Densidades de Funciones

Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática

Curso: Inferencia Estadística
Profesor: Clodomiro Fernando Miranda Villagómez
CAPITULO I
DISTRIBUCIONES DE FUNCIONES DE VARIABLES

ALEATORIAS
CASO DISCRETO
Ejemplo 1: Sea X Poisson( ) encontrar la función de probabilidad de

2
Y 10 X 5X 4
x
e
f ( x) x=0, 1, 2, 3, …
x!
A x/x 0,1, 2,..., B y/ y 4,1, 26, 71,...
Entonces Correspondencia 1 a 1
g ( y) P(10 X 2 5X 4 y)
1 185 40 y
4 20
e
g ( y) y= - 4
1 185 40 y
!
4 20
1 185 40 y
4 20
e
g ( y) y=1, 26, 71,..
1 185 40 y
!
4 20
Ejemplo 2: Quince ejemplares de una población animal, de 17 en total, considerados en
vía de extinción en cierta región han sido atrapados, marcados y puestos en libertad para
que se mezclen en la población. Después de que habían tenido oportunidad de
mezclarse se seleccionó una muestra, sin reemplazo, de 15 de estos animales. Se define
como X al número de animales marcados que hay en la segunda muestra. Halle la
( X − 14 )
2
función de probabilidad de la variable Y = .

20
N=17, n=15, A=15
X Hipergeométrica( N , n, A)  X max(0, n N A) x min(n, A)
1
Remplazando
X Hiper (17,15,15)  X max(0,15 17 15) x min(15,15)
A R x/x 13,14,15
X
(13 − 14 )
2
X 13 Y= = 0.05
20
(14 − 14 )
2
X 14 Y= =0
20
(15 − 14 )
2
X 15 Y= = 0.05
20
B =  y / y = 0 , 0.05 → No existe correspondencia 1-1 entre A y B.
P(Y 0) P( X 14) = 0.2206
P(Y 0.05) P( X 13) P( X 15) = 0.7721+0.0074 =0.7795
Y 0 0,05
P(Y=y) 0,2206 0,7795
Ejemplo 3: La variable aleatoria X se define como los adelantos o atrasos en minutos

(redondeados al entero más cercano) para que un encuentro del fútbol peruano se
reinicie después del primer tiempo. La función de probabilidad de X es la siguiente
1
f ( x) = P ( X = x) = I ( x ) . Si el gasto extra por transmisión del encuentro
2n − n, ,−1,1, ,n
de Radio Callao es Y = X 2 , halle la función de probabilidad del gasto extra.
A =  x / x = −n, , −1,1, , n y B =  y / y = 1, 4,9, , n2

→ No existe correspondencia 1-1 entre A y B.
(
P (Y = y ) = P ( X 2 = y ) = P X = − y o X = y = )
(
P (Y = y ) = P X = − y + P X = y = ) ( ) 1
+
1 1
= I
2n 2n n 1,4, , n2 (
y)
Ejemplo 4: Un servicio de transito citadino recibe llamadas de autobuses

descompuestos y la cuadrilla de carros grúa debe arrastrar los autobuses al taller de
reparaciones. La función de probabilidad conjunta del número de llamadas recibidas de
lunes ( X 1 ) y martes ( X 2 ) de varios meses se da a continuación:
2
X1
0 1 2 3 4
0 0.02 0.04 0.06 0.04 0.04 0.2
1 0.02 0.04 0.06 0.04 0.04 0.2
X2 2 0.01 0.02 0.03 0.02 0.02 0.1
3 0.04 0.08 0.12 0.08 0.08 0.4
4 0.01 0.02 0.03 0.02 0.02 0.1
0.1 0.2 0.3 0.2 0.2 1
a) Calcular la media del min ( X 1 , X 2 )
Función del min ( X 1 , X 2 )
A ( X 1 , X 2 ) / x1 0,1, 2,3, 4; x2 0,1, 2,3, 4

B Y1 / y1 min ( X 1 , X 2 ) 0,1, 2,3, 4
f (0) = h(0, 0) + h(0,1) + h (1, 0 ) + h(0, 2) + h(2, 0) + h(0,3) + h(3, 0) + h(0, 4) + h(4, 0)
f (0) = 0.28
f (1) = h(1,1) + h(1, 2) + h(2,1) + h(1,3) + h(3,1) + h(1, 4) + h(4,1)
f (1) = 0.30
f (2) = h(2, 2) + h(2,3) + h(3, 2) + h(2, 4) + h(4, 2)
f (2) = 0.22
f (3) = h(3,3) + h(3, 4) + h(4,3) = 0.18
f (4) = h(4, 4) = 0.02
Y1 = min( X1 , X 2 )
Y1 0 1 2 3 4
P(Y1=y1) 0.28 0.3 0.22 0.18 0.02
E(Y1 ) = 0  0.28 + 1 0.3 + 2  0.22 + 3  0.18 + 4  0.02 = 1.36
b) Encuentre la función de probabilidad conjunta del min ( X 1 , X 2 ) y max ( X 1 , X 2 )
A ( X 1 , X 2 ) / x1 0,1, 2,3, 4; x2 0,1, 2,3, 4

B (Y1 , Y2 ) / y1 min ( X 1 , X 2 ); y2 max ( X 1 , X 2 )
3
f (0, 0) = h(0, 0) = 0.02
f (0,1) = h(0,1) + h(1, 0) = 0.06
f (0, 2) = h(0, 2) + h(2, 0) = 0.07
f (0,3) = h(0,3) + h(3, 0) = 0.08
f (0, 4) = h(0, 4) + h(4, 0) = 0.05
f (1,1) = h(1,1) = 0.04
f (1, 2) = h(1, 2) + h(2,1) = 0.08
f (1,3) = h(1,3) + h(3,1) = 0.12
f (1, 4) = h(1, 4) + h(4,1) = 0.06
f (2, 2) = h(2, 2) = 0.03
f (2,3) = h(2,3) + h(3, 2) = 0.14
f (2, 4) = h(2, 4) + h(4, 2) = 0.05
f (3,3) = h(3,3) = 0.08
f (3, 4) = h(3, 4) + h(4,3) = 0.1
f (4, 4) = h(4, 4) = 0.02
Y1
0 1 2 3 4
0 0.02 0 0 0 0 0.02
1 0.06 0.04 0 0 0 0.1
Y2 2 0.07 0.08 0.03 0 0 0.18
3 0.08 0.12 0.14 0.08 0 0.42
4 0.05 0.06 0.05 0.1 0.02 0.28
0.28 0.3 0.22 0.18 0.02 1
Ejemplo 4: En el Perú, para un estudio, se consideran 20 ríos de la cuenca principal del

Amazonas y 18 de la cuenca principal del Pacífico. De estos 38 ríos se seleccionan dos
ríos, y se define la variable X como el número de ríos de la cuenca del Amazonas.
Luego, de los ríos que quedan, se seleccionan dos en las mismas condiciones que en el
paso anterior, y se define la variable Y como el número de ríos de la cuenca del
Amazonas seleccionados. Halle la función de probabilidad conjunta de X+Y con XY.
a. Resuelva el problema asumiendo que las selecciones son al azar, con reemplazo y sin
considerar el orden de extracción.
Solución
Como se tienen 38 ríos y la selección es con reemplazo y sin considerar el orden de

 38 + 2 − 1
extracción entonces n (  ) =  .
 2 
Si primero son seleccionados dos ríos de la cuenca del Amazonas (A) y cero de la
cuenca del Pacífico (P) quedan 20 A y 18 P entonces pueden ocurrir alguno de los
siguientes casos:
4
P ( X = 2, Y = 0 ) = P ( X = 2 )  P (Y = 0 X = 2 ) =
 20 + 2 − 118 + 0 − 1  20 + 0 − 1 18 + 2 − 1
     
= 
2 0   0  2  210
 =
n () n () 3211
 20 + 2 − 118 + 0 − 1  20 + 1 − 118 + 1 − 1
     
P ( X = 2, Y = 1) =  
2 0   1  1  8400
 =
n () n () 61009
 20 + 2 − 118 + 0 − 1  20 + 2 − 1 18 + 0 − 1
     
P ( X = 2, Y = 2 ) =  
2 0   2  0  4900
 =
n () n () 61009
Si primero es seleccionado un río de la cuenca del Amazonas (A) y uno de la cuenca del
Pacífico (P) quedan 20 A y 18 P entonces pueden ocurrir alguno de los siguientes casos:
 20 + 1 − 118 + 1 − 1  20 + 0 − 118 + 2 − 1
     
P ( X = 1, Y = 0 ) =  
1 1   0  2  360
 =
n () n () 3211
 20 + 1 − 118 + 1 − 1  20 + 1 − 118 + 1 − 1
     
P ( X = 1, Y = 1) =  
1 1   1  1  14400
 =
n () n () 61009
 20 + 1 − 118 + 1 − 1  20 + 2 − 118 + 0 − 1
     
P ( X = 1, Y = 2 ) =  
1 1   2  0  8400
 =
n () n () 61009
Si primero no se seleccionan ríos de la cuenca del Amazonas (A) y son seleccionados

dos de la cuenca del Pacífico (P) quedan 20 A y 18 P entonces pueden ocurrir alguno de
los siguientes casos:
 20 + 0 − 118 + 2 − 1  20 + 0 − 118 + 2 − 1
     
P ( X = 0, Y = 0 ) =  
0 2   0  2  9
 =
n () n () 169
 20 + 0 − 118 + 2 − 1  20 + 1 − 118 + 1 − 1
     
P ( X = 0, Y = 1) =  
0 2   1  1  360
 =
n () n () 3211
 20 + 0 − 118 + 2 − 1  20 + 2 − 118 + 0 − 1
     
P ( X = 0, Y = 2 ) =  
0 2   2  0  210
 =
n () n () 3211
La función de probabilidad conjunta de X e Y será:
5
X
0 1 2
0 9 360 210
169 3211 3211
1 360 14400 8400
Y
3211 61009 61009
2 210 8400 4900
3211 61009 61009
(X,Y) S = X+ Y P = XY Probabilidad
(0,0) 0 0 9
169
(0,1) 1 0 360
3211
(0,2) 2 0 210
3211
(1,0) 1 0 360
3211
(1,1) 2 1 14400
61009
(1,2) 3 2 8400
61009
(2,0) 2 0 210
3211
(2,1) 3 2 8400
61009
(2,2) 4 4 4900
61009
Respuesta
S
0 1 2 3 4
0 9 720 420 0 0
169 3211 3211
1 0 0 14400 0 0
61009
P
2 0 0 0 16800 0
61009
4 0 0 0 0 4900
61009
b. Resuelva el problema asumiendo que las selecciones son al azar, con reemplazo y
considerando el orden de extracción. (Queda como ejercicio)
6
c. Resuelva el problema asumiendo que las selecciones son al azar y sin reemplazo.
(Queda como ejercicio)
CASO CONTINUO
Hay tres métodos conocidos:

❑ Técnica de la función de distribución acumulativa.
❑ Técnica de la transformación de variables (Jacobiano)
❑ Técnica de la función generatriz de momentos (Válido para el caso discreto)
TECNICA DE LA FUNCION DE DISTRIBUCION ACUMULATIVA
Ejemplo 1: La temperatura a la que se mantiene una sustancia de uso médico en °C

tiene la siguiente función densidad f ( x ) = (1 + x ) I ( −1,0) ( x ) + (1 − x ) I ( 0,1) ( x ) .
a. Determine la densidad del tiempo de duración en meses del compuesto que es

T = −2 X + 2 .
A =  x / ( −1  x  0 )  ( 0  x  1)
 
 
B = t / ( 2  t  4 )  ( 0  t  2 ) 
 I1 I2 
 correspondencia 1-1 entre A y B
 t   t 
FT ( t ) = P (T  t ) = P ( −2 X + 2  t ) = P  X  − + 1 = 1 − P  X  − + 1 =
 2   2 
 − 2t +1  t
− +1  
   (t − 4)    t 2 
2
  1 2
FT ( t ) = 1 −   (1 + x ) dx I1 +  +  (1 − x ) dx  I 2  = 1 −  I1 + 1 − 1 −   I 2
  
 −1 2 0 8    8 
 
dF ( t ) ( t − 4 ) t
fT ( t ) = T = I1 + I 2
dt 4 4
b. Halle la densidad de la ganancia, en um, de la empresa productora del compuesto que

es G = X 2 + 1 .
A =  x / ( −1  x  0 )  ( 0  x  1)
B = g/1  g  2
No existe correspondencia 1-1 entre A y B
7
FG ( g ) = P ( G  g ) = P ( X 2 + 1  g ) = P ( X 2  g − 1) = P − g − 1  X  g − 1 = ( )
0 g −1
FG ( g ) =  (1 + x ) dxI( ) ( g ) +  (1 − x ) dxI( ) ( g ) =
1,2 1,2
− g −1 0
FG ( g ) =  2 g − 1 − ( g − 1)  I (1,2) ( g )
dFG ( g )  1 
fG ( g ) = = − 1 I (1,2) ( g )
dg  g −1 
 
Ejemplo 2: Si X N 0,1 determine la densidad de X 2

A x/x B y/0 y
G( y) P(Y y) P( X 2 y) P( y x y)
G( y) F( y) F( y)
dG ( y ) 1 1
g ( y) f ( y) I 0, y f( y) I 0, y
dy 2 y 2 y
1
1 2
y
Pero f ( y ) f( y) e
2
1
1 y
g ( y) e 2
, y B y X 2 (1)
2 y
Ejemplo 3:
Una empresa vende comida en la modalidad de “delivery” y de acuerdo a la distancia de
pedido la empresa ofrece llevarle la mercadería en determinado tiempo. Los adelantos o
atrasos en minutos de la entrega tienen la siguiente función de densidad.
2x
fx ( x) = I ( x)
125 −5,10
a. Obtenga la densidad de la propina (en u.m) que recibirá la persona que hace la
entrega que es P = 20 − X .
Solución
8
Gráfico 1
Diagrama que facilita los cálculos
30
25
20
P
15
10
5
-5 0 5 10
A =  x / −5  x  10
B =  p /10  p  25
 Correspondencia 1-1 entre A y B
G p ( p ) = P ( P  p ) = P (20 − x  p ) = P ( x  20 − p )
10
2x 10
2x  0
−2 x 
G p ( p) =  dx =  dxI10,20 ( p ) +  k +  dxI20,25 ( p ) 
20 − p
125 20 − p
125  20− p 125 
 4 ( 20 − p )2   4 ( 20 − p )2 
G p ( p) =  −  I10,20 ( p ) +  + I20,25 ( p ) 
5 125 
  5 125 
G p ( p) 2 ( 20 − p ) 2 ( 20 − p )
g p ( p) = =− I20,25 ( p ) + I10,20 ( p )
p 125 125
b. Obtenga el valor del monto de propina esperado por la persona que hace la entrega.
25
2 ( 20 − p ) 20
2 ( 20 − p ) 46
E  p = −  p dp +  p dp = = 15.3u.m
20
125 10
125 3
9
Teorema
Si Z = FX ( x ) demuestre que f Z ( z ) = I0,1 ( z ) .
Solución
 
FZ ( z ) = P ( Z  z ) = P ( FX ( x )  z ) = P FX−1  FX ( x )   FX−1 ( z ) = P ( X  FX−1 ( z ) ) =
= FX  FX−1 ( z )  = z
dF ( z )
→ fZ ( z ) = Z = 1 = I0,1 ( z )
dz
Simulación con variables aleatorias discretas
Sean a1  a2  los posibles valores de la v.a.d X, y sea la v.a.c U ~ Uniforme ( 0,1) . Si

U  F ( a1 ) → X = a1 para i>1, si F ( ai −1 )  U  F ( ai ) , → asignar X = ai .
Ejemplo 6: Sea la siguiente función de probabilidad:
X -2 -1 0 1 2
f(x) 0.1 0.2 0.2 0.3 0.2
Con los números aleatorios: 0.081, 0.100, 0.350, 0.820 y 0.990, halle una muestra de
tamaño 5.
0.0 , x  −2
0.1 , − 2  x  −1

0.3 , −1  x  0
F ( x) = 
0.5 , 0  x 1
0.8 , 1 x  2

1.0 , 2 x
x f(x) F(x) U
-2 0.1 0.1  0.0; 0.1)

-1 0.2 0.3  0.1; 0.3)
0 0.2 0.5  0.3; 0.5 )
1 0.3 0.8  0.5; 0.8 )
2 0.2 1.0  0.8;1.0 )
10
0.081  F ( −2 ) = 0.1 → X = −2
0.100 = F ( −2 )  0.1  F ( −1) = 0.3 → X = −1
0.300 = F ( −1)  0.35  F ( 0 ) = 0.5 → X = 0
0.800 = F (1)  0.82  F ( 2 ) = 1 → X = 2
0.800 = F (1)  0.99  F ( 2 ) = 1 → X = 2
Muestra = −2, −1, 0, 2, 2
Simulación con variables aleatorias de tipo continuo.
Sea X una v.a.c con distribución acumulada F y sea la v.a.c U ~ Uniforme ( 0,1) . Hacer
U = F ( x ) , resuelva para x, y asignar X=x.
Ejemplo 4: Suponga que los adelantos o atrasos, en minutos, de un Profesor para

2x
empezar su clase tiene como densidad f ( x ) = I ( x ) . Halle las expresiones que
41 −4,5
permitan generar muestras del rango de X.


0 , x  −4 U
 x
2t 16 x 2  16 
F ( x ) =   − dt = − , − 4  x  0 0, 41  =  0, 0.390244 )
 −4 41 41 41
16
16 
x
2t 16 x 2
 41 ,1 =  0.390244,1)
 +  dt = + , 0  x  5
 41 0 41 41 41
16 x 2 16
F ( x ) = − = U → X = − 16 − 41U , 0  U 
41 41 41
2
16 x 16
F ( x ) = + = U → X = + 41U − 16 , U 1
41 41 41
Ejemplo 5: Genere una muestra aleatoria de una distribución N (  = 4,  2 = 9 ) , si

0.721, 0.023 y 0.684 es una muestra aleatoria de U ~ Uniforme ( 0,1) .
X −
Z= → X =  + Z = 4 + 3Z

F ( z ) = U → Z = F −1 (U ) , pero F −1 no existe en forma cerrada, aunque se pueden

hallar valores de Z con tablas, calculadoras o algún software.
Z1 = F −1 ( 0.721) = 0.586 → X 1 = 4 + 3 ( 0.586 ) = 5.758

Z 2 = F −1 ( 0.023) = −1.995 → X 2 = 4 + 3 ( −1.995 ) = −1.985
Z 3 = F −1 ( 0.684 ) = 0.479 → X 3 = 4 + 3 ( 0.479 ) = 5.437
11
Ejemplo 7: La empresa “PanzaSexy” trabaja en el rubro que se dedica a bajar de peso a
sus clientes. Esta empresa, con ayuda de un Ingeniero Estadístico Informático, ha
establecido que el peso X en Kg que baja un cliente en determinado lapso tiene
x
densidad f ( x ) = I ( x ) . “PanzaSexy” cobra 462 soles por ese lapso y se
200 ( 0,20)
compromete a lo siguiente. Si el cliente baja menos de 5 Kg le devuelve 312 soles, y si
baja entre 5 y 8 Kg le devuelve 512 − 8x2 soles, y si baja más de 8 Kg no le devuelve
nada. Con los números aleatorios 0.048, 0.062, 0.158, 0.162 genere una muestra
aleatoria de la ganancia de la empresa por cliente.
x x2
f ( x) = I ( 0,20) ( x ) → F ( x ) =
200 400
462 − 312 = 150 , x5


G = 462 − ( 512 − 8 x ) = 8 x − 50 , 5  x  8
2 2

462 , x 8
0 , g  150

 P 8 X 2 − 50  g = P  − g + 50  X  g + 50  =
 ( )  8 8 

 
FG ( g ) = P ( G  g ) =  g + 50
  g + 50  8
x g + 50
= P  0  X   =  dx = , 150  g  462
  8  0
200 3200

1 , g  462
Gráfico 2
Función de Distribución Acumulada F(g)

1.0
0.8
0.6
F(g)
0.4
0.2
0.0
0 100 200 300 400 500
0 , g  150
 g + 50

FG ( g ) =  , 150  g  462
 3200

1 , g  462
12
Para la parte continua:
U
g + 50
FG ( g ) = = U → g = 3200U − 50, 0.0625, 0.16 )
3200
Para la parte mixta
1
16 , g = 150

 1 , 150  g  462
fG ( g ) =  3200
 21
 , g = 462
 25
0 , de otro modo
200 1
P ( G = 150 ) = −0 =
3200 16
 462 + 50  21
P ( G = 462 ) = 1 −  =
 3200  25
Para la parte discreta


 U

0 , g  150, ( −, 0 )

1
FG ( g ) =  =0.0625 , 150  g  462, 0, 0.0625)
16
 1 462 1 21
 +  dg + =1 , g  462, 0.16,1)
16 150 3200 25
 0.16
0
 , de otro modo
Muestra simulada = 150,150, 455.6, 462
DISTRIBUCION DE LA SUMA Y DIFERENCIA DE DOS VARIABLES

ALEATORIAS
Teorema
Sean X e Y variables aleatorias continuas, conjuntamente distribuidas con densidad

f X ,Y ( x, y ) . Sean Z= X+Y y V= X-Y, entonces:
 
fZ ( z ) =  f X ,Y ( x, z − x ) dx =  f X ,Y ( z − y, y ) dy y
− −
 
fV ( v ) =  f X ,Y ( x, x − v ) dx =  f X ,Y ( v + y, y ) dy
− −
13
Prueba de fV ( v )
Primera manera
FV ( v ) = P (V  v ) = P ( X − Y  v ) =  f X ,Y ( x, y ) dxdy
X −Y  v
 v+ y
FV ( v ) =  f X ,Y ( x, y ) dxdy
− −
Hacemos: x − y = t  x = t + y  dx = dt
 x → −  t → −
cuando: 
x = v + y  t = v
 v v
 
FV ( v ) =  f X ,Y ( t + y, y ) dtdy = −  − f X ,Y (t + y, y ) dy  dt
− −
dFV ( v ) 
fV ( v ) = =  f X ,Y ( v + y, y ) dy
dv −
Segunda manera
FV ( v ) = P (V  v ) = P ( X − Y  v ) =  f X ,Y ( x, y ) dxdy
X −Y  v
 
FV ( v ) =  f X ,Y ( x, y ) dydx
− x − v
Hacemos: x − y = t  y = x − t  dy = −dt
y = x −v  t → v
cuando: 
 y →   t = −
 −  v
FV ( v ) =  − f X ,Y ( x, x − t ) dtdx =  f X ,Y ( x, x − t ) dtdx
− v − −
v
 
FV ( v ) =    f X ,Y ( x, x − t ) dx  dt
−  − 
dF ( v ) 
fV ( v ) = V =  f X ,Y ( x, x − v ) dx
dv −
DISTRIBUCION DEL PRODUCTO Y DEL COCIENTE
Teorema
Sean X e Y variables aleatorias continuas, conjuntamente distribuidas con densidad

f X ,Y ( x, y ) . Sean Z= XY y U= X/Y, entonces:
14
 
1  z 1 z 
fZ ( z ) =  f X ,Y  x,  dx =  f X ,Y  , y  dy y
−
x  x −
y y 

fU ( u ) =  y f X ,Y ( uy, y ) dy
−
Prueba de fU ( u )
X 
FU ( u ) = P (U  u ) = P   u  =  f X ,Y ( x, y ) dxdy
Y  X
u
Y
x Si y  0  x  uy : R1
u
y Si y  0  x  uy : R2
R = R1  R2   f X ,Y ( x, y ) dxdy =  f X ,Y ( x, y ) dxdy +  f X ,Y ( x, y ) dxdy
R R1 R2
0   uy
FU ( u ) =   f ( x, y ) dxdy +  
X ,Y f X ,Y ( x, y ) dxdy
− uy 0 −
x
Haciendo: = t  x = ty  dx = ydt
y
  x = uy  t = u
y  0  
  x →   t → −
Cuando 
 y  0   x → −  t → −
 
  x = uy  t = u
0 −  u
FU ( u ) =  f X ,Y ( ty, y )( ydt ) dy +   f X ,Y ( ty, y )( ydt ) dy =
− u 0 −
0 u  u
FU ( u ) =   − yf ( ty, y ) dtdy +   yf ( ty, y ) dtdy =
X ,Y X ,Y
− − 0 −
u
0 

FU ( u ) = −  − X ,Y ( ) 0 yf X ,Y ( ty, y ) dy  dt
− yf ty , y dy +
u
 
FU ( u ) =    y f X ,Y ( ty, y ) dy  dt
−  − 
dF ( u ) 
fU ( u ) = U =  y f X ,Y ( uy, y ) dy
du −
Ejemplo 8: Bajo ciertas condiciones, al buscar aleatoriamente un punto (x, y) la

densidad conjunta de X e Y es uniforme en el triángulo con vértices
( −1, 0 ) ; (1, 0 ) y ( 0,1) . Esto puede modelar los adelantos o atrasos de una empresa de
transporte X, y los atrasos de una empresa de transporte Y en decenas de minutos.
15
   
f ( x, y ) = k →   f ( x, y ) dxdy =   kdxdy = 1
− − − −
1 1− y 0 1+ x 1 1− x
  kdxdy =   kdydx +   kdydx = 1

0 y −1 −1 0 0 0
 k =1
f ( x, y ) = 1 0  y  1, y −1  x  1 − y
Determine la densidad de X + Y
u = x+ y  x =u− y
y −1  x  1 − y  2 y −1  u  1 , 0  y  1
16

fu ( u ) =  f x , y ( u − y, y ) dy
−
u +1
2
u +1
fu ( u ) =  1dy = I (u )
0
2 ( −1,1)
Determine la densidad de X – Y
v = x− y  x =v+ y
y −1  x  1 − y  −1  v  1 − 2 y , 0  y 1

fv ( v ) =  f x , y ( v + y, y ) dy
−
1− v
2
1− v
fv ( v ) =  1dy = I (v)
0
2 ( −1,1)
Determine la densidad de X Y
17
z = xy
y −1  x  1 − y
( y − 1) y  xy  (1 − y) y
y2 − y  z  y − y2 , 0  y 1

1 z 
fZ ( z ) =  f X ,Y  , y  dy
−
y y 
1+ 1+ 4 z 1+ 1− 4 z
2 2
1 1
fZ ( z ) =  .1dyI  1  ( z ) +  .1 dyI  1  ( z )
1− 1+ 4 z
y  − ,0 
 4  1− 1− 4 z
y  0, 
 4
2 2
1+ 1+ 4z 1+ 1− 4z
f Z ( z ) = ln( ) I  1  ( z ) + ln( ) I 1  ( z )
1 − 1 + 4 z  4 
− ,0 1 − 1 − 4 z  0, 4 
Determine la densidad de X /Y
18
U = X /Y −  U   y − 1  x  1 − y
1 x 1 1 1
1−   −1  1 −  U  −1 , 0  y  1 
y y y y y

fU ( u ) =  y f X ,Y ( uy, y ) dy
−
1 1
u +1 1−u
fU ( u ) =  y.1 dyI ( 0, ) ( u ) +  y.1 dyI ( −,0) ( u )
0 0
1 1
fU ( u ) = 2 ( 0,  ) ( )
I u + I (u )
2(u + 1) 2(1 − u ) 2 ( −,0)
Ejemplo 9: Sea X la cantidad en mg de una vitamina 1 en 100 gr de tomate e Y la

cantidad en mg de una vitamina 2 en 100 gr de tomate de cierta variedad. La densidad
19
3xy
conjunta de X e Y es f ( x, y ) = ,I ( x ) I(0,) ( y ) I ( 20,30) ( x + y ) . Determine la
81250 ( 0, )
densidad del contenido total de estas dos vitaminas en 100 gr de esa variedad de tomate.
a = x+ y
20  a  30
x=a− y
a− y 0→a  y 0
 a
3( a − y ) y a3
g (a) =  f ( a − y, y ) dy =  dy = I (a)
− 0
81250 162500 ( 20,30)
TECNICA DE LA TRANSFORMACION DE VARIABLES (JACOBIANO)
Con transformación uno a uno:

g ( y1 , , yn ) = f ( w1 ( y1 , , yn ) , , wn ( y1 , , yn ) ) J  ( y1 , , yn )  B en donde:
X 1 X 1 X 1

y1 y 2 y n
X 2 X 2 X 2

J = y1 y 2 y n

X n X n X n

y1 y 2 y n
Nota: J se obtiene derivando las transformaciones inversas ( Xi ) con respecto a las

1
(Yi ) . Si se derivaran directamente las (Yi ) con respecto a las ( X i ) se obtendría J * =
J
Ejemplo 1:
Una empresa vende comida en la modalidad de “delivery” y de acuerdo a la distancia de
pedido la empresa ofrece llevarle la mercadería en determinado tiempo. Los adelantos o
atrasos en minutos de la entrega tienen la siguiente función de densidad.
2x
fx ( x) = I ( x)
125 −5,10
Halle la densidad de Y = 8 ( X + 2 ) .
2
Solución
20
Diagrama que facilita los cálculos
y
1000
0.5
x 2
8
800
600
y
400
y
200
0.5
x 2
8
0
-5 0 5 10
Gráf.21
1 1
− −
1  y 2 1  y 2
J1 = −   , J2 =  
16  8  16  8 
 1
 −
1
 1
 −
1
 y  1  y   y  1  y 
g ( y ) = f  −2 −    −   I ( 0,72) ( y ) + f  −2 +      I ( 0,32) ( y ) +
2 2 2 2
  8   16  8    8   16  8 
   
 1
 −
1
 y  1  y 
+ f  −2 +      I (32,1152) ( y )
2 2
  8   16  8 
 
 1
 −
1
 1
 −
1
2   y 2  1  y  2 2   y 2  1  y  2
g ( y) = 2+    I ( y) + 2−    I ( y) +
125   8   16  8  ( 0,72) 125   8   16  8  ( 0,32)
   
 1
 −
1
2   y 2 1  y  2
+ −2 +      I (32,1152) ( y )
125   8   16  8 
 
 1
  1
  1

1   y 2  1   y 2  1   y 2 
g ( y) = 1 + 2   I ( 0,72) ( y ) + −1 + 2   I ( 0,32) ( y ) + 1 − 2   I (32,1152 ) ( y )
1000  8  1000  8  1000  8 
     
1
 1

1  y 2 1 1   y 2 
g ( y) =   I ( y ) + I ( y ) + 1 − 2    I ( 72,1152) ( y )
250  8  ( 0,32) 500 (32,72) 1000  8
 
21
Ejemplo 2: Sea X la cantidad en mg de una vitamina 1 en 100 gr de tomate e Y la
cantidad en mg de una vitamina 2 en 100 gr de tomate de cierta variedad. La densidad
3xy
conjunta de X e Y es f ( x, y ) = ,I ( x ) I(0,) ( y ) I ( 20,30) ( x + y ) .
81250 ( 0, )
a. Determine la densidad del contenido total de estas dos vitaminas en 100 gr de esa
variedad de tomate.
a = x+ y c= y
Verificación de si es uno a uno la correspondencia
¿ h ( k , l ) = h ( m, n )  k = m , l = n ?
k + l = m + n 
( k + l , l ) = ( m + n, n )    k +l = m+l  k = m y l=n
l = n 
 La correspondencia es 1 − 1
a = x+ y c= y
dx dx
da dc 1 -1
x = a−c y=c→J = = =1
dy dy 0 1
da dc
A* = ( x, y ) / x  0, y  0, 20  x + y  30
20  a  30 0  a−c c0
ac0
B = ( a, c ) / 20  a  30, a  c  0
3( a − c) c 3( a − c ) c
g ( a , c ) = f ( a − c, c ) J = 1= , ( a, c )  B
81250 81250
a
3( a − c) c a3
g (a) =  dc = I (a)
0
81250 162500 ( 20,30)
22
b. Halle la densidad de A = X − Y .
a = x− y c= y
1 1
x = a+c y=c→J = =1
0 1
A* = ( x, y ) / x  0, y  0, 20  x + y  30
y0 x0 c0
c0 0 a+c
a  −c
20  x + y  30 → 20  a + c + c  30 → 20  a + 2c  30,
B = ( a, c ) / 20  a + 2c  30, a  −c, c  0
3( a + c ) c 3( a + c ) c
g ( a, c ) = f ( a + c, c ) J = 1= , ( a, c )  B
81250 81250
23
30 − a 30 − a 30 − a
2
3( a + c ) c 2
3( a + c ) c 2
3( a + c ) c
g (a) =  dcI ( −30,−20) ( a ) +  dcI ( −20,20) ( a ) +  dcI ( 20,30) ( a ) =
−a
81250 20 − a 81250 0
81250
2
g (a) =
(15 − a )( a + 30 )
2
I ( −30,−20) (a) +
(1900 − 3a ) I 2
(a) +
( a − 30 ) ( a + 15) I
2
(a)
( −20,20 ) ( 20,30)
325000 65000 325000
X
c. Obtenga la densidad de A =
Y
24
x
a= c= y
y
c a
x = ac y=c→J = =c
0 1
A* = ( x, y ) / x  0, y  0, 20  x + y  30
x0 y0
ac  0 c0
a0
20  x + y  30
20  ac + c  30
20 30 20 30
 a +1  → −1  a  −1
c c c c
 20 30 
B = ( a, c ) / −1  a  − 1, a  0, c  0 
 c c 
3 ( ac ) c 3ac3
g ( a, c ) = f ( ac, c ) J = c = , ( a, c )  B
81250 81250
30
a +1
3ac3 6a
g (a) =  dc = I 0, ( a )
( a + 1) ( )
4
20 81250
a +1
Ejemplo 3: El tiempo de vida en meses de un paciente con una enfermedad terminal 1

 1
tiene distribución Exponencial  con media  , el tiempo de vida en meses de un
 1 
paciente con una enfermedad terminal 2 tiene distribución
25
 1
Exponencial  con media  , el tiempo de vida en meses de un paciente con una
 2 
 1
enfermedad terminal 3 tiene distribución Exponencial  con media  , y el tiempo de
 3 
vida en meses de un paciente con una enfermedad terminal 4 tiene distribución
 1
Exponencial  con media .
 4 
a. Si se elige al azar e independientemente a un paciente con la enfermedad 1 y a un

paciente con la enfermedad 2, halle la densidad del tiempo de vida total de los dos
pacientes.
U = X1 + X 2  X1 = U − Z  1 −1
→ → J = =1
Z = X2  X2 = Z  0 1
A = ( x1 , x2 ) / 0  x1 , x2  
0u−z y 0 z
−u  − z   y 0 z
−  z  u y 0 z
0 zu y 0 z
B = ( u, z ) / 0  z  u, 0  z, 0  u
f ( x1 , x2 ) = 12e − 1x1 e − 2 x2 , ( x1 , x2 )  A
g ( u , z ) = f ( u − z , z ) J = 12e − 1 (u − z )e − 2 z 1 = 12e − 1u −( 2 −1 ) z , ( u , z )  B

 e −( 2 −1 ) z 
u
u u
g ( u ) =  12e − 1u −( 2 − 1 ) z
dz = 12e − 1u
  e
− ( 2 − 1 ) z
dz = 12e − 1u
−  =
 2 − 1  0
1 2
0 0
12
g (u ) = e −  u − e −  u  I ( 0, ) ( u )
1 1
2 − 1
n
Nota: Se dice que X ~ Hipoexponencial ( i ) , i = 1, 2, , n si se cumple que X =  Yi ,
i =1
 1
donde Yi ~ Exponencial  con media  .
 i 
b. Si se elige al azar e independientemente un paciente con la enfermedad 1, un paciente

con la enfermedad 2, y un paciente con la enfermedad 3, halle la densidad del tiempo de
vida total de los tres pacientes.
26
V = X1 + X 2 + X 3 = U + X 3  U = V − Z  1 −1
→ → J = =1
Z = X3  X3 = Z  0 1
A = ( u , x3 ) / 0  u , x3  
0v−z  y 0 z 
−v  − z   y 0 z 
−  z  v y 0 z 
0 zv y 0 z 
B = ( v, z ) / 0  z  v, 0  z, 0  v
  
f1 ( u, x3 ) =  1 2 ( e − 1u − e − 2u )   3e − 3 x3  , ( u , x3 )  A
 2 − 1 
123  −  ( v − z ) −  ( v − z )  −  z
g ( v, z ) = f1 ( v − z , z ) J = e 1
−e e 1 =
2 1
2 − 1 
123  −  v −(  − ) z −  v −(  − ) z 
g ( v, z ) = e 1
−e 3 1
 , ( v, z )  B
2 3 2
2 − 1 
 e−( 2 −1 ) z 
u
v u
g ( v ) =  g ( v, z ) dz = 12e − 1u
  e
−( 2 − 1 ) z
dz = 12e − 1u
−  =
 2 − 1  0
1 2
0 0
123  e−  v − e−  v e−  v − e−  v 
g (v) = (v)
1 3 2 3
 − I
2 − 1  3 − 1 3 − 2  ( 0, )
c. Si se selecciona independientemente a un paciente de cada una de las cuatro

enfermedades, halle la densidad del tiempo de vida total de los cuatro pacientes. (Queda
como ejercicio)
 1  e− 3 x − e− 4 x e− 2 x − e− 4 x  
  −  
1234  3 − 2  4 − 3 4 − 2  
Respuesta f X ( x ) = I ( 0, ) ( x ) .
2 − 1  1  e− 3 x − e − 4 x e − 1x − e − 4 x  
−  − 
 3 − 1  4 − 3 4 − 1  
Ejemplo 4: Sea U1 Unif ( 0,1) y U2 Unif ( 0,1) dos variables aleatorias

independientes. Si X = −2 ln U1 Cos ( 2 U 2 ) y Y = −2 ln U1 Sen ( 2 U 2 ) ,
determine la densidad de X y la densidad de Y.
−
w1
−1 −W21
w1 = −2 ln u1 u1 = e 2
J= e
2
w1
− 1 − w21 1
g ( w1 ) = fU1 (e 2
)J = e g ( w1 ) exp( )
2 2
27
w2 1
w2 = 2 u2 u2 = J=
2 2
w2 1
g ( w2 ) = fU 2 ( )J = g (w2 ) Unif (0, 2 )
2 2
g (w1 , w2 ) = g (w1 ) g (w2 ) w1  0 , 0  w2  2

w
1 1 − 1
g ( w1 , w2 ) = e 2
2 2
x = w1 Cos ( w2 ) y Y = w1 Sen ( w2 )
x x 1
Cos ( w2 ) − w1 Sen ( w2 )
w1 w2 2 w1
J* = =
y y 1
Sen ( w2 ) w1 Cos ( w2 )
w1 w2 2 w1
1 1 1 1
J* = Cos 2 ( w2 ) − (− Sen 2 ( w2 )) = J= =2
2 2 2 J*
 y
x 2 + y 2 = w1 arctan   = w2
x
  y 
f ( x, y ) = g  x 2 + y 2 , arctan    J
  x 
2
+ y2 )
1 −(x
f ( x, y ) = e 2
2
2 2
1 − x2 1 − y2
f ( x, y ) = e e
2 2
f ( x, y) = f ( x) f ( y) → X N (0,1) e Y N (0,1)
4
−  zi
Ejemplo 5: f ( z1 , z2 , z3 , z4 ) = 24 e i =1
, 0  z1  z2  z3  z4   es la densidad conjunta
de Z1 , , Z 4 y D1 = Z1 , D2 = Z2 − Z1 , D3 = Z3 − Z2 , D4 = Z4 − Z3 . Halle la densidad de
D4 .
Z1 Z1 Z1
D1 D2 D4
Z1 = D1
Z 2 Z 2 Z 2
Z 2 = D2 + D1
J = D1 D2 D4 =1
Z 3 = D2 + D1 + D3
Z 4 = D2 + D1 + D3 + D4
Z 4 Z 4 Z 4
D1 D2 Dn
28
g ( d1 , d 2 , d3 , d 4 ) = f ( d1 , d 2 + d1 , d 2 + d1 + d 3 , d 2 + d1 + d 3 + d 4 ) J
g ( d1 , d 2 , d3 , d 4 ) = 24 e
−( 4 d1 + 3 d 2 + 2 d3 +1d 4 )
1
(
g ( d1 , d 2 , d3 , d 4 ) = ( 4e −4 d1 )( 3e −3d2 ) 2e −2 d3 (1e −1d4 ) ) , di  0, i = 1, 2,3, 4
g ( d1 , d 2 , d3 , d 4 ) = g (d1 ) g (d 2 ) g (d3 ) g ( d 4 )  D4 exp(1)
Ejemplo 6: Si X e Y se distribuyen uniformemente en A = ( x, y ) x 2 + y 2  20 halle

la densidad de R2 = X 2 + Y 2 .
W X
1 1 1
f ( x, y ) = = 2 =
Area  r 20
R = X 2 +Y 2 X X
R W cos(W ) − Rsen(W )
X = R cos(W ) J= = =R
Y Y sen(W ) R cos(W )
Y = Rsen(W )
R W
R
g (r , w) = f (r cos( w), rsen( w)) J = , 0  r  20, 0  w  2
20
2
R R
g (r ) =  20 dw = 10
0
1
Z = R2 J=
2 Z
g z ( z) = gr ( z ) J = 10Z 2 1Z = 201 , 0  z  20  Z = R2 Unif (0, 20)
29
2t
Ejemplo 7: Si T es tal que f ( t ) = I ( t ) y W es independiente de T tal que
15 (1,4)
P (W = 200 ) = 0.8 y P (W = −5 ) = 0.2 .
a. Halle la densidad de X = WT
x 1
X = WT → x = 200t , w = 200 → 200  x  800 → t = → J1 =
200 200
x 1
X = WT → x = −5t , w = −5 → −20  x  −5 → t = − → J 2 = −
5 5
Por independencia:
 2t   2t 
g ( w, t ) = 0.8   I (1,4) ( t ) I200 ( w ) + 0.2   I (1,4) ( t ) I−5 ( w )
 15   15 
 2  x  1  2  x  1
f ( x ) = 0.8    I ( 200,800) ( x ) + 0.2   −   − I ( −20,−5) ( x )
15  200   200 15  5   5
x 2x
f ( x) = I ( 200,800) ( x ) − I ( x)
375000 1875 ( −20,−5)
b. Obtenga la densidad de X = W + T
X = W + T → x = 200 + t , w = 200 → t = x − 200 → J1 = 1
X = W + T → x = −5 + t , w = −5 → t = x + 5 → J 2 = 1
Por independencia:
 2t   2t 
g ( w, t ) = 0.8   I (1,4) ( t ) I200 ( w ) + 0.2   I (1,4) ( t ) I−5 ( w )
 15   15 
2  2 
f ( x ) = 0.8  ( x − 200 )  1 I ( 201,204) ( x ) + 0.2  ( x + 5 )  1 I ( −4,−1) ( x )
15  15 
8 ( x − 200 ) 2 ( x + 5)
f ( x) = I ( 201,204) ( x ) + I ( −4,−1) ( x )
75 75
Ejemplo 8: Suponga que el número de ríos X de la cuenca del Pacífico que se
desbordan en el mes de marzo tiene la siguiente distribución
f X ( x ) = 0.1I5 ( x ) + 0.3I8 ( x ) + 0.6 I10 ( x ) .
Además, se sabe que la pérdida total Y en marzo, por huaicos, en um es tal que
fY ( y ) =
( y − 80 ) I  (150 − y ) 
[80,100] ( y ) +   I[100,150] ( y ) . Si se considera X independiente
700  1750 
de Y. Halle la densidad de la pérdida, por río, en marzo.
Solución
Y
Z= →
X
Y
z = , x = 5 → 16  z  20   20  z  30 → y = 5 z → J1 = 5
5
Y
z = , x = 8 → 10  z  12.5  12.5  z  18.75 → y = 8 z → J 2 = 8 30
8
Y
z = , x = 10 → 8  z  10  10  z  15 → y = 10 z → J 3 = 10
10
Por independencia:
f ( x, y ) = f ( x ) f ( y ) = 0.1 fY ( y ) + 0.3 fY ( y ) + 0.6 fY ( y )
 y − 80 150 − y 
f ( x, y ) = 0.1  I (80,100) ( y ) + I (100,150) ( y )  I5 ( x ) +
 700 1750 
 y − 80 150 − y 
0.3  I (80,100) ( y ) + I (100,150) ( y )  I8 ( x ) +
 700 1750 
 y − 80 150 − y 
0.6  I (80,100) ( y ) + I (100,150) ( y )  I10 ( x )
 700 1750 
Entonces
 5 z − 80 150 − 5 z 
f Z ( z ) = 0.1  I (16,20) ( z ) + I ( 20,30) ( z )  5 +
 700 1750 
 8 z − 80 150 − 8 z 
0.3  I (10,12.5) ( z ) + I (12.5,18.75) ( z )  8 +
 700 1750 
10 z − 80 150 − 10 z 
0.6  I (8,10) ( z ) + I (10,15) ( z )  10
 700 1750 
Ejemplo 9: X 1 , , Xn y Y1 , , Ym son dos muestras aleatorias independientes de

X
distribuciones exponenciales con medias  X y Y respectivamente. Si  =
Y
n
X i
demuestre que U = n
i =1
m
Beta ( n, m ) y por lo tanto es un Pivote (Se llama
X
i =1
i +   Yi
i =1
Pivote a la variable aleatoria que depende de un parámetro, en este caso  , y cuya

distribución no depende del parámetro).
n
 1 
A =  Xi Gamma  n, 
i =1  X 
m
 1 
B =  Yi Gamma  m, 
i =1  Y 
n m
 1  1  1   1  1  1 
fA (a) =   a n −1 exp  − a  y f B (b ) =   b m−1 exp  − b
 X   (n)  X   Y   ( m )  Y 
 1 1 
a n−1b m−1 exp  − a − b
f A, B ( a, b ) =  X Y 
I ( 0, ) ( a ) I ( 0, ) ( b )
 X Y  ( n )  ( m )
n m
a
Sean: u = y v = a + b
a + b
31
¿ h ( k , l ) = h ( m, n )  k = m , l = n ?
 k m
 k   m  k +  l = m +  n  = k =m
 , k + l  =  , m + n    k + l k + l
 k + l   m + n  k +  l = k +  n   l =  n  l = n

 La correspondencia es 1 − 1
v u
v − uv v
a = uv , b = J = v 1− u =
 − 
 
m −1
 v − uv   1 1  v − uv  
( uv )
n −1
   exp  − uv − 
   X Y     v
fU ,V ( u, v ) =
 Xn Ym  ( n )  ( m ) 
X
Como  =
Y
u n −1 (1 − u )
m −1
 v 
fU ,V ( u, v ) = n + m v n + m−1 exp  −  I ( 0,1) ( u ) I ( 0, ) ( v )
X  ( n)  ( m)  X 
Explicación del rango de la variable (U ,V )
v − uv
a = uv b=

0a 0b
v − uv
0  uv   0 

0v 0  v − uv  
− v  −uv  
−1  −u    −  u  1  0  u  1
u n −1 (1 − u ) u n −1 (1 − u )
 m −1  m −1
 v   v 
fU ( u ) =  n + m v n + m−1 exp  −  dv =  v n + m−1 exp  −  dv =
0
X  ( n)  ( m)  X  X  ( n)  (m) 0
n+m
 X 
 
 
u n −1 (1 − u )   ( m + n − 1) + 1 
m −1
fU ( u ) = n + m  
 X  ( n )  ( m )   1 ( m+ n −1)+1 
   
  X 
 ( m + n ) n −1
fU ( u ) = u (1 − u ) I ( 0,1) ( u )  U ~ Beta ( n, m )
m −1
 ( n)  ( m)
1. CUANDO NO EXISTE CORRESPONDENCIA UNO A UNO
32
 f (w ( y ,, y ), w ( y ,, y ),, w ( y ,, y ) J )

k
g ( y1 , , yn ) = 1i 1 n 2i 1 n ni 1 n i
i =1
Siendo X j = w ji ( y1 , , yn ) las funciones de transformación inversa en el conjunto

Ai , i = 1, , k y j = 1, , n y:
w1i w1i w1i


y1 y 2 y n
w2i w2i w2i

J = y1 y 2 y n

wni wni wni

y1 y 2 y n
y para el resto de los puntos de A en donde la transformación es uno a uno sobre B se

sigue el procedimiento dado para el caso de transformación uno a uno resultando en
el caso menos complejo una expresión para g ( y1 , , yn )  0 .
2 ( x + 2)
Ejemplo 9: Si f ( x ) = I ( −2,3) ( x ) , determine la densidad de Y = X 2 .
25
A =  x / −2  x  3
A^ =  x / −2  x  2 No uno a uno
A1 =  x / −2  x  0 B1 =  y / 0  y  4 Uno a uno
A2 =  x / 0  x  2 B2 =  y / 0  y  4 Uno a uno
A* = A1  A2 =  x / −2  x  2, x  0
y −1/2 y −1/2
( ) ( )
2
g ( y) =  f  wi ( y )  J i = f − y − I ( y) + f y I ( y)
i =1 2 ( 0,4) 2 ( 0,4)
g ( y) =
( )
2 − y + 2  y −1/2 
I ( 0,4) ( y ) +
2 ( )
y + 2  y −1/2 
   2  I ( 0,4) ( y )
25  2  25  
4 y −1/2
g ( y) = I ( y)
25 ( 0,4)
De otro lado:
 y −1/2 
A3 =  x / 2  x  3 B3 =  y / 4  y  9 Uno a uno.  x = w3 ( y ) = y → J 3 =
 2 
33
y −1/2 2 ( )
y + 2  y −1/2 
( )
3
g ( y ) =  f  wi ( y )  J i = f y I ( 4,9) ( y ) =  2  I ( 4,9) ( y )
i =3 2 25  
2 y −1/2 + 1
g ( y) = I ( 4,9) ( y )
25
En conclusión:
4 y −1/2 2 y −1/2 + 1
g ( y) = I ( 0,4) ( y ) + I ( 4,9) ( y )
25 25
x
Ejemplo 10: f ( x, y ) = I ( x ) I ( 0,2) ( y ) y sean V = X − Y y U = X + Y .
4 ( 0,2)
a. Halle la densidad conjunta de U y V.
¿ h ( a , b ) = h ( c, d ) → a = c , b = d ?
 a −b = c −d
( a − b , a + b ) = ( c − d , c + d ) → 
a + b = c + d
Probando con: a = 0.4, b = 0.2, c = 0.2 y d = 0.4 se tiene:
( 0.4 − 0.2 , 0.4 + 0.2 ) = ( 0.2 − 0.4 , 0.2 + 0.4 ) → ( 0.2, 0.6 ) = (0.2, 0.6 ) pero a  c y b  d
Por lo tanto, la correspondencia no es uno a uno.
Hallemos la densidad conjunta de V y U
V = X −Y U = X +Y
0v2 0u4
A = ( x, y ) / 0  x  2, 0  y  2
Si X − Y  0
1 1
−
v = −x + y u+v u −v 2 =1
→ y = ,x= → J1 = 2
u = x+ y  2 2 1 1 2
2 2
A1 = ( x, y ) / x − y  0 , 0  x  2, 0  y  2
u −v u+v
0 2 y 0 2
2 2
0  u −v  4 y 0u+v  4
v  u  4+v y −v  u  4−v
 
B1 = ( u, v ) / v  u  4 + v , −v  u  4 − v, 0  v  2 
 4 0 
34
Si X − Y  0
1 1
+
v = x− y u −v u+v 2 =−1
→ y = ,x= → J2 = 2
u = x + y 2 2 1 1 2
−
2 2
A2 = ( x, y ) / x − y  0 , 0  x  2, 0  y  2
u+v u −v
0 2 y 0 2
2 2
0u+v  4 y 0 u−v  4
−v  u  4 − v y v  u  4+v
 
B2 = ( u, v ) / −v  u  4 − v, v  u  4 + v , 0  v  2 
 0 4 
Pero B1 = B2 = B
u −v
 2 1 u −v
 = , ( u , v )  B1
 4 2 16
g ( u, v ) = 
u +v
 2 − 1 = u + v , u, v  B
 4 ( ) 2
2 16
u
Como B1 = B2 = B → g ( u, v ) = , ( u, v )  B
8
b. Obtenga la densidad de V = X − Y .
4−v
u  v
g (v) =  du = 1 −  I ( 0,2) ( v )
v
8  2
Ejemplo 11:
Pastizales o herbazales: Son aquellos ecosistemas donde predomina
la vegetación herbácea. Estos ecosistemas pueden ser de origen natural constituyendo
extensos biomas, o ser producto de la intervención humana con fines de la crianza de
ganado o recreación. En cierta zona A altoandina de la sierra central peruana se
consideró la variable temperatura que puede explicar la degradación de los pastizales
altoandinos de la sierra central.
35
Sea X la temperatura en °C, a las 6 am, de un pastizal 1, e Y la temperatura en °C, a las
y
6 am, de un pastizal 2. Considere f ( x, y ) = I ( x ) I(0,4) ( y ) . Obtenga la densidad
64 ( −4,4)
de Z = 5Y − X 2 .
Solución
Sean Z = 5Y − X 2 y V = Y
Hallemos la densidad conjunta de Z y V
−16  z  20 0v4
A = ( x, y ) / −4  x  4, 0  y  4
Si x  0
1 1
1 5
( 5v − z ) 2 − ( 5v − z ) 2
− −
1
x = − 5v − z , y = v → J1 = 2 2 =
0 1 2 5v − z
z 16 + z
−4  − 5v − z  0 → 0  5v − z  16 →  v  y 0v4
5 5
A1 = ( x, y ) / −4  x  0 , 0  y  4
 z 16 + z 
B1 = ( z, v ) / −16  z  20 , v , 0  v  4
 5 5 
36
(
g ( z , v ) = f − 5v − z , v J1 = ) v
128 5v − z
, ( z , v )  B1
Si x  0
1 1
1 5
( 5v − z ) 2 ( 5v − z ) 2 = − 1
− −
−
x = 5v − z , y = v → J 2 = 2 2
0 1 2 5v − z
z 16 + z
0  5v − z  4 → 0  5v − z  16 → v y 0v4
5 5
A2 = ( x, y ) / 0  x  4 , 0  y  4
 z 16 + z 
B2 = ( z , v ) / −16  z  20 , v , 0  v  4
 5 5 
( )
g ( z , v ) = f 5v − z , v J 2 =
v
128 5v − z
, ( z , v )  B2
Pero B1 = B2 = B
37
v
g ( z, v ) = , ( z, v )  B →
64 5v − z
16 + z 16 + z
5 5
v v
g ( z) =  dvI ( −16,0) ( z ) +  dvI ( 0,4) ( z ) +
0 64 5v − z z 64 5v − z
5
4
v
+ dvI ( 4,20) ( z ) =
z 64 5v − z
5
g ( z) =
32 − 6 z − z − z  z
I ( −16,0) ( z ) + 
2 
+  I ( 0,4) ( z ) +
( z + 10 ) − z + 20 I
( 4,20 ) ( z )
1200  200 75  1200
TECNICA DE LA FUNCION GENERATRIZ DE MOMENTOS ( APLICABLE

TAMBIEN AL CASO DISCRETO)
Sean X1, , X n variables aleatorias continuas que se distribuyen conjuntamente

mediante la siguiente función densidad f ( x1 , , xn ) sean las funciones de
transformación Y j = h j ( X 1 , , X n ) , j = 1, , k luego si la función generatriz de
momentos de Y1 , , Yk existe, es única, y está expresada por:
  k

 Y ,...,Y (t1 ,, t k ) = E exp  yi t i  = R
  i =1 
1 k
Si R es igual a una determinada función generatriz de momentos de una distribución

conocida, entonces se establece que Y1 , , Yk se distribuye según la distribución antes
mencionada.
Ejemplo 1: Si X N ( 0,1) halle la densidad de Y = X 2 .
 −x 
2
 
 Y ( t ) = E ( etY ) = E etX ( ) 2  e  1 − 12 x2 (1− 2t )
2
=  etx  =  2 e dx =
2
 dx
−  2  −
 
2
 
  −

1  x −0


1  1 
1
2 
 1 


1
  1 2
Y ( t ) =    e  1− 2 t 
dx =   → Y ~  (1)
2
 1 − 2t  − 2  1   1 − 2t 
 1 − 2t 
 1 
N  0, 
 1− 2 t 
38
Ejemplo 2: El número de accidentes de tránsito por día que ocurren en los distritos
peruanos tiene distribución Poisson con media  i . Si se seleccionan
n
independientemente n distritos peruanos, halle la función de probabilidad de Y =  X i .
i =1
 t  Xi 
n
Y ( t ) = E ( etY ) = E  e i=1  = E etX1 etX n  = E etX1  E etX n 

 
 

Y ( t ) = exp  1 ( et − 1)    
 n  
exp  n ( et − 1)  = exp    i  ( et − 1) 
  i =1  
n
 n

 Y =  Xi Poisson   i 
i =1  i =1 
Ejemplo 3: Sean X1 , , X11 variables aleatorias independientes tales que X j tiene

distribución acumulada F j continua y estrictamente creciente. Si Y j = F j ( X j ) calcule
 
P  −18.83   ln (1 − Y j )  −5.30  .
11
 j =1 
W = − ln (1 − Y ) Y = 1 − e−W J = e−W
g ( w) = fY (1 − e − w ) J = e− w W exp(1)
11
Z = Wi Z Gamma(11,1)
i =1
S = 2(1)Z
22
 1 2
 S ( t ) = E (e 2(1) Z ) =   S X 2 22
 1 − 2t 
P  2(1)5.30   2( 22)  2(1)18.83

2
P 10.6 22
37.66
2 2
P 22
37.66 P 22
10.6 0.98 0.02 0.96
Ejemplo 4: Suponga que X1 , X 2 y X 3 es una muestra aleatoria de una distribución

1
exponencial con media y que 0.168, 0.457 y 0.878 es una muestra de una distribución
2
Uniforme ( 0,1) . Halle una muestra aleatoria de tamaño 1 de la distribución de
3
Y =  Xi .
i =1
39
ln (1 − U i )
F ( xi ) = 1 − e −2 xi → 1 − e −2 xi = U i → xi = F −1 (U i ) = − i = 1, 2,3
2
3 3
ln (1 − U i ) 1 3
→ Y =  Xi =  − = − ln  (1 − U i )
i =1 i =1 2 2 i =1
1
Y = − ln (1 − 0.168 )(1 − 0.457 )(1 − 0.878 ) = 1.4492
2
Ejercicios
1. Si X = Nº de clientes que ingresan a una librería hasta que se haga la quinta

compra y se sabe que el 80% de los clientes compran. Halle la densidad de
Y = 9 X 2 − 5X − 6 .
2. Con base a datos anteriores se conoce que el 80% de los casos de rescate en las
playas, durante el verano, se debe al consumo de bebidas alcohólicas. Si se
define la v.a X como el número de rescates que tendrán como causa las bebidas
alcohólicas en los próximos cuatro rescates:
a. Halle la función de probabilidad de W = 16 ( X − 2 ) .
2
b. Con los números aleatorios 0.0016, 0.0200, 0.1000, 0.8822 determine la

muestra aleatoria de tamaño 4 para X.
3. Una compañía de seguros proporciona servicios a varios clientes quienes le han
comprado tanto seguro para sus casas como para sus automóviles. Por cada tipo
de póliza debe especificarse una cantidad deducible. Para el caso de una póliza
de automóvil, las opciones son $100 y $200, mientras que para una póliza de
casas las opciones son $0, $100 y $200. Suponga que una persona con ambos
tipos de póliza se selecciona al azar y se define como X a la cantidad deducible
sobre la póliza del automóvil y como Y a la cantidad deducible sobre la póliza
de la casa. La función de probabilidad conjunta de X e Y es:
y
f(x,y) 0 100 200
x 100 0.08 0.24 0.34
200 0.09 0.21 0.04
Calcule la covariancia de X − Y y X − Y .
4. En la Reserva Nacional Pacaya Samiria con una muestra de 100 lobos de río
madres se contabilizó el número de crías que han tenido en dos partos,
obteniéndose la variable X definida como el número de crías que han tenido en
el primer parto, e Y el número de crías que tuvieron en el segundo parto:
X
1 2 3
1 0 1 2
Y 2 2 20 22
3 3 38 12
40
a. Halle la función de probabilidad conjunta del número de crías promedio
de los dos partos y el número de crías máximo de los dos partos.
b. Con los números aleatorios 0.0158, 0.4897 y 0.9878 obtenga una
muestra aleatoria del promedio de crías en dos partos.
5. La Ingeniera Chabuca Granda ha determinado que para el abastecimiento de
lechuga americana de Lima Metropolitana y el Callao, el 19% proviene de
Canta, y el 81% de otras ciudades. Si se consideran los tres próximos camiones
que llegarán independientemente con lechuga americana para abastecer a Lima
Metropolitana y el Callao, y se define la variable aleatoria X como el número de
camiones que llegan de Canta y como Y el número de camiones que llegan de
Canta considerando sólo el primer y el tercer camión.
a. Obtenga la densidad conjunta del min ( X , Y ) y el max ( X , Y ) .
b. Con los números aleatorios 0.531440, 0.905417 y 0.993141 halle una
muestra aleatoria de tamaño 3 para el max ( X , Y ) .
6. El gran mercado mayorista de Lima se abastece de papa, principalmente de las
ciudades de Huánuco, Lima y Junín con el 44%, 35% y 21% respectivamente.
Para los próximos dos camiones que van a llegar aleatoriamente de esas tres
ciudades, con papa, al gran mercado mayorista de Lima se define la variable
aleatoria X como el número de camiones provenientes de Huánuco, e Y el
número de camiones provenientes de Lima.
a. Obtenga la densidad conjunta del min ( X , Y ) y el max ( X , Y ) .
b. Con los números aleatorios 0.531440, 0.905417 y 0.993141 halle una
muestra aleatoria de tamaño 3 para el min ( X , Y ) .
c. Halle la función de probabilidad conjunta del máximo entre hijos
varones e hijas y el total de hijos que tiene una familia.
d. Si 0.002 y 0.897 son valores aleatorios de una distribución

Uniforme ( 0,1) obtenga una muestra de tamaño dos del máximo entre
hijos varones e hijas.
7. En los días de Navidad y Año Nuevo se hizo un estudio de los accidentes

automovilísticos en los que un niño, de menos de 5 años de edad, estaba en un
auto accidentado. El estudio se concentró en si el niño no sobrevivió (variable X
que toma el valor 1 si no sobrevivió y 0 si sobrevivió) y el número de
acompañantes ebrios con los que iba el niño (variable Y con valores 0, 1, 2, 3 y
4). Se consideraron autos con capacidad para 5 personas. Se sabe que la
probabilidad de que un niño sobreviva a un accidente es 0.2, y que la
probabilidad de que ocurra un accidente con las características descritas es
directamente proporcional al número de personas ebrias que acompañan al niño.
X +Y
a. Halle la función de probabilidad conjunta Z1 = y Z 2 = min ( X , Y ) .
2
b. Con los números aleatorios 0.0016, 0.0200, 0.7884, 0.8822 determine la

muestra aleatoria de tamaño 4 para Z1 .
41
8. Si el adelanto o retraso, en minutos, de un avión que viaja de Lima a Tarapoto
x + 10
tiene como densidad f ( x ) = I ( x ) obtenga la igualdad que permite
160 ( −8,8)
generar muestras al azar de esa distribución.
9. Si los adelantos o atrasos en minutos del primer bus del día de la UNALM tiene
2x
la siguiente función densidad f ( x ) = I ( x) .
45 −3,6
a. Halle la densidad del costo (en u.m) en combustible que es C = 5 ( x − 1) .

2
b. Si 0.008, 0.174 y 0.914 es una muestra aleatoria de una distribución

Uniforme ( 0,1) , obtenga una muestra aleatoria de tamaño 3 de X.
10. El tiempo de vida en años de un componente de una calculadora CASIO de

última generación tiene densidad
1 x
f ( x ) = I ( 0;0.5) ( x ) + I ( 0.5;2) ( x ) + 2e8− 4 x I ( 2; ) ( x ) . Obtenga las igualdades que
4 5
permitan hallar muestras aleatorias de esa distribución.
11. Para determinar el grado de inteligencia se mide el tiempo que tarda un ratón en
recorrer un laberinto para encontrar la comida (estímulo). El tiempo (en
4
segundos) que emplea un ratón es una v.a X con densidad f ( x ) = 2 I ( 4, ) ( x ) ,
x
en donde el tiempo mínimo para recorrer el laberinto es 4 segundos. Obtenga
una muestra aleatoria de 5 observaciones de esa distribución.
12. Bajo ciertas condiciones, al buscar aleatoriamente un punto (x,y) la densidad

conjunta de X e Y es uniforme en el triángulo con vértices
( −2,5 ) ; ( 2,5 ) y ( 0, 0 ) . Determine la densidad de X – Y y halle la densidad de
XY.
13. En los centros de acopio de Lima Metropolitana el precio por día P en soles, y la
cantidad vendida por día Q en miles de kg de pollo en pie tienen la siguiente
p
densidad conjunta f ( p, q ) = , I ( p ) I (120,170) ( q ) . Halle la densidad del
275 (5,6)
ingreso bruto diario A en los centros de acopio de Lima Metropolitana.
Respuesta:
 a 1 1  6 a 
fA (a) =  −  I ( 600,720) ( a ) + I ( 720,850) ( a ) +  − I (850.1020) ( a )
 33000 55  275  275 46750 
14. Sea P el precio de un producto (en dólares), y Q, las ventas totales (en unidades
5 pe− pq , 0.2  p  0.4, q  0
de 10000), con densidad conjunta f ( p, q ) =  .
0 , o.m
Obtenga la densidad de la cantidad total de dinero que se gasta en ese producto
(en unidades de 10000).
42
15. Sea X la cantidad de dinero (en nuevos soles) que un agente de ventas gasta en
gasolina durante un día de trabajo e Y la cantidad de dinero (en nuevos soles)
que la empresa le reembolsa al final de cada día de trabajo. La densidad
conjunta de estas dos variables aleatorias es
4 ( 30 − x ) x
f ( x, y ) = , 15  x  30,  y  x . Halle la densidad de la cantidad
225 x 2
de dinero (en nuevos soles) que el agente de ventas posee al final de cada día de
trabajo.
16. Una tienda de comida sana provee dos marcas diferentes de cierto tipo de grano.
Sea X la cantidad en kilos de la marca A disponible y la variable Y la cantidad
en kilos de la marca B disponible. Suponga que la densidad conjunta de X e Y
es:
k x y, 0  x, 0  y, 40  x + y  50
f ( x, y ) = 
0 , o.m
Halle el valor de k y luego la densidad de X-Y.
17. El Ingeniero Fernando de Szyszlo halló que la demanda X, que proviene de

Huánuco, de papa en cientos de toneladas por día, e Y la demanda de papa
procedente de Lima en cientos de toneladas por día tiene la siguiente densidad
conjunta f ( x, y ) = kx, I ( 0, ) ( x ) I ( 0, ) ( y ) I (5,20) ( x + y ) . Primero calcule el valor de
k y luego determine:
a. La densidad de la demanda total procedente de ambas ciudades.
b. Con el número aleatorio 0.8221 halle una muestra aleatoria de tamaño

uno para la demanda total proveniente de ambas ciudades.
c. La densidad del exceso de demanda de papa de la ciudad de Huánuco

respecto a Lima.
18. Se estudiaron las variables X definida como los atrasos en minutos para obtener
la cantidad de vitamina 1 en 100 gr de melón, e Y definida como los adelantos o
atrasos en minutos para obtener la cantidad de vitamina 2 en 100 gr de melón.
5x
La densidad conjunta de ( X , Y ) es f ( x, y ) = , I 2 ( x) .
128  y ,4
a. Con la técnica de la distribución acumulada obtenga la densidad de

Z = X +Y .
b. Con la técnica del Jacobiano obtenga la densidad de Z = X − Y .
c. Halle la densidad conjunta de las variables de las preguntas a y b.
43
19. Suponga que la densidad conjunta de X1 y X 2 es
3
f ( x1 , x2 ) = , x12  x2  1 , 0  x1  1 . Primero determine la densidad de:
2
X
Y = X 1 + X 2 y luego deduzca la densidad de : Y = 2 .
X1
20. Los bancos suelen invertir en dos negocios (I que tiene poco riesgo y II con
mucho riesgo). Si X es la ganancia de un banco, en decenas de miles de dólares,
en el negocio I e Y es la ganancia de un banco, en decenas de miles de dólares,
en el negocio II. La densidad conjunta de X e Y es
24 x 2 y
f ( x, y ) = , I ( x ) I(0,5) ( y ) .
40625  − 2y ,2 y 
a. Si el banco “DameTuPlata” invierte en ambos negocios halle la densidad
de la ganancia total de ese banco.
b. Si el banco “AhVienesPorLana” invierte en ambos negocios halle la
densidad del exceso de ganancia en el negocio I con respecto al II.
c. Halle la densidad conjunta de las variables de las preguntas a y b.
21. Suponga que R y U son v.as independientes tales que U Unif ( 0,1) y
 x2 
f R ( x ) = x exp  −  I0, ) ( x ) . Si se define como X = R cos ( 2 U ) e
 2 
Y = R sen ( 2 U ) , determine las densidades marginales de X e Y.
22. Sean X e Y variables aleatorias independientes, con distribución común

 1 
Uniforme ( 0,1) , y sean R = 2 ln   y  =  ( 2Y − 1) .
 1− X 
a. Demuestre que  Uniforme ( − ,  ) y que R tiene distribución Rayleigh

r2
−
con densidad f R ( r ) = re 2
, I ( 0, ) ( r ) .
b. Si se define W1 = R cos  y W2 = Rsen , demuestre que W1 y W2 son

independientes con distribución común Normal ( 0,1) . Nota: Esto se utiliza
en simulación de variables aleatorias independientes y normales,
transformando números ”pseudo aleatorios” que son variables aleatorias
independientes y Uniforme ( 0,1) que se generan por computadora.
c. Si en 100 g de lima dulce el rendimiento de jugo tiene distribución

N (  = 44,  2 = 1) y el pH es N (  = 5.5,  2 = 0.02 ) . Si X = 0.258 e
Y = 0.784 halle una muestra unitaria bidimensional de las variables
rendimiento y pH.
23. Uno de los métodos para generar variables normales de variables uniformes se
basa en el siguiente algoritmo:
Paso 1: Generar U1 y U 2 independientes y uniformes en (0,1)
44
Paso 2: Defina V1 = 2U1 − 1 , V2 = 2 U 2 − 1
Paso 3: Si V12 + V22  1 , volver al paso 1 y empezar de nuevo. Si V12 + V22  1 .
Defina:
2 ln (V12 + V22 )
X i = Vi − , i = 1, 2
V12 + V22
Halle las densidades marginales de X i , i = 1, 2
24. Suponga que X e Y son v.as normales estándar independientes. Si

Y 
r = X 2 + Y 2 y  = Arctag   , determine la densidad de r y la densidad
X
de  y diga si son independientes.
25. 1. Un punto es generado en un disco unitario de la siguiente forma: El radio

R Unif ( 0,1) y el ángulo  Unif ( 0, 2 ) y es independiente de R . Si X e Y
son las coordenadas rectangulares determine la densidad marginal de X.
 1   1 
26. Si X Exponencial  con media  e Y Exponencial  con media  son
 X   Y 
 X 1
independientes, halle la densidad de Z = X . Respuesta: f Z ( z ) = .
Y Y ( z + 1)
2
27. El error de medida (X = la diferencia entre la longitud registrada y la longitud

verdadera) al aproximar al par más cercano hecho con una regla de precisión
tiene distribución Unif ( −1,1) . Determine la densidad del error total en la
longitud combinada de tres piezas seleccionadas independientemente.
28. Suponga que entre las 3.00 am y las 3.30 am el número de camiones C
procedentes de Huánuco para abastecer de papa al gran mercado mayorista de
Lima puede ser 2, 3 y 4 con probabilidades 0.7, 0.2 y 0.1 respectivamente. En
ese tiempo el abastecimiento por camión, A, en cientos de toneladas es tal que
40a
f (a) = I ( a ) . Considere que C es independiente de A.
3 ( 0.1,0.4)
a. Halle la densidad del abastecimiento total entre las 3.00 y las 3.30 de un
día.
b. Obtenga el abastecimiento total promedio entre las 3.00 y las 3.30 de un

día.
 1
29. Demuestre que si X Exponencial  Con media  y Y Bernoulli ( 0.5 ) son
 
independientes entonces X ( 2Y − 1) Laplace (  = 0,  −1 ) .
45
30. El tiempo en minutos que demora hacer el análisis de 100 gr de melón para
obtener la cantidad de vitamina 3 es X Exponencial ( Con media 10 ) y la
variable Y se define como el número de porciones de 100 gr de melón donde la
cantidad de vitamina 3 es mayor que 30 mg considerándose sólo una porción de
100 gr, y que el 50% de estas porciones tienen un contenido de vitamina 3
mayor que 30 mg. Estas variables son independientes.
a. Determine la densidad de los adelantos o atrasos para evaluar la cantidad

de vitamina 3 en 100 gr de melón que es Z = X ( 2Y − 1) .
b. Halle las expresiones que permiten obtener muestras de Z .
31. Con los asegurados a la Clínica San Felipe se estudió lo que ocurre con ciertas
enfermedades que son causa de que un asegurado se interne. Se consideró la
variable Y definida como el número de días que un asegurado estuvo internado y
la variable X definida como el gasto diario, en miles de soles, que tiene que
hacer el asegurado por su internamiento. Con el asesoramiento de un Ingeniero
Estadístico e Informático se determinó que
x
f ( y ) = 0.6 I3 ( y ) + 0.3I4 ( y ) + 0.1I5 ( y ) y f ( x ) = I ( x ) . Calcule el
20 1.5 , 6.5
gasto total esperado de un asegurado que se internará con alguna de las
enfermedades consideradas.
 1
32. Demuestre que si las variables aleatorias X 1 Exponencial  Con media  y
 1 
 1
X2 Exponencial  Con media  son independientes entonces
 2 
1 X 1 − 2 X 2 Laplace (  = 0,  = 1) .
33. En Navidad y Año Nuevo los pirotécnicos y la basura incrementan la

contaminación ambiental. La variable X 1 representa el incremento de una
sustancia nociva 1 en el aire en Navidad y Año Nuevo, y la variable X 2
representa el incremento de una sustancia nociva 2 en el aire en Navidad y Año
Nuevo. Si estas variables aleatorias son tales que
 1  1
X 1 Exponencial  Con media  y X 2 Exponencial  Con media  son
   
independientes.
a. Demuestre que la variable aleatoria X 1 − X 2 Laplace (  = 0,  −1 ) .
NOTA: Se dice que una va X tiene distribución Laplace si
 x− 
exp  −
  
fX ( x) = .
2
b. Halle las expresiones que permiten hallar las muestras aleatorias de
X1 − X 2 .
46
34. Sean X e Y variables aleatorias independientes con distribución normal
X
estándar. Demostrar que tiene distribución Cauchy. ¿Cuáles son sus
X +Y
parámetros?
35. Demuestre que si V Exponencial (1) y Z N ( 0,1) son independientes
entonces X =  +  Z 2V Laplace (  ,  )
36. Sea X una variable aleatoria con la siguiente función

densidad f ( x ) = (1 + x ) I ( −1,0) ( x ) + (1 − x ) I ( 0,1) ( x ) . Determine la densidad de
W = X 2 +1.
37. Un proyectil es lanzado con velocidad inicial  y un ángulo X, donde

 
X Unif  0,  . Sea Y el rango del proyectil, esto es, la distancia entre el
 2
punto donde fue lanzado y el punto donde cae a tierra (Ver la figura). Asuma
que el proyectil está sólo bajo el efecto de la fuerza gravitacional. Se conoce
1
que Y =  2 sen ( 2 X ) , donde g es la constante gravitacional. Asuma, sin
g
pérdida de generalidad, que el proyectil fue lanzado del origen. Determine la
densidad de Y.
38. Se envían dos centinelas a patrullar una carretera de 1 Km de longitud. Se les

asigna a dos puntos escogidos al azar e independientemente a lo largo de la
carretera. Calcule la probabilidad de que los centinelas estén alejados más de
0.8 Km cuando lleguen a los puestos señalados.
39. Cuando una pareja se separa o se divorcia y tienen hijos menores, por lo general
el hombre hace un pago por alimentos mensual. X representa los adelantos o
atrasos en meses de los pagos de alimentos en Comas, e Y representa los atrasos
en meses de dicho pago en Breña. Si X e Y se distribuyen de acuerdo a la
y
siguiente densidad conjunta f ( x, y ) = I ( −2,2) ( x ) I ( 0,2) ( y ) . Halle la densidad de
8
Z = X +Y .
40. Sea X los adelantos o atrasos, en días, para tener su primer parto una ardilla
grande, e Y los atrasos en días para tener su segundo parto. Considere
y
f ( x, y ) = I ( −8,8) ( x ) I ( 0,8) ( y ) . Obtenga la densidad de Z = X 2 − Y .
512
47
41. Sean X 1 y X 2 dos variables aleatorias i.i.d con densidad N ( 0,1) . Si
( X − X 2 ) ; primero obtenga la densidad conjunta de
2
X + X2
U= 1 y V= 1
2 2
U yV y luego las densidades marginales de U y V .
42. Sea la v.a X definida como el tiempo de vida en años de una impresora y la v.a
Y definida como el tiempo de vida de un escáner. Si
x
f ( x, y ) = I ( x ) I ( 0,8) ( y ) .
256 ( 0,8)
a. Obtenga la densidad conjunta de X − Y y ( X + Y ) .
b. Halle las densidades marginales de X − Y y de ( X + Y ) .
43. Los jefes de los Departamentos de Estadística de dos empresas A y B suelen
citarse los lunes entre las 10.00 y 10.20 horas. El tiempo de espera X del Jefe de
la empresa A y el tiempo de espera Y del Jefe de la empresa B tienen como
y
densidad conjunta a f ( x, y ) = I ( x ) I0,20 ( y ) .
4000 0,20
a. Halle la densidad de la diferencia de los tiempos de espera.
b. Si los jefes acuerdan no esperarse más de 10 minutos, calcule la probabilidad
de que el siguiente lunes no se encuentren.
44. Los proyectiles son lanzados al origen de un sistema de coordenadas xy.
Suponga que el punto en el cual cae, digamos (X,Y), consiste de un par de v. as.
independientes N ( 0,  2 ) . Para dos proyectiles lanzados independientemente
uno del otro, ( X 1 , Y1 ) y ( X 2 , Y2 ) representan los puntos en los cuales caen y Z la
distancia entre ellos. Encuentre la densidad de Z 2 .
45. El ingeniero John Graunt estudió que la variable X que es el nivel de pH en el
suelo para el crecimiento óptimo de zanahoria, e Y que es el nivel de pH para el
crecimiento óptimo de cebolla. John halló que X Normal (  = 6.3,  2 = 0.242 )
e Y Normal (  = 6.4,  2 = 0.222 ) son independientes. Si Z1 y Z 2 son las
variables aleatorias anteriores estandarizadas. Haga la deducción de la densidad
Z
de 1 .
Z2
46. Si X e Y son los adelantos o atrasos de aviones, que siguen dos rutas, y son
variables aleatorias independientes e idénticamente distribuidas con densidad
N ( 0,  2 ) . Obtenga la densidad conjunta de R = X 2 + Y 2 , S =
Y
.
X 2 +Y2
1 −x
47. Si X tiene como función densidad f ( x ) = e I ( − , ) ( x ) . Demuestre que
2
( )
−1
Y = X 2 tiene como densidad g ( x ) = 2 y e − y I ( 0, ) ( y ) .
−(1+ )
48. Si la densidad de X es f ( x ) =  (1 + x ) I ( 0, ) ( x ) .
48
a. Determine la densidad de Yi = ln (1 + X i ) , siendo X1, , X n v.as
independientes e idénticamente distribuidas.
n
b. Halle la densidad de T = 2  Yi .
i =1
Y = ln (1 + X ) X = eY −1 J = eY
g ( y ) = f (eY − 1) J =  e−Y Y exp( )
n
Z =  Yi Z Gamma( , n)
i =1
T = 2( )Z
2n 2n
  2  1 2
 T ( t ) = E (e 2( ) Z ) =   =  T X 2 2n
  − 2 t   1 − 2t 
49.En cada uno de 43 distritos de Lima ( D1 , , D 43 ) se ha encontrado que el 58%
de las parejas que se casaron se han separado. Si se seleccionan en forma
independiente ni , i = 1, 2, , 43 parejas que se van a casar de cada distrito,
obtenga la función de probabilidad de la variable aleatoria X definida como el
número de parejas total que se divorciarán en los 43 distritos.
50. Suponga que el número de billetes falsos que llegan a cierta agencia bancaria,
durante un periodo de un día, tiene una distribución Poisson con media 4.5. Se
toma una muestra aleatoria de cuatro días. Halle la probabilidad de que la media
muestral tenga un valor de por lo menos 4.25 si se sabe que es menor de 4.75.
51. Si X 1 , , X n son v.as. independientes tales que Xi Poisson (i ), i = 1,..., n

Obtenga la densidad de X1 + X 2 + ... + X n .
52. Si X 1 , , X 9 es una m.a del tiempo de vida (en meses), de pacientes con cáncer
avanzado de cuello uterino, que tiene distribución exponencial con media 5
meses. Halle el valor de k tal que P ( X  k ) = 0.95 .
53. Se estudia el número de componentes electrónicos seleccionados hasta encontrar

el tercer defectuoso. Se sabe que el porcentaje de componentes defectuosos en
la población es 10%. Si X 1 , , X 5 es una muestra aleatoria de la distribución en
estudio calcule la P ( 25  X  25.4 ) .
54. Suponga que en 100 g de lima naranja el contenido de sólidos solubles X tiene
distribución Cauchy ( 1 = 7.7, 1 = 0.04 ) , y en 100 g de lima el contenido de
sólidos solubles Y tiene distribución Cauchy (  2 = 9.8, 2 = 0.06 ) . Si se va a
realizar el análisis a una porción de 100 g de cada fruta, calcule la probabilidad
49
de que el contenido de sólidos solubles en lima exceda al de lima naranja en más
de 1.8. Haga las demostraciones que se necesitan.
 k  x −     x −  k 
k −1
55. Sea f ( x) =   exp − 

   I , ) ( x ) la densidad del
  −    −      −   
tiempo mínimo que toma hacer un trabajo de manufactura. Si X 1 , , X 18 son
variables aleatorias independientes e idénticamente distribuidas con densidad
 18 
f ( x ) calcule P   ( X i −  )  0.159688  , con  = 0.8  = 0.6 y k = 3 .
k
 i =1 
Haga las demostraciones necesarias.
−(1+ )
56. La densidad de X es f X ( x ) =  (1 + x ) I ( 0, ) ( x ) . Si X 1 , , X n es una m.a de
 n 
esa distribución encuentre la densidad de T = 2   ln (1 + xi )   .
 i =1 
 
57. Sea f ( x ) =  e ( ) exp −e ( ) I ( − , ) ( x ) la densidad del costo mínimo, en
 x−  x−
miles de soles, por incendio en Navidad y Año Nuevo. Si X1 , , X 20 es una

 20

muestra aleatoria de f ( x ) , calcule P   e xi  190162765.1 , con  = 0.8
 i =1 
y  = 20 . Haga las demostraciones necesarias.

k
k +1
k  − 
es un m.a. de f ( x) =
x
  x 
58. Si X 1 , , X6 e I0, ( x) .Si
 6

 = 4 y k=2 , halle P   X i − k  0.197  . Justifique su respuesta.
 i =1 
50

Densidades de Funciones

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Densidades de Funciones

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Agraria La Molina

Departamento de Estadística e Informática

DISTRIBUCIONES DE FUNCIONES DE VARIABLES

Ejemplo 1: Sea X Poisson( ) encontrar la función de probabilidad de

A x/x 0,1, 2,..., B y/ y 4,1, 26, 71,...

función de probabilidad de la variable Y = .

N=17, n=15, A=15

X Hipergeométrica( N , n, A)  X max(0, n N A) x min(n, A)

X Hiper (17,15,15)  X max(0,15 17 15) x min(15,15)

P(Y 0) P( X 14) = 0.2206

P(Y 0.05) P( X 13) P( X 15) = 0.7721+0.0074 =0.7795

Ejemplo 3: La variable aleatoria X se define como los adelantos o atrasos en minutos

A =  x / x = −n, , −1,1, , n y B =  y / y = 1, 4,9, , n2

Ejemplo 4: Un servicio de transito citadino recibe llamadas de autobuses

a) Calcular la media del min ( X 1 , X 2 )

Función del min ( X 1 , X 2 )

A ( X 1 , X 2 ) / x1 0,1, 2,3, 4; x2 0,1, 2,3, 4

E(Y1 ) = 0  0.28 + 1 0.3 + 2  0.22 + 3  0.18 + 4  0.02 = 1.36

b) Encuentre la función de probabilidad conjunta del min ( X 1 , X 2 ) y max ( X 1 , X 2 )

A ( X 1 , X 2 ) / x1 0,1, 2,3, 4; x2 0,1, 2,3, 4

Ejemplo 4: En el Perú, para un estudio, se consideran 20 ríos de la cuenca principal del

Como se tienen 38 ríos y la selección es con reemplazo y sin considerar el orden de

Si primero no se seleccionan ríos de la cuenca del Amazonas (A) y son seleccionados

La función de probabilidad conjunta de X e Y será:

Hay tres métodos conocidos:

TECNICA DE LA FUNCION DE DISTRIBUCION ACUMULATIVA

Ejemplo 1: La temperatura a la que se mantiene una sustancia de uso médico en °C

a. Determine la densidad del tiempo de duración en meses del compuesto que es

b. Halle la densidad de la ganancia, en um, de la empresa productora del compuesto que

Ejemplo 2: Si X N 0,1 determine la densidad de X 2

Diagrama que facilita los cálculos

 Correspondencia 1-1 entre A y B

Simulación con variables aleatorias discretas

Sean a1  a2  los posibles valores de la v.a.d X, y sea la v.a.c U ~ Uniforme ( 0,1) . Si

Ejemplo 6: Sea la siguiente función de probabilidad:

f(x) 0.1 0.2 0.2 0.3 0.2

-2 0.1 0.1  0.0; 0.1)

Simulación con variables aleatorias de tipo continuo.

Ejemplo 4: Suponga que los adelantos o atrasos, en minutos, de un Profesor para

Ejemplo 5: Genere una muestra aleatoria de una distribución N (  = 4,  2 = 9 ) , si

F ( z ) = U → Z = F −1 (U ) , pero F −1 no existe en forma cerrada, aunque se pueden

Z1 = F −1 ( 0.721) = 0.586 → X 1 = 4 + 3 ( 0.586 ) = 5.758

462 − 312 = 150 , x5

Función de Distribución Acumulada F(g)

0 100 200 300 400 500

Muestra simulada = 150,150, 455.6, 462

DISTRIBUCION DE LA SUMA Y DIFERENCIA DE DOS VARIABLES

Sean X e Y variables aleatorias continuas, conjuntamente distribuidas con densidad

DISTRIBUCION DEL PRODUCTO Y DEL COCIENTE

Sean X e Y variables aleatorias continuas, conjuntamente distribuidas con densidad

Ejemplo 8: Bajo ciertas condiciones, al buscar aleatoriamente un punto (x, y) la

  kdxdy =   kdydx +   kdydx = 1

Ejemplo 9: Sea X la cantidad en mg de una vitamina 1 en 100 gr de tomate e Y la

TECNICA DE LA TRANSFORMACION DE VARIABLES (JACOBIANO)

Con transformación uno a uno:

Nota: J se obtiene derivando las transformaciones inversas ( Xi ) con respecto a las

Diagrama que facilita los cálculos

Verificación de si es uno a uno la correspondencia

Ejemplo 3: El tiempo de vida en meses de un paciente con una enfermedad terminal 1

a. Si se elige al azar e independientemente a un paciente con la enfermedad 1 y a un

g ( u , z ) = f ( u − z , z ) J = 12e − 1 (u − z )e − 2 z 1 = 12e − 1u −( 2 −1 ) z , ( u , z )  B

b. Si se elige al azar e independientemente un paciente con la enfermedad 1, un paciente

c. Si se selecciona independientemente a un paciente de cada una de las cuatro