PROBABILIDAD 2

Unidad # 2
Transformaciones y Funciones Características

Actividad # 1. Sesión con videos.

Alumno: Francisco Javier León López

Matrícula: ES172007902
Asignatura: Probabilidad II
Carrera: Lic. Matemáticas
Transformación de variables aleatorias
Si X es una variable aleatoria con función de distribución acumulada Fx(x),
entonces cualquier función de X es también una variable aleatoria. Si se define
Y=g(X) es posible descubrir el comportamiento probabilístico de Y en términos
de X.
Siendo y=g(x) define un mapa desde el espacio muestral de X al especio
muestral de Y.

𝑔(𝑥): 𝑋 → 𝑌
Se asocia a g un mapa inverso, denotado por 𝑔−1 definido
𝑔−1 (𝐴) = {𝑥 𝜀 𝑋: 𝑔(𝑥)𝜀𝐴}

Función de densidad de la suma de variables aleatorias.

Sea (𝑋, 𝑌) un vector aleatorio continuo con función de densidad 𝑓𝑋,𝑌 (𝑥, 𝑦),
entonces:
∞
𝑓𝑋+𝑌 (𝑢) = ∫ 𝑓𝑋,𝑌 (𝑢 − 𝑣, 𝑣)𝑑𝑣
−∞
Sea 𝜑 = (𝑥, 𝑦) = (𝑥 + 𝑦, 𝑦) = (𝑢, 𝑣), donde 𝜑 es continua y tiene inversa:
𝜑 −1 = (𝑢 − 𝑣, 𝑣) = (𝜑1−1 , (𝑢, 𝑣), 𝜑2−1 (𝑢, 𝑣))
El jacobiano de esta función inversa es:
𝜕 −1 𝜕 −1
𝜑1 𝜑1
𝜕𝑢 𝜕𝑣 1 −1
𝐽(𝑢, 𝑣) = | |=| |=1
𝜕 −1 𝜕 −1 0 1
𝜑 𝜑
𝜕𝑢 2 𝜕𝑣 2
Por lo tanto, el vector aleatorio (𝑢, 𝑣) = 𝜑(𝑋, 𝑌) = (𝑋 + 𝑌, 𝑌) tiene función
de densidad:
𝑓 (𝑢 − 𝑣, 𝑣) |1|𝑠𝑖 (𝑢, 𝑣)𝜖𝜑(𝐼)
𝑓𝑋+𝑌,𝑌 (𝑢, 𝑣) = { 𝑋,𝑌
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
∞
𝑓𝑋+𝑌 (𝑢) = ∫ 𝑓𝑋,𝑌 (𝑢 − 𝑣, 𝑣)𝑑𝑣
−∞
Convolución. - Si X,Y son variables aleatorias discretas e independientes
entonces Z = X +Y tiene fmp
 𝑃(𝑍 = 𝑧) = ∑ 𝑃(𝑋 = 𝑥)𝑃(𝑌 = 𝑧 − 𝑥)
𝑥
Siendo caso partículas en que X,Y no son negativas, P(X=x) =0 si x<0 y P(Y=z-
x)=0 si x>z , en ese caso

𝑃(𝑋 + 𝑌 = 𝑧) = ∑ 𝑃(𝑋 = 𝑥)𝑃(𝑌 = 𝑧 − 𝑥)

𝑥=0
Y Decimos que la fmp de X+Y es la convolución de las funciones de
probabilidad X y Y.

Entonces para fin ., Sean X e Y dos variables con medias µX y µY . Entonces si la

suma es Z = X + Y , e la diferencia es S = X − Y , se tiene

Se dice que dos variables X e Y son independientes si P(X = x ∩ Y = y) = P(X =

x)P(Y = y) para cualquier valor de x e y. En el caso de dos variables
independientes, también existe una expresión sencilla para la varianza de la
suma. Si X e Y son independientes, se tiene

Función de densidad de la diferencia de variables aleatorias.

Sea (𝑋, 𝑌) un vector aleatorio continuo con función de densidad 𝑓𝑋,𝑌 (𝑥, 𝑦),
entonces:
∞
𝑓𝑋−𝑌 (𝑢) = ∫ 𝑓𝑋,𝑌 (𝑢 + 𝑣, 𝑣)𝑑𝑣
−∞
Y se define con la demostración.
Sea 𝜑 = (𝑥, 𝑦) = (𝑥 − 𝑦, 𝑦) = (𝑢, 𝑣), donde 𝜑 es continua y tiene inversa:
𝜑 −1 = (𝑢 + 𝑣, 𝑣) = (𝜑1−1 , (𝑢, 𝑣), 𝜑2−1 (𝑢, 𝑣))
El valor jacobiano de esta función inversa es:
 𝜕 −1 𝜕 −1
𝜑1 𝜑1
𝜕𝑢 𝜕𝑣 1 1
𝐽(𝑢, 𝑣) = | |=| |=1
𝜕 −1 𝜕 −1 0 1
𝜑 𝜑
𝜕𝑢 2 𝜕𝑣 2
Por lo tanto, el vector aleatorio (𝑢, 𝑣) = 𝜑(𝑋, 𝑌) = (𝑋 − 𝑌, 𝑌) tiene función
de densidad:
𝑓 (𝑢 + 𝑣, 𝑣) |1|𝑠𝑖 (𝑢, 𝑣)𝜖𝜑(𝐼)
𝑓𝑋−𝑌,𝑌 (𝑢, 𝑣) = { 𝑋,𝑌
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
∞
𝑓𝑋−𝑌 (𝑢) = ∫ 𝑓𝑋,𝑌 (𝑢 + 𝑣, 𝑣)𝑑𝑣
−∞

Función de densidad del producto de variables aleatorias.

Sea (𝑋, 𝑌) un vector aleatorio continuo con función de densidad 𝑓𝑋,𝑌 (𝑥, 𝑦),
entonces:
∞
1
𝑓𝑋𝑌 (𝑢) = ∫ 𝑓𝑋,𝑌 (𝑢/𝑣, 𝑣) | | 𝑑𝑣
−∞ 𝑣
Y se define con la demostración.

Sea 𝜑 = (𝑥, 𝑦) = (𝑥𝑦, 𝑦) = (𝑢, 𝑣), donde 𝜑 es continua y :

𝜑 −1 = (𝑢, 𝑣) = (𝑢/𝑣, 𝑣) 𝑝𝑎𝑟𝑎 𝑣 ≠ 0
= (𝜑1−1 (𝑢, 𝑣), 𝜑2−1 (𝑢, 𝑣))
EL valor jacobiano de esta función inversa es:

𝜕 −1 𝜕 −1
𝜑1 𝜑1 1 −𝑢 1
𝐽(𝑢, 𝑣) = | 𝜕𝑢 𝜕𝑣 | = |𝑣 𝑣 2 | =
𝜕 −1 𝜕 −1 𝑣
𝜑2 𝜑2 0 1
𝜕𝑢 𝜕𝑣
Por lo tanto, el vector aleatorio (𝑢, 𝑣) = 𝜑(𝑋, 𝑌) = (𝑋𝑌, 𝑌) tiene función de
densidad:
1
𝑓𝑋𝑌,𝑌 (𝑢, 𝑣) = {𝑓𝑋,𝑌 (𝑢/𝑣, 𝑣) | | 𝑠𝑖 (𝑢, 𝑣)𝜖𝜑(𝐼)
𝑣
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Teniendo que la funcion de densidad de X*Y evaluada en u.
 ∞
1
𝑓𝑋𝑌 (𝑢) = ∫ 𝑓𝑋,𝑌 (𝑢/𝑣, 𝑣) | | 𝑑𝑣
−∞ 𝑣

Funciones Características
Es una función que toma valores complejos y tiene argumental real.

Siendo una variable aleatoria X , caracteriza la distribución F(x) de esta

variable aleatoria.
Las funciones características son especialmente adecuadas para el estudio de
la convergencia débil de variables aleatorias independientes.
Dadas dos variables X e Y, se define como variable aleatoria compleja Z= X+ iY ,
donde 𝑖 = √−1 , siendo esta la unidad imaginaria.
Si las variables aleatorias X,Y tienen esperanzas respectivas EX, EY, definimos
la esperanza matemática de la variable aleatoria compleja Z mediante
EZ=EX+iEY.
Considerando lo anterior una variable aleatoria X definida por un especio de
probabilidad de la variable aleatoria X a la función f(t) definida para todo t real
mediante la igualdad.

𝑓(𝑡) = 𝐸(𝑒 𝑖𝑡𝑥 ) = ∫ 𝑒 𝑖𝑡𝑥 𝑑𝐹(𝑥)

−∞

Con sus diferentes variantes en igualdades.

~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆)
 ∞ ∞
𝑖𝑡𝑥 𝑖𝑡𝑥 −𝜆
𝜆𝑥 −𝜆
(𝜆𝑒 𝑖𝑡 )𝑥 𝑖𝑡 𝑖𝑡
𝜙(𝑡) = 𝐸(𝑒 ) = ∑ 𝑒 𝑒 =𝑒 ∑ = 𝑒 −𝜆 𝑒 𝜆𝑒 = 𝑒 −𝜆(1−𝑒 )
𝑥! 𝑥!
𝑥=0 𝑥=0
Sea 𝑋~𝑒𝑥𝑝(𝜆)
𝜙(𝑡) = 𝐸(𝑒 𝑖𝑡𝑥 )
∞
= ∫ 𝑒 𝑖𝑡𝑥 𝑒 −𝜆𝑥 𝑑𝑥
0
∞ ∞
−𝜆𝑥
= ∫ 𝑐𝑜𝑠𝑡𝑥 ∙ 𝜆𝑒 𝑑𝑥 + 𝑖 ∫ 𝑠𝑒𝑛𝑡𝑥 ∙ 𝜆𝑒 −𝜆𝑥 𝑑𝑥 =
0 0
𝜆2 𝜆𝑡 𝜆
+ 𝑖 =
𝜆2 + 𝑡 2 𝜆2 + 𝑡 2 𝜆 − 𝑖𝑡

Propiedades
Propiedad 1.
𝑆𝑒 𝑡𝑖𝑒𝑛𝑒 𝑓(0) = 1
Propiedad 2.
𝑆𝑒 𝑡𝑖𝑒𝑛𝑒 |𝑓(𝑡)| ≤ 1 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑡 ∈ ℝ
Propiedad 3.
𝐿𝑎 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟𝑖𝑠𝑡𝑖𝑐𝑎 𝑓(𝑡)𝑒𝑠 𝑢𝑛𝑖𝑓𝑜𝑟𝑚𝑒𝑚𝑒𝑛𝑡𝑒 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 𝑒𝑛 𝑟𝑒𝑐𝑡𝑎 𝑟𝑒𝑎𝑙
Propiedad 4.
𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑎 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑌 = 𝑎𝑋 +
𝑏, 𝑑𝑜𝑛𝑑𝑒 𝑎, 𝑏 𝑠𝑜𝑛 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠. 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠, 𝐿𝑎 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟𝑖𝑠𝑡𝑖𝑐𝑎 𝑔(𝑡)
de la variable aleatoria Y verifica 𝑔(𝑡) = 𝑒 𝑖𝑏𝑡 𝑓(𝑎𝑡). Donde f(t) es la función
característica de la variable aleatoria X.
Propiedad 5.
Considerando una variable aleatoria X, para la cual existe
∝𝑘 = 𝐸(𝑋 𝐾 )en el momento de orden K, para alguien natural 𝑘 ≥
1. 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑢 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟𝑖𝑠𝑡𝑖𝑐𝑎 𝑓(𝑡)tiene derivadas continuas ,.
Para todo t real hasta el orden k inclusive.
𝑓 𝑚 (0) = 𝑖 𝑚 ∝𝑘 (1 ≤ 𝑚 ≤ 𝑘)
Propiedad 6.
Consideremos dos variables aleatorias independientes X e Y, con funciones
características f(t) y g(t) respectivamente, Sea h(t) la función característica de
la suma X+Y. Entonces se verifica
ℎ(𝑡) = 𝑓(𝑡)𝑔(𝑡)

Propiedad 7.
̅̅̅̅̅̅
Para todo t real, se verifica que 𝑓(−𝑡) = 𝑓(𝑡)
Quedando
𝑓(−𝑡) = 𝐸𝑒 −𝑖𝑡𝑋 = ̅̅̅̅̅̅̅ ̅̅̅̅̅̅
𝐸𝑒 𝑖𝑡𝑋 = 𝑓(𝑡)

Propiedad 8.
Si la variable aleatoria X es simétrica, su función característica f(t) es una
función real.
̅̅̅̅̅̅
𝑓(𝑡) = 𝐸𝑒 𝑖𝑡𝑋 = 𝑓(−𝑡) = 𝑓(𝑡)
Bibliografía:
1. Rincón (2015), Videos del curso 626 de Probabilidad, citados en la
Planeación didáctica, de la Unidad actual.

Rincon, L. (2014). Introducción a la probabilidad. México: UNAM. Spiegel, M.

(2007). Álgebra Superior. México: McGRAW-HILL.

http://www.cmat.edu.uy/~mordecki/courses/procesos-2010/Petrov-
Mordecki-cap6-7.pdf