Estudios de Informtica, Multimedia y Telecomunicacin

ASIGNATURA:
PEC Nm.:
Fecha de propuesta:
Observaciones:
Valoracin:

PROBABILIDAD Y ESTADSTICA (19.004/89.004)

2
27/03/2008
Fecha de entrega:
22/04/2008
a) Responded sobre este mismo documento, sin eliminar el texto
original y cuidando mucho la presentacin final
b) Es necesario justificar bien las respuestas
c) El nombre del a fichero debe ser
Apellido1_Apellido2_Nombre.RTF (o .DOC o .PDF)
Todos los ejercicios puntan por igual

ENUNCIADOS Y SOLUCIONES
1. Sea X una v.a. uniforme en el intervalo (0, 1). Se define Y = e X
a) Halla la funcin de distribucin de Y
b) Halla la funcin de densidad de Y
c) Halla E(Y) a partir de la funcin de densidad de X (Pista: usa el teorema de
la esperanza)
RESOLUCIN
1 0 < x < 1
a) Puesto que X ~ U(0,1), la funcin de densidad de X ser: f X ( x ) =
0 otherwise
Notar que 0 < x < 1 1 < y < e
Por tanto, la funcin de distribucin de Y ser:

FY ( y ) = P(Y y ) = P ( e X y ) = P( X ln y ) =

ln y

ln y 1 < y < e
Es decir: FY ( y ) =
otherwise
0

b) La funcin de densidad de Y ser:

d
d
1
fY ( y ) =
FY ( y ) = ln y =
dy
dy
y
1
1< y < e

Es decir: fY ( y ) = y
0 otherwise

f X ( x)dx =

(1 < y < e)

c) Por el teorema de la esperanza:

+

E (Y ) = e x f X ( x)dx = e x dx = e 1

ln y

dx = ln y

(1 < y < e)

2. Sea X una v.a. N(,). Se define Y = e X

a) Representa la funcin Y = g ( X ) = e X y comprueba grficamente que es
una funcin derivable y estrictamente creciente (puedes usar Wiris)
b) Halla la funcin de densidad de Y, expresada en funcin de los parmetros
y (Pista: utiliza la conclusin del apartado anterior)
c) Cuando X = ln Y es una normal, la distribucin de Y se llama log-normal.
Busca por Internet algn mbito de aplicacin de esta distribucin lognormal (p.e. el mbito de la fiabilidad) y comntalo brevemente
RESOLUCIN
a)

b) La funcin de densidad de X es:

1
2
1
f X ( x) =
exp 2 ( x ) < x <
2
2

X
Puesto que y = g ( x) = e es estrictamente creciente y derivable, sabemos que:
x = g 1 ( y ) = ln y
f ( x) 1
1
2
1
fY ( y ) = X
= f X (ln y ) =
exp 2 ( ln y ) 0 < y <
g ( x) y
y 2
2

c) Uno de los mbitos donde se aplica la distribucin log-normal es el de la

fiabilidad. Esta distribucin se suele usar para modelar tiempos de fallo y/o de
reparacin de dispositivos electrnicos que forman parte de sistemas o redes de
telecomunicaciones. En estos casos, se suele usar la log-normal (u otras
distribuciones como la Weibull) para modelar dichos tiempos, ya que de usar
una distribucin normal se podran obtener valores negativos para los tiempos de
fallo y/o reparacin, lo cual carecera de sentido.

3. La funcin de densidad conjunta de un vector aleatorio (X,Y) viene expresada

en funcin de una constante k:
k ( x + y ) 0 < x < 2, 0 < y < 2
f XY ( x, y ) =
otherwise
0
a) Halla el valor de k (Pista: de forma anloga a como ocurra en el caso de
funciones de densidad de una v.a., el volumen total determinado por la
funcin de densidad conjunta en R 2 ha de valer 1) (Opcional: puedes usar
Wiris para comprobar el resultado de la integral doble)
b) Halla las funciones de densidad marginales de X e Y (Opcional: puedes usar
Wiris para comprobar los resultados de las respectivas integrales)
c) Determina si X e Y son independientes
RESOLUCIN
a) 1 =

f xy ( x, y )dxdy = k

0
x=2

( x + y )dxdy =

2
2x
2

1
= k + xy dy = k (2 + 2 y )dy = 8k k =
0
0
8
2
x =0
Podemos comprobar el resultado de la integral con Wiris:

b) La funcin de densidad marginal de X es:

f X ( x) =

y=2
1
1 2
1
y2
( x + 1)
f XY ( x, y )dy = ( x + y )dy = xy + = 4
8 0
8
2 y =0
0

Anlogamente, la funcin de densidad marginal de Y es:

1
( y + 1) 0 < y < 2
fY ( y ) = ... = 4
0
otherwise
Podemos comprobar el resultado de la integral con Wiris:

c) X e Y no son independientes, ya que: f XY ( x, y ) f X ( x) fY ( y )

0< x<2
otherwise

4. La funciones de densidad conjunta y marginales de un vector aleatorio (X,Y)

son, respectivamente:
1
( x + y ) 0 < x < 2, 0 < y < 2
f XY ( x, y ) = 8
0
otherwise
1
( x + 1)
f X ( x) = 4
0

1
( y + 1)
fY ( y ) = 4
0

0< x<2
otherwise

a) Halla las funciones de densidad condicionales f(x/y) y f(y/x)

b) Halla P(0 < Y < / X = 1)
RESOLUCIN

a)

1
( x + y)
1 x+ y
f ( y / x) = 8
=
0 < x < 2, 0 < y < 2
1
2
x
+
1
( x + 1)
4
1
( x + y)
1 x+ y
f ( x / y) = 8
=
0 < x < 2, 0 < y < 2
1
2
y
+
1
( y + 1)
4

b) La probabilidad pedida es:

P ( 0 < Y < 0.5 / X = 1)

0.5

f ( y / x = 1)dy =

1 0.5 1 + y
5

dy =

0
2
32
2

0< y<2
otherwise

5. Dada la v.a. X, se define una nueva v.a. Y = aX + b (a y b constantes, a distinta

de cero). Se pide:
2
a) Halla la covarianza de X e Y y exprsala en trminos de X , la varianza de
X (Pista: recuerda la propiedad de la esperanza, i.e., que la esperanza es un
operador lineal)
b) Usando el hecho de que Var(Y) = Var(aX + b) = a 2 Var(X), halla el
coeficiente de correlacin de X e Y (Atencin: durante los clculos,
recuerda que una desviacin tpica siempre es positiva, mientras que la
constante a podra ser positiva o negativa)
RESOLUCIN
a) Notar que:

E ( XY ) = E [ X (aX + b)] = aE ( X 2 ) + bE ( X )
E (Y ) = E [ aX + b ] = aE ( X ) + b

Por tanto,
2
Cov( X , Y ) = E ( XY ) E ( X ) E (Y ) = ... = a E ( X 2 ) ( E ( X ) ) = aVar[ X ] = a X2

2
2
2
b) Notar que: Y = a X Y = a X
El coeficiente de correlacin de X e Y es:
Cov( X , Y )
a X2
a 1
=
=
= =
X Y
X a X a 1

a>0
a<0