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