66.

75 Procesos Estocásticos Agosto, 2011

Guı́a de Ejercicios 1

Ejercicio 1
1. Calcular los momentos de primer y segundo orden (media y varianza) de una
variable aleatoria continua con distribución uniforme entre los lı́mites a y b.
2. Sabiendo que la función rand() de Matlab/Octave devuelve una variable
aleatoria uniforme entre 0 y 1, escriba un algoritmo para dichos programas
que permita generar una variable aleatoria uniforme a la que se le pueda
especificar la media y la varianza deseadas.

Ejercicio 2
1. Genere N muestras de una variable aleatoria uniforme entre a y b.
2. Calcule la media y la varianza muestrales y compárelas con las teóricas.
3. Construya y represente el histograma que aproxima la fdp. Normalice el his-
tograma para que tenga área 1 y compare la función obtenida con la función
de densidad de probabilidad teórica.

Ejercicio 3
Z es una variable uniforme en [0, 1]. Obtener la transformación g(·) tal que X =
g(Z) sea:
1. una variable exponencial de parámetro λ,
2. una variable de Rayleigh de parámetro α.

Ejercicio 4
1. Genere N muestras de una variable aleatoria exponencial de parámetro λ

fX (x) = λe−λx x≥0

2. Calcule la media y la varianza muestrales y compárelas con las teóricas.

3. Construya el histograma que aproxima la fdp. Compare con la gráfica teórica
de la fdp.

Ejercicio 5
1. Genere N muestras de una variable aleatoria de Rayleigh de parámetro α
x −x2 /2α2
fX (x) = e x≥0
α2

2. Calcule la media y la varianza muestrales y compárelas con las teóricas.

3. Construya el histograma que aproxima la fdp y compare con la gráfica de la
fdp teórica.

1
66.75 Procesos Estocásticos Agosto, 2011

Ejercicio 6
Sea Y = X + N , con X y N variables aleatorias independientes.
1. Demostrar que fY (y) = fX (y) ∗ fN (y),
2. Demostrar que fY /X (y/x) = fN (y − x),
3. Si X ∈ {0, 1} es una variable aleatoria Bernoulli con P (X = 0) = p0 y
P (X = 1) = p1 , expresar y representar fY (y) y fY /X (y/x).

Ejercicio 7
En este problema se desea analizar la función de densidad de probabilidad de la
suma de dos variables aleatorias. Para ello realice el siguiente experimento compu-
tacional:
1. Genere N muestras de una variable aleatoria uniforme X1 y N muestras
de otra variable aleatoria uniforme X2 . El soporte de ambas variables es el
intervalo [−2, 2].
2. Utilizando las muestras anteriores, obtenga las muestras de X3 = X1 + X2 ,
y de X4 = X1 + 2X2 .
3. Construya el histograma de X3 y X4 .
4. Verifique que la fX3 (x) es la integral de convolución de fX1 (x) con fX2 (x).
¿Qué puede decir de fX4 (x)?
5. Repita los puntos 1 a 4 cuando X1 es una variable uniforme en el intervalo
[−2, 2], y X2 es una variable uniforme en el intervalo [−1, 1].

Ejercicio 8
Sea X una variable aleatoria discreta. Demuestre que

Var(X) = 0 ⇔ P {X = E [X]} = 1

Ejercicio 9
Sea X un vector aleatorio discreto de media µX y cuya matriz de covarianza
es CX . Demuestre que CX  Tes una matriz singular sı́, y sólo sı́, existe un vector
determinı́stico z tal que P z (X − µX ) = 0 = 1.

Ejercicio 10
Analice las siguientes matrices e indique si pueden ser o no matrices de cova-
rianza asociadas a algún vector aleatorio:
     
2 −4 0 4 −6 2 1,3201 0 −1,4892
M1 =  −4 3 1  M2 =  −6 9 3  M3 =  0 2 0 
0 1 2 8 12 16 −1,4892 0 1,6799

2
66.75 Procesos Estocásticos Agosto, 2011

Ejercicio 11
Un vector aleatorio (X, Y ) posee una función masa de probabilidad como se
muestra en las siguientes figuras, donde los puntos son equiprobables.

y y

√ 1
1/ 2

√
2 x 1 x

(a) (b)

Los puntos en la Figura (a) son los mismos que los de la Figura (b) tras haber
realizado una rotación de 45◦ . Para ambos casos, calcule pY |X y pY para determinar
si las variables aleatorias son independientes.

Ejercicio 12
Se tiene un vector aleatorio X = [X1 X2 ]T cuya distribución es Gaussiana con
media µX y matriz de covarianza CX .
1. Utilizando un cambio de variables, genere un vector aleatorio Y = [Y1 Y2 ]T
cuyas variables estén descorrelacionadas y tengan media nula.
2. Demuestre que los autovalores de la matriz CY son proporcionales a la lon-
gitud de los ejes mayores y menores de la cuádrica:
Y12 Y22
+ 2 =1
a21 a2

3. ¿Qué sucede si la matriz de correlación CY es singular?

Ejercicio 13
Sean X1 , X2 . . . XN variables aleatorias conjuntamente Gaussianas cuya matriz
de covarianza es C = {Cij }N ×N .
1. Calcular la varianza de la variable aleatoria Y = a1 X1 + a2 X2 + · · · + aN XN
donde ai son coeficientes reales tales que el vector a = [a1 . . . aN ] tiene norma
unitaria.
2. Sea  
3 −1
C=
−1 3
Determine el máximo y el mı́nimo valor posible de la varianza de Y cuando a
recorre el cı́rculo unitario.

Ejercicio 14
El propósito de este ejercicio es demostrar que la distribución de probabilidad
conjunta de un vector de variables i.i.d. Gaussianas es invariante a rotaciones o, lo
que es lo mismo, la densidad Gaussiana es esféricamente invariante.

3
66.75 Procesos Estocásticos Agosto, 2011

Sea X = [X1 · · · XN ]T un vector aleatorio Gaussiano de media cero con matriz

de covarianza CX . Sea A una matriz no singular de N × N . Defina un nuevo vector
aleatorio Y = AX.
1. Obtenga la media y la matriz de covarianza de Y. ¿Tiene Y una distribución
Gaussiana?
2. Suponga ahora que CX = σ 2 IN , donde σ 2 > 0 e IN es la matriz identidad de
orden N , y que A es una matriz ortogonal. Obtenga la función de distribución
de Y y compárela con la de X. ¿Qué conclusiones puede elaborar?

Ejercicio 15
Sean X e Y variables aleatorias independientes, normales, de media nula y
varianza σ 2 . Demostrar que en la transformación X = R cos φ, Y = R sen φ, R y φ
son variables de Rayleigh y uniforme, respectivamente.

Ejercicio 16
1. Genere N muestras de una variable aleatoria normal de media nula y varianza
σ 2 utilizando el cambio de variable

X = R cos φ

donde R es una variable Rayleigh y φ, una variable uniforme entre 0 y 2π.

2. ¿Qué sucede si se usa la misma realización de la variable aleatoria uniforme
para generar las variables aleatorias R y φ?
3. Calcule la media y la varianza muestrales, y compárelas con las teóricas.
4. Construya y represente el histograma que aproxima la fX (x). Normalice el
histograma para que tenga área 1 y compare la función obtenida con la función
de densidad de probabilidad teórica.

Ejercicio 17
Un vector aleatorio X cuya distribución 10
es Gaussiana multivariable posee las curvas
de nivel que se muestran en la figura de la
derecha. 5

1. ¿Es posible estimar gráficamente la

media, las varianzas y el coeficien-
0
te de correlación? En caso afirmativo,
encuentre dichos parámetros.
2. Imagine los valores particulares de -5
cinco realizaciones de este vector.
3. ¿Pueden existir realizaciones más -10
allá de la última elipse de concen- -2 0 2 4 6 8
tración? Justifique.

4
66.75 Procesos Estocásticos Agosto, 2011

Ejercicio 18
Sea X = [X1 X2 ]T un vector aleatorio normal cuya media y matriz de covarianza
tienen las siguientes representaciones:
 
T σ12 ρσ1 σ2
m = [m1 m2 ] C=
ρσ1 σ2 σ22

1. Genere N muestras de X utilizando diferentes valores del coeficiente de

correlación ρ = {0; 0,5; 0,95; −0,5}.
2. Para cada valor del coeficiente de correlación, graficar las curvas de densi-
dad de probabilidad constante en el plano X1 , X2 y las muestras del vector
obtenidas en la simulación.
3. Para cada valor del coeficiente de correlación, estimar el vector m y los
elementos de la matriz de covarianza, comparándolos con los valores teóricos.