Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Documento 12 Funciones de Variable Aleatoria
Documento 12 Funciones de Variable Aleatoria
LA VARIABLE ALEATORIA
S
X(s)
s
A B Rx
s
X(s)
1
Variable Aleatoria Discreta. Si el número de valores posibles de X es finito, esto es,
se pueden anotar los valores de X como, x1,..., x n
P( x i ) 0 i
i 1
p( x i ) 1
donde, p es la probabilidad de la variable aleatoria X. La colección de pares
( x i , p( x i )), i 1,... es, algunas veces, la distribución de probabilidad de X
2
Sea X una variable aleatoria continua con función de distribución de probabilidad f,
f(x)>0 para a<x<b. Sea y=H(x) monótona estrictamente y sea derivable para todo x,
luego la variable aleatoria Y=H(X) tiene la función de distribución de probabilidad:
dx
g ( y) f ( x )
dy
Sea (X,Y) una variable aleatoria bidimensional con cada resultado posible (x i,yj)
asociamos un número p(xi,yj) que representa P(X=xi,Y=yj) que satisface
p( x i , y j ) 0 ( x , y )
j 1 i 1
p( x i , y j ) 1
Sea (X,Y) una variable aleatoria continua que toma todos los valores de la región R
del plano Euclideo, la función de distribución de probabilidad conjunta f es la función
que satisface,
f ( x , y) 0 ( x , y ) R
f
R
( x , y ) dxdy 1
3
2 F( x , y)
f ( x , y)
xy
Lim F( x ) 0 Lim F( x ) 1
x x
d
Se cumple, también, f ( x ) F( x ) con valores x1,x2,... y son x1<x2<x3<...
dx
- P[a X b] x a p x ( x )
i x b
Propiedades:
4
- 0 Fx ( x ) 1 - Fx () 0 y Fx () 1
- Fx ( x ) Fx ( x ) para cualquier >0 - Fx ( x 2 ) Fx ( x 1 ) P[ x 1 X x 2 ]
La FDA es una función monótona creciente.
xi x y i
p xy ( x i , y i )
Similarmente se hace para la variable aleatoria X
FMP Condicional: Si se conoce el valor de una de las variables aleatorias Y=y0, las
probabilidades relativas de los diferentes valores de la otra variable están dados por
p xy ( x, y 0 ) , se tiene una fmp condicional de X dado Y
P[(X x ) (Y y)]
Px / y ( x , y) P[X x / Y y] , lo cual equivale a
P[ Y y]
p xy ( x, y) p xy ( x , y)
Px / y ( x, y) . Se cumple además lo señalado
p y ( y)] x i
p xy ( x i , y)
anteriormente
0 ox / y 1 y p ( x i , y) 1 .
x i x / y
La función de
distribución de probabilidad satisface: f xy ( x , y) 0 y
f xy ( x, y)dxdy 1 para todo el intervalo
Y la acumulada,
Fxy ( x , y) P[(X x ) ( Y y)] P[ X x Y y ]
x y
f xy ( x 0 , y 0 )dy 0 dx 0
5
de donde, f xy ( x , y) FXY ( x , y )
xy
6
Lim F( x ) 0 Lim F( x ) 1
x x
d
f (x) F( x ) para la función de densidad acumulada de variables aleatorias
dx
continuas con función de densidad de probabilidad f
Sea X una variable aleatoria discreta con valores x1,..., x n y son x1 x 2 .... . Será F
la función de distribución acumulada de frecuencias, entonces,
p( x j ) P( X x j ) F( x j ) F( x j1 )
x
FX ( x ) X
f ( x 0 )dx 0 FXY ( x , ) o sea, f X (x)
x
FXY ( x , )
Y para la Condicional:
f Y (y 0 )
f XY ( x , y 0 )dx
f XY ( x , y)
por lo cual, f X / Y ( x , y)
f Y ( y)
x
FX / Y ( x , y) P[X x / Y y]
f X / Y (u, y)du
de probabilidad de X.
Idem para Y: q ( y j ) P(Y y j ) i 1 p( x i , y j )
De otra forma,
d d
P(c X d ) P[c X d, Y ]
c
f ( x , y)dydx
c
g ( x )dx
7
Sea (X,Y) una variable bidimensional continua con función de distribución de
probabilidad conjunta f. Y sean g y h son las funciones de probabilidad marginal de X
y Y respectivamente. Entonces, la función de distribución de probabilidad
condicional de X para Y=y es,
f ( x , y)
g ( x / y) , h ( y) 0
h ( y)
similarmente
f ( x , y)
h(y / x) , g(x ) 0
g(x )
Sea (X,Y) una variable aleatoria bidimensional continua con función de distribución
de probabilidad conjunta f. Sea Z=H1(X,Y) y W=H2(X,Y), donde H1 y H2 satisfacen:
x x y y
Existe , , , y son continuas, luego la función de distribución de
z w z w
probabilidad conjunta (Z.W) esta dada por:
f [G 1 (z, w ), G 2 (z, w )]
k ( z, w )
J ( z, w )
8
w1
s( w , u ) g( u ) h , con w=x, y , u=x, Y=w/u
u u
9
Una Variable. Se trata de aplicar el primer método sin desarrollar la obtención
primero la función de distribución. En el caso discreto no hay problema real, en tanto
que X y Y=u(X) se relacionen biunivocamente. Por tanto, la sustitución debe ser
adecuada.
y luego aplicando y=(1+x)-1 para sustituir los valores de Y por los de X, se tiene
y 0 1/2 1/3 1/4 1/5
G(y) 1/16 4/16 6/16 4/16 1/16
obteniéndose,
1 1
4 4
10
d a
2
dx a x 2
y se deduce que
1 a 1 a
g(x ) 2 2 para x
a x a x
2 2
2 2 dy 1 1 / 2
Solución, g ( y) e y /2
z , entonces,
2 dz 2
2
h ( z) e z / 2
2
Dos Variables. Se trata del método anterior pero considerando dos variables. Sean la
distribución conjunta Y=u(X1,X2), si las relaciones entre y y x 1 con x2 y entre y y x2
con x1 se mantienen constantes, entonces,
x 1 x 2
g ( y, x 2 ) f ( x 1 , x 2 ) g ( x 1 , y) f ( x 1 , x 2 )
y y
f (x1 , x 2 )
x 1! x 2!
f (x 1 , x 2 ) g ( y, x 2 )
x 1!*x 2 ! x 1!*x 2 !
e (1 2 ) 1 1 2 2 e (1 2 ) 1 2
y x x y
h ( y)
x 2 0 x 2 !*( y x 2 )! y!
11
donde w1 y w2 son soluciones de las ecuaciones simultaneas en derivadas parciales de
y1 y y2. J es el Jacobiano de la transformación,
x 1 x 1
y 1 y 2
J
x 2 x 2
y 1 y 2
i 1
12