MA-34A Probab.

y Procesos Estocasticos 11 de Noviembre, 1999

Pauta Control No. 3

Prof. Catedra: M. Kiwi, A. Moreira Prof. Auxiliar: J. Barrera, E. Moreno, M. Saez

Problema 1:
(i).- Una posibilidad para calcular lo que se pide sera integrar la densidad conjunta de W y Z
(encontrandola primero, en (ii)), pero las integrales resultantes son muy engorrosas. Mas facil es
reescribir el evento en terminos de X e Y . Para x > 0, y > 0, se tiene
W > 1 () X=Y > 1 () X > Y ;
W > Z () X=Y > XY () Y < 1 :
Por lo tanto,
Z 1Z 1

P (fW  1; W  Z g) = P (fY < 1; X > Y g) = e xe y dxdy = 12 1 e 2 :
0 y

(ii).- Usaremos el metodo del Jacobiano con ~g :(0; 1)  (0; 1) ! (0; 1)  (0; 1) tal que
W  g (X; Y )   X=Y 
Z = ~g(X; Y ) = g2 (X; Y ) = XY :
1

Claramente, ~g esta bien denida, y es biyectiva y derivable en dicho conjunto. Despejando se tiene
p p
w = x=y ; y z = xy =) x = wz ; y y = z=w :
Ademas, el Jacobiano de ~g es
0 @g @g 1 01
1 1
x 1
J (x; y) = Det B @x @y C
@ @g @g A = Det @ y y2 A = 2 xy :
@x
2 2
@y y x
Por lo tanto, el Jacobiano no se anula en ningun punto (x; y) en el dominio de ~g. Finalmente, como
X e Y son independientes,
e (x+y )
; si x > 0, y > 0 ;
fX;Y (x; y) = fX (x)fY (y) = 0; en caso contrario :
Por lo tanto, si w > 0, z > 0,

fW;Z (w; z ) = fX;Y (x; y)jJ (x; y)j 1 x=pwz;y=pw=z = 21w e (
pw+ p1
w
)
pz
:
Es decir,
( 1 e (pw+ p1
pz
fW;Z (w; z ) = 2w
w
)
; si w > 0, z > 0 ;
0; en caso contrario :

1
Pauta Control No. 3: 11 de Noviembre, 1999 2

Problema 2:
(i.1).- Sea t 6= t0 . Como t y t son independientes, las variables aleatorias Xt = cos t y Xt =
0 0

cos t tambien son independientes. Luego, E (Xt Xt ) = E (Xt ) E (Xt ). Como ademas,
0 0 0

Z 2
E (Xt ) = cos d = 0 :
0

Se concluye que E (Xt Xt ) = 0. Un argumento similar permite concluir que E (Yt Yt ) = 0 si t 6= t0 .

0 0

(i.2).- Por denicion de Dn y propiedades de E (
),

0 n 1

X
X n X
n X
n
E Dn
2
= E @ (Xt Xt + Yt Yt )A
=0 E Xt + Yt + 0
2 2
E (Xt Xt + Yt Yt ) :
0 0

t;t 0 =1 t t t t6 =1 =1 t
0 =1: 0 =

2 2


De la parte anterior y como Xt + Yt = 1 se concluye que E Dn = n. 2

(ii).- Veremos dos formas de calcular E (Pn ).

Primera forma: Sea Rn el numero de veces que la partcula se desplaza hacia la derecha.
Claramente, Rn se distribuye como una Binomial(n; p). Sigue que E (Rn ) = np. Por otro lado,
Pn = 2Rn n. Luego, E (Pn ) = 2E (Rn ) n = (2p 1)n = (p q)n.
Segunda forma: Sea Xt la variable aleatoria que toma el valor 1 o 1 dependiendo de si la partcula
se mueve hacia la izquierda o la derecha en el instante t. Recordar que la direccion en que se mueve la
partcula en cada instante no dependePde lo que ocurra en otros instantes. Luego, si t 6= t0 , entonces
Xt y Xt son independientes y Pn = nt=1 Xt . Ademas, como E (Xt ) = 1
p + ( 1)
q = p q, por
0

linealidad de la esperanza concluimos que E (Pn ) = n(p q).

Problema 3:
(i).- Sea f (a; b) = E (Y (aX + b))2 , i.e.,





f (a; b) = E Y 2 + a2 E X 2 + b2 2aE (XY ) 2bE (Y ) + 2abE (X ) :
Los valores crticos de f (
;
) se obtienen resolviendo el sistema
0 = @f = 2 a E X2

2E (XY ) + 2bE (X ) ;
@a
@f
0 = @b = 2b 2E (Y ) + 2aE (X ) ;
o lo que es equivalente,


aE X 2 + bE (X ) = E (XY ) ; (1)
aE (X ) + b = E (Y ) : (2)
Despejando por b en (2) se obtiene que
b = E (Y ) aE (X ) :
Pauta Control No. 3: 11 de Noviembre, 1999 3

Restandole a (1) el producto de (2) y E (X ), recordando que Var (X ) = E X 2

E2 (X ), y que
C ov (X; Y ) = E (XY ) E (X ) E (Y ), se obtiene que

a = C Vovar(X; Y ) =  (X; Y ) (Y ) :

(X ) (X )
Ademas, la matriz
0 @f @f 1
2

BB @a @a@b CC
2
0 2E X
2
2E (X )
1
@ A;
2
B@ C =
@f @f A
2 2
2E (X ) 2
@a@b @b2



es semi{denida positiva puesto que 2E X 2  0 y 4E X 2 4E 2 (X ) = 4Var (X )  0. Luego, el
punto crtico (ba; bb) donde ba =  (X; Y ) (Y )=(X ), y bb = E (Y ) baE (X )) minimiza f (
;
).
(ii).- Determinemos primero E (XY ). De la formula para calcular la esperanza de una funcion de
un vector aleatorio tenemos que
X X
n
E (XY ) = xypX;Y (x; y) = n1 xi yi :
(x;y ):pX;Y (x;y )>0 i=1

Para calcular E (X ) y E X 2 primero necesitamos determinar la funcion densidad de probabilidad
de X , i.e., pX (
). Para ello observar que
X
n
pX (x) = pX (x; yj ) :
j =1

Como pX;Y (x; yj ) es igual a 1=n si x = xj y 0 en caso contrario se tiene que

 1=n ; si x 2 fx1 ; : : : ; xn g ;
pX (x) = 0; en caso contrario :
Luego,
X 1 X
n
E (X ) = xpX (x) = n xi :
x:pX (x)>0 i=1
Analogamente,

X 1 X
n
E X 2
= x pX (x) = n x2i :
2

x:pX (x)>0 i=1

(iii).- La completacion de la tabla se muestra en la Fig. 1. Observar que

ba = C Vovar(X; Y ) E (XY ) E (X ) E (Y ) 2 1
4 1;
(X ) = E (X 2 ) E 2 (X ) = 5 12 = 2
y que
bb = E (Y ) baE (X ) = 4 + 1
1 = 9 :
2 2
Pauta Control No. 3: 11 de Noviembre, 1999 4

2 2
i xi yi xi yi xi yi

1 -2 5 4 25 -10
2 0 4 0 16 0
3 1 6 1 36 6
4 2 3 4 9 6
5 4 2 16 4 8
Total 5 20 25 90 10
Promedio 1 4 5 14 2

Figure 1:

aX + b

5 X

Figure 2:
Pauta Control No. 3: 11 de Noviembre, 1999 5

El graco de los puntos y la recta correspondiente se muestra en la Fig. 2

(iv).- Veremos dos formas de probar que X e Y no son independientes.
Primera Forma: Si X e Y fuesen independientes tendramos que C ov (X; Y ) = 0. Pero,
C ov (X; Y ) = E (XY ) E (X ) E (Y ) = 2 1
4 = 2 6= 0 :

Segunda Forma: Por denicion, bastara exhibir dos conjuntos A y B tales que
fX 2 A; Y 2 B g) 6= P (fX 2 Ag) P (fY 2 B g) :
P(

Sean A = f 2g y B = f4g. Como ( 2; 4) 62 f(x ; y ); : : : ; (xn ; yn )g,

1 1

P (fX 2 A; Y 2 B g) = P (fX = 2; Y = 4g) = 0 :

Ademas, P (fX 2 Ag) = P (fX = 2g) = 1=5, y P (fX 2 B g) = P (fY = 4g) = 1=5. Sigue que
P (fX 2 A; Y 2 B g) = 0 = 6 1=25 = P (fX 2 Ag) P (fX 2 B g) :