INGENIERÍA ELECTRÓNICA E INSTRUMENTACIÓN
PROCESOS ESTOCÁSTICOS
TRANSFORMACIONES DE UNA VARIABLE ALEATORIA
Pulloquinga Carrillo Carlos Andrés
capulloquinga@espe.edu.ec
RESUMEN: Hoy en día muchas de las
acciones realizadas en diferentes ámbitos de la
cotidianeidad se basan en el estudio de su
comportamiento futuro, predecir o confirmar
hechos con anterioridad y esto se lo puede
hacer gracias a los procesos estocásticos; un
subtema dentro de este es el de variables
aleatorias y la transformación de una de ellas.
En el siguiente artículo se presenta una
explicación breve y concisa.
PALABRAS CLAVE:
 Variables aleatorias
 Transformación
ABSTRACT:
Nowadays, many of the actions carried out in
different áreas of daily life are base on the
study of their future behavior, predicting or
confirming facts previously and this can be
done thanks to stochastic processes; a
subtopic within this is that of random
variables and the transformation of one of
them. In the following article a brief and
concise explanation is presented.
KEY WORDS:
 Random variables
 Transformation
1
INTRODUCCIÓN
Con bastante frecuencia puede desearse
transformar (cambiar) una variables aleatoria
X en una nueva variable aleatoria Y por medio
de una transformación
Y=T(X)
Normalmente, se conoce la función de
densidad f(x) o la función de distribución F(x)
de X, y el problema consiste en determinar
bien la función de densidad f(y) o la función
de distribución F(y) de Y. Podemos ver el
problema como una “caja negra” con una
entrada X, una salida Y y una “característica
de transferencia” Y=T(X). En general, X
puede ser una variable aleatoria discreta,
continua o mixta. A su vez, la transformación
T puede ser lineal, no lineal, segmentada,
escalonada, etc. Claramente, en un estudio
general pueden considerarse muchos casos,
dependiendo de la forma de X y de T. En este
artículo se considera solo tres casos: (1) X
continua y T continua y monótonamente
creciente o decreciente con X; (2) X continua
y T continua pero no monótona: (3) X discreta
y T continua. Se observa que con los tres casos
se supone que la transformación es continua.
Transformaciones monótononas de una
variable aleatoria continua
Una transformación T se dice que es = ( ) o = ( )
monótonamente creciente si T( ) < T( )
para cualquier < . Es monótonamente Para la transformación decreciente, se verifica
que:
decreciente si T( ) > T( ) para
cualquier < . ( )= ( ≤ )= ( ≥ )
=1− ( )
Se repite los pasos que nos han llevado a la
Se considera en primer lugar la transformación
expresión
creciente. Se supone que T es continua y
( )
derivable en todos los valores de x para los que ( )= ( ( ))
f(x) ≠ 0. Sea Y tal que tiene el valor particular
que corresponde con el valor particular De nuevo se obtendrá dicha expresión, pero
de X. Los dos números se relacionan como ahora el lado derecho de la ecuación es
sigue: negativo. Sin embargo, dado que la pendiente
= ( ) o = ( ) de ( ) también es negativa, concluimos
que para cualquier tipo de transformación
Donde representa la inversa de la monótona:
transformación T. ahora la probabilidad del
suceso ( ≤ ) debe ser igual a la ( )
( )= ( ( ))
probabilidad del suceso ( ≤ ) porque
existe una correspondencia uno a uno entre X
O simplemente:
e Y. por tanto,
( )= ( ≤ )= ( ≤ )= ( ) ( )= ( )
o
( )
Transformaciones no monótonas de una
∫ ( ) =∫ ( ) variable aleatoria continúa
A continuación, se deriva ambos lados de la En el caso más general, una transformación
expresión anterior con respecto de usando puede no ser monótona.
la regla de Leibniz para obtener
y=T(x)
( )
( )= ( ( ))

Dado que este resultado se aplica para

y0 -------------
------
------
------

cualquier , ahora podemos eliminar el

subíndice y escribir

( )
( )= ( ( ))
X1 x2 x3 x

O, de forma más compacta:

La figura anterior muestra una transformación
( )= ( ) de este tipo. No es más que un intervalo de
valores de X que se corresponde con el suceso
En la ecuación anterior se entiende que x es { ≤ } para el valor de mostrado en la
una función de y dada por figura, el suceso { ≤ } corresponde al

2
suceso { ≤ ≤ ≤ }. Por tanto modo que un conjunto { } se corresponde con
ahora la probabilidad del suceso { ≤ } es el conjunto { } a través de la ecuación =
igual a la probabilidad del suceso ( ). La probabilidad de P( ) es igual a
{ ≤ },lo que P( ). Por tanto,
se escribirá como

( )= ( ≤ )= ( ) ( )= ( ) ( − )
≤
Aunque en este artículo no se demuestra, la ( )= ( ) ( − )
función de densidad también viene dada por
( ) Donde
( )=
( ) = ( )
( )= ( )
Donde el sumatorio se calcula de modo que
incluyan todas las raíces , n=1, 2, …, que Si T no es monótona, el procedimiento anterior
son las soluciones reales de la ecuación sigue siendo valido pero ahora existe la
posibilidad de que mas de un valor de se
= ( ) corresponda de un valor de . En tal caso
Transformación de una variable aleatoria ( ) será igual a la suma de las
discreta probabilidades de los distintos para los que
= ( ).
Si X es una variable aleatoria discreta cuando
Y=T(X) es una transformación continua, el CONCLUSIONES
problema es especialmente simple. En este  Gracias a estos procesos, se puede
caso, obtener una nueva variable
independientemente de la función de
( )= ( ) ( − )
transformación.
 Cuando se obtiene la nueva variable se
( )= ( ) ( − ) puede repetir el procedimiento y
encontrar una nueva variable.

Donde el sumatorio se toma para incluir todo BIBLIOGRAFIA

los valores posibles de , n=1, 2, …, de X.
 Principios de probabilidad, variables
Si la transformación es monótona, existe una aleatorias y señales aleatorias Peebles,
correspondencia uno a uno entre X e Y, de Peyton. Cuarta edición.