Beruflich Dokumente
Kultur Dokumente
PROCESOS ESTOCÁSTICOS
1
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)
( )
( )= ( ( ))
( )
( )= ( ( ))
X1 x2 x3 x
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.