Está en la página 1de 6

5.

9 FUNCIONES DE UN VECTOR ALEATORIO BIDIMENSIONAL

Sea X = un vector aleatorio. Supóngase la función Puesto que para cada


se cumple que , entonces Y es una variable aleatoria unidimensional con rango
. Encontrar la distribución de la variable Y es un problema complicado, a menos que Y sea una
función de variables discretas que toman relativamente pocos valores.

Para el caso en el cual X es un vector aleatorio continuo, la función Y será una variable aleatoria
continua unidimensional cuya función de densidad se halla de la siguiente manera:
1) Se hace .
2) Se introduce una segunda variable aleatoria a conveniencia, de
modo que se puedan resolver las ecuaciones y para
en términos de y y z.
3) Se encuentran y
4) Se hallan las primeras derivadas parciales de las funciones con respecto a cada uno
de los argumentos y y z. Se supone que las derivadas existen y son continuas.
5) La función de densidad conjunta del vector aleatorio es

donde J es el jacobiano de la transformación y viene dado por el determinante de la matriz


de primeras derivadas parciales halladas en el paso (4).
6) La función de densidad de la variable aleatoria Y es

EJ EMPLO 8. Sea X y Y variables aleatorias continuas con función de densidad conjunta dada por

Se quiere hallar la función de densidad de la variable . Para el efecto, se introduce convenientemente


la variable . Luego, las transformaciones inversas tienen la forma y . El jacobiano de la
transformación es

Por lo tanto, la función de densidad conjunta de las variables U y V es


La función marg inal de la variable U es

EJ EMPLO 9. Sea X y Y variables aleatorias independientes cada una de las cuales sigue una distribución
uniforme en el intervalo co mprendido entre 0 y 1. Se quiere hallar la función de densidad de la
transformación . La función de densidad conjunta de las variables X y Y es

Se introduce la variable . Las transformaciones inversas tienen la forma y . El


jacobiano de la transformación es

La función de densidad conjunta de las variables U y V es

La función de densidad marginal de la variable U es

5.10 COMBINACIONES LINEALES DE VARIABLES ALEATORIAS

Los vectores aleatorios de dimensión y las funciones que se pueden definir con sus
componentes no constituyen objeto de especial estudio en este curso. Sin embargo, existe una
función de un vector aleatorio k-dimensional que resulta de particular interés.

Sea X = un vector aleatorio k-dimensional. Supóngase la función


donde los coeficientes , son constantes reales no todas iguales a cero. La
función así definida es una combinación lineal de las variables que integran el vector X. Si en
la expresión para , se hace y , se obtiene que Y es la
variable aleatoria que representa la suma de las componentes del vector X, es decir

En particular, sea X = un vector aleatorio continuo con función de densidad conjunta


Sea además la función . Es claro que Y es una variable aleatoria
unidimensional. La esperanza de Y es

La varianza de Y es

Estos resultados se pueden generalizar a cualquier combinación lineal Y de las componentes de un


vector k-dimensional. En este caso, el valor esperado y la varianza de la combinación lineal son
Si las k componentes del vector son variables aleatorias independientes, entonces

En el caso especial, para el cual y , se tiene que el valor


esperado y la varianza de la suma de una cantidad finita de variables aleatorias son,
respectivamente,

Si, en este caso, las variables son independientes, entonces

y, si además de independientes, las variables se distribuyen idénticamente con y para


todo , entonces y .

EJ EMPLO 10. Dos piezas de perfil circular se ensamblan de tal manera que la segunda debe encajar dentro
de la p rimera. Sea el diámetro de la i-ésima pieza, . Supóngse que la función de densidad conjunta
de los diámetros de las piezas es

Puesto que la función de densidad conjunta puede factorizarse como

entonces, las variables son independientes, cada una con distribución exponencial. De esta manera,
se tiene que , , y .

El espacio libre entre las piezas puede representarse med iante la co mbinación lineal De este
modo, e l valor esperado y la varian za del espacio libre entre las piezas, respectivamente, son
EJ EMPLO 10. Se seleccionan n piezas al azar del total de fabricadas en un día. En cada una de las piezas
seleccionadas se mide la misma variab le X. La media arit mética de las mediciones se puede representar como
la co mbinación lineal

Las n mediciones de la variable X pueden entenderse como n variables aleatorias independientes e igualmente
distribuidas con media y varian za . De esta manera, la med ia arit mét ica calculada en una muestra de
tamaño n es una variable aleatoria con valor esperado y varianza iguales, respectivamente, a

5.11 COMBINACIONES LINEALES DE VARIABLES ALEATORIAS Y FUNCIONES


GENERADORAS DE MOMENTOS

Sea X una variable aleatoria con función generadora de momentos , con . Se


define la variable , con a constante. La función generadora de momentos de la variable Y es

Ahora bien, sea un conjunto de k variables aleatorias independientes. Se define la


combinación lineal Y como la suma de las k variables; esto es

La función generadora de momentos de la suma Y es

Si la combinación lineal es de la forma general


con variables aleatorias independientes. Entonces, se tiene que la función generadora de
momentos de la combinación lineal Y es