MA-34A Probab.

y Procesos Estocasticos 2 de Julio, 1996

Pauta Examen
Prof. Catedra: Farias, Kiwi, y Maass Prof. Auxiliar: Hojman, Risco, y Romagnoli

Problema 1:
(i).- Si U; V son variables aleatorias independientes Normal(0; 1), se tiene que su densidad conjunta
queda dada por:
 
1
fU;V (u; v) = 2 
e 1 (u2 +v 2 )
2
1
= 2
e 1~
2 u T
~u
; u
donde ~u = v :

 
Por otro lado, como X~ = ~g(U~ ) = A
U~ + ~ es una transformacion invertible de U~ = UV se tiene,
 
x
usando el metodo del Jacobiano, que si ~x = y entonces la densidad conjunta de X~ es:

fX;Y (x; y) = fU;V (g 1 (~x))
jDet(J (g1 1 (~x)))j

1
= 2  jDet(
e 1 (A 1 (~
2 x ~))T (A 1 (~x ~))
A)j
= p
1
e ~x ~)T M
1(
2
1( ~x ~) ;
2  Det(M )
donde la segunda igualdad es consecuencia de que g 1(~x) = A 1 (~x ~ ) y puesto que J (g 1 (~x)) = A.
La ultima igualdad es consecuencia del hecho que (A 1 )T
A = (A
AT ) 1 = M 1 y Det(M ) =
Det(A
AT ) = Det(A)
Det(AT ) = (Det(A))2 .
(ii).- Por linealidad del operador esperanza y dado que E (U ) = E (V ) = 0, sigue que E (X ) =
E (A1;1 U + A1;2 V + ) = A1;1 E (U ) + A1;2 E (V ) +  = . An
alogamente se deduce que E (Y ) =  .
La matriz pedida corresponde a la matriz de covarianza del vector aleatorio normal multivariado X~ ,
esto es M = A
AT .
(iii).- Se tiene que
  
2s +t + 2st = ( s t )
2 2 2 1 s ;
1 1 t
 
i.e., si M 1
= 2 1 entonces
1 1
0 1
1 s t )M 1 @ st A
fS;T (s; t) = 21 e
2(
:

1
Pauta Examen: 2 de Julio, 1996 2

Entonces, fS;T (s; t) es una normal multivariada. Luego, S y T son normales. La esperanza

deS es 0
y la de T es tambien 0, y sus varianzas son las que aparecen en la diagonal de M = 21 11
1
=
 
1 1
1 2 , i.e., Var (S ) = 1 y Var (T ) = 2. Luego, las marginales son
fS (s) = p1 e 12 s2 ; fT (t) = p1 p1 e 14 t2 :
2 2 2
Como fS (s)
fT (t) 6= fS;T (s; t), entonces S; T son dependientes.

Problema 2:
(i).- Observar que

n
X
 
n etj pj (1 p )n j = X n n
E etXi = i i (et pi )j (1 pi )n j :
j=0 j j=0 j
Pero por el Teorema del Binomio esta ultima expresion es igual a (pi et + 1 pi )n .
(ii).- Aplicando la indicacion se tiene que X  (1 + ) s y solo si etX  et(1+) . Luego,

Pn
Q n tXi

n
tX t (1+ )
o E etX E et i=1 Xi i =1 E e
P (fX  (1 +  )g) = P e  e  et(1+) = et(1+) = et(1+) ;
donde la desigualdad se obtiene observando que etX es una variable aleatoria no-negativa y aplicando
la desigualdad de Markov, y la ultima igualdad es por independencia de etX1 ; : : : ; etXn .
(iii).- Como Xi  Binomial(n; pi ) se tiene que su esperanza es npi . Luego, por la linealidad del
operador esperanza,
n ! n n
X X X
 = E (X ) = E Xi = E (Xi ) = npi :
i=1 i=1 i=1


Por otro lado E etXi  enpi (et 1)
, luego
n
Y
Pn npi
E etXi = e(et 1) i=1 = e(e 1) :
t

i=1
La ultima igualdad y el punto anterior implican la desigualdad pedida.

Problema 3:


(i).- Por linealidad de la esperanza, E Xn = n1 E ( ni=1 Xi ) = n1 ni=1 E (Xi ) = n1 n = .
P P

Por otro lado, Var Xn = n12 Var ( ni=1 Xi ) = n12 ni=1 Var (Xi ) = n12 n2 = n2 = n4 , donde la
P P

segunda igualdad es consecuencia del hecho que las variables aleatorias Xi son independientes.
(ii).- Como las variables aleatorias Xi son independientes identicamente distribuidas y con esperanza
y varianza nitas, se cumplen las hipotesis de la ley de los grandes numeros en su version debil, luego
Pauta Examen: 2 de Julio, 1996 3

Xn converge en P-probabilidad a , i.e., como  = 0


!1 P jXn 0 j  c = 0 ;
nlim
cualquiera sea c > 0.
(iii).- Como los Xi son variables aleatorias independientes de esperanza
 y varianza 2 entonces
Xn
es una variable aleatoria normalmente distribuida de esperanza E Xn =  y varianza Var Xn =
2 . Luego, por propiedades de la distribucion normal,
n
n 
Z = X p  Normal(0; 1) :
2  =n
Luego,
 p    p 
jZ j  c  n = 2 1 Z  c n


P jXn  j  c
0 = P P :
Para determinar el c pedido, resolvemos la siguiente ecuacion con incognita c:
  p 
2 1 P Z  c n = 0:1 :
 p  p
i.e., P Z  c  n = 0:95, luego de la indicacion sigue que, c n = 1:64 . Concluimos que el valor
q
pedido es c = 1:64 100
4
= 0:328.
(iv).- Cuando n es sucientemente grande, podemos usar el mismo metodo que en el punto anterior
puesto que sabemos, por el Teorema Central del Limite, que Xn sigue una distribucion aproximada-
mente normal. La normalidad de la distribucion de X n era la componente clave del analisis del
punto anterior.