Ejercicios de Variables Aleatorias

Elisa M. Molanes-López, Depto. Estadı́stica, UC3M

Transformaciones de variables aleatorias

Ejercicio 1. Sea X una v.a. continua con función de densidad dada por:
(
1/2, si − 1 < x < 1
f (x) =
0, en caso contrario.

Considere la transformación Y = X 2 y calcule su función de densidad.

La variable aleatoria X sigue un modelo uniforme continuo en el intervalo (-1,1).

Solución: La transformación está dada por h(x) = x2 , si −1 < x < 1. En este intervalo de la
recta real, esta transformación es una función derivable pero no inyectiva. Por lo tanto, no se puede
utilizar la fórmula general para calcular la densidad de Y ,
 
 dx(y) 
fY (y) = fX (x(y)) 
 .
dy 

Habrá que primero calcular la función de distribución de Y y a continuación derivarla para deter-
minar su densidad.
Obsérvese en primer lugar que el rango de X es RX = (−1, 1) y el rango de Y es RY = (0, 1).
Sea y ∈ (0, 1) (lo cual equivale a considerar x ∈ (−1, 1)), entonces
√ √ √ √
FY (y) = Pr(Y ≤ y) = Pr(X 2 ≤ y) = Pr(− y ≤ X ≤ y) = FX ( y) − FX (− y).

Utilizando la regla de la cadena para derivar FY (y) con respecto a y, se obtiene que:

dFY (y)
fY (y) =
dy
√ 1 √ 1
= fX ( y) √ + fX (− y) √
2 y 2 y
1 √ √
= √ (fX ( y) + fX (− y))
2 y
 
1 1 1 1
= √ + = √ .
2 y 2 2 2 y

Se concluye que la densidad de Y es:

(
1
2 y, si 0 < y < 1
√
fY (y) =
0, en caso contrario.

Ejercicio 2. Sea X una v.a. continua con función de densidad dada por:
(  2 )
1 1 x−µ
f (x) = √ exp − , x ∈ <.
2πσ 2 σ

X−µ
Considere la transformación Y = σ y calcule su función de densidad.

1
La variable aleatoria X sigue un modelo Normal con media µ y desviación tı́pica σ. La trans-
formación lineal que nos permite pasar de X a Y se denomina estandarización o tipificación de
X.

Solución: La transformación está dada por h(x) = x−µ

σ , si x ∈ <. Esta transformación es derivable
e inyectiva, de modo que se puede utilizar la fórmula general para calcular la densidad de Y ,
 
 dx(y) 
fY (y) = fX (x(y)) 
 .
dy 

Obsérvese en primer lugar que el rango de X es RX = < y el rango de Y es RY = <. Además,

x(y) = h−1 (y) = µ + σy y dx(y)
dy = σ > 0.
Sea y ∈ < (lo cual equivale a considerar x ∈ <), entonces
 
dx(y) 1 1
fY (y) = fX (x(y)) =√ exp − y 2 σ
dy 2πσ 2
 
1 1
= √ exp − y 2 .
2π 2

Ejercicio 3. Sea X una v.a. continua con función de densidad dada por:
(  2 )
1 1 x−µ
f (x) = √ exp − , x ∈ <.
2πσ 2 σ

Considere la transformación Y = exp {X} y calcule su función de densidad.

La variable aleatoria X sigue un modelo Lognormal con parámetros µ y σ.

Solución: La transformación está dada por h(x) = exp {x}, si x ∈ <. Esta transformación es
derivable e inyectiva, de modo que se puede utilizar la fórmula general para calcular la densidad de
Y,  
 dx(y) 
fY (y) = fX (x(y)) 
 .
dy 
Obsérvese en primer lugar que el rango de X es RX = < y el rango de Y es RY = (0, ∞). Además,
x(y) = h−1 (y) = ln(y) y dx(y) 1
dy = y > 0 ∀y ∈ (0, ∞).
Sea y ∈ (0, ∞) (lo cual equivale a considerar x ∈ <), entonces
(  2 )
dx(y) 1 1 ln(y) − µ 1
fY (y) = fX (x(y)) =√ exp −
dy 2πσ 2 σ y
(  2 )
1 1 ln(y) − µ
= √ exp − .
2πσy 2 σ

Ejercicio 4. Sea X una variable aleatoria (v.a) con función de densidad dada por fX (x) = 1, si
0 < x < 1, y sea Y una v.a. definida según se indica a continuación:
(
X, si 0 < X ≤ 1/2
Y =
X − 1/2, si 1/2 < X < 1.

a) Determine la función de distribución de Y y su función de densidad.

b) ¿Cuál es la probabilidad de que Y esté entre 1/4 y 1/2?

2
Solución:

a) En primer lugar, nótese que el rango de Y es RY = (0, 1/2] y por lo tanto Y es una v.a.
continua. La transformación que nos permite pasar de X a Y es
(
x, si 0 < x ≤ 1/2
h(x) =
x − 1/2, si 1/2 < x < 1.

y = h(x)

0 ½ 1 x

Esta función h no es derivable (por ser discontinua en el punto x = 1/2) ni inyectiva, de modo
que no es posible utilizar la fórmula general para calcular la densidad de Y ,
 
 dx(y) 
fY (y) = fX (x(y)) 
 .
dy 

Habrá que primero calcular la función de distribución de Y y a continuación derivarla para

determinar su densidad.
Sea y ∈ (0, 1/2] (lo cual es equivalente a considerar x ∈ (0, 1)), entonces se verifica que:

FY (y) = Pr(Y ≤ y) = Pr({0 < X ≤ y} ∪ {0,5 < X < 0,5 + y})

Z y Z 0,5+y
= 1dx + 1dx = 2y.
0 0,5

Nótese que a la hora de calcular la probabilidad de {0 < X ≤ y} ∪ {0,5 < X < 0,5 + y} hemos
usado el hecho de que al ser y ≤ 0,5, se trata de una unión de sucesos disjuntos.
Entonces, la función de distribución de Y viene dada por:

 0,
 si y ≤ 0
FY (y) = 2y, si 0 < y ≤ 1/2

1, si y > 1/2.


Derivando FY (y) con respecto a y, se obtiene la densidad de Y , es decir:

dFY (y)
fY (y) = = 2, si y ∈ (0, 1/2].
dy

3
 b) Utilizando la función de densidad:
Z 1/2
1/2 2 2 1
Pr(1/4 < Y < 1/2) = 2dy = 2y]1/4 = − = .
1/4 2 4 2

Utilizando la función de distribución:

2 2 1
Pr(1/4 < Y < 1/2) = FY (1/2) − FY (1/4) = − = .
2 4 2

Ejercicio 5. Dos de los lados de un triángulo isósceles tienen una longitud L cada uno y el ángulo
X entre ellos se distribuye según una variable aleatoria con función de densidad igual a f (x) =
kx(π − x), si x ∈ (0, π/2), siendo k una constante desconocida.

a) Determine el valor de k para que f (x) sea, en efecto, una función de densidad.

b) Calcule la función de densidad del área del triángulo.

c) Calcule la esperanza del área del triángulo.

Solución:

a) Las dos condiciones para que f sea función de densidad son:

* f (x) ≥ 0.
R∞
* −∞ f (x)dx = 1.

Por la primera condición se deduce que k ≥ 0. Teniendo en cuenta la segunda condición se

deduce que:
Z π/2 Z π/2 Z π/2
1= kx(π − x)dx = kπ xdx − k x2 dx
0 0 0
π/2
x2 x3 π2 π3 kπ 3
= kπ −k = kπ −k = .
2 3 0 8 24 12
12
De modo que k = π3 .

b×a
b) Sea Y el área de dicho triángulo isósceles, es decir, Y = 2 , siendo b la base de dicho triángulo
y a su altura.
Se verifica que:
b
sin(x/2) = → b = 2L sin(x/2)
2L
a
cos(x/2) = → a = L cos(x/2)
L
y por lo tanto, y = L2 sin(x/2) cos(x/2), si x ∈ (0, π/2). Teniendo en cuenta la siguiente
fórmula trigonométrica:

sin(α + β) = sin(α) cos(β) + cos(α) sin(β),

2
es sencillo demostrar que y = L2 sin(x), si x ∈ (0, π/2), (bastarı́a considerar en dicha fórmula
trigonométrica que α = β = x/2).

4
 x/2

L
a

b/2

L2
Dado que h(x) = 2 sin(x) es una transformación derivable e inyectiva en (0, π/2), se verifica
que:  
 dx(y) 
fY (y) = fX (x(y)) 
 , y ∈ RY .
dy 
Teniendo en cuenta que

RY = (0, L2 /2),
x = arcsin(2y/L2 ),
dx 1 2 2
=q 2
=p > 0,
dy 2 L L4 − 4y 2
1 − (2y/L2 )

resulta que:
2
fY (y) = fX (arcsin(2y/L2 )) p
L − 4y 2
4

24 × arcsin(2y/L2 ) × (π − arcsin(sy/L2 ))
= p , si y ∈ (0, L2 /2).
π 3 × L4 − 4y 2

c) Una forma de calcular la esperanza de Y es utilizar el hecho de que es una transformación de

X, es decir:
π/2
L2 sin(x)
Z
E[Y ] = E[L2 sin(X)/2] = fX (x)dx
0 2
π/2
L2 sin(x)12x(π − x)
Z
= dx
0 2π 3
π/2
6L2
Z
= sin(x)x(π − x)dx
π3 0
6L2 π π/2 6L2 π/2
Z Z
= sin(x)xdx − sin(x)x2 dx
π3 0 π3 0
6L2 12L2
= 3
(π − π + 2) = .
π π3

5
 Nótese que hemos usado el hecho de que:
Z π/2
sin(x)xdx = 1, (1)
0
Z π/2
sin(x)x2 dx = π − 2, (2)
0
Z π/2
π
cos(x)xdx = − 1. (3)
0 2
Estas integrales las hemos resuelto utilizando el método de integración por partes. Por ejemplo,
la integral (2) la hemos resuelto teniendo en cuenta la expresión (3) y considerando u =
x2 , dv = sin(x)dx → du = 2xdx, v = − cos(x). Entonces, resulta que:
Z π/2 π/2
Z π/2
2 2
sin(x)x dx = −x cos(x) 0 + 2 cos(x)xdx
0 0
π 
= 2 − 1 = π − 2.
2
Las expresiones (1) y (3) se obtendrı́an de manera análoga, haciendo uso del método de
integración por partes.

Ejercicio 6. En función de un estudio realizado en varios establecimientos, se conoce que la demanda

X de un determinado producto es una variable aleatoria con función de densidad f (x) = e−x , si
x > 0. La venta de una cantidad x produce una ganancia de ax y el sobrante y no vendido produce
una pérdida (es decir una ganancia negativa) de by, siendo a y b constantes positivas. Si en stock
hay disponible c unidades de dicho producto, se pide:

a) Escriba la ganancia obtenida en función de la demanda X y el stock disponible.

b) ¿Cuál es la ganancia esperada?

c) ¿Cuántos productos serı́a necesario tener en stock para que la ganancia esperada fuese máxi-
ma?

Solución:

a) Sea Y la ganancia final obtenida (considerando la ganancia positiva y negativa). Se verifica

que Y = h(X) siendo h(x) la siguiente función
(
ax − b(c − x), si 0 ≤ x < c
h(x) =
ac, si x ≥ c.

b) Teniendo en cuenta que Y es una transformación de X no es necesario calcular su densidad

para determinar su media o esperanza. Podemos utilizar la siguiente fórmula alternativa que
hace uso de la densidad de la variable aleatoria de partida, X:
Z ∞
E[Y ] = h(x)fX (x)dx.
−∞

De modo que, la ganancia esperada es

Z c Z ∞
E[Y ] = (ax − b(c − x))e−x dx + ace−x dx = a + b − bc − (a + b)e−c .
0 c

6
c) Teniendo en cuenta la ganancia esperada calculada en el apartado b), habrá que considerarla
como una función de c y buscar para qué valor de c alcanza su valor máximo. Es decir,
E(Y ) = g(c) = a + b − bc − (a + b)e−c . Esta función g alcanza el máximo en el punto c0 donde
se cumpla que su derivada se anule y su segunda derivada sea negativa.
Teniendo en cuenta que:

dg(c)
= −b+(a+b)e−c = 0 → e−c = b/(a+b) → c0 = − ln(b/(a+b)) = ln((a+b)/b) = ln(1+a/b)
dc
y que
d2 g(c) −c d2 g(c0 )
= −(a + b)e < 0, ∀c → < 0,
dc2 dc2
podemos concluir que la cantidad de stock que proporciona la máxima ganancia es

c0 = ln(1 + a/b).