Scribd Logo
Upload

Welcome to Scribd!

  • Probabilidad y Estadística

    Uploaded by

    JhonAlviteVentura
    6 views14 pages

    Original Title

    PROBABILIDAD Y ESTADÍSTICA

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    6 views14 pages

    Probabilidad y Estadística

    Uploaded by

    JhonAlviteVentura

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 14
    (Curso: Introduccién a la Probabilidad y Estadistica CM -274 Examen Final + Responde cada pregunta, justificando, los resultados utilizados, Cada pregunta del examen contiene €l desarrollo de propiedades hechas en clase ¥ en las notas de clase. + Esta prohibido compatir cuadernos entre estudiantes. Si se trasgede esta regla, se eliminard la uti- lizaci6n de los cuadernos en el examen. ‘+ Se prohiben, copias de todo indole, as{ como el uso de libros electrénicos. 1. Resuelve los siguiente: (@) (1 pto) Sea X ~ N(j,¢2). Encuentra la funcién de distribucion de probabilidad de |X — yi] ys valor esperado. ©) (1 pto) Muestra que la media, la mediana m y la varianza o? de una variable aleatoria continua X, satisface la siguiente desigualdad: (u- me co, (©) (2 pto) Sean X e ¥ tienen la funcién densidad bivariada normal, fly) = — ag exp} - (2 - 2pry +?) Invi) 21=P) ‘P son variables independientes N(0,1) y deduce que , Muestra que X y Z = ( — pX)/ PK >0,Y>0)= 7+ stsin'p. Si Z = max{X,Y}, muestra también que E(Z) = y/(1 —p)/z y E(Z?) = 1. 2. Responde las siguientes preguntas: (@) (1 pto) Xe ¥ tienen densidad conjunta, Sley) sexy xytey para Ox cy y,fy(xiy) =0. {a) (1 ptos) Sean X; y Xz dos variables aleatorias exponencial independientes cada una con paramétro A. Muestra que X¢1) ¥ X(2) — X(1) son independientes. (b) (1 ptos) Sean X,,X, y X, variables aleatorias independientes de (0,1). Encuentra la funcion de densidad de probabilidad y el valor espetado del rango medio de estas variables aleatorias PXqy + Xay)/2- (©) (1 pto) Sea Xy,Xo,..., Xn Variables aleatorias independientes exponenciales con pardmettos A y sea Xia) < Xia) < +++ Xia), sus estadisticos de orden. Muestra que: Yy=MX yy Ye= (tI A(X py crs, son también independientes y tienen la misma distribucién conjunta de las X;, 4. (@) (1 ptos) Sea X una variable aleatoria que toma valores enteros no negativos y es asociado con tuna transformada de la forma: Bde 4208 Mx() =e AE, donde c es un escalar. Encuentra E(X) y px(1). () (1 pto) La funcién de matricial simétrica G(X) de la matriz X de orden m: x 1 ¢s llamada convexa, si para cada par de matrices X1, Xz de matrices mx n'y 0 < A <1, satisface: G(AX; + (T= A)X2) $ AG(X) + (1- G(X), donde para matrices simeétricas X,Y escribimos X > Y si X — ¥ es una matriz definida no neg- ativa. Sea X una variable aleatoria, esto es una matriz, cuyos elementos son variables aleatorias y Guna funcion matricial convexa. Entonces prucba que: G(EX) < G(X). ‘También para una matriz aleatoria positiva muestra que: E(x) > (EQO)* (©) (1 pto) Muestra que si E(Y) < oy ¥ > 0, entonces, Elog(Y) < log E(). Usa este resultado para probar, que si tenemos X1, X2,... Xn variables aleatorias idénticamente distribuidas independientes, con P(X; > 0) = 1 y V(log Xi) = 02, se cumple, que para cada e>0 P(E MSA < XyX9..Xq < eHECBMIH+) > 1 — i Yast deducimos, P(x Kee ear") 21-8. 5. (@) (1 pto) Para un entero positive m, sea 1(1t) = (24), donde i es el resto de dividir n por 2, la mayor potencia de 2. Por ejemplo 1(10) = (2%,2),r(12) = (2°,4),7(19) = (24,3) y 1(69) Go En un experimento un punto es seleccionado aleatoriamente en [0,1]. Para n > 1,7(n) = (i), sea, 4 i iti na ft eaten [55] oO en otros casos. Muestra que X, converge a 0 en probabilidad, mientras que no converge en ningtin punto, y mucho menos en convergencia casi segura. (©) (1 pto) En una secuencia de variables aleatorias Xy,X3,-.., Xee--- supongamos que Xp, dex slo de Xj-1, X41, pero que es independiente de todas las otras variables aleatorias (k =2,3....). Muestra que si, la varianza es finita, entonces 1a ley de los grandes nineros debil se cumple. (© ( pto) Sean Xi, Xz,... variables aleatorias independientes, idénticamente distribuidas con me dia 2. Sean Yi, ¥2,... variables aleatorias independientes, idénticamente distribuidas con media 3. Muestra ques Mit Kater Xe, 2 Yeu 3 con probabilidad 1. :Importa si los X; son independientes del ¥2 6. Elteorena de Lizite central en el contexto de Levy-Lindeberg, dice que si E(Xj) =u y W(X) = 2, entonces: ye MER) 2 Eo) 09,1), ¢ Vie Esto es, para cada x, dy Bi PG; 0. F(t) = P(X — np] 0 r= 4*o = ° otras casos. Esto produce, Fs 2e(£) 120. As, E(X—al) = [#@ ‘Sustituyendo 1 = t/¢, obtenemos, E(|X- nl) -[ , ue" dy lol ‘+ Podemos suponer sin pérdida de generalidad, que y = Oy ¢ = ‘caso al menos la mitad de la masa de probabilidad esta a la derecha de 1, asi E(XI(y>mj) 2 ; Ahora O= E(X) = E(X[I,y¢>09}) + ltxcm]), implicando que E(XIyy 1. En este } Igualmente, 2 2 1 EX xom) 2 5 EON xem) $5 Por definicién de la mediana y el hecho de que X es continua, E(X|X 0,Y > 0} = {v0 2>-mer =A, ‘Y por tanto moviendo a coordenadas polares, Ae ope i P(X >0,Y>0) -[ [ spe nara -[ zie fox rao h tan“'(p/ t=) = —sin p donde «= Para la siguiente parte del eercicio, sea el caso de p # 1. Si escribimos X =U, Y = pU+ /1— eV, tenemos que Ly V son variables N(0,1) independientes. Se cumple que ¥ > X siy sélosi (I—p)U < 1 = PAV. Llevando a coordenadas polares, E n= [ ae [foment donde tan y= \/ (1 - p)/(1 +), lo que conduce al resultado. Para la segunda parte, E(max{XYP) = EC xsyy) + EO roy) = EO cer) EOS). por la simetria de las marginales de X ¢ Y. Aftadiendo, obtenemos 2E(max{X,Y}?) = E(x?) + EQ?) =2. Solucién 2 * Colocando x = yu, tenemos: y July! - | macaricncerens werd — uN 1 (m;)T(n2) T(m +12)" [ Fuly dy = f(a) (na), tenemos, c~! = F(m)P(n2), donde Fy(y) es una distribucion gamma con pardmetros my +n. Simi= armente, podemos encontrar que X tiene una distribucién gamma con parametro m= seyttey, y desde la eeuscién: pannar f Gas tetay= ea, D0, + (@) La densidad de ¥ = Xy +X es dado por: i Fay (U = 12) fina (12) * dy =y O. ay | 4 2 ‘Asi ¥ tiene la distribucién Gamma con parimetros A = 1/2 ys = 1, Pero la distribucion Gamma tiene la propiedad de que Y, es la suma de m variables aleatorias independientes ¢ idénticamente distribuidas y por tanto tiene una distribucton Gamma con pardmetros A = 1/2y s = 1, esto-es, a Pray” v2, fr) y>d, Esto es, tiene una distibucion x2 con 2 grados de ibertad. Para el siguiente problema, la Funcién densidad conjunta de variables aleatorias, $= Blog Xi cos2nXz, — g= Blog Xisin2nX,, es dado por, FEM) = foxy En) 226 VE. Ian = Re ern yeast, = Lee pee Ken) = Fee Pha hh, —wcice, mance. Por el ejercicio anterior, se deduce que ¢ y 17 son variables aleatorias N(0,1) independientes. ‘+ Desde la definicién de funcién distribucién, tenemos: Fe(z) = PZ £2) = P(X <= Y <2) =F Fw(w) = P(W < w) =1- P(W >w) =1-P(X > w,Y > w) Usando el teorema de adicion, P(AUB) = P(A) + P(8) - P(ANB), con A={X w,.Y > w) = P(X 0}. w+. Ast Elsistema tiene solucién nica: x =u, y 19] =[E Jase Por el teorema de cambio de variable: 810) = firuyue + v)IJ] = 2AM), wD O,P > Desde que, (4,2) = gu(u)gv(e), donde, gu(u) =e ™, uw >0, y av(v) =Ae", ov > 0, tenemos que U y V son independientes. Ademés, LI es exponencial con parémetro 21 y V es expo- nencial con paramétro A. Los estadisticos de orden de los X; tienen funcién densidad conjunta, i sobre el conjunto I de la sucesiones crecientes de los reales positivos. Definimos una funcion inyectiva de Ia (0,00)" como, W240 %) =antoe(- Meany y = (NFL) 0, Y > 0, de orden r y O 0, PllYa — E(Ya)| < ne] > 1 @ PlEog%) ~] < Fog < nog) +4] 2 1~ SS, 2 Elexp{e(E (log Xi) —€)}] < XaXa--- Xu < exp{n(E(log Xi)e)} 2 1 As y por el ejercicio anterior, Ellog X] < log E(X), se obtienen los resultados pedidos. Solucién 5 + Xy converge a 0.en probabilidad, ya que para cada ¢ > 0, P(|Xx—0| > €) es la probabilidad que el i isd a « Ahora -+ co implica que 2 + 0° y la unto aleatorio seleccionado desde (0, 1] esté en Jongitud del intervalo lz SH) 0. Por tanto, jim P([Xe= 0] 26) =0. Sin embargo, Xz no converge a ningdn punto, ya que para todo entero positive N, existe un m > N n> M tal que Xm = Oy Xn = 1, haciendo imposible para |X — Xm] ser menor que un 0 < ¢ <1. + Desde una de las variantes de la desigualdad de Chebyshev, tenemos: rv +2 Geos xi)} vee) = 2 < Alem +20-1)M} 40, sine. + Por la ley de las grandes néimeros, Mitte con probabilidad 1 y, Mtv m con probabilidad 1, cuando n —+ 20 Se debe notar que si dos eventos Ay B tienen. ambos probabilidad. 1, entonces el evento A B también tiene probabilidad 1, tanto la convergencia que implica X; y la que implica ¥; ocurren. Por tanto, Kit Xetet Xe Ot Xa tt Nadie? Yetta (FM ayn 8 con probabilidad 1, Cuando n -+ ce, No era necesario suponer que los Xj son independientes de los Y; debido a la convergencia puntual con probabilidad 1 Solucién 6 + La variable aleatoria X? es gamma con pardmetros A = 1/2y r= 1/2. Por tanto, Por el teorema del Iimite central, lim P(Se < n+ V2i) = kim P| Sem =) = lim P| ( mS 1)-ea) = 08413. + De acuerdo al teorema del limite central, P(-1<$} <1) + (1) - (1) = 048, mientras que la desigualdad de Chebyshev, no da informacién, desde que, P(lSl>5) Zogisl = Taos)” ZloghT para 0 < x

    You might also like