Cálculo de Probabilidades II

José Luis Trujillo López

Capítulo 8: Suma y cociente de variables aleatorias

Sean X y Y variables aleatorias discretas con función masa de probabilidad conjunta f y

marginales f X y f Y y soportes S X y SY respectivamente. Entonces, se tiene para todo z ∈ R.

{ X +Y =z }=¿ x i ∈ S X { X =x i , Y =z− xi }

Que son eventos disjuntos. Por lo que se sigue (axioma de probabilidad) que

P ( X +Y =z ) = ∑ P ( X =x i , Y =z−x i)
x i ∈Sx

¿ ∑ f (x i , z−x i)
x i ∈S X

Corolario:

1. Si X y Y son v . a . ' s independientes, entonces

f X +Y ( z )= ∑ f X ( x i ) f Y ( z −xi ) = ∑ f X ( z − y j ) f Y ( y j )
xi ∈S X y j ∈ SX

2. Si X y Y son v . a . ' s enteras independientes, entonces

f X +Y = ∑ f X ( x ) f Y ( z−x )
x ∈Z

3. Si X y Y son v . a . ' s independientes enteras no negativas, entonces

z
f X +Y ( z )=∑ f X ( x ) f Y ( z −x )
x=0

Suponga ahora X y Y v . a . ' s continuas con f . d . p . conjunta f . Sea Z=φ ( X , Y ), donde φ

es una función medible sobre ( Ω , S ) de manera que Z es una variable aleatoria.

Para z ∈ R , { Z ≤ z }= {( X ,Y ) ∈ A z },donde A z= { ( x , y ) : φ ( x , y ) ≤ z } . Luego, si F Z es la función

de probabilidad acumulada de X ,

F Z ( z )=P ( Z ≤ z )=P ( ( X , Y ) ∈ A z )=∬ f ( x , y ) dxdy

Az
Si existe una función h no negativa tal que para todo z ∈ R,

∬ f ( x , y ) dxdy= ∫ h ( u ) du
Az −∞

Entonces h es una función de densidad para la distribución de probabilidad Z=φ ( X , Y ) .

8.1 Suma de variables aleatorias

Sea Z=φ ( X , Y )= X+ Y . Entonces, A z= { ( x , y ) : x + y ≤ z } representa el plano inferior

determinado por la recta x + y=z . Así,

F Z ( z )=∬ f ( x , y ) dxdy
Az

∞ z− x
¿∫ ∫ f ( x , y ) dxdy
−∞ −∞

[∫ ]
∞ z
¿∫ f ( x , v−x ) dv dx
−∞ −∞

∫ [∫ ]
z ∞
¿ f ( x , v−x ) dx dv
−∞ −∞

z
¿ ∫ h ( v ) dv
−∞

Con h ( v ) ≥ 0 para todo v ∈ R , puesto que es la integral de una función no negativa ( f ≥ 0 ) . El

cambio del orden de integración se permite por el teorema de Fubini. Luego, h es
necesariamente una función de densidad de probabilidad (con respecto a la integral) de la
variable aleatoria Z=φ ( X , Y ) .

Por lo tanto, la función de densidad de la suma X +Y está dada por

∞ ∞
f X +Y ( z )= ∫ f ( x , z−x ) dx= ∫ f ( z− y , y ) dy
−∞ −∞

Corolario
 1. Sean X y Y v . a . ' s independientes con f X y f Y las correspondientes f . d . p . .
Entonces, la f . d . p .de la suma X +Y es
∞ ∞
f X +Y ( z )= ∫ f X ( x ) f Y ( z−x ) dx =∫ f X ( z− y ) f Y ( y ) dy
−∞ −∞

2. Sean X y Y v . a . ' s independientes no negativas con f X y f Y las correspondientes

f . d . p . . Entonces, la f . d . p . de la suma X +Y es
z z
f X +Y =∫ f X ( x ) f Y ( z−x ) dx =∫ f X ( z− y ) f Y ( y ) dy
0 0

Convolución de funciones

Definición

En el caso de la suma de v . a . ' s independientes la función f Z se dice que es la

convolución de las funciones (de densidad) f X y f Y y se denota por f Z =f X∗f Y . Esto
es.

∞
f Z ( z ) =( f X∗f Y ) ( z ) =∫ f X ( x ) f Y ( z −x ) dx
−∞

La convolución es una operación entre funciones con propiedades como

I. Conmutatividad: g∗h=h∗g .
II. Asociatividad: f∗( g∗h )= ( f ∗g )∗h .

Corolario

Sean X 1 , … , X n v . a .' s independientes con f X , la correspondiente f . d . p . de X i .

Entonces, si Sn= X 1 +⋯+ X n ,

f S ( w )=( f X ∗⋯∗f X ) ( w ) .
n 1 n

8.2 Cociente de variables aleatorias

Considere ahora φ ( X , Y )=Y / X . En este caso, para z ∈ R

 {
A z= { ( x , y ) : φ ( x , y )< z }= ( x , y ) :
y
x
≤z }
Note que

y
i) Si x <0 ; ≤ z ⟹ y ≥ zx .
x
y
ii) Si x >0 ; ≤ z ⟹ y ≤ zx .
x

Entonces

A z= { ( x , y ) : x <0 , y ≥ zx } ∪ { ( x , y ) : x> 0 , y ≤ zx } .

F Z ( z )=P ( Z ≤ z )=P ( φ ( X , Y ) ≤ z )=∬ f ( x , y ) dxdy

AZ

0 ∞ ∞ zx
F Z ( z )= ∫ ∫ f ( x , y ) dydx+∫ ∫ f ( x , y ) dydx
−∞ zx 0 −∞

0 ∞ ∞ z
¿ ∫ ∫ f ( x , xv ) x d v dx +∫ ∫ f ( x , xv ) x d v dx , y=xv
−∞ z 0 −∞

0 z ∞ z
¿ ∫ ∫ −x f ( x , xv ) d v dx+∫ ∫ x f ( x , y ) d v dx
−∞ −∞ 0 −∞

[∫ ]
z ∞
¿∫ |x| f ( x , xv ) dx dv
−∞ −∞

z
¿ ∫ h ( v ) dv
−∞

Donde se aplicó el teorema de Fubini para invertir el orden de integración con h ≥ 0 pues es
la integral de una función no negativa. Así, h es una f . d . p .para Z . Así, la función de
densidad de probabilidad para Z=Y / X está dada por

∞
f Y / X ( z ) =∫ | x| f ( x , xz ) dx
−∞

Corolario
 1. Sean X y Y v . a . ' s independientes con f X y sus f . d . p .correspondientes. Entonces,
∞
f Y ( z )=∫ | x| f X ( x ) f Y ( xz ) dx
X −∞

2. Sean X y Y v . a . ' s independientes no negativas con f X y f Y sus f . d . p .

correspondientes. Entonces,
∞
f Y / X ( z ) =∫ x f X ( x ) f Y ( xz ) dx .
0

Proposición

Sean X 1 , X 2 v . a . ' s independientes con X i Gamma ( α i , β ) . Determine la función de

densidad de Z=X 2 / X 1 .

Demostración

Z=X 2 / X 1 , entonces el soporte de Z es R+¿ ¿. Sea pues z >0.

∞
f Z ( z ) =∫ x f 1 ( x ) f 2 ( zx ) dx
0

∞ α 2−1 − zx / β
x a −1 e− x/ β ( zx ) e
1

¿∫ x α ⋅
0 β Γ ( α 1) β α Γ ( α2 )
1 2

∞ −1 +z
z α −1
2
1 x
¿
β
α1 +α2
K
Γ ( α 1 ) Γ ( α2 ) 0
∫ Kx
α +α −1
e 1 2 β
dx

Γ ( α 1 +α 2 ) z α −1 2

¿ .
Γ ( α 1 ) Γ ( α 2 ) ( 1+ z ) α +α 1 2

[ ]
α1 +α 2
( 1+ z )
Donde β es la constante normalizadora de la función de densidad de una
K=
Γ ( α1 + α2 )

distribución Gamma con parámetro de forma α 1+ α 2 y ( 1+ z ) / β como parámetro tasa. Por lo

tanto,

Γ ( α 1 +α 2 ) z
α 2−1
f X (z )= I ( 0 , ∞) ( z ) .
X2
1
Γ ( α 1 ) Γ ( α 2) (1+ z )α + α 1 2
Corolario

2
Sean X i χ n , v . a . ' s independientes para i=1 , 2. Entonces, X 1 / X 2 tiene f . d . p .
i

dada por

fX (x )=
Γ ( 2 )
n +n
1 2

x
n1
2
−1

I ( 0 ,∞ ) ( x )
Γ ( ) Γ ( ) ( 1+ x )
n1 +n2
X2
1
n1 n 2 2
2 2

Demostración

2
Recuerde que si X i χ n , entonces X i Gamma
i ( n2 , 2) y aplique la proposición
i

anterior.

Proposición

X /m
Sean X χ 2m y Y χ 2n independientes, entonces W = tiene una f . d . p . dada por,
Y /n

Γ ( 2 ) m
m+n m
−1

( )
m 2
w
fW (w)= 2
I ( 0 ,∞ ) ( w )
Γ( )Γ( ) ( 1+ w )
m+ n
m n n m 2
2 2 n

Demostración

Sea W =kX /Y y aplique la transformación del cociente de la proposición anterior

por el facto k =n/ m .

8.3 La distribución F

Definición

Sea W la v . a . con f . d . p . dada por

 (Γ
2 ) m
m+n m
−1

( )
m 2
w
fW (w)= 2
I ( 0 ,∞ ) ( w )
Γ( )Γ( ) (1+ mn w )
m+ n
m n n 2
2 2

Entonces, W se dice que sigue la distribución F con m y n grados de libertad y se

denota por W F m ,n .

Corolario

Si X χ 2m y Y χ 2n independientemente, entonces

X /m
W= Fm, n
Y /n

El siguiente par de proposiciones muestran algunas de las propiedades de la distribución F .

Su demostración se sigue, considerando que si W F m ,n, W podría escribirse como
n −1
W = X Y , producto de v . a . ´ s independientes distribuidas ji-cuadrada con m y n grados
x
de libertad.

Proposición

Sea W F m ,n, entonces

n
1. E [ W ] = , si n>2.
n−2
2 n2 ( m+ n−2 )
2. var ( W )= , sin> 4.
m ( n−2 )2 ( n−4 )

Demostración

X /m
W F m ,n, entonces se puede pensar que , con X y Y independientes distribuidos χ 2 con
Y /n
m y n grados de libertad. Luego W r =k X r Y −r . Entonces, por la independencia de X y Y

E [ W r ] =k E [ X r ] E [ Y −r ]

Para el cálculo E [ Y −r ] se utiliza el siguiente resultado de la distribución Gamma:

 Γ ( α +r ) r
Si W Gamma ( α , β ) , entonces E [ Y ] =
r
β , para todo r >−α .
Γ ( α)

Proposición

Sea W F m ,n, entonces

1. Si T t n (t−¿student con n grados de libertad), entonces T 2 F 1, n .

2. W −1 F n ,m .
3. P ( W ≤ w )=1−P ( W −1 ≤ w−1 ) .
4. Sea 0< p<1 y F ( p ; m ,n ) el p−¿ésimo percentil de la distribución W , esto es,
p=P ( W ≤ F ( p ;m, n ) ), entonces se tiene que
1
F ( p ; m ,n )= .
F ( 1− p ; n , m)

Demostración

Defina la v . a . W como el cociente de v . a . ' s independientes distribuidas χ 2. Por ejemplo,

X /m
W= , donde X χ 2m y Y χ 2n.
Y /n

Corolario

Sean X 1 , … , X n+1 , v . a .i . i . d . N ( 0 , σ 2 ). Para k =1 , … ,n+ 1,

2 2
X 1 +⋯+ X k 2
2
χk,
σ

Entonces,

2 2
n−k X 1+ ⋯+ X k
i. ⋅ 2 Fk , n−k
k X k +1+ ⋯+ X 2n
2
n X n +1
ii. 2 2
F 1 ,n .
X 1 +⋯+ X n