Funciones de Variables Aleatorias - PowerPoint PPT Presentation

About This Presentation
Title:

Funciones de Variables Aleatorias

Description:

Funci n Generadora de Momentos. Estad stica Computacional ... Funci n Generadora de Momentos. Observaciones: Tal serie o integral pude no existir siempre t D. ... – PowerPoint PPT presentation

Number of Views:248
Avg rating:3.0/5.0
Slides: 34
Provided by: sergioahu
Category:

less

Transcript and Presenter's Notes

Title: Funciones de Variables Aleatorias


1
CAPITULO 5 Funciones de Variables Aleatorias y
Función Generadora de Momentos
Estadística Computacional
2
Funciones de Variables Aleatorias
  • Sea X v.a. con función de densidad (cuantía)
    fX. Sea Y g(x). Entonces
  • X es v.a. discreta y g continua ?
    Y g o X es v.a. discreta
  • X es v.a. continua y g continua ? Y
    g o X sea v.a. continua

3
Transformación de Variables
P(C) P x ? RX H(x) ? C P s ? ?
H(X(s)) ? C
4
Transformación de Variables
Sea X una v.a. discreta con función de cuantía
f(xij)
f(x11) f(x31) f(xn1)
f(x12) f(xn2)
f(x13) f(xn3)
f(x1j) f(xnj)
Sea H(xij) yj una función que tiene la
propiedad de asignar un valor yj
a todo xij ?j ? J para i 1, 2, 3 ,... j
1, 2,...
5
Transformación de Variables
Sea X v.a. con función de densidad (cuantía)
fX(x) Sea Y H(x) también es una variable
aleatoria. Entonces
Si H(x) continua
Si H(x) discreta
Y H( X) es v.a. discreta
Y H( X) es v.a. discreta
discreta
X es v.a.
Y H( X) es v.a. continua
Y H( X) es v.a. discreta
continua
6
Funciones de Variables Aleatorias
X ? R ? g D R Y g(X)
v.a.
v.a.c.
fu continua, estrictamente monótona, derivable y
con derivada no nula en A ? D
Entonces
7
Transformación de V.A. Continuas
G(y) P(Y ? y) P(3X 1 ? y)
8
Funciones de Variables Aleatorias
Ejemplo fX(x) I?0,1?(x) g(x) ln x Sea
Y g o X ln X. Encontrar la densidad de Y
ln X
9
Funciones de Variables Aleatorias
Solución Sea A ?0,1? ? D R Además g es
derivable y con derivada no nula en A
Entonces
10
Caso X ? U (0,1) H(X) ln X
Sea X U(0,1) f(x) 1 0 lt x lt
1 Y H(X) ? Y ln X X H-1(Y) ?
X eY encontrar g(y)
G(y) P(Y ? y) P(ln X ?
y) P(X ? ey )
F(ey)
11
Funciones de Variables Aleatorias
Solución Además, algunas propiedades de Y
son
12
Un método operativo
X ? U (0,1) Y ln X derivando con respecto a
y tenemos
13
Un método operativo
En general, sea X v.a.c. ? Y
X2 Consideremos X ? N(0,1), sea Y X2,
luego Y ? ?2(1)
14
Ejercicio
Sea X ln Y ? N ( ? , ?2 ) Encontrar la
distribución de Y Nota Y se conoce como
distribución Log-normal.
15
Distribución Log-Normal
Función de Densidad LN( 0, ?2)
16
Función Generadora de Momentos
Definición Sea X v.a. (d. ó c.) con densidad o
cuantía fX. Se llama función generadora de
momentos a ? D ? R R / ?X(t) E
etX t ?X(t) X
v.a.d. X v.a.c.
17
Función Generadora de Momentos
  • Observaciones
  • Tal serie o integral pude no existir siempre ?
    t ? D.
  • Sin embargo, t 0 existe siempre, y vale 1.
  • Deseamos que exista V(0,?)?D y que además sea
    derivable k-veces.
  • Cuando ?X(t)EetX no exista, podemos usar
    ?X(t)E?eitX? llamada función característica.

18
Función Generadora de Momentos
X ?X(t)
U(a,b)
P(?)
Exp(?)
N(?,?2)
19
Función Generadora de Momentos
X ?X(t)
?(?,?)
B(n,p)
20
Función Generadora de Momentos
Usando el desarrollo en serie de Maclaurin ?X(t)
?X(0) EX ?X(0) EX2
21
Función Generadora de Momentos
En general, bajo condiciones de
regularidad ?nX(0) EXn
Finalmente Si Y ?X ? ? ?Y(t) e?t
?X(?t) Z X Y X ? Y ? ?Z(t) ?X(t)
?Y(t)
22
Distribución Log-Normal
Función de Densidad LN( 0, ?2)
23
Caso X ? U (0,1) H(X) e-X
Sea X U(0,1) f(x) 1 0 lt x lt 1
Y H(X) ? Y e-X X H-1(Y) ? X
- ln Y encontrar g(y)
G(y) P(Y ? y) P(e-X ? y)
P(- X ? ln y ) P(X ?? - ln y )
1 F(ln y)
24
Transformación de V.A. Continuas
X ? ?X ? H ?X ?Y
Y H(X) v.a.
v.a.c.
H() continua, estrictamente
monótona, derivable y con derivada no
nula en A ? ?Y
Entonces
25
Caso X ? U (0,1) H(X) X2
26
Sea X N(m,s2) f(x) e
-? lt x lt ? Y H(X) ? Y X H-1(Y)
? X sY m encontrar g(y)
X m s
27
Caso X ? N (m,s2) H(X) ln X
Sea X N(m,s2) f(x) e -? lt
x lt ? Y H(X) ? Y ln X X H-1(Y)
? X eY encontrar g(y)

28
Caso X ? N (m,s2) H(X) eX
Sea X N(m,s2) f(x) e -? lt x
lt ? Y H(X) ? Y eX X H-1(Y) ?
X lnY encontrar g(y)
29
Distribución LogNormal (0,1)
  • Fenómenos aleatorios representados por variables
    aleatorias con esta distribución
  • Diámetro de pequeñas partículas después de un
  • proceso de chancado
  • El tamaño de un organismo sujeto a un número
  • pequeño de impulsos
  • Rentas de familias consumo de electricidad
    ventas en pesos etc.
  • Tiempo de vida de ciertos ítems
  • Análisis de riesgo financiero en el cálculo del
    VAN

30
Distribución LogNormal (m, s2)
ln x - m s
2
_
x-1
e
f(x)
s
p
2
F(x)
No tiene expresión analítica.
2
EX em s /2 VX e2m s (es 1)
2
2
31
Caso X ? N(0,1) H(X) X2
Sea X N(0,1) f(x) e -? lt
x lt ? Y H(X) ? Y X2 X H-1(Y) ? X
? Y . ó X - ?
Y encontrar g(y)
x
2
- ½
32
Desafíos ...
Sea X U(1, 3) H(X) 3X 1 J(X)
eX
Sea f(x) 2x 0 lt x lt 1 H(X) 3X
1 J(X) e-X
Sea f(x) e-x x gt 0 H(X) X3
J(X)
Sea f(x) ½ -1 lt x lt 1 H(X) 4
x2 J(X) ln X
3 (X 1)2
33
x
n
-
-
1
e
x
2
2

x gt 0
)
f(
x
n
G
n
2
2
2
Write a Comment
User Comments (0)
About PowerShow.com