Sunteți pe pagina 1din 7

INVESTIGACIN 1

-Funciones de Variables Aleatorias-

Estadstica II

Instituto Tecnolgico de Monterrey Campus Aguascalientes

Nombre: Shandrell Alejandra Arceo Solano


Matricula: A01400549
Fecha: 22 de Febrero, 2015

Introduccin:
En el curso de estadstica II se ha tratado el tema de las Distribuciones
Multivariadas, para el caso de variables aleatorias discretas y variables
aleatorias continuas, en donde aprendimos a plantear, aplicar y resolver
problemas de Probabilidad conjunta, Distribucin acumulada conjunta,
Distribucin de probabilidad marginal, Distribucin de probabilidad condicional
y la Independencia entre estas variables aleatorias.
En esta ocasin se realiz una investigacin para comprender mejor sobre
las diferentes tcnicas que se pueden aplicar en un problema que implique una o
ms variables aleatorias, con la finalidad de encontrar la densidad o distribucin
de probabilidad de una variable aleatoria a partir de la distribucin de
probabilidad conjunta de las variables. Las tres tcnicas que se trataran a
continuacin son la Tcnica de la funcin de distribucin, Tcnica de la
transformacin de la variable y la Tcnica de la funcin generatriz de momentos.

Variables aleatorias Y, ! , ! , ! , !
Conjunto de variables aleatorias ! , ! , ! , !
Relacin de las variables aleatorias = (! , ! , ! , ! )

Otras definiciones:
Variables aleatorias discretas Una variable aleatoria se llama variable
aleatoria discreta si se puede contar su conjunto de resultados posibles
(Walpole, (2012), P.83).

Variables aleatorias continuas Cuando una variable aleatoria puede


tomar valores en una escala continua, se le denomina variable aleatoria
continua (Walpole, (2012), P.84).

Tcnica de la funcin de distribucin


Este mtodo consiste bsicamente en encontrar primero su funcin de
distribucin y despus su densidad de probabilidad por diferenciacin (Freund,
(2000), P237).

El primer paso es determinar la expresin adecuada para la probabilidad


= = [ (1 , 2 , 3 , ) ]
Una vez planteada, se realiza la diferenciacin de la siguiente manera:
=

!"(!)
!"

Ejemplo


Problema: La densidad de probabilidad f(x) es:

"6x(1 x)
0 < x <1
$

f (x) = #
$0
En cualquier otro caso
%

Pregunta: Cul es la densidad de probabilidad de Y=X3?

Respuesta:


Si se plantea que H(y) es la funcin de distribucin en Y de y:

Paso 1. Encontrar los lmites

h(y)=P(Yy)
=P(X3y)
=P(Xy1/3)
pPso 2. Integracin

=

! !/!
6 1
!
!
3 ! 2

=

Paso 3. Derivar H(y)

!

R. g(y)= !

2 para 0<y<1

Tcnica de la transformacin de la variable


Este mtodo se basa en la existencia de una relacin unvoca,
transformacin uno a uno, entre las variables involucradas. Se dice que existe una
transformacin uno a uno entre dos variables X y Y, si cada valor de X le
corresponde uno y solo uno en Y, y a cada valor de Y corresponde uno y solo uno en
X. (Obagi, (2003), P.240).

Para variables aleatorias discretas:


Se cambia la variable X con su funcin de densidad de probabilidad conocida por
la variable Y basndose en la relacin establecida, y esto da como resultado una
funcin inversa x= w(y).
! = ! [()]
De igual forma se puede hacer la sustitucin de x= w(y) en la funcin base
! ()para as obtener ! .

Ejemplo:
Problema: X tiene una distribucin geomtrica con parmetro 1/3
Pregunta: Cul es la funcin de densidad de probabilidad si Y=4-5X?
Respuesta:
= = 4 5
= () = 1/5(4 )
! = !

1
5 4

1
=
3

2
3

!!!
! !

; y=-1,-6,-11

Para variables aleatorias continuas


Condiciones:
! 0
La ecuacin y=u(x) puede expresarse x=w(y) para los valores de X, y la densidad
de probabilidad de Y, Y=u(X) se da como:

! = |()|
En caso de que la condicin ! 0 no se cumpla, el resultado sera
! = 0.

Ejemplo:
Problema: La densidad de probabilidad f(x) es:

! 2; 0 1
0;

Pregunta: Cul es la distribucin de probabilidad de Y si, Y=3x-1?

Respuesta:
Paso 1. Se obtiene:
= = 3 1
+1
= =
3
Paso 2. ! :
! = 1/3
! = !
R.

= 2

+1
3

1
3

2
+ 1 ; 1 2
9
0;
!

Tcnica de la funcin generatriz de momentos


Definicin de momentos:

Para una variable aleatoria X, los momentos son valores que se esperan
de algunas de sus funciones de la misma variable. Mediante estos se puede
formar un conjunto de puede ayudar a llegar a la distribucin de probabilidad
X y posteriormente comprobar que los momentos son conocidos. Los
momentos se definen alrededor de 0 o del mismo valor esperado.
Para variables aleatorias continuas
=

Para variables aleatorias discretas

!!

= ! =

!
!

Para el caso en el que se tienen n numero de v.a. independientes X, y por otro lado
Y=X1,X2,X3.

Se aplica el teorema:
n

M Y (q) = M Xi (t)
i=1

*Mxi(t) .valor de la funcin de generacin de momentos de ! en q




Ejemplo:
Problema: Obtener la distribucin de probabilidad de la suma de n v.a. que
tengan distribucin con parmetros 1,,n,
Respuesta:
!

Si !! = !! (! !!)

Entonces aplicando la ecuacin
n

M Y (q) = e i (e 1) = e( 1+i )e 1)
i=1

Conclusin
Me pareci muy interesante realizar la investigacin, debido a que durante
el curso vimos una seria de formulas para llegar a la probabilidad marginal,
condicional o para determinar la independencia de variables, pero en cuanto a la
funcin de densidad de probabilidad en el caso de variables aleatorias continuas y
discretas no me haba quedado muy claro cmo se pueden plantear las soluciones
para ambos casos. En realidad la tcnica de la funcin generatriz de momentos
me pareci un poco confusa a la hora de la aplicacin para resolver los problemas,
pero por lo dems, que fueron la tcnica de la funcin de distribucin y la de
transformacin de la variable me parecieron muy tiles y espero que
prximamente en el curso me quede ms claro al realizar problemas que las
apliquen.

Bibliografa
John E. Freund, Irwin Miller, Marylees Miller. (2000). Estadstica matemtica
con aplicaciones. Mxico: PEARSON EDUCACIN.

RONALD E. WALPOLE, R. H. (2012). Probabilidad y estadstica para ingeniera y


ciencias (Vol. Novena edicin). Mxico: PEARSON EDUCACIN.

Araujo, J. J. (2003). Elementos de teora de probabilidad para ingenieros (Vol.


Primera edicin). Bogot, Colombia: Centro Editorial Javeriano.

S-ar putea să vă placă și