Sie sind auf Seite 1von 19

CAPITULO 6 FUNCIONES DE VARIABLE ALEATORIA 6.

1 INTRODUCCION Como ya indicamos en el Captulo 1, el objetivo de la estadstica es hacer inferencias acerca de una poblacin con base en informacin contenida en una muestra tomada de esa poblacion. Cualquier inferencia verdaderamente til debe ser acompaada por una medida de bondad asociada. Cada uno de los temas que se estudiaron en los captulos anteriores desempenhan un papel papel en el desarrollo de la inferencia estadstica. No obstante, ninguno de los temas examinados hasta hasta aqu est relacionado con el objetivo de la estadstica en forma tan cercana como el estudio de las distriibuciones de funciones de variables aleatorias. Esto se debe a que todas la cantoidade empleadas para calcular parametros poblacionales o tomar decisomes acercxa de una poblacion, son funciones de las n poblaciones aleatorias que aparecen en una muestra. Para ilustrar, considre el problema de estimar una media poblacional, . De manera intuitiva tomamos una muestra aleatoria de n obsevaciones, y1, y2, ... yn, de la poblacion y utilizamos la media muestral

y 1+ y 2+ ...+ y n 1 n y = yi = n n i=1
como estimacion de . Que tan buena es esta estimacion? La respuesta depende el comportamiento de las variables aleatorias Y1, Y2, ... Yn, y su efecto en la

1 distribucion de Y = Y i n i=1
El error de estimacion, la diferencias entre la estimacion y el parametro estimado (para nuestro ejemplo, la diferencia entre y ) constituyen una medida de la y bondad de una estimacion. Como Y1, Y2, ... Yn son variables aleatorias, al repetir el muestreo, Y tambien es una variable aleatoria (y una funcion de las n variables Y1, Y2, ... Yn). Por tanto, no podemos estar seguros de que el error de estimacin sea menor que un valor especfico, B, por ejemplo. Sin embargo, si pudiramos determinar la distribucin de probabilidad del estimador Y , la utilizaramos para determinar la probabilidad de que el error de estimacin sea menor o igual a B.

Para determinar la distribucin de probabilidad para una funcin de n variables aleatorias, Y1, Y2, ... Yn, debemos calcular la distribucin de probabilidad conjunta para las variables aleatorias mismas. Por lo general suponemos que las observaciones se obtienen mediante muestreo aleatorio, como se defini en la Seccin 2.12. Vimos en la Seccin 3.7 que el muestreo aleatorio a partir de una poblacin finita (muestreo sin restitucin) resulta en intentos dependientes, que se hacen esencialmente independientes si la poblacin es grande cuando se compara con el tamao de la muestra. En todo el resto de este libro supondremos que las poblaciones son grandes en comparacin con el tamao muestral y, en consecuencia, que las variables aleatorias obtenidas a travs de muestreo aleatorio son, de hecho, independientes entre s. Entonces, en el caso discreto, la funcin de probabilidad conjunta para las variables Y1, Y2,. . . , Yn, seleccionadas de la misma poblacin, est dada por p(y1, y2, ... yn,) = p(y1)p(y2)...p(yn) En el caso continuo, la funcin de densidad conjunta es f(y1, y2, ... yn) = f(y1)f(y2)...f(yn) El enunciado Y1, Y2, ... Yn, es una muestra aleatoria de una poblacin con densidad f(y) significa que las variables aleatorias son independientes con funcin de densidad comn f(y). 6.2 DETERMINACIN DE LA DISTRIBUCIN DE PROBABILIDAD DE UNA FUNCIN DE VARIABLES ALEATORIAS En esta seccin presentaremos tres mtodos para determinar la distribucin de probabilidad para una funcin de variables aleatorias y un cuarto mtodo para determinar la distribucin conjunta de varias funciones de variables aleatorias. Cualquiera de estos mtodos se puede emplear para determinar la distribucin de una funcin dada de las variables, pero por lo general. uno de los mtodos lleva a un proceso ms sencillo que los otros. El mtodo que funciona mejor vara de una aplicacion a otra. En consecuencia, el conocimiento de los primeros tres metodos es deseable. El cuarto mtodo se presenta en la Seccin 6.6 (opcional). Aun cuando los tres primeros metodos se estudiarn por separado en las siguientes tres secciones, aqu damos un breve resumen de cada uno de ellos. Considere las variables aleatorias Y1, Y2, ... Yn, y una funcin U(Y1, Y2, ... Yn) denotada simplemente como U. Entonces tres de los mtodos para determinar la distribucion de probabilidad de U son los siguientes: 1. Mtodo de las funciones de distribucin: se emplea generalmente cuuando las Y tienen distribuciones continuas. Primero se determina la funcin de distribucion para U, FU(u)=P(U u), usando los mtodos que estudiamos en el Captulo 5. Para hacerlo debemos determinar la regin en el espacio y1, y2, ... yn, para la cual U u y

entonces se determina P(U u) al integrar f(y1, y2, ... yn) para esta regin. La funcion de densidad para U se obtiene entonces al diferenciar la funcin de distribucion FU(u). En la Seccin 6.3 presentaremos una explicacin detallada de este procedimiento. dan la funcin de densidad Seccin 2. Mtodo de las transformaciones: si nos dan la funcin de densidad de una aleatoria Y, el mtodo de transformaciones resulta en una expresin general Para la densidad de U = h(Y), donde h(y) es una funcin creciente o decreciente. Entonces si, Y1 y Y2 tienen una distribucin bivariante, podemos usar el resultado Univariante explicado antes para hallar la densidad conjunta de Y1 y U = h(Y1, Y2). Al integrar Para y1, encontramos la funcin de densidad de probabilidad marginal de U, que es nuestro Este mtodo se ilustra en la Seccin 6.4. 3. Mtodo de las funciones generadoras de momento: est basado en el teorema de unicidad, el Teorema 6.1, el cual expresa que si dos variables aleatorias tienen funciones generadoras de momento idnticas, las dos poseen las mismas distribuciones de probabibilidad. Para usar este mtodo es necesario determinar la funcin generadora de momento de U y compararla con las funciones generadoras de momento para las variables aleatorias discretas y continuas comunes deducidas en los Captulos 3 y 4. Si aqui es idntica a una de estas funciones generadoras de momento, la distribucin de probabilidad de U se puede identificar debido a la unicidad del teorema. Las apIicaciones del mtodo de funciones generadoras de momento se presentarn en la Seccin 6.5. Las funciones generadoras de probabilidad se pueden emplear en forma semejante al mtodo de funciones generadoras de momento. Si el lector est interesado en su uso, vea la bibliografa al final del captulo. 6.3 MTODO DE LAS FUNCIONES DE DISTRIBUCIN Ilustraremos el mtodo de funciones de distribucin con un ejemplo sencillo univariante. Si Y tiene funcin de densidad de probabilidad f(y) y si U es alguna funcion de Y, entonces podemos calcular F(u)=P(Uu) directamente al integrar f(y) en la regin para la Uu. La funcin de densidad de probabilidad para U se encuentra al derivar FU(u). El siguiente ejemplo ilustra el mtodo.

Ejemplo 6.1. Un proceso para refinar azcar rinde hasta 1 tonelada de azcar pura al dia, pero la cantidad real producida, Y, es una variable aleatoria debido a descomposturas de maquinas y otros problemas. Suponga que Y tiene funcion de densidad dada por

0 y1 f ( y)= 2y , 0, en cualquier otro punto


A la empresa se le paga a razn de $300 por tonelada de azcar refinada, pero tambin tiene Un costo general de $100 por da. Por tanto, la utilidad diaria, en cientos de dlares, es U=3Y - 1. Encuentre la funcin de densidad de probabilidad para U. Solucion. Para utilizar el mtodo de funcin de distribucin, debemos hallar FU(u) = P(U u) = P(3Y-1 u) =

P Y

u+ 1 3

)
2 y dy =

Si u < -1, entonces (u + 1)/3 <0 y, por tanto, FU(u) = P(Y (u + l)/3) = 0. Tambin, si u > 2, entonces (u + 1)/3 > 1 y FU(u) = P(Y (u + l)/3) =1. No obstante, si -l u 2, la probabilidad se puede escribir como una integral de f(y), y

u+ 1 P Y 3

(u+ 1)/3

(u+ 1) /3

f ( y)dy =

( )
u+ 1 3

(Observe que, cuando Y vara de 0 a 1, U vara de -1 a 2). Entonces, la funcin de distribucin de la variable aleatoria U est dada por

f ( y)=

( )

0, u+ 1 3 1

u< 1
2,

1u2 u> 2

y la funcin de densidad para U es

f U (u)=

dF U (u) (2/9)(u+ 1) , 1u2 = du 0, en cualquier otro punto

En la situacin bivariante, sean Y1 y Y2 variables aleatorias con densidad conjunta f(y1, y2) y sea U = h(Y1, Y2) una funcin de Y1 y Y2. Entonces, para todo punto (y1, y2), corresponde un valor y slo uno de U. Si podemos precisar la regin de valores (y1, y2) tal que U u, entonces la integral de la funcin de densidad conjunta f(y1, y2) para esta regin es igual a P(U u) = FU(u). Como antes, la funcin de densidad para U se puede obtener por derivacin. Ilustraremos estas ideas con dos ejemplos.

Ejemplo 6.2. En el Ejemplo 5.4 consideramos las variables aleatorias Y1 (la cantidad proporcional de gasolina abastecida al principio de semana) y Y2 (la cantidad proporcional de gasolina vendida durante la semana). La funcin de densidad conjunta de Y1 y Y2 est dada por

0y1 f ( y 1, y 2)= 3y , 0, en cualquier otro punto


Encuetre la funcin de densidad de probabilidad para U = Y1 - Y2, la cantidad proporcional de gasolina remanente al final de la semana. Use la funcin de densidad de U para hallar E(U).

Figura 6.1. Region en la cual f(y1, y2) es positiva, Ejemplo 6.2 Solucion. La regin en la cual f(y1, y2) no es cero, as como la lnea y1 - y2 = u, para un valor de u entre 0 y 1 se muestran en la Figura 6.1. Observe que cualquier punto (y1, y2) tal que y1 - y2 u se encuentra sobre la recta y1 - y2 = u. Si u < 0, la recta y1 - y2 = u tiene punto de interseccin -u < 0 y FU(u)=P(Y1 - Y2 u)=0. Cuando u > 1, la recta y1 - y2 = u tiene punto de interseccin -u<-1 y FU(u)=1. Para 0 u 1, FU(u) = P(Y1 - Y2 u) es la integral sobre la regin sombreada oscura localizada arriba de la recta y1 - y2 = u. Como es ms fcil integrar sobre la region triangular inferior, podemos escribir, para 0 u 1, FU(u) = P(U u) = 1 - P(U u)
1 y 1 y

=1=1 -

u 1 0 u

3 y 1 dy2 dy 1

3 y 1( y1u)dy 1

y3 u y2 1 =1 - 3 1 3 2
=1 -

)]
3

3 u 1 (u)+ 2 2

= Resumiendo,

1 ( 3uu 3) 2

0, u< 0 3 F U (u)= ( 3uu ) / 2, 0u1 1 u> 1


Una grafica de FU(u) se muestra en la Figura 6.2(a). Se deduce que

f U (u)=

dF U (u) ( 3uu 3) / 2, 0u1 = du 0 en cualquier otro punto

La funcion densidad fU(u) se muestra en la Figura 6.2(b)

Figura 6.2. Funciones de densidad para el Ejemplo 6.2 Podemos usar esta funcion de densidad para hallar E(U), porque

3 u 2 u4 3 E(U) = u (1u 2 )du = 2 2 4 2 0

()

)]

=
0

3 8

lo cual concuerda con el valor de E(Y1 - Y2) encontrado en el Ejemplo 5.20 con el uso de mtodos desarrollados en el Capitulo 5 para deducir el valor esperado de una funcion lineal de variables aleatorias. Ejemplo 6.3. Denote con (Y1, Y2) una muestra aleatoria de tamao n = 2 proveniente de la distribucin uniforme del intervalo (0, 1). Encuentre la funcin de densidad de probabilidad para U = Y1 + Y2. Solucion. La funcin de densidad para cada Yi es

0u1 f ( y)= 1, 0 en cualquier otro punto

Por tanto, como tenemos una muestra aleatoria, Y1 y Y2 son independientes, y

f ( y 1 , y 2 )= f ( y 1) f ( y 2)=

1, 0 y 11, 0 y 21 0 en cualquier otro punto

Las variables aleatorias Y1 y Y2 tienen densidad diferente de cero en el cuadrado unitario, como se ve en la Figura 6.3. Deseamos determinar FU(u) = P(U u). El primer paso es localizar los puntos (y1, y2) que implican que y1 + y2 u. La forma ms fcil de encontrar esta regin es localizar los puntos que dividen las regiones U u y U > u. Estos puntos se encuentran en la recta y1 + y2 = u.

Figuras 6.3. Region de integracion para el Ejemplo 6.3 Al graficar esta relacin en la Figura 6.3 y en forma arbitraria seleccionar y 2 como la variable dependiente, encontramos que la recta posee una pendiente igual a -1 y un punto de interseccion y2 igual a u. Los puntos asociados con U < u estn ya sea arriba o debajo de la recta y pueden ser determinados al probar puntos en cualquiera de los lados de la recta. Supongamos que u = 1.5. Sea y1 = 1/2 y (y1, y2) satisface la desigualdad y1 + y2 < u. Por tanto y1 = y2 = 1/4 cae en la regin sombreada debajo de la recta. Del mismo modo, todos los puntos tales que y 1 + y2 < u estn debajo de la recta y1 + y2 = u. Asi, FU(u) = P(U u) = P(Y1 + Y2 u) = Si u < 0, FU(u) = P(U u) = y para u > 2,
1 1

y 1+ y2 u

f ( y 1 , y 2)dy 1 dy 2

y 1+ y2 u

f ( y 1 , y 2)dy 1 dy 2 =

y 1+ y2 u

0dy1 dy 2 = 0

FU(u) = P(U u) =

y 1+ y2 u

f ( y 1 , y 2)dy 1 dy 2 =

(1)dy 1 dy 2
0 0

=1

Para 0 u 2, los lmites de integracin dependen del valor particular de u (donde u es el punto de interseccin y2 de la recta y1 + y2 = u). En consecuencia, la expresin matemtica para FU(u) cambia dependiendo de si 0 u 1 o 1 < u 2.

Si 0 u 1, la regin y1 + y2 u, es el rea sombreada de La Figura 6.4. Entonces, para 0 u 1, tenemos


u u y2 u

FU(u) =

y 1+ y2 u

f ( y 1 , y 2)dy 1 dy 2 =

0 0

(1)dy1 dy 2 =

( u y2 ) dy2
0

y2 u y 2 2 2

)] [
=
0

u u 2
2

u2 = 2

La solucion, FU(u), 0 u 1, podria haberse obtenido directamente con geometria elemental. La densidad bivariante f(y1, y2) = 1 es uniforme en el cuadrado unitario 0 y1 1, 0 y2 1. Por tanto, FU(u) es el volumen de un solido de altura igual a f(y1, y2) = 1 y una seccion transversal triangular, como se ve en la Figura 6.4. En consecuencia,

u2 u2 (1)= FU(u) = (area triangulo).(altura) = . 2 2

La funcion de distribucion se puede obtener de un modo semejante cuando u esta definida en el intervalo 1 < u 2. Aun cuando la solucion geometrica es mas facil, obtendremos FU(u) directamente por integracion. La region y1 + y2 < u, 1 < u 2 es el area sombreada indicada en la Figura 6.5.

Figura N6.5. Region y1 + y2 u, 1< u 2 El complemento del evento U u es el evento de que (Y1, Y2) caiga en la region A de la Figura 6.5. Entonces, para 1 < u 2,
1 1

FU(u) = 1 1

f ( y1 , y 2)dy 1 dy2
A 1 1
2

=1-

(1)dy1 dy 2
u1 uy 2

=1-

u1

( y 1] uy ) dy 2
y (1u) y 2+ 2
2 2

=1-

( 1u+ y 2) dy 2
u1

=1-

)]

u1

u2 = + 2u1 2

Para resumir,

0, u< 0 u / 2, 0u1 F U (u)= 2 (u / 2) + 2u1, 1< u2 1 u> 2


2

La funcin de distribucin para U se muestra en la Figura 6.6(a).

Figura N6.6. Funciones de distribucion y densidad para el Ejemplo 6.3. La funcion de densidad fU(u) se puede obtener al derivar FU(u). Entonces,

F U (u)=

d (0)=0, du d 2 (u /2)=u , du

u< 0 0u1

d [ ( u2 / 2) + 2u1] , 1< u2 du d (1)=0 u> 2 du

o bien, lo que es ms sencillo,

u, 0u1 f U (u)= 2u 1< u2 0 en cualquier otro punto


Una grfica de fU(u) se muestra en la Figura 6.6(b). Resumen del mtodo de las funciones de distribucin Sea U una funcin de las variables aleatorias Y1, Y2, ... , Yn. 1. Localice la regin U = u del espacio (y1, y2, ... , yn,). 2. Localice la regin U u. 3. Determine FU(u) = P(U u) al integrar f(y1, y2,. . . yn) sobre la regin U u 4. Determine la funcin de densdad fU(u) al derivar FU(u). Por tanto, fU(u) = d FU(u)/du Para ilustrar, considere el caso U = h(Y) = Y2, donde Y es una variable aleatoria continua con funcion de distribucion FY(y) y funcion de densidad fY(y), Si u 0, FU(u) = P(U u) = P(Y2 u) = 0 y para u > 0 (vea la Figura 6.7), FU(u) = P(U u) = P(Y2 u) = P(- u Y2 u ) =

f ( y)dy = FY(

) - FY(-

Figura N6.7. Funcion h(y) = y2 En general,

( ) ( ) u> 0 F U (u)= F Y u F Y u , 0 en cualquier otro punto


Al derivar con respecto a u, vemos que

f U (u)=

o bien, simplemente,

f U (u)= 2 u

{ ( { {

f Y ( u)

()
1 2 u

+ f Y ( u ) 0

()
1 2 u

u> 0 en cualquier otro punto u> 0

)[

f Y ( u ) + f Y ( u ) ] , 0

en cualquier otro punto

Ejemplo 6.4. Sea Y una funcin de densidad de probabilidad dada por

y+ 1 , 1 y1 f Y ( y)= 2 0 en cualquier otro punto


Encuentre la funcin de densidad para U = Y2. Solucion. Sabemos que

f U (u)= 2 u

( )[
1

f Y ( u ) + f Y ( u ) ] , 0

u> 0 en cualquier otro punto

y al sustituir en esta ecuacion obtenemos

f U (u)= 2 u

u+ 1 u+ 1 1 + = , u> 0 2 2 2 u 0 en cualquier otro punto

Como Y tiene densidad positiva solo en el intervalo -1 y 1, se deduce que U = Y2 tiene densidad positiva solo en el intervalo -1 < y 1. En algunos casos es posible encontrar una transformacion que cuando se aplica a una variable aleatoria con distribucion uniforme en el intervalo (0,1), resulta en una variable aleatoria con algunoa otra funcion de distribucion especifica, por ejemplo F(y). El siguiente ejemplo ilustra una tecnica para lograr este objetivo. A este le sigue un breve analisis de una de las aplicaciones practicas de esta transformacion. Ejemplo 6.5. Sea U una variable uniforme en el intervalo (0,1). Enceuntre una transformacion G(U) tal que G(U) posea una distribucion exponencial con media . Solucion. Si U posee una distribucion uniforme en el intervalo (0,1), entonces la funcion de distribucion de U (vea Ejercicio 4.38) esta dada por

0, u< 0 F U (u)= u 0u1 1 u> 1


Denote con Y una variable aleatoria que tiene una distribucion exponencial con media . Enotnces (vea la Seccion 4.6) Y tiene funcion de distribucion

F Y (u)=

0, y/ 1e

y< 0 y0
y /

Observe que FY(y) es estrictamente creciente en el intervalo [0, ). Sea 0 < u < 1 y 1 advierta que hay un valor unico y tal que FY(y) = u. Asi, F Y (u) , 0 < u < 1 esta bien definido. En este caso, FY(u) = 1 - e = u si y solo si y = - ln(1 - u) = 1 1 F Y (u) . Considere la variable aleatoria F Y (U ) = - ln(1 - U) y observe que, si y > 0, 1 P( F Y (U ) y) = P[- ln(1 - U) y] = P[ln(1 - U) - y/] y/ = P(U 1 - e ) y/ =1- e 1 1 Tambien, P[ F Y (U ) y] = 0 si y 0. Asi, F Y (U ) = - ln(1 - U) posee una distribucion exponencial con media , como se desea. La simulacion por computadora se usa con frecuencia pra evaluar tecnicas estadisticas propuestas. Por lo general estas simulaciones requieren que obtengamos valores observados de variables aleatorias con ditribucion prescrita. Como se observo en la seccion 4.4, casi todos los sistemas computarizados contienen una subrutina que genera valores observados de una variable aleatoria U que tiene una distribucion uniforme en el intervalo (0, 1). Como puede usarse el resultado del Ejemplo 6.5 para

generar un conjunto de observaciones a partir de una distribucion exponencial con media ? Simplemente usamos el generador de numero aleatorio de la computadora para producir valores u1, u2, . . . , un de una distribucin uniforme (0, 1) y juego calculamos yi = - ln(1 - ui), i = 1, 2, . . . , n para obtener valores de variables aleatoria con la distribucin exponencial requerida. Mientras una funcin de distribucin prescrita F(y) posea una inversa nica F-1(.), se puede aplicar la tcnica anterior. En casos como el ilustrado en el Ejemplo 6.5 podemos fcilmente escribir la forma de F-1(.) y continuar como antes. Si la expresin de una funcin de distribucin no se puede escribir en una forma fcilmente invertible (recuerde que las funciones de distribucion de variables aleatorias de distribucin normal, gamma y beta se determinan por medio de tablas que se obtuvieron con el uso de tcnicas de integracin numrica), nuestro trabajo es ms difcil. En estos casos se usan otros mtodos para generar observaciones con la distribucin deseada. En el siguiente conjunto de ejercicios encontrar problemas que se pueden resolver con el uso de las tcnicas presentadas en esta seccin. Los ejercicios que implican determinar F-1(U) para alguna distribucin especfica F(y) se concentran en casos donde F-1(.) existe en forma cerrada.

EJERCICIOS Ejercicio 6.1. Sea Y una variable aleatoria con funcin de densidad de probabilidad dada por

0 y1 f ( y)= 2(1 y) , 0 en cualquier otro punto


a. Encuentre la funcin de densidad de U1 = 2Y - 1. b. Encuentre la funcin de densidad de U2 = 1 - 2Y. c. Encuentre la funcin de densidad de U3 = Y2 d. Encuentre E(U1), E(U2) y E(U3) usando las funciones de densidad obtenidas para estas variables aleatorias. e. Encuentre E(U1), E(U2) y E(U3) con los mtodos del Captulo 4. Ejercicio 6.2. Ejercicio 6.3. Ejercicio 6.4. Ejercicio 6.5. Ejercicio 6.6.

Ejercicio 6.7. Ejercicio 6.8. Ejercicio 6.9. Ejercicio 6.10. Ejercicio 6.11. Ejercicio 6.12. Ejercicio 6.13. Ejercicio 6.14. Ejercicio 6.15. Ejercicio 6.16. Ejercicio 6.17. Ejercicio 6.18. Ejercicio 6.19. Ejercicio 6.20. *Ejercicio 6.21. *Ejercicio 6.22. * Los ejercicios precedidos por un astersco son opcionales 6.4. MTODO DE LAS TRANSFORMACIONES El metodo de las transformaciones, el cual nos permite determinar la distribucion de probabilidad de una funcion de variables aleatorias, es una consecuencia del metodo de funcion de distribucion de la Seccion 6.3. mediante el metodo de las funciones de distribucion podemos llegar a un metodo simple para determinar la formular la funcion de densidad der U = h(Y), siempre qe h(y) sea decreciente o creciente. [Por h(y) creciente, queremos decir que si y1 < y2, entonces h(y1) <h(y2) para cualesquiera nmeros reales y1 y y2.]. La grfica de una funcin creciente h(y) aparece en la Figura N6.8.

Figura N6.8. Una funcion creciente <h(y2) para cualesquiera nmeros aparece en la Figura 6.8. Suponga que h(y) es una funcin creciente de y y que U = h(Y), donde Y tiene funcin de densidad fY(y) Entonces h-1(u) es una funcin creciente de u: si u1 < u2, entonces h-1(u1) = y1< y2 = h-1(u2). En la figura N6.8 vemos que el conjunto de puntos y tales que h(y) u1 es precisamente igual que el conjunto de puntos y tales que y h(u1). Por tanto (vea la FiguraN6.8), P(U u) = P[h-1(Y) u] = P{h-1[h(Y)] h-1(u)} = P[Y h-1(u)] o bien, FU(u) = FY[h-1(u)] Entonces derivando con respecto a u, tenemos

dF Y [ h (u) ] dF U (u) fU(u) = = du du


1

d [ h (u) ] = fY(h (u)) du


1
-1

Para simplificar la notacin, escribiremos dh-1/du en lugar de d[h-1(u)]/du y fU(u) = fY[h-1(u)]

d h1 du

En consecuencia, tenemos una nueva forma para determinar fU(u) que surge a partir del mtodo general de funciones de distribucin. Para determinar fU(u), despeje y en trminos de u; esto es, encuentre y = h-1(u) y sustituya esta expresin en fY(y). Entonces multiplique esta cantidad por dh-1/du. Ilustraremos el procedimiento con un ejemplo. Ejemplo N6.6. En el Ejemplo N6.1 trabajamos con una variable aleatoria Y (cantidad de azcar producida) con una funcin de densidad dada por

0 y1 f Y ( y)= 2y , 0, en cualquier otro punto


Estamos interesados en una nueva variable aleatoria (utilidad) dada por U = 3Y - 1. Encuentre la funcion de densidad de probabilidad para U por metodo de las transformaciones. Solucion. La funcion de interes aqui es h(y) = 3y - 1, que es creciente en y. Si u = 3y -1, entonces

y = h-1(u) = Por tanto,

u+ 1 3
-1

dh du

d
=

( )
u+ 1 3 du

1 3

d h1 fU(u) = fY[h (u)] du dh u+ 1 2[h (u)] =2 = du 3 0,


1

( )( )

1 , 3

u+ 1 0 1 3 en cualquier otro punto

o bien, lo que es equivalente,

1u2 f U ( y)= 2(u+ 1)/ 9, 0, en cualquier otro punto


El intervalo en el cual fU(u) es positiva es simplemente 0 y 1 transformado en el eje u por la funcin u = 3y - 1. Esta respuesta est acorde con la del Ejemplo N6.1. Si h(y) es una funcin decreciente de y, entonces h-1(u) es una funcin decreciente de u. Esto es, si u1 < u2, entonces h-1(u) = y1 > y2 = h-1(u2). Tambin, como en la Figura 6.9, el conjunto de puntos y tales que h(y) u1 es el mismo conjunto de Puntos tales que y h-1(u1). Se deduce que, para U = h(Y), como se ve en la Figura 6.9, P(U u) = P[Y h-1(u)] o FU(u)= 1 - FY[h-1(u)] Si derivamos con respecto a u, obtenemos

d [h1 (u)] fU(u) = -fY[h (u)] du


-1

Figura N6.9. Una funcion decreciente Si de nuevo empleamos la notacin simplificada dh-1/du du en lugar de d[h-1(u)]/du y recordamos que dh-1/du es negativa porque h-1(u) es una funcin decreciente de u,

la densidad de U es fU(u) = fY[h-1(u)]


dh du
1

En realidad, no es necesario que h(y) sea creciente o decreciente (y por tanto que se pueda invertir) para todos los valores de y. La funcin h(.) slo necesita ser creciente o decreciente para los valores de y tales que fY(y) > 0. El conjunto de puntos {y:fY(y) > 0) se denomina soporte de la densidad fY(y). Si y = h-1(u) no es el soporte de la densidad, entonces fY[h-1(u)] = 0. Estos resultados se combinan en el siguiente enunciado: Sea Y la funcin de densidad de probabilidad fY(y). Si h(y) es creciente o decreciente para toda y tal que fY(y) > 0, entonces U = h(Y) tiene funcin de densidad fU(u) = fY[h (u)]
-1


dh du
1

, donde

d [h1 (u)] d h1 = du du

Ejemplo N6.7. Sea Y la funcion de densidad de probabilidad dada por

0u1 f Y ( y)= 2y , 0, en cualquier otro punto


Encuentre la funcin de densidad de U = -4Y + 3. Solucion. En este ejemplo, el conjunto de valores de y tales que fY(y) > 0 son los valores 0 < y 1. La funcin de inters, h(y) = -4y + 3, es decreciente para toda y y, por tanto, para toda 0 <y 1, si u = -4y + 3, entonces

3u y = h (u) = 4
-1

d h1 1 = du 4

Observe que h-1(u) es una funcin decreciente de u y que dh-1/du < 0. Entonces, fU(u) = fY[h (u)]
-1


dh du
1

( )

3u 1 3u , 0 1 4 4 4 0, en cualquier otro punto

Finalmente, un poco de lgebra nos da

3u , 1u3 f U (u)= 8 0, en cualquier otro punto


La aplicacin directa del mtodo de las transformaciones requiere que la funcin h(y) sea creciente o decretiente para toda y tal que fY(y) > 0. Si desea usar este mtodo para hallar la distribucion de U = h(Y), debe tener mucho cuidado de comprobar que la funcin h(.) sea creciente o decreciente para toda y en el soporte fY(y). Si no es asi, el metodo de las transformaciones no se puede aplicar y en su lugar se puede utilizar el metodo de las funciones de distribucion estudiadas en la Seccion 6.3. El metodo de las transformaciones tambien se pueden emplear en situaciones multivariantes. El siguiente ejemplo ilustra el caso bivariante.

Ejemplo N6.8. Sean Y1 y Y2 que tienen una funcion de densidad conjunta dada por

f ( y 1 , y 2 )=

( y 1+ y2 )

0,

0 y 1 , 0 y 2 en cualquier otro punto

Encuentre la funcion de densidad para U = Y1 +Y2 Solucion. Este problema se debe resolver en dos etapas: priemero, determinaremos la densidad conjunta de Y1 y U y en seguida la densidad marginal de U. El metodo consiste en asignar a Y1 un valor y1 0. Entonces U = y1 + Y2 y podemos considerar el problema de transformacion unidimensional en el que U = h(Y2) = y1 + Y2. Si g(y1, u) denota la densidad conjunta de Y1 y U, tenemos, con y2 = u - y1 = h-1(u),

dh1 ( y + u y ) (1), 0 y 1 , 0u y 1 g ( y 1 , u)= f [ y 1 , h (u)] du =e 0, en cualquier otro punto


1
1 1

{
{

Simplificando obtendremos

eu , 0 y 1u g ( y 1 , u)= 0, en cualquier otro punto


(Observe que Y1 U). La densidad marginal de U est dada entonces por

f U (u)= g ( y 1 , u) dy1 =

eu dy 1=u eu ,
0

0u en cualquier otro punto

0,

Ilustraremos el uso de la transformacion bivariante con otro ejemplo que implique el producto de dos variables aleatorias. Ejemplo N6.9. En el Ejemp-lo N5.19 consideremos una variable aleatoria Y1 como la proporcion de impurezas en una muestra quimica y Y2 como la proporcion de impurezas tipo I entre todas las impurezas de la muestra. La funcion de densidad conjunta estuvo dada por

f ( y 1 , y 2 )=

2(1 y 1) , 0 y 11, 0 y 21 0, en cualquier otro punto

Estamos interesados en U = Y1Y2, que es la proporcion de impurezas tipo I de la muestra. Encuentre la funcion de densidad de probabilidad para U y utilicela para hallar E(U).