Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. (4.0 Puntos) Sean X1 y X2 variables aleatorias iid con función de densidad común
fθ (x) = θ xθ−1 I(0,1) (x).
Sea la transformación
X1
U= y V = X1
X2
(a) (1.0 Puntos) Encuentre la función de densidad conjunta de U y V .
(b) (1.0 Puntos) Encuentre la función de densidad marginal de U
(c) (1.0 Puntos) Halle la función de distribución de U
(d) (1.0 Puntos) Halle P (U ≤ 43 |θ = 1)
Solution:
v
(a) Aquí J = u2
, por lo tanto la función de densidad conjunta es
v 2θ−1
fU,V (u, v) = θ2 , 0<v<u
uθ+1
(b) La densidad marginal de U es
Z θ θ−1
2
u si 0 < u < 1
fU (u; θ) = fU,V (u, v)dv = θ
2uθ+1
si u>1
(d)
4 4 1 3 3 5
P (U ≤ |θ = 1) = F (u) = P U≤ =1− × =1− =
3 3 2 4 8 8
2. (4.0 Puntos) Suponga que (Y1 , Yy , Y3 ) ∼ N (µ, Σ) donde
0 1 0 1
µ = 1 Σ = 0 2 2
2 1 2 3
Solution:
(a) sean
Y1
U = Y1 − Y2 U 1 −1 0
⇒ = Y2
V = Y1 + Y2 + Y3 V 1 1 1
Y3
identificando
Y1
1 −1 0
A= y Y = Y2
1 1 1
Y3
Entonces por transformación lineal se sabe que
U
= AY ∼ N2 (Aµ, AΣA0 )
V
Luego,
U −1 2 −2
∼ N2 ,
V 3 −2 12
3. (4.0 Puntos) Muchas distribuciones con “nombre” son casos especiales de las distribuciones
más comunes que ya se discutieron. Para cada una de las siguientes distribuciones nombradas,
obtenga la forma del fdp, verifique que sea un fdp y calcule la media y la varianza.
Page 2
(a) (2.0 Puntos) Si X ∼ exp(β), entonces Y = X 1/θ tiene distribución W eibull(γ, β) donde
γ>0
(b) (2.0 Puntos) Si X ∼ exp(β), entonces Y = (2X/β)[1/2 tiene distribución Rayleigh.
Solution:
(a) X ∼ exp(β), entonces
1 − β1 x dx
fX (x) = e , x > 0 para Y = X 1/θ ⇒ X = Y θ y = θy θ−1
β dy
luego, la función de densidead es
dx θ yθ
fY (y) = fX (y) = y θ−1 e− β , y > 0
dy β
Pra calcular la media y la varianza primero halla el n-ésimo momento.
Z ∞
θ ∞ n+θ−1 − yβθ
Z
n n
E(Y ) = y fY (y)dy = y e dy
0 β 0
θ
haciendo cambio de variable u = Yβ
Z ∞ n
n
E(Y ) = β n/θ
un/θ e−u du = β n/θ Γ +1
0 θ
final mente
1/θ 1 2/θ 2 2 1
E(Y ) = β Γ +1 y V ar(Y ) = β Γ +1 −Γ +1
θ θ θ
Page 3
4. (4.0 Puntos) Suponga que X ∼ N (0, 1), y dado X = X, Y ∼ N (x + 1, 1)
(a) (1.5 Puntos) ¿Cuál es la distribución marginal de Y ?
(b) (1.5 Puntos) ¿Cuál es la correlación entre X y Y ?
(c) (1.0 Puntos) ¿Cuál es la distribución condicional de X dado Y = y?
Solution:
(a)
1 1 2 1 1 2
f (x, y) = f (x)f (x|y) = √ e− 2 y √ e− 2 [y−(x+1)]
2π 2π
1 − 1 {x2 +[y−(x+1)]2 }
= e 2 , x ∈ R, y ∈ R
2π
Luego, la densidad matginal de Y es
Z ∞ 2
1 −1
y−1
√
fY (y) = f (x, y)dx = √ e 2 2 ,y ∈ R
−∞ 2 π
Por tanto, la variable Y se distribuye en forma normal con media igual a1 y varianza
igual a 2.
Y ∼ N (1, 2)
(c) Del enunciado se sabe que: V ar(X) = 1 y E(X) = 0 ; del ítem (a) se sabe V ar(Y ) = 2
y E(Y ) = 1 y del ítem (b) se sabe que ρ = √12 . Por teoría de la distribución normal
bivariada que
σX
X|Y = y ∼ N E(X) + ρ (y − µY ); σX (1 − ρ )
2 2
σY
Luego,
1 1
X|Y ∼ N (Y − 1);
2 2
Page 4
5. (4.0 Puntos) Considere variables aleatorias iid normales estándar X1 , X2 , . . . , X2n ; n ≥ 1.
Sea
X1 X3 X2n−1
Rn = + + ··· + y y Dn = X12 + X22 + · · · + Xn2
X2 X4 X2n
Rn
Sea Tn = Dn
, pruebe que
D
Tn −
→ X ∼ Cauchy(0, 1)
es decir, al sucesión de variables Tn converge en distribución a una variable aleatoria X tal
que X se distribuye según la distribución Cauchy estándar.
D nX1 X
Tn −
→ Pn 2
= 1
Pn 1
i=1 Xi n i=1 .Xi2
Una secuencia de variables aleatorias con una distribución idénticamente igual a la distri-
bución Cauchy (0,1) fijo; también converge en distribución a X1 , por lo que aplicando el
D
teorema de Slutsky, concluimos que Tn − → X1 ∼ Cauchy(0, 1).
Page 5