Traducido del inglés al español - www.onlinedoctranslator.

com

Proporcionalidad para Distribuciones de

Probabilidad

David S. Rosenberg

Abstracto

Expresiones que involucran el símbolo de proporcionalidad∝son muy comunes en matemáticas,

especialmente aquellos que involucran modelos de probabilidad. Es una idea fácil y puede
simplificar enormemente las expresiones matemáticas. Por otro lado, hay cierta ambigüedad en
la notación, a la que se necesita un poco de experiencia para acostumbrarse.

1 Fundamentos

Comencemos con un ejemplo inequívoco, con una sola variable en cada lado:

F(X)∝gramo(X)

significa que existe una constantektal que

F(X) =kg(X)∀X.
También podemos tener múltiples variables, como

F(x, y)∝gramo(x, y),

lo que significa∃ktal que

F(x, y) =kg(x, y)∀x, y.

2 Algunas variables arregladas

A veces queremos que la constante de proporcionalidad dependa de una o más de las

variables en nuestra expresión. Por ejemplo, podemos escribir la función de densidad
gamma como

pag(X;α, β)∝Xα−1mi−βx1(X >0), (2.1)

1
2 4 Recuperación de la constante de proporcionalidad por comparación

dónde1(X >0)es unfunción indicadora1que toma el valor1cuando X >0y es0

de lo contrario. Cuando escribimos proporcionalidad en 2.1, estamos
pensando en cada lado como una función deXsolo conαyβmantenido fijo.
La constante de proporcionalidad dependerá deαyβ. Así (2.1) significa que
existe una funciónk(α, β)tal que

pag(X;α, β) =k(α, β)Xα−1mi−βx1(X >0),∀x, α, β.

3 Recuperación de la constante de proporcionalidad por

integración

Sin información adicional, no tenemos forma de recuperar la constante de

proporcionalidad en una expresión comoF(X)∝gramo(X). Sin embargo, si sabemos
algo adicional sobreF(X), como su integral o su valor para un determinado X,
entonces podemos determinark.
Consideremos la densidad gamma en (2.1). Desdepag(X;α, β)es una densidad en X,
su integral sobreXdebe ser1:
∫∞
k(α, β)Xα−1mi−βxdx=1
0

Dado que la constante de proporcionalidad es, por definición, independiente deX,

sale de la integral y podemos resolverlo:
[∫∞ ]−1
k(α, β) = Xα−1mi−βxdx (3.1)
0

Si podemos resolver esta integral, hemos terminado. En este contexto,k(α, β)se

llama elconstante de normalización,ya que multiplicar la función por este factor
hace que la integral1.

4 Recuperación de la constante de proporcionalidad por

comparación

Supongamos que la integral en 3.1 es demasiado para nosotros. Si no supiéramos que la

densidad era una densidad gamma, podríamos buscar en una tabla de densidades conocidas

1Esta función de indicador designa elapoyode la densidad, que es la región donde la

densidad es distinta de cero.
 3

densidades de probabilidad y hacer algunas coincidencias de patrones. Necesitaríamos

encontrar una densidad proporcional aXα−1mi−βx1(X >0).Encontraríamos que la gamma
la densidad es
βα
pag(X;α, β) = Xα−1mi−βx1(X >0).
Γ(α)
De este modok(α, β) =βα/Γ(α).

Observación.Esmuy importantepara asegurarse de que los soportes de las densidades

son los mismos. Con diferentes soportes, las constantes de normalización serían
diferentes y no podemos usar este enfoque. Aunque aquí usamos la función de
indicador para dar el soporte directamente en la expresión de la densidad, a veces el
soporte para la distribución se da por separado. Por ejemplo, en Wikipedia, la densidad
de la distribución Gamma se da simplemente como

βα Xα−1mi−βx,
pag(X;α, β) =
Γ(α)

con el soporte indicado por separado comoX∈(0,∞).

Ejercicio:Justifique este enfoque mostrando que si tenemos dos densidades
de probabilidad,pag(X)yq(X), los cuales tienen el mismo apoyo y son
proporcionales a la misma funciónF(X), entoncespag(X) =q(X).