariante. La expresión de su densidad la
daremos en el próximo capítulo y utilizaremos una notación matricial
que la haga más sencilla y compacta.
104 CAPÍTULO 3. VECTOR ALEATORIO

3.6 Independencia de variables aleatorias

Hemos definido previamente qué entendemos por sucesos indepen-
dientes. Dos sucesos A y B son independientes cuando el conocimiento
de que uno de ellos se ha producido no modifica la probabilidad del
otro. El suceso A tiene probabilidad P (A). Supongamos que sabemos
que se ha producido B (asumiendo que P (B) > 0) entonces la nueva
probabilidad de A es P (A|B). Si la ocurrencia de B no nos da infor-
mación sobre la ocurrencia de A entonces A y B son independientes.
Vimos que esto se traducía en que ha de verificarse la igualdad si-
guiente
P (A ∩ B) = P (A)P (B).
También vimos que, si los sucesos A y B son independientes, entonces
también lo son A y B c , Ac y B, Ac y B c . Dicho de otra forma, son
independientes las dos clases {A, Ac , Ω, ∅} y {B, B c , Ω, ∅}.
Vamos a repetir lo mismo que hemos dicho en el párrafo anterior
pero utilizando variables aleatorias. Conocer si un suceso A se ha
producido es equivalente a conocer el valor de la variable aleatoria
X(ω) = 1A (ω).6 Si conocemos X conocemos si el resultado ω está en
el suceso A esto es sabemos si A se ha producido o no. Tenemos que

P (A) = P (X = 1).

Si consideramos Y (ω) = 1B (ω) entonces

P (B) = P (Y = 1).

Además
P (A ∩ B) = P (X = 1, Y = 1).
Y finalmente que los sucesos A y B sean independientes es equivalente
a afirmar que

P (X = 1, Y = 1) = P (A ∩ B) = P (A)P (B) = P (X = 1)P (Y = 1).

Pero también tenemos

P (X = 1, Y = 0) = P (A ∩ B c ) = P (A)P (B c ) = P (X = 1)P (Y = 0),

P (X = 0, Y = 1) = P (Ac ∩ B) = P (Ac )P (B) = P (X = 0)P (Y = 1),

y (para ir terminando)

P (X = 0, Y = 0) = P (Ac ∩B c ) = P (Ac )P (B c ) = P (X = 0)P (Y = 0),

De un modo resumido de la independencia de los sucesos A y B se

sigue que
P (X = x, Y = y) = P (X = x)P (Y = y)
con x, y = 0, 1 (notemos que las variables aleatorias X e Y solamente
pueden tomar los valores 0 y 1).
Consideremos ahora dos variables aleatorias discretas X e Y arbi-
trarias. ¿Qué puede significar que las dos variables son independien-
tes? Siguiendo el ejemplo de los sucesos, el concepto que queremos
definir es que conocer el valor de una de ellas no modifica nuestro co-
nocimiento de la otra. Supongamos que sabemos que X = x. Para cada
6 Recordemos que 1A (ω) = 1 si ω ∈ A y cero en otro caso.
3.6. INDEPENDENCIA DE VARIABLES ALEATORIAS 105

posible valor de la variable Y la probabilidad de que tome un valor

arbitrario y sin saber nada más es P (Y = y). Si conocemos el valor de
X entonces la misma probabilidad vendría dada por P (Y = y|X = x).
Si X no contiene información sobre Y lo que debe darse es que

P (Y = y|X = x) = P (Y = y),

que es equivalente a

P (X = x, Y = y) = P (X = x)P (Y = y).

Llegamos a la misma condición que veíamos para variables dico-

tómicas o indicatrices. Parece razonable la siguiente definición.

Definición 3.7 (Independencia de dos variables discretas). Dos va-

riables aleatorias discretas X e Y definidas sobre un mismo espacio
de probabilidad (Ω, A, P ) se dicen independientes cuando

P (X = x, Y = y) = P (X = x)P (Y = y), ∀x, y ∈ R. (3.30)

Si consideramos la definición 3.7 es clara la siguiente afirmación:

dos sucesos aleatorios A y B son independientes si y solo si las varia-
bles aleatorias X(ω) = 1A (ω) e Y (ω) = 1B (ω) son independientes. De
hecho, estamos enriqueciendo el concepto de independencia.

Ejemplo 3.9 (Lanzamos una moneda cuatro veces). Lanzamos cua-

tro veces una moneda. Consideremos las variables X1 , número de
caras en los dos primeros lanzamientos; X2 , número de caras en los
dos últimos lanzamientos. ¿Son X1 y X2 independientes entre sí? Fá-
cilmente vemos que sí porque se verifica la definición 3.7. Modificamos
la definición de las variables de modo que X1 , número de caras en los
tres primeros lanzamientos; X2 , número de caras en los tres últimos
lanzamientos. ¿Son independientes estas variables? No. Por ejemplo:

1
P (X1 = 3, X2 = 3) = ,
24
sin embargo,
1
P (X1 = 3) = P (X2 = 3) = ,
23
En general, podemos definir independencia de una colección finita
de variables aleatorias discretas.

Definición 3.8 (Independencia de variables aleatorias discretas). Una

colección variables aleatorias discretas X1 , . . . , Xn definidas sobre un
mismo espacio de probabilidad (Ω, A, P ) se dicen independientes cuan-
do

P (X1 = x1 , . . . , Xn = xn ) = P (X1 = x1 ) . . . P (Xn = xn ), (3.31)

para cualesquiera x1 , . . . , xn ∈ R.

¿Y cuando tenemos variables aleatorias continuas? Damos la defi-

nición directamente en el caso general de un vector de dimensión k.
Si el vector (X1 , . . . , Xk ) es un vector aleatorio continuo con densi-
dad conjunta f (x1 , . . . , xk ) de un modo análogo se tiene la siguiente
definición.
106 CAPÍTULO 3. VECTOR ALEATORIO

Definición 3.9. Supongamos un vector aleatorio continuo X = (X1 ,

. . . , Xk ) con densidad conjunta f y marginales fi con i = 1, . . . , k.
Las variables X1 , . . . , Xk se dicen independientes cuando

f (x1 , . . . , xk ) = f1 (x1 ) . . . fk (xk ), (3.32)

para cualesquiera x1 , . . . , xk ∈ R.
Ejemplo 3.10 (Uniforme en el cuadrado unitario). Seguimos con el
ejemplo 3.4 de un punto al azar en el cuadrado unitario [0, 1] × [0, 1].
Su densidad conjunta es

fXY (x, y) = 1, si (x, y) ∈ [0, 1] × [0, 1],

y cero en el resto y sus marginales

fX (x) = fY (x) = 1,

si 0 ≤ x ≤ 1 y cero en otro caso. Tanto X como Y tienen densidades

uniformes en [0, 1]. Es obvio que f (x, y) = fX (x)fY (y) para cualquier
x e y. Son por tanto variables independientes. Es un resultado espera-
ble. Si vemos la forma del conjunto en donde la densidad conjunta no
se anula el conocimiento del valor de x no nos dice nada sobre el valor
de y. Siempre y toma valores entre 0 y 1 con densidad uniforme.
Sin embargo, si consideramos un círculo parece que la cosa no
debiera de ser así.
Ejemplo 3.11. Sea (X, Y ) con densidad uniforme en círculo unidad,
B(0, 1). La densidad conjunta es
1

 , si (x, y) ∈ B(0, 1)

fXY (x, y) = π

0, en el resto.


Por simetría, las marginales de X e Y son idénticas y tienen la forma,

2
 p

 1 − x2 , si |x| ≤ 1
fX (x) = π

0, en el resto.


De inmediato se comprueba que fXY (x, y) 6= fX (x)fY (y) y ambas

variables no son independientes.
Las definiciones 3.8 y 3.9 son operativas. Con ellas podemos com-
probar si un vector discreto o continuo está compuesto por variables
independientes. Sin embargo, son definiciones limitadas. La definición
general es la siguiente.
Definición 3.10 (Variables aleatorias independientes). Decimos que
las variables Xi , i = 1, . . . , k son independientes si

P (X1 ∈ B1 , . . . , Xk ∈ Bk ) = P (X1 ∈ B1 ) . . . P (Xk ∈ Bk ), (3.33)

o equivalentemente que

PX (B1 × . . . × Bk ) = PX1 (B1 ) × . . . × PXk (Bk ), (3.34)

para cualesquiera borelianos B1 , . . . , Bk ∈ β.

3.6. INDEPENDENCIA DE VARIABLES ALEATORIAS 107

Figura 3.7: Problema de la aguja de Buffon.

Comprobar la independencia de variables aleatorias utilizando la

definición 3.10 no es posible. Sin embargo, se puede demostrar que,
para variables discretas las definiciones 3.8 y 3.10 equivalen. Aná-
logamente, para variables continuas, las definiciones 3.9 y 3.10 son
equivalentes.

Ejemplo 3.12. 7 Volvemos a considerar el problema de la aguja de

Buffon. Sobre una trama de líneas paralelas equidistantes entre sí d
unidades, lanzamos al azar una aguja de longitud l unidades, con l<d.
¿Cuál es la probabilidad de que la aguja corte alguna de las paralelas?
Si denotamos por X, la distancia del centro de la aguja a la paralela
más próxima, y por Θ, el ángulo que la aguja forma con dicha paralela,
la posición de la aguja sobre el entramado de paralelas queda unívo-
camente determinada con ambas variables. El lanzamiento al azar
cabe interpretarlo en el sentido que ambas variables tienen
distribuciones uniformes y son independientes. En concreto,
X ∼ U (0, d) y Θ ∼ U (0, π) (por razones de simetría, la elección de un
ángulo en ]π, 2π] duplicaría las posiciones) y su distribución conjunta
tendrá por densidad.

1


 , si (x, θ) ∈ [0, d] × [0, π],
fXΘ (x, θ) = πd

en el resto.

0


Como puede apreciarse en la figura 3.7, para cada θ fijo la aguja

cortará a la paralela de su izquierda o de su derecha si,

l
0≤x≤ sin θ −→ corta a la izquierda
2
l
0≤d−x≤ sin θ −→ corta a la derecha
2

Si definimos los sucesos A1 = {(x, θ); 0 ≤ θ ≤ π, 0 ≤ x ≤ 2l sin θ}

y A2 = {(x, θ); 0 ≤ θ ≤ π, d − 2l sin θ ≤ x ≤ d} la probabilidad de

7 Este problema ya fue resuelto en § 1. Lo revisitamos desde otro punto de vista.

108 CAPÍTULO 3. VECTOR ALEATORIO

corte vendrá dada por

P (Corte) = P ((X, Θ) ∈ A1 ∪ A2 ) =
Z π Z 2l sin θ Z πZ d
1 1
dxdθ + dxdθ =
0 0 πd 0 d− 2 sin θ
l πd
Z π  Z π
1 l l l 2l
sin θ + sin θ dθ = sin θ dθ = . (3.35)
πd 0 2 2 πd 0 πd

3.7 Distribución condicionada

Tenemos un vector bidimensional (X, Y ). Este vector tiene un
comportamiento probabilístico que nos describe su distribución con-
junta. Cuando nos interesa algo sobre su comportamiento conjunto
podemos recurrir a su función de probabilidad o de densidad con-
juntas. Si queremos saber la probabilidad de algún suceso en don-
de solamente interviene uno de ellos podemos utilizar su distribución
marginal. Pero qué ocurre si conocemos una de ellas y queremos saber
algo sobre la otra. ¿Es rara esta situación? En absoluto. De una per-
sona podemos saber si es diabético o no, ser diabético es la variable X
que conocemos, y querríamos saber si un cierto tratamiento de control
de la diabetes va a ser efectivo en esta persona: esta sería la variable
Y . Si Y = 1 indice un tratamiento exitoso nuestro interés estaría en
las probabilidades de éxito y fracaso en enfermos diabéticos, es decir,
en lo que vamos a llamar la distribución condicionada de la variable
Y a la variable X. De esto va esta sección. En Estadística constante-
mente se está trabajando con distribuciones condicionadas. Vamos a
considerar, como siempre, los casos discreto (§ 3.7) y continuo (§ 3.7)
separadamente.

Distribución condicionada discreta

Ejemplo 3.13. Retomamos el ejemplo visto en § 3.1. Suponemos
conocido el valor de la variable Y , el número de caras en los tres
últimos lanzamientos. Por ejemplo, que Y = 0. Si esto es así la
variable X solamente nos queda por determinar el primer lanzamiento
que puede ser cara o cruz con probabilidad 1/2, es decir, estamos
diciendo que P (X = 0|Y = 0) = P (X = 1|Y = 0) = 1/2. Esto
lo podemos deducir directamente si partimos del conocimiento previo
de P (X = x, Y = 0) y de P (Y = 0). Si aplicamos la definición de
probabilidad condicionada para sucesos se tiene que

P (X = x, Y = 0)
P (X = x|Y = 0) = ,
P (Y = 0)

y podemos comprobar que obtenemos las probabilidades anteriores. Y

esto que acabamos de hacer lo podemos hacer para cualquier valor
que previamente sepamos que toma Y . Dado que Y = y entonces
las probabilidades condicionadas de que X = x las podemos obtener
a partir de la función de probabilidad conjunta y la marginal de Y
aplicando la definición de probabilidad condicionada con

P (X = x, Y = y)
P (X = x|Y = y) = .
P (Y = y)
3.7. DISTRIBUCIÓN CONDICIONADA 109

Tabla 3.2: Lanzamiento de cuatro monedas. X (columnas) nos indica

el número de caras en los tres primeros lanzamientos e Y (filas) el
número de caras en los tres últimos lanzamientos. Dentro de la tabla
tenemos la función de probabilidad P (X = x|Y = y) para los distintos
valores de y.

3 2 1 0 P (Y =y)
0 0 0 1/2 1/2 1
1 0 2/6 3/6 1/6 1
2 1/6 3/6 2/6 0 1
3 1/2 1/2 0 0 1
P (X=x) 2/16 6/16 6/16 2/16 1

En la tabla 3.2 tenemos las cuatro posibles distribuciones condiciona-

das (una en cada fila de la tabla). Claramente son cuatro funciones de
probabilidad distintas. Conociendo el valor de Y no conocemos el valor
exacto de X pero la probabilidad de que X tome los distintos valores es
distinta. Esta función de probabilidad condicionada representa la in-
corporación de la información que la variable Y tiene sobre la variable
X a la hora de conocer el valor aleatorio de X. Podemos comprobar
que las probabilidades condicionadas P (X = x|Y = y) (cada fila de
la tabla) no coinciden con la probabilidad marginal P (X = x) (última
fila de la tabla).
Consideremos un vector aleatorio bidimensional (X, Y ), con so-
portes para cada una de sus componentes DX y DY , respectivamente,
P (X ∈ DX ) = 1 y P (Y ∈ DY ) = 1.
Definición 3.11. La función de probabilidad condicionada de Y dado
{X = x}, x ∈ DX , se define mediante,
P (X = x, Y = y)
fY |X (y|x) = P (Y = y|X = x) = . (3.36)
P (X = x)
Proposición 3.7. La función definida en (3.36) es una función de
probabilidad.
Prueba. En primer lugar es no negativa por tratarse de una probabi-
lidad condicionada. Además suma la unidad sobre Dy ya que
P
y∈DY P (X = x, Y = y) P (X = x)
X
fY |X (y|x) = = = 1.
P (X = x) P (X = x)
y∈Dy

Vamos a ver distintos ejemplos donde veamos cómo obtener la

distribución condicionada.
Ejemplo 3.14. Cuando se inicia una partida de cartas la mano se
suele decidir a la carta más alta. Supongamos una partida entre dos
jugadores que, antes de iniciarla, extraen al azar sendas cartas para
decidir cuál de los dos repartirá inicialmente las cartas. Si por X
designamos la mayor de las dos cartas y por Y la menor, vamos
encontrar la distribución conjunta del vector (X, Y ), las marginales y
las condicionadas.
110 CAPÍTULO 3. VECTOR ALEATORIO

La baraja española consta de 4 palos con 12 cartas cada uno de

ellos, numeradas del 1 (As) al 12 (Rey). Como el As se considera
siempre la carta más alta, podemos asignarle el número 13 y suponer
las cartas numeradas del 2 al 13. No pueden haber empates, con lo que
el problema es equivalente al de extraer al azar, sin reemplazamiento,
dos bolas de una urna que contiene 12 bolas numeradas del 2 al 13.
Observemos que el orden no cuenta en la extracción, sólo cuál de ellas
es la

mayor y cuál la menor, por lo que las posibles extracciones son
2 = 66. En definitiva,
12

1


 , 2 ≤ y < x ≤ 13;
fXY (x, y) = P (X = x, Y = y) = 66

en el resto.

0,


La función de probabilidad marginal de X vale,

X 1 x−2
fX (x) = P (X = x) = = , x ∈ DX = {3, . . . , 13},
66 66
2≤y<x

y fX (x) = 0 si x ∈ DX
c
. Para Y ,
X 1 13 − y
fY (y) = = , y ∈ DY = {2, . . . , 12},
66 66
y<x≤13

y fY (y) = 0 si y ∈ DYc . En cuanto a las condicionadas,

1/66 1
fX|Y (x|y) = P (X = x|Y = y) = = , y < x ≤ 13,
(13 − y)/66 13 − y
que es la distribución uniforme sobre el conjunto DX|Y = {y + 1, y +
2, . . . , 13}.
1/66 1
fY |X (y|x) = = , 2 ≤ y < x,
(x − 2)/66 x−2
que es la distribución uniforme sobre el conjunto DY |X = {2, 3, . . . , x−
1}.
Ejemplo 3.15. En este ejemplo pretendemos mostrar el análisis bá-
sico de una tabla de contingencia y cómo podemos interpretarlo uti-
lizando distribuciones condicionadas. Tomamos una gran muestra de
tamaño n en una población. Observamos dos variables discretas en
cada uno de ellos.8 Tendremos los valores observados (xk , yk ) con
k = 1, . . . , n son los valores observados. Por simplificar notación su-
pondremos que que xk ∈ {1, . . . , I} y que yk ∈ {1, . . . , J}. Conside-
ramos el vector aleatorio (X, Y ) tal que su distributición asigna una
probabilidad de 1/n a cada uno de los datos bivariantes observados. El
vector tiene por distribución lo que se conoce como la distribución em-
pírica de la muestra. Vamos a obtener la distribución conjunta de este
vector, las marginales y las condicionadas. La distribución conjunta
de este vector aleatorio vendrá dada por
nij
P (X = i, Y = j) = ,
n
8 Por ejemplo, tomamos 1000 individuos con carnet de conducir al menos cinco

años en la población de la Comunidad Valenciana. Observamos el número de años

que tiene el carnet de conducir y el número de accidentes en los últimos cinco
años.
3.7. DISTRIBUCIÓN CONDICIONADA 111

donde nij es el número de (xk , yk ) tales que xk = i e yk = j.9 Si

denotamos ni· = j=1 nij y n·j = i=1 nij entonces las marginales
PJ PI
de X e Y son
ni· n·j
P (X = i) = yP (Y = j) = .
n n
Las distribuciones condicionadas serían
nij
P (X = i|Y = j) = ,
n·j
y
nij
P (Y = j|X = i) = .
ni·
El siguiente ejemplo muestra una interesante relación entre la dis-
tribución de Poisson y la distribución multinomial. Esta relación tiene
un gran interés cuando se trabaja con variables discretas en análisis
de tablas de contingencia.
Ejemplo 3.16. Consideremos dos variables aleatorias independientes
X e Y , con distribución de Poisson de parámetros µ y λ, respectiva-
mente. Queremos encontrar al distribución de la variable condicionada
X|X + Y = r. Recordemos que

fX|X+Y (k|r) = P (X = k|X + Y = r) =

P (X = k, Y = r − k) fXY (k, r − k)
= . (3.37)
P (X + Y = r) fX+Y (r)

La distribución conjunta del vector (X, Y ) es conocida por tratarse de

variables independientes,

µk −µ λr−k −λ
fXY (k, r − k) = e e . (3.38)
k! r − k!
La distribución de la variable X + Y se obtiene de la forma

P (X + Y = r) = P (∪rk=0 {X = k, Y = r − k}) =
r r
X X µk λr−k −(µ+λ)
P (X = k, Y = r − k) = e =
k!r − k!
k=0 k=0
−(µ+λ) r
e r! (µ + λ)r −(µ+λ)
. (3.39)
X
µk λr−k = e
r! k!r − k! r!
k=0

Lo que nos dice que X + Y ∼ P o(µ + λ). Sustituyendo (3.38) y (3.39)

en (3.37),

µk −µ λr−k −λ
e r−k! e
fX|X+Y (k|r) = k!
(µ+λ)r −(µ+λ)
=
r! e
k r−k
  k  r−k
r! µ λ r µ µ
= 1− , (3.40)
k!(r − k)! (µ + λ)r k µ+λ µ+λ

concluimos que la distribución condicionada X|X + Y = r es una

distribución binomial, en concreto, X|X + Y = r ∼ B(r, µ/(µ + λ)).
9 La tabla de doble entrada que en la fila i y columna j tiene el valor n
ij se le
llama tabla de contingencia.
112 CAPÍTULO 3. VECTOR ALEATORIO

El concepto de distribución condicional se extiende con facilidad

al caso k-dimensional. Si X = (X1 , . . . , Xk ) es un vector aleatorio k-
dimensional y X l = (Xi1 , . . . , Xil ), l ≤ k y X k−l = (Xj1 , . . . , Xjk−l )
son subvectores de dimensiones complementarias, con soportes DX l
y DX k−l , respectivamente, la función de probabilidad condicionada
de X l dado X k−l = (xj1 , . . . , xjk−l ) con (xj1 , . . . , xjk−l ) ∈ Dxk−l , se
define como
fX (x1 , . . . , xk )
fX l |X k−l (xi1 , . . . , xil |xj1 , . . . , xjk−l ) = ,
fX k−l (xj1 , . . . , xjk−l )

donde el argumento del numerador, (x1 , . . . , xk ), está formado por las

componentes (xi1 , . . . , xil ) y (xj1 , . . . , xjk−l ) adecuadamente ordena-
das.
Y podemos aplicar esto al caso de la distribución multinomial.

Ejemplo 3.17. Si el vector X = (X1 , . . . , Xk ) ∼ M (n; p1 , . . . , pk )

sabemos que la marginal del subvector X l = (X1 , . . . , Xl ) es una
M (n; p1 , . . . , pl , (1−p∗ )), p∗ = p1 +· · ·+pl (en definitiva la partición de
sucesos que genera
c la multinomial queda reducida a Ak−l 1 , . . . , Al , A , con
∗

A = ∪i=1 Ai ). La distribución condicionada de X

∗ l
= (Xl+1 , . . . , Xk )
dado X l = (n1 , . . . , nl ), viene dada por

fX k−l |X l (nl+1 , . . . , nk |n1 , . . . , nl ) =

k
n! Y
p ni
n1 !n2 ! . . . nk ! i=1 i
l
=
n! ∗ (n−n∗ )
Y
ni
(1 − p ) pi
n1 ! . . . nl !(n − n∗ )! i=1
k  ni
(n − n∗ )! Y pi
(3.41)
nl+1 ! . . . nk ! 1 − p∗
i=l+1

con n∗ = n1 + · · · + nl y i=l+1 ni = n − n∗ . Se trata, en definitiva,

Pk
de una M (n − n∗ ; 1−p
p l+1 pk
∗ , . . . , 1−p∗ ).

Ejemplo 3.18. En este ejemplo estudiamos la distribución bino-

mial negativa bivariante. La función de probabilidad condicionada
de Y dado X = x, cuando (X, Y ) ∼ BN (r; p1 , p2 ), vale

fY |X (y|x) =
  
x+y+r−1 x+r−1 x y
p1 p2 (1 − p1 − p2 )r
y x
  x  r =
x+r−1 p1 1 − p1 − p2
x 1 − p2 1 − p2
 
x+y+r−1 y
p2 (1 − p2 )x+r , (3.42)
y

para x = 0, 1, . . . y = 0, 1, . . .. Luego Y |X = x ∼ BN (x + r, p2 ).

Distribución condicionada con vectores continuos

Suponemos ahora que el vector (X, Y ) es continuo con densidad
conjunta f(X,Y ) y marginales fX y fY respectivamente. Conocemos el
3.7. DISTRIBUCIÓN CONDICIONADA 113

valor de X, sabemos que X = x pero tenemos un pequeño problema:

esto tiene probabilidad cero. La definición que hemos visto en el caso
discreto en la sección anterior no nos vale. Una opción simple y válida
es definir directamente la función de densidad de la distribución con-
dicionada de la variable Y a X = x que podemos denotar Y |X = x.
Y lo vamos a hacer.
Definición 3.12. Definimos la función de densidad condiciona-
da de la variable Y a la variable X como
f(X,Y ) (x, y)
fY |X (y|x) =
fX (x)
si fX (x) > 0.
Con el siguiente ejemplo justificamos la sensatez de la definición
que acabamos de ver.
Ejemplo 3.19. Continuamos el ejemplo 3.5. Pensemos en la elección
de un punto al azar en B(0, 1), círculo unidad. Fijemos la abscisa del
punto en X = x, |x| < 1, y consideremos cómo se distribuirá la or-
denada Y sobre la correspondiente cuerda. Estamos hablando de la
distribución condicionada de Y |X = x, que no sólo tiene sentido, si
no que intuimos que será uniforme sobre la cuerda. ¿Cómo comprobar
nuestra intuición? Recordando las expresiones de las densidades con-
juntas y las marginales obtenidas en 3.5 y el ejemplo 3.11, tendremos
√

 √ 1/π
 , si |y| ≤ 1 − x2
2
2 1 − x /π

fY |X (y|x) =


0, en el resto,

√ √
que confirma nuestra intuición, Y |X = x ∼ U (− 1 − x2 , + 1 − x2 ).
Parece lógico pensar que la densidad condicionada sea, efectivamente,
la que hemos supuesto.
En el siguiente ejemplo pretendemos una situación donde el vector
(X, Y ) no tiene una distribución uniforme sobre un dominio como un
cuadrado o una bola.
Ejemplo 3.20. Elegimos al azar X en [0,1] y a continuación Y ,
también al azar, en [0, X 2 ]. Ver figura 3.8. Es decir

1/x2 , y ∈ [0, x2 ];
 
1, x ∈ [0, 1];
fX (x) = y fY |X (y|x) =
0, en el resto. 0, en el resto.
La densidad conjunta de (X, Y ) vale
1

 2 , x ∈ [0, 1], y ∈ [0, x2 ];

f(X,Y ) (x, y) = fX (x)fY |X (y|x) = x

en el resto.

0,


La densidad marginal de Y es
Z 1
1 1
fY (y) = √ 2 dx = √ − 1, y ∈ [0, 1],
y x y

y vale 0 fuera del intervalo.

114 CAPÍTULO 3. VECTOR ALEATORIO

Figura 3.8: Corresponde al ejemplo 3.20.

Cabe preguntarse si la elección de X e Y que hemos hecho se

corresponde con la elección al azar de un punto en el recinto A de la
figura, determinado por la parábola y = x2 entre x = 0 y x = 1. La
respuesta es negativa, puesto que la densidad conjunta vendría dada
en este caso por
1

= 3, (x, y) ∈ A
área de A


∗
f(X,Y ) (x, y) =
en el resto.

0,


y evidentemente, f(X,Y ) (x, y) 6= f(X,Y

∗
) (x, y). Puede comprobarse que,
en este caso,

3x2 , x ∈ [0, 1]; 1/x2 , y ∈ [0, x2 ];

 
∗
fX (x) = y fY∗ |X (y|x) =
0, en el resto. 0, en el resto.
Es decir, elegida la componente X la elección de Y continua siendo
al azar en el intervalo [0, X 2 ], pero a diferencia de cómo elegíamos X
inicialmente, ahora ha de elegirse con la densidad fX ∗
(x).
Hemos definido la distribución condicionada de una variable a otra.
Sin embargo, en las aplicaciones no se suele condicionar a una sola va-
riable sino a varias. Y también no se trabaja con la distribución de una
variable a condicionar sino también a varias. En resumen: ¿cómo defi-
nimos la distribución condicionada de un subvector al resto de las va-
riables? Tenemos el vector aleatorio X = (X1 , . . . , Xk ). Lo dividimos
en dos subvectores que podemos denotar X(i1 ,...,il ) = (Xi1 , . . . , Xil ).
Si suponemos que {j1 , . . . , jk−l } = {1, . . . , k} \ {i1 , . . . , il } entonces
podemos definir la función de densidad condicionada del subvector
X(i1 ,...,il ) al subvector X(j1 ,...,jk−l ) (donde {i1 , . . . , il } y {j1 , . . . , jk−l }
son una partición de {1, . . . , k}) como

fX(i1 ,...,il ) |X(j1 ,...,jk−l ) (xi1 , . . . , xil |xj1 , . . . , xjk−l ) =

fX (x1 , . . . , xk )
, (3.43)
fX(j1 ,...,jk−l ) (xj1 , . . . , xjk−l )

con fX(j1 ,...,jk−l ) (xj1 , . . . , xjk−l ) > 0.

3.8. TRANSFORMACIÓN DE UN VECTOR ALEATORIO 115

Ejemplo 3.21. Si (X, Y ) es un vector normal bivariante,

fY |X (y|x) =
 2   y−µ   y−µ 2 
x−µx
1 1
− 2(1−ρ2) σx −2ρ x−µ
σx
x
σy
y
+ σy
y

p e
2πσx σy 1 − ρ2
  2  =
x−µx
1 − 12 σx
√ e
σx 2π
n y−µ   o2
1 1
− 2(1−ρ 2)
y
−ρ x−µ x
p e σy σx
=
σy 2π(1 − ρ2 )
n  σy
o2
1 1
− 2σ2 (1−ρ 2 ) y− µy +ρ σx (x−µx )
= p e y . (3.44)
2π(1 − ρ2 )
σy
 
Es decir, Y |X = x ∼ N µy + ρ σxy (x − µx ), σy2 (1 − ρ2 ) .
σ

3.8 Transformación de un vector aleatorio

¿Solamente transformamos variables? Habitualmente partiendo de
un vector aleatorio X = (X1 , . . . , Xk ) nos interesarán funciones de
estas variables aleatorias de modo que tendremos
X g
Y : Ω −→ Rk −→ Rl ,

siendo g = (g1 , . . . , gl ). Y pediremos que g sea medible entre (Rk , β k )

y (Rl , β l ).10
Un punto importante a considerar, si las variables que teníamos
originalmente eran independientes: ¿siguen siendo independientes va-
riables que obtenemos transformando (marginalmente) cada una de
ellas?
Como corolario de la definición 3.10 se comprueba fácilmente que
las transformaciones de variables independientes también lo son.

Corolario 3.1. Si gi , i = 1, . . . , k, son funciones de R en R, las

variables aleatorias Yi = gi (Xi ), i = 1, . . . , k son independientes si
las Xi lo son.

Prueba. Tenemos

P (Y1 ∈ B1 , . . . , Yk ∈ Bk ) =
P (X1 ∈ g1−1 (B1 ), . . . , Xk ∈ gk−1 (Bk )) =
P (X1 ∈ g1−1 (B1 )) . . . P (Xk ∈ gk−1 (Bk )). (3.45)

Para X = (X1 , . . . , Xk ), vector aleatorio k-dimensional, aborda-

remos el problema solamente para el caso continuo. La obtención de
la densidad de la nueva variable o vector resultante en función de fX
plantea dificultades en el caso más general, pero bajo ciertas condicio-
nes, equivalentes a las impuestas para el caso univariante, es posible
disponer de una expresión relativamente sencilla.
10 Significando esto que g −1 (B) ∈ β k siendo B ∈ β l . Se puede ver que g es

medible si y solo si cada una de las gi lo es.

116 CAPÍTULO 3. VECTOR ALEATORIO

Teorema 3.1. Sea X = (X1 , . . . , Xk ) es un vector aleatorio continuo

con soporte D y sea g = (g1 , . . . , gk ) : Rk → Rk una función vectorial
que verifica:
1. g es uno a uno sobre D,

2. el Jacobiano de g, J = ∂(x1 ,...,xk ) ,

∂(g1 ,...,gk )
es distinto de cero ∀x ∈ D, y

3. existe h = (h1 , . . . , hk ) inversa de g.

Entonces, Y = g(X) es un vector aleatorio continuo cuya densidad
conjunta, para y = (y1 , . . . , yk ) ∈ g(D), viene dada por

fY (y1 , . . . , yk ) = fX (h1 (y1 , . . . , yk ), . . . , hk (y1 , . . . , yk )) |J −1 |,

(3.46)
donde J = ∂(y1 ,...,yk ) es el Jacobiano de h.
−1 ∂(h1 ,...,hk )

Este teorema no es más que el teorema del cambio de variable en

una integral múltiple y su demostración rigurosa, de gran dificultad
técnica, puede encontrarse en cualquier libro de Análisis Matemático.
Veamos el interés del resultado a través de los siguientes ejemplos.
Ejemplo 3.22. En 3.5 estudiábamos el vector aleatorio determinado
por las coordenadas de un punto elegido al azar en el círculo unidad.
La densidad conjunta venía dada por
1

 , si (x, y) ∈ B(0, 1)

f(X,Y ) (x, y) = π

0, en el resto.


√
Consideremos ahora las coordenadas polares del punto, R = X 2 + Y 2
y Θ = arctan XY
. Para obtener su densidad conjunta, necesitamos las
transformaciones inversas, X = R cos Θ e Y = R sin Θ. El correspon-
diente jacobiano vale R y la densidad conjunta es
 r
 , si (r, θ) ∈ [0, 1] × [0, 2π]

π
f(R,Θ) (r, θ) =

0, en el resto.


Con facilidad se obtienen las marginales correspondientes, que resultan

ser 
 2r, si r ∈ [0, 1]
fR (r) =
0, en el resto,


y para Θ,
1


 , si θ ∈ [0, 2π]
fΘ (θ) = 2π

0, en el resto.


Como f(R,Θ) (r, θ) = fR (r)fΘ (θ), ∀(r, θ), R y Θ son independientes.

Ejemplo 3.23. Sea X = (X1 , X2 ) un vector aleatorio bidimensio-
nal con densidad conjunta fX (x1 , x2 ) o simplemente f (x1 , x2 ). Las
marginales de X1 y X2 las denotamos f1 y f2 respectivamente. De-
finimos U = X1 + X2 y queremos obtener su densidad. Para poder
utilizar el resultado anterior la transformación debe de ser también
3.8. TRANSFORMACIÓN DE UN VECTOR ALEATORIO 117

bidimensional, cosa que conseguimos si consideramos una nueva va-

riable V = X1 . El nuevo vector aleatorio es Y = (U, V ) y podemos
aplicar el teorema. La transformación inversa viene dada por X1 = V
y X2 = U − V , cuyo jacobiano es −1. Tendremos pues,

fY (u, v) = fX (v, u − v),

y para obtener la densidad marginal de la suma, U ,

Z +∞
fU (u) = fX (v, u − v)dv. (3.47)
−∞

Ejemplo 3.24. Tenemos el vector X = (X1 , X2 ) con densidad con-

junta fX (x1 , x2 ). Para obtener la densidad de W = X1 X2 , definimos
T = X1 y actuamos como en el ejemplo 3.23. Con Y = (T, W ) y
transformaciones inversas X1 = T y X2 = W /T , el Jacobiano es
J −1 = 1/T y la densidad conjunta de Y ,

1  w
fY (t, w) = fX t, .
|t| t

La marginal del producto se obtiene integrando respecto de la otra

componente, Z +∞
1  w
fW (w) = fX t, dt. (3.48)
−∞ |t| t
En los ejemplos 3.23 y 3.24 hubieramos podido también proceder
utilizando la transformación bidimensional Y = (Y1 , Y2 ), con Y1 =
X1 + X2 e Y2 = X1 X2 , lo que en teoría nos hubiera hecho ganar
tiempo; pero sólo en teoría, porque en la práctica las inversas hubieran
sido más complicadas de manejar que las anteriores.

Ejemplo 3.25. En el ejemplo 3.23 hemos considerado variables cua-

lesquiera no necesariamente independientes. ¿Y si asumimos la inde-
pendencia de las variables? ¿En qué se modifica la densidad que aca-
bamos de obtener? En la ecuación 3.47 podemos factorizar la densidad
conjunta fX (v, u−v) = fX1 (v)fX2 (u−v) de modo que tendríamos que
la densidad de X1 + X2 cuando ambas variables son independientes
vendría dada por
Z +∞
fX1 +X2 (u) = fX1 (v)fX2 (u − v)dv. (3.49)
−∞

A la expresión de la densidad dada en 3.49 se le suele llamar la

convolución de las densidades fX1 y fX2 .

Ejemplo 3.26. Si X1 , X2 , . . . , Xn son n variables aleatorias indepen-

dientes, vamos a obtener la distribución de probabilidad del máximo
y el mínimo de todas ellas. Definimos V = max{X1 , X2 , . . . , Xn } y
U = min{X1 , X2 , . . . , Xn }. Empezamos con la distribución marginal
del máximo. Lo más sencillo es obtener la función de distribución de
V , puesto que
{V ≤ x} ⇐⇒ ∩ni=1 {Xi ≤ x},
y de aquí
n
Y
FV (x) = P (∩ni=1 {Xi ≤ x}) = Fi (x).
i=1
118 CAPÍTULO 3. VECTOR ALEATORIO

La función de densidad puede obtenerse derivando la expresión ante-

rior,  
n
X Y
fV (x) = fi (x) Fj (x) .
i=1 j6=i

Un caso especial es aquel en el que las variables tiene todas la mis-

ma distribución de probabilidad. Si F y f son, respectivamente, las
funciones de distribución y densidad comunes a todas ellas,
n
FV (x) = [F (x)]

y
n−1
fV (x) = n [F (x)] f (x).
Veamos ahora la distribución del mínimo. Observemos que

{U > x} ⇐⇒ ∩ni=1 {Xi > x},

y de aquí
n
Y
FV (x) = 1 − P (U > x) = 1 − P (∩ni=1 {Xi > x}) = 1 − [1 − Fi (x)] ,
i=1

y  
n
X Y
fV (x) = fi (x) (1 − Fj (x)) .
i=1 j6=i

Si todas las variables comparten una distribución común con F y f

como funciones de distribución y densidad, respectivamente,
n
FV (x) = 1 − [1 − F (x)]

y
n−1
fV (x) = n [1 − F (x)] f (x).
Finalmente nos planteamos la distribución conjunta del máximo y
del mínimo. Para obtener al distribución conjunta de V y U observe-
mos que,

{V ≤ x} = ({V ≤ x} ∩ {U ≤ y}) ∪ ({V ≤ x} ∩ {U > y}) .

Al tomar probabilidades hemos de tener en cuenta que

si x ≤ y;

 0,
P ({V ≤ x} ∩ {U > y}) =
P (∩ni=1 {y < Xi ≤ x}) , si x > y.


En definitiva

 i=1 Fi (x) − i=1 [Fi (x) − Fi (y)], si x > y;

 Qn Qn
FV U (x, y) =
si x ≤ y,
 Qn
i=1 Fi (x),

resultado que nos indica que V y U no son independientes. La función

de densidad conjunta la obtendremos mediante (3.13),
 P h i
k6=i,j [Fk (x) − Fk (y)] , si x > y;
Q
i6=j fi (x)fj (y)


fV U (x, y) =
si x ≤ y.

0,

3.9. EJERCICIOS 119

Cuando las variables tiene la misma distribución con F y f como

funciones de distribución y densidad comunes, respectivamente,

 [F (x)] − [F (x) − F (y)] , si x > y;

 n n

FV U (x, y) =
si x ≤ y,
n
[F (x)] ,


 n(n − 1)f (x)f (y)[F (x) − F (y)]n−2 , si x > y;



fV U (x, y) =
0, si x ≤ y.


3.9 Ejercicios
Distribución conjunta, marginal y condicionada
** Ej. 183 — Demostrar que la función de conjunto definida en 3.1
es una medida de probabilidad.
* Ej. 184 — ([11, pág. 233])Elegimos al azar (sin reemplazamien-
to) tres bolas de una urna que contiene 3 bolas rojas, 4 bolas blancas
y 5 bolas azules. Si denotamos por X e Y el número de bolas rojas y
blancas elegidas, determinar la función de probabilidad conjunta de
X e Y así como las funciones de probabilidad marginales.

* Ej. 185 — Sean X e Y dos variables aleatorias independientes

ambas con soporte en el conjunto {0, 1, 2}, tales que P (X = 0) =
0.3,P (X = 1) = 0.5, P (Y = 0) = 0.6 y P (Y = 1) = 0.1. Se pide:
[Link] una tabla en la que se muestre P (X = x, Y = y) para
todo par (x, y) ∈ {0, 1, 2} × {0, 1, 2}.
[Link] P (X = Y )
[Link] P (X + Y = 2)
[Link] la función de probabilidad de la variable aleatoria Z =
X + Y , y represéntala gráficamente.
[Link] la función de probabilidad de la variable aleatoria T =
X − Y , y represéntala gráficamente.

* Ej. 186 — Sean X e Y dos variables aleatorias independientes,

ambas con la misma distribución: geométrica de parámetro p, 0 <
p < 1. Sea Z la variable aleatoria definida como el mínimo de X e
Y . Queremos determinar la función de probabilidad de Z, para ello
vamos a completar los siguientes pasos:
[Link] P (X ≥ n) para n ∈ {0, 1, . . .}
[Link]
T P (Z ≥ n) para n ∈ {0, 1, . . .} (Pista: {Z ≥ n} ⇔ {X ≥
n Y ≥ n}
[Link] fZ (k) = P (Z = k) , para k ∈ {0, 1, . . . , }

* Ej. 187 — ([1, pág 99])Sean X1 Y X2 variables aleatorias inde-

pendientes. Supongamos que X1 tiene una distribución binomial con
parámetros n y p y que X2 tiene una distribución binomial con pará-
metros m y p. Se pide:
[Link] P (X1 = u|X1 + X2 = v).
120 CAPÍTULO 3. VECTOR ALEATORIO

[Link] que la probabilidad calculada en el apartado anterior

es una función de probabilidad.

* Ej. 188 — Una planta produce M semillas, donde M se supone

que sigue una distribución binomial con parámetros n y p. Cada se-
milla germina con probabilidad γ independientemente de las demás.
Denotamos por R el número de plantas que realmente germinan. Se
pide calcular (y dibujar para el caso particular de n = 5, p = 0.5 y
γ = 0.8) las siguientes funciones:
[Link] función de probabilidad condicional de R dado que M = m.
[Link] función de probabilidad conjunta de R y M.
[Link] función de probabilidad de R.
[Link] función de probabilidad de M dado R = r.

* Ej. 189 — (FS-)Se elige un número X al azar del conjunto de

números {1, 2, 3, 4, 5}. Después, se escoge un número al azar del sub-
conjunto no mayor que X, es decir, de {1, . . . , X}. Definamos este
segundo número como Y . Se pide:
[Link] función de probabilidad conjunta de X e Y .
[Link] función de probabilidad condicional de X dado que Y = i.
Calcularla para i = 1, 2, 3, 4, 5.
(c)¿X e Y son independientes? ¿Por qué? Justifica tu respuesta.

* Ej. 190 — Lanzamos 2 veces un dado especial aunque correcta-

mentamente equilibrado. Por especial entenderemos que, a diferencia
de los dados habituales (cuyas caras están numeradas de 1 a 6 me-
diante puntos) tiene 1 cara marcada con un punto, 2 caras numeradas
con 2 puntos y las tres restantes numeradas con 3 puntos cada una
de ellas. Denotamos por Xi la puntuación obtenida en el lanzamien-
to i, i = 1, 2, y por Y el producto de las dos puntuaciones, es decir
Y = X1 ∗ X2 .
[Link] la función de distribución de X1
[Link]én la función de probabilidad de Y .
[Link] la función de probabilidad de Y |X1

** Ej. 191 — 11 Supongamos que tenemos n variables aleatorias in-

dependientes, X1 , . . . , Xn . La variable Xi sigue una distribución de
Poisson con parámetro λi (con λi > 0). Se pide demostrar que Pnla dis-
tribución condicionada del vector (X1 , . . . , Xn ) a la variable i=1 Xi
es una multinomial. Determinar los parámetros de la distribución con-
dicionada.

* Ej. 192 — La densidad conjunta de X e Y es f (x, y) = λ3 xe−λ(x+y)

para x > 0 e y > 0 (0 en otro caso). Se pide
[Link] las densidades marginales y demuestra que X e Y son in-
dependientes.
[Link] P (X ≤ a, Y ≤ b) para cualesquiera a y b números positi-
vos.
11 Ver ejemplo 3.16.
3.9. EJERCICIOS 121

[Link] P (X ≤ a) para a > 0.

[Link] la probabilidad de que X + Y ≤ a para a > 0
[Link] una densidad para Z = X + Y . Represéntala.

* Ej. 193 — (FS-)La cantidad de personas que llegan a una far-

macia en una hora determinada es una variable aleatoria de Poisson
con parámetro λ = 10. Calcular la probabilidad condicional de que,
como máximo, lleguen a la farmacia 3 hombres, dado que llegaron 10
mujeres en esa hora. Señala los supuestos con los que trabajas.

* Ej. 194 — Sea (X, Y ) un vector aleatorio cuya función de densi-

dad conjunta es
30x4 (1 − x)2 ye−xy , 0 < x < 1, 0 < y < ∞;

f (x, y) =
0, en el resto.
Halla la función de densidad marginal fX (x) y la función de densidad
condicionada f (y|x).

* Ej. 195 — Sea (X, Y ) un vector aleatorio cuya función de densi-

dad conjunta es
1 1
f (x, y) = √ exp{− (y − x)2 }
2 2π 2
si −1 < x < 1, −∞ < y < ∞ y 0 en otro caso. Halla fX (x) y f (y|x).

** Ej. 196 — Inyectamos a unos ratones microorganismos del tipo

A y B en igual proporción. Se supone que los microorganismos efecti-
vos de cada tipo se distribuyen independientemente con arreglo a una
misma distribución de Poisson de parámetro λ. Un ratón sobrevive si
y sólo si no hay microorganismos efectivos en la dosis inyectada. A los
ratones muertos se les examina para ver si contenían microorganismos
de uno o de los dos tipos. Encontrar la probabilidad de que un ratón
muerto contenga microorganismos de un solo tipo.

* Ej. 197 — Consideremos la siguiente función

x! , si y ≥ 0, x = 0, 1, . . .
 yx e−y
fX|Y (x|y) =
0, en el resto.
[Link] que para cada y fijo, fX|Y (x|y) es una función de
probabilidad (la de X condicionada a Y = y).
[Link] Y ∼ Exp(λ), con λ = 1, encontrar la densidad conjunta de X
e Y.
[Link] que la marginal de X viene dada por
 1
 2x+1 , x = 0, 1, . . .
fX (x) =
0, en el resto.


** Ej. 198 — Sean X1 , X2 , . . . , Xn variables aleatorias con función

de distribución conjunta F y con funciones de distribución marginales
F1 , F2 , . . . , Fn . Demostrar que
n
[1 − Fi (xi )] ≤ F (x1 , x2 , . . . , xn ) ≤ min Fi (xi ).
X
1−
1≤i≤n
i=1
122 CAPÍTULO 3. VECTOR ALEATORIO

** Ej. 199 — Las variables aleatorias X e Y tienen una distribución

conjunta uniforme en el interior del triángulo T de vértices (0,0), (2,0)
y (1,2). Calcular P (X < 1, Y < 1) y P (Y < 1|X < 1.5).

Ej. 200 — La densidad conjunta de las variables A y B viene dada

por
a + b, (a, b) ∈ [0, 1]2 ;

f (a, b) =
0, en el resto.
¿Cuál es la probabilidad de que la ecuación Ax2 + Bx + 1 = 0 tenga
ambas raíces reales?
* Ej. 201 — Las puntuaciones obtenidas por los estudiantes del cen-
tro A en las pruebas de selectividad se distribuyen N (6.25, 1), mien-
tras que las de los estudiantes del centro B se distribuyen N (6, 1.5).
Elegimos al azar 2 estudiantes del centro A y 3 del centro B. Se pide:
[Link] probabilidad de que la puntuación media de los 2 estudiantes
de A sea superior a la puntuación media de los 3 de B, y
[Link] probabilidad de que al escoger al azar uno de los 5 estudiantes,
su nota sea superior a 6.5

** Ej. 202 — Calcular la probabilidad de poder formar un trián-

gulo con dos puntos elegidos en el intervalo [0, 1] según los distintos
métodos que se enumeran a continuación.
[Link] dos puntos se eligen al azar en el intervalo.
[Link] primero un punto al azar y a continuación elegimos el
segundo punto, también al azar, pero sobre el trozo mayor.
[Link] un punto al azar y a continuación uno de los trozos,
elegido al azar, lo dividimos en dos partes iguales. Calcular, para
este método, la probabilidad de que el triángulo sea obtuso.

*** Ej. 203 — Elegimos al azar tres puntos A, B, C sobre la cir-

cunferencia de un círculo. Calcular la probabilidad de que al menos
uno de los ángulos del triángulo que determinan sea mayor que xπ,
0 < x < 1.

*** Ej. 204 — Sea X ∼ U (0, 1). Calcular P (X ≤ x, X 2 ≤ y) y

P (X ≤ x|X 2 = y).

** Ej. 205 — En una urna hay una bola roja. Extraemos tres cartas
de una baraja francesa(52 cartas repartidas en 4 palos) y añadimos
a la urna tantas bolas verdes como ases hayamos extraído. A conti-
nuación lanzamos 2 veces una moneda cuya probabilidad de cara es
p = 1/5 y añadimos tantas bolas rojas como cruces hayamos obtenido.
Finalmente llevamos a cabo 2 extracciones con reemplazamiento de
la urna. Si X es el número de bolas verdes añadidas a la urna e Y el
número de bolas rojas añadidas a la urna,
[Link] la función de probabilidad de X.
[Link] la función de probabilidad de Y .
[Link] las dos bolas extraídas con reemplazamiento son rojas, ¿cuál
es la probabilidad de no haber obtenido ningún as al extraer las
3 cartas de la baraja francesa?
3.9. EJERCICIOS 123

Ej. 206 — Elegimos al azar tres números X1 , X2 y X3 en [0,1],

independientemente unos de otros.
1.¿Cuál es la probabilidad de que {X1 > X2 + X3 }?
2.¿Cuál es la probabilidad de que el mayor de los tres supere la
suma de los otros dos?

Ej. 207 — (FS-)En un contenedor, hay dos tipos de baterías. Cuan-

do están en uso, las baterías tipo i duran (en horas) un tiempo dis-
tribuido según una exponencial de parámetro λi i=1,2. Una batería
tomada al azar del contenedor será de tipo i con probabilidad pi , con
p1 + p2 = 1. Si una batería elegida al azar sigue funcionando después
de t horas de uso, ¿cuál es la probabilidad de que siga funcionando
después de s horas adicionales?

Independencia de variables aleatorias

* Ej. 208 — (FS-)La rentabilidad de un negocio es una variable
aleatoria bivariante de componente X1 , rentabilidad del capital, y
X2 , rentabilidad de las ventas, con función de densidad conjunta:
 4
 3 (x1 + x1 x2 ) si 0 ≤ x1 , x2 ≤ 1
fX1 X2 (x1 , x2 ) =
0 resto


Se pide:
a)Funciones de densidad marginal y funciones de distribución margi-
nales.
b)Función de densidad condicionadas, fX1 |X2 y fX2 |X1 , y funciones
de distribución condicionadas, FX1 |X2 y FX2 |X1 .
c)Indicar si estas variables son independientes.

* Ej. 209 — La distribución conjunta de las variables aleatorias X

e Y es uniforme en el rombo con vértices en (1, 0), (−1, 0), (0, 1) y
(0, −1).
[Link] hacer ningún cálculo, decide si X e Y son independientes.
[Link] la función de densidad conjunta de X e Y .
[Link] la función de densidad marginal de X y represéntala.
[Link] las funciones de densidad conjunta y marginal obte-
nidas en los apartados anteriores decidir si son independientes
las variables.

* Ej. 210 — Consideremos el espacio de probabilidad (Ω, A, P ) y

sean A1 y A2 dos sucesos. Definimos X1 = 1A1 y X2 = 1A2 , las
funciones indicatrices asociadas. Demostrar que X1 y X2 son inde-
pendientes si y sólo si A1 y A2 lo son.

** Ej. 211 — Sean X1 y X2 variables aleatorias independientes ta-

les que Xi ∼ P o(λi ). Se pide:
[Link] que X1 + X2 ∼ P o(λ1 + λ2 ).
2.X1 |X1 + X2 = k ∼ Bi(k, λ1λ1
+λ2 ).
124 CAPÍTULO 3. VECTOR ALEATORIO

Ej. 212 — Lanzamos una moneda N veces cuya probabilidad de

cara es p. El número de lanzamientos es aleatorio con N ∼ P o(λ).
Sean X e Y el número de caras y el número de cruces, respectivamente.
Se pide encontrar la distribución de X y de Y . ¿Son independientes
las variables?

Función de un vector aleatorio

* Ej. 213 — Sean X e Y variables aleatorias independientes, ambas
geométricas con igual parámetro p.
(a)Obtener la distribución de X + Y .
(b)Sin efectuar ningún cálculo, ¿qué piensas que valdrá P (X =
i|X + Y = n)? Puedes pensar en lanzamientos sucesivos de una
moneda con probabilidad de cara p. Si la segunda cara ha ocu-
rrido en el lanzamiento n + 2, ¿cuál es la función de probabilidad
del lanzamiento en el que ocurre la primera cara?
(c)Obtén la probabilidad anterior y comprueba la conjetura que
hayas hecho.

* Ej. 214 — Si X e Y son variables aleatorias con función de densi-

dad conjunta f (x, y) = 2 si 0 < x < y < 1 (0 en otro caso), determina
la función de densidad de Z = X + Y . Resuelve este problema me-
diante dos procedimientos distintos:
[Link] primero la función de distribución de Z.
[Link] el teorema de transformaciones de variables.
En ambos casos haz todas las representaciones gráficas oportunas.

** Ej. 215 — ML-Sea (X, Y ) uniforme en el cuadrado unitario

D = {(x, y) : 0 < x < 1, 0 < y < 1} y Z = X + Y . Se pide
[Link] la función de distribución y la función de densidad de
Z =X +Y.
[Link] la función de densidad y la función de distribución
de la variable X condicionada a Z: fX|Z (x|z) y FX|Z (x|z).
[Link] A el suceso {Z < 1}. Determinar FX|A (x) y fX|A (x).

Ej. 216 — (FS-)Tenemos Xi con i = 1, 2, 3 independientes y uni-

formemente distribuidas en el intervalo [0, 1]. Se pide:
[Link] la función de densidad de X1 + X2 .
[Link] la densidad conjunta del vector (X1 + X2 , X3 ).
[Link] la probabilidad de que la mayor de las tres variables
sea mayor o igual que la suma de las otras dos.

* Ej. 217 — Sean X e Y dos variables aleatorias independientes que

siguen una distribución exponencial de parámetro λ. Halla la función
de densidad de las dos variables aleatorias siguientes (halla primero
la función de distribución y después deriva):
12
1.U = max(X, Y )
12 Sugerencia: Si u es un número positivo, U ≤ u si y solo si tanto X ≤ u como

Y ≤ u.
3.9. EJERCICIOS 125

13
2.V = min(X, Y )

* Ej. 218 — Cuando una corriente de I amperios pasa a través de

una resistencia de R ohmios, la potencia generada viene dada por
W = I 2 R vatios. Supongamos que I y R son variables aleatorias
independientes con densidades

 6x(1 − x), si 0 ≤ x ≤ 1;


fI (x) =
0, fuera.


y
si 0 ≤ y ≤ 1;

 2y,
fR (y) =
0, fuera.


Hallar la densidad de W .
** Ej. 219 — Las variables X e Y son independientes y continuas.
Sea U una variable dicotómica, independiente de ambas con P (U =
1) = P (U = −1) = 1/2. Definimos S = U X y T = U Y . Comprobar
que S y T son dependientes, pero S 2 y T 2 son independientes.

** Ej. 220 — Sean {Xk , k = 1, . . . , n} variables aleatorias i.i.d. con

distribución U (0, 1). Tomemos 0 < x < 1 y definamos

N = min{n ≥ 1; X1 + X2 + · · · + Xn > x}.

Encontrar P (N > n).

** Ej. 221 — Sean X, Y, Z variables aleatorias i.i.d. con distribu-

ción U (0, 1). Encontrar la densidad conjunta de XY y Z 2 y calcular
P (XY ≤ Z 2 ).

* Ej. 222 — Elegimos al azar dos puntos, X e Y , en el intervalo

[0, a]. Calcular la función de distribución de la distancia entre ellos.

* Ej. 223 — Si X1 y X2 son variables aleatorias independientes con

distribución uniforme en (0, 1), obtén y representa gráficamente la
función de densidad de Y = X1 + X2 . Resuelve este problema por
dos caminos distintos: mediante la función de distribución de Y , y
mediante el teorema de transformaciones de variables. En ambos casos
haz todas las representaciones gráficas oportunas.

** Ej. 224 — Sean X1 y X2 variables aleatorias independientes con

distribución exponencial siendo sus parámetros respectivos λ1 y λ2 .
Determinar la distribución de la variable aleatoria X1 /X2 . Calcular
P (X1 < X2 ).

* Ej. 225 — Si X1 y X2 son variables aleatorias con función de den-

sidad conjunta f (x1 , x2 ) = 2 en la región 0 < x1 < x2 < 1 , determina
la función de densidad de Y = X1 + X2 . Resuelve este problema por
dos caminos distintos: mediante la función de distribución de Y , y
mediante el teorema de transformaciones de variables. En ambos casos
haz todas las representaciones gráficas oportunas.
13 Sugerencia: Si v es un número positivo, halla P (V > v) y a partir de ella

determina P (V ≤ v)).
126 CAPÍTULO 3. VECTOR ALEATORIO

* Ej. 226 — Si X1 y X2 son variables aleatorias independientes con

distribución gamma Ga( 12 , 12 ), determina la distribución conjunta de
Y1 = X1X+X1
e Y2 = X1 + X2 así como sus marginales. Representa
gráficamente el soporte de las variables originales y el soporte de las
2

variables transformadas.

* Ej. 227 — 14 Sean X1 y X2 son variables aleatorias independien-

tes tales que X1 ∼ Gamma(α, λ) y X2 ∼ Gamma(β, λ). Determinar
la la distribución conjunta de Y1 = X1X+X
1
e Y2 = X1 + X2 así como
sus marginales.
2

* Ej. 228 — (FS)Sean X1 y X2 variables aleatorias independien-

tes, cada una con distribución exponencial de parámetro λ. Sea

Y1 = X1 + X2 , Y 2 = e X1 .

Determinar la función de densidad conjunta de (Y1 , Y2 ).

* Ej. 229 — Determina la función de densidad de la suma de dos

variables aleatorias independientes, ambas con distribución gamma de
parámetros α = β = 2. Utiliza para ello el teorema de cambio de varia-
bles, representando gráficamente el soporte de las variables originales
y el soporte de las variables transformadas que hayas utilizado.

* Ej. 230 — ([14])Sean X e Y variables aleatorias con densidad

conjunta dada por f (x, y) = e−y si 0 < x < y < +∞ y cero en otro
caso. Determinar la densidad de Z = max{X, Y }. 15

* Ej. 231 — Sean X1 , X2 , . . . Xn n variables aleatorias independien-

tes e idénticamente distribuidas U (0, 1). Halla la función de densidad
de
1.U = max{X1 , X2 , . . . Xn }.
2.V = min{X1 , X2 , . . . Xn }.

** Ej. 232 — Sean X e Y variables aleatorias con densidad conjun-

ta
1
f (x, y) = 2 2
x y
si x, y ≥ 1 y cero en otro caso. Se pide:
[Link] densidad conjunta de U = XY y de V = X/Y .
[Link] densidades marginales de U y V .

** Ej. 233 — Sean X e Y variables aleatorias independientes y uni-

formemente distribuidas en el intervalo unitario [0, 1]. Se pide deter-
minar la densidad conjunta de U = X + Y y V = X/Y y las corres-
pondientes marginales. ¿Son independientes?

De todo un poco
16

14 Este problema es una generalización del ejercicio 226.

15 Está resuelto en la referencia indicada.
16 Lo tocan todo un poco y no hay manera de meterlos en las secciones anteriores.
3.9. EJERCICIOS 127

* Ej. 234 — Dos personas lanzan, cada una de ellas, n veces una
moneda. Obtener la probabilidad de que ambas obtengan el mismo
número de caras.
** Ej. 235 — Realizamos n pruebas independientes. En cada una
de las pruebas podemos tener uno de tres posibles resultados: 0, 1 y 2,
con probabilidades respectivas p0 , p1 , p2 . Determinar la probabilidad
de que los resultados 1 y 2 ocurren al menos una vez.

* Ej. 236 — Tenemos dos líneas de comunicación telefónica para-

lelas de longitud l, separadas por una distancia d < l. Sabemos que,
al azar y de manera independiente, se producen sendas roturas a lo
largo del recorrido de cada una de ellas. Encontrar la probabilidad de
que la distancia R entre ambas roturas no sea superior a c.

** Ej. 237 — Un asiduo de La Primitiva anda un tanto preocupado

al comprobar que en los 18 últimos sorteos hay algunos números que
no han sido extraídos. Piensa que las 108 extracciones (18×6) suponen
un poco más del doble de 49 y que por tanto cada número debería
haber aparecido, aproximadamente, unas dos veces. ¿Y si el sorteo no
fuera correcto? ¿Habrá números más probables que otros?

* Ej. 238 — En un almacén tenemos dos tipos de baterías. La du-

ración de las baterías de tipo I (con i = 1, 2) sigue una distribución
exponencial con parámetro λi . Elegimos al azar una batería del al-
macén. La proporción de baterías del tipo i en el almacén es pi de
modo que p1 + p2 = 1. Supongamos que la batería elegida está en
funcionamiento después de t horas de uso. ¿Cuál es la probabilidad
de que siga en funcionamiento s horas adicionales?

** Ej. 239 — Sea (X, Y ) un punto aleatorio del plano cuyas coor-
denadas son independientes con distribución N(0,1). Obtener la dis-
tribución conjunta y las distribuciones marginales de las coordenadas
polares (R, Θ) del punto. ¿Son independientes R y Θ?

** Ej. 240 — Las variables (X, Y ) tienen como densidad conjunta

 3
fXY (x, y) = 2 (x + y), (x, y) ∈ D = {(−1, 1) × (0, 2), −2x < y < 1 − x};
0, en el resto.

Obtener la densidad de U = X + Y . ¿Son U e Y independientes?

128 CAPÍTULO 3. VECTOR ALEATORIO

3.10 Soluciones a los ejercicios

Sol. (Ej. 186) — 1.P (X ≥ n) = (1 − p)n .

2.P (z ≥ n) = (1 − p)2n .
3.P (Z = k) = (1 − p)2k (1 − (1 − p)2 ).

Sol. (Ej. 187) — Es una distribución hipergeométrica.

Sol. (Ej. 188) — 1.P (R = r|M = m) = m .

r m−r
r γ (1 − γ)
2.P (R = r, M = m) = r γ (1 − γ)
m r m−r n
.


m n−m
m p (1 − p)
3.P (R = r) == r (γp)r ((1 − γ)p + (1 − p))n−r .
n

(mr)(m n
) (p(1−γ))m−r (1−p)n−m
4.P (M = m|R = r) = (1−γp)n−r cuando m ≥ r,
(nr)
en otro caso la función vale 0.

Sol. (Ej. 193) — 0.26.

Sol. (Ej. 200) — 160 .

11

Sol. (Ej. 201) — 1.0.5987.

2.0.3655.

Sol. (Ej. 202) — 1. 14 .

2.2 ln(2) − 1.
√
3.3 − 2 2.

Sol. (Ej. 206) — 1. 16 .

2. 12 .

Sol. (Ej. 207) —

e−λ1 ·(s+t) · p1 + e−λ2 ·(s+t) · p2

.
e−λ1 ·t · p1 + e−λ2 ·t · p2

Sol. (Ej. 208) — a)fX1 (x1 ) = 2 x1 , con 0 ≤ x1 ≤ 1.



 0 si x1 < 0



FX1 (x1 ) = x21 si 0 ≤ x1 < 1




1 si x1 ≥ 1


fX2 (x2 ) = 2
3 (x2 + 1), con 0 ≤ x2 ≤ 1.
3.10. SOLUCIONES A LOS EJERCICIOS 129


 0 si x2 < 0



1
FX2 (x2 ) = 3 (x22 + 2 x2 ) si 0 ≤ x2 <




1 si x2 ≥ 1


b)fX1 |X2 (x1 ) = 2 x1 , con 0 ≤ x1 ≤ 1.

Se puede comprobar que FX1 |X2 = FX1 , fX2 |X1 = fX2 y FX2 |X1 =
FX2 .
c)X1 y X2 son independientes, al asumir cualquiera de las identidades
anteriores.

Sol. (Ej. 212) — 1.X ∼ P o(λp), Y ∼ P o(λ(1 − p))

[Link] que la función de probabilidad conjunta se puede fac-
torizar como producto de las marginales que acabamos de deter-
minar.

Sol. (Ej. 213) — (a)Si Z = X +Y , fz (n) = (n+1)p2 (1−p)n , n =

{0, 1, 2, . . .}.
(b)Sin respuesta para que conjeturéis.
(c)Lo mismo.

Sol. (Ej. 216) — [Link] 0 ≤ u ≤ 1 entonces

Z u
fU (u) = dv = u.
0

Si 1 ≤ u ≤ 2 entonces
fU (u) = 2 − u.

2. (
u 0 ≤ u, x3 ≤ 1
fU,X3 (u, x3 ) =
(2 − u) 1 ≤ u ≤ 2, 0 ≤ x3 ≤ 1.

3. 16 .

Sol. (Ej. 217) — (a)fU (u) = 2λe−λu (1 − e−λu ), u > 0 y 0 en el

resto.
(b)fV (v) = 2λe−2λv , v > 0 y 0 en el resto.

Sol. (Ej. 223) — Resolverlo mediante la función de distribución su-

pone hacerlo por medio de probabilidades geométricas. Nos valdremos
de la figura siguiente
130 CAPÍTULO 3. VECTOR ALEATORIO

Se obtiene

 y, 0 ≤ y ≤ 1;
fY (y) = 2 − y, 1 ≤ y ≤ 2;
0, en el resto.


Sol. (Ej. 224) — La función de densidad del cociente viene dada

por
λ1 λ2
f (y) = , y > 0.
(λ1 y1 + λ2 )2

Sol. (Ej. 225) — La densidad es la misma del problema anterior,

pero la gráfica es distinta. Ver la figura siguiente.

Sol. (Ej. 226) — La función de densidad conjunta viene dada por

−1/2
fY1 Y2 (y1 , y2 ) = [2e−2y2 ][π −1 y1 (1 − y1 )−1/2 ], y2 ≥ 0, 0 < y1 < 1

de donde Y2 ∼ Exp(2) e Y1 ∼ Beta(1/2, 1/2) y son además indepen-

dientes.

Sol. (Ej. 227) — Si X1 ∼ Gamma(α, λ) y X2 ∼ Gamma(β, λ) e

independientes, entonces Y1 ∼ Beta(α, β), Y2 ∼ Gamma(α + β, λ).
Recordemos que una Exp(λ) es una Gamma(1, 1/λ).

Sol. (Ej. 288) —

λ2 −λy1
fY1 ,Y2 (y1 , y2 ) = e , y2 > 1, y1 > ln(y2 )
y2

Sol. (Ej. 229) — Conviene hacer la misma transformación del pro-

blema 226 y aplicar el resultado.

Sol. (Ej. 231) — Resuelto en el tema.

Sol. (Ej. 232) — La densidad conjunta de (U, V ) es

1
fU V (u, v) = , (u, v) ∈ DU V
2u2 v
3.10. SOLUCIONES A LOS EJERCICIOS 131

con
DU V = {u ≥ 1, 1/u < v < u}.

La marginal de U es

log u
fU (u) = , u ≥ 1,
u2
y la de V es
 R +∞
1

 1/v 2u2 v du = 12 , v ∈ [0, 1];
fV (v) =
 R +∞
 1 1
u ∈]1, +∞].
v 2u2 v du = 2v 2 ,

Sol. (Ej. 233) — La densidad conjunta de (U, V ) viene dada por

u
fU V (u, v) = , (u, v) ∈ DU V .
(1 + v)2
con
1
DU V = {(u, v) : 0 ≤ 1, v ≥ 1 − u} ∪ {(u, v) : 1 ≤ u ≤ 2, v ≤ }.
u−1

La marginal de U ,

 u, u ∈ [0, 1];
fU (u) =
u − 2, u ∈]1, 2],


con lo que U tiene una distribución triangular en el intervalo [0, 2].

Para V ,  1
 2, v ∈ [0, 1];
fV (v) =
 1
2v 2 , u ∈]1, +∞].

No son independientes.

Sol. (Ej. 235) — 1 + pn0 − (p0 + p2 )n − (p0 + p1 )n .

Sol. (Ej. 239) — La distribución conjunta tiene por densidad,

1 − 1 r2
fRΘ (r, θ) = re 2 , 0 < θ < 2π, r ≥ 0.
2π
Las marginales,
1 2
fR (r) = re− 2 r , r ≥ 0,
y
1
fΘ (θ) = , 0 < θ < 2π.
2π
De donde se deduce que son independientes.
132 CAPÍTULO 3. VECTOR ALEATORIO

Sol. (Ej. 240) — La densidad conjunta de (U, Y ) es

3 y
fU Y (u, y) = u, (u, y) ∈ D1 = {(0, 1) × (0, 2), < u < 1}.
2 2
Las densidades marginales,

fU (u) = 3u2 , 0 ≤ u ≤ 1

y
3
fY (y) = (4 − y 2 ), 0 ≤ y ≤ 2.
16
No son independientes.
3.11. MATERIAL COMPLEMENTARIO 133

3.11 Material complementario

En esta sección se obtienen las distribuciones de ciertos estadísti-
cos de un gran interés en Estadística. Se incluye más por su interés
en posteriores cursos de Estadística. Empezamos en el siguiente ejem-
plo estudiando la suma de variables independientes con distribución
gamma.

Ejemplo 3.27. Supongamos que X1 y X2 son variables aleatorias

independientes gamma con parámetros (αi , β), i = 1, 2. La densidad
de U = X1 + X2 la podemos obtener aplicando (3.47). Como las
variables son independientes podemos factorizar la densidad conjunta
y

fX1 X2 (v, u − v) = fX1 (v)fX2 (u − v) =

  
1 α1 −1 −v/β 1 α2 −1 −(u−v)/β
v e (u − v) e =
Γ(α1 )β α1 Γ(α2 )β α2
1
e−u/β v α1 −1 (u − v)α2 −1 , (3.50)
Γ(α1 )Γ(α2 )β α1 +α2

y de aquí, teniendo en cuenta que 0 ≤ v ≤ u,

Z u
fU (u) = fX (v, u − v)dv =
0
Z u
1
e−u/β v α1 −1 (u − v)α2 −1 dv. (3.51)
Γ(α1 )Γ(α2 )β α1 +α2 0

Haciendo el cambio z = v/u, 0 ≤ z ≤ 1, la integral del último miembro

quedará de la forma,
Z u Z 1
v α1 −1 (u − v)α2 −1 dv = uα1 +α2 −1 z α1 −1 (1 − z)α2 −1 dz =
0 0
Γ(α1 )Γ(α2 )
uα1 +α2 −1 . (3.52)
Γ(α1 + α2 )

Sustituyendo en (3.51),

1
fU (u) = uα1 +α2 −1 e−u/β .
Γ(α1 + α2 )β α1 +α2

Es decir, U sigue una distribución gamma, U ∼ Gamma(α1 + α2 , β).

Reiterando el proceso para un vector con k componentes inde-
pendientes, Xi ∼ Gamma(αi , β), encontraríamos que la suma de
sus componentes,
Pk U = X1 + X2 + · · · + Xk , es una distribución
Gamma( i=1 αi , β).
Dos consecuencias inmediatas de este resultado:

1. La suma de k exponenciales independientes con parámetro co-

mún λ es una Gamma(k, 1/λ).

2. Para Xi ∼ N (0, 1), i = 1, . . . , k, independientes, sabemos por el

ejemplo 2.14 que cada Xi2 ∼ χ21 , por tanto Y = i=1 Xi2 ∼ χ2k .
Pk

En el siguiente ejemplo estudiamos la distribución de una combi-

nación lineal de variables independientes con distribución normal.
134 CAPÍTULO 3. VECTOR ALEATORIO

Ejemplo 3.28. Sean X1 ∼ N (µ1 , σ12 ) y X2 ∼ N (µ1 2, σ1 22 ) va-

riables independientes. Por el Lema 2.3 sabemos que las variables
Yi = ai Xi ∼ N (ai µi , a2i σi2 ), i = 1, 2. Por otra parte, el anterior
corolario nos asegura la independencia de Y1 e Y2 y la distribución
conjunta de ambas variables tendrá por densidad el producto de sus
respectivas densidades,

fY1 Y2 (y1 , y2 ) =
( " 2  2 #)
1 1 y1 − a1 µ1 y2 − a2 µ2
exp − + . (3.53)
2πa1 σ1 a2 σ2 2 a1 σ1 a2 σ2

Si hacemos U = Y1 + Y2 y V = Y1 y aplicamos (3.47),

Z +∞
fU (u) = fY1 Y2 (v, u − v) dv, (3.54)
−∞

con

fY1 Y2 (v, u − v) =
( " 2  2 #)
1 1 v − a1 µ1 (u − v) − a2 µ2
exp − + .
2πa1 σ1 a2 σ2 2 a1 σ1 a2 σ2
(3.55)

Simplifiquemos la forma cuadrática del exponente,

" 2  2 #
1 v − a1 µ1 (u − v) − a2 µ2
q(u, v) = − + =
2 a1 σ1 a2 σ2
" 2  2 #
1 v − a1 µ1 u − (a1 µ1 + a2 µ2 ) − (v − a1 µ1 )
− + .
2 a1 σ1 a2 σ2
(3.56)

Haciendo t = v − a1 µ1 y z = u − (a1 µ1 + a2 µ2 ) y operando, la última

expresión puede escribirse

q(u, v) =
" 2 #
1 (a1 σ1 )2 + (a2 σ2 )2 (a1 σ1 )2 (a2 σ2 )2 z 2 (a1 σ1 )2 (a2 σ2 )2
− · t− + ,
2 (a1 σ1 )2 (a2 σ2 )2 a1 σ1 )2 + (a2 σ2 )2 (a1 σ1 )2 + (a2 σ2 )2
(3.57)

con lo que la exponencial quedará de la forma

exp{q(z, t)} =
( 2 )
1 (a1 σ1 )2 + (a2 σ2 )2 (a1 σ1 )2 (a2 σ2 )2

exp − · t− z ×
2 (a1 σ1 )2 (a2 σ2 )2 (a1 σ1 )2 + (a2 σ2 )2
(  2 )
1 z
exp − . (3.58)
2 [(a1 σ1 )2 + (a2 σ2 )2 ]1/2
3.11. MATERIAL COMPLEMENTARIO 135

Sustituyendo en 3.54,

fU (u) =
(  2 ) Z +∞
1 1 u − (a1 µ1 + a2 µ2 ) 1
√ exp − 2 2 1/2
× √
2π 2 [(a1 σ1 ) + (a2 σ2 ) ] −∞ a1 σ1 a2 σ2 2π
( 2 )
1 (a1 σ1 )2 + (a2 σ2 )2 (a1 σ1 )2 (a2 σ2 )2

exp − · t− z dt.
2 (a1 σ1 )2 (a2 σ2 )2 (a1 σ1 )2 + (a2 σ2 )2
(  2 )
1 1 u − (a1 µ1 + a2 µ2 )
=p exp − ×
2π[(a1 σ1 )2 + (a2 σ2 )2 ] 2 [(a1 σ1 )2 + (a2 σ2 )2 ]1/2
Z +∞
[(a1 σ1 )2 + (a2 σ2 )2 ]1/2
√
−∞ a1 σ1 a2 σ2 2π
( 2 )
1 (a1 σ1 )2 + (a2 σ2 )2 (a1 σ1 )2 (a2 σ2 )2

exp − · t− z dt.
2 (a1 σ1 )2 (a2 σ2 )2 (a1 σ1 )2 + (a2 σ2 )2

(3.59)

Observemos que el integrando es la función de densidad de una va-

2 2
riable aleatoria normal con parámetros µ = z[(a
(a1 σ1 )2 +(a2 σ2 )2 y σ =
1 σ1 ) (a2 σ2 ) ] 2

(a1 σ1 )2 +(a2 σ2 )2
(a1 σ1 )2 (a2 σ2 )2 , por tanto la integral valdrá 1. En definitiva,

fU (u) =
(  2 )
1 1 u − (a1 µ1 + a2 µ2 )
p exp − ,
2π[(a1 σ1 )2 + (a2 σ2 )2 ] 2 [(a1 σ1 )2 + (a2 σ2 )2 ]1/2
(3.60)

lo que nos dice que U = a1 X1 + a2 X2 ∼ N (a1 µ1 + a2 µ2 , (a1 σ1 )2 +

(a2 σ2 )2 ).
El resultado puede extenderse a una combinación lineal finita de
variables aleatoria normales independientes. Así, si Xi ∼ N (µi , σi2 ),
n n n
!
X X X
X= ai Xi ∼ N ai µi , (ai σi )2 .
1=1 i=1 i=1

El siguiente ejemplo se ocupa de la distribución t de Student.

Ejemplo 3.29. Consideremos las n+1 variables aleatorias X, X1 , X2 , . . . , Xn ,
independientes y todas ellas N (0, 1). Definimos las variable
X
t= . (3.61)
Y
q P
con Y = n1 i=1 Xi2 .
n

Para obtener la distribución de t observemos que de acuerdo con

el ejemplo anterior, U = i=1 Xi2 ∼ χ2n . Su densidad es (ver página
Pn
68) 

 0, si u ≤ 0

fU (u) = 1

 uu/2−1 e−u/2 , si u > 0.
Γ(n/2)2n/2

 136 CAPÍTULO 3. VECTOR ALEATORIO

La variable Y = U /n tendrá por densidad

p



 0, si y ≤ 0

fY (y) =
nn/2 2
y n−1 e−y /2 , si y > 0.


Γ(n/2)2n/2−1


Por otra parte, por el corolario 3.1 X e Y son independientes y su

densidad conjunta vendrá dada por
 1/2 n
n/2
2 1 2 2
f(X,Y ) (x, y) = 2
e− 2 (x +ny ) y n−1 ,
π Γ(n/2)

para x ∈ R e y > 0. Si hacemos el doble cambio

X
t= , U = Y,
Y
el Jacobiano de la transformación inversa vale J = u y la densidad
conjunta de t, U es
2
1
u2 +nu2 ) n
f(X,Y ) (x, y) = Ce− 2 (t u , t ∈ R, u > 0,

n n/2


con C = Γ(n/2) .
2 1/2 2
La densidad marginal de t se obtiene de la


π
integral
Z ∞
2
1
u2 +nu2 ) n
ft (t) = Ce− 2 (t u du.
0

Haciendo el cambio u2 = v
Z ∞
C −v 1 (t2 +n)
n−1
ft (t) = e 2 v 2 dv
0 2
− n−1 ∞  n+1
2 −1
t2 + n
 Z  
C 2
1 2

1 2
= e−v 2 (t +n) v (t + n) dv
2 2 0 2
− n+1 ∞
t2 + n
 Z
C 2
n+1
= e−z z 2 −1 dz
2 2 0

− n+1
t2 + n
  
C 2
n+1
= Γ .
2 2 2

La distribución recibe el nombre de t de Student con n grados de

libertad. Student era el seudónimo de W. L. Gosset, estadístico inglés
de siglo XIX, quién descubrió por primera vez esta distribución de
manera empírica.
El interés de la t de Student reside en que surge de forma natural
al estudiar la distribución de algunas características ligadas a una
muestra de tamaño n de una variable N (µ, σ 2 ). Si representamos
gráficamente la densidad para distintos valores de n comprobaremos
que su forma es muy parecida a la de una N (0, 1).
Se observa en la figure 3.9 que a medida que n aumenta la curva
de la t de Student se asemeja más a la de la normal. No es casual
Figura 3.9: Densidades de la t de este comportamiento, en efecto, la densidad de t puede escribirse de
Student.
3.11. MATERIAL COMPLEMENTARIO 137

la forma,

n n/2 − n+1
Γ n+1



2 2
t2 + n 2

ft (t) = √ =
2π Γ n2 2
− n2  2 − 12
1 Γ n+1


t2 t +n
√ 2

1+ (3.62)
2π Γ n2 n 2

Al pasar al límite cuando n → ∞,

− n2  − 12
1 Γ n+1


t2 t2 + n 1 2
ft (t) = √ 2

1+ −→ √ e−t /2 ,
2π Γ n2 n 2 2π

que es la densidad de la N (0, 1).

Nos ocupamos en el siguiente ejemplo de la distribución F de Sne-
decor.
Ejemplo 3.30. Sean (X1 , X2 , . . . , Xm ) e (Y1 , Y2 , . . . , Yn ) sendos vec-
tores aleatorios cuyas componentes son todas ellas variables aleatorias
independientes N (0, 1). Queremos obtener la distribución de una nue-
va variable F definida mediante la relación
1
Pm 2
X
F = 1 P1n 2i .
m

n 1 Yj

Razonando de manera análoga a como lo hemos hecho en la obten-

ción de la distribución de la t de Student, la densidad de F tiene la
expresión,

m
m/2
 Γ m+n
  mx −(m+n)/2

 2
n

m n xm/2−1 1 + , x ≥ 0;
fF (x) Γ 2 Γ 2 n



0, x < 0.


Esta distribución se conoce con el nombre de F de Snedecor con m y

n grados de libertad y surge al estudiar la distribución del cociente de
las varianzas muestrales asociadas a sendas muestras de tamaño m y
n de variables aleatorias N (µ1 , σ12 ) y N (µ2 , σ22 ), respectivamente.
De la F de Snedecor se deriva una nueva variable, la z de Fisher,
mediante la transformación
1
z= ln F.
2
138 CAPÍTULO 3. VECTOR ALEATORIO
Capítulo 4

Esperanza

4.1 Introducción
En el capítulo precedente hemos visto que la descripción completa
de una variable o de un vector aleatorio nos la proporciona cualquiera
de las funciones allí estudiadas. Es cierto que unas son de manejo
más sencillo que otras, pero todas son equivalentes para el cometido
citado.
En ocasiones no necesitamos un conocimiento tan exhaustivo y nos
basta con una idea general. Ciertas características numéricas ligadas
a las variables o los vectores aleatorios pueden satisfacernos. Estas
cantidades son muy importantes en Teoría de la Probabilidad y sus
aplicaciones, y su obtención se lleva a cabo a partir de las correspon-
dientes distribuciones de probabilidad.
Entre estas constantes, sin duda las que denominaremos esperan-
za matemática y varianza son las de uso más difundido. La primera
juega el papel de centro de gravedad de la distribución y nos indica
alrededor de qué valor se situa nuestra variable o vector. La segun-
da completa la información indicándonos cuan dispersos o agrupados
se presentan los valores alrededor de aquella. Existen también otras
constantes que proporcionan información acerca de la distribución de
probabilidad, son los llamados momentos, de los cuales esperanza y
varianza son casos particulares. Los momentos pueden llegar a apor-
tarnos un conocimiento exhaustivo de la variable aleatoria.
La herramienta que nos permite acceder a todas estas cantidades
es el concepto de esperanza, también conocido como media o valor
medio, del que nos ocupamos a continuación.
Dada una variable aleatoria X: ¿Qué es su esperanza o media?
¿Qué formaliza este concepto? ¿Cómo se llegó a él?

4.2 Esperanza o media

Empezamos definiendo la esperanza de una variable aleatoria
discreta y luego veremos el caso de variable continua.

Definición 4.1. Supongamos X una variable discreta no negativa.

Definimos la esperanza de esta variable como

(4.1)
X
EX = xi P (X = xi ).
i≥1

139
140 CAPÍTULO 4. ESPERANZA

Diremos que existe la esperanza cuando el sumatorio anterior es finito.

Si el soporte de la distribución de la variable aleatoria X es finito
no tenemos ningún problema y tenemos definida su esperanza. Para
un soporte numerable entonces lo que estamos pidiendo en que la
correspondiente serie numérica sea convergente. ¿Y el caso general?
¿Cómo lo definimos para una variable aleatoria no necesariamente no
negativa?
Sea X una variable discreta cualquiera (no necesariamente no
negativa). Definimos las variables no negativas X + = max{X, 0} y
X − = max{−X, 0} de modo que X = X + − X − . Supongamos que
existen las esperanzas de X + y X − . Si esto es así existe la esperanza
de X y la definimos como
X
EX = EX + − EX − = xi P (X = xi ).
i≥1

Notaciones alternativas habituales son µX o simplemente µ. De un

modo inmediato se tiene el siguiente resultado.

Proposición 4.1. Existe la media de la variable aleatoria X si y solo

si existe la media del valor absoluto de X, |X|.

Prueba. La prueba es inmediata si tenemos en cuenta que |X| = X + +

X −.

La esperanza recibe también el nombre de media o valor medio.1

Veamos ejemplos de medias en los casos más simples de distribuciones
discretas.

Ejemplo 4.1. Si X es una Bernoulli entonces toma los valores 1

(éxito) y 0 (fracaso) con probabilidades p y 1 − p respectivamente.
¿Cuál es su media?

EX = 1 × p + 0 × (1 − p) = p.

Ejemplo 4.2. Supongamos que la variable X toma los valores {x1 , . . . , xn }

con la misma probabilidad, es decir, que X es uniforme X ∼ U ({x1 , . . . , xn })
entonces su media será
n n
X X 1
EX = xi P (X = xi ) = xi = x̄.
i=1 i=1
n

Vemos que si tenemos la uniforme en {x1 , . . . , xn } (a esta distribución

se le llama también la distribución empírica) entonces la media de esta
variable no es más que la media muestral.

Ejemplo 4.3. El ejemplo de distribución binomial más conocido es,

sin duda, cuando contamos el número de caras en n lanzamientos de
una moneda correcta, X. Tenemos X ∼ Bi(n, 1/2). Cuando lanzamos
muchas veces la moneda, por ejemplo 1000 veces, decir que vamos a
obtener la mitad de veces una cara y la otra mitad cruz es falso.2 El
número de caras es aleatorio y no variará cada vez que lancemos 1000
1 De hecho es la nomenclatura habitual en textos de Estadística.
2 Como La falsa monea.
4.2. ESPERANZA O MEDIA 141

veces la moneda. Sin embargo, sí que es cierta la afirmación de que

esperamos observar 500 caras. Veamos porqué.
n  
X n x
EX = x p (1 − p)n−x =
x=0
x
n
X n(n − 1) . . . (n − x + 1) x
x p (1 − p)n−x
x=0
x!
n
X (n − 1) . . . (n − x + 1)
= np px−1 (1 − p)n−x =
x=1
(x − 1)!
n−1
X n − 1
np py (1 − p)n−y−1 = np. (4.2)
y=0
y

Es decir que la media de la binomial es np, número de pruebas de

Bernoulli por la probabilidad de éxito en una prueba.
Si lanzamos 1000 veces la moneda esperamos observar 1000 × 12 =
500 caras.3

Ejemplo 4.4. Si X ∼ P o(λ),

X λx X λx−1
EX = xe−λ = λe−λ = λ.
x! (x − 1)!
x≥0 x−1≥0

Media de una variable continua

Hemos definido la media de una variable discreta. Su definición
como hemos visto tiene que ver con sumatorios finitos y sumas de
series infinitas. Cuando la variable es continua tenemos una función
de densidad de probabilidad. Básicamente lo que vamos a hacer es
sustituir los sumatorios por integración. Por lo demás la definición es
la misma.
Supongamos primero que tenemos una variable continua no nega-
tiva X con densidad f . Definimos su media como
Z +∞
EX = xf (x)dx. (4.3)
0

Decimos que existe la media cuando la integral anterior es finita.

Si es una variable aleatoria continua no necesariamente no negativa
entonces definimos (del mismo modo que en el caso discreto) las varia-
bles no negativas siguientes: X + = max{X, 0} y X − = max{−X, 0}.
Son variables no negativas para las que hemos definido su media. En
el caso de que exista la media tanto de X + como de X − decimos que
existe la media de X y la definimos como
EX = EX + − EX − .
Se tiene que en el caso de que exista la media está vendrá dada por
Z +∞
EX = xf (x)dx. (4.4)
−∞

Notemos que la existencia de la media supone que también existe la

media de E|X|. De hecho la proposición 4.1 es válida para variables
continuas con la misma prueba.
3 ¿Alguien lo dudaba?
142 CAPÍTULO 4. ESPERANZA

Ejemplo 4.5. Si X tiene una distribución exponencial de parámetro

λ4 entonces
Z +∞
EX = xλe−λx dx,
0

pero fácilmente comprobamos (integrando por partes) que 0 xe−λx dx =

R +∞

λ2 de donde EX = λ .
1 1

De hecho, se tiene un curioso resultado y es que la probabilidad

X
P ( EX > x) no depende del parámetro λ. Es la misma para cualquier
distribución exponencial. Se tiene
   
X x
P >x =P X> =
EX λ
Z +∞
λe−λx dx = e−λ λ = e−x . (4.5)
x

x
λ

Media de una función de una variable

Ya hemos definido la media de una variable aleatoria X. Suponga-
mos que transformamos la variable y consideramos la nueva variable
g(X). ¿Quién será la media de la nueva variable? Si X es discreta
entonces la nueva variable también es discreta y tendremos que
X
Eg(X) = g(xi )P (X = xi ),
i

ya que la variable g(X) toma el valor g(xi ) cuando X toma el valor

xi .
Si X es continua y su transformada también lo es entonces también
se verifica que
Z +∞
Eg(X) = g(x)f (x)dx.
−∞

En el siguiente resultado vemos algunas propiedades básicas de la

esperanza.

Proposición 4.2. 1. Tenemos la variable aleatoria X y dos trans-

formaciones de la misma, g y h así como a, b ∈ R. Se verifica
que
E[ag(X) + bh(X)] = aE[g(X)] + bE[h(X)].

Y, como caso particular, se sigue que

E(aX + b) = aE(X) + b.

2. P (a ≤ X ≤ b) = 1 =⇒ a ≤ E(X) ≤ b.

3. P (g(X) ≤ h(X)) = 1 =⇒ E[g(X)] ≤ E[h(X)].

4. |Eg(X)| ≤ E|g(X)|.
4 Con densidad f (x) = λe−λx para x ≥ 0 y cero en otro caso.
4.2. ESPERANZA O MEDIA 143

Momentos de una variable aleatoria

La media es una medida de localización de la variable aleatoria.
Localizamos con un número algo que es aleatorio. Obviamente, es
una muy simple descripción del valor aleatorio. Dos variables pueden
tener la misma media y ser, desde el punto de vista estocástico, muy
diferentes. Tener distribuciones de probabilidad muy distintas. Sin
embargo, el concepto de valor medio es muy intuitivo para nosotros.
Siguiendo con estas dos ideas uno puede pretender describir de un
modo más detallado a la variable aleatoria utilizando valores medios
pero no solamente de la variable original sino de transformaciones
de dicha variable. Además estas variables bien elegidas nos pueden
describir distintos aspectos de la variable original.
Definición 4.2. Dada la variable aleatoria X definimos el momento
de orden k o momento no central de orden k como

µk = EX k .

Definición 4.3. Dada la variable aleatoria X definimos el momento

central de orden k como

E(X − EX)k .

En particular, la varianza de la variable X es el momento central

de orden 2. Se denota como var(X) o V (X) o σ 2 (X).
Definición 4.4. Si la variable aleatoria X es discreta definimos su
varianza como
X
V (X) = var(X) = σ 2 (X) = (xi − EX)2 P (X = xi ).
i

Si la variable X es continua entonces su varianza vendrá dada por

Z +∞
V (X) = var(X) = σ 2 (X) = (x − µ)2 f (x)dx.
−∞

Definición 4.5. Dada una variable aleatoria X definimos su des-

viación estándar o desviación típica como
p
σX = var(X),

es decir, como la raiz cuadrada de la varianza.

Y finalmente introducimos los momentos factoriales. Quizás de
menos uso en Estadística que los anteriores pero que tienen una gran
utilidad en Probabilidad.
Definición 4.6. Dada la variable aleatoria X definimos el momento
factorial de orden k como E[X(X − 1) . . . (X − k + 1)].
En la siguiente proposición mostramos algunas propiedades básicas
de la varianza.
Proposición 4.3. Sea X una variable aleatoria con varianza finita
2
σX < ∞. Se verifica que
1. var(X) ≥ 0,
144 CAPÍTULO 4. ESPERANZA

2. var(aX + b) = a2 var(X),

3. var(X) = E(X 2 ) − [E(X)]2 ,

4. var(X) hace mínima E (X − a)2 .

 

Prueba. Las dos primeras son inmediatas. Para la propiedad 3 tene-

mos

var(X) = E(X − µ)2 =

E(X 2 + µ2 − 2µX) = E(X 2 ) + µ2 − 2µµ = EX 2 − µ2 . (4.6)

donde la tercera igualdad es una consecuencia de la proposición 4.2.

Finalmente para la propiedad 4 tenemos

E(X − a)2 = E(X − µ + µ − a)2 =

E(X − µ)2 + E(µ − a)2 + 2E [(X − µ)(µ − a)] =
var(X) + (µ − a)2 . (4.7)

Una transformación de variable muy utilizada es lo que se conoce

como estandarización o tipificación de una variable. Si suponemos
una variable aleatoria X con media µ y con varianza σ 2 entonces tipi-
ficar o estandarizar la variable consiste en considerar la nueva variable
aleatoria
X −µ
Z= . (4.8)
σ
¿Por qué esta transformación? ¿Qué se pretende al transformar X de
este modo? Lo que se pretende es conseguir una variable que esté cen-
trada en cero (que tenga media nula) y desviación estándar y varianza
unitarias. Es fácil comprobar que se verifican estas propiedades.
   
X −µ 1 µ 1 µ
EZ = E =E X− = µ − = 0. (4.9)
σ σ σ σ σ

En cuanto a la varianza,
 
X −µ 1 2
var(Z) = var = σ = 1. (4.10)
σ σ2

Obviamente la desviación estándar también vale uno.

Funciones generatrices
Las funciones generatrices de probabilidad y de momentos son
también valores medios de ciertas transformaciones de la variable alea-
toria que tienen una gran utilidad.
Vamos a tomar el valor medio de etX considerada como una fun-
ción de t. Esta función de t tiene una gran utilidad práctica a la hora
de obtener momentos como veremos inmediatamente. Además cuando
existe5 tiene una gran utilidad porque nos caracteriza la medida de
probabilidad.
5 Para ser precisos cuando existe en un intervalo abierto que contiene al origen.
4.2. ESPERANZA O MEDIA 145

Definición 4.7. Sea X una variable aleatoria se define su función

generatriz de momentos 6 como
MX (t) = E etX .
 

Cuando trabajamos con variables discretas la media de la trans-

formación tX considerada como una función de t tiene mucho interés.
En particular nos permite recuperar la función de probabilidad y, por
tanto, caracteriza la distribución de la variable.
Definición 4.8. Sea X una variable aleatoria discreta se define su
función generatriz de probabilidad7 como
GX (t) = E tX .
 

Momentos de distribuciones importantes

Ejemplo 4.6. Supongamos X con distribución binomial con paráme-
tros n y p, X ∼ Bi(n, p). Vamos a calcular el momento factorial de
primer orden. Calcularlo es simple porque

E(X(X − 1)) =
n  
X n x
x(x − 1) p (1 − p)n−x =
x=0
x
n
X n(n − 1) . . . (n − x + 1) x
x(x − 1) p (1 − p)n−x =
x=2
x!
n
2
X(n − 2)!
n(n − 1)p px−2 (1 − p)n−x =
x=2
(x − 2)!(n − x)!
n−2
X n − 2
n(n − 1)p2 px (1 − p)n−2−x = n(n − 1)p2 . (4.11)
x=0
x

Ejemplo 4.7. Para obtener var(X) es conveniente plantearse prime-

ro el momento factorial de primer orden dado por E[(X(X − 1)]. Lo
tenemos calculado en el ejemplo 4.6. Tenemos que
E[(X(X − 1)] = E(X 2 ) − E(X).
y de aquí se sigue
E[(X(X−1)]+E(X)−[E(X)]2 = EX 2 −EX+E(X)−[E(X)]2 = var(X).
Por lo tanto
var(X) = n(n − 1)p2 + np − n2 p2 = np(1 − p).
Ejemplo 4.8. Para calcular la varianza de la distribución Poisson
vamos a aplicar un procedimiento similar al caso de la binomial que
hemos visto en los ejemplos 4.6 y 4.7. Primero determinamos el mo-
mento factorial de primer order de la distribución de Poisson.
X λx X λx−2
E[X(X − 1)] = x(x − 1)e−λ = λ2 e−λ = λ2 .
x! (x − 2)!
x≥0 x≥2

De aquí,
var(X) = λ2 + λ − λ2 = λ.
6 [Link]
7 [Link]
146 CAPÍTULO 4. ESPERANZA

Veamos ejemplos de medias y varianzas de variables continuas.

Ejemplo 4.9. Si X ∼ U (0, 1),
Z +∞ Z 1
1
E(X) = xfX dx = x dx =
−∞ 0 2

Para obtener var(X) utilizaremos la expresión alternativa, var(X) =

E(X 2 ) − [E(X)]2 ,
Z 1
2 1
E(X ) = x2 dx = ,
0 3
y de aquí,
 2
1 1 1
var(X) = − = .
3 2 12

Ejemplo 4.10. Si X ∼ N (0, 1), como su función de densidad es

simétrica respecto del origen,
Z +∞ 
1 x2 0, si k = 2n + 1
E(X k ) = xk √ e− 2 dx =
−∞ 2π m2n , si k = 2n.

Ello supone que E(X) = 0 y var(X) = E(X 2 ). Para obtener los

momentos de orden par,
Z +∞ Z +∞
1 x2 2 x2
m2n = √ x2n e− 2 dx = √ x2n e− 2 dx.
2π −∞ 2π 0
Integrando por partes,
Z +∞
x2
x2n e− 2 dx =
0
2
Z +∞
+∞ x2
2n−1 − x2
−x e 0
+ (2n − 1) x2n−2 e− 2 dx =
0
Z +∞
x2
(2n − 1) x2n−2 e− 2 dx, (4.12)
0

lo que conduce a la fórmula de recurrencia m2n = (2n − 1)m2n−2 y

recurriendo sobre n,

m2n = (2n − 1)(2n − 3) · · · 1 =

2n(2n − 1)(2n − 2) · · · 2 · 1 (2n)!
= = n .
2n(2n − 2) · · · 2 2 n!
La varianza valdrá por tanto,
2!
var(X) = E(X 2 ) = = 1.
2 · 1!
Ejemplo 4.11. Si Z ∼ N (0, 1) es fácil comprobar que la variable
definida mediante la expresión X = σZ + µ es N (µ, σ 2 ). Teniendo en
cuenta las propiedades de la esperanza y de la varianza,

E(X) = σE(X) + µ = µ, var(X) = σ 2 var(Z) = σ 2 ,

que son precisamente los parámetros de la distribución.

4.3. MEDIA Y FUNCIÓN DE DISTRIBUCIÓN 147

No siempre existen los momentos. En todos los ejemplos anterio-

res de distribuciones importantes esto es así. Pero no siempre lo es.
Veamos un ejemplo.
Ejemplo 4.12. 8 Hemos insistido a lo largo de la exposición que
precede en que la E(X) existe siempre que la variable X sea absolu-
tamente integrable. Puede ocurrir que una variable aleatoria carezca,
por este motivo, de momentos de cualquier orden. Es el caso de la
distribución de Cauchy.
Decimos que X tiene una distribución de Cauchy si su función de
de densidad viene dada por,
1 1
fX (x) = , −∞ < x < +∞.
π 1 + x2
Observemos que

+∞ +∞
|x|
Z Z
1 2 x
E(|X|) = dx = dx =
π −∞ 1 + x2 π 0 1 + x2
1
log(1 + x2 ) = +∞. (4.13)
+∞
π 0

9
Este resultado supone que no existe E(X) ni ningún otro momento.
Respecto de la existencia de los momentos se verifica el siguiente
resultado.
Proposición 4.4. Si E(X k ) existe, existen todos los momentos de
orden inferior.
Prueba. Tomamos j < k. Recordemos que existe EX j si y lo solo si
existe E|X|j . Pero |X|j ≤ 1 + |X|k y E|X|j ≤ 1 + EX|k < +∞.

4.3 Media y función de distribución

Ya hemos dicho en la introducción que el interés de los momen-
tos de una variable aleatoria estriba en que son características nu-
méricas que resumen su comportamiento probabilístico. Bajo ciertas
condiciones el conocimiento de todos los momentos permite conocer
completamente la distribución de probabilidad de la variable.
El siguiente resultado nos ofrece una forma alternativa de obtener
la E(X) cuando X es una variable no negativa.
Teorema 4.1. Si X es una variable aleatoria no negativa (X ≥ 0
a.s.) 10 con E(X) finita. Se verifica la siguiente igualdad.
Z +∞ Z +∞
E(X) = P (X > x)dx = P (X ≥ x)dx (4.14)
0 0

Prueba. Veamos una prueba simple para el caso discreto. Si DX de-

nota el soporte de X (de hecho, DX ⊂ R+ ) por ser no negativa. Su-
pongamos que DX = {x1 , x2 , . . .} y que además tenemos ordenados
8 No siempre existen los momentos.
9 El que no existen momentos de orden superior es inmediato a partir de la
proposición 4.4.
10 Esta notación significa que P (X ≥ 0) = 1 y viene de la expresión almost

surely.
148 CAPÍTULO 4. ESPERANZA

los valores: x1 < x2 < . . .. Tenemos que

Z +∞
P (X > x)dx =
0
x1 + (x2 − x1 )P (X > x1 ) + (x3 − x2 )P (X > x2 ) + . . . =
x1 (1 − P (X > x1 )) + x2 (P (X > x1 ) − P (X > x2 )) + . . . =
x1 P (X = x1 ) + x2 P (X = x2 ) + . . . (4.15)
11

Veamos ahora la prueba para una variable continua. Puesto que

E(X) existe, tendremos
Z +∞ Z n
E(X) = xfX (x) dx = lim xfX (x) dx.
0 n→+∞ 0

Integrando por partes,

Z n Z n Z n
n
xfX (x) dx = xFX (x)|0 − FX (x) dx = nFX (n)− FX (x) dx,
0 0 0

y sumando y restando n, tendremos

Z n Z n
xfX (x)dx = −n + nFX (n) + n − FX (x)dx =
0 0
Z n
− n(1 − FX (n)) + (1 − FX (x))dx. (4.18)
0

Pero,
Z +∞ Z +∞
n→+∞
n(1 − FX (n)) = n fX (x)) dx < xfX (x)) dx −→ 0
n n
11 Una segunda prueba del caso discreto: X es una Pvariable discreta. Si DX
es el soporte de X, E(X) viene dada por: E(X) = xj ∈DX xj fX (xj ). Si I =
(1 − FX (x)) dx; entonces I = k≥1 (k−1)/n P (X > x) dx. Pero P (X > x)
R +∞ P R k/n
0
es decreciente en x y para (k−1)/n ≤ x ≤ k/n y ∀n se tieneP P (X > k/n) ≤ P (X >
x) ≤ P (X > (k − 1)/n). Integrando y sumando sobre k, n 1
k≥1 P (X > k/n) ≤ I
y n1 P
k≥1 P (X > (k − 1)/n) para todo n. Si llamamos L n al primer miembro de
la desigualdad,
   
1 XX j j+1 1 X k−1 k
Ln = P <X≤ = (k −1)P <X≤ .
n k≥1 j≥k n n n k≥1 n n
(4.16)
Así,
X k k − 1 k
 X
1

k−1 k

Ln = P <X≤ − P <X≤ =
k≥1
n n n k≥1
n n n
   
X k   X
X 1 1 X  1
fX (xj )− P X > ≥ xj fX (xj )− =
 
 
k≥1
n k−1 k
n n k≥1 k−1 k
n
n
<xj ≤ n n
<xj ≤ n

1
, (4.17) E(X) −
n
para todo n. Análogamente se comprueba que el tercer miembro de (4.19), Un ,
está acotado por Un ≤ E(X) + n1
. Reuniendo todas las desigualdades se llega al
resultado enunciado,
Z +∞
1 1
E(X) − ≤ (1 − FX (x)) dx ≤ E(X) + , ∀n.
n 0 n
4.4. DESIGUALDADES 149

al ser E(|X|) < +∞. En definitiva,

Z +∞ Z n Z +∞
E(X) = xfX (x) dx = lim (1−FX (x)) dx = (1−FX (x)) dx.
0 n→+∞ 0 0

Finalmente hemos de probar la siguiente igualdad.

Z +∞ Z +∞
P (X > x)dx = P (X ≥ x)dx.
0 0

Notemos que
P (X ≥ x) − P (X > x) = P (X = x).
Pero si X es continua entonces P (X = x) = 0 para cualquier x. Si X
es discreta los puntos donde la probabilidad es positiva es un conjunto
numerable y dos funciones que difieren en una cantidad numerable de
puntos tienen la misma integral.
Teorema 4.2. Si X es una variable aleatoria tal que existe su media
entonces
Z +∞ Z 0
EX = P (X > x)dx − P (X < x)dx.
0 −∞

Prueba. Recordemos que EX = EX −EX − . Si aplicamos el teorema

+

anterior tenemos que

Z +∞ Z +∞
+ +
EX = P (X > x)dx = P (X > x)dx.
0 0
Z +∞ Z +∞ Z 0
− −
EX = P (X > x)dx = P (−X > x)dx = P (X < x)dx.
0 0 −∞

De hecho, si tenemos en cuenta el comentario final de la prueba

del teorema 4.1 podemos afirmar que
Z +∞ Z 0
EX = P (X ≥ x)dx − P (X ≤ x)dx. (4.19)
0 −∞

4.4 Desigualdades
Suponemos que X ≥ 0 a.s. y que existe su esperanza. Para ε > 0
tenemos, por el teorema 4.1, que
Z +∞ Z ε Z +∞
E(X) = P (X ≥ x) dx = P (X ≥ x) dx+ P (X ≥ x) dx.
0 0 ε

La segunda integral en la igualdad anterior es no negativa y la función

P (X ≥ x) es decreciente por lo que tenemos
Z ε Z ε
E(X) ≥ P (X ≥ x) dx ≥ P (X ≥ ε) dx = εP (X ≥ ε),
0 0

y de aquí
E(X)
P (X ≥ ε) ≤
. (4.20)
ε
Utilizando la desigualdad (4.20) se siguen varias desigualdades de in-
terés, en particular, la desigualdad de Markov. 12
12 [Link]
150 CAPÍTULO 4. ESPERANZA

Proposición 4.5. La desigualdad de Markov se enuncia como

1
P (|X| ≥ ε) ≤ k E |X|k . (4.21)


ε
Prueba. Se obtiene al sustituir en (4.20) X por |X|k y ε por εk . Ha-
ciendo esto tenemos que
1
P (|X| ≥ ε) = P |X|k ≥ εk ≤ k E |X|k .



ε

Un caso especial de (4.21) se conoce como la desigualdad de

Chebyshev.13
Proposición 4.6.
1
P (|X − E(X)| ≥ ε) ≤
V ar(X). (4.22)
ε2
Prueba. En (4.21) tomamos k = 2 y en lugar de X consideramos
X − E(X).
Un interesante resultado se deriva de esta última desigualdad.
Proposición 4.7. Si var(X) = 0, entonces X = µ (a.s.)
Prueba. Supongamos E(X) = µ y consideremos los conjuntos An =
{|X − µ| ≥ 1/n}, aplicando (4.22)
 
1
P (An ) = P |X − µ| ≥ = 0,
n
para cualquier n y de aquí P (∪n An ) = 0 y P (∩n Acn ) = 1. Pero
\ \ 1

Acn = |X − µ| < = {X = µ},
n
n≥1 n≥1

luego P (X = µ) = 1 o, de otro modo, X = µ (a.s.)

14
La desigualdad de Jensen tiene que ver con funciones conve-
xas.15
Proposición 4.8. Si g es una función convexa entonces
E(g(X)) ≥ g(E(X)).
Prueba. Si g es convexa sabemos que para cualquier a encontramos
λa tal que g(x) ≥ g(a) + λa (x − a) para cualquier x.16 En particular
podemos considerar a = E(X). Se tendrá que
g(X) ≥ g (E(X)) + λEX (X − E(X)),
y tomando esperanzas obtenemos la desigualdad de Jensen
E(g(X)) ≥ g(E(X)).

Ejemplo 4.13. Si tomamos g(x) = x2 que es convexa tenemos por

la desigualdad de Jensen que E(X 2 ) ≥ (EX)2 .
13 [Link]
14 [Link]
15 Una función g se dice convexa si para x ≤ x y 0 ≤ α ≤ 1 entonces g(αx +
1 2 1
(1 − α)x2 ) ≤ αg(x1 ) + (1 − α)g(x2 ). De otro modo, {(x, y) : g(x) ≤ y} es un
conjunto convexo.
16 Recordemos que {(x, y) : g(x) ≤ y} es un conjunto convexo.
4.5. ESPERANZA DE UNA FUNCIÓN DE UN VECTOR ALEATORIO151

4.5 Esperanza de una función de un vector

aleatorio
Definición 4.9. Sea X = (X1 , . . . , Xk ) un vector aletorio y sea g
una función medible de Rk en R. Vamos a definir la esperanza del
vector en los casos en que el vector sea discreto y en el caso de que
sea continuo.
Vector aleatorio discreto.- Si DX es el soporte del vector y fX
su función de probabilidad conjunta, la esperanza se obtiene a
partir de
X
E(g(X)) = g(x1 , . . . , xk )fX (x1 , . . . , xk ).
(x1 ,...,xk )∈DX

Vector aleatorio continuo.- Si fX es la función de densidad con-

junta,
Z +∞ Z +∞
E(g(X)) = ... g(x1 , . . . , xk )fX (x1 , . . . , xk ) dx1 . . . dxk .
−∞ −∞

Momentos de un vector aleatorio

Como ya hemos visto en el caso de una variable aleatoria, deter-
minadas formas de la función g dan lugar a los llamados momentos
que se definen de forma análoga a como lo hicimos entonces.
El momento conjunto de orden (n1 , . . . , nk ) se obtiene, siempre
que la esperanza exista, para
g(X1 , . . . , Xk ) = X1n1 . . . Xknk , ni ≥ 0. (4.23)
Su definición formal sería la siguiente.
Definición 4.10. Se define el momento conjunto de orden (n1 , . . . , nk )
como E(X1n1 . . . Xknk ).
Obsérvese que los momentos de orden k respecto del origen para
cada componente pueden obtenerse como casos particulares de (4.23)
haciendo ni = k y nj = 0, j 6= i, pues entonces E(X1n1 . . . Xknk ) =
E(Xik ). El momento conjunto central de orden (n1 , . . . , nk ) se obtie-
nen, siempre que la esperanza exista, para g(X1 , . . . , Xk ) = (X1 −
E(X1 ))n1 . . . (Xk − E(Xk ))nk , ni ≥ 0.
Definición 4.11. Se define el momento conjunto central como
E(X1 − E(X1 ))n1 . . . (Xk − E(Xk ))nk para ni ≥ 0.
En las aplicaciones hay un momento conjunto que tiene una espe-
cial importancia.
Definición 4.12. Supongamos un vector bidimensional (X1 , X2 ). Se
define la covarianza entre X1 e X2 como
cov(X1 , X2 ) = E(X1 − EX1 )(X2 − EX2 ).
En lo que sigue veremos la razón de su importancia como medida
de dependencia entre variables aleatorias. Si, en lugar de un vector
bidimensional, tenemos un vector de dimensión k, X = (X1 , . . . , Xk )
se define una matriz tal que en la fila i y columna j tiene la covarianza
entre las variables Xi y Xj . Si denotamos σij = cov(Xi , Xj ) entonces
podemos definir la matriz de covarianzas.
152 CAPÍTULO 4. ESPERANZA

Definición 4.13. Dado el vector aleatorio X = (X1 , . . . , Xk ), defi-

nimos la matriz de covarianzas como

Σ = [σij ]i,j=1,...,k

Esta matriz es fundamentalmente en el estudio de las dependencias

en un vector aleatorio y fundamental en Estadística multivariante.

Momentos y sumas de variables

De las funciones de un vector la que sin duda más interés tendrá es
la suma de las variables. En particular tenemos el siguiente resultado
básico en lo que sigue.

Teorema 4.3. Si tenemos variables X1 , . . . , Xk y a1 , . . . , ak números

reales entonces

E(a1 X1 + . . . + ak Xk ) = a1 E(X1 ) + . . . + ak E(Xk ). (4.24)

Prueba. Hacemos la prueba en el caso continuo y para dos variables.

Z +∞ Z +∞
E(a1 X1 + a2 X2 ) = (a1 x1 + a2 x2 )f (x1 , x2 )dx1 dx2 =
−∞ −∞
Z +∞  Z +∞ 
a1 x1 f (x1 , x2 )dx2 dx1 +
−∞ −∞
Z +∞ Z +∞ 
a2 x2 f (x1 , x2 )dx1 dx2 =
−∞ −∞
Z +∞ Z +∞
a1 x1 f1 (x1 )dx1 + a2 x2 f2 (x2 )dx2 . (4.25)
−∞ −∞

Y por inducción tenemos la igualdad (4.24).

La covarianza nos permite también obtener la varianza asociada a

la suma de variables aleatorias, como vemos en el siguiente resultado.

Teorema 4.4. Si tenemos variables X1 , . . . , Xk y números reales

a1 , . . . , ak entonces

k
X X
var(a1 X1 + . . . + ak Xk ) = a2i var(Xi ) + 2 ai aj cov(Xi , Xj ).
i=1 i<j
(4.26)

Prueba. Si denotamos S = a1 X1 + . . . + ak Xk entonces

k
!2
X
var(S) = E[(S − E(S))2 ] = E ai (Xi − E(Xi ))
i=1
k
ai aj cov(Xi , Xj ). (4.27)
X X
= a2i var(Xi ) + 2
i=1 i<j
4.5. ESPERANZA DE UNA FUNCIÓN DE UN VECTOR ALEATORIO153

Momentos y variables independientes

Es de interés especial el estudio de sumas de distintas variables
aleatorias. En particular en esta sección nos planteamos determinar
la media y varianza de una suma de variables aleatorias.
Proposición 4.9. 1. Si X1 y X2 son variables independientes en-
tonces podemos factorizar el momento conjunto,
E(X1 X2 ) = EX1 EX2 .
y si g1 y g2 son funciones (medibles) entonces tendremos
E(g1 (X1 )g2 (X2 )) = Eg1 (X1 )Eg2 (X2 ).

2. De hecho, si tenemos X1 , . . . , Xk independientes y g1 , . . . , gk

funciones medibles se verifica que
E(g1 (X1 ) . . . gk (Xk )) = Eg1 (X1 ) . . . Egk (Xk ).
Prueba. Empezamos con la afirmación dada en apartado 1. Lo ha-
remos en el caso continuo. Como siempre el caso discreto tiene una
prueba análoga.
Z +∞ Z +∞
E(XY ) = x1 x2 f (x1 , x2 )dx1 dx2 =
−∞ −∞
Z +∞ Z +∞
x1 x2 f1 (x1 )f2 (x2 )dx1 dx2 =
−∞ −∞
Z +∞ Z +∞
x1 f1 (x1 )dx1 x2 f2 (x2 )dx2 . (4.28)
−∞ −∞

Cuando tomamos las funciones g1 y g2 tenemos que

Z +∞ Z +∞
E(g1 (X1 )g2 (X2 )) = g1 (x1 )g2 (x2 )f (x1 , x2 )dx1 dx2 =
−∞ −∞
Z +∞ Z +∞
g1 (x1 )g2 (x2 )f1 (x1 )f2 (x2 )dx1 dx2 =
−∞ −∞
Z +∞ Z +∞
g1 (x1 )f1 (x1 )dx1 g2 (x2 )f2 (x2 )dx2 . (4.29)
−∞ −∞

Por inducción finita se sigue el resultado del apartado 2.

Es inmediato a partir de la proposición 4.9 el siguiente resultado.
Corolario 4.1. Si las variables X1 y X2 son independientes, entonces
cov(X1 , X2 ) = 0.
Nota 4.1. Si consideramos el vector aleatorio X = (X1 , . . . , Xk ) tal
que las variables son independientes dos a dos se tiene que cov(Xi , Xj ) =
0 para i 6= j y que cov(Xi , Xi ) = var(Xi ) = σi2 . En resumen tenemos
que la matriz de covarianzas es la matriz diagonal que en la i-ésima
posición de la diagonal es igual a σi2 .
Corolario 4.2. Si las variables XP1 , . . . , Xk son independientes y sus
varianzas existen, la varianza de i=1 Xi existe y viene dada por
k

k
X  k
X
var Xi = var(Xi ).
i=1 i=1
154 CAPÍTULO 4. ESPERANZA

Tenemos el siguiente corolario.

Corolario 4.3. Sean X1 , . . . , Xk son independientes y con la misma

media y varianza. Denotamos EXi = µ y var(Xi ) = σ 2 . Conside-
ramos
Pk Xla variable aleatoria definida como la media muestral X̄ =
i=1 k . Se tiene que la media de X̄ es µ y que la varianza de X̄ es
i

k .
σ2

Prueba. Tenemos
k k
X EXi X µ
E X̄ = = =µ
i=1
k i=1
k

Tenemos por el corolario 4.2 que

k k
kσ 2 σ2
X 
Xi X 1 2
var = 2
σ = 2 = .
i=1
k i=1
k k k

Covarianza y correlación
Vamos a estudiar con detalle estas dos cantidades y justificar la
razón de su importancia en Estadística como medida de dependencia
entre pares de variables.
De hecho, teniendo en cuenta que la esperanza de la suma de
variables aleatorias es la suma de las esperanzas tendremos que


cov(X1 , X2 ) = E (X1 − E(X1 )(X2 − E(X2 ) =


E X1 X2 − X1 E(X2 ) − X2 E(X1 ) + E(X1 )E(X2 ) =
E(X1 X2 ) − E(X1 )E(X2 ). (4.30)

Por tanto tenemos que

cov(X1 , X2 ) = E(X1 X2 ) − E(X1 )E(X2 ).

La covarianza nos informa acerca del grado y tipo de dependencia

existente entre ambas variables mediante su magnitud y signo, porque
a diferencia de lo que ocurría con la varianza, la covarianza puede tener
signo negativo.

Ejemplo 4.14. ¿Qué nos indica el signo de la covarianza? Para

comprender el significado del signo de la covarianza, consideremos
dos sucesos A y B con probabilidades P (A) y P (B), respectivamente.
Las correspondientes funciones características, X = 1A e Y = 1B ,
son sendas variables aleatorias cuya covarianza vale

cov(X, Y ) = E(XY ) − E(X)E(Y ) = P (A ∩ B) − P (A)P (B),

puesto que XY = 1A∩B y E(X) = P (A) y E(Y ) = P (B). Observemos

que

cov(X, Y ) > 0 si P (A ∩ B) > P (A)P (B) =⇒

P (A|B) > P (A) y P (B|A) > P (B), (4.31)
4.5. ESPERANZA DE UNA FUNCIÓN DE UN VECTOR ALEATORIO155

cov(X, Y ) = 0 si P (A ∩ B) = P (A)P (B) =⇒

P (A|B) = P (A) y P (B|A) = P (B), (4.32)

cov(X, Y ) < 0 si P (A ∩ B) < P (A)P (B) =⇒

P (A|B) < P (A) y P (B|A) < P (B). (4.33)

Así pues, una covarianza positiva supone que el conocimiento previo

de la ocurrencia de B aumenta la probabilidad de A, P (A|B) > P (A),
y análogamente para A. De aquí que hablemos de dependencia positi-
va entre los sucesos. En el caso contrario hablaremos de dependencia
negativa. La covarianza vale cero cuando ambos sucesos son indepen-
dientes.
Cuando las variables X e Y son variables aleatorias cualesquiera,
¿qué significado hemos de darle a la expresión dependencia positiva o
negativa? En la figura 4.1 hemos representado los cuatro cuadrantes
en los que µX = E(X) y µY = E(Y ) dividen al plano, indicando el
signo que el producto (X − µX )(Y − µY ) tiene en cada uno de ellos.
Si los valores de X superiores (inferiores) a µX tienden a aso-
ciarse con los valores de Y superiores (inferiores) µY , la covarianza
será positiva y las variables tendrán una relación creciente. En caso
contrario, superior con inferior o viceversa, la covarianza será negati-
Figura 4.1: Signo de la covarianza
va. En este contexto hemos de entender tienden a asociarse como son
más probables.
En definitiva, una covarianza positiva (negativa) hemos de inter-
pretarla como la existencia de una relación creciente (decreciente)
entre las variables.

Ejemplo 4.15. ¿Qué nos indica la magnitud de la covarianza? La

magnitud de la covarianza mide el grado de dependencia entre las va-
riables. A mayor covarianza, medida en valor absoluto, mayor relación
de dependencia entre las variables. Veamos un ejemplo. Lanzamos tres
monedas correctas y definimos el vector aleatorio (X, Y ) con, X=nú-
mero de caras e Y =número de cruces. La tabla nos muestra la función
de probabilidad conjunta.

Y =0 Y =1 Y =2 Y =3
X =0 0 0 0 1/8
X =1 0 0 3/8 0
X =2 0 3/8 0 0
X =3 1/8 0 0 0

A partir de ella calculamos la covarianza mediante

12 3 3 3
cov(X, Y ) = E(XY ) − E(X)E(Y ) = − × =− .
8 2 2 4
Si definimos ahora otro vector aleatorio (X, Z) con, X=número de ca-
ras y Z=número de cruces en los 2 primeros lanzamientos, la función
de cuantía conjunta es

Z=0 Z=1 Z=2

X =0 0 0 1/8
X =1 0 2/8 1/8
X =2 1/8 2/8 0
X =3 1/8 0 0
156 CAPÍTULO 4. ESPERANZA

La covarianza vale ahora

8 3 1
cov(X, Z) = E(XZ) − E(X)E(Z) = − ×1=− .
8 2 2
Ambas covarianzas son negativas, indicando una relación decreciente
entre ambos pares de variables. Así es, puesto que se trata del núme-
ro de caras y cruces en un mismo conjunto de lanzamientos. A más
caras, menos cruces. La primera covarianza es mayor en valor abso-
luto que la segunda, lo que supone un grado de dependencia mayor
entre las componentes del primer vector. En efecto, existe una rela-
ción lineal entre el primer par de variables, X + Y = 3, que no existe
para el segundo par, que sin duda están también relacionadas pero no
linealmente.
Sin embargo, el hecho de que la covarianza, como ya ocurría con
la varianza, sea sensible a los cambios de escala, hace que debamos
ser precavidos a la hora de valorar el grado de dependencia entre
dos variables aleatorias mediante la magnitud de la covarianza. Si
las variables X1 y X2 las sustituimos por Y1 = aX1 e Y2 = bX2 ,
fácilmente comprobaremos que
cov(Y1 , Y2 ) = a · b · cov(X1 , X2 ).
¿Significa ello que por el mero hecho de cambiar de escala la calidad
de la relación entre un par de variables dadas? Como la respuesta es
obviamente no, es necesario introducir una nueva característica nu-
mérica ligada a las dos variables que mida su relación y sea invariante
frente a los cambios de escala. Se trata del coeficiente de correlación.

El coeficiente de correlación
Empezamos dando un resultado que necesitamos, la desigualdad
de Cauchy-Schwartz.
Teorema 4.5. Sean X e Y variables aleatorias con varianzas finitas.
Entonces cov(X, Y ) existe y se verifica
[E(XY )]2 ≤ E(X 2 )E(Y 2 ),
verificándose la igualdad si y solo si existe un real α tal que P (αX +
Y = 0) = 1.
Prueba. Para cualesquiera números reales a y b se verifica
a2 + b2
|ab| ≤ ,
2
lo que significa que E(XY ) < ∞ si E(X 2 ) < ∞ y E(Y 2 ) < ∞. Por
otra parte, para cualquier real α, se tiene
E[(αX + Y )2 ] = α2 E(X 2 ) + 2αE(XY ) + E(Y 2 ) ≥ 0,
lo que supone que la ecuación de segundo grado tiene a lo sumo una
raíz y su discriminante será no positivo. Es decir,
[E(XY )]2 ≤ E(X 2 )E(Y 2 ).
Si se diera la igualdad, la ecuación tendría una raíz doble, α0 , y
E[(α0 X + Y )2 ] = 0. Tratándose de una función no negativa, esto
implica que P (α0 X + Y = 0) = 1.
4.5. ESPERANZA DE UNA FUNCIÓN DE UN VECTOR ALEATORIO157

El coeficiente de correlación entre dos componentes cualesquiera

de un vector aleatorio, X y Y , se define como la covarianza de dichas
variables tipificadas17 .
Definición 4.14. Se define el coeficiente de correlación de Pearson
entre las variables aleatorias X e Y como
  
X − E(X) Y − E(Y ) cov(X, Y )
ρXY = E = .
σX σY σX σY
Dadas las variables aleatorias X e Y , si aplicamos el teorema 4.5
a las variables X − EX e Y − EY tendremos que
2
[E(X − EX)(Y − EY )] ≤ E(X − EX)2 E(Y − EY )2 ,

o, equivalentemente, que
ρ2XY ≤ 1,
es decir,
−1 ≤ ρXY ≤ 1.
 
Además hemos visto que cuando E(X − EX)(Y − EY ) = E(X −
EX)2 E(Y − EY )2 y por lo tanto ρ2 = 1 existe una constante α0 tal
que
α0 (X − EX) + (Y − EY ) = 0 a.s.
De otro modo tenemos que

Y = α0 X − α0 EX − EY a.s.

¿Qué ocurre cuando ρXY = 0? Lo primero es que ρXY = 0 es equi-

valente a que cov(X, Y ) = 0. Si ρXY = 0 decimos que las variables
están incorreladas. Hay entonces una ausencia total de relación lineal
entre ambas variables. Podemos decir que el valor absoluto del coefi-
ciente de correlación es una medida del grado de linealidad entre las
variables medido, de menor a mayor, en una escala de 0 a 1.
Acabamos de ver que si ρXY = 0 entonces cov(X, Y ) = 0. La
implicación contraria también es cierta, lógicamente. Como la inde-
pendencia entre dos variables implicaba que su covarianza era nula,
deducimos que independencia implica incorrelación. Sin embargo, la
implicación contraria no es cierta como puede comprobarse en el si-
guiente ejemplo.
Ejemplo 4.16. Tenemos la variable aletoria X con distribución uni-
forme en {−1, 0, 1}. Consideramos la variable Y = X 2 . Obviamente
ambas variables son dependientes. Sin embargo,

cov(X, Y ) = E(XY ) − EXEY = EX 3 = 0.

Ejemplo 4.17. Consideremos el vector (X, Y ) uniformemente dis-

tribuido en el recinto triangular con vértices en (−1, 0), (1, 0) y (0, 1)
que podemos ver en la figura 4.2.
Se verifica
Z 1 Z 1−y 
E(XY ) = y xdx dy = 0 Figura 4.2: Triángulo en donde te-
0 y−1
nemos distribución uniforme.
17 Una variable tipificada es la que resulta de transformar la original restándole la

media y dividiendo por la desviación típica, Z = (X−µX )/σX . Como consecuencia

de esta transformación E(Z) = 0 y var(X) = 1.
158 CAPÍTULO 4. ESPERANZA

y
Z 1 Z 1−y 
E(X) = xdx dy = 0
0 y−1

y por tanto cov(X, Y ) = 0 pero X e Y no son independientes.

Momentos de algunas distribuciones

Una aplicación de los anteriores resultados permite la obtención de
la esperanza y la varianza de algunas variables de manera mucho más
sencilla a como lo hicimos anteriormente. Veamos algunos ejemplos.
Ejemplo 4.18. Si recordamos las características de una variable bi-
nomial fácilmente se comprueba que si X ∼ Bi(n, p) entonces X =
i=1 Xi con Xi ∼ Bi(1, p) e independientes.
PComo ∀i, E(Xi ) = p y
Pn
var(Xi ) = p(1 − p), tendremos que E(X) = i=1 E(Xi ) = nE(Xi ) =
n

np, y
n
(4.34)
X
var(X) = var(Xi ) = np(1 − p).
i=1
.
Ejemplo 4.19. Si X ∼ H(n, N, r) también podemos escribir
n
X
X= Xi
i=1

con Xi ∼ Bi(1, r/N ) pero a diferencia de la variable binomial las

variables Xi son ahora dependientes. Tendremos pues
n
X r
E(X) = E(Xi ) = nE(Xi ) = n ,
i=1
N

y aplicando (4.27)

n
X k X
X k
var(X) = var(Xi ) + 2 cov(Xi , Xj ) =
i=1 i=1 j>i
r N −r
n + n(n − 1)cov(X1 , X2 ). (4.35)
N N
Pero todas las covarianzas son iguales. Para obtener cov(X1 , X2 ),

cov(X1 , X2 ) =
 r 2
E(X1 X2 ) − E(X1 )E(X2 ) = P (X1 = 1, X2 = 1) − =
N
 r 2 r−1 r  r 2
P (X2 = 1|X1 = 1)P (X1 = 1) − = − =
N N −1 N N
r(N − r)
− 2 . (4.36)
N (N − 1)
Sustituyendo en (4.35)
 
r N −r n−1
var(X) = n 1− . (4.37)
N N N −1
Es interesante comparar (4.37) con (4.34), para p = r/N . Vemos
que difieren en el último factor, factor que será muy próximo a la
4.5. ESPERANZA DE UNA FUNCIÓN DE UN VECTOR ALEATORIO159

unidad si n  N . Es decir, si la fracción de muestreo (así se la

denomina en Teoría de Muestras) es muy pequeña. Conviene recordar
aquí lo que dijimos en la página 57 al deducir la relación entre ambas
distribuciones.
Ejemplo 4.20. Si X ∼P BN (r, p) y recordamos su definición, podemos
expresarla como X = i=1 Xi , donde cada Xi ∼ BN (1, p) e inde-
r

pendiente de las demás y representa las pruebas Bernoulli necesarias

después del (i − 1)-ésimo éxito para alcanzar el i-ésimo.
Obtendremos primero la esperanza y la varianza de una variable
geométrica de parámetro p.
X X 1−p
E(Xi ) = np(1 − p)n = p n(1 − p)n = , ∀i.
p
n≥0 n≥1

Para calcular la varianza necesitamos conocer E(Xi2 ),

X X 1−p
E(Xi2 ) = n2 p(1 − p)n = p n2 (1 − p)n = (2 − p), ∀i.
p2
n≥0 n≥1

y de aquí,
 2
1−p 1−p 1−p
var(X) = (2 − p) − = .
p2 p p2

La esperanza y la varianza de la variable binomial negativa de

parámetros r y p, valdrán
r
X r(1 − p)
E(X) = E(Xi ) = ,
i=1
p

y
r
X r(1 − p)
var(X) = var(Xi ) = .
i=1
p2

Ejemplo 4.21. Si X ∼ M (n; p1 , p2 , . . . , pk ), sabemos que cada com-

ponente Xi ∼ Bi(n, pi ), i = 1, . . . , k, y puede por tanto expresarse
como suma de n variables Bernoulli de parámetro pi . La covarianza
entre dos cualesquiera puede expresarse como,
n n
!
X X
cov(Xi , Xj ) = cov Xik , Xjl .
k=1 l=1

Se demuestra fácilmente que

n n
! n X
n
X X X
cov Xik , Xjl = cov(Xik , Xjl ).
k=1 l=1 k=1 l=1

Para calcular cov(Xik , Xjl ) recordemos que

1, si en la prueba k ocurre Ai ;

Xik =
0, en cualquier otro caso,
y
1, si en la prueba l ocurre Aj ;

Xjl =
0, en cualquier otro caso.
160 CAPÍTULO 4. ESPERANZA

En consecuencia, cov(Xik , Xjl ) = 0 si k 6= l porque las pruebas de

Bernoulli son independientes y
cov(Xik , Xjk ) = E(Xik Xjk ) − E(Xik )E(Xjk ) = 0 − pi pj ,
donde E(Xik Xjk ) = 0 porque en una misma prueba, la k-ésima, no
puede ocurrir simultáneamente Ai y Aj . En definitiva,
n
X
cov(Xi , Xj ) = cov(Xik , Xjk ) = −npi pj .
k=1

El coeficiente de correlación (ver 4.14) entre ambas variables vale,

npi pj pi pj
r
ρij = − p =− .
(1 − pi )(1 − pj )
p
npi (1 − pi ) npj (1 − pj )
El valor negativo de la covarianza y del coeficiente de correlación se
explica por el hecho de que siendo el número total de pruebas fijo, n,
a mayor número de ocurrencias de Ai , menor número de ocurrencias
de Aj .
Ejemplo 4.22. Si (X, Y ) tiene una distribución normal bivariante
de parámetros µX , µy , σx , σy y ρ, ya vimos en la página 102 que
X ∼ N (µx , σx2 ) e Y ∼ N (µy , σy2 ). Para simplificar la obtención de
cov(X, Y ) podemos hacer uso de la invarianza por traslación de la
covarianza (se trata de una propiedad de fácil demostración que ya
comprobamos para la varianza). De acuerdo con ella, cov(X, Y ) =
cov(X − µx , Y − µy ) y podemos suponer que X e Y tienen media
0, lo que permite expresar la covarianza como cov(X, Y ) = E(XY ).
Procedamos a su cálculo.

E(XY ) =
Z +∞ Z +∞
xyfXY (x, y)dxdy =
−∞ −∞
 2 2 
+∞ +∞
   
y
+ σyy
Z Z 1 x x
1 − 2(1−ρ2) σx −2ρ σx σy
p xye dxdy =
2πσx σy 1 − ρ2 −∞ −∞
Z +∞ "
2 Z +∞  2
#
y x

−21 y 1
− 2(1−ρ x
−ρ σyy
√ e σy
p e 2) σx
dx dy.
−∞ σy 2π −∞ σx 2π(1 − ρ2 )
(4.38)
La integral interior en la ecuación (4.38) es la esperanza de una
N (ρσx y/σy , σx2 (1 − ρ2 )) y su valor será por tanto ρσx y/σy . Susti-
tuyendo en la ecuación (4.38) tenemos
Z +∞  2 2
ρσx y

y
− 12
E(XY ) = √ e σy
dy =
2π −∞ σy
Z +∞
ρσx σy
z 2 e− 2 z dy = ρσx σy . (4.39)
1 2
√
2π −∞

El coeficiente de correlación (4.14) entre ambas variables es

cov(X, Y )
ρXY = = ρ.
σx σy
Todos los parámetros de la normal bivariante adquieren ahora signifi-
cado.
4.6. ESPERANZA CONDICIONADA 161

4.6 Esperanza condicionada

Definición 4.15. Sea (X, Y ) un vector aleatorio definido sobre el
espacio de probabilidad (Ω, A, P ) y denotemos por PX|Y =y la distri-
bución de probabilidad de X condicionada a Y = y.
(X, Y ) es discreto.- Ello supone que el soporte de la distribución,
D, es numerable y
X X
E[g(X)|y] = g(x)P (X = x|Y = y) = g(x)fX|Y (x|y),
x∈Dy x∈Dy

donde Dy = {x; (x, y) ∈ D} es la sección de D mediante y.

(X, Y ) es continuo.- Entonces
Z
E[g(X)|y] = g(x)fX|Y (x|y)dx.
R

Ejemplo 4.23. Sean X e Y variables aleatorias independientes am-

bas con distribución Bi(n, p). La distribución de X + Y se obtiene
fácilmente a partir de
m
!
[
fX+Y (m) = P {X = k, Y = m − k} =
k=0
m
X m
X
= P (X = k, Y = m − k) = P (X = k)P (Y = m − k) =
k=0 k=0
m    
X n k n
p (1 − p)n−k pm−k (1 − p)n−(m−k) =
k m−k
k=0
m     
n n 2n m
p (1 − p)2n−m , (4.40)
X
m 2n−m
p (1 − p) =
k m−k m
k=0

de donde X + Y ∼ Bi(2n, p). Y ahora podemos plantearnos la distri-

bución condicionada de Y |X + Y = m que vendría dada por

P (Y = k|X + Y = m) =
P (Y = k, X + Y = m) P (Y = k, X = m − k)
= =
P (X + Y = m) P (X + Y = m)
   
n k n
p (1 − p)n−k pm−k (1 − p)n−(m−k)
k m−k
  =
2n m
p (1 − p)2n−m
m
  
n n
k m−k
  , (4.41)
2n
m
es decir, Y |X + Y = m ∼ H(m, 2n, n). La E(Y |X + Y = m) valdrá
nm m
E(Y |X + Y = m) = = .
2n 2
La esperanza condicionada posee todas las propiedades inherentes
al concepto de esperanza anteriormente estudiadas.
162 CAPÍTULO 4. ESPERANZA

Proposición 4.10.
1. La esperanza condicionada es un operador lineal,

E[ag1 (X)+bg2 (X)|Y ] = aE[g1 (X)|Y ]+bE[g2 (X)|Y ] (PY −a.s.)

En particular,

E[(aX + b)|Y ] = aE(X|Y ) + b (PY − a.s.)

2. P (a ≤ X ≤ b) = 1 =⇒ a ≤ E(X|Y ) ≤ b (PY -a.s.)

3. P (g1 (X) ≤ g2 (X)) = 1 =⇒ E[g1 (X)|Y ] ≤ E[g2 (X)|Y ] ( PY -
a.s.)
4. E(c|Y ) = c (PY -a.s.), para c constante.
En todas las igualdades anteriores se supone son ciertas con probabi-
lidad uno respecto de la distribución marginal de la variable Y , PY .
Momentos de todo tipo de la distribución condicionada se definen
de forma análoga a como hicimos en el caso de la distribución abso-
luta y gozan de las mismas propiedades. Existen, no obstante, nuevas
propiedades derivadas de las peculiares características de este tipo de
distribuciones y de que E[g(X)|Y )], en tanto que función de Y , es una
variable aleatoria. Veámoslas.
Proposición 4.11. Si E(X) existe, entonces

E (E[X|Y )) = E(X). (4.42)

Prueba. Supongamos el caso continuo.

E (E[X|Y )]) =
Z +∞ Z +∞ Z +∞ 
E[X|Y = y)]fY (y)dy = xfX|Y (x|y)dx fY (y)dy =
−∞ −∞ −∞
Z+∞ Z  Z +∞ Z 
fXY (x, y)
x dx fY (y)dy = x fXY (x, y)dy dx =
−∞ fY (y) −∞
Z +∞
xfX (x)dx = E(X). (4.43)
−∞

La demostración se haría de forma análoga para el caso discreto.

Es claro que del mismo modo tenemos que

E (E(g(X)|Y )) = Eg(X).

Ejemplo 4.24. Consideremos el vector (X, Y ) con densidad conjunta

1

 , 0<y≤x≤1

fXY (x, y) = x

0, en el resto.


Fácilmente obtendremos que X ∼ U (0, 1) y que Y |X = x ∼ U (0, x).

Aplicando el resultado anterior podemos calcular E(Y ),
Z 1 Z 1
1 1
E(Y ) = E(Y |x)fX (x)dx = xdx = .
0 0 2 4
4.6. ESPERANZA CONDICIONADA 163

También es posible relacionar la varianza absoluta con la varianza

condicionada, aunque la expresión no es tan directa como la obtenida
para la esperanza.
Proposición 4.12. Si E(X 2 ) existe, entonces

var(X) = E(var[X|Y ]) + var(E[X|Y ]). (4.44)

Prueba. Haciendo del anterior resultado,

var(X) =
E (X − E(X))2 = E E (X − E(X))2 |Y =
    
n h  io
2
E E X 2 + (E(X)) − 2XE(X) |Y =
2 2

E E[X |Y ] + E(X) − 2E(X)E[X|Y ] =
n o
2 2
E E[X 2 |Y ] − (E[X|Y ]) + (E[X|Y ]) + E(X)2 − 2E(X)E[X|Y ] =
n o
2
E var[X|Y ] + (E[X|Y ] − E(X)) =
n o
2
E {var[X|Y ]} + E (E[X|Y ] − E(X)) =
E(var[X|Y ]) + var(E[X|Y ]). (4.45)

De la proposición 4.44 se deduce de un modo inmediato el siguiente

corolario.
Corolario 4.4. Si E(X 2 ) existe, por la propiedad anterior

var(X) ≥ var(E[X|Y ]).

Si se verifica la igualdad, de (4.44) deducimos que E(var[X|Y ]) = 0,

y como var[X|Y ] ≥ 0, tendremos que P (var[X|Y ] = 0) = 1, es decir
 n o 
2
P E (X − E[X|Y ]) |Y = 0 = 1,

y como (X − E[X|Y ]) ≥ 0, aplicando de nuevo el anterior razona-

2

miento concluiremos que

P (X = E[X|Y ]) = 1,

lo que supone que, con probabilidad 1, X es una función de Y puesto

que E[X|Y ] lo es.
164 CAPÍTULO 4. ESPERANZA

4.7 Ejercicios
* Ej. 241 — Supongamos X una variable aleatoria discreta y g una
función real de variable real. Consideramos la variable aleatoria Y =
g(X). Se pide demostrar la siguiente igualdad
X X
EY = yj P (Y = yj ) = g(xi )P (X = xi ).
j i

** Ej. 242 — Demostrar la proposición 4.2 tanto para variables dis-

cretas como para variables continuas.
Ej. 243 — Si tenemos X ∼ Bi(n, p) determinar todos los momentos
factoriales con k = 1, . . . , n.
* Ej. 244 — Sea X una variable aleatoria para la que existe E(X)
y E(X 2 ).
[Link] que E((X − E(X))2 ) = E(X 2 ) − (E(X))2 .
[Link] que para cualquier número real a, se cumple la rela-
ción: E((X − a)2 ) = E((X − E(X))2 ) + (a − E(X))2 por lo que
E((X − a)2 ) se minimiza cuando a = E(X).

* Ej. 245 — Calcula la esperanza y varianza de una variable alea-

toria X con cada una de las siguientes distribuciones:
[Link]ón discreta cuyos valores con probabilidad no nula son
{1, 2, . . . , n}, todos ellos equiprobables.
[Link]ón binomial de parámetros n = 4 y p = 12 .

* Ej. 246 — Si representamos por µ y σ 2 , respectivamente, la es-

peranza y varianza de una variable aleatoria X, expresa en términos
de estos dos momentos:
1.E(2X − 3) y V (2X − 3).
[Link] segundo momento de X y el segundo momento de X respecto
de a = 1.
3.V (5 − X).
4.E((X − 2)(X + 1))

* Ej. 247 — Sea X una variable aleatoria con distribución Poisson

de parámetro λ.
[Link] que E(X) = λ y E(X(X − 1)) = λ2
[Link] los resultados anteriores, calcula E(X 2 ) y E((X −
E(X))2 ).

* Ej. 248 — Calcula la esperanza y varianza de una variable alea-

toria X con densidad:
1.f (x) = 6x(1 − x) si 0 < x < 1 (y 0 en otro caso).
2.f (c) = 3
x4 si x > 1 (y 0 en otro caso)
3.f (x) es proporcional a x2 si 0 < x < 1 (y 0 en otro caso)

* Ej. 249 — ([11], pág. 181)Supongamos X una variable aleatoria

con distribución Poisson con parámetro λ. Se pide:
4.7. EJERCICIOS 165

[Link] que
h i
n−1
EX n = λE (X + 1)

[Link] EX 3 .

* Ej. 250 — Sea X una variable aleatoria no negativa. Demostrar

que [E(X)]1/2 ≥ E(X 1/2 ).

* Ej. 251 — La esperanza de una variable aleatoria X no siempre

representa un valor típico ni tampoco un valor central de su distribu-
ción.
(a)Calcula la esperanza de una variable aleatoria X cuyos únicos
valores posibles (con probabilidad no nula) son 1, 2 y 1000 con
probabilidades 14 , 12 y 14 .
(b)Si X tiene una distribución exponencial con parámetro λ, calcula
la probabilidad de que X sea mayor que su esperanza.
(c)Si X tiene una distribución exponencial con parámetro λ, calcula
el valor m para el que P (X > m) = 12 .

* Ej. 252 — Calcula la esperanza y varianza de una variable alea-

toria X con distribución
[Link] en el intervalo [α, β].
[Link] por la función de densidad f (x) = λ2 xe−λx si x > 0 (y 0
en otro caso)

* Ej. 253 — Sea X una variable aleatoria con distribución uniforme

en el intervalo (0, 1). Calcula E(e5X ) y demuestra que E(1/X) no
existe.
* Ej. 254 — Una variable aleatoria toma valores enteros positivos
con probabilidades decreciendo en progresión geométrica. Elegir el
primer término y la razón de la progresión para que E(X) = 10, y
calcular, bajo dichas condiciones, P (X ≤ 10).

* Ej. 255 — En una fila de 15 butacas de un cine se sientan aleato-

riamente 7 mujeres y 8 hombres. Por término medio, ¿cuantas parejas
de asientos adyacentes están ocupadas por personas de distinto sexo?

* Ej. 256 — Un rebaño de ovejas es sometido a examen para detec-

tar aquellas que padecen determinada enfermedad. Sabemos que cada
una de ellas la padece con probabilidad p e independientemente de las
otras. La detección de la enfermedad requiere una análisis de sangre
y si se mezcla la sangre de n ovejas, basta que una de ellas padezca la
enfermedad para que el análisis de positivo. Como el rebaño es grande
se plantean dos posibles estrategias:
[Link] los animales uno a uno y llevar a cabo tantos análisis
como animales tiene el rebaño.
[Link] a los animales por grupos de n elementos, si el análisis
es negativo todos los del grupo están sanos, pero si es positivo
habrá que analizar uno a uno todos los animales del grupo.
Determinar cuál de las dos estrategias es mejor porque conduce a un
número menor de análisis.
166 CAPÍTULO 4. ESPERANZA

* Ej. 257 — Dos jugadores A y B juegan al siguiente juego: lanzan

una moneda hasta que aparece un cara, si la cara aparece en el k-ésimo
lanzamiento el jugador B paga al jugador A k monedas. ¿Cuantas
monedas deberá pagar el jugador A antes de iniciarse el juego para
que éste sea equilibrado?

** Ej. 258 — Sea X el número de pruebas de Bernoulli necesarias

para obtener un éxito y un fracaso. Determinar la distribución de
probabilidad de X y calcular E(X) y var(X).

** Ej. 259 — Sea X una variable aleatoria discreta con soporte

DX = {x1 , x2 , . . . , xm }. Calcular

E(X n+1 )
lim .
n→∞ E(X n )

*** Ej. 260 — Elegimos un número aleatorio X de la siguiente for-

ma: lanzamos repetidamente una moneda hasta que nos muestre la
primera cara, si el número lanzamientos que hemos necesitado es N ,
elegimos aleatoriamente un entero k en 1, 2, . . . , 10N , valor que asig-
namos a X. Encontrar la distribución de probabilidad de X y su valor
esperado.

** Ej. 261 — En algunos países socialistas y en algún momento

de su historia se estableció una ley laboral por la que en las factorías
e instituciones estatales se trabajaba todos los días de la semana. La
excepción a esta regla era que algunos de los trabajadores cumpliera
años, ese día nadie trabajaba. Suponiendo un año no bisiesto y que
los cumpleaños se distribuyen equiprobablemente a lo largo del año,
encontrar el número de trabajadores para que el número esperado de
hombres-día trabajados sea máximo.

Ej. 262 — (Examen 23/01/24)Tenemos una mesa rectangular con

n sillas en cada parte. Un total de n parejas van a cenar. Suponemos
que uno de los miembros de la pareja se coloca en un lado y el otro
miembro en el otro lado. Cada uno de ellos elige al azar e indepen-
dientemente el lugar dónde se sienta. Se pide:
[Link] a la pareja i. ¿Qué probabilidad tenemos de que la
pareja i se sienten uno frente al otro?
[Link] otra pareja distinta j (j 6= i). Si suponemos que
la pareja i se ha sentado uno frente al otro: ¿Qué probabilidad
tenemos de que la pareja j se siente uno frente al otro?
3.¿Cuál es el número esperado de parejas que se sientan enfrenta-
das?
4.¿Cuál es la probabilidad de que ninguna pareja se sienten uno
frente al otro?

** Ej. 263 — Elegimos al azar un número del 1 al 10. Hemos de

adivinarlo mediante preguntas cuya respuesta sea si o no. Calcular el
número esperado de preguntas que debemos hacer si,
[Link] pregunta i-ésima que hacemos es ¿se trata del número i?, o
[Link] cada pregunta intentamos eliminar la mitad de los números
restantes.
4.7. EJERCICIOS 167

** Ej. 264 — Un vendedor de periódicos compra cada ejemplar a

10 céntimos y los vende a 15 céntimos. Como no puede devolver los
ejemplares no vendidos, trata de saber cuantos le conviene comprar
para maximizar lo que espera ganar cada día. Si las demandas diarias
siguen una distribución Bi(10, 1/3), ¿cuántos ejemplares debe com-
prar?

** Ej. 265 — Un vendedor de periódicos compra cada ejemplar a C

céntimos de euro y lo vende a V céntimos de euro (C < V ). Puede de-
volver los ejemplares no vendidos pero sólo obtiene R céntimos de euro
por ejemplar (R < C). Se trata de saber cuantos le conviene comprar
para maximizar lo que espera ganar cada día. Si la demanda diaria X
sigue una distribución discreta con P (X = k) = pk , k = 0, 1, 2, . . . , n,
¿cuántos ejemplares debe comprar? Aplicar el resultado para el caso
en que V = 100, C = 50, R = 20 y la función de probabilidad viene
dada por
k P(X=k) k P(X=k)
0 0.05 7 0.08
1 0.08 8 0.05
2 0.10 9 0.04
3 0.15 10 0.03
4 0.15 11 0.03
5 0.10 12 0.03
6 0.08 13 0.03

* Ej. 266 — Un punto se desplaza sobre el eje de abscisas a dere-

cha o izquierda en saltos unitarios. La probabilidad de que se desplace
a la derecha es p y 1 − p de que lo haga a la izquierda. Si la variable X
representa la posición del punto después de n desplazamientos, par-
tiendo de 0, obtener su distribución de probabilidad y calcular E(X)
y var(X).

* Ej. 267 — La función de densidad de la variable aleatoria X viene

dada por
1

 + cx3 , x ∈] − 1, 1[;

f (x) = 2

en el resto.

0,


[Link] los valores de c para que f (x) sea una densidad.

[Link], si existen, los momentos de orden 1 y 2 de la variable
Y = |X|− 2 .
1

* Ej. 268 — Definamos la función

ax−(s+1) , si x > r;

f (x) =
0, si x ≤ r,

con r, s > 0.
[Link] a para qué f (x) sea una función de densidad de
probabilidad.
[Link] la variable aleatoria X tiene por densidad f (x), ¿para qué
valores de s existirá su esperanza?
168 CAPÍTULO 4. ESPERANZA

* Ej. 269 — Elegimos un punto al azar en la circunferencia de cen-

tro cero y de radio uno. Supongamos que denotamos por Θ la variable
aleatoria que nos da el ángulo aleatorio asociado a este punto y por
X la variable aleatoria que nos da la abscisa del punto. Se pide:
1.¿Cuál es la distribución de Θ? Hay que obtener tanto la función
de densidad como la función de distribución.
[Link] P(Θ ∈ [a, b]) para cualesquiera a y b con 0 ≤ a ≤
b ≤ 2π.
[Link] la función de distribución de la variable X.
[Link] la función de densidad de la variable X.
[Link] E(X).
[Link] E(|X|).

** Ej. 270 — El juego de los dos dedos se juega entre dos jugadores
A y B. Los jugadores muestran a la vez uno o dos dedos y simultá-
neamente dicen el número de dedos que su oponente va a mostrar.
El que acierta recibe del que pierde tantos euros como dedos hayan
mostrado entre ambos. Si ninguno acierta, o lo hacen ambos, nadie
gana ni paga. Designemos por (i, j) la jugada de cualquiera de los dos
jugadores, consistente en mostrar i dedos y apostar a que el contrario
va a mostrar j dedos, i, j = 1, 2. El jugador A decide jugar sólo las
jugadas (1, 2) con probabilidad 47 y (2, 1) con probabilidad 37 . Si el ju-
gador B, independientemente de lo que haga A, juega a cualquiera de
las cuatro posibles jugadas con igual probabilidad, 14 , calcular la ga-
nancia esperada de A. ¿Podría A mejorar sus ganancias manteniendo
sus jugadas?

** Ej. 271 — Sea X una variable aleatoria tal qu X ∼ P o(λ), donde

0 < λ < 1. Encuentra E(X!).

* Ej. 272 — Calcula E(X) si X tiene una función de densidad dada

por:
1.
−x
si x > 0;
 1
4 xe
 2,

fX (x) =
0, en otro caso.


2.
 c(1 − x2 ), si −1 < x < 1;


fX (x) =
0, en otro caso.


3.
si x > 5;
 5
 x2 ,
fX (x) =
0, si x ≤ 5.


* Ej. 273 — La función de densidad de X es dada por:

 a + bx2 , si 0 ≤ x ≤ 1;


fX (x) =
0, en otro caso.


Si E(X) = 35 , encuentra a y b.
4.7. EJERCICIOS 169

Ej. 274 — Identidad de Stein ([4, pág. 41, problema 6])Supon-

gamos X ∼ N (µ, σ 2 ). Se pide demostrar que

E [(X − µ)g(X)] = σ 2 E[g 0 (X)],

asumiendo que existen ambas partes de la igualdad anterior.

Desigualdades
Ej. 275 — FS-La variable aleatoria X, que toma valores en el
intervalo [0,2], tiene por función de densidad la recta que pasa per
(2,0) con pendiente negativa. Obtener su función de densidad f (x)
y calcular P (|X − E(X)| ≤ 1/2). ¿Qué cota obtendríamos para esta
probabilidad si utilizáramos la desigualdad de Chebychev?

* Ej. 276 — Sea X la variable aleatoria que describe el número de

caras obtenidas en 100 lanzamientos de una moneda equilibrada,
1.¿Qué dice la desigualdad de Chebyshev sobre la probabilidad de
que X no esté a menos de un 10% de su valor esperado?
[Link] el apartado anterior suponiendo que se realizan 1000 lan-
zamientos.
[Link] el apartado anterior suponiendo que se realizan n lanza-
mientos.

* Ej. 277 — Aunque con frecuencia la desigualdad de Chebyshev

no proporciona una buena cota, en ocasiones no puede mejorarse. Sea
X una variable aleatoria que puede tomar los valores −a, 0 y a con
probabilidades p, 1−2p y p respectivamente, donde 0 < p < 12 y siendo
a > 0.
[Link] la esperanza y la varianza de X.
[Link] la desigualdad de Chebyshev, halla una cota para
P (|X − E(X)| ≥ a).
[Link] el valor exacto de P (|X − E(X)| ≥ a) y compáralo con
la cota obtenida en el apartado anterior.

*** Ej. 278 — Si X es una variable aleatoria continua con media 0

y varianza σ 2 y función de distribución F , comprobar que se verifica

x2 σ2
F (x) ≥ , si x > 0 y F (x) ≤ , si x < 0.
x2 + σ 2 x2 + σ 2

** Ej. 279 — Sea X una variable aleatoria no negativa con función

de densidad f . Demostrar que
Z ∞
r
E(X ) = rxr−1 P (X > x)dx.
0

** Ej. 280 — Sea X una variable aleatoria continua con media µ y

función de distribución F . Demostrar que
Z µ Z ∞
F (x)dx = (1 − F (x))dx.
−∞ µ
170 CAPÍTULO 4. ESPERANZA

*** Ej. 281 — Una caja contiene a bolas blancas y b bolas negras,
con a > 0 y b > 0. Se extrae una bola al azar y si es negra el proceso
termina. Si la bola es blanca se reintegra a la caja junto con otra
bola blanca y el proceso continua. Calcular la probabilidad de que el
proceso termine en la k-ésima extracción. Calcular la probabilidad de
que el número de extracciones sea finito. Obtener el número esperado
de extracciones.
* Ej. 282 — Si g(x) es una función creciente no negativa de x, pro-
bar que
E(g(X))
P (X ≥ a) ≤ .
g(a)

** Ej. 283 — Sea X1 , X2 , . . . una sucesión de variables aleatorias

continuas independientes e idénticamente distribuidas. Sea N ≥ 2 el
punto en que la sucesión deja de ser decreciente, es decir, X1 ≥ X2 ≥
. . . ≥ XN −1 < XN . Demostrar que E(N ) = e. 18

* Ej. 284 — Sea X una variable aleatoria con soporte DX = {0, 1, . . . , n}

tal que E(X) = var(X) = 1. Demostrar que para cualquier natural
k,
1
P (X ≥ k + 1) ≤ 2 .
k

* Ej. 285 — Sea X una variable aleatoria con función de densidad

si x ≤ 0,

0,
f (x) =
n! , si x > 0,
e−x xn

donde n es un natural. Demostrar que se verifica la siguiente desigual-

dad
n
P (0 < X < 2(n + 1)) > .
n+1

Momentos de vectores
* Ej. 286 — Sean X e Y dos variables aleatorias independientes ta-
les que: E(X) = 2, E(X 2 ) = 6, E(Y ) = 3 y E(Y 2 ) = 13 . Calcula:
1.E(X 2 − 3X + 2), E((X + 1)2 ), E((X − E(X))2 )
2.E(X + Y ), E(2XY ), E((3X − Y )2 ) y (E(3X − Y ))2

* Ej. 287 — Si X, Y y Z son variables aleatorias y a, b, c y d son

números reales, comprueba que:
[Link](aX + b, cY + d) = acCov(X, Y ).
[Link](X + Y, Z) = Cov(X, Z) + Cov(Y, Z)
[Link](X, Y ) = Cov(Y, X)

* Ej. 288 — ([1, pág 123])Lanzamos un dado correcto n veces in-

dependientemente. Consideramos las variables Xi que nos da el nú-
mero de veces que ocurre el número i en los n lanzamientos. Se pide:
[Link] E(X1 X2 ).
18 Sugerencia: Obtener primero P (N ≥ n).
4.7. EJERCICIOS 171

[Link] la covarianza y la correlación entre X1 y X2 .

[Link] la matriz de covarianzas y la matriz de correlaciones
del vector X = (X1 , . . . , X6 ).

* Ej. 289 — Si (X,Y) es un vector aleatorio con función de densidad

conjunta f (x, y) = 65 (x2 + y) si 0 < x < 1 y 0 < y < 1 ( y 0 en otro
caso), calcula la covarianza y el coeficiente de correlación entre ambas
variables.

* Ej. 290 — ([11, Problema 6.19])Demostrar que f (x, y) = x1 si

0 < y < x < 1 y cero en otro caso es una función de densidad conjunta.
Asumiendo que efectivamente es una densidad conjunta calcular:
[Link] la densidad marginal de X.
[Link] la densidad marginal de X.
[Link] E(X).
[Link] E(Y ).
[Link] cov(X, Y ).

* Ej. 291 — La distribución conjunta de las variables aleatorias X

e Y es uniforme en el rombo con vértices en (1, 0), (−1, 0), (0, 1) y
(0, −1).
[Link] E(X) y V(X).
[Link] E(Y) y V(Y).
[Link] E(XY ), Cov(X, Y ) y ρ(X, Y ).

* Ej. 292 — Un suceso, A, asociado con cierto experimento es tal

que P (A) = 0.35. El experimento se repite 45 veces, y asociada a
la repetición i-esima, i ∈ {1, . . . , 45} se define la variable Xi = 1 si
ocurre A y Xi = 0 en otro caso.
[Link]én la distribución de S45 = i=1 Xi .
P45

[Link] E(X 45 ) y V (X 45 ) siendo X 45 = S45 45

la media muestral
de las 45 variables anteriores.
[Link] la desigualdad de Chebyshev, calcula una cota para
P (0.3 < X 45 < 0.4)
[Link] el valor exacto de P (0.3 < X 45 < 0.4).

* Ej. 293 — En dos lados distintos de un cuadrado unidad elegimos

al azar e independientemente los puntos X e Y . Si por D designamos
la distancia entre ellos, calcular E(D2 ) en las dos situaciones posibles
descritas en la figura.

Y
D
Y
D
X

X
172 CAPÍTULO 4. ESPERANZA

* Ej. 294 — Elegimos al azar dos puntos en el intervalo [0, a]. Que-
remos conocer,
a) Area media del rectángulo que tiene por lados las correspondientes
longitudes.
b) Area media de dicho rectángulo si ambos puntos son mayores que
a/2.

** Ej. 295 — Sean X e Y variables aleatorias independientes. De-

mostrar que si X y X − Y son independientes, entonces X es una
variable aleatoria degenerada.

* Ej. 296 — Dos puntos se eligen al azar sobre un segmento de lon-

gitud a. Encontrar la esperanza y la varianza de la distancia entre
ellos.

* Ej. 297 — Calcular el coeficiente de correlación entre el mayor y

el menor valor obtenidos al lanzar dos dados.

* Ej. 298 — Obtener el coeficiente de correlación entre las coorde-

nadas de un punto elegido al azar en el círculo unidad.

* Ej. 299 — Las variables aleatorias X e Y tienen media 0, varianza

1 y su coeficiente de correlación es ρ, Encontrar la media y la varianza
de Z = X − ρY y sus coeficientes de correlación con X e Y .

* Ej. 300 — Lanzamos tres veces consecutivas una moneda y defini-

mos las variables aleatorias X ={número de caras en los dos primeros
lanzamientos} e Y ={número de cruces en los dos últimos lanzamien-
tos}. Obtener la distribución de probabilidad conjunta de X e Y , sus
marginales y el coeficiente de correlación entre ambas.

* Ej. 301 — Las variables aleatorias X1 , X2 , . . . , Xm+n , n > m, son

independientes e idénticamente distribuidas con varianzaPn común, σ ,
2

finita. Calcular el coeficiente de correlación de U = i=1 Xi y V =

j=m+1 Xj .
Pm+n

*** Ej. 302 — Una
urna contiene 2n bolas numeradas de 0 a n,

de forma que hay ni bolas con el número i. Si extraemos m sin
reemplazamiento y por S denotamos la suma de sus números, calcular
E(S) y var(S).

** Ej. 303 — El punto se desplaza ahora sobre el plano con movi-

mientos independientes de manera que en cada movimiento la distan-
cia que recorre es siempre la misma, por ejemplo una unidad, pero
la dirección es aleatoria determinada por un ángulo cuya orientación
respecto la posición del punto se elige al azar en el intervalo [0, 2π].
Si D es la distancia del punto a su posición original después de n
movimientos, calcular E(D2 ).

** Ej. 304 — Recordemos que el llamado problema de las coinci-

dencias consiste, en una de sus múltiples versiones, en n individuos
que al abandonar una fiesta recogen sus sombreros al azar. Si por X
denotamos el número de individuos que han cogido su propio sombrero
(coincidencias), calcular E(X) y var(X).
4.7. EJERCICIOS 173

** Ej. 305 — Se trata de un problema propuesto y resuelto por

Daniel Bernoulli en el siglo XVIII. Se proponía averiguar el número
esperado de parejas que permanecen completas, de un total de N
parejas iniciales, después de la muerte de m sus miembros.

*** Ej. 306 — Se realizan n pruebas independientes de un experi-

mento que tiene k P resultados posibles A1 , A2 , . . . , Ak con probabilida-
des p1 , p2 , . . . , pk , pi = 1. Sea Y la variable número de resultados
que no han aparecido en ninguna de las n pruebas.
1.¿Qué distribución tiene cada una de las variables Xj que indica
el número de veces que ha sucedido Aj ? (Puedes usar el resultado
visto en el tema anterior sin demostrarlo)
2.¿Cuál es el valor esperado de Y ?
[Link] que los valores de p1 , . . . , pk que hacen mínima E(Y )
son p1 = p2 = · · · = pk = 1/k.

* Ej. 307 — Sean X e Y dos variables aleatorias idénticamente dis-

tribuidas, obtener cov(X + Y, X − Y ).

* Ej. 308 — Sean X1 , X2 , . . . una familia de variables aleatorias in-

dependientes con la misma media µ y la misma varianza σ 2 , y sea
Yn = Xn + Xn+1 + Xn+2 . Hallar, para j ≥ 0, cov(Yn , Yn+j ).

* Ej. 309 — Sean X e Y el número de éxitos y fracasos, respectiva-

mente, cuando llevamos a cabo n pruebas Bernoulli con probabilidad
de éxito p. Calcular el coeficiente de correlación entre ambas, ρXY .

** Ej. 310 — Supongamos que n niños de alturas diferentes se co-

locan en fila. Elegimos el primer niño y nos desplazamos con él a lo
largo de la fila hasta que encontramos un niño más alto o hasta el final
de la misma. Si encontramos un niño más alto lo elegimos y continua-
mos con el desplazamiento y así sucesivamente. ¿Cuál es el número
esperado de niños que elegiremos en la fila?

* Ej. 311 — ¿Cuál es el número esperado de cumpleaños distintos

en un grupo de 100 personas elegidas al azar?

Ej. 312 — Tenemos n parejas que se sientan en una mesa uno a

cada uno de los dos lados. Se sientan al azar y consideramos la variable
aleatoria, X que nos da el número de parejas que se sientan uno frente
al otro. Se pide:
[Link] que EX = 1.
[Link] que E[X(X − 1)] = 1.
[Link] que E[X(X − 1) . . . (X − k + 1)] = 1 si k ≤ n.
[Link] que E[X(X − 1) . . . (X − k + 1)] = 0 para k = n + 1.
[Link] que E[X(X − 1) . . . (X − k + 1)] = 0 si k > n.
Sugerencia: Expresar la variable X como suma de las variables bina-
rias Xi que nos indican si la pareja i se sientan enfrentados.

Ej. 313 — Supongamos que X1 , . . . , Xn son variables aleatorias in-

dependientes e idénticamente distribuidas. Si E(Xi ) = µ y Var(Xi ) =
174 CAPÍTULO 4. ESPERANZA

σ 2 para i = 1, . . . , n, demostrar la siguiente igualdad:

" n
#
1 X
E (Xi − X̄) = σ 2
2
n − 1 i=1

Esperanza condicionada
** Ej. 314 — Un trabajador está encargado del correcto funciona-
miento de n máquinas situadas en linea recta y distantes una de otra
l metros. El trabajador debe repararlas cuando se averían, cosa que
sucede con igual probabilidad para todas ellas e independientemente
de una a otra. El operario puede seguir dos estrategias:
[Link] a reparar la máquina estropeada y permanecer en ella
hasta que otra máquina se avería, desplazándose entonces hacia
ella, o
[Link] en el punto medio de la linea de máquinas y desde allí
acudir a la averiada, regresando nuevamente a dicho punto cuan-
do la avería está resuelta.
Si X es la distancia que recorre el trabajador entre dos averías con-
secutivas, ¿Cuál de ambas estrategias le conviene más para andar
menos?
** Ej. 315 — Sean X e Y dos variables aleatorias. Si E(X|Y ) =
10 − Y y E(Y |X) = 7 − X/4, obtener su coeficiente de correlación.

** Ej. 316 — Llevamos a cabo N lanzamientos de un dado, donde

N sigue una distribución de Poisson de parámetro λ = 10. Obtener
la media y la varianza de la suma de las puntuaciones de las caras
obtenidas en los N lanzamientos.
** Ej. 317 — Una máquina fabrica fibras de longitud aleatoria X.
Para medir la desigualdad entre las longitudes de las fibras fabricadas
se utiliza el coeficiente
a00 − a0
λ= ,
a
donde a = E(X), a00 = E(X | X > a) y a0 = E(X | X < a). Si
X ∼ N (a, σ 2 ), encontrar la relación entre λ, a y σ.

* Ej. 318 — El número de clientes en la cola de la caja de un su-

permercado sigue una distribución de Poisson con parámetro λ. El
tiempo que tarda cada cliente en ser atendido sigue una Exponencial
de parámetro λ. Calcular el tiempo medio que debemos esperar en la
cola.
* Ej. 319 — El número de pasajeros que espera el tren en cierta es-
tación en un instante t es una variable aleatoria Poisson de parámetro
λt. Si el tiempo de llegada del tren se distribuye uniformemente en el
intervalo [0, T ], ¿cuál es el número medio de pasajeros que subirá al
tren? Obtener también su varianza.
* Ej. 320 — Un minero atrapado en una mina tiene tres posibles
caminos para tratar de escapar de la mina. El primero le conduce
al exterior después de 3 horas. El segundo le conduce de nuevo al
interior de la mina después de un recorrido de 5 horas. El tercero le
conduce también al interior de la mina, pero después de 7 horas de
4.7. EJERCICIOS 175

recorrido. Si el minero echa a suertes (igual probabilidad) el camino

por el que tratar de escapar, ¿cuál será el tiempo de medio que tardará
en conseguirlo?

*** Ej. 321 — Sea {Xj }j≥1 una sucesión de variables aleatorias
uniformes en el intervalo [0, 1]. Calcular E(N ) siendo
 
 X n 
N = min n; Xj > 1 .
 
j=1

* Ej. 322 — El vector aleatorio (X, Y ) tiene por densidad conjunta

1

 ye−yx , 1 < y < 3, x > 0;

fXY (x, y) = 2

en el resto.

0,


Hallar E(X) y var(X) haciendo uso de E(X|Y ) y de var(X|Y ).

* Ej. 323 — El vector aleatorio (X, Y ) tiene por densidad conjunta

2e−2x


 , 0 ≤ x < +∞, 0 ≤ y ≤ x;
fXY (x, y) = x

en el resto.


0,
19
Calcular cov(X, Y ).

* Ej. 324 — Tenemos un lote de N pastillas y antes de comerciali-

zarlo lo sometemos al siguiente control de calidad. Fijamos un umbral
c (c < n) y a continuación tomamos una muestra de n pastillas del to-
tal de N que componen el lote. Sea X la variable aleatoria que nos da
el número de pastillas en mal estado en la muestra, si X ≤ c entonces
sustituimos las X pastillas defectuosas por pastillas en buen estado y
comercializamos, sin más inspección, el lote. En el caso en que X > c
entonces se muestrean todas y cada una de las pastillas que componen
el lote y se sustituyen por pastillas en buen estado, comercializándolo
a continuación. En este caso el lote no tiene ninguna pastilla en mal
estado. Si la probabilidad de que el proceso de fabricación produzca
una pastilla en mal estado es p, ¿qué número medio de pastillas en
mal estado estamos lanzando al mercado?
* Ej. 325 — Sobre un círculo cuyo radio R es aleatorio con función
de densidad  2
r

 , r ∈ [0, 3];
fR (r) = 9

en el resto,


0
elegimos un punto al azar. Si X designa la distancia del punto al
origen, obtener
[Link] función de distribución y la función de densidad de X|R = r.
[Link] media y la varianza de X.
19 Sugerencia.- La obtención de E(Y ) puede resultar más sencilla a través de

E(Y ) = E[E(Y |X)].

176 CAPÍTULO 4. ESPERANZA

* Ej. 326 — Lanzamos un dado repetidamente y designamos por

X e Y, respectivamente, el número de lanzamientos necesarios para
obtener un 6 y un 5. Calcular E(X), E(X|Y = 1) y E(X|Y = 5).

* Ej. 327 — La distribución conjunta de (X, Y ) tiene por densidad,

( −x/y −y
e e
y , 0 < x < ∞, 0 < y < ∞;
0, en el resto.

Calcular E(X 2 |Y ).

* Ej. 328 — (FS: Examen 23/01/24)El vector aleatorio (X, Y ) tie-

ne por densidad conjunta
xy
f (x, y) = x2 + , (x, y) ∈ D = [0, 1] × [0, 2].
3
Se pide:
[Link] densidad marginal de Y.
[Link] densidad de X condicionada a Y.
3.E (X | Y ).
4.E (X 2 | Y ).

Y los demás
20
** Ej. 329 — ML-La densidad conjunta del vector aleatorio
(X, Y ) viene dada por:
f (x, y) = 3y 4 (1 − y)x2 e−yx
para x > 0 , y ∈ (0, 1) ( 0 en otro caso)
Se pide obtener:
[Link] función de distribución de Y y P (− 13 ≤ Y ≤ 12 )
[Link] función de densidad condicionada de X|Y = 0, 5.
3.E(Y ) y E(X).

** Ej. 330 — Consideremos el vector aleatorio (X, Y ). La variable

Y es positiva con E(Y ) = 1 y σY2 = 2. Por otra parte X|Y ∼ U (1 −
Y, 1 + Y ). Obtener E(X) y σX
2
.

** Ej. 331 — Supongamos X1 , X2 , . . . , Xn variables aleatorias in-

dependientes con distribución común U (0, 1). Determinar
1.E[max{X1 , . . . , Xn }].
2.E[min{X1 , . . . , Xn }].

*** Ej. 332 — Una caja contiene pastillas de dos tipos: grandes y
pequeñas. Cada pastilla grande equivale a dos pequeñas. Cada día el
paciente elige debe tomar una de las pastillas, que elige al azar. Si es
de las grandes la parte en dos, toma una mitad y devuelve la otra a la
caja. Si la pastilla es pequeña la toma sin más. A todos los efectos las
mitades devueltas a la caja son consideradas como pastillas pequeñas.
¿Cuál es el número esperado de pastillas pequeñas que quedarán en
la caja cuando las grandes se hayan terminado?
20 Que uno no sabe donde clasificarlos.
4.7. EJERCICIOS 177

** Ej. 333 — Un juego consiste en lanzar un dado repetidas veces.

El juego se detiene bien porque aparece un 1, bien porque decidimos
detenerlo en cualquier lanzamiento antes de que haya aparecido el
1. El premio que recibimos es el número de puntos que muestra la
cara del dado en el ultimo lanzamiento. ¿Cuál es la estrategia más
conveniente para obtener el mayor premio?

** Ej. 334 — Sea X una variable aleatoria discreta con soporte

DX = {x1 , x2 , . . . , xm }. Calcular

lim n E(X n ).
p
n→∞

*** Ej. 335 — Se repite indefinida e independientemente un expe-

rimento cuyo resultado es E (éxito), con probabilidad p, o F (fracaso),
con probabilidad q = 1 − p. Denotamos por ωn el resultado de la n-
ésima repetición. Sea T la variable que designa el número mínimo de
repeticiones necesarias para alcanzar r éxitos consecutivos. Demostrar
que P (T = ∞) = 0 y calcular E(T ).

** Ej. 336 — Tenemos 10 pares de zapatos y elegimos al azar 4

zapatos. ¿Cuál es la probabilidad de que no hayamos elegido ningún
par? Si X es una variable aleatoria que representa el número de pares
elegidos, obtener el número medio de pares entre los 4 zapatos elegidos.

** Ej. 337 — Un autobús tiene en su recorrido 15 paradas. Supon-

gamos que en la primera parada suben 20 personas. Cada una de
ellas elige al azar e independientemente de las otras en cuál de las 14
paradas restantes quiere bajar.
[Link] Xi es una variable aleatoria que vale 1 si alguna de las personas
baja en la parada i y 0 en caso contrario, calcular su distribución
de probabilidad.
[Link] el número medio de paradas que debe realizar el autobús
para que bajen todos los pasajeros.

** Ej. 338 — ([11, Problema 7.11])Realizamos n lanzamientos in-

dependientes de una moneda que tiene probabilidad de cara p. Dire-
mos que se produce un cambio en la secuencia de resultados cuando
el resultado de un lanzamiento difiere del anterior. Por ejemplo, de-
notando H cara y T cruz y suponiendo n = 5 entonces la secuencia
HHT HT tendría tres cambios. Se pide determinar el número espera-
do de cambios. Sugerencia: Considerar variables Bernoulli.

* Ej. 339 — Sean U1 y U2 dos variables √ aletorias independientes

ambas uniformes en [0,1]. Definimos X = U1 e Y = 2XU2 .
[Link] la densidad conjunta de (X, Y )
[Link] las densidades marginales de X e Y y sus esperanzas.
[Link]
√ W es una variable Bernoulli tal que P (W = 1) = P (0 ≤ Y ≤
X), calcular E(W ).

*** Ej. 340 — Un juego consiste en partir al azar un palo en dos

trozos y apostar acerca de la razón entre las longitudes del trozo mayor
y el menor. Si acertamos ganamos k euros si dicha razón está entre k y
178 CAPÍTULO 4. ESPERANZA

k+1, con 1 ≤ k ≤ m − 1, o m euros si la razón supera m, siendo m un

entero positivo dado. ¿Cuanto deberíamos apostar para que el juego
sea justo? ¿Cómo se comporta la apuesta a medida que m aumenta?

*** Ej. 341 — Un plato tiene n spaghetti. Si n es suficientemente

grande y los spaghetti suficientemente largos no es posible reconocer
de una mirada los dos extremos de un mismo spaghetti. Bajo este
supuesto, por otra parte razonable, elegimos al azar dos extremos de
spaghetti y los unimos, repitiendo el proceso con los restantes extre-
mos libres del plato. Al terminar habremos formado un determinado
número de bucles de distinta longitud. Obtener el número esperado de
dichos bucles de cualquier longitud y, en particular, el de los bucles de
longitud 1, resultado de unir los dos extremos de un mismo spaghetti.

** Ej. 342 — Extraemos con reemplazamiento bolas numeradas de

1 a n (n ≥ 2) hasta que su suma exceda por primera vez k, 0 ≤ k ≤ n.
Encontrar el número esperado de extracciones, Ek .

** Ej. 343 — Se eligen al azar n numeros en el intervalo (a,b). Sean

X(1) y X(n) , respectivamente, el menor y el mayor de ellos. Obtener
las líneas de regresión de X(1) sobre X(n) y de X(n) sobre X(1) .

** Ej. 344 — Sean X e Y dos variables aleatorias independientes

uniformes en (0, 1), demuestra que:
2
E[|X − Y |α ] = , para α > 0.
(α + 1)(α + 2)

** Ej. 345 — Sean X e Y variables aleatorias independientes y uni-

formemente distribuidas en el intervalo unitario [0, 1].
[Link] la densidad conjunta de U = X + Y y V = X/Y , y las
correspondientes marginales.
[Link] la E(U ) y la E(V ).

** Ej. 346 — Un total de n bolas, numeradas de 1 a n son introdu-

cidas en n urnas numeradas a su vez de 1 a n. Cada bola es introducida
de un modo equiprobable en las n posibles urnas. Determinar:
[Link] número esperado de urnas vacías.
[Link] probabilidad de que ninguna de las urnas esté vacía.

* Ej. 347 — Tenemos una mesa rectangular con n sillas en cada

parte. Un total de n parejas van a cenar. Suponemos que uno de los
miembros de la pareja se coloca en un lado y el otro miembro en
el otro lado. Cada uno de ellos elige al azar e independientemente el
lugar dónde se sienta. Consideramos la variable aleatoria que nos da el
número de parejas que se sientan enfrentadas, esto es, que cada uno de
los miembros ocupan la misma posición en lados opuestos de la mesa.
Se pide calcular la media y la varianza de esta variable aleatoria.
4.8. SOLUCIONES A LOS EJERCICIOS 179

4.8 Soluciones a los ejercicios

Sol. (Ej. 245) — [Link] = X̄ = y var(X) = (Xi −X̄)2

.
Pn Xi Pn
i=1 n i=1 n
[Link] = 2 y var(X) = 1.

Sol. (Ej. 248) — 1.E(X) = 12 , var(X) = 20 .

1

2.E(X) = 3, var(X) = 34 .
3.E(X) = a5 , var(X) = 16a−5a2
80 .

Sol. (Ej. 249) — EX 3 = λ3 + 3λ2 + λ.

Sol. (Ej. 250) — Consideremos la varianza de la variable X 1/2 .

Sol. (Ej. 251) — 1.E(X) = 251.25.

2.P (X > E(X)) = e−1 = 0.3678.
3.m = m = λ .
Ln(2)

Sol. (Ej. 252) — 1.E(X) = 2 ,

α+β
var(X) = (β−α)2
2 .
2.E(X) = α
β y var(X) = β2 .
α

Sol. (Ej. 253) — 1.E(e5X ) = 15 (e5 − 1).

2.E( X
1
) = Ln(1) − Ln(0) = −∞.

Sol. (Ej. 254) — El primer término es a1 = 0.1 y la razón r = 0.9.

Además, P (X ≤ 10) = 0.651.

Sol. (Ej. 255) — E(X) = 14 × 15 .

8

Sol. (Ej. 256) — Si q = 1 − p entonces

•si nq n < 1, la primera estrategia es la mejor,
•si nq n > 1, la segunda estrategia es la mejor.

Sol. (Ej. 257) — Dos monedas.

Sol. (Ej. 259) — Si designamos mediante xmax el máximo de los

posibles valores que toma X entonces

E(X n+1 )
lim = xmax .
n→∞ E(X n )
180 CAPÍTULO 4. ESPERANZA

Sol. (Ej. 261) — 364.

Sol. (Ej. 262) — 1.1/n.

2.1/(n − 1).
3.1.
4. 12 − 1
3!
1
+ . . . − (−1)n+1 n! .

Sol. (Ej. 263) — En el primer método el número esperado es 5.5

mientras que en el segundo método el número esperado es 3.4.

Sol. (Ej. 264) — Debe comprar 3 periódicos.

Sol. (Ej. 265) — Debe comprar 5 ejemplares.

Sol. (Ej. 266) — E(X) = n(2p − 1), var(X) = 4np(1 − p).

Sol. (Ej. 267) — [Link] c es válido.

2.E(Y ) = 2 mientras que E(Y 2 ) no existe.

Sol. (Ej. 268) — 1.a = s/r−s .

2.s > 1.

Sol. (Ej. 269) — 1.Θ ∼ U (0, 2π).

2.P (Θ ∈ [a, b]) = 2π .
b−a

[Link] (x) = 2 arccos(x), si −1 ≤ x ≤ 1, cero por debajo de -1 y uno

por encima.
4.
1
fX (x) = √ , −1 ≤ x ≤ 1.
π 1 − x2
[Link] = 0.
6.E|X| = π.
2

Sol. (Ej. 271) —

E(X!) = (1 − λ)−1 e−λ .

Sol. (Ej. 272) — 1.E(X) = 4.

2.E(X) = 0.
3.E(X) = ∞.
4.8. SOLUCIONES A LOS EJERCICIOS 181

Sol. (Ej. 273) — a = 3

5 y b = 65 .

Sol. (Ej. 282) — Relacionar P (X ≥ a) con P (g(X) ≥ g(a)) y apli-

car la desigualdad de Markov.

Sol. (Ej. 285) — Es aplicación directa de la desigualdad de Tcheby-

chev.

Sol. (Ej. 304) —

E(X) = var(X) = 1.

Sol. (Ej. 305) —

(2N − m)(2N − m − 1)
E(X) = .
2(2N − 1)

Sol. (Ej. 307) — cov(X + Y, X − Y ) = 0.

Sol. (Ej. 309) —

ρXY = −1.

Sol. (Ej. 311) —

E(X) = 87, 6.

Sol. (Ej. 316) — Si S es la variable que nos da la suma de las pun-

tuaciones entonces ES = 35 y var(S) = 455
3 .

Sol. (Ej. 328) — [Link] (y) = 2+y

6 con 0 < y < 2.
[Link]|Y (x) = con 0 < y < 2, 0 < x < 1.
2
6x +2xy
2+y

3.E (X | Y ) = 12+6y .
9+4y

4.E (X 2 | Y ) = 20+10y .
12+5y

Sol. (Ej. 330) — E(X) = var(X) = 1.

Sol. (Ej. 331) — E[max(X1 , . . . , Xn )] = n+1 .

n
E[min(X1 , . . . , Xn )] =
n+1 .
1

Sol. (Ej. 338) — 2p(1 − p)

182 CAPÍTULO 4. ESPERANZA

Sol. (Ej. 345) — 1.

u
fU V (u, v) = fXY (x(u, v), y(u, v))|Jg−1 (u, v)| = , (u, v) ∈ DU V .
(1 + v)2
con

DU V = {[0, 1] × [0, +∞[} ∪ {[1, 2] × [U − 1, 1/(U − 1)]}.

[Link] = 1 y no existe la esperanza de V .

Sol. (Ej. 346) —

n
1. (n−1)
nn−1 .
2. nn!n .

Sol. (Ej. 347) — EX = 1, var(X) = 1 − n3 .

4.9. MATERIAL COMPLEMENTARIO 183

4.9 Material complementario

En esta sección se incluye material de interés pero que no necesario
conocer para el desarrollo de la asignatura.

Muestra aleatoria: media y varianza muestrales

En esta sección introduciremos el concepto de muestra aleatoria
y algunas variables aleatorias con ella asociadas, particularmente la
media y la varianza muestrales. Cuando la muestra proceda de una
distribución normal, las distribuciones de probabilidad relacionadas
con dichas variables constituyen el eje sobre el que se basa la Inferencia
Estadística clásica.
Definición 4.16. Una muestra aleatoria de tamaño n es un vector
aleatorio X1 , X2 , . . . , Xn , cuyas componentes son n variables aleato-
rias independientes e idénticamente distribuidas (i.i.d.).
A partir de la muestra aleatoria podemos definir la media y la
varianza muestrales, X n y Sn2 , mediante las expresiones
n n
1X 1 X
Xn = Xi y Sn2 = (Xi − X n )2 ,
n i=1 n − 1 i=1

respectivamente.
Si las componentes de la muestra aleatoria poseen momentos de
segundo orden, y su media y varianza comunes son µ y σ, respectiva-
mente, se verifica que
n
1X
(4.46)


E Xn = E(Xi ) = µ
n i=1
y
n

1 X σ2
var X n = 2 var(Xi ) = .
n i=1 n
Por lo que respecta a la varianza muestral, observemos en primer lugar
que
n
1 X
Sn2 = (Xi − µ + µ − X n )2
n − 1 i=1
( n n n
)
1 X
2
X
2
X
= (Xi − µ) + (X n − µ) − 2(X n − µ) (Xi − µ)
n − 1 i=1 i=1 i=1
( n )
1 X
2 2
= (Xi − µ) + n(X n − µ) − 2(X n − µ)n(X n − µ)
n − 1 i=1
( n )
1 X
= (Xi − µ)2 − n(X n − µ)2 .
n − 1 i=1

Tomando ahora esperanzas,

( n )
2 1 X 
2
  2

E(Sn ) = E (Xi − µ) − nE (X n − µ)
n − 1 i=1
1
nσ 2 − n × var(X n )


=
n−1
= σ2 . (4.47)
184 CAPÍTULO 4. ESPERANZA

La var(Sn2 ) existe si las componentes de la muestra aleatoria poseen

momentos de cuarto orden, si es así, la expresión de var(Sn2 ) viene
dada por  
1 n−3 4
var(Sn2 ) = µ4 − σ ,
n n−1
con
µ4 = E (Xi − µ)4 y σ 4 = [σ 2 ]2 ,
 

cuya deducción dejamos al cuidado del lector.

Observación 4.1. La Inferencia Estadística proporciona una serie

de técnicas que permiten conocer el comportamiento probabilístico de
un fenómeno aleatorio a partir de la observación parcial del mismo.
Por ejemplo, la estatura de una población de individuos tiene un com-
portamiento aleatorio que podemos deducir con un cierto margen de
error (probabilístico) de la observación de una muestra de alturas de
n individuos de esa población. Si postulamos la hipótesis de que dicha
altura, X, se distribuye N (µ, σ 2 ), podemos estimar los valores de µ
y σ 2 a partir de sus homólogos muestrales, X n y Sn2 . Esta elección
se basa, entre otras, en una propiedad conocida como insesgadez, que
es la que representan las igualdades (4.46) y (4.47). A saber, que las
esperanzas de los estimadores coinciden con el parámetro estimado.

Algunas aplicaciones de la esperanza condicionada

Ejemplo 4.25. Un trabajador está encargado del correcto funciona-
miento de n máquinas situadas en linea recta y distantes una de otra
l metros. El trabajador debe repararlas cuando se averían, cosa que
sucede con igual probabilidad para todas ellas e independientemente
de una a otra. El operario puede seguir dos estrategias:

1. acudir a reparar la máquina estropeada y permanecer en ella

hasta que otra máquina se avería, desplazándose entonces hacia
ella, o

2. situarse en el punto medio de la linea de máquinas y desde

allí acudir a la averiada, regresando nuevamente a dicho punto
cuando la avería está resuelta.

Si X es la distancia que recorre el trabajador entre dos averías conse-

cutivas, ¿cuál de ambas estrategias le conviene más para andar menos?
Se trata, en cualquiera de las dos estrategias, de obtener la E(X)
y elegir aquella que la proporciona menor. Designaremos por Ei (X)
la esperanza obtenida bajo la estrategia i = 1, 2.

Estrategia 1.- Sea Ak el suceso, el operario se encuentra en

la máquina k. Para obtener E1 (X) recurriremos a la propie-
dad anterior, pero utilizando como distribución condicionada la
que se deriva de condicionar respecto del suceso Ak . Tendremos
E1 (X) = E(E(X|Ak )).
Para obtener E(X|Ak ) tengamos en cuenta que si i es la próxima
máquina averiada, P (Ai ) = 1/n, ∀i y el camino a recorrer será

 (k − i)l, si i ≤ k,


X|Ak =
(i − k)l, si i > k.

4.9. MATERIAL COMPLEMENTARIO 185

Así pues,

E(X|Ak ) =
k n
!
1 X X
(k − i)l + (i − k)l =
n i=1 i=k+1
l
[2k 2 − 2(n + 1)k + n(n + 1)]. (4.48)
2n

Utilizando
n
X n(n + 1)(2n + 1)
k2 = ,
6
k=1

obtenemos para E1 (X)

1X l(n2 − 1)
E1 (X) = E(E(X|Ak )) = E(X|Ak ) = .
n 3n
k

Estrategia 2.- Para facilitar los cálculos supongamos que n es

impar, lo que supone que hay una máquina situada en el punto
medio de la linea, la n+1
2 -ésima. Si la próxima máquina averiada
es la i la distancia a recorrer será,

2 − i)l, si i ≤ 2 ,

 2( n+1 n+1

X=
2 )l, si i > 2 ,
2(i − n+1
 n+1

donde el 2 se justifica porque el operario en esta segunda estra-

tegia regresa siempre al punto medio de la linea de máquinas.
La esperanza viene dada por,
n
2 X n+1 l(n − 1)
E2 (X) = −i l = .
n i=1 2 2

Como E1 (X)/E2 (X) = 2(n+1)/3n ≤ 1 si n ≥ 2, podemos deducir que

la primera estrategia es mejor, salvo que hubiera una sola máquina.
El ejemplo anterior ilustra la utilidad de (4.42) en la obtención
de la esperanza absoluta. El ejemplo que sigue nos muestra como, en
ocasiones, el rodeo que (4.42) pueda suponer es sólo aparente porque,
en ocasiones, la obtención directa de E(X) es mucho más laboriosa.
Ejemplo 4.26. De una urna con n bolas blancas y m bolas negras lle-
vamos a cabo extracciones sucesivas sin reemplazamiento. Si queremos
conocer el número esperado de bolas negras extraídas antes de la pri-
mera blanca deberemos conocer la distribución de la correspondiente
variable, X.
La función de probabilidad de X vale
 
m
k n
fX (k) = P (X = k) =  × , (4.49)
m+n m+n−k
k
para k = 0, 1, . . . , m donde el primer factor establece la probabilidad
de que las k primeras bolas sean negras, y el segundo la de que la
186 CAPÍTULO 4. ESPERANZA

k + 1-ésima bola sea blanca. Un sencillo cálculo con los números com-
binatorios permite escribir (4.49) de esta otra forma
 
1 m+n−1−k
fX (k) =   × ,
m+n n−1
n

más útil a la hora de comprobar que (4.49) es una función de proba-

bilidad. En efecto,
m m  
X X 1 m+n−1−k
fX (k) =   ×
m+n n−1
k=0 k=0
n
m  
1 X m+n−1−k
=  cambio [m − k = j]
m+n n−1
k=0
n
 
m+n
m  
1 n−1+j n
 = 1. (4.50)
X
=  =
m+n
j=0
n−1 m+n
n n
El valor esperado valdrá,
 
m
m m
X X k n
E(X) = kfX (k) = k×  ×
m+n m+n−k
k=0 k=1
k
 
m−1
m
m X k−1 n
= k×  × =
m+n m+n−1 m − 1 + n − (k − 1)
k=1
k−1
m−1
m X
(j + 1)fXm−1 (j), (4.51)
m + n j=0

donde Xm−1 es la variable asociada al mismo experimento cuando la

urna contiene m − 1 bolas negras y n bolas blancas. Obtenemos en
definitiva la fórmula de recurrencia
m
Em (X) = (1 + Em−1 (X)), (4.52)
m+n
en la que el significado de los subíndices es obvio. Observemos que si
m = 0, E0 (X) = 0 y a partir de aquí
1 1
E1 (X) = (1 + 0) =
n+1 n+1
 
2 1 2
E2 (X) = 1+ =
n+2 n+1 n+1
 
3 2 3
E3 (X) = 1+ =
n+3 n+1 n+1
··· ···  
m m−1 m
Em (X) = 1+ = .
n+m n+1 n+1
4.9. MATERIAL COMPLEMENTARIO 187

La expresión (4.52) puede obtenerse más fácilmente si utilizamos la

variable auxiliar Y definida mediante

 1, si la primera bola es blanca;



Y =
0, si la primera bola es negra.


Podremos escribir

Em (X) = E[Em (X|Y )] =

Em (X|Y = 1)P (Y = 1) + Em (X|Y = 0)P (Y = 0), (4.53)

pero Em (X|Y = 1) = 0 y Em (X|Y = 0) = 1 + Em−1 (X). Sustituyen-

do,
m
Em (X) = (1 + Em−1 (X)),
m+n
que coincide con (4.52).
Ejemplo 4.27. El tiempo de descarga de un barco que transporta
cereal se distribuye uniformemente entre a y b horas, T ∼ U (a, b),
siempre que dicha descarga se lleve a cabo sin interrupciones. La
grúa que efectúa la descarga es poco fiable y propensa a las averías.
Éstas ocurren según una distribución de Poisson con media λ averías
por hora. Cuando la grúa está estropeada se requieren d horas para
arreglarla. Con todas estas circunstancias, queremos conocer el tiempo
real medio de descarga del barco.
Si designamos por TR el tiempo real de descarga del barco, lo que
se nos pide es E(TR ). Observemos que sobre dicho tiempo influyen,
tanto la variable T , que nos proporciona el tiempo de descarga sin
tener en cuenta las posibles interrupciones, como las horas que haya
que añadir debido a la averías de la grúa durante el período T , averías
cuyo número en dicho lapso de tiempo será NT ∼ P o(λT ).
Sabemos que E(TR ) = E[E(TR |T )]. Para calcular la esperanza
condicionada hemos de tener en cuenta las posibles averías, lo que
equivale a decir que hemos de condicionar a los posibles valores de
NT . Así,

E(TR |T ) = E {E [E(TR |T )|NT ]}

X
= E(TR |T, NT = n)P (NT = n)
n≥0
X
= (T + nd)P (NT = n)
n≥0
X X
= T P (NT = n) + d nP (NT = n)
n≥0 n≥0
= T (1 + dλ).

Por último
(a + b)(1 + dλ)
E(TR ) = E[E(TR |T )] = (1 + dλ)E(T ) = .
2

El principio de los mínimos cuadrados

Supongamos que entre las variables aleatorias X e Y existe una
relación funcional que deseamos conocer. Ante la dificultad de poder
188 CAPÍTULO 4. ESPERANZA

hacerlo vamos a tratar de encontrar la función h(X) que mejor apro-

xime dicha relación. El interés en semejante función es poder predecir
el valor que tomará Y a partir del valor que ha tomado X.
Si E(Y 2 ) y E(h(X)2 ) existen, el principio de los mínimos cuadra-
dos es uno de los posibles criterios para encontrar  h(X). Consiste en
elegir aquella h(X) que minimice la cantidad E (Y − h(X))2 , que
no es más que la esperanza del error que cometeremos al sustituir el
verdadero valor de Y por su estimación, h(X). Si (X, Y ) es un vector
aleatorio continuo, tenemos
Z
 2 2
E (Y − h(X)) = (y − h(x)) fXY (x, y)dxdy
R2
Z
2
= (y − h(x)) fY |X (x, y)fX (x)dydx
R2
Z Z 
2
= (y − h(x)) fY |X (x, y)dy fX (x)dx.
R R

Que sea mínima esta expresión supone que lo es la integral interior,

pero de acuerdo con una propiedad de la varianza (PV4 de la página
144) el valor que minimiza dicha integral es precisamente h(X) =
E(X|Y ). Para el caso discreto obtendríamos un resultado análogo.
Definición 4.17. La relación y = E[Y |x] se conoce como la regre-
sión de Y sobre X. Análogamente x = E[X|y] se conoce como la
regresión de X sobre Y .

Recta de regresión
En ocasiones, fundamentalmente por motivos de sencillez, se está
interesado en aproximar la relación entre X e Y mediante una línea
recta. En esta situación, y haciendo uso del principio de los mínimos
cuadrados, elegiremos los parámetros de la recta de forma que

L(a, b) = E (Y − aX − b)2


sea mínimo.
La obtención de a y b se reduce a un problema de máximos y
mínimos y basta igualar a 0 las derivadas parciales ∂L/∂a y ∂L/∂b.
Si lo hacemos obtendremos,
cov(X, Y )
a= , b = E(Y ) − aE(X).
var(X)
La ecuación de la que se conoce como recta de regresión de Y sobre
X tendrá por expresión,
cov(X, Y )
Y − E(Y ) = (X − E(X)).
var(X)
Por simetría, la recta de regresión de X sobre Y tendrá por expresión,
cov(X, Y )
X − E(X) = (Y − E(Y )).
var(Y )
En las anteriores expresiones, las cantidades
cov(X, Y ) cov(X, Y )
γX|Y = y γY |X = ,
var(Y ) var(X)
4.9. MATERIAL COMPLEMENTARIO 189

reciben el nombre de coeficientes de regresión de X sobre Y e Y sobre

X, respectivamente. Tiene una interesante propiedad,

(cov(X, Y ))2
γX|Y · γY |X = = ρ2xy . (4.54)
var(X)var(Y )

Ejemplo 4.28. Consideremos el vector aleatorio (X, Y ) con densidad

conjunta,  −y
e , 0 < x < y < +∞
fXY (x, y) =
0, en el resto.
Las correspondientes marginales vienen dadas por
Z +∞  −x
e , 0 < x < +∞
fX (x) = e−y dy =
x 0, en el resto,
y
y
ye−y , 0 < y < +∞
Z 
fY (y) = e−y dx =
0 0, en el resto.
Las distribuciones condicionadas se obtienen fácilmente a partir de
las anteriores,
 1
fX|Y (x|y) = y, 0 < x < y
0, en el resto,

ex−y , x < y < +∞


fY |X (y|x) =
0, en el resto.
Las esperanzas condicionadas valen
Z y
1 y
E(X|Y ) = x dx = , 0 < y < +∞,
0 y 2
Z +∞
E(Y |X) = yex−y dy = x + 1, 0 < x < +∞.
x
Se trata en ambos casos de rectas, por lo que coincidirán con las
rectas de regresión correspondientes. El valor absoluto del coeficiente
de correlación podrá obtenerse fácilmente a partir de (4.54),
1 1
ρ2XY = γX|Y · γY |X = ·1= ,
2 2
el signo será el mismo que el de la covarianza, que se comprueba
fácilmente que vale 1. Así pues, ρXY = 1/2.
p

Ejemplo 4.29. La recta de regresión nos ayuda a comprender porqué

los hijos de padres muy altos tienden a ser más bajos que sus padres
y los de padres muy bajos suelen superarlos en estatura. Pensemos en
un padre que tiene una altura X cuando nace su hijo y preguntémonos
la altura Y que alcanzará su hijo cuando tenga la edad que ahora tiene
su padre.
Si por µX , µY , σX
2
y σY2 designamos, respectivamente, las medias
y las varianzas de las alturas de padre e hijo, una hipótesis razonable
y lógica es suponer que µX = µY = µ y σX 2
= σY2 = σ 2 . Por las
propiedades de la recta de regresión, sabemos que la mejor estimación
lineal de Y es Ŷ , que verifica
σXY
Ŷ − µ = (X − µ). (4.55)
σ2
190 CAPÍTULO 4. ESPERANZA

Como
σXY σXY
ρXY = = 2 ,
σX σY σ
de aquí σXY = ρXY σ 2 y sustituyendo en (4.55)

Ŷ − µ = ρXY (X − µ).

Puesto que |ρXY | ≤ 1 y es de suponer que será positivo, concluiremos

que la estatura del hijo estará más próxima a la media que la del padre.
Capítulo 5

Sucesiones de variables
aleatorias

5.1 Introducción
Los capítulos anteriores nos han permitido familiarizarnos con el
concepto de variable y vector aleatorio, dotándonos de las herramien-
tas que nos permiten conocer su comportamiento probabilístico. En
el caso de un vector aleatorio somos capaces de estudiar el compor-
tamiento conjunto de un número finito de variables aleatorias. Pero
imaginemos por un momento los modelos probabilísticos asociados a
los siguientes fenómenos:

1. lanzamientos sucesivos de una moneda,

2. tiempos transcurridos entre llamadas consecutivas a una misma

centralita,

3. sucesión de estimadores de un parámetro cuando se incrementa

el tamaño de la muestra.

En todos los casos las variables aleatorias involucradas lo son en can-

tidad numerable y habremos de ser capaces de estudiar su comporta-
miento conjunto y, tal y como siempre sucede en ocasiones similares,
de conocer cuanto haga referencia al límite de la sucesión. Del com-
portamiento conjunto se ocupa una parte de la Teoría de la Probabi-
lidad que dado su interés ha tomado entidad propia: la Teoría de los
Procesos Estocásticos. En este capítulo nos ocuparemos de estudiar
cuanto está relacionado con el límite de las sucesiones de variables
aleatorias. Este estudio requiere en primer lugar, introducir los tipos
de convergencia apropiados a la naturaleza de las sucesiones que nos
ocupan, para en segundo lugar obtener las condiciones bajo las que
tienen lugar las dos convergencias que nos interesan: la convergencia
de la sucesión de variables a una constante (Leyes de los Grandes
Números) y la convergencia a otra variable (Teorema Central del Lí-
mite). El estudio de esta segunda situación se ve facilitado con el uso
de una herramienta conocida como función característica de la cual
nos habremos ocupado previamente.
Dos sencillos ejemplos relacionados con la distribución binomial no
servirán de introducción y nos ayudarán a situarnos en el problema.
El primero es un resultado de Jacob Bernoulli.

191
192CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

Ejemplo 5.1. Si repetimos n veces un experimento cuyo resultado

es la ocurrencia o no del suceso A, tal que P (A) = p, y si la repeti-
ciones son independientes unas de otras, la variable Xn =número de
ocurrencias de A, tiene una distribución B(n, p). La variable Xn /n
representa la frecuencia relativa de A y sabemos que
 
Xn 1 np
E = E(Xn ) = = p,
n n n
y  
Xn 1 np(1 − p) p(1 − p)
var = var(Xn ) = = .
n n2 n2 n
Si aplicamos la desigualdad de Chebyshev,
 
Xn var(Xn /n) p(1 − p) n
P −p ≥ε ≤ = −→ 0.
n ε2 nε2

Deducimos que la frecuencia relativa de ocurrencias de A converge,

en algún sentido, a P (A).

Ejemplo 5.2. El segundo ejemplo ya fue expuesto en la página 56 y no

lo repetiremos aquí. Hacía referencia a la aproximación de la distribu-
ción binomial mediante la distribución de Poisson. Vimos que cuando
tenemos un gran número de pruebas Bernoulli con una probabilidad de
éxito muy pequeña de manera que limn npn = λ, 0 < λ < +∞, la suce-
sión de funciones de cuantía de las variables aleatorias Xn ∼ B(n, pn )
converge a la función de cuantía de X ∼ P o(λ).

Dos ejemplos con sucesiones de variables binomiales que han con-

ducido a límites muy distintos. En el primero, el valor límite es la
probabilidad de un suceso, y por tanto una constante; en el segundo
la función de cuantía tiende a otra función de cuantía.

5.2 Tipos de convergencia

Comenzaremos por formalizar el tipo de convergencia que aparece
en el primer ejemplo. Para ello, y también para el resto de definiciones,
sobre un espacio de probabilidad (Ω, A, P ) consideremos la sucesión
de variables aleatorias {Xn } y la variable aleatoria X.

Definición 5.1. Decimos que {Xn } converge a X en probabilidad,

Xn −→ X, si para cada δ > 0,
P

lim P {ω : |Xn (ω) − X(ω)| > δ} = 0.

n

No es esta una convergencia puntual como las que estamos acos-

tumbrados a utilizar en Análisis Matemático. La siguiente sí es de este
tipo.

Definición 5.2. Decimos que {Xn } converge casi seguramente1 a

X (o con probabilidad 1), Xn −→ X, si
a.s.

P ({ω : lim Xn (ω) = X(ω)}) = 1.

n
1 Utilizaremos la abreviatura a.s., que corresponde a las iniciales de almost
surely, por ser la notación más extendida.
5.2. TIPOS DE CONVERGENCIA 193

El último tipo de convergencia involucra a las funciones de distri-

bución asociadas a cada variable y requiere previamente una definición
para la convergencia de aquellas.
Definición 5.3. Sean Fn , n ≥ 1, y F funciones de distribución de
probabilidad. Decimos que la sucesión Fn converge débilmente2 a
F , Fn −→ F , si limn Fn (x) = F (x), ∀x que sea punto de continuidad
ω

de F .
Definición 5.4. Decimos que {Xn } converge en ley a X, Xn −→
L

X, si FXn −→ FX . Teniendo en cuenta la definición de Fn y F , la

ω

convergencia en ley puede expresarse también

Xn −→ X ⇐⇒ lim P (Xn ≤ x) = P (X ≤ x),

L
n

para cualquier x que sea punto de continuidad de F .

Las relaciones entre los tres tipos de convergencia se establecen en
el siguiente teorema.
Teorema 5.1. Sean Xn y X variables aleatorias definidas sobre un
mismo espacio de probabilidad entonces:
a.s. P L
Xn → X ⇒ Xn → X ⇒ Xn → X

Prueba. Empezamos probando que Xn → X ⇒ Xn → X.

a.s. P

Para δ > 0 sean

A = {ω : lim Xn (ω) 6= X(ω)}

n

y
An = {ω : |Xn (ω) − X(ω)| > δ},
3
entonces lim sup An ⊂ A y P (lim sup An ) = 0, y de aquí lim P (An ) =
0.
Veamos que Xn → X ⇒ Xn → X. Si x es tal que P (X = x) = 0,
P L

se verifica que

P (X ≤ x − ε) =
P (X ≤ x − ε, Xn ≤ x) + P (X ≤ x − ε, Xn > x) ≤
P (Xn ≤ x) + P (|Xn − X| > ε). (5.1)

P (Xn ≤ x) =
P (Xn ≤ x, X ≤ x + ε) + P (Xn ≤ x, X > x + ε) ≤
P (X ≤ x + ε) + P (|Xn − X| > ε). (5.2)

Expresando conjuntamente las dos desigualdades tenemos:

P (X ≤ x − ε) − P (|Xn − X| > ε) ≤
≤ P (Xn ≤ x) ≤ P (X ≤ x + ε) + P (|Xn − X| > ε),
2 Utilizaremos la abreviatura ω, que corresponde a la inicial de weakly, por ser

la notación más extendida

3 Recordemos las definiciones lim inf A =
n≥1 k≥n Ak , y lim supn An =
S T
n n

k≥n Ak . Además: P (lim infn An ) ≤ lim infn P (An ) ≤ lim supn P (An ) ≤
T S
n≥1
P (lim supn An ).
194CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

pero limn P (|Xn − X| > ε) = 0 para cualquier ε positivo por lo que:

P (X ≤ x−ε) ≤ lim inf P (Xn ≤ x) ≤ lim sup P (Xn ≤ x) ≤ P (X ≤ x+ε)
n n

y, puesto que P (X = x) = 0 es equivalente a que F (x) = P (X ≤ x)

sea continua en x, se sigue el resultado.
Las convergencias casi segura y en probabilidad tienen distinta
naturaleza, mientras aquella es de tipo puntual, esta última es de tipo
conjuntista. El ejemplo que sigue ilustra bien esta diferencia y pone
de manifiesto que la contraria de la primera implicación no es cierta.
Ejemplo 5.3. Vamos a ver que la convergencia en probabilidad no
implica la convergencia casi segura. Como espacio de probabilidad
consideraremos el intervalo unidad dotado de la σ-álgebra de Borel y
de la medida de Lebesgue, es decir, un espacio de probabilidad uniforme
en [0,1]. Definimos la sucesión Xn = 1In , ∀n, con In = [ 2pq , p+1 2q ],
siendo p y q los únicos enteros positivos que verifican, p + 2q = n y
0 ≤ p < 2q . Obviamente q = q(n) y limn q(n) = +∞. Los primeros
términos de la sucesión son: n = 1, q = 0, p = 0 : X1 = 1[0,1[ ;
n = 2, q = 1, p = 0 : X2 = 1[0, 12 [ ; n = 3, q = 1, p = 1 : X3 = 1[ 12 ,1[ ;
n = 4, q = 2, p = 0, X4 = 1[0, 14 [ ; n = 5, q = 2, p = 1 : X5 = 1[ 14 , 12 [ ;
n = 6, q = 2, p = 2 : X6 = 1[ 12 , 34 [ ; n = 7, q = 2, p = 3 : X7 = 1[ 34 ,1[ .
Observemos que si X = 0, ∀δ > 0 se tiene λ{ω : |Xn (ω)| > δ} =
λ{ω : |Xn (ω)| = 1} = λ(In ) = 2−q , 2q ≤ n < 2q+1 y Xn −→ 0;
λ

pero dada la construcción de las Xn en ningún ω ∈ [0, 1] se verifica

lim Xn (ω) = 0.
La convergencia en ley (débil) no implica la convergencia en proba-
bilidad, como pone de manifiesto el siguiente ejemplo, lo que justifica
el nombre de convergencia débil puesto que es la última en la cadena
de implicaciones.
Ejemplo 5.4. Consideremos una variable Bernoulli con probabilidad
de éxito 1/2, X ∼ B(1, 1/2) y definamos una sucesión de variables
aleatorias, Xn = X, ∀n. La variable Y = 1 − X tiene la misma
distribución que X, es decir, Y ∼ B(1, 1/2). Obviamente Xn → Y ,
L

pero como |Xn − Y | = |2X − 1| = 1, no puede haber convergencia en

probabilidad.
Hay, no obstante, una situación en las que la convergencia débil y
la convergencia en probabilidad son equivalentes, cuando el límite es
a una constante.
Teorema 5.2. Si Xn → c entonces Xn → c.
L P

Prueba. Si Fn es la función de distribución de Xn , la convergencia en

Ley implica que Fn (x) → Fc (x) tal que
0, si x < c;

Fc (x) =
1, si x ≥ c.
Sea ahora δ > 0,

P (|Xn − c| > δ) =
P (Xn − c < −δ) + P (Xn − c > δ) =
P (Xn < c − δ) + P (Xn > c + δ) ≤
P (Xn ≤ c − δ) + 1 − P (Xn ≤ c + δ) =
Fn (c − δ) + 1 − Fn (c + δ), (5.3)
5.3. LEYES DE LOS GRANDES NÚMEROS 195

por ser c − δ y c + δ puntos de continuidad de Fc . La convergencia

débil de Fn a Fc implica que P (|Xn − c| > δ) converge a 0 y, en
consecuencia, Xn → c.
P

5.3 Leyes de los Grandes Números

El nombre de leyes de los grandes números hace referencia al es-
tudio de un tipo especial de límites derivados de la sucesión de va-
riables aleatorias {Xn }. Concretamente los de la forma limn Snb−a
n
n
,
con Sn = i=1 Xi y siendo {an } y {bn } sucesiones de constantes ta-
Pn
les que lim bn = +∞. En esta sección fijaremos las condiciones para
saber cuando existe convergencia casi segura (ley fuerte de los gran-
des números) o convergencia en probabilidad (ley débil de los grandes
números).
Teorema 5.3. Sea {Xk } una sucesión de variables Pn aleatorias inde-
pendientes tales que E(Xk2 ) < +∞, ∀k, y limn n12 k=1 var(Xk ) = 0,
entonces
n
1X P
(Xk − E(Xk )) −→ 0.
n
k=1

Pn Para Sn =
Prueba. k=1 (Xk − E(Xk )), E(Sn ) = 0 y var(Sn ) =
1
Pn
n
n
1
2 k=1 var(Xk ). Por la desigualdad de Chebyshev, ∀ε > 0
n
var(Sn ) 1 X
P (|Sn | ≥ ε) ≤ = var(Xk ),
ε2 n2 ε2
k=1

que al pasar al límite nos asegura la convergencia en probabilidad de

Sn a 0.
Corolario 5.1. Si las Xn son i.i.d. con varianza finita y esperanza
común µ, entonces n1 k=1 Xk −→ µ.
Pn P

Prueba. Si var(Xk ) = σ 2 , ∀k, tendremos n12 k=1 var(Xk ) = σn que

Pn 2

tiende a cero con n. Es por tanto de aplicación la ley débil que conduce
al resultado enunciado.
Este resultado fué demostrado por primera vez por J. Bernoulli
para variables con distribución binomial (véase el ejemplo 5.1), versión
que se conoce como la ley de los grandes números de Bernoulli. El
siguiente paso será fijar las condiciones para que el resultado sea válido
bajo convergencia casi segura.
Teorema 5.4. Si {Xk } es una sucesión de variables aleatorias i.i.d.
con media finita µ entonces
n
X Xk a.s.
−→ µ.
n
k=1

La demostración de la ley fuerte es de una complejidad, aun en

su versión más sencilla debida a Etemadi, fuera del alcance y pre-
tensiones de este texto. La primera demostración, más compleja que
la de Etemadi, se debe a Kolmogorov y es el resultado final de una
cadena de propiedades previas de gran interés y utilidad en sí mis-
mas. Aconsejamos vivamente al estudiante que encuentre ocasión de
196CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

hojear ambos desarrollos en cualquiera de los textos habituales (Bu-

rrill, Billingsley,. . .) pero que en ningún caso olvide el desarrollo de
Kolmogorov.

5.3.1 El teorema de Glivenko-Cantelli

Para las variables aleatorias X1 , X2 , . . . , Xn se define la función de
distribución empírica mediante
n
1X
Fn (x, ω) = 1]−∞,x] (Xk (ω)).
n
k=1

Cuando todas las variables tienen la misma distribución, Fn (x, ω) es

el estimador natural de la función de distribución común, F (x). El
acierto en la elección de este estimador se pone de manifiesto en el
siguiente resultado.
Teorema 5.5. Sea {Xk } una sucesión de variables aleatorias i.i.d.
con función de distribución común F (x), entonces Fn (x, ω) −→ F (x).
a.s.

Prueba. Para cada x, Fn (x, ω) es una variable aleatoria resultante de

sumar las n variables aleatorias independientes, 1(−∞,x] (Xk (ω)) con
k = 1, . . . , n, cada una de ellas con la misma esperanza, E1(−∞,x] (Xk (ω))) =
P(Xk ≤ x) = F (x). Aplicando la ley fuerte de los grandes números,
a.s.
Fn (x, ω) −→ F (x),
que es el resultado buscado.
Este resultado es previo al teorema que da nombre al apartado y
que nos permite contrastar la hipótesis de suponer que F es la distri-
bución común a toda la sucesión, el teorema de Glivenko-Cantelli.
Teorema 5.6. Sea {Xk } una sucesión de variables aleatorias i.i.d.
con función de distribución común F (x). Si
Dn (ω) = sup |Fn (x, ω) − F (x)|,
x

entonces Dn −→ 0.
a.s.

La demostración, muy técnica, la omitimos y dejamos al interés

del lector consultarla en el texto de Billingsley.

5.3.2 Integración y método de Montecarlo

Sea f (x) ∈ C([0, 1]) con valores en [0, 1]. Una aproximación al
valor de 0 f (x)dx puede obtenerse a partir de una sucesión de pares
R1

de variables aleatorias distribuidas uniformemente en [0, 1]: (Xn , Yn )

con n ≥ 1. Definimos

1, si f (Xi ) ≥ Yi
Zi =
0, si f (Xi ) < Yi .
Así definidas las Zi son variables Bernoulli con parámetro p = E(Zi ) =
P (f (Xi ) ≥ Yi ) = 0 f (x)dx, y aplicándoles la ley fuerte de los grandes
R1

números tendremos que

n Z 1
1X a.s.
Zi −→ f (x)dx,
n i=1 0
5.3. LEYES DE LOS GRANDES NÚMEROS 197

lo que en términos prácticos supone simular los pares (Xi , Yi ), i =

1, . . . , n, con Xi e Yi ∼ U (0, 1), y calcular la proporción de ellos que
caen por debajo de la gráfica y = f (x).

5.3.3 Aplicación de la LGN a la aproximación de

funciones
Sea g una función acotada definida sobre [0, 1], la función Bn de-
finida sobre [0, 1] mediante
n   
X k n k
Bn (x) = g x (1 − x)n−k ,
n k
k=0

es conocida como polinomio de Bernstein de grado n. El teorema de

aproximación de Weierstrass asegura que toda función continua sobre
un intervalo cerrado puede ser aproximada uniformemente mediante
polinomios. Probemos dicha afirmación para los polinomios de Berns-
tein.
Si la función g a aproximar es continua en [0, 1], será uniforme-
mente continua, entonces
∀ > 0, ∃δ > 0 tal que |g(x) − g(y)| < , si |x − y| < δ.
Además g estará también acotada y por tanto |g(x)| < M, ∀x ∈ [0, 1].
Sea ahora un x cualquiera en [0, 1],

|g(x) − Bn (x)| =
n   n   
X n k X k n k
g(x) x (1 − x)n−k − g x (1 − x)n−k ≤
k n k
k=0 k=0
n    
X k n k
g(x) − g x (1 − x)n−k =
n k
k=0
   
X k n k
g(x) − g x (1 − x)n−k +
n k
|k/n−x|<δ
   
X k n k
g(x) − g x (1 − x)n−k ≤
n k
|k/n−x|≥δ
X n
 + 2M xk (1 − x)n−k . (5.4)
k
|k/n−x|≥δ

Si Zn ∼ B(n, x), el último sumatorio no es más que

  X n
Zn
P −x >δ = xk (1 − x)n−k ,
n k
|k/n−x|≥δ

y tendremos
 
Zn
|g(x) − Bn (x)| ≤  + 2M P −x >δ ,
n
pero por la ley de los grandes números
 
Zn P Zn
−→ x y por tanto P − x > δ −→ 0,
n n
lo que demuestra la convergencia uniforme de Bn a g en [0, 1].
198CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

5.4 Función característica

La función característica es una herramienta de gran utilidad en
Teoría de la Probabilidad, una de sus mayores virtudes reside en fa-
cilitar la obtención de la distribución de probabilidad de la suma de
variables aleatorias y la del límite de sucesiones de variables alea-
torias, situaciones ambas que aparecen con frecuencia en Inferencia
Estadística.
El concepto de función característica, introducido por Lyapunov
en una de la primeras versiones del Teorema Central del Límite, pro-
cede del Análisis Matemático donde se le conoce con el nombre de
transformada de Fourier.
Definición 5.5. Sea X una variable aleatoria y sea t ∈ R. La función
característica de X se define como
φX (t) = E(eitX ) = E(cos tX) + iE(sin tX).
Como |eitX | ≤ 1, ∀t, φX (t) existe siempre y está definida ∀t ∈ R.
Recordemos que, si X es una variable discreta con soporte DX y
función de probabilidad fX (x) entonces

(5.5)
X
φX (t) = eitx fX (x).
x∈DX

Si X es una variable continua con densidad fX (x), la función carac-

terística viene dada por
Z +∞
φX (t) = eitx fX (x)dx. (5.6)
−∞

Proposición 5.1. Se verifican las siguientes propiedades:

1. φX (0) = 1.
2. |φX (t)| ≤ 1.
3. φX es uniformemente continua.
4. Si Y = aX + b,
 
φY (t) = E(eitY ) = E eit(aX+b) = eitb φX (at).

5. Si E(X n ) existe, la función característica es n veces diferenciable

y ∀k ≤ n se verifica φX (0) = ik E(X k ).
(k)

Prueba. Las dos primeras propiedades son inmediatas. Probemos la

tercera. En efecto,
Z
φX (t + h) − φX (t) = eitX (eihX − 1) dP.
Ω

Al tomar módulos,
Z
|φX (t + h) − φX (t)| ≤ |eihX − 1| dP, (5.7)
Ω

pero |eihX − 1| ≤ 2 y (5.7) será finito, lo que permite intercambiar

integración y paso al límite, obteniendo
Z
lim |φX (t + h) − φX (t)| ≤ lim |eihX − 1| dP = 0.
h→0 Ω h→0
5.4. FUNCIÓN CARACTERÍSTICA 199

La última propiedad de la proposición previa establece un intere-

sante relación entre las derivadas de φX (t) y los momentos de X cuan-
do estos existen, relación que permite desarrollar φX (t) en serie de
potencias. En efecto, si E(X n ) existe ∀n, entonces,
X ik E(X k )
φX (t) = tk . (5.8)
k!
k≥0

5.4.1 Función característica e independencia

Si X1 , X2 , . . . , Xn son variables aleatorias independientes y defini-
mos Y = X1 + X2 + · · · + Xn . Tendremos
 
φY (t) = E eit(X1 +X2 +···+Xn ) =
n
! n n
φXk (t), (5.9)
Y Y
Y
itXk
E e = E eitXk =
k=1 k=1 k=1

expresión que permite obtener con facilidad la función característica

de la suma de variables independientes y cuya utilidad pondremos de
manifiesto de inmediato.

5.4.2 Funciones características de algunas distri-

buciones conocidas
Bernoulli.- Si X ∼ B(1, p)

φX (t) = e0 q + eit p = q + peit .

Binomial.- Si X ∼ B(n, p)
n
Y
φX (t) = (q + peit ) = (q + peit )n .
k=1

Poisson.- Si X ∼ P (λ)
X e−λ λx X (λeit )x it
φX (t) = eitx = e−λ = eλ(e −1) .
x! x!
x≥0 x≥0

Normal tipificada.- Si Z ∼ N (0, 1), sabemos que existen los mo-

mentos de cualquier orden y en particular, E(Z 2n+1 ) = 0, ∀n y
2n n! , ∀n. Aplicando (5.8),
E(Z 2n ) = (2n)!
 n  2 n
(it)2
X i2n (2n)! X 2 X − t2 t2
φZ (t) = n
t2n = = = e− 2 .
2 (2n)!n! n! n!
n≥0 n≥0 n≥0

Para obtener φX (t) si X ∼ N (µ, σ 2 ), podemos utilizar el resulta-

do anterior y P4. En efecto, recordemos que X puede expresarse
en función de Z mediante X = µ + σZ y aplicando P4,
σ 2 t2
φX (t) = eiµt φZ (σt) = eiµt− 2 .
200CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

Observación 5.1. Obsérvese que Im(φZ (t)) = 0. El lector pue-

de comprobar que no se trata de un resultado exclusivo de la Nor-
mal tipificada, si no de una propiedad que poseen todas las v.
a. con distribución de probabilidad simétrica, es decir, aquellas
que verifican (P(X ≥ x)=P(X ≤ −x)).

Gamma.- Si X ∼ G(α, λ), su función de densidad de probabilidad

viene dada por
λα α−1 −λx

x e si x > 0,


Γ(α)

fX (x) =

si x ≤ 0,

 0

por lo que aplicando (5.6),

∞
λα
Z
φX (t) = eitx xα−1 e−λx dx,
Γ(α) 0

que con el cambio y = x(1 − it/λ) conduce a

 −α
it
φX (t) = 1 − .
λ
Hay dos casos particulares que merecen ser mencionados:
Exponencial.- La distribución exponencial puede ser conside-
rada un caso particular de G(α, λ) cuando α = 1. A partir
de aquí,
λ
φX (t) = .
λ − it
ji cuadrado.- Cuando α = n/2 y λ = 1/2, decimos que X tiene
una distribución χ2 con n grados de libertad, X ∼ χ2n . Su
función característica será
n
φX (t) = (1 − 2it)− 2 .

5.4.3 Teorema de inversión. Unicidad

Hemos obtenido la función característica de una v. a. X a partir de
su distribución de probabilidad, pero es posible proceder de manera
inversa por cuanto el conocimiento de φX (t) permite obtener FX (x).
El siguiente resultado es conocido como la fórmula de inversión de
Lévy.
Teorema 5.7. Sean φ(t) y F (x) las funciones característica y de
distribución de la v. a. X y sean a ≤ b sendos puntos de continuidad
de F , entonces
Z T −ita
1 e − e−itb
F (b) − F (a) = lim φ(t)dt.
T →∞ 2π −T it
Que puede también expresarse
T
sin ht −itx0
Z
1
F (x0 + h) − F (x0 − h) = lim e φ(t)dt,
T →∞ π −T t
donde h > 0 y x0 + h y x0 − h son puntos de continuidad de F .
5.4. FUNCIÓN CARACTERÍSTICA 201

Prueba. Sea
T
sin ht −itx0
Z
1
J = e φ(t)dt
π −T t
T
sin ht −itx0
Z Z 
1
= e eitx dF (x) dt
π −T t R

T
sin ht it(x−x0 )
Z Z 
1
= e dF (x) dt,
π −T R t

donde φ(t) = E(eitX ) = eitx dF (x). Pero

R
R

sin ht it(x−x0 ) sin ht

e ≤ ≤h
t t

y como T es finito J será también finito y podemos aplicar el teorema

de Fubini que nos permite el cambio en el orden de integración. Es
decir

sin ht it(x−x0 )
Z "Z T #
1
J = e dt dF (x)
π R −T t

sin ht
Z "Z T #
1
= (cos t(x − x0 ) + i sin t(x − x0 ))dt dF (x)
π R −T t

sin ht
Z "Z T #
2
= cos t(x − x0 )dt dF (x).
π R 0 t

Aplicando la fórmula sin α cos β = 12 (sin(α + β) + sin(α − β)), con

α = ht y β = t(x − x0 ),
Z "Z T #
2 1
J = (sin t(x − x0 + h) − sin t(x − x0 − h))dt dF (x)
π R 0 2t

sin t(x − x0 + h) sin t(x − x0 − +h)

Z "Z T Z T #
1
= dt − dt dF (x)
π R 0 t 0 t
Z
1
= g(x, T )dF (x).
π R

Por lo que respecta a la función g(x, T ) observemos que

T
sin x
Z
π
lim dx =
T →∞ 0 x 2

y está acotada para T > 0. Por otra parte

T
sin αx αT
sin u
Z Z
dx = du
0 x 0 u
y en consecuencia

1, α > 0;
T
sin αx
Z
2 
lim dx = 0, α = 0;
T →∞ π 0 x
−1, α < 0.

202CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

Aplicándolo a g(x, T ),


 0, x < x0 − h;
1
2 , x = x0 − h;


1 
lim g(x, T ) = 1, x0 − h < x < x0 + h;
T →∞ π 1
, x = x0 + h;


 2


0, x > x0 + h.

Como |g(x, T )| está acotada podemos hacer uso de los teoremas de

convergencia para permutar integración y paso al límite, con lo que
tendremos
Z
1
lim J = lim g(x, T )dF (x)
T →∞ T →∞ π R
Z
1
= lim g(x, T )dF (x)
π R T →∞
Z x0 +h
= dF (x) = F (x0 + h) − F (x0 − h).
x0 −h

Este resultado permite obtener F (x) en cualquier x que sea punto

de continuidad de F . Basta para ello que en F (x)−F (y) hagamos que
y → −∞ a través de puntos de continuidad. Como FX (x) es continua
por la derecha, la tendremos también determinada en los puntos de
discontinuidad sin más que descender hacia ellos a través de puntos
de continuidad.
Si la variable es continua, un corolario del anterior teorema permite
obtener la función de densidad directamente a partir de la función
característica.
Corolario 5.2. Si φ(t) es absolutamente integrable en R, entonces
la función de distribución es absolutamente continua, su derivada es
uniformemente continua y
Z
dF (x) 1
f (x) = = e−itx φ(t)dt.
dx 2π R
Prueba. Del desarrollo del teorema anterior tenemos que
F (x0 + h) − F (x0 − h) sin ht −itx0
Z
1
= e φ(t)dt
2h 2π R ht
sin ht −itx0
Z
1
≤ e φ(t) dt
2π R ht
Z
1
≤ |φ(t)|dt < +∞,
2π R
y por tanto
F (x0 + h) − F (x0 − h)
Z
1
lim = f (x0 ) = e−itx0 φ(t)dt.
h→0 2h 2π R

Existe por tanto la derivada en todos los puntos de continuidad de F .

La continuidad absoluta de F deriva de la desigualdad
Z
2h
F (x0 + h) − F (x0 − h) ≤ |φ(t)|dt,
2π R
5.4. FUNCIÓN CARACTERÍSTICA 203

cuyo segundo miembro podemos hacer tan pequeño como queramos

eligiendo h adecuadamente.
Por último, la continuidad uniforme de f (x) se deriva de

|f (x + h) − f (x)| =
Z Z
1 1
e−ix (e−ith − 1)φ(t)dt ≤ |e−ith − 1||φ(t)|dt, (5.10)
2π R 2π R
pero

|e−ith − 1| = |(cos th − 1) − i sin th|

q
= (cos th − 1)2 + sin2 th
2(1 − cos th)
p
=
th
= 2 sin ,
2
y sustituyendo en (5.10)
Z
1 th
|f (x + h) − f (x)| ≤ 2 sin |φ(t)|dt ≤
2π R 2
Z Z
1 th 1
2 sin |φ(t)|dt + 2|φ(t)|dt, (5.11)
2π |t|≤a 2 2π |t|>a

donde a se elige de forma que la segunda integral sea menor que /2, lo
que es posible por la integrabilidad absoluta de φ. La primera integral
también puede acotarse por /2 eligiendo h adecuadamente.
Pero este teorema tiene una trascendencia mayor por cuanto im-
plica la unicidad de la función característica, que no por casualidad
recibe este nombre, porque caracteriza, al igual que lo hacen otras fun-
ciones asociadas a X (la de distribución, la de probabilidad o densidad
de probabilidad, ...), su distribución de probabilidad. Podemos afirmar
que si dos variables X e Y comparten la misma función característica
tienen idéntica distribución de probabilidad. La combinación de este
resultado con las propiedades antes enunciadas da lugar a una potente
herramienta que facilita el estudio y obtención de las distribuciones
de probabilidad asociadas a la suma de variables independientes. Veá-
moslo con algunos ejemplos.
Ejemplo 5.5. Si las variablesP Xk ∼ B(nk , p), k = 1, 2, . . . , m son
independientes, al definir X = k=1 Xk , sabemos por (5.9) que
m

m
Y m
Y
φX (t) = φXk (t) = (q + peit )nk = (q + peit )n ,
k=1 k=1

con n = n1 + n2 + · · · + nm . Pero siendo esta la función característica

de una variable B(n, p), podemos afirmar que X ∼ B(n, p).
Ejemplo 5.6. Si nuestra suma es ahora de variables Poisson inde-
pendientes, Xk ∼ P (λk ), entonces
m m
Y Y it it
−1) −1)
φX (t) = φXk (t) = eλk (e = eλ(e ,
k=1 k=1

con λ = λ1 + λ2 + · · · + λm . Así pues, X ∼ P (λ).

204CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

Ejemplo 5.7. Si X = con Xk ∼ N (µk , σk2 ) e indepen-

Pn
k=1 ck Xk
dientes,
n
Y
φX (t) = φP ck Xk (t) = φXk (ck t)
k=1
n 2 c2 t2
Y σk k
= eick tµk − 2

k=1

σ 2 t2
= eiµt− 2 , (5.12)

Se deduce de (5.12) que X ∼ N (µ, σ 2 ) con

n n
y
X X
µ= ck µk σ2 = c2k σk2 .
k=1 k=1

Ejemplo 5.8. En el caso de que la suma esté formada por n variables

independientes todas ellas Exp(λ),
 n  −n
λ it
φX (t) = = 1− ,
λ − it λ
y su distribución será la de una G(n, λ).
Ejemplo 5.9. Sea ahora Y = X 2 con X ∼ N (0, 1), su función
característica viene dada por
Z ∞
1 2
− x2 (1−2it) 1
φY (t) = 1 e dx = 1 ,
−∞ (2π) 2 (1 − 2it) 2

lo que nos asegura que Y ∼ χ21 .

Algunos de estos resultados fueron obtenidos anteriormente, pero
su obtención fué entonces mucho más laboriosa de lo que ahora ha
resultado.

5.4.4 Distribuciones en el muestreo en una pobla-

ción normal
Si la distribución común a las componentes de la muestra aleatoria
de tamaño n es una N (µ, σ 2 ), se verifica el siguiente teorema:
Teorema 5.8. Sea X1 , X2 , . . . , Xn una muestra aleatoria de tamaño
n de una población N (µ, σ 2 ). Entonces, X n ∼ N (µ, σ 2 /n) y (n −
1)Sn2 /σ 2 ∼ χ2n−1 , y además son independientes.
Prueba. La distribución de X n se deduce de (5.12) haciendo ck = 1/n,
∀k. Tendremos que
n n
σ2
y
X X
µ= ck µ k = µ σ2 = c2k σk2 = .
n
k=1 k=1

La obtención de la distribución de exige primero demostrar su

Sn2
independencia de X n . Para ello recordemos la expresión de la densidad
conjunta de las n componentes de la muestra,
1
n Pn o
2
− 2σ12 i=i (xi −µ)
f (x1 , x2 , . . . , xn ) = n e ,
σ (2π)n/2
5.4. FUNCIÓN CARACTERÍSTICA 205

pero fácilmente se comprueba que

n n
(5.13)
X X
(xi − µ)2 = (xi − xn )2 + n(xn − µ)2 .
i=i i=i

Sustituyendo en la anterior expresión

1
n Pn o
2
− 2σ12 n
i=i (xi −xn ) − 2σ 2 (xn −µ)2
f (x1 , x2 , . . . , xn ) = e
σ n (2π)n/2
1 u/2σ 2


n/2σ 2 (xn −µ)2


= e− e− ,
σ n (2π)n/2

con u = (xi − xn )2 .
P
Hagamos ahora el cambio
√
xi = xn + vi u, i = 1, 2, . . . , n.

Como
n n
y (5.14)
X X
vi = 0 vi2 = 1,
i=1 i=1

dos de las nuevas variables serán función de las restantes. Resolviendo

las ecuaciones de (5.14) para vn−1 y vn , una de las dos soluciones es

A−B A+B
vn−1 = y vn = ,
2 2
con
 2
n−2 n−2
y
X X X
A=− vi B = 2 − 3 vi2 − vi vj  .
i=1 i=1 i6=j

Así pues, podemos expresar cada xi en función de (v1 , . . . , vn−2 , xn , u)

de la siguiente forma,
√
xi = x + vi u, i = 1, . . . , n − 2,

A − B√ A + B√
xn−1 = xn + u, xn = xn + u. (5.15)
2 2
El Jacobiano de (5.15), laborioso pero sencillo de obtener, tiene la
forma
|J| = u(n−2)/2 h(v1 , . . . , vn−2 ),
donde la expresión exacta de h no es necesaria a los efectos de obtener
la densidad conjunta de (v1 , . . . , vn−2 , xn , u). Utilizando del Teorema
3.1 (página 116), podemos escribir

1 u/2σ 2


n/2σ 2 (xn −µ)2


g(v1 , . . . , vn−2 , xn , u) = un−2 e− e− h(v1 , . . . , vn−2 ),
σ n (2π)n/2

que no es más que el producto de las tres densidades siguientes

u/2σ 2


g1 (u) = c1 un−2 e−
n/2σ 2 (xn −µ)2


g2 (xn ) = c2 e −
g3 (v1 , . . . , vn−2 ) = c3 h(v1 , . . . , vn−2 ).
206CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

Esta factorización nos permite afirmar que las variables U = (n−1)Sn2 ,

X n y (V1 , V2 , . . . , Vn−2 ) son independientes.
Volvamos ahora a la distribución de Sn2 . De (5.13) podemos escri-
bir,
n  2 X n  2  2 √
!2
X Xi − µ Xi − X n Xn − µ Sn2 n Xn − µ
= + √ = (n−1) 2 + .
i=i
σ i=i
σ σ/ n σ σ
√ (5.16)
Como Yi = (Xi − µ)/σ, i = 1, . . . , n y Z = n X n − µ /σ son todas

ellas variables N (0, 1), tendremos que

n  2 2
√

Xi − µ Xn − µ
y
X
2
∼ χn n ∼ χ21 ,
i=i
σ σ

pero como (n − 1)Sn2 y X n son independientes, también lo serán

(n − 1)Sn2 /σ 2 y X n , y al calcular funciones características en ambos
miembros de (5.16),
(1 − 2it)n/2 = (1 − 2it)1/2 φ(n−1)Sn2 /σ2 .
De donde,
φ(n−1)Sn2 /σ2 = (1 − 2it)(n−1)/2 ,
y
Sn2
(n − 1) ∼ χ2n−1 .
σ2

5.4.5 Teorema de continuidad de Lévy

Se trata del último de los resultados que presentaremos y permi-
te conocer la convergencia de una sucesión de v. a. a través de la
convergencia puntual de la sucesión de sus funciones características.
Teorema 5.9. Sea {Xn }n≥1 una sucesión de v. a. y {Fn (x)}n≥1 y
{φn (t)}n≥1 las respectivas sucesiones de sus funciones de distribución
y características. Sea X una v. a. y FX (x) y φ(t) sus funciones de
distribución y característica, respectivamente. Si Fn → F (es decir,
w

Xn → X), entonces
L

φn (t) −→ φ(t), ∀t ∈ R.
Resultado que se completa con el teorema inverso.
Teorema 5.10. Sea {φn (t)}n≥1 una sucesión de funciones caracterís-
ticas y {Fn (x)}n≥1 la sucesión de funciones de distribución asociadas.
Sea φ(t) una función continua en 0, si ∀t ∈ R, φn (t) → φ(t), entonces
w
Fn −→ F,
donde F (x) en una función de distribución cuya función característica
es φ(t).
Este resultado permite, como decíamos antes, estudiar el compor-
tamiento límite de sucesiones de v. a. a través del de sus funciones
características, generalmente de mayor sencillez. Sin duda una de sus
aplicaciones más relevantes ha sido el conjunto de resultados que se
conocen como Teorema Central del Límite (TCL), bautizados con este
nombre por Lyapunov que pretendió así destacar el papel central de
estos resultados en la Teoría de la Probabilidad.
5.5. TEOREMA CENTRAL DE LÍMITE 207

5.5 Teorema Central de Límite

Una aplicación inmediata es el Teorema de De Moivre-Laplace, una
versión temprana del TCL, que estudia el comportamiento asintótico
de una B(n, p).
Teorema 5.11. Sea Xn ∼ B(n, p) y definamos Zn = pXn −np .
np(1−p)
Entonces
L
Zn −→ N (0, 1).
Prueba. Aplicando los resultados anteriores, se obtiene
 q
p
q n
−it n(1−p) (1−p)
it
φZn (t) = (1 − p)e + pe np
,

que admite un desarrollo en serie de potencias de la forma

n
t2

φZn (t) = 1 − (1 + Rn ) ,
2n
con Rn → 0, si n → ∞. En consecuencia,
t2
lim φZn (t) = e− 2 .
n→∞

La unicidad y el teorema de continuidad hacen el resto.

Observación 5.2. Lo que el teorema afirma es que si X ∼ B(n, p),
para n suficientemente grande, tenemos
!
X − np
P p ≤ x ' Φ(x),
np(1 − p)

donde Φ(x) es la función de distribución de la N (0, 1).

¿De qué forma puede generalizarse este resultado? Como ya sabe-
mos Xn ∼ B(n, p) es la suma de n v. a. i.i.d., todas ellas Bernoulli
(Yk ∼ B(1, p)), cuya varianza común, var(Y1 ) = p(1 − p), es finita. En
esta dirección tiene lugar la generalización: variables independientes,
con igual distribución y con varianza finita. Es el teorema de Linde-
berg.
Teorema 5.12. Sean X1 , X2 , . . . , Xn , v.a. i.i.d. con
Pnmedia y varianza
finitas, µ y σ 2 , respectivamente. Sea X n = n1 k=1 Xk su media
muestral, entonces

Xn − µ X n − E(X n ) L
Yn = √ = q −→ N (0, 1).
σ/ n
var(X n )

Prueba. Teniendo en cuenta la definición de X n podemos escribir

n
Xn − µ 1 X
√ =√ Zk ,
σ/ n n
k=1

con Zk = (Xk − µ)/σ, variables aleatorias i.i.d. con E(Z1 ) = 0 y

var(Z1 ) = 1. Aplicando Pφ4 y (5.9) tendremos
  n
t
φYn (t) = φZ1 √
n
208CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

Pero existiendo los dos primeros momentos de Z1 y teniendo en cuenta

(5.8), φZ1 (t) puede también expresarse de la forma

t2
φZ1 (t) = 1 − (1 + Rn ),
2n
con Rn → 0, si n → ∞. En consecuencia,
n
t2

φYn (t) = 1 − (1 + Rn ) .
2n

Así pues,
t2
lim φYn (t) = e− 2 ,
n→∞

que es la función característica de una N (0, 1).

Observemos que el Teorema de De Moivre-Laplace es un caso par-

ticular del Teorema de Lindeberg, acerca de cuya importancia se invita
al lector a reflexionar porque lo que en él se afirma es, ni más ni menos,
que sea cual sea la distribución común a las Xi , su media muestral X n ,
adecuadamente tipificada, converge a una N (0, 1) cuando n → ∞.
El teorema de Lindeberg, que puede considerarse el teorema cen-
tral del límite básico, admite una generalización en la dirección de
relajar la condición de equidistribución exigida a las variables. Las
llamadas condiciones de Lindeberg y Lyapunov muestran sendos re-
sultados que permiten eliminar aquella condición.

Ejemplo 5.10. Consideremos una sucesión de variables aleatorias

X1 , X2 , . . . ,, independientes e idénticamente distribuidas, Poisson de
parámetro λ = 1. La variable Sn = i=1 Xi es también Poisson con
Pn
parámetro λn = n. Si Z ∼ N (0, 1), para n suficientemente grande el
TCL nos permite escribir,

P (Sn = n) = P (n − 1 < Sn ≤ n)
 
1 Sn − n
= P −√ < √ ≤0
n n
 
1
≈ P −√ < Z ≤ 0
n
Z 0
1 2
= √ √
e−x /2 dx
2π −1/ n
1
≈ √ ,
2πn
en donde
√ la última expresión surge de aproximar la integral entre
[−1/ n, 0] de f (x) = e−x /2 mediante el área del rectángulo que tiene
2

por base el intervalo de integración y por altura el f (0) = 1.

Por otra parte,
nn
P (Sn = n) = e−n .
n!
Igualando ambos resultado y despejando n! se obtiene la llamada fór-
mula de Stirling: √
n! ≈ nn+1/2 e−n 2π.
5.5. TEOREMA CENTRAL DE LÍMITE 209

5.5.1 Una curiosa aplicación del TCL

De Moivre y Laplace dieron en primer lugar una versión local del
TCL al demostrar que si X ∼ B(n, p),
1
(5.17)
p 1 2
P (X = m) np(1 − p) ≈ √ e− 2 x ,
2π

para n suficientemente grande y x = pm−npnp(1−p)

. Esta aproximación nos
va a servir para estudiar la credibilidad de algunas aproximaciones al
número π obtenidas a partir del problema de la aguja de Buffon.
Recordemos que en el problema planteado por Buffon se pretende
calcular la probabilidad de que una aguja de longitud l, lanzada al
azar sobre una trama de paralelas separadas entre si una distancia a,
con a > l, corte a alguna de las paralelas. Puestos de acuerdo sobre
el significado de lanzada al azar, la respuesta es
2l
P (corte) = ,
aπ
resultado que permite obtener una aproximación de π si, conocidos
a y l, sustituimos en π = aP (corte)
2l
la probabilidad de corte por su
estimador natural la frecuencia relativa de corte, p, a lo largo de n
lanzamientos. Podremos escribir, si en lugar de trabajar con π lo ha-
cemos con su inverso,
1 am
= ,
π 2ln
donde m es el número de cortes en los n lanzamientos.
El año 1901 Lazzarini realizó 3408 lanzamientos obteniendo para π
el valor 3.1415929 con ¡¡6 cifras decimales exactas!!. La aproximación
es tan buena que merece como mínimo alguna pequeña reflexión. Para
empezar supongamos que el número de cortes aumenta en una unidad,
las aproximaciones de los inversos de π correspondientes a los m y
m + 1 cortes diferirían en
a(m + 1) am a 1
− = ≥ ,
2ln 2ln 2ln 2n
que si n ≈ 5000, da lugar a 2n
1
≈ 10−4 . Es decir, un corte más produce
una diferencia mayor que la precisión de 10−6 alcanzada. No queda
más alternativa que reconocer que Lazzarini tuvo la suerte de obtener
exactamente el número de cortes, m, que conducía a tan excelente
aproximación. La pregunta inmediata es, >cuál es la probabilidad de
que ello ocurriera?, y para responderla podemos recurrir a (5.17) de
la siguiente forma,
1 (m−np)2 1
P (X = m) ≈ p e− 2np(1−p) ≤ p .
2πnp(1 − p) 2πnp(1 − p)

Por ejemplo, si a = 2l entonces p = 1/π y para P (X = m) obtendría-

mos la siguiente cota
r
π
P (X = m) ≤ .
2n(π − 1)

Para el caso de Lazzarini n=3408 y P (X = m) ≤ 0.0146, ∀m. Parece

ser que Lazzarini era un hombre de suerte, quizás demasiada.
210CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

5.6 Ejercicios
Algunos básicos
* Ej. 348 — La sucesión de variables aleatorias {Xn }∞
n=1 converge
en probabilidad a una constante b si ∀ > 0, limn→∞ P (| Xn − b |<
) = 1
[Link] {Zn }∞ n=1 una sucesión de variables aleatorias, tales que Zn
solo puede tomar los valores 0 y n2 con probabilidades 1 − n1
y n1 , respectivamente. Comprueba que la sucesión de variables
aleatorias {Zn }∞n=1 converge en probabilidad a 0, pero la sucesión
de sus valores esperados diverge.
[Link] una sucesión de variables aleatorias cuyas medias con-
verjan a 0, pero que no converja en probabilidad.

* Ej. 349 — La sucesión de variables aleatorias {Xn }∞

n=1 converge
en media cuadrática a una constante b si limn→∞ E((Xn − b)2 ) = 0
[Link] que la sucesión de variables aleatorias {Xn }∞
n=1 con-
verge en media cuadrática a b si y solo si sus medias convergen
a b y sus varianzas convergen a 0.
[Link] que si {Xn }∞n=1 converge en media cuadrática a b,
entonces también converge en probabilidad a b.

* Ej. 350 — Sea {Xn }∞ n=1 una sucesión de variables aleatorias in-
dependientes, todas ellas con la misma distribución cuya media µ
y varianza
Pnσ existen. Comprueba que la sucesión {X n }n=1 donde
2 ∞

X n = n1 k=1 Xk converge en media cuadrática a µ.

* Ej. 351 — Sea {Zn }∞ n=1 una sucesión de variables aleatorias, tales
que Zn solo puede tomar los valores n1 y n con probabilidades 1 − n12
y n12 , respectivamente.
1.¿Existe alguna constante b a la que esa sucesión converja en
probabilidad?
2.¿Existe alguna constante b a la que esa sucesión converja en
media cuadrática?

* Ej. 352 — Los clientes de cierto banco efectúan depósitos con me-
dia 157.92 euros y desviación típica 30.20 euros. Aparte de esto no se
sabe nada más acerca de la distribución de estos depósitos. Como
parte de un estudio, se eligieron al azar e independientemente 75 de-
pósitos. ¿Cuál es la probabilidad de que la media de estos 75 depósitos
sea 170.00 euros o mayor?

* Ej. 353 — Los vehículos que cruzan un puente tienen pesos cuya
media es de 4675 quilos y cuya desviación estándar es de 345 quilos. Si
hay 40 vehículos sobre el puente en un instante dado, hallar el número
K tal que la probabilidad (aproximada) de que su peso total no supere
a K sea de 0.99.
* Ej. 354 — La gente que frecuenta cierto pub tiene una probabili-
dad de 0.001 de salir y cantar con el grupo que está actuando. En una
noche determinada hay 150 personas en el pub. ¿Cuál es la probabili-
dad de que al menos una persona salga y cante con el grupo ? Suponer
5.6. EJERCICIOS 211

que cada persona en el pub toma la decisión independientemente del

resto. Hallar el verdadero valor y el aproximado por la distribución
apropiada con una precisión de 5 dígitos.

* Ej. 355 — El suceso A tiene una probabilidad de 0.4. Esto sig-

nifica que esperamos que la frecuencia relativa de A esté cercana a
0.4 en una larga serie de repeticiones del experimento que se está mo-
delizando. ¿Cuál es la probabilidad de que en 1000 experimentos, la
frecuencia relativa esté entre 0.38 y 0.42 (inclusive)? Usar una apro-
ximación adecuada.

* Ej. 356 — Un borracho camina de forma aleatoria de la siguiente

forma: Cada minuto da un paso hacia adelante o hacia atrás con igual
probabilidad y con independencia de los pasos anteriores. Cada paso
es de 50 cm. Utiliza el teorema central del límite para aproximar la
probabilidad de que en una hora avance más de 5 metros.

* Ej. 357 — Una compañía de logística envía paquetes de distintos

pesos, con una media de 15 kg y una desviación típica de 10. Teniendo
en cuenta que los paquetes provienen de una gran cantidad de clientes
diferentes, es razonable modelizar sus pesos como variables aleatorias
independientes. Calcular la probabilidad de que el peso total de 100
paquetes exceda de 1700 kg.

* Ej. 358 — Un jugador de baloncesto encesta un lanzamiento de 3

puntos con probabilidad 0.3. Empleando el teorema central del límite,
aproxima la distribución del número de canastas conseguidas en 25
lanzamientos. Calcula la probabilidad de encestar más de 10 canastas.

Y los demás
* Ej. 359 — Ante la caja de un banco hay 60 personas que esperan
recibir su salario, del que sabemos que es una cantidad aleatoria de
media µ = 100 ecus y desviación típica σ = 30 euros. Si los salarios
son independientes de un asalariado a otro, queremos saber:
1.¿cuanto dinero debe tener la caja para, con probabilidad 0.95,
poder pagar todos los salarios?
[Link] la caja cuenta incialmente con 7.000 euros: ¿cúal es la proba-
bilidad de que al final de los pagos queden en caja al menos 500
euros?

* Ej. 360 — Una empresa produce 10000 bolas de acero para roda-
mientos, siendo p = 0.05 la probabilidad de que una bola sea defec-
tuosa. El proceso de producción garantiza que las bolas son fabricadas
independientemente unas de otras. Las bolas defectuosas son arroja-
das a un recipiente cuya capacidad queremos determinar para que,
con probabilidad 0.99, quepan en él todas las bolas defectuosas del
proceso.

* Ej. 361 — Las bombillas utilizadas por cierto aparato pueden ser
de dos clases, A y B. Las de la clase A tienen una duración media
µA = 2000 horas con devsiación típica σA = 400 horas, mientras
que las de la clase B tienen una duración media µB = 1800 horas
con desviación típica σB = 500 horas. Se compran 200 bombillas de
la clase A y 150 de la clase B. Calcular la probabilidad de que la
212CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

duración media de la muestra de la clase A no supere en más de 100

horas la duración media de la muestra de la clase B.
* Ej. 362 — Un colegio está preparando la fiesta de graduación de
sus 500 estudiantes. Se sabe, por lo ocurrido en otras ocasiones, que el
50% de los estudiantes vienen acompañados de sus padres, el 30% sólo
por uno de ellos y el 20% restante vienen solos. >Cuantos asientos hay
que disponer para los padres si queremos que, con una probabilidad
superior a 0.95, todos ellos puedan sentarse?

* Ej. 363 — Disponemos de un dado cargado en el que la probabi-

lidad de obtener cualquiera de las caras es proporcional a su número
de puntos. Jugamos con él pagando 4 euros por jugada y recibiendo
como premio tantos euros como puntos tiene la cara obtenida al lan-
zarlo. Obtener la probabilidad aproximada de ir ganando al cabo de
100 jugadas.

* Ej. 364 — Consideremos la variable aleatoria X ∼ U (0, 1) y defi-

namos la sucesión Xn = X/n, n ≥ 1. Comprobar que Xn → Y , siendo
L

Y una variable aleatoria degenerada, P (Y = 0) = 1.

* Ej. 365 — La sucesión de variables aleatorias {Xn }n≥1 tales que

P (Xn = 1 − 1/n) = P (Xn = 1 + 1/n) = 1/2, convergen en ley a la
variable aleatoria X tal que P (X = 1) = 1. >Tienden sus funciones
de probabilidad a una función de probabilidad?

* Ej. 366 — Sean Xj , j = 1, . . . , n, variables aleatorias indepen-

dientes, todas ellas U (0, 1). Definimos

Yn = min(X1 , . . . , Xn ), Zn = max(X1 , . . . , Xn ), Un = nYn , Vn = n(1−Zn ).

Demostrar que cuando n → +∞,

P P L P
Yn −→ 0; Zn −→ 1; Un −→ U ; Vn −→ V,

siendo U y V variables aleatorias exponenciales con parámetro λ = 1.

* Ej. 367 — Demostrar que la independencia de las variables en la

ley débil de los grandes números puede relajarse exigiendo solamente
independencia dos a dos y acotación de las varianzas. Es decir, si Xj ,
j = 1, . . . , n, verifican que E(Xj ) = µj y var(Xj ) = σj2 son finitas,
entonces
P
X n − µn −→ 0,
donde
n n
1X 1X
µn = µj , Xn = Xj
n j=1 n j=1

las Xj son independientes dos a dos y σj2 ≤ M , ∀j.

* Ej. 368 — Aplicar el anterior resultado a las variables aleatorias

Xj , j = 1, . . . , n, independientes dos a dos y tales que

1
P (Xj = −aj ) = P (Xj = aj ) = .
2
>Para qué valores de a es aplicable el resultado?
5.6. EJERCICIOS 213

* Ej. 369 — Sea Sn el número de éxitos en n pruebas Bernoulli

con probabilidad de éxito p en cada prueba. Encontrar una cota para
P (|Sn /n − p| ≥ ) que no dependa de p.

* Ej. 370 — Tenemos dos monedas, una correcta y otra con proba-
bilidad de cara p = 3/4. Elegimos al azar una de las dos y realizamos
una serie de lanzamientos. Después de observar el resultado de un
gran número de ellos, >podemos saber la moneda elegida? >Cuál es
el mínimo número de lanzamientos para poder saberlo con una pro-
babilidad de al menos 95%?

** Ej. 371 — Sea g una función acotada definida sobre [0, 1], la
función Bn definida sobre [0, 1] mediante
n   
X k n k
Bn (x) = g x (1 − x)n−k ,
n k
k=0

es conocida como polinomio de Bernstein de grado n.

El teorema de aproximación de Weierstrass asegura que que toda fun-
ción continua sobre un intervalo cerrado puede ser aproximada uni-
formemente mediante polinomios. Probar dicha afirmación para los
polinomios de Bernstein.

* Ej. 372 — Probar que una variable aleatoria X es simétrica sí y

sólo sí su función característica es real.
* Ej. 373 — Encontrar la distribución de las variables aleatorias
que tiene por función característica

1) φ1 (t) = ak cos kt, 2) φ2 (t) =

X X
ak eiλk t .
k≥0 k≥0

** Ej. 374 — Probar con argumentos probabilísticos que

n
X nk n 1
e−n −→ .
k! 2
k=0

* Ej. 375 — Consideremos x ∈ [0, 1] y sea ξnP(x)={el n-ésimo dígito

de su expresión decimal}. Definamos Sn (x) = k=1 ξk (x) y
n

 
2Sn (x) − 9n
An (y) = x; √ <y ,
33n
y sea λ(An (y)) la medida de Lebesgue de An (y). Probar que
Z y
1 u2
lim λ(An (y)) = √ e− 2 du.
n→∞ 2π −∞

* Ej. 376 — La fabricación de zumo de naranja se lleva a cabo por

lotes de n envases. La caducidad en días de cada envase es una variable
aleatoria de media µ = 20 y varianza σ 2 = 9. Obtener la media y la
varianza de la caducidad media del lote y calcular el tamaño mínimo
del lote para que con probabilidad 0,99 dicha caducidad media supere
los 19 días.
214CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

* Ej. 377 — La variable aleatoria Y se distribuye Exp(1). Defini-

mos
1, si Y < ln n;

Xn =
0, en caso contario.
Obtener la función de distribución de Xn y estudiar la convergencia
en ley de las Xn .

* Ej. 378 — Sea T ∼ U (−1/c, 1/c), c > 0, y definamos Y = cT .

Para k ∈ N , las variables aleatorias Xk se definen mediante,

 −1, si −1 < Y < −1/k;



Xk = 0, si −1/k ≤ Y < 1/k;

1, si 1/k ≤ Y < 1.


Demostrar que Xk converge en ley a la variable aleatoria X con

función de probabilidad fX (−1) = fX (1) = 1/2 y fX (x) = 0, x ∈
/
{−1, 1}.

5.7 Soluciones

Sol. (Ej. 359) — a)Si por Xi designamos el salario del ocupante i-

ésimo de la cola, S = i=1 Xi representa el total a pagar y es
P60
una variable que, por el T.C.L., puede aproximarse mediante una
N (µY , σY2 ), con µY = 60µ = 6000 euros y σY2 = 60σ 2 = 60 · 302
euros2 . Habrá que determinar una cantidad y tal que P (Y ≤
y) = 0.95, por lo que
 
Y − 6000 y − 6000
P √ ≤ √ = 0.95,
30 60 30 60

y siendo Z = Y −6000
√
30 60
∼ N (0, 1), y−6000
√
30 60
= 1.65 y de aquí y =
6383.42 euros.
b)Para que sobren 500 euros, habrá de suceder que Y ≤ 6500 euros,
luego

 
Y − 6000 6500 − 6000
P √ ≤ √ = P (Z ≤ 2.15) = 0.9842
30 60 30 60

Sol. (Ej. 360) — Las condiciones del enunciado nos dicen que el
número de bolas defectuosas, X, es una B(10000; 0.05). Como n es
muy grande, la variable

X − np X − 500
Z=p = √ ,
np(1 − p) 475

sigue una distribución N (0, 1) que nos permite aproximar la de X.

Se nos pide determinar un valor x tal que P (X ≤ x) = 0.99, por tanto

x − 500
P (X ≤ x) = P (Z ≤ √ ) = 0.99.
475
5.7. SOLUCIONES 215

En las tablas de la N (0, 1) encontramos que P (Z ≤ 2.33) ≈ 0.99 y

de aquí x ≥ 550. Hay por tanto que prever una capacidad mínima de
550 bolas para el recipiente.

Sol. (Ej. 361) — Si por X A y X B designamos, respectivamente, las

duraciones medias en las muestras de A y B, sabemos que
µX A = µA σX A = √σA
200
µX B = µB σX B = √σB
150

Por el TCL, muy aproximadamente, X A ∼ N (µX A , σX

2
) y XB ∼
A
2
N (µX B , σX ). Por otra parte, como X A y X B son independientes,
B
2
X A − X B ∼ N (µX A − µX B , σX 2
+ σX ). Es decir,
A B

7400
X A − X B ∼ N (200, )
3
Designando por Z ∼ N (0, 1), la probabilidad que hemos de calcular
es
√
100 − 200 10 3
P (X A −X B ≤ 100) = P (Z ≤ q ) = P (Z ≤ − √ ) ≈ P (Z ≤ −2.01) ≈ 0.0222
7400 74
3

Sol. (Ej. 362) — Para cada estudiante podemos definir una varia-
ble aleatoria X que representa las personas que lo acompañan a la
graduación. Observemos que X = {0, 1, 2} y toma dichos valores con
probabilidad

P (X = 0) = 0.20 P (X = 1) = 0.30 P (X = 2) = 0.50

Su esperanza y su varianza valen E(X) = 1.3 y var(X) = 0.61.
Si designamos por Xi la variable asociada al estudiante i, i = 1, 2, . . . , 500,
todas ellas son independientes y se distribuyen como X. El número
total de padres asistentes a la fiesta se obtendrá sumando los acom-
pañantes de cada estudiante,
500
X
S= Xi ,
i=1
y
P500
E(S) = µS = i=1 E(Xi ) = 650
P500
var(S) = σS2 = i=1 var(Xi ) = 305.
Si por x designamos el número de asientos a disponer, debe verificarse
P (S ≤ x) ≥ 0.95, y como se dan las condiciones para aplicar el TCL,
S ∼ N (µS , σS2 ). Tendremos pues
   
S − µS x − µS x − 650
P (S ≤ x) = P ≤ =P Z≤ √ ≥ 0.95.
σS σS 305
En las tablas de la N(0,1) encontramos que
x − 650
√ ≥ 1.64 −→ x ≥ 679.
305
216CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

Sol. (Ej. 363) — Obtengamos en primer lugar la probabilidad aso-

ciada a cada cara. Si X designa el número de puntos obtenidos,
6 6 6
X X X 1
P (X = n) = kn = k n = 21k = 1 −→ k = .
n n n
21

Los momentos de X valen

n2
P6 91
E(X) = µX = n=1 21 = 21

n3
P6 441
E(X 2 ) = n=1 21 = 21

2 980
var(X) = σX = 212 .

En la jugada i nuestra ganancia es Gi = XiP − 4 y nuestra ganancia

al final de la jugada número 100 será S = i=1 100Gi . Lo que nos
piden es P (S > 0), que podemos aproximar aplicando el TCL. Para
ello necesitamos calcular primero E(S) y var(S).

P100 100
E(S) = µS = i=1 E(Gi ) = 100(E(Xi ) − 4) = 3

P100 100×980
var(S) = σS2 = i=1 var(Gi ) = 100 × var(Xi ) = 212 .

Tendremos pues que S ∼ N (µS , σS2 ) y

 
−100/3
P (S > 0) = P Z > p
(100×980)/212

 
= P Z > − √70
980

= P (Z > −2.24) = 0.9875

Sol. (Ej. 364) — Como fácilmente se comprueba Xn ∼ U (0, 1/n) y

su función de distribución vale
si x < 0;

 0,
Fn (x) = nx, si 0 ≤ x < 1/n;
1, si x ≥ 1/n.


Por otra parte

0, si x < 0;

FY (y) =
1, si x ≥ 0.
Para cualquier punto de continuidad de FY , es decir ∀x ∈ R − {0},
lim Fn (x) = FY (x)
n→∞

y se dará la convergencia en ley.

Sol. (Ej. 365) — Observemos que

0, si x < 1 − n1 ;






2 , si 1 − n ≤ x < 1 + n ;
1 1 1
Fn (x) =



1, si x ≥ 1 + n1 .


5.7. SOLUCIONES 217

Fácilmente se comprueba que

 
1 1 n
∀x ∈ R − 1 − , 1 + , Fn (x) −→ F (x),
n n
con
0, si x < 0;

F (y) =
1, si x ≥ 0.
Sin embargo,

o x = 1 + n1 ;
 1 1
 2, x=1− n
fn (x) =
0, en el resto,


y al tender n → +∞, las fn tienden a

 1
 2 , x = 1;
f (x) =
0, en el resto,


que no es una función de probabilidad.

Sol. (Ej. 366) — Para δ > 0,

 
n
n
\
P (|Yn | ≥ δ) = P  {Xj ≥ δ} = (1 − δ)n −→ 0.
j=1

Análogamente,
 
n
n
\
P (|1−Zn | ≥ δ) = P (Zn ≤ 1−δ) = P  {Xj ≤ 1 − δ} = (1−δ)n −→ 0.
j=1

La convergencia en ley de las otras dos variables se comprueba a partir

de la convergencia débil de las funciones de distribución. Si Fn es la
función de distribución de Un ,

Fn (u) = P (Un ≤ u) = 1 − P (Un > u) =

 
n
\  u n n
1 − P (Yn > u/n) = 1 − P  {Xj > u/n} = 1 − 1 − −→ 1 − e−u ,
j=1
n

que es la función de distribución de una Exp(1).

La convergencia de Vn se comprueba de forma análoga.

Sol. (Ej. 367) — La convergencia en probabilidad exige que para

δ > 0, P (|X n − µn | ≥ δ) −→ 0. Si aplicamos Tchebishev,
n

var(X n )
P (|X n − µn | ≥ δ) ≤ ,
δ2
pero
   
n n
1 X 1 X X
var(X n ) = 2 var  Xj  = 2  var(Xj ) + cov(Xi , Xj ) ,
n j=1
n j=1 i6=j
218CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

y como hay independencia dos a dos y acotación de las varianzas,

n
1 X 2 M
var(X n ) = 2
σj ≤ .
n j=1 n

Sustituyendo,
M n
P (|X n − µn | ≥ δ) ≤ −→ 0.
nδ 2

Sol. (Ej. 368) — Como las Xj son simétricas su esperanza será 0 y

σj2 = E(Xj2 ).
1 1
E(Xj2 ) = a2j + a2j = a2j ,
2 2
que está acotada si 0 < a ≤ 1 y entonces se cumple que
P
X n −→ 0.

Sol. (Ej. 369) — La desigualdad de Tchebishev permite escribir

 
Sn var(Sn /n) p(1 − p)
P −p ≥ ≤ = .
n 2 n2
En [0, 1] la parábola y = x(1 − x) alcanza su máximo para p = 1/2
por lo que x(1 − x) ≥ 1/4, ∀x ∈ [0, 1]. Sustituyendo,
 
Sn 1
P −p ≥ ≤ .
n 4n2

Sol. (Ej. 370) — La respuesta a la segunda pregunta supone una

respuesta afirmativa a la primera. Vamos pues a responderla.
La ley de los grandes números supone que la proporción de caras en
n lanzamientos converge en probabilidad a p, que valdrá 1/2 o 3/4
según la moneda elegida. Es decir, para  > 0
 
Sn
P − p ≤  −→ 1.
n
Podemos acotar inferiormente la probabilidad haciendo uso de la des-
igualdad de Tchebishev,
 
Sn var(Sn /n)
P −p ≤ ≥1− .
n 2
Como queremos que P Snn − p ≤  ≥ 0.95 tendremos

var(Sn /n) 20p(1 − p)

1− ≥ 0.95 −→ n ≥ .
2 2
Queda por decidir el valor de , que habrá de elegirse para poder
distinguir entre los posibles valores de p. Como dichos valores distan
entre sí 1/4,  deberá a lo sumo valer 1/8 con lo que
1 20 × 64
si p = −→ n ≥ = 320
2 4
3 20 × 3 × 64
si p = −→ n ≥ = 240.
4 16
5.7. SOLUCIONES 219

En definitiva, n ≥ 320 nos permitirá saber la moneda elegida con una

probabilidad mayor o igual que 0.95.

Sol. (Ej. 371) — Si la función g a aproximar es continua en [0, 1],

será uniformemente continua, entonces

∀ > 0, ∃δ > 0 tal que |g(x) − g(y)| < , si |x − y| < δ.

Además g estará también acotada y por tanto |g(x)| < M, ∀x ∈ [0, 1].
Sea ahora un x cualquiera en [0, 1],
n   n   
X n X k n k
|g(x) − Bn (x)| = g(x) xk (1 − x)n−k − g x (1 − x)n−k
k n k
k=0 k=0
n    
X k n k
≤ g(x) − g x (1 − x)n−k
n k
k=0
   
X k n k
= g(x) − g x (1 − x)n−k +
n k
|k/n−x|≤δ
   
X k n k
+ g(x) − g x (1 − x)n−k
n k
|k/n−x|>δ
X n
≤  + 2M xk (1 − x)n−k .
k
|k/n−x|≤δ

Si Zn ∼ B(n, x), el último sumatorio no es más que

  X n
Zn
P −x = xk (1 − x)n−k ,
n k
|k/n−x|≤δ

y tendremos
 
Zn
|g(x) − Bn (x)| ≤  + 2M P −x ,
n

pero por la ley de los grandes números

 
Zn P Zn
−→ x y por tanto P − x −→ 0,
n n

lo que demuestra la convergencia uniforme de Bn a g en [0, 1].

Sol. (Ej. 372) — Para probar la condición observemos primero que

para cualquier función característica

φX (−t) = E(e−itX ) = E(cos tX) − iE(sin tX) = φX (t).

Probemos ahora ambas condiciones suponiendo que X es continua.

Directa.- Si X es simétrica, su densidad es simétrica y fX (x) =
fX (−x), lo que por otra parte supone que Y = −X tiene la
misma distribución que X. Entonces, por el teorema de unici-
dad φ−X (t) = φX (t), pero por una propiedad de las funcio-
nes características φ−X (t) = φX (−t) = φX (t) y en definitiva
φX (t) = φX (t). Es decir, φX (t) es real.
220CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

Inversa.- Si φX (t) es real entonces φX (t) = φX (t), pero φX (t) =

φ−X (t), con lo que X e Y = −X tienen la misma distribución
de probabilidad y serán simétricas.

Sol. (Ej. 373) — La primera de ellas es real, lo que supone que la

variable será simétrica. Consideremos la variable discreta X con so-
porte DX = {±k, k ≥ 0} y con función de probabilidad
ak
fX (k) = fX (−k) = .
2
Su función característica valdrá
X ak   X ak
2 cos kt = ak cos kt.
X
φX (t) = eitk + e−itk =
2 2
k≥0 k≥0 k≥0

La segunda función corresponde a la función característica de una

variable discreta Y con DY = {λk , k ≥ 0} y fY (λk ) = ak .

Sol. (Ej. 374) — Consideremos la sucesión de variables aleatorias

independientes {Xi }i≥1 , todas ellas Poisson de parámetro λ = 1. La
variable Sn = X1 + X2 + · · · + Xn es también Poisson con parámetro
λ = n y por tanto,
n
X nk
P (Sn ≤ n) = e−n .
k!
k=0

Por otra parte, el Teorema Central de Límite (TCL) nos dice que
Sn − n n
√ −→ N (0, 1)
n
y de aquí,
n
nk
 
X Sn − n n 1
e−n = P (Sn ≤ n) = P √ ≤ 0 −→ .
k! n 2
k=0

Sol. (Ej. 375) — Elegimos al azar un punto X en [0, 1], X ∼ U (0, 1).
La medida de probabilidad asociada es precisamente la medida de Le-
besgue en [0, 1]. La variable Xn = ξn (X) es una variable discreta
uniforme en {0, 1, . . . , 9}, por tanto
9 33
E(Xn ) = y var(Xn ) = .
2 4
Como las Xn son independientes, la variable Sn = k=1 Xk tendrá
Pn
como media y varianza E(Sn ) = 9n/2 y var(Sn ) = 33n/4. El TCL
asegura que
2Sn − 9n n
√ −→ N (0, 1),
33n
y de aquí se sigue el resultado pues
  Z y
2Sn − 9n n 1 u2
λ(An (y)) = P (An (y)) = P √ < y −→ √ e− 2 du.
33n 2π −∞
5.7. SOLUCIONES 221

Sol. (Ej. 376) — Si por X n designamos la duración media del lote

de n envases,
n n
1X 1 X 9
E(X n ) = E(Xi ) = 20, var(X n ) = var(Xi ) = .
n i=1 n2 i=1 n

Por el TCL, X n → N (20, 9/n) y tendremos

√ √ 
n(X n − 20) n(19 − 20)
P (X n > 19) = P > = 0, 99.
3 3
Es decir,
√
√ n
P (Z ≤ − n/3) = 0, 01 −→
≥ 2, 3263
3
y por tanto n ≥ 48, 71 y el tamaño mínimo del lote deberá ser de 49
envases.

Sol. (Ej. 377) — La variable Xn es una variable Bernoulli, Xn ∼

B(1, pn ), con parámetro
Z ln n
1
pn = P (Y < ln n) = e−y dy = 1 − .
0 n
Su función de distribución vendrá dada por
si x < 0;

 0,
Fn (x) = 1/n si 0 ≤ x < 1;
1, si x ≥ 1.


Al pasar al límite cuando n → ∞

0, si x < 1;

lim Fn (x) =
n→∞ 1, si x ≥ 1,
que es la función de distribución de una variable aleatoria degenerada
tal que P (X = 1) = 1. Así pues,
L
Xn −→ 1.

Sol. (Ej. 378) — Para conocer la distribución de las Xk hemos de

conocer previamente la de Y . Es fácil comprobar que Y ∼ U (−1, 1) y
en consecuencia la función de probabilidad de Xk vale
1 1
P (Xk = −1) = P (Xk = 1) = P (−1/k < |Y | < 1) = −
2 2k
y
1
P (Xk = 0) = P (−1/k ≤ Y < 1/k) =
k
y la de distribución
si x < −1;


 0,



si −1 ≤ x < 0;

 12 − 1
2k ,


Fk (x) =
1
+ 1
2k , si 0 ≤ x < 1;




 2


si x ≥ 1.

1

222CAPÍTULO 5. SUCESIONES DE VARIABLES ALEATORIAS

La función de distribución de X vale

si x < −1;

 0,
F (x) = 1/2, si −1 ≤ x < 1;
1, si x ≥ 1.


La convergencia en ley de las Xk a X supone que

lim Fx (x) = F (x), ∀x ∈] − ∞, −1[∪[1, +∞[.

En efecto, si x ∈] − 1, 1[,
1 1 k↑∞ 1
x < 0, Fk (x) = − −→ = F (X)
2 2k 2
1 1 k↑∞ 1
x > 0, Fk (x) = + −→ = F (X)
2 2k 2
Capítulo 6

Simulación de variables
aleatorias

6.1 Introducción
En el juego del dominó en sus distints versiones, cada jugador eli-
ge al azar 7 fichas de entre las 28. Calcular la probabilidad de ciertas
composiciones de dichas 7 fichas puede ser tarea sencilla o, en ocasio-
nes, prácticamente imposible por su complejidad. Así, si nos piden la
probabilidad de que el jugador no tenga entre sus fichas ningún 6, la
fórmula de Laplace nos da como resultado
 
21
7
p =   = 0, 0982.
28
7
Si el jugador está jugando a “la correlativa”, le interesa saber con qué
probabilidad, pc , elegirá 7 fichas que puedan colocarse correlativamen-
te una tras otra. Dicha probabilidad es matemáticamente intratable.
Un problema de imposibilidad práctica semejante nos ocurriría
si quisiéramos calcular la probabilidad de tener un mazo de cartas
ordenado de tal forma que permitiera hacer un solitario directamente.
¿Hemos de conformarnos con no poder dar respuesta a situaciones
como las planteadas u otras similares que puedan surgir?
La ley fuerte de los grandes números, LFGN, (ver Teorema 5.4 en
la página 195) y la potencia de cálculo de los ordenadores de sobremesa
actuales no permiten abordar el problema empíricamente. En efecto,
si podemos simular la elección al azar de 7 fichas de entre las 28
y comprobar después si es posible colocarlas correlativamente una
tras otra (éxito), repitiendo el proceso de simulación definiremos una
variable Xi ligada a la simulación i-ésima que tomará valores

1, si la colocación es posible;

Xi =
0, en caso contrario.
Así definida, Xi ∼ B(1, pc ), y es independiente de cualquier otra Xj .
Si llevamos a cabo n simulaciones, por la LFGN se verificará
n
X Xi a.s.
−→ pc ,
n
k=1

223
224CAPÍTULO 6. SIMULACIÓN DE VARIABLES ALEATORIAS

y podremos aproximar el valor de pc mediante la frecuencia relativa

de éxitos que hayamos obtenido.
Un programa adecuado en cualquiera de los lenguajes habituales
de programación permitirá averiguar si las 7 fichas son correlativas,
pero ¿cómo simular su elección aleatoria entre las 28 fichas del domi-
nó? Podríamos proceder como sigue:

1. ordenamos las fichas con algún criterio, por ejemplo, comenzar

por las blancas ordenadas según el otro valor que las acompaña,
continuar por los 1’s ordenados según el valor que les acompaña
y así sucesivamente hasta finalizar con el 6 doble,

2. las numeramos a continuación del 1 al 28, y

(a) extraemos al azar, sin repetición, 7 números del 1 al 28,

las correspondientes fichas constituirán nuestra elección; o
bien,
(b) permutamos aleatoriamente los 28 números y las fichas co-
rrespondientes a los 7 primeros constituirán nuestra elec-
ción.

Queda, no obstante, por resolver la forma de simular la extracción de

los 7 números o de permutar aleatoriamente los 28. En cualquier caso
necesitamos poder generar con el ordenador números aleatorios.

6.2 Generación de números aleatorios

La generación de números aleatorios con el ordenador consiste en
una subrutina capaz de proporcionar valores de una variable aleatoria
X ∼ U (0, 1). Cabe preguntarse si una sucesión de valores obtenida de
semejante forma es aleatoria. La respuesta es inmediata y decepcio-
nante, no. En realidad, los números generados mediante cualquiera de
las subrutinas disponibles a tal efecto en los sistemas operativos de
los ordenadores podemos calificarlos como pseudoaleatorios que, eso
sí, satisfacen los contrastes de uniformidad e independencia.
La mayoría de los generadores de números aleatorios son del tipo
congruencial. A partir de un valor inicial, X0 , denominado semilla, y
enteros fijos no negativos, a, c y m, calculan de forma recursiva

Xi+1 = aXi + c (módulo m), i = 1, 2, . . . , n. (6.1)

Como valores de la U (0, 1) se toman los

Xi
Ui = .
m
La expresión (6.1) justifica la denominación de pseudoaleatorios que
les hemos otorgado. En primer lugar, porque si iniciamos la genera-
ción siempre con el mismo valor de X0 obtendremos la misma sucesión
de valores y, claro está, nada más alejado de la aleatoriedad que co-
nocer de antemano el resultado. En segundo lugar, porque el mayor
número de valores distintos que podemos obtener es precisamente m.
Se deduce de aquí la conveniencia de que m sea grande.
Puede demostrarse que una elección adecuada de a, c y m propor-
ciona valores que, aun no siendo aleatorios, se comportan como si lo
6.3. TÉCNICAS GENERALES DE SIMULACIÓN DE VARIABLES ALEATORIAS225

fueran a efectos prácticos porque, como ya hemos dicho, satisfacen las

condiciones de uniformidad e independencia.
Si, como es nuestro caso en el ejemplo del dominó, deseamos elegir
al azar números entre 1 y 28, recordemos que si Ui ∼ U (0, 1), kUi ∼
U (0, k) y por tanto,
1
P (j − 1 < kUi ≤ j) = , j = 1, 2, . . . , k.
k
Si definimos Nk = [kUi ] + 1, donde [ · ] representa la parte entera
del argumento, Nk es una variable discreta que tiene la distribución
deseada, uniforme en {1, 2, . . . , k}.

6.3 Técnicas generales de simulación de

variables aleatorias
La generación de una variable U (0, 1) es un primer paso necesario
pero no suficiente, como el ejemplo del dominó ha puesto de mani-
fiesto. Nuestro objetivo era generar valores de una uniforme discreta
sobre el soporte {1, 2, . . . , k} y lo hemos conseguido previa simulación
de una U (0, 1). En muchos procesos industriales o en el estudio de
fenómenos experimentales, un estudio previo de su comportamiento
requiere simular cantidades aleatorias que siguen, por lo general, una
distribución diferente de la uniforme. ¿Cómo hacerlo? A continuación
presentamos tres métodos para simular variables aleatorias.
Antes de responder digamos que el origen de la simulación de va-
riables aleatorias, conocida como simulación de Montecarlo, se debe a
von Neumann y Ulam que lo utilizaron por primera vez durante la se-
gunda guerra mundial para simular el comportamiento de la difusión
aleatoria de neutrones en la materia fisionable. El trabajo, relacionado
con la fabricación de la primera bomba atómica, se desarrollaba en
el laboratorio de Los Álamos y Montecarlo fue el código secreto que
ambos físicos le dieron.

6.3.1 Método de la transformación inversa

Este método se basa en el resultado de la Proposición 2.6 de la
página 74. Si U ∼ U (0, 1), F es una función de distribución de pro-
babilidad y definimos
F −1 (x) = inf{t : F (t) ≥ x},
la variable X = F −1 (U ) verifica que FX = F .
Este resultado permite generar valores de una variable aleatoria
con función de distribución dada, sin más que obtener la antiima-
gen mediante F de valores de una U (0, 1). Veamos como generar una
exponencial de parámetro λ.
Ejemplo 6.1. Vamos a ver cómo generar una exponencial con pará-
metro λ. La densidad de una exponencial de parámetro λ es
λe−λx , x ≥ 0;

f (x) =
0, en el resto,
y su función de distribución,

0, x < 0;
F (x) =
1 − e−λx , x ≥ 0;.
226CAPÍTULO 6. SIMULACIÓN DE VARIABLES ALEATORIAS

De aquí,
1
1 − e−λX = U =⇒ X = − ln(1 − U ),
λ
nos permite generar valores de una Exp(λ). Observemos que 1 − U es
también U (0, 1) con lo que

1
X = − ln U,
λ

genera también valores de una Exp(λ).

Recordemos que si Y ∼ Ga(n, 1/λ) entonces Y es la suma de n
exponenciales independientes de parámetro λ (página 133). Aplicando
el resultado anterior podremos generar valores de una Ga(n, 1/λ) a
partir de n U (0, 1), U1 , U2 , . . . , Un mediante la expresión

n n
!
1 1
ln Ui = − ln
X Y
Y =− Ui .
i=1
λ λ i=1

6.3.2 Método de aceptación-rechazo

Si queremos generar una variable aleatoria X con densidad f (x),
cuyo soporte es el intervalo [a, b], podemos proceder tal como ilustra
la figura. Si s es una cota superior de f (x), f (x) ≤ s, ∀x ∈ [a, b],
generamos aleatoriamente un punto (U, V ) en el rectángulo [a, b] ×
[0, s]. Si V ≤ f (U ) hacemos X = U , en caso contrario rechazamos el
punto y generamos uno nuevo.
La primera pregunta que surge es si el número de simulaciones
necesarias para obtener un valor de X será finito. Veamos que lo es
con probabilidad 1. Para ello, designemos por A la sombra de f (x) y
por {Pn , n ≥ 1} una sucesión de puntos elegidos al azar en [a, b]×[0, s].
La probabilidad de que uno cualquiera de ellos, Pi , no cumpla con la
condición V ≤ f (U ), equivale a {Pi ∈ / A} y vale

s(b − a) − |A| 1
P (Pi ∈
/ A) = =1− ,
s(b − a) s(b − a)

pues |A| = a f (x)dx = 1. Como la elección es al azar, la probabilidad

Rb

de que ninguno de ellos esté en A,

 n
1
/ A}) = lim
P (∩n≥1 {Pn ∈ 1− = 0,
n→∞ s(b − a)

y por tanto con probabilidad 1 el número necesario de simulaciones

para generar un valor de X será finito.
Queda ahora por comprobar que X se distribuye con densidad
f (x). En efecto,
X
P (X ≤ x) = P (X ≤ x, X = Un ),
n≥1

donde

{X ≤ x, X = Un } = {P1 ∈
/ A, . . . , Pn−1 ∈
/ A, Pn ∈ [a, x] × [0, s].
6.3. TÉCNICAS GENERALES DE SIMULACIÓN DE VARIABLES ALEATORIAS227

Al tomar probabilidades,
X
P (X ≤ x) = P (X ≤ x, X = Un )
n≥1

X n−1 R x
1 a
f (x)dx
= 1−
s(b − a) s(b − a)
n≥1
Z x
= f (x)dx.
a

Ejemplo 6.2. Una variable X ∼ Be(4, 3) tiene por densidad,

60x3 (1 − x)2 , 0 ≤ x ≤ 1;

f (x) =
0, en el resto.

Su función de distribución será un polinomio de grado 6, lo que di-

ficulta la generación de una variable aleatoria con esta distribución
mediante el método de la transformación inversa. Podemos, en su
lugar, recurrir al método de aceptación-rechazo. Tomemos para ello
s = max0≤x≤1 f (x) = f (0.6) = 2.0736. El procedimiento consistirá en
generar
(U, V ) ∼ U ([0, 1] × [0; 2.0736]),
pero como kV ∼ U (0, k) si V ∼ U (0, 1), bastará con generar sendas
U (0, 1) y hacer X = U si

60U 3 (1 − U )2
2.0736V ≤ 60U 3 (1 − U )2 =⇒ V ≤ .
2.0736

Generalización del método de aceptación-rechazo

El método anterior puede generalizarse utilizando una función t(x)
que mayore a f (x), ∀x, en lugar de una cota superior. Si t(x) es tal
que Z ∞
1≤ t(x)dx = c < +∞,
−∞

la función g(x) = t(x)/c es una densidad. El método exige que poda-

mos generar con facilidad una variable aleatoria Y con densidad g(x)
y, en ese caso, los pasos a seguir son,

1. Generamos Y cuya densidad es g(y) = t(y)/c.

2. Generamos U ∼ U (0, 1).

3. Si U ≤ f (Y )/t(Y ), hacemos X = Y , en caso contrario reinicia-

mos el proceso desde 1.

La X así generada tiene por densidad f (x) porque

{X ≤ x} = {YN ≤ x} = {Y ≤ x|U ≤ f (Y )/t(Y )},

donde N designa el número de la iteración en la que se ha cumplido

la condición. Al tomar probabilidades

P (Y ≤ x, U ≤ f (Y )/t(Y ))
P (X ≤ x) = P (Y ≤ x|U ≤ f (Y )/t(Y )) = .
P (U ≤ f (Y )/t(Y ))
228CAPÍTULO 6. SIMULACIÓN DE VARIABLES ALEATORIAS

Como Y y U son independientes, su densidad conjunta será

h(y, u) = g(y), 0 ≤ u ≤ 1, −∞ < y < ∞.
De aquí,
"Z #
Z x f (y)/cg(y)
1
P (X ≤ x) = g(y) du dy
P (U ≤ f (Y )/t(Y )) −∞ 0
Z x
1
= f (y)dy. (6.2)
cP (U ≤ f (Y )/t(Y )) −∞

Pero
Z ∞
1 1
lim P (X ≤ x) = 1 = f (y)dy = .
x→∞ cP (U ≤ f (Y )/t(Y )) −∞ cP (U ≤ f (Y )/t(Y ))
(6.3)
Sustituyendo en (6.2),
Z x
P (X ≤ x) = f (y)dy.
−∞

Respecto al número N de iteraciones necesarias para obtener un valor

de X, se trata de una variable geométrica con p = P (U ≤ f (Y )/t(Y )).
De (6.3) deducimos que P (U ≤ f (Y )/t(Y )) = 1/c y E(N ) = c,
además
X 1 j−1  n
1 1
P (N = ∞) = lim P (N > n) = lim 1− = lim 1 − = 0,
n→∞ n→∞ c c n→∞ c
j≥n+1

con lo que N será finito con probabilidad 1.

Ejemplo 6.3. ¿Cómo simular una N (0, 1) con el método de aceptación-
rechazo. Recordemos en primer lugar la densidad de Z ∼ N (0, 1),
1 2
fZ (z) = √ e−z /2 , −∞ < z < ∞.
2π
Si definimos X = |Z|, su densidad será
2
(6.4)
2
fX (x) = √ e−x /2 , 0 < x < ∞.
2π
Vamos a utilizar el método general de aceptación-rechazo para
simular valores de la N(0,1) utilizando como paso previo la generación
de valores de X p
con densidad (6.4). Para ello tomaremos como función
auxiliar t(x) = 2e/πe−x , x ≥ 0, porque mayora a fX (x) en todo su
dominio,
p 2
2/πe−x /2 (x − 1)2
 
fX (x)
= p = exp − ≤ 1, x ≥ 0.
t(x) 2e/πe−x 2
Por otra parte,
∞
Z r
2e
t(x)dx = ,
0 π
y por tanto
t(x)
g(x) = p = e−x ,
2e/π
que es la densidad de una Exponencial con parámetro λ = 1. De
acuerdo con el procedimiento antes descrito,
6.3. TÉCNICAS GENERALES DE SIMULACIÓN DE VARIABLES ALEATORIAS229

1. Generaremos sendas variables aleatorias, Y y U , la primera

Exp(1) y la segunda U (0, 1).

2. Si
(Y − 1)2
 
fX (Y )
U≤ = exp − ,
t(Y ) 2
haremos X = Y , en caso contrario comenzaremos de nuevo.

Una vez obtenido un valor de X el valor de Z se obtiene haciendo

Z = X o Z = −X con probabilidad 1/2.
El procedimiento anterior puede modificarse si observamos que
aceptamos Y si

U ≤ exp{−(Y − 1)2 /2} ⇐⇒ − ln U ≥ (Y − 1)2 /2.

Pero de acuerdo con el ejemplo 6.1 − ln U ∼ Exp(1) con lo que la

generación de valores de una N (0, 1) se pude llevar a cabo mediante,

1. Generaremos sendas variables aleatoria Y1 , Y2 , ambas Exp(1).

2. Si Y2 ≥ (Y1 − 1)2 /2, hacemos X = Y1 , en caso contrario comen-

zaremos de nuevo.

3. Generamos U ∼ U (0, 1) y hacemos

si U ≤ 1/2;

X,
Z=
−X, si U > 1/2.

Ejemplo 6.4. Consideremos el método polar para simular una normal

estándar. Si X ∼ N (0, 1) e Y ∼ N (0, 1) y son independientes, su
densidad conjunta viene dada por
 2
x + y2

1
fXY (x, y) = exp − .
2π 2

Consideremos
√ ahora las coordenadas polares del punto (X, Y ), R =
X 2 + Y 2 y Θ = arctan Y /X. Para obtener su densidad conjunta, ne-
cesitamos las transformaciones inversas, X = R cos Θ e Y = R sin Θ.
El correspondiente jacobiano vale J1 = R y su densidad conjunta,
  2
1 r
r exp − , r ≥ 0, 0 ≤ θ ≤ 2π,



fRΘ (r, θ) = 2π 2

en el resto.

0,


De aquí se obtienen fácilmente las densidades marginales de R2 y Θ

que resultan ser R2 ∼ Exp(1/2) y Θ ∼ U (0, 2π). Haciendo uso del
resultado del ejemplo 6.1, si generamos dos variables U 80, 1), U1 y
U2 ,
R2 = −2 ln U1 ∼ Exp(1/2)
Θ = 2πU2 ∼ U (0, 2π),
y de aquí
X = (−2 ln U1 )1/2 cos 2πU2
Y = (−2 ln U1 )1/2 sin 2πU2 ,
son N (0, 1) e independientes.
 230CAPÍTULO 6. SIMULACIÓN DE VARIABLES ALEATORIAS

6.3.3 Simulación de variables aleatorias discretas

El método más extendido para simular variables discretas es el de
la transformación inversa. Si la variable X cuyos valores queremos
simular tiene por función de distribución F (x), entonces
X
F (x) = P (X ≤ x) = pi ,
xi ≤x

con xi ∈ DX , el soporte de la variable, y pi = P (X = xi ).

Si suponemos que los valores del soporte están ordenados, x1 <
x2 < . . ., el algoritmo consiste en los pasos siguientes:
1. Generamos U ∼ U (0, 1).
2. Hacemos X = k, con k = min{i; U ≤ F (xi )}.
La variable así generada se distribuye como deseamos. En efecto,

P (X = xi ) = P (F (xi−1 < U ≤ F (xi )) = F (xi ) − F (xi−1 ) = pi .

La figura 6.1 ilustra gráficamente el algoritmo para una variable

discreta con soporte DX = {x1 , x2 , . . . , x7 }.
A continuación presentamos la adaptación de este algoritmo para
la simulación de las variables discretas más conocidas. En algunos
Figura 6.1: Función de distribu- casos, el algoritmo no resulta reconocible porque la forma de la fun-
ción de una discreta. ción de cuantía permite formas de búsqueda más ventajosas que lo
enmascaran.
Ejemplo 6.5. Si X ∼ B(1, p), el algoritmo que sigue es muy intuitivo
y equivale al algoritmo de la transformación inversa si intercambiamos
U por 1 − U .
1. Generamos U ∼ U (0, 1).
2. Hacemos
1, si U ≤ p;

X=
0, si U > p.

Ejemplo 6.6. Vamos a simular una variable uniforme. Para generar

X con DX = {x1 , x2 , . . . , xn } con P (X = xi ) = 1/n, ∀i,
1. Generamos U ∼ U (0, 1).
2. Hacemos X = xk , con k = 1 + bnU c donde bsc, es la parte entre
por defecto de s.
Ejemplo 6.7. Si X ∼ B(n, p), entonces X es la suma de n Bernoullis
independientes con igual parámetro, bastará
Ppor tanto repetir n veces
el algoritmo del ejemplo 6.5 y tomar X = i=1 Xi , la suma de los n
n

valores generados
Ejemplo 6.8. Recordemos que X ∼ Ge(p), X es el número de pruebas
Bernoulli necesarias para alcanzar el primer
P éxito, de aquí, P (X =
i) = p(1 − p)i−1 , i ≥ 1, y P (X > i) = j>i P (X = j) = (1 − p)i .
Tendremos que

F (k − 1) = P (X ≤ k − 1) = 1 − P (X > k − 1) = 1 − (1 − p)k−1 .

Aplicando el algoritmo de la transformación inversa

6.3. TÉCNICAS GENERALES DE SIMULACIÓN DE VARIABLES ALEATORIAS231

1. Generamos U ∼ U (0, 1).

2. Hacemos X = k, tal que 1 − (1 − p)k−1 < U ≤ 1 − (1 − p)k , que
podemos también escribir (1 − p)k < 1 − U ≤ (1 − p)k−1 . Como
1 − U ∼ U (0, 1), podemos definir X mediante
X = min{k; (1 − p)k < U }
= min{k; k ln(1 − p) < ln U }
ln U
 
= min k; k > .
ln(1 − p)
El valor que tomaremos para X será,
ln U
 
X =1+ . (6.5)
ln(1 − p)

Ejemplo 6.9. Para generar valores de X ∼ BN (r, p) recordemos que

X puede expresarse como suma de r variables independientes todas
ellas Geométricas de parámetro p (véase el ejemplo 4.20 de la página
159). Bastará por tanto utilizar el siguiente algoritmo:
1. Simulamos X1 , X2 , . . . , Xr todas ellas Ge(p), utilizando para ello
la expresión (6.5).
2. hacemos X = X1 + X2 + . . . + Xr .
Ejemplo 6.10. La simulación de una variable X ∼ P o(λ) se basa
en la propiedad que liga la distribución de Poisson con la Exponencial
de igual parámetro. Como señalábamos en la página 67, al estudiar la
ocurrencia de determinado suceso a largo del tiempo, por ejemplo las
partículas emitidas por un mineral radiactivo durante su desintegra-
ción, el tiempo que transcurre entre dos ocurrencias consecutivas es
una variable aleatoria Y ∼ Exp(λ) y el número de ocurrencias que se
producen en el intervalo [0,t] es Xt ∼ P o(λt), donde λ es el número
medio de ocurrencias por unidad de tiempo. De acuerdo con esto, el
algoritmo de simulación es el siguiente:
1. Simulamos U1 , U2 , U3 , . . ., todas ellas U (0, 1).
2. Hacemos X = N − 1, donde
( n
)
N = min n;
Y
−λ
Ui < e .
i=1

La variable así obtenida se distribuye como una P o(λ). En efecto,

( n )
X + 1 = min n;
Y
−λ
Ui < e .
i=1
( n
)
= max n;
Y
−λ
X Ui ≥ e
i=1
( n
)
= max n; ln Ui ≥ −λ
X

i=1
( n
)
= max n; − ln Ui ≤ λ ,
X

i=1
232CAPÍTULO 6. SIMULACIÓN DE VARIABLES ALEATORIAS

pero como vimos en el Ejemplo 6.1, − ln Ui ∼ Exp(1), con lo que X

puede interpretarse com el mayor número de Exp(1) cuya suma es
menor que λ. Ahora bien, exponenciales independientes de parámetro
1 equivalen a tiempos de espera entre ocurrencias de un suceso con
una ratio media de ocurrencias de 1 suceso por unidad de tiempo, lo
que permite interpretar X como el número y. Así, X ∼ P o(λ).
Apéndice A

Combinatoria

A.1 Principio básico del conteo

Supongamos que se realizan dos experimentos. Si el primero puede
tener m resultados diferentes y por cada resultado del primero hay n
resultados del segundo, entonces hay n × m resultados posibles para
los dos experimentos conjuntamente.
Este principio se puede generalizar para r experimentos, cada uno
con ni posibles resultados para cada resultado de los i − 1 anteriores
(i = 1, . . . r), en este caso, el número total de resultados es n1 × n2 ×
· · · × nr

A.2 Permutaciones
¿De cuántas maneras distintas se pueden ordenar las letras a,b,c?
La respuesta es 6: abc, acb, bac, bca, cab y cba. Cada una de éstas
ordenaciones es una permutación de las 3 letras. Si se tienen n objetos
distintos, existen n × (n − 1) × (n − 2) . . . 3 × 2 × 1 = n! permutaciones
de los n objetos.

A.3 Permutaciones con repetición

¿Cuántas palabras distintas pueden formarse con las letras PEP-
PER? Si pudiéramos distinguir todas las letras, entonces P1 E1 P2 P3 E2 R
no sería lo mismo que P2 E1 P1 P3 E2 R y la respuesta sería que pueden
formarse 6! palabras, sin embargo es evidente que todas estas dan lu-
gar a la misma palabra: P1 E1 P2 P3 E2 R, P1 E1 P3 P2 E2 R, P1 E1 P3 P2 E2 R,
P1 E1 P2 P3 E2 R, P1 E1 P3 P2 E2 R , P2 E1 P1 P3 E2 R, P2 E1 P3 P1 E2 R , P3 E1 P1 P2 E2 R
, P3 E1 P2 P1 E2 R, P1 E2 P2 P3 E1 R , P1 E2 P3 P2 E1 R , P2 E2 P1 P3 E1 R,
P2 E2 P3 P1 E1 R , P3 E2 P1 P2 E1 R , P3 E2 P2 P1 E1 R.
Así pues hay 3!2! 6!
= 60 palabras distintas. En general, si tenemos n
objetos de los cuales n1 son de un tipo, n2 son de otro, …y nr son de
otro, hay n1 !n2n!!...nr ! permutaciones distintas.

A.4 Combinaciones
En muchas ocasiones interesa saber el número de grupos diferentes
de r objetos que pueden formarse si se dispone de n diferentes. Cuando

233
234 APÉNDICE A. COMBINATORIA

el orden de selección es importante, ya sabemos que éste número es

n × (n − 1) × . . . × (n − r + 1). Como de esta forma cada grupo de r
items aparecería contado r! veces, el número de grupos diferentes de
r items elegidos entre n diferentes es
n × (n − 1) × . . . × (n − r + 1) n!
= .
r! (n − r)!r!
Definición A.1. Definimos
 
n n!
= , con r ≤ n
r (n − r)!r!
y decimos que representa el número de combinaciones posibles de n
objetos tomados de r en r, cuando el orden de selección no se considera
importante.

A.5 Argumentos combinatorios para jus-

tificar propiedades
Demostrar la siguiente igualdad
     
n n−1 n−1
= + para 1 ≤ r ≤ n.
r r−1 r
Este resultado puede demostrarse analíticamente o mediante ar-
gumentos combinatorios.
Supongamos que tenemos n objetos y formamos grupos de r ele-
mentos, esto puede hacerse de nr maneras diferentes. Si nos fijamos

en un objeto en particular, vemos que n−1

r−1 de los grupos lo contienen

y n−1 no.


r

A.6 Coeficientes multinomiales

Consideremos un conjunto de n items distintos que tiene que divi-
dirse
Pr en r grupos distintos de tamaños n1 , n2 , . . . , nr , de manera que
i=1 ni = n. ¿Cuántas divisiones diferentes son posibles?
La respuesta es
    
n n − n1 n − n1 − . . . − nr−1 n!
... =
n1 n2 nr n1 !n2 ! . . . nr !

Definición A.2. Si i=1 ni = n, llamamos coeficientes multinomia-

Pr
les a  
n n!
= ,
n1 n2 . . . nr n1 !n2 ! . . . nr !
que representan el número de posibles divisiones diferentes de n objetos
distintos en r grupos de tamaños n1 , n2 . . . nr .

A.7 Distribución de bolas en urnas

Es fácil ver que hay rn posibles resultados cuando n bolas dis-
tinguibles se distribuyen en r urnas distinguibles, ya que, cada bola
puede caer en cualquiera de las r urnas diferentes.
A.8. EJERCICIOS 235

Vamos a suponer que las n bolas son indistinguibles, ¿cuántos re-

sultados posibles hay en éste caso? Observa que cada resultado puede
describirse mediante un vector de r componentes (x1 , x2 , . . . xr ) donde
xi denota el número de bolas en la urna i-ésima. Así que el proble-
ma se reduce a encontrar el número de vectores diferentes que hay
con valores enteros no negativos y de forma que la suma de sus r
componentes sea n.
Vamos a resolver primero un caso particular y después generaliza-
remos. Supongamos que n = 8 y r = 3, un vector de los que estamos
buscando sería, por ejemplo, (2,4,2). Podríamos identificar este vec-
tor con la representación 00 | 0000 | 00. Otro vector podría ser (6,0,2)
que se corresponde con 000000 | | 00. Observa que lo que diferencia
una configuración de otra es dónde se encuentran las barras que in-
dican la separación entre cajas. Las barras, en el primer caso, están
en las posiciones {3, 8}, en el segundo, en las posiciones {7, 8}. Por
tanto el problema se reduce a encontrar cuantas posiciones distintas
pueden ocupar las 2 barras separadoras. La respuesta es que tantas
como grupos de tamaño 2 podamos
construir con los números {1, 2,
3, 4, 5, 6, 7, 8, 9,10}, es decir, 10
2 .
En general si tenemos n bolas y r urnas, habrá r − 1 barras sepa-
radoras y n + r − 1 lugares donde podría
aparecer una barra. Entonces
la solución en el caso general es n+r−1r−1 .

A.8 Ejercicios
* Ej. 379 — ¿Cuántas matrículas de automóvil distintas se ten-
drían si los 3 primeros lugares los ocuparan letras y los 4 últimos
números? ¿Y si se prohíbe que se repitan letras y números?

* Ej. 380 — Luis quiere poner 10 libros en una estantería. De los

10 libros, 4 son de matemáticas, 3 de química, 2 de historia y 1 de
lengua. El chico quiere ordenarlos de forma que queden juntos los de
la misma materia. ¿Cuántas ordenaciones diferentes son posibles?

* Ej. 381 — A partir de un grupo de 5 hombres y 7 mujeres ¿Cuán-

tos comités que consten de 2 hombres y 3 mujeres se pueden formar?
¿Y si dos de las mujeres no quieren estar juntas en el mismo comité?

* Ej. 382 — Supongamos que tenemos n componentes electrónicas

de las cuales m son defectuosas (D) y n − m funcionan (F) correcta-
mente. Las componentes son indistinguibles a simple vista, ¿de cuán-
tas formas pueden ordenarse de forma que no haya dos defectuosas
consecutivas?
* Ej. 383 — Una comisaría de policía de un pueblo consta de 10
oficiales. Si 5 deben patrullar las calles, 2 se quedan trabajando en
la comisaría y 3 están de reserva, ¿cuántas divisiones diferentes en 3
grupos pueden hacerse con los 10 policías?

* Ej. 384 — Un inversor tiene 20 mil euros para invertir en 4 ac-

tivos. Él desea que cada inversión se haga en unidades de mil euros.
Si quiere invertir los 20 mil, ¿de cuántas maneras diferentes puede
hacerlo? ¿Y si no tiene que invertirlo todo?
236 APÉNDICE A. COMBINATORIA

A.9 Soluciones

Sol. (Ej. 379) — 26 × 26 × 26 × 10 × 10 × 10 × 10 = 175.760.000 y

26 × 25 × 24 × 10 × 9 × 8 × 7 = 78.624.000.

Sol. (Ej. 380) — 4! × 4! × 3! × 2!.

Sol. (Ej. 381) — 350 y 300.

Sol. (Ej. 382) — Si m > n − m + 1 no hay ninguna porque en cual-

quier ordenación habría 2 defectuosas consecutivas necesariamente.
Supongamos que m ≤ n − m + 1. La siguiente notación nos ayudará a
resolver el problema. Dada una ordenación, por ejemplo DF DF DF F F F
(n = 9, m = 3, n − m = 6), le asociamos biunívocamente una se-
rie en la que indicamos cuantas componentes defectuosas hay antes
de cada una que funciona (si la última funciona escribimos un 0 al
final y si las últimas son defectuosas indicamos cuántas hay) en este
caso 1F 1F 1F 0F 0F 0F 0. Otros 2 ejemplos, F DDF DF F F F , su re-
presentante es 0F 2F 1F 0F 0F 0F 0, y F DF F DF F F D, en este caso lo
denotaríamos 0F 1F 0F 1F 0F 0F 1.
Observa que, en general, serán series de n − m + 1 números y n − m
F 0 s. Lo que sucede es que, ahora, las F’s estan fijas y realmente las
podríamos eliminar y asociar a cada ordenación únicamente la serie de
números que la caracteriza, en los casos anteriores 1110000 , 0210000
y 0101001 .
Así que nos interesará contar las series de n − m + 1 números en
las
que aparezcan m 10 s (siendo 0’s el resto) . ¿Cuántas hay? n−m+1m .

Sol. (Ej. 383) — 10!

5!2!...3! = 2520.

Sol. (Ej. 384) — 23

y 24
.



3 4
Apéndice B

Algunos resultados
necesarios

B.1 Series aritmético-geométricas

Se trata de una serie aritmético-geométrica porque su término ge-

neral es el producto del término general de una serie aritmética por
el término general de una serie geométrica. Es probabilidad nos en-
contramos con frecuencia son este tipo de serie. Veamos cómo sumar-
las. Designemos al término general de la serie como bn = an pn , con
an+1 = an + r y p < 1. Tendremos

X X
S= bn = an pn ,
n≥1 n≥1

que al multiplicarla por p da lugar a

X
pS= an pn+1 =
n≥1
X X X
(an+1 − r)pn+1 = an+1 pn+1 − rpn+1 =
n≥1 n≥1 n≥1
2
p p2
. (B.1)
X
am pm − r = S − a1 p − r
1−p 1−p
m≥2

Restando pS de S y operando se obtiene

 
p p
S= a1 + r . (B.2)
1−p 1−p

237
238 APÉNDICE B. ALGUNOS RESULTADOS NECESARIOS

B.2 Suma de cuadrados de los n primeros

enteros
Una forma sencilla de obtener el valor de k=1 k 2 , es
Pn
7 sumando las áreas correspondientes a los cuadrados de
lados 1, 2, 3, . . . , n. Si observamos el dibujo comprobare-
5 mos que

1. para pasar del cuadrado de lado k al de lado k + 1

3
basta con orlar el primero con Ok = 2k + 1 cua-
drados unitarios,
1
2. al sumar las áreas de todos los cuadrados, la orla
1 2 3 4 Ok , k = 0, 1, . . . , n − 1, es sumada n − k veces.
Teniendo en cuenta lo anterior,

Sn2 = 12 + 2 2 + · · · + n 2
= 1 × n + 3 × (n − 1) + 5 × (n − 2) + · · · + (2n − 1) × 1
n
(B.3)
X
= ai ,
i=1

donde,

ai = (n − (i − 1))(2i − 1)
= 2ni − n − 2i(i − 1) + (i − 1)
= (2n + 3)i − 2i2 − (n + 1).

Sustituyendo en (B.3)
n
X
Sn2 (2n + 3)i − 2i2 − (n + 1)

=
i=1
n(n + 1)
= (2n + 3) − 2Sn2 − n(n + 1)
2
2n + 1
= n(n + 1) − 2Sn2 ,
2
de donde
n(n + 1)(2n + 1)
Sn2 = .
6
Bibliografía

[1] Robert B. Ash. Basic Probability Theory. DOVER PUBN INC,

11 de jun. de 2008. 337 págs. isbn: 0486466280.
[2] William Feller. introduction to probability theory and its appli-
cations. eng. Bibliographical footnotes. New York, 1950.
[3] B. V. Gnedenko. The Theory of Probability. Mir Publishers,
1978.
[4] G. R. Grimmett y D. R. Stirzaker. One Thousand Exercises in
Probability. Oxford University Press, 2001.
[5] C. M. Grinstead y J. L. Snell. Introduction to Probability. Ame-
rican Mathematical Society, 2010.
[6] Douglas G. Kelly. Introduction to Probability. Pearson, 1993.
isbn: 978-0023631450.
[7] A. N. Kolmogorov. Foundations of the Probability Theory. trans-
lation edited by Nathan Morrison. With an added bibliography
by A.T. Bharucha-Reid., Bibliography: p. 73-74, 81-84. New
York, 1956.
[8] Francisco Montes. Probabilidad. Ed. por Universidad de Valen-
cia. 2025. url: [Link]
[9] Michael D. Perlman y Michael J. Wichura. «Sharpening Buf-
fon’s Needle». En: The American Statistician 29.4 (nov. de 1975),
pág. 157. doi: 10.2307/2683484.
[10] J. Pitman. Probability. Springer-Verlag, 1993.
[11] Sheldon Ross. A First Course in Probability (8th Edition). Pear-
son Prentice Hall, 2009. isbn: 978-0-13-603313-4.
[12] Sheldon M. Ross. Introduction to Probability Models. Ninth Edi-
tion. Academic Press, 2007.
[13] Deborah Rumsey. Probability for Dummies. Wiley, 2006.
[14] David Stirzaker. Elementary Probability. CAMBRIDGE UNIV
PR, 11 de ago. de 2003. 538 págs. isbn: 0521833442.
[15] G. R. Wood y J. M. Robertson. «Buffon got it straight». En: Sta-
tistics & Probability Letters 37.4 (mar. de 1998), págs. 415-421.
doi: 10.1016/s0167-7152(97)00145-4.

239
Índice alfabético

σ-álgebra de Borel en Rk , 91 Distribución exponencial, 66, 142

Densidad, 66
A.N. Kolmogorov, 6 Función de distribución, 66
Aguja de Buffon, 209 Pérdida de memoria, 67
Distribución gamma, 67
Captura y recaptura, 58 Densidad, 67
Coeficiente de correlación de Pear- Distribución hipergeométrica, 57,
son, 154 158
Coeficientes multinomiales, 234 Distribución ji-cuadrado, 68
Convolución de densidades, 117 Distribución multinomial, 112, 159
Covarianza, 154 Distribución normal, 63
bivariante, 102
Desigualdad de Cauchy-Schwartz, Normal estándar, 146
156 Distribución normal bivariante, 160
Desigualdades Distribución Poisson, 55, 145
Desigualdad de Chebyshev, 150
Distribución de los sucesos ra-
Desigualdad de Jensen, 150 ros, 56
Desigualdad de Markov, 149
Distribución uniforme, 62
Desviación estándar o típica, 143
Distribución uniforme en el cua-
Distribuciones continuas
drado unitario, 99
Distribución ji-cuadrado, 68
Distribución uniforme en el disco
Normal, 63
unitario, 99
Uniforme, 62
Distribuciones discretas
Distribución geométrica, 59 El problema de las cajas de ceri-
Distribuciones multivariantes dis- llas de Banach, 60
cretas El problema de las coincidencias,
Distribución multinomial, 112 20
Distribución Bernoulli, 52, 54 El problema de tetraedro con tres
Distribución beta, 68 colores, 13
Distribución binomial, 53, 145 Espacio de probabilidad, 6
Aproximación Poisson, 56 discreto, 7
Distribución binomial negativa, 60, Espacio muestral, 2
159 Esperanza, 139
Distribución Cauchy, 147 de una función de una varia-
Distribución condicionada, 108 ble aleatoria, 142
Binomial negativa bivariante, Distribucion Bernoulli, 140
112 Distribucion binomial, 141
discreta, 108 Distribucion Poisson, 141
Distribución conjunta continua, 97 Distribución uniforme discre-
Distribución conjunta discreta, 94 ta, 140
Distribución continua, 62 Variable continua, 141
Distribución exponencial, 66 variable discreta no negativa,
Distribución de un vector, 91 139
Distribución empírica, 16, 110 Esperanza condicionada, 160, 161

240
ÍNDICE ALFABÉTICO 241

Esperanza de la suma de variables Probabilidades geométricas

aleatorias, 152 Problemas, 27
Esperanza de una función de un Problema de la aguja de Buffon,
vector aleatorio, 151 107
Problema de los cumpleaños, 19
Funciones de densidad margina- Problemas
les, 98 Aguja de Buffon, 42
Funciones de distribución margi- La paradoja de Bertrand, 43
nales, 93 Prueba Bernoulli, 53
Función Γ, 67
Función de densidad de probabi- Recta de regresión, 188
lidad, 62 Región suroeste, 91
Función de distribución, 48
acumulada, 47 Segundo problema de Huygens, 27
de probabilidad, 47 Serie aritmético geométrica, 237
Función de distribución conjunta, Sucesos aleatorios, 2
91 Sucesos independientes, 14
Función generatriz de momentos, Clases, 15
145
Tabla de contingencia, 111
Función generatriz de probabili-
Teorema de Bayes, 12
dad, 145
Teorema de factorización, 11
Fórmula de Laplace
Teorema de la probabilidad total,
Problemas, 16
11
Incorrelación, 157 Transformación de un vector alea-
Independencia de variables alea- torio, 115
torias, 104 Transformación de una variable alea-
Independencia mutua de sucesos, toria, 69
14 Transformada integral de proba-
bilidad, 74
La paradoja del caballero De Meré,
Variable aleatoria, 45, 46
27
Bernoulli, 52
mediana, 49 discreta, 49
Medida de probabilidad, 5 Poisson, 55
Momento central de orden k, 143 Distribución, 46, 47
Momento de orden k, 143 Variable continua, 61
Momentos de la normal estándar, Variable discreta
146 Bernoulli, 54
Momentos de una variable aleato- Binomial, 53
ria, 143 Varianza, 143
Momentos factoriales, 143 Vector aleatorio, 91
Momentos y variables independien-
tes, 152

Odds, 15

Parque de Viveros, 29
Percentil, 49
Permutación, 233
Principio de los mínimos cuadra-
dos, 187
Probabilidad, 5
Probabilidad geométrica, 7, 15
Probabilidad inducida, 46
242 ÍNDICE ALFABÉTICO
Glosario

σ-álgebra de conjuntos Una familia de conjuntos A definida sobre

Ω decimos que es una σ-álgebra si:
1. Ω ∈ A.
2. A ∈ A ⇒ Ac ∈ A.
3. {An }n≥1 ⊂ A ⇒ n≥1 An ∈ A.
S

. 5, 6, 22

a.s. Indica que el suceso tiene probabilidad uno. Por ejemplo, X ≥ 0

a.s. significa que P (X > 0) = 1. . 147, 149, 150

función Gamma Γ(α) = y α−1 e−y dy. 67

R∞
0

i.i.d. Independientes y con una distribución común.. 195

variable aleatoria Función medible entre un espacio de probabili-

dad y la recta real con su σ-álgebra de Borel. 145

243