Funciones de variables aleatorias

Prof. Mara B. Pintarelli

FUNCIONES DE VARIABLES ALEATORIAS

Con frecuencia en probabilidades se encuentra la necesidad de derivar la distribucin de
probabilidad de una funcin de una o ms variables aleatorias.
Por ejemplo suponga que X es una v.a. discreta con distribucin de probabilidad p (x) y
suponga, adems, que Y = h( X ) define una transformacin uno a uno entre los valores
de X e Y. Se quiere encontrar la distribucin de probabilidad de Y.
Si la transformacin es uno a uno implica que cada valor de x est relacionado con un y
solo un valor de y = h(x) , y que cada valor de y est relacionado con un y solo un valor
x = w( y ) donde w( y ) se obtiene al resolver y = h(x) para x en trminos de y.
Es claro que la v.a. Y toma el valor y cuando X toma el valor w( y ) .
En consecuencia, la distribucin de probabilidad de Y est dada por
g ( y ) = P (Y = y ) = P ( h( X ) = y ) = P ( X = w( y )) = p ( w( y ))

Teorema 1
Suponga que X es una v.a. discreta con distribucin de probabilidad p ( x) . Definimos con Y = h( X ) una transformacin uno a uno entre los valores de X e Y, de manera que la ecuacin y = h( x) se resuelva unvocamente para x en trminos de y,
digamos x = w( y ) . Entonces la distribucin de probabilidad de Y es
g ( y ) = f ( w( y ))

Ejemplo:
Sea X una v.a. geomtrica con distribucin de probabilidad
p(x) = 0.75 (0.25) x-1

con x = 1,2,.

Encuentre la distribucin de probabilidad de la v.a. Y = X2

Solucin:
Como los valores de X son todos positivos la transformacin define una correspondencia uno a uno entre los valores x e y, y = x2 y x = y .
Entonces

p( y
g ( y) =

) = 0.75 (0.25)
0

y = 1,4,9,......

en otro caso

Supongamos ahora que X1 y X2 son dos variables aleatorias discretas con distribucin
de probabilidad conjunta p(x1, x2) y que se quiere encontrar la distribucin de probabilidad conjunta de g(y1 , y2) de las dos variables aleatorias nuevas

136

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

Y1 = h1(X1 , X2)

Y2 = h2(X1 , X2)

que definen una transformacin uno a uno entre el conjunto de puntos (x1, x2) y (y1, y2).
Al resolver las ecuaciones y1 = h1(x1 , x2) y y2 = h2(x1 , x2) de forma simultnea,
obtenemos la solucin inversa nica

x1 = w1(y1 , y2)

x2 = w2(y1 , y2)

De aqu las variables aleatorias Y1 e Y2 toman los valores y1 e y2 respectivamente ,

cuando X1 toma el valor w1(y1 , y2) y X2 toma el valor w2(y1 , y2) .
La distribucin de probabilidad conjunta de Y1 e Y2 es, entonces

g(y1 , y2) = P( Y1 = y1, Y2 = y2) =

P(X1 = w1(y1 , y2) , X2 = w2(y1 , y2)) = p(w1(y1 , y2) , w2(y1 , y2))

Teorema 2
Suponga que X1 y X2 son variables aleatorias discretas con distribucin de probabilidad conjunta p(x1, x2). Definimos con Y1 = h1(X1 , X2) y Y2 = h2(X1 , X2) una transformacin uno a uno entre los puntos (x1, x2) y (y1, y2) de manera que las ecuaciones
y1 = h1(x1 , x2)

y2 = h2(x1 , x2)

se puedan resolver unvocamente para x1 y x2 en trminos de y1 e y2, digamos

x1 = w1(y1 , y2)

x2 = w2(y1 , y2)

Entonces la distribucin de probabilidad conjunta de Y1 e Y2 es

g(y1 , y2) = p(w1(y1 , y2) , w2(y1 , y2))

Este teorema es bastante til para encontrar la distribucin de alguna variable aleatoria
Y1 = h1(X1 , X2) donde X1 y X2 son variables aleatorias discretas con distribucin de
probabilidad conjunta p(x1, x2). Se define simplemente una segunda funcin, digamos
Y2 = h2(X1 , X2) y mantenemos una correspondencia uno a uno entre los puntos
(x1, x2) y (y1, y2) , y obtenemos la distribucin de probabilidad conjunta g(y1 , y2). La
distribucin de Y1 es entonces la distribucin marginal de g(y1 , y2) que se encuentra al
sumar los valores y2. Simbolizamos la distribucin de Y1 con h(y1) y entonces

h( y1) = g ( y1 , y 2)
y2
Ejemplo:
Sean X1 y X2 dos variables aleatorias independientes que tienen distribuciones de Poisson con parmetros 1 y 2 respectivamente. Encuentre la distribucin de probabilidad de la v.a. Y 1 = X 1 + X 2 .
137

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

Solucin:
Como X1 y X2 son independientes podemos escribir

p ( x1 , x 2) =

e 1 1x1
x1!

e 2 2x 21
x2 !

+
e 1 2 1x1 2x 21
x1! x 2 !

donde x1 = 1, 2, 3,. y x2 = 1, 2, 3, ..
Definimos ahora una segunda v.a. Y 1 = X 2 .
Las funciones inversas estn dadas por x1 = y1 x2 ; x2 = y2
Con el teorema anterior encontramos que la funcin de distribucin conjunta de Y1 e Y2
es

g ( y1 , y 2) =

e 1 2 1y1 y 2 2y 2
( y1 y 2)! x 2 !

donde y1 = 0, 1, 2, 3, y
y2 = 0, 1, 2, .,y1
Notar que como x1 > 0 entonces y1 x2 > 0 , es decir x2 < y1.
Por lo tanto la distribucin marginal de Y1 es

h( y1) =

g ( y1 , y 2) = e +

y2

+
e 1 2
y1!

y1

y 2 =0

y1
y1 y1 y 2 y 2 =
2
y 1
y 2 =0 2

1y y 2y
1

( y1 y 2)! x2 !

+
e 1 2
y1!

+
e 1 2
y1!

( 1 + 2 ) y

y1

y 2 =0

y1!
( y1 y 2)! x 2 !

donde y1 = 0, 1, 2, ..
Por lo tanto la suma de las dos variables independientes con distribucin Poisson con
parmetros 1 y 2 tiene una distribucin Poisson con parmetro 1 + 2.

Para encontrar la funcin de densidad de probabilidad de la v.a. Y = h(X) cuando X es

v.a. continua y la transformacin es uno a uno, aplicamos el siguiente teorema

Teorema 3
Supongamos que X es una v.a. continua con funcin de densidad de probabilidad
f(x). Sea Y = h(X) una correspondencia uno a uno entre los valores de X e Y, de manera que la ecuacin y = h(x) se resuelve unvocamente para x e trminos de y, digamos
x = w(y). Entonces la funcin de densidad de probabilidad de Y es
g(y) = f(w(y)) |w'(y)|

138

1y y 2y =
1

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

Dem.)
Supongamos que y = h(x) es una funcin
creciente como la de la figura.
Entonces
P(a < Y < b) = P( w(a ) < X < w(b)) =
w(b )

f ( x)dx

w( a )

Al hacer cambio de variable escribimos

dx = w( y )dy y obtenemos
b

P ( a < Y < b) =

f (w( y))w( y)dy

a

Por lo tanto g ( y ) = f ( w( y )) w( y )
Si y = h(x) es una funcin decreciente como la de la figura que sigue
Entonces escribimos
P(a < Y < b) = P( w(b) < X < w(a )) =
w( a )

f ( x)dx =

w(b )

f (w( y))w( y)dy =

b

= f ( w( y )) w( y )dy
b

Con lo cual tenemos

g ( y ) = f ( w( y )) w( y )

Por lo tanto vale en general que g ( y ) = f ( w( y )) w( y ) .

Ejemplo:
Sea X una v.a. continua con f.d.p. dada por
x

si 1 < x < 5
f ( x) = 12
0 caso contrario

Encuentre la f.d.p. de la v.a. Y = 2 X 3

139

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

Solucin

y+3
dx
, de donde w( y ) =
2
dy
Adems para obtener el rango de y notar que
y+3
1< x < 5 1<
< 5 1 < y < 7
2
Por lo tanto la f.d.p. de la v.a. Y es
La inversa de y = 2 x 3 sera x =

g ( y) =

y+3
2
12
0

1
2
caso

1
2

si 1 < y < 7
contrario

Para encontrar la f.d,p. conjunta de las variables aleatorias Y1 = h1(X1 , X2) y Y2 =

h2(X1 , X2) cuando X1 y X2 son continuas, y la transformacin es uno a uno, aplicamos un teorema anlogo al visto en el caso discreto que establecemos sin demostracin.

Teorema 4
Supongamos que X1 y X2 son variables aleatorias continuas con f.d.p. conjunta
f ( x1 , x 2) . Definimos con Y1 = h1(X1 , X2) y Y2 = h2(X1 , X2) una transformacin
uno a uno entre los puntos (x1, x2) y (y1, y2) de manera que las ecuaciones
y1 = h1(x1 , x2)

y2 = h2(x1 , x2)

se puedan resolver unvocamente para x1 y x2 en trminos de y1 e y2, digamos

x1 = w1(y1 , y2)

x2 = w2(y1 , y2)

Entonces la funcin de densidad conjunta de Y1 e Y2 es

g(y1 , y2) = f(w1(y1 , y2) , w2(y1 , y2)) | J |
donde J es el jacobiano de la transformacin es decir el determinante de la matriz

J=

x1
y1
x2
y1

x1
y2
x2
y2

Ejemplo:
Sean X1 y X2 dos variables aleatorias continuas con f.d.p. conjunta dada por

140

Funciones de variables aleatorias

4 x1 x 2
f ( x1 , x2) =
0

Prof. Mara B. Pintarelli

si 0 < x1 < 1 , 0 < x 2 < 1

caso contrario

Encuentre la f.d.p. conjunta de Y1 = X12

y Y2 = X1X2

Solucin:

y = x12
Consideramos el sistema de ecuaciones 1
y 2 = x1 x 2
x1 y x2 , y obtenemos las soluciones x1 =

y1

y lo resolvemos con respecto a

y2

x2 =

y entonces

y1

calculamos

J=

x1
y1
x2
y1

x1
y2
x2
y2

1
2 y1

y2
2 y1

0
=

1
y1

1
2 y1

Para determinar el subconjunto del plano y1y2 donde toma valores la v.a. (Y1, Y2) escribimos
0 < x1 < 1

0 < x2 < 1

0 < y1

y2

0<

y1

<1
<1

0 < y1 < 1
0 < y2 <

y1

En el grfico siguiente graficamos la regin

y2
y2 =

y1

y1
La f.d.p. conjunta de Y1 e Y2 es

141

Funciones de variables aleatorias

4 y1
g ( y1 , y 2) =

2 y2
y1

y2
y1

Prof. Mara B. Pintarelli

1
2 y1

si 0 < y1 < 1 ,

si 0 < y1 < 1 ,
0

0 < y2 <

y1

en otro lado
0 < y2 <

y1

en otro lado

Ejemplo:
Sean X1 y X2 dos voltajes aleatorios independientes con f.d.p. dada por
f 1 ( x1) =

1
10

si

0 x1 10

f 2 ( x2) =

1
10

0 x 2 10

si

Hallar la f.d.p. de Y1 = X1 + X2 la suma de los dos voltajes aleatorios.

Solucin:
Como X1 y X2 son variables independientes entonces la f.d.p. conjunta de X1 y X2 es el
producto de las marginales
1

f ( x1 , x2) = f 1 ( x1) f 2 ( x 2) = 100

0

Anotamos

si

0 x1 10

0 x 2 10

caso contrario

Y1 = h1(X1 , X2) = X1 + X2 ;

Y2 = h2(X1 , X2) = X2

Se puedan resolver unvocamente para x1 y x2 en trminos de y1 e y2:

x1 = y1 y 2
x2 = y 2
Aplicamos el Teorema 4

g(y1 , y2) = f(y1 y2) , y2) | J |

donde J =

x1
y1
x2
y1

x1
y2
x2
y2

1 0

Entonces:
1

g ( y1 , y 2) = 100
0

si 0 y1 y 2 10

0 y 2 10

caso contrario

Ahora hallamos la f.d.p. de Y1 integrando g(y1 , y2) con respecto a y2 .

Para entender cules son los lmites de integracin graficamos en el plano y1 y2 la
regin
142

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

0 y1 y 2 10

0 y 2 10 ,

y 2 y1 10 + y 2

0 y 2 10

o equivalentemente

y1 = y 2

y2

y1 10 = y 2

y1

En la figura se ve claramente la variacin de y2 . por lo tanto tenemos dos casos y la

f.d.p. de Y1 es
y1

1
d y2

0 100
g1 ( y1) = 10
1

d y2

100
y110

si

0 y1 10

si

10 y1 20

Supongamos ahora que se desea encontrar la f.d.p. de la v.a. Y = h( X ) cuando X es una

v.a. continua y la transformacin no es uno a uno. Es decir para cada valor x corresponde exactamente un valor de y, pero a cada valor de y corresponde ms de un valor de x.
En estos casos el mtodo a seguir sera el siguiente (tambin vlido para utilizar cuando
la transformacin es uno a uno):
1- Primero hallamos la funcin de distribucin acumulada de Y, la anotamos
G ( y ) = P(Y < y )
2- Luego para hallar la f.d.p. derivamos G(y) con respecto a la variable y
3- Por ltimo determinamos el rango de Y.

Ejemplo:
Sea X una v.a. continua con densidad
f(x) para 1 < x < 2 .
Sea Y = X2
a
Solucin:
Primero hallamos la F.d.a. G(y)

143

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

Para esto observamos el grfico anterio y notamos que Y toma valores no negativos

P( y
2
G ( y ) = P(Y y ) = P ( X < y ) =
P( X

y<0

0
<X <
<

y
)

0 < y <1

1< y < 4

y>4

0
y<0

F ( y ) F ( y ) 0 < y < 1
=
F( y )
1< y < 4

1
y>4

Entonces se deriva aplicando regla de la cadena y obtenemos

1
1
+ f ( y )
0 < y <1
f( y )
2 y
2 y

1
g ( y) =
f( y )
1< y < 4
2 y

0
caso contrario

Otra forma de resolver este problema:

y = x2 es uno a uno en el intervalo (-1 ; 0) y tambin es uno a uno en el intervalo (0 ; 2)
Entonces aplicamos el Teorema 3 en ( -1 ; 0) y luego en el intervalo (0 ; 2)
Para los x en el intervalo (-1 ; 0) resolvemos y = x2 en trminos de x :
x= y

= w( y )

Entonces segn el teorema 3: g(y) = f(w(y)) |w'(y)|

g ( y ) = f ( y

1
2 y

0 < y <1

(1)

Para los x del intervalo (0 ; 1) resolvemos y = x2 en trminos de x :

x=

= w( y )

Entonces segn el teorema 3: g(y) = f(w(y)) |w'(y)|

g ( y) = f ( y

1
2 y

0 < y <1

(2)

Como para los y tales que 0 < y < 1 puede ocurrir (1) (2) entonces
144

Funciones de variables aleatorias

g ( y ) = f ( y

1
2 y

Prof. Mara B. Pintarelli

+ f( y

1
2 y

0 < y <1

Ahora para los x en (1 , 2) hay un solo caso:

resolvemos y = x2 en trminos de x :
x=

= w( y )

Entonces segn el teorema 3: g(y) = f(w(y)) |w'(y)|

g ( y) = f ( y

1
2 y

1< y < 4

Por lo tanto escribimos

1
1
+ f( y )
0 < y <1
f ( y )
2 y
2 y

1
g ( y) =
f( y )
1< y < 4
2 y

0
en otro lado

Ejemplo:
1 si 0 < x < 1
Sea X una v.a. continua con f.d.p. f ( x ) =
0 caso contr
Sea Y = 2 ln X. Hallar la f.d.p. de Y.
Solucin:
Primero hallamos la F.d.a. de Y. Observar que Y toma valores positivos
G( y) = P(Y y) = P(2 ln X y) = P(ln X y ) = 1 P(ln X y ) =
2
2
y

= 1 P( X e 2 ) = 1 F (e 2 )
Entonces
y

g ( y) =

(1 F (e 2 )
y

Pero f (e 2 ) = 1 si 0 < e

y
2

y
y
1
f (e 2 )(e 2 )(
)
y>0
=
2

0
caso contrario

< 1 , es decir si y

>0

Por lo tanto la f.d.p. de Y es

y
1
( 2 )(
)
y>0
g ( y) = e
2
0
caso contrario

145

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

Practica
Funcin de variables aleatorias
1) El gerente de un almacn en una fbrica ha construido la siguiente distribucin de
probabilidad para la demanda diaria (nmero de veces utilizada) para una herramienta en particular.
y
p(y)

0
0.1

1
0.5

2
0.4

Le cuesta a la fbrica $10 (dlares) cada vez que se utiliza la herramienta. Encuentre la fdp y la Fda de Z = 10Y el costo diario para el uso de tal herramienta.
2) Una magnitud aleatoria X tiene la siguiente ley de distribucin
x
p(x)

-1
0.3

-2
0.1

1
0.2

2
0.4

a) Hallar la fdp y la Fda de la v.a. Y = X2

b) Hallar la fdp y la Fda de la v.a. Z = 3X+2
c) Hallar la fdp y la Fda de la v.a. U = 2-3X
3) Sea Y una v.a. continua con fdp dada por
0 y 1
2(1 y ),
f ( y) =
en otro lado
0
a) Determine la fdp de X = 2Y-1
b) Determine la fdp de Z = 1-2Y
c) Determine la fdp de W = Y2
4) Sea X una v.a. con fdp dada por

( )

3 x 2 ,
1 x 1
f ( x) = 2
0, caso contrario
a) Hallar la fdp de Y = 3X
b) Hallar la fdp de Z = 3-X
c) Hallar la fdp de W = X2
5) La proporcin de impurezas en ciertas muestras de minerales es una v.a. X con la
fdp:
3 x 2 + x,
0 x 1
f ( x) = 2
0, caso contrario
El valor en dlares de tales muestras es U = 5 ( X / 2) . Obtenga la fdp de U.

( )

6) Un paracaidista desea aterrizar sobre un blanco T, pero se da cuenta que es igualmente probable que vaya a aterrizar en cualquier punto sobre el segmento (A,B) con
146

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

punto medio T. Obtenga la fdp de la distancia D entre su punto de aterrizaje y el

blanco.
(Sugerencia: tomar A = -1, B = 1 y T = 0. Entonces el punto de aterrizaje del paracaidista tiene una coordenada X, con fdp dada por
1,
f ( x) =
0,

1 x 1
caso contrario

La distancia entre X y T es X ).
7) El porcentaje de alcohol en cierto compuesto es una v.a. Y, con la siguiente fdp.:
20 y 3 (1 y ),
f ( y) =
0,

0 y 1
en oto lado

Suponga que el precio de venta del compuesto depende del contenido de alcohol.
Especficamente, si 1 < y < 2 , el compuesto se vende a C1 dlares el galn; de
3
3
otra manera se vende a C2 dlares el galn. Si el costo de produccin es C3 dlares
por galn, encuentre la distribucin de probabilidad de la ganancia por galn.
8) Una mquina produce envases esfricos cuyos radios varan de acuerdo con la funcin de densidad de probabilidad
2 r ,
f (r ) =
0,

0 r 1
caso contrario

Obtenga la funcin de densidad para el volumen de los envases.

9) La funcin de densidad de Weibull est dada por
ym
1

y>0
f ( y ) = my e

0, caso contrario

en donde y m son constantes positivas. Se utiliza mucho esta funcin de densidad

como un modelo para la duracin de sistemas fsicos. Supngase que Y tiene la fdp
de Weibull, obtenga la fdp de Ym.
10) Referido al ejercicio 3) de la Practica de Variables aleatorias bidimensionales, la
reduccin en la cantidad del contaminante debido al dispositivo anticontaminante
est dada por U = X Y. Obtenga la fdp de U.
11) En referencia al ejercicio 4) de la Practica de Variables aleatorias bidimensionales,
sea U = X + Y, la proporcin de los dos tipos de componentes por unidad. Obtenga
la fdp de U.

147

Funciones de variables aleatorias

Prof. Mara B. Pintarelli

12) En un proceso de sinterizacin de dos tipos de polvo de cobre la funcin de densidad para X, la proporcin del volumen de cobre slido en una muestra, es
0 x1
6x(1 x),
f(x) =
0, en otro lado
La fdp de Y, la proporcin de cristales de tipo A en el cobre slido, es
3y 2 , 0 y 1
g(y) =
0, en otro lado
La variable Z = X.Y da la proporcin del volumen de la muestra debido a los cristales de tipo A. Obtenga la fdp de Z, suponiendo que X e Y son independientes.
13) En un sistema electrnico operan conjuntamente dos componentes de dos tipos diferentes. Sean X e Y la duracin aleatoria de los componentes del tipo I y II respectivamente. La fdp conjunta est dada por

( )

1 x e (x + y)/2 ,
x > 0, y > 0
f(x, y) = 8
0,
en otro lado
(Las mediciones estn en cientos de horas). La eficiencia relativa de los dos tipos de
componentes se mide por Z = Y/X. Obtenga la fdp de Z.
14) Sean X1 y X2 variables aleatorias independientes que tienen cada una la distribucin
de probabilidad

e x si x > 0
f(x) =
0 caso contrario
Muestre que las variables aleatorias Y1 e Y2 son independientes cuando

Y1 = X1 + X2

Y2 =

X1
X1 + X 2

148