Laboratorios Incentivados AlterEco

Probabilidad

Teorema de Cambio de Variable (Transformaciones)1

El Teorema de Cambio de Variable, nos permite hacer Transformaciones donde se ven

involucradas varias variables aleatorias. Esta nota explica el Teorema y da algunos
ejemplos sobre su uso.

Teorema Si 𝑋1 , … , 𝑋𝑛 son variables aleatorias continuas con densidad conjunta

𝑓(𝑥1 , … , 𝑥𝑛 ) y

𝑌1 = 𝑔1 (𝑋1 , … , 𝑋𝑛 ) , … , 𝑌𝑛 = 𝑔𝑛 (𝑋1 , … , 𝑋𝑛 )

Es una transformación de las 𝑛 variables en 𝑛 variables nuevas que cumplen

 Existe una manera única de despejar a las variables 𝑋1 , … , 𝑋𝑛 en términos de las

variables 𝑌1 , … , 𝑌𝑛 de la siguiente forma

𝑋1 = ℎ1 (𝑌1 , … , 𝑌𝑛 ), … , 𝑋𝑛 = ℎ𝑛 (𝑌1 , … , 𝑌𝑛 )

 El determinante Jacobiano es diferente de cero

𝜕𝑥1 𝜕𝑥𝑛
…
𝜕𝑦 𝜕𝑦1
| 1 |
𝐽= ⋮ ⋱ ⋮ ≠0
|𝜕𝑥 𝜕𝑥𝑛 |
1
…
𝜕𝑦𝑛 𝜕𝑦𝑛

Entonces la densidad conjunta de 𝑌1 , … , 𝑌𝑛 es la siguiente

𝑡(𝑦1 , … , 𝑦𝑛 ) = |𝐽| 𝑓(ℎ1 (𝑦1 , … , 𝑦𝑛 ), … , ℎ𝑛 (𝑦1 , … , 𝑦𝑛 ))

Este teorema es complicado de entender la primera vez que se lee. A continuación, para
facilitar su comprensión se harán algunos ejemplos de transformaciones utilizando el
Teorema de Cambio de Variable.

1
Hecho por Alberto Ramírez de Aguilar Wille
Ejemplo 1 Supongamos que 𝑋 , 𝑌 ~ 𝐸𝑥𝑝(1) independientes. Sea

𝑋
𝑈 = 𝑋+𝑌 𝑉 =
𝑋+𝑌

Encontrar 𝑓𝑈,𝑉 (𝑢, 𝑣).

Iniciaremos por despejar 𝑋 𝑒 𝑌 en términos de 𝑈 𝑦 𝑉. Notemos que

𝑋
𝑋= (𝑋 + 𝑌) = 𝑈𝑉
𝑋+𝑌

Y que, por lo tanto

𝑌 = 𝑈 − 𝑈𝑉 = 𝑈(1 − 𝑉)

Entonces, ya tenemos las variables originales despejadas en término de las variables

nuevas. Esta es la primera condición que pide el Teorema. Ahora, necesitamos encontrar
el determinante Jacobiano

𝜕𝑥 𝜕𝑥
𝐽 = |𝜕𝑢 𝜕𝑣 | = | 𝑣 𝑢
| = −𝑢
𝜕𝑦 𝜕𝑦 1−𝑣 −𝑢
𝜕𝑢 𝜕𝑣

Por lo tanto |𝐽| = 𝑢. Ahora si ya tenemos los dos requisitos que pide el teorema. Por lo
tanto

𝑓𝑈,𝑉 (𝑢, 𝑣) = |𝐽| 𝑓𝑋,𝑌 (𝑢𝑣 , 𝑢(1 − 𝑣))

Como 𝑋 , 𝑌 ~ 𝐸𝑥𝑝(1) y son independientes, entonces

𝑓𝑋,𝑌 (𝑥, 𝑦) = 𝑒 −𝑥 𝑒 −𝑦

Por lo tanto

𝑓𝑈,𝑉 (𝑢, 𝑣) = 𝑢 𝑒 −𝑢𝑣 𝑒 𝑢(1−𝑣) = 𝑢𝑒 −𝑢

No hemos terminado, pues falta determinar el soporte de la nueva función de densidad.

Como las variables originales son exponenciales, el soporte de cada variable original es
(0, ∞). Entonces

𝑋
0<𝑋+𝑌 < ∞ 0< < 1
𝑋+𝑌

Por lo tanto 0 < 𝑢 < ∞ 𝑦 0 < 𝑣 < 1. Entonces

𝑓𝑈,𝑉 (𝑢, 𝑣) = 𝑢𝑒 −𝑢 𝑠𝑖 0 < 𝑢 < ∞ 0 < 𝑣 < 1

Ejemplo 2 Supongamos que 𝑋 , 𝑌 ~ 𝐸𝑥𝑝(1) independientes. Sea

𝑈 = 𝑒𝑋 𝑉 = 𝑋 + 𝑌

Encontrar 𝑓𝑈,𝑉 (𝑢, 𝑣).

Iniciaremos por despejar 𝑋 𝑒 𝑌 en términos de 𝑈 𝑦 𝑉. Este despeje es más sencillo que en

el primer ejemplo pues

𝑋 = ln(𝑈) 𝑌 = 𝑉 − 𝑋 = 𝑉 − ln(𝑈)

Ahora encontremos el determinante Jacobiano

𝜕𝑥 𝜕𝑥 1
0 1
𝐽 = |𝜕𝑢 𝜕𝑣 | = | 𝑢 |=
𝜕𝑦 𝜕𝑦 1 𝑢
− 1
𝜕𝑢 𝜕𝑣 𝑢

Entonces

𝑓𝑈,𝑉 (𝑢, 𝑣) = |𝐽| 𝑓𝑋,𝑌 (ln(𝑢) , 𝑣 − ln(𝑢))

1 −ln(𝑢) −(𝑣−ln(𝑢)) 𝑒 −𝑣
𝑓𝑈,𝑉 (𝑢, 𝑣 ) = 𝑒 𝑒 =
𝑢 𝑢
Lo difícil de este problema es encontrar el soporte de esta nueva función de densidad.
Recordemos que 𝑋 tiene al intervalo (0, ∞) como soporte. Por lo tanto, como 𝑈 = 𝑒 𝑋

1<𝑈< ∞

Esto implica que

0 < ln(𝑈) < ∞

Y como 𝑌 tiene al intervalo (0, ∞) como soporte, entonces

ln(𝑈) < 𝑉 < ∞

Por lo tanto, la función de densidad de las nuevas variables es la siguiente:

𝑒 −𝑣
𝑓𝑈,𝑉 (𝑢, 𝑣 ) = 𝑠𝑖 0 < 𝑢 < ∞ ln(𝑢) < 𝑣 < ∞
𝑢
Como conclusión de este ejemplo, podemos concluir que a pesar de que originalmente 𝑋
era independiente de 𝑌, no necesariamente las variables transformadas son
independientes.

Ejemplo 3 Este ejemplo es muy importante, pues combina dos temas: Esperanza
Condicional y al Teorema de Cambio de Variable.

Sean 𝑋, 𝑌 ~ 𝑈(0,1) independientes. Calcular

𝐸[𝑋 | 𝑋𝑌]

En otras palabras: Queremos encontrar el valor esperado que tomaría la variable 𝑋 sujeto
a que (por alguna razón) conocemos el valor del producto 𝑋𝑌. Conocer esta información
cambia lo que esperamos que valga 𝑋 pues ahora conocemos información adicional que
antes no sabíamos.

¿Cómo resolver este problema? Recordemos que nosotros sabemos calcular esperanzas
condicionales de la forma 𝐸[𝑋|𝑌] 𝑜 𝐸[𝑌|𝑋]. Se hace de la siguiente forma: Sea

𝑈 = 𝑋 𝑉 = 𝑋𝑌

De esta manera, calcular 𝐸[𝑋| 𝑋𝑌] sería lo mismo que calcular 𝐸[𝑈|𝑉] que es una
esperanza condicional que si sabemos calcular. Pero para poder encontrar esta
esperanza, necesitamos conocer 𝑓𝑈,𝑉 y es aquí donde entra el Teorema de Cambio de
Variable.

Iniciemos por despejar 𝑋 𝑒 𝑌 en términos de 𝑈 𝑦 𝑉.

𝑉
𝑋=𝑈 𝑌=
𝑈

Ahora

𝜕𝑥 𝜕𝑥
1 0 1
𝐽 = |𝜕𝑢 𝜕𝑣 | = | 𝑣 1|=
𝜕𝑦 𝜕𝑦 − 2 𝑢
𝑢 𝑢
𝜕𝑢 𝜕𝑣

Entonces

1 𝑣
𝑓𝑈,𝑉 (𝑢, 𝑣) = 𝑓𝑋,𝑌 (𝑢, )
𝑢 𝑢

Recordemos que 𝑓𝑋 (𝑥) = 1 𝑠𝑖 0 < 𝑥 < 1 𝑓𝑌 (𝑦) = 1 𝑠𝑖 0 < 𝑦 < 1, por lo tanto 𝑓𝑋,𝑌 (𝑥, 𝑦) =
1 𝑠𝑖 0 < 𝑥 < 1 0 < 𝑦 < 1.Esto implica que:
 1 𝑣 1
𝑓𝑈,𝑉 (𝑢, 𝑣) = 𝑓𝑋,𝑌 (𝑢, ) =
𝑢 𝑢 𝑢

Como

𝑈 = 𝑋 𝑉 = 𝑋𝑌

Entonces 0 < 𝑈 < 1 y 𝑉 < 𝑈 < 1. La función de densidad conjunta es

1
𝑓𝑈,𝑉 (𝑢, 𝑣) = 𝑠𝑖 0 < 𝑣 < 𝑢 < 1
𝑢

Ahora sí, busquemos 𝐸[𝑈|𝑉]. Para esto necesitamos encontrar 𝑓𝑈 | 𝑉 y 𝑓𝑉

1
1
𝑓𝑉 (𝑣) = ∫ 𝑑𝑢 = − ln(𝑣) 𝑠𝑖 0 < 𝑣 < 1
𝑢
𝑣

Entonces

𝑓𝑈,𝑉 (𝑢, 𝑣) 1
𝑓𝑈 | 𝑉 (𝑢) = = − 𝑠𝑖 𝑣 < 𝑢 < 1
𝑓𝑉 (𝑣) 𝑢𝑙𝑛(𝑣)

Por lo tanto
1 1
−1 𝑣−1
𝐸[𝑈|𝑉 = 𝑣] = ∫ 𝑢 𝑓𝑈 | 𝑉 (𝑢) 𝑑𝑢 = ∫ 𝑑𝑢 =
ln(𝑣) ln(𝑣)
𝑣 𝑣

Esto quiere decir que

𝑉−1
𝐸[𝑈 |𝑉] =
ln(𝑉)

Y por lo tanto (al fin) obtenemos que

𝑋𝑌 − 1
𝐸[𝑋 |𝑋𝑌] =
ln(𝑋𝑌)

Para que notemos la diferencia entre 𝐸[𝑋] y 𝐸[𝑋 |𝑋𝑌] hagamos un ejemplo: Supongamos
1
que 𝑋𝑌 = 2.

Por ser 𝑋 uniforme sabemos que

 1
𝐸[𝑋] =
2

Y por lo que acabamos de calcular

1
−1
𝐸[𝑋 |𝑋𝑌 = 1/2] = 2 = .7213
1
ln ( )
2