Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Actividad 1
Omar Munguı́a González
September 15, 2023
1
1. Suponer que la variable aleatoria X tiene la siguiente función de densidad de probabilidad
(
c( 23 )x x = 0, 1, 2, ...
p(x) =
0 otro caso
calcular el valor de c
R:
Para que Pla función sea una una función de densidad de probabilidad se debe cumplir que 0 < f (x) < 1
y que x f (x) = 1. La primer condición de se cumple para todo valor de c ∈ [0, 1] puesto que
( 32 )x leq1. Por lo tanto buscamos que se cumpla la segunda condición.
Puesto que es una serie geométrica del tipo
∞
X 1
rk =
k=0
1−r
Para que se cumpla la condición tenemos que lo anterior solo es cierto si se iguala a 1, por lo tanto:
1
3c = 1 c=
3
y la función de densidad queda dada por:
(
1 2 x
( )
3 3
x = 0, 1, 2, ...
p(x) =
0 otro caso
1
(b) Esbozar su gráfica: localizar puntos crı́ticos, puntos de inflexión y el limite de la función Bus-
camos los puntos crı́ticos y de inflexión:
Puntos crı́ticos:
d 1 1 2x 1 1 1
2
=− 2 2
=0⇒x=0⇒ 2
=
dx π 1 + x (1 + x ) π1+0 π
1
P unto Critico P (0, )
π
Puntos de inflexión:
d2 1 1 6x2 − 2
1 1 1 3
2 2
= 2 3
= 0 ⇒ x = ±√ ⇒ 2 =
dx π 1 + x (1 + x ) 3 π1+ √1 4π
3
1 3 1 3
P untos de inf lexion I1 ( √ , ); I2 (− √ , )
3 4π 3 4π
Limites:
0
1 1 1 1 >
lim = =0
x→−∞ π 1 + x2 π + x2
1
0
1 1 1 1 >
lim = =0
x→∞ π 1 + x2 π + x2
1
(c) Demostrar que no existe la esperanza matemática de la función.
Buscamos la esperanza matemática de la función:
Z ∞ Z 0 Z t
1 1 1 1 1 1
E(x) = 2
xdx = lim 2
xdx + lim 2
xdx
−∞ π 1 + x t→−∞ t π1+x t→∞ 0 π1+x
u = 1 + x2 du = 2xdx
Z 0 Z t 0 t
1 1 1 1 ln(u) ln(u)
lim du + lim du = lim + lim
t→−∞ t π 2u t→∞ 0 π 2u t→−∞ 2π
t
t→∞ 2π
0
0 t
ln(1 + x2 ) ln(1 + x2 ) ln(1) ln(1 + t2 ) ln(1 + t2 ) ln(1)
lim + lim = − lim + lim −
t→−∞ 2π t
t→∞ 2π 0 2π t→−∞ 2π t→∞ 2π 2π
=∞−∞
Dado que se encuentra indeterminado, no se cuenta con esperanza matemática.
2
calcular P (µ − 2σ < X < µ + 2σ)
R:
Obtenemos primero el valor esperado de la función, µ
Z 1 1
6x4
2 3 6 1
µ= 6x (1 − x)dx = − + 2x =2− =
0 4 0 4 2
Encontramos ahora E(X 2 )
1 1
6x4 6x5
Z
2 3 6 6 3
E(X ) = 6x (1 − x)dx = − = − =
0 4 5 0 4 5 10
2
Encontramos ahora σ
3 1 1
σ 2 = E(X 2 ) − µ2 = − =
10 4 20
1 1 2 1 1 3
µ − 2σ =
− = µ + 2σ = + =
2 10 5 2 10 5
Encontramos ahora P (µ − 2σ < X < µ + 2σ)
Z 3
2 3 5 3 27 54 12 16 37
P (µ−2σ < X < µ+2σ) = P ( < X < ) = 6x(1−x)dx = 3x2 − 2x3 5
2 = − − + =
5 5 2
5
5 25 125 25 125 125
5. Suponer que la varianza variable la variable aleatoria X existe, demostrar que E[X 2 ] ≥ [E(X)]2 .
Verificar este resultado con el ejercicio previo
R:
Definimos la varianza como:
V ar(X) = E[(X − µ)2 ]
Por linealidad:
V ar(X) = E[(X −µ)2 ] = E[X 2 −2µX −µ2 ] = E(X 2 )−2µE(X)+µ2 = E(X 2 )−2µ2 +µ2 = E(X 2 )−µ2
Dado que (X − µ)2 es positivo, la varianza también lo es, por lo tanto:
V ar(X) = E(X 2 ) − µ2 ≥ 0 ⇔ E(X 2 ) ≥ µ2 = [E(X)]2
Verificamos con el ejercicio anterior:
3 1
≥
10 4
Se cumple el lo demostrado.
6. Sean X y Y variables aleatorias continuas con función de densidad conjunta de probabilidad
(
1
(3x − y) 1 < x < 2 , 1 < y < 3
p(x, y) = 5
0 en otro caso
3
(d) Calcular cov(X, Y ) y ρ(X, Y )
R:
Obtenemos la covarianza, primero obtenemos µX y µY con las marginales obtenidas previamente:
2 2
6x2 − 4x 2x3 2x2
Z
8
µX = E(X) = dx = − =
1 5 5 5 1 5
3 3
9y − 2y 2 9y 2 2y 3
Z
28
µY = E(Y ) = dy = − =
1 10 20 30 1 15
Ahora calculamos E(XY )
2 3 2 3 2
3x2 y − y 2 x 3x2 y 2 y 3 x 24x2 26x
Z Z Z Z
E(XY ) = dydx = − dx = − dx
1 1 5 1 10 15 1 1 10 15
2
8x3 13x2 64 52 8 13
= − = − − + =3
10 15 1 10 15 10 15
Ahora podemos obtener la covarianza:
28 8
σXY = E(XY ) − µX µy = 3 − · = 0.01333
15 5
Para obtener el coeficiente de correlación de X y Y obtenemos la varianza σX y σY
2 2
6x3 − 4x2 6x4 4x3
Z
2 79
E(X ) = dx = − =
1 5 20 15 1 30
3 3
9y 2 − 2y 3 3y 3 y 4
Z
2 19
E(Y ) = dy = − =
1 10 10 20 1 5
2
2 2 2 79 8 11
σX = E(X ) − µX = − =
30 5 150
2
19 28 71
σY2 = E(Y ) − µ2Y = − =
5 15 225
Ahora obtenemos el coeficiente de correlación:
σXY 0.01333
ρ(X, Y ) = =q ≈ 0.08765
σX σY 11
· 71
150 225