Ejercicios de Variables Aleatorias

Elisa M. Molanes-Lopez, Depto. Estadstica, UC3M

Transformaciones de variables aleatorias
Ejercicio 1. Sea X una v.a. continua con funcion de densidad dada por:
f(x) =
_
1/2, si 1 < x < 1
0, en caso contrario.
Considere la transformacion Y = X
2
y calcule su funcion de densidad.
La variable aleatoria X sigue un modelo uniforme continuo en el intervalo (-1,1).
Solucion: La transformacion esta dada por h(x) = x
2
, si 1 < x < 1. En este intervalo de la
recta real, esta transformacion es una funcion derivable pero no inyectiva. Por lo tanto, no se puede
utilizar la formula general para calcular la densidad de Y ,
f
Y
(y) = f
X
(x(y))

dx(y)
dy

.
Habra que primero calcular la funcion de distribucion de Y y a continuacion derivarla para deter-
minar su densidad.
Observese en primer lugar que el rango de X es R
X
= (1, 1) y el rango de Y es R
Y
= (0, 1).
Sea y (0, 1) (lo cual equivale a considerar x (1, 1)), entonces
F
Y
(y) = Pr(Y y) = Pr(X
2
y) = Pr(

y X

y) = F
X
(

y) F
X
(

y).
Utilizando la regla de la cadena para derivar F
Y
(y) con respecto a y, se obtiene que:
f
Y
(y) =
dF
Y
(y)
dy
= f
X
(

y)
1
2

y
+f
X
(

y)
1
2

y
=
1
2

y
(f
X
(

y) +f
X
(

y))
=
1
2

y
_
1
2
+
1
2
_
=
1
2

y
.
Se concluye que la densidad de Y es:
f
Y
(y) =
_
1
2

y
, si 0 < y < 1
0, en caso contrario.
Ejercicio 2. Sea X una v.a. continua con funcion de densidad dada por:
f(x) =
1

2
exp
_

1
2
_
x

_
2
_
, x .
Considere la transformacion Y =
X

y calcule su funcion de densidad.

1
La variable aleatoria X sigue un modelo Normal con media y desviacion tpica . La trans-
formacion lineal que nos permite pasar de X a Y se denomina estandarizacion o tipicacion de
X.
Solucion: La transformacion esta dada por h(x) =
x

, si x . Esta transformacion es derivable

e inyectiva, de modo que se puede utilizar la formula general para calcular la densidad de Y ,
f
Y
(y) = f
X
(x(y))

dx(y)
dy

.
Observese en primer lugar que el rango de X es R
X
= y el rango de Y es R
Y
= . Ademas,
x(y) = h
1
(y) = +y y
dx(y)
dy
= > 0.
Sea y (lo cual equivale a considerar x ), entonces
f
Y
(y) = f
X
(x(y))
dx(y)
dy
=
1

2
exp
_

1
2
y
2
_

=
1

2
exp
_

1
2
y
2
_
.
Ejercicio 3. Sea X una v.a. continua con funcion de densidad dada por:
f(x) =
1

2
exp
_

1
2
_
x

_
2
_
, x .
Considere la transformacion Y = exp {X} y calcule su funcion de densidad.
La variable aleatoria X sigue un modelo Lognormal con parametros y .
Solucion: La transformacion esta dada por h(x) = exp {x}, si x . Esta transformacion es
derivable e inyectiva, de modo que se puede utilizar la formula general para calcular la densidad de
Y ,
f
Y
(y) = f
X
(x(y))

dx(y)
dy

.
Observese en primer lugar que el rango de X es R
X
= y el rango de Y es R
Y
= (0, ). Ademas,
x(y) = h
1
(y) = ln(y) y
dx(y)
dy
=
1
y
> 0 y (0, ).
Sea y (0, ) (lo cual equivale a considerar x ), entonces
f
Y
(y) = f
X
(x(y))
dx(y)
dy
=
1

2
exp
_

1
2
_
ln(y)

_
2
_
1
y
=
1

2y
exp
_

1
2
_
ln(y)

_
2
_
.
Ejercicio 4. Sea X una variable aleatoria (v.a) con funcion de densidad dada por f
X
(x) = 1, si
0 < x < 1, y sea Y una v.a. denida seg un se indica a continuacion:
Y =
_
X, si 0 < X 1/2
X 1/2, si 1/2 < X < 1.
a) Determine la funcion de distribucion de Y y su funcion de densidad.
b) Cual es la probabilidad de que Y este entre 1/4 y 1/2?
2
Solucion:
a) En primer lugar, notese que el rango de Y es R
Y
= (0, 1/2] y por lo tanto Y es una v.a.
continua. La transformacion que nos permite pasar de X a Y es
h(x) =
_
x, si 0 < x 1/2
x 1/2, si 1/2 < x < 1.
0 1

y = h(x)
x
Esta funcion h no es derivable (por ser discontinua en el punto x = 1/2) ni inyectiva, de modo
que no es posible utilizar la formula general para calcular la densidad de Y ,
f
Y
(y) = f
X
(x(y))

dx(y)
dy

.
Habra que primero calcular la funci on de distribucion de Y y a continuacion derivarla para
determinar su densidad.
Sea y (0, 1/2] (lo cual es equivalente a considerar x (0, 1)), entonces se verica que:
F
Y
(y) = Pr(Y y) = Pr({0 < X y} {0,5 < X < 0,5 +y})
=
_
y
0
1dx +
_
0,5+y
0,5
1dx = 2y.
Notese que a la hora de calcular la probabilidad de {0 < X y}{0,5 < X < 0,5 +y} hemos
usado el hecho de que al ser y 0,5, se trata de una union de sucesos disjuntos.
Entonces, la funcion de distribucion de Y viene dada por:
F
Y
(y) =
_

_
0, si y 0
2y, si 0 < y 1/2
1, si y > 1/2.
Derivando F
Y
(y) con respecto a y, se obtiene la densidad de Y , es decir:
f
Y
(y) =
dF
Y
(y)
dy
= 2, si y (0, 1/2].
3
b) Utilizando la funcion de densidad:
Pr(1/4 < Y < 1/2) =
_
1/2
1/4
2dy = 2y]
1/2
1/4
=
2
2

2
4
=
1
2
.
Utilizando la funcion de distribucion:
Pr(1/4 < Y < 1/2) = F
Y
(1/2) F
Y
(1/4) =
2
2

2
4
=
1
2
.
Ejercicio 5. Dos de los lados de un triangulo isosceles tienen una longitud L cada uno y el angulo
X entre ellos se distribuye seg un una variable aleatoria con funcion de densidad igual a f(x) =
kx( x), si x (0, /2), siendo k una constante desconocida.
a) Determine el valor de k para que f(x) sea, en efecto, una funcion de densidad.
b) Calcule la funcion de densidad del area del triangulo.
c) Calcule la esperanza del area del tri angulo.
Solucion:
a) Las dos condiciones para que f sea funcion de densidad son:
* f(x) 0.
*
_

f(x)dx = 1.
Por la primera condicion se deduce que k 0. Teniendo en cuenta la segunda condicion se
deduce que:
1 =
_
/2
0
kx( x)dx = k
_
/2
0
xdx k
_
/2
0
x
2
dx
= k
x
2
2
k
x
3
3
_
/2
0
= k

2
8
k

3
24
=
k
3
12
.
De modo que k =
12

3
.
b) Sea Y el area de dicho triangulo isosceles, es decir, Y =
ba
2
, siendo b la base de dicho triangulo
y a su altura.
Se verica que:
sin(x/2) =
b
2L
b = 2Lsin(x/2)
cos(x/2) =
a
L
a = Lcos(x/2)
y por lo tanto, y = L
2
sin(x/2) cos(x/2), si x (0, /2). Teniendo en cuenta la siguiente
formula trigonometrica:
sin( +) = sin() cos() + cos() sin(),
es sencillo demostrar que y =
L
2
2
sin(x), si x (0, /2), (bastara considerar en dicha formula
trigonometrica que = = x/2).
4
x/2
L
a
b/2 b/2
Dado que h(x) =
L
2
2
sin(x) es una transformacion derivable e inyectiva en (0, /2), se verica
que:
f
Y
(y) = f
X
(x(y))

dx(y)
dy

, y R
Y
.
Teniendo en cuenta que
R
Y
= (0, L
2
/2),
x = arcsin(2y/L
2
),
dx
dy
=
1
_
1 (2y/L
2
)
2
2
L
2
=
2
_
L
4
4y
2
> 0,
resulta que:
f
Y
(y) = f
X
(arcsin(2y/L
2
))
2
_
L
4
4y
2
=
24 arcsin(2y/L
2
) ( arcsin(sy/L
2
))

_
L
4
4y
2
, si y (0, L
2
/2).
c) Una forma de calcular la esperanza de Y es utilizar el hecho de que es una transformacion de
X, es decir:
E[Y ] = E[L
2
sin(X)/2] =
_
/2
0
L
2
sin(x)
2
f
X
(x)dx
=
_
/2
0
L
2
sin(x)12x( x)
2
3
dx
=
6L
2

3
_
/2
0
sin(x)x( x)dx
=
6L
2

3
_
/2
0
sin(x)xdx
6L
2

3
_
/2
0
sin(x)x
2
dx
=
6L
2

3
( + 2) =
12L
2

3
.
5
Notese que hemos usado el hecho de que:
_
/2
0
sin(x)xdx = 1, (1)
_
/2
0
sin(x)x
2
dx = 2, (2)
_
/2
0
cos(x)xdx =

2
1. (3)
Estas integrales las hemos resuelto utilizando el metodo de integracion por partes. Por ejemplo,
la integral (2) la hemos resuelto teniendo en cuenta la expresion (3) y considerando u =
x
2
, dv = sin(x)dx du = 2xdx, v = cos(x). Entonces, resulta que:
_
/2
0
sin(x)x
2
dx = x
2
cos(x)

/2
0
+ 2
_
/2
0
cos(x)xdx
= 2
_

2
1
_
= 2.
Las expresiones (1) y (3) se obtendran de manera analoga, haciendo uso del metodo de
integracion por partes.
Ejercicio 6. En funcion de un estudio realizado en varios establecimientos, se conoce que la demanda
X de un determinado producto es una variable aleatoria con funcion de densidad f(x) = e
x
, si
x > 0. La venta de una cantidad x produce una ganancia de ax y el sobrante y no vendido produce
una perdida (es decir una ganancia negativa) de by, siendo a y b constantes positivas. Si en stock
hay disponible c unidades de dicho producto, se pide:
a) Escriba la ganancia obtenida en funcion de la demanda X y el stock disponible.
b) Cual es la ganancia esperada?
c) Cuantos productos sera necesario tener en stock para que la ganancia esperada fuese maxi-
ma?
Solucion:
a) Sea Y la ganancia nal obtenida (considerando la ganancia positiva y negativa). Se verica
que Y = h(X) siendo h(x) la siguiente funcion
h(x) =
_
ax b(c x), si 0 x < c
ac, si x c.
b) Teniendo en cuenta que Y es una transformacion de X no es necesario calcular su densidad
para determinar su media o esperanza. Podemos utilizar la siguiente formula alternativa que
hace uso de la densidad de la variable aleatoria de partida, X:
E[Y ] =
_

h(x)f
X
(x)dx.
De modo que, la ganancia esperada es
E[Y ] =
_
c
0
(ax b(c x))e
x
dx +
_

c
ace
x
dx = a +b bc (a +b)e
c
.
6
c) Teniendo en cuenta la ganancia esperada calculada en el apartado b), habra que considerarla
como una funcion de c y buscar para que valor de c alcanza su valor maximo. Es decir,
E(Y ) = g(c) = a +b bc (a +b)e
c
. Esta funcion g alcanza el maximo en el punto c
0
donde
se cumpla que su derivada se anule y su segunda derivada sea negativa.
Teniendo en cuenta que:
dg(c)
dc
= b+(a+b)e
c
= 0 e
c
= b/(a+b) c
0
= ln(b/(a+b)) = ln((a+b)/b) = ln(1+a/b)
y que
d
2
g(c)
dc
2
= (a +b)e
c
< 0, c
d
2
g(c
0
)
dc
2
< 0,
podemos concluir que la cantidad de stock que proporciona la maxima ganancia es
c
0
= ln(1 +a/b).
7