Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Vectores aleatorio
F1. F (x1; : : : ; xn) es no decreciente en cada una de sus variables. Por ejemplo en la
variable xi tomemos a < b entonces
F2. F (x1;:::; xn) es continua por la derecha en cada una de las variables. Por ejemplo
en la variable xi, si yk #a cuando k ! 1, entonces
También,
1
Demostración. Como en el caso unidimensional. Solamente la propiedad F3 es un
tanto diferente. Es importante notar que si i está fijo, entonces
Para n > 2, las propiedades F1,F2 y F3 no son suficientes para que F sea una función
de distribución.
F0(x; y) = 1
F0(x; y) = 0
2
Está claro que las propiedades F1,F2 y F3 son satisfechas. Pero F0 no es la función
de distribución de ningún vector aleatorio (X ; Y ). Si lo fuese entonces tendríamos
una contradicción.
()
0 6 P (0 < X 6 1; 0 < Y 6 1) = F0(1; 1) ¡ F0(1; 0) ¡ F0(0; 1) + F0(0; 0)
= 1¡1¡1+0
= ¡1:
Para probar que la ecuación () se cumple, basta notar que cuando F0 es la función
de distribución de un vector aleatorio (X ; Y ), se tiene
F (1; 1) = P (X 6 1; Y 6 1):
F (1; 1) ¡ F (1; 0) = P (X 6 1; Y 6 1) ¡ P (X 6 1; Y 6 0)
= P (X 6 1; 0 < Y 6 1)
F (0; 1) ¡ F (0; 0) = P (X 6 0; Y 6 1) ¡ P (X 6 0; Y 6 0)
= P (X 6 0; 0 < Y 6 1):
y finalmente,
3
Esta propiedad no es más que la formulación, por medio de la función de distribución
F , de la propiedad P (a1 < X1 6 b1; : : : ; an < Xn 6 bn) > 0. Sucede que una función
que satisface F1,F2,F3 y F4 es realmente la función de distribución de una vector
aleatorio, i.e., las cuatro propiedades son suficientes para caracterizar a las funciones
de distribución.
Los tipos discreto y absolutamente continuo tienen los siguientes análogos en el caso
multivariado:
entonces f se llama densidad del vector aleatorio (X1; : : : ; Xn), o densidad conjunta
de las variables aleatorias X1; : : : ; Xn, y en este caso, decimos que (X1; : : : ; Xn) es
(absolutamente) continuo.
2 Independencia
Definición 4. Las variables aleatorias X1; : : : ; Xn son (colectivamente) indepen-
dientes si
n
Y
P (X1 2 B1; X2 2 B2; : : : ; Xn 2 Bn) = P (Xi 2 Bi) 8Bi 2 B; i = 1; : : : ; n:
i=1
4
y
n
Y
FX1; : : : ;Xn(x1; : : : ; xn) = FXi(xi); 8(x1; : : : ; xn) 2 Rn;
i=1
Demostración.
b)
i¡1 n
!
Y Y
FXi(xi) = lim Fj (m)Fi(xi) Fj (m) = Fi(xi)
m!1
j =1 j=i+1
ya que
lim Fj (m) = 1:
m!1
5
Acabamos de probar que
n
Y
FX1; : : : ;Xn(x1; : : : ; xn) = Fi(xi);
i=1
i.e., vale el resultado si los Bi son del tipo (¡1; xi]. Vamos a verificarlo ahora
para Bi = (ai; bi]:
Ya que cualquier intervalo es límite de intervalos del tipo (a; b], el resultado
es válido si los Bi son intervalos cualesquiera. Por aditividad, vale si los Bi
son uniones finitas de intervalos.
n
Y
f (x1; : : : ; xn) = fi(xi); 8(x1; : : : ; xn) 2 Rn;
i=1
R1
donde fi(x) > 0 y ¡1 fi(x)dx = 1; 8i; entonces X1;:::; Xn son independientes
y fi es la densidad de Xi, para i = 1; : : : ; n.
6
Demostración.
b)
Z xn Z x1
FX1; : : : ;Xn(x1; : : : ; xn) = ::: f(t1; : : : ; tn)dt1 : : :dtn
¡1 ¡1
Z xn Z x1 Y
n
= ::: fi(xi)dt1 : : :dtn
¡1 ¡1 i=1
n Z
Y xi
= fi(ti)dti:
i=1 ¡1
Yn
= Fi(xi)
i=1
R xi
Definiendo Fi(xi) = ¡1 fi(ti)dti, tenemos, por hipótesis, lim xi!+1Fi(xi) = 1.
Por un resultado anterior esto implica que X1; : : : ; Xn son independientes y
Fi = FXi, luego fi es la densidad de Xi.
7
donde 1 > 0; 2 > 0; ¡1 < < 1; 1 2 R; 2 2 R.
Si = 0, entonces la densidad factoriza:
1 (x ¡ 1)2 1 (y ¡ 2)2
f (x; y) = p exp ¡ :p exp ¡ :
2 1 212 2 2 222
Proposición 3.
8
Falta el factor
1
p
2 2(1 ¡ 2)
p
Por lo tanto, esta última integral tiene el valor 2(1 ¡ 2) 2 y tenemos
1 (x ¡ 1)2
fX (x) = p exp ¡ ; x 2 R;
2 1 212