capitulo 5 funciones de variables aleatorias y función generadora de momentos
DESCRIPTION
CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos. Estadística Computacional. Funciones de Variables Aleatorias. Sea X v.a. con función de densidad (cuantía) f X . Sea Y = g( x ). Entonces: - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/1.jpg)
CAPITULO 5Funciones de
Variables Aleatoriasy
Función Generadora de Momentos
Estadística Computacional
![Page 2: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/2.jpg)
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
Funciones de Variables AleatoriasFunciones de Variables Aleatorias
![Page 3: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/3.jpg)
P(C) = P[{ x RX : H(x) C}] = P[{ s : H(X(s)) C}]
H(x) C
H(X(s)) C
RY
CX(s) B
RX
BA
s A
X : X : RRXX
s dominio Xx RX rango X(s, x) X
H : RH : RXX R RYY
x RX dominio Hy RY rango H(x, y) H
Y : Y : RRYY
s dominio Y = H(X)y RY rango Y = H(X)(s, y) Y = H(X)
Transformación de VariablesTransformación de Variables
![Page 4: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/4.jpg)
Sea X una v.a. discreta con función de cuantía f(xij)
x11 x21 x31 x41 ······· xn1 x12 x22 x32 ·· xn2 x13 x23 x33 ·· xn3 x1j x2j x3j ·· xnj
X
Y
y1 y2 y3 yj
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,...
f(x11) ··· f(x31) ·······f(xn1) f(x12) ········· f(xn2) f(x13) ········· f(xn3) f(x1j) ········· f(xnj)
Entonces Y = H(X) es una variable aleatoria
con función de cuantía g(yj) = f(xij)
Entonces Y = H(X) es una variable aleatoria
con función de cuantía g(yj) = f(xij)nj
ij = 1j
Transformación de VariablesTransformación de Variables
![Page 5: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/5.jpg)
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
continua
Si H(x) discreta
discreta
X es v.a.Y = H( X) es v.a. continua
Y = H( X) es v.a. discreta
Y = H( X) es v.a. discreta
Y = H( X) es v.a. discreta
Transformación de VariablesTransformación de Variables
![Page 6: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/6.jpg)
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:
)()(
))(()( )( yIdyydg
ygfyf AgXY
1
1
Funciones de Variables AleatoriasFunciones de Variables Aleatorias
![Page 7: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/7.jpg)
g(y) = G’(y) (y - 1)g(y) = G’(y) (y - 1)29
1 2 3 4 5
1
yy
g(y)
1 2
y = 3x + 11
2
3
4
x
y
Sea Y = H(X) = 3X + 1
pdf de Y; g(y) ?
x
Sea X v.a. f(x) = 2x 0 < x < 1
f(x) = 2x 0 < x < 1
2
f(x)
1
= P(X (y – 1)/ 3)
= 2x dx = [y – 1]2
(y –1)/3
0
19
G(y) = P(Y y) = P(3X + 1 y)
Transformación de V.A. ContinuasTransformación de V.A. Continuas
![Page 8: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/8.jpg)
Funciones de Variables Aleatorias
Ejemplo:
fX(x) = I0,1(x)g(x) = ln x
Sea Y = g o X = ln X.
Encontrar la densidad de Y = ln X
![Page 9: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/9.jpg)
Solución:
Sea A = 0,1 D = R+
Además g es derivable y con derivada no nula en A
Entonces:
)()()()(ln yIeyIeefyfR
y
R
yyXX 1
Funciones de Variables AleatoriasFunciones de Variables Aleatorias
![Page 10: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/10.jpg)
Caso X U (0,1) H(X) = ln X
Sea X ~ U(0,1)
f(x) = 1 0 < x < 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)
1
g(y)
y
-
g(y) = G’(y) = = 1 x ey
dx
dydF(x)
dx
g(y) >0 x y
0 -
1 0
![Page 11: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/11.jpg)
Solución:
Además, algunas propiedades de Y son:
R
y dxxIxXEdyyeYE1
0
101 )(lnln ,
112 YEYV
Funciones de Variables AleatoriasFunciones de Variables Aleatorias
![Page 12: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/12.jpg)
Un método operativo
X U (0,1) Y = ln X
derivando con respecto a “y” tenemos:
)(ln)()( yXPyYPyFY )()( y
Xy eFeXP
yyX
yX
YY eefdydx
dxedF
yFdyd
yf )()(
)()(
)( yIeR
y1
![Page 13: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/13.jpg)
En general, sea X v.a.c. En general, sea X v.a.c. Y = X Y = X22
Consideremos X Consideremos X N(0,1), sea Y = X N(0,1), sea Y = X22, luego:, luego:
Y 2(1)
)()()( yfyfy
yf XXY 2
1
21
22122
22
1
2
1
2
1/
////)(
yyy
Y
eyee
yyf
Un método operativo
![Page 14: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/14.jpg)
Ejercicio
Sea X = ln Y N ( , 2 )
Encontrar la distribución de Y
Nota: Y se conoce como distribución Log-normal.
![Page 15: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/15.jpg)
Distribución Log-Normal
Función de Densidad LN( 0, 2)
![Page 16: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/16.jpg)
Función Generadora de MomentosDefinición: 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.
Ii
iXtx
X xfet i )()(
R
txX dxxfet )()(
![Page 17: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/17.jpg)
Función Generadora de MomentosObservaciones:
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)=E[etX] no exista, podemos usar X(t)=EeitX llamada función característica.
![Page 18: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/18.jpg)
Función Generadora de MomentosX X(t)
U(a,b)
tee
ab
atbt1
P()
)( 1tee
Exp()
tt
N(,2) 222 /tte
![Page 19: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/19.jpg)
Función Generadora de Momentos
X X(t)
(,)
t
B(n,p)
nppet )( 1
![Page 20: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/20.jpg)
Función Generadora de Momentos
Usando el desarrollo en serie de Maclaurin Usando el desarrollo en serie de Maclaurin XX(t)(t)
...
!...
!!)(
nxtxtxt
txEeEtnn
txX 32
13322
...!
...!
)( nn
X XEnt
XEt
XtEt 22
21
’’XX(0) = E[X](0) = E[X]
’’’’XX(0) = E[X(0) = E[X22]]
![Page 21: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/21.jpg)
En general, bajo condiciones de regularidad:n
X(0) = E[Xn]
Función Generadora de Momentos
Finalmente:
Si Y = X + Y(t) = et X(t)
Z = X + Y ; X Y Z(t) = X(t) Y(t)
![Page 22: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/22.jpg)
Función de Densidad LN( 0, 2)
Distribución Log-NormalDistribución Log-Normal
![Page 23: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/23.jpg)
Caso X U (0,1) H(X) = e-X
Sea X ~ U(0,1)
f(x) = 1 0 < x < 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)
g(y) x y
0 1
1 e-1
1
g(y)
y
e-1 1
g(y) = G’(y) = = - 1 dx
dydF(x)
dx_ 1 y
![Page 24: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/24.jpg)
Entonces:)(
))(()(dy
ydHyHfyg
XY=
--
11
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
Transformación de V.A. ContinuasTransformación de V.A. Continuas
![Page 25: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/25.jpg)
Caso X U (0,1) H(X) = X2
Sea X ~ U(0,1)
f(x) = 1 0 < x < 1
Y = H(X) Y = X2
X = H-1(Y) X = Y ó X = - Y
encontrar g(y) =
G(y) = P(Y y) = P(X2 y)
P(- y X y ) =
F( y ) – F(- y )
g(y) = f( y ) + f(- y )12 y
G’(y) =dF(y)
dx
dx
dydF(-y)
dx
dx
dy
![Page 26: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/26.jpg)
Caso X N (,2) H(X) =(X – )
Sea X ~ N(,2)
f(x) = e - < x <
Y = H(X) Y =
X = H-1(Y) X = Y +
encontrar g(y)
X – g(y) = f(x)
dx
dy
Sabemos que
= e2
1
y + -
12
2
*
g(y) = 2
1
e - 12
y 2Reconocemos la Normal Estandar
(N(0,1)
1
2
- ½x -
2
![Page 27: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/27.jpg)
Caso X N (,2) H(X) = ln X
Sea X ~ N(,2)
f(x) = e - < x <
Y = H(X) Y = ln X
X = H-1(Y) X = eY
encontrar g(y)
g(y) = f(x) dx
dy
Sabemos que
= e2
1
ey -
1
2
2
* ey
g(y) = e2
1
ey -
1
2
2
y
1
2
- ½x -
2
![Page 28: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/28.jpg)
Caso X N (,2) H(X) = eX
Sea X ~ N(,2)
f(x) = e - < x <
Y = H(X) Y = eX
X = H-1(Y) X = lnY
encontrar g(y)
g(y) = f(x) dx
dy
Sabemos que 1
2
- ½x -
2
= 2
1
e
lny –
12
2
* 1y
Se le denomina distribución
LogNormal: (N(0,1)yg
1
2
y-
= elny –
12
2
![Page 29: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/29.jpg)
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
Distribución LogNormal (0,1)Distribución LogNormal (0,1)
![Page 30: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/30.jpg)
Rx
E[X] = e
V[X] = e2(e– 1)
F(x) : No tiene expresión analítica.
ef(x) =2
ln x -
_x-1
212
Distribución LogNormal (, 2)Distribución LogNormal (, 2)
![Page 31: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/31.jpg)
Caso X N(0,1) H(X) = X2
Sea X ~ N(0,1)
f(x) = e - < x <
Y = H(X) Y = X2
X = H-1(Y) X = Y
. ó X = - Y
encontrar g(y)
g(y) = f( y ) + f(- y )12 y
Sabemos que:
21
22122
22
1
2
1
2
1/
////
yyy ey
eey
---- =
+=
yg21
221
2 /
// yey
--
=Reconocemos una distribución ; con = 1
1
2
- ½ x 2
![Page 32: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/32.jpg)
Sea X ~ U(1, 3)
H(X) = 3X + 1
J(X) = eX
Sea f(x) = e-x x > 0
H(X) = X3
J(X) = 3(X + 1)2
Sea f(x) = 2x 0 < x < 1
H(X) = 3X + 1
J(X) = e-X
Sea f(x) = ½ -1 < x < 1
H(X) = 4 – x2
J(X) = ln X
Desafíos ...Desafíos ...
![Page 33: CAPITULO 5 Funciones de Variables Aleatorias y Función Generadora de Momentos](https://reader036.vdocumento.com/reader036/viewer/2022062314/56813ad4550346895da30984/html5/thumbnails/33.jpg)
)f(x = x > 0
ex
x
22 2
21
2
1
2 =