Finanzas

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

tenemos entonces que r = 23 , por lo tanto:

∞  
X 2 1
c( )x = c 2 = 3c
x=0
3 1− 3

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

2. Sea la función de densidad de probabilidad

(
x+2
18
−2 < x < 4
p(x) =
0 en otro caso

calcular P (|X| < 1) y P (X 2 < 9)

R:
Desarrollando las desigualdades
|X| < 1 → −1 < X < 1
X 2 < 9 → |X| < 3 → −3 < X < 3
Encontramos entonces las probabilidades:
1 1
x2 2x
Z
x+2 1 2 1 2 4 2
P (|X| < 1) = P (−1 < X < 1) = dx = + = + − + = =
−1 18 36 18 −1 36 18 36 18 18 9
−2 3 3
x2 2x
Z Z
2 x+2 9 6 4 4 25
P (X < 9) = P (−3 < X < 3) = 0dx + dx = + = + − + =
−3 −2 18 36 18 −2 36 18 36 18 36

3. Sea la función de densidad de probabilidad de Cauchy

(
1 1
π 1+x2
−∞ < x < ∞
p(x) =
0 en otro caso

(a) Comprobar que efectivamente es una función de densidad de probabilidad

R:
Verificamos que se cumplan las condiciones previamente vistas en el problema 1. La primer
condición se cumple puesto que la variable se encuentra en el denominador y esta elevada al
cuadrado, por lo tanto tomara un valor (0, 1]. Verificamos la segunda condición:
Z ∞ ∞ π
1 1 arctan(x) 2
+ π2 π
2
dx = = = =1
−∞ π 1 + x π −∞ 2 π

Por lo tanto se trata de una función de densidad de probabilidad.

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.

4. Sea la función de densidad de probabilidad

(
6x(1 − x) 0 < x < 1
p(x) =
0 en otro caso

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

(a) Calcular p[X < 32 , Y < 2]

Z 3Z 2 Z 3 ! 3
2
3xy y 2
 
3x − y
Z
3 2 2 2 6x 4 3x 1
P (X < , Y < 2) = ( )dydx = − dx = − − + dx
2 1 1 5 1 5 10 1 1 5 10 5 10
3 3
3x2 3x
Z  
2 3x 3 2
27 9 3 3 9
= − dx = − = − − + =
1 5 10 10 10 1 40 20 10 10 40
(b) Calcular marginales p(x) y p(y)
Z 3 3
3x − y 3xy y 2 9x 9 3x 1 6x − 4
p(x) = dy = − = − − + =
1 5 5 10 1 5 10 5 10 5
Z 2 2
3x − y 3x2 xy 12 2y 3 y 9 − 2y
p(y) = dx = − = − − + =
1 5 10 5 1 10 5 10 5 10
(c) Son X y Y independientes?
Verificamos si son independientes, esto se cumple si:
f (x, y) = g(y)h(y)
siendo f (x, y) la función de densidad de probabilidad, y h(y) y g(x) las distribuciones marginales
de y y x respectivamente.
  
9 − 2y 6x − 4 1
p(x)p(y) = = (54x + 8y − 12xy − 36) ̸= p(x, y)
10 5 50
por lo tanto no son independientes.

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