Вы находитесь на странице: 1из 8

PROBABILIDAD Y ESTADÍSTICA

Práctica 5. Esperanzas y transformaciones

Objetivos

Después del estudio teórico y de realizar esta práctica sabrás:


• Explicar cualitativamente el significado de la media y la varianza de una VA.
• Calcular esperanzas y varianzas para variables aleatorias sencillas.
• Aplicar el teorema fundamental para las esperanzas.
• Explicar cualitativamente el efecto de una transformación en una VA.
• Calcular las funciones de densidad de variables aleatorias obtenidas mediante transformaciones
matemáticas sencillas.

Instrucciones generales

Esta práctica combina algunos desarrollos analı́ticos sencillos, que se realizarán directamente en
papel, con la ejecución de algunos programas informáticos que pretenden ilustrar algunos conceptos y
sobre cuyos resultados se plantearán cuestiones. La parte informática se desarrollará ı́ntegramente desde
la ventana de comandos de Matlab, llamando directamente a las funciones correspondientes a cada caso.
Para comprobar la sintaxis de las llamadas a cada una de las funciones, se recomienda utilizar el
comando help desde Matlab (help nombreFuncion). Se mostrará un breve resumen con sus carac-
terı́sticas, los parámetros que puede recibir y algunos ejemplos de uso.

Esperanza y varianza (30’)


1. Indica si las siguientes afirmaciones son verdaderas o falsas:
 V  F La esperanza de una VA no tiene por qué pertenecer a su rango.
 V  F La esperanza de una VA es siempre mayor o igual que el extremo inferior de su rango.
 V  F La esperanza de una VA es siempre mayor que el mı́nimo de los valores obtenidos en
varias realizaciones de dicha VA.
 V  F La probabilidad de que una única muestra de una VA sea superior a su esperanza es
de 0.5.
 V  F La esperanza de una VA es el valor para el que se obtiene el máximo de la fdp.
2. La función EfectoVarianza representa simultáneamente las funciones de densidad de una VA
P(λ), de una U(−b, b), de una N(0, σ) y de una exp(α), todas ellas ajustadas al valor de la varianza
que se indique en el parámetro de la función. Calcula los valores de los parámetros λ, b, σ y α para
que la varianza sea 9. Comprueba tus resultados ejecutando EfectoVarianza(9).
Universidad de Vigo. PyE. Práctica 5 5.2

3. Indica cuál de las siguientes afirmaciones es verdadera:


 V  F Cuando la varianza aumenta, la función de densidad se expande, reduciendo su altura
para mantener el área bajo la curva a 1.
 V  F Cuando la varianza disminuye, la función de densidad se contrae, incrementando su
altura para mantener el área bajo la curva a 1.
Comprueba tu razonamiento con la función EfectoVarianza y diferentes valores de varianza.
4. Indica si las siguientes afirmaciones son verdaderas o falsas:
 V  F La desviación tı́pica de una VA es un parámetro que no puede tomar valores negativos.
 V  F Si nos dicen que la esperanza de una distribución uniforme es 0, ya podemos deducir
el valor de su desviación tı́pica.
 V  F Para conocer la desviación tı́pica de una VA es suficiente con conocer su rango.
 V  F A la desviación tı́pica también se la conoce con el nombre de varianza.
 V  F A partir de la fdp de una VA se puede calcular su varianza. Lo contrario no es cierto.
5. Sea X una VA con fdp: f (x) = x/2 si 0 < x < 2
a) Calcula E(X n ). Particulariza para n = 1, n = 2 y n = 4.

b) Calcula Var(X) y la desviación tı́pica de X.

c) Sea Y = g(X) = 1/X. ¿Coinciden E(Y ) y 1/E(X)?

d) Sea Y = g(X) = 2X 2 − 1. Calcula E(Y ), E(Y 2 ) y Var(Y ).


Universidad de Vigo. PyE. Práctica 5 5.3

Transformaciones
Transformación lineal de una VA uniforme (20’)

La función TLU genera realizaciones de una VA uniforme y las transforma según una cierta función
lineal, obteniendo ası́ una nueva VA. Lee su descripción (help TLU) y lánzala con los parámetros por
defecto (TLU()). Sigue las instrucciones que aparezcan en la ventana de comandos. No continúes hasta
entender qué se está representando.
1. ¿Qué esperas que suceda cuando X ∼ U(0, 1) e Y = g(X) = kX, donde k > 0?
a) Si k > 1, obtendremos una VA uniforme definida en un rango mayor; si k < 1, obtendremos
una VA uniforme definida en un rango menor: Y ∼ U(0, k).
b) Si k > 1, obtendremos una VA uniforme definida en un rango menor; si k < 1, obtendremos
una VA uniforme definida en un rango mayor: Y ∼ U(0, 1/k).
c) Obtendremos una VA uniforme de la misma anchura que la original, pero desplazada k uni-
dades: Y ∼ U(k, k + 1).
d) Obtendremos una VA con una distribución no uniforme.
Comprueba tu razonamiento probando algunos valores de k con la función TLU, por ejemplo:
TLU (0 , 1 , 0 , 2) ; % X ~ U (0 ,1) ; Y = g(X) = 2X
TLU (0 , 1 , 0 , 0.5) ; % X ~ U (0 ,1) ; Y = g ( X ) = X /2

2. ¿Qué esperas que suceda cuando X ∼ U(0, 1) e Y = g(X) = X + d?


a) Si d > 0, obtendremos una VA uniforme definida en un rango mayor; si d < 0, obtendremos
una VA uniforme definida en un rango menor: Y ∼ U(0, d).
b) Si d > 0, obtendremos una VA uniforme definida en un rango menor; si d < 0, obtendremos
una VA uniforme definida en un rango mayor: Y ∼ U(0, 1/d).
c) Obtendremos una VA uniforme de la misma anchura que la original, pero desplazada d uni-
dades: Y ∼ U(d, d + 1).
d) Obtendremos una VA con una distribución no uniforme.
Comprueba tu razonamiento probando algunos valores de d con la función TLU, por ejemplo:
TLU (0 , 1 , 2) ; % X ~ U (0 ,1) ; Y = g ( X ) = X +2
TLU (0 , 1 , -3) ; % X ~ U (0 ,1) ; Y = g ( X ) = X -3

3. ¿Qué esperas obtener si X ∼ U(0, 1) e Y = g(X) = 1 + 3X?


a) Y ∼ U(3, 6), el rango primero se desplaza y el resultado se expande.
b) Y ∼ U(1, 4), el rango primero se expande y el resultado se desplaza.
Comprueba tu razonamiento probando esos valores con la función TLU (TLU(0, 1, 1, 3)).
4. Obtén analı́ticamente la función de densidad de la VA Y si X ∼ U(0, 1) e Y = g(X) = a+(b−a)X,
donde a y b son números reales, con a < b.
Universidad de Vigo. PyE. Práctica 5 5.4

5. Halla la transformación necesaria para obtener Y ∼ U(−1, 3) a partir de una VA X ∼ U(0, 1).
Comprueba tu resultado con la función TLU.

6. Halla la transformación necesaria para obtener Y ∼ U(−1, 3) a partir de una VA X ∼ U(−1, 1).
Comprueba tu resultado con la función TLU.

Transformación no lineal de una VA (10’)

1. Supón que tenemos una VA X ∼ U(−6, 6). Generamos otra VA, Y , aplicando la transformación
siguiente: Y = g(X) = arctan(X).

π 2

π 4 g (x ) = arctan(x )

−9 −6 −3 0 3 6 9
x
−π 4

−π 2

¿Qué esperas que suceda?


a) Obtendremos una VA uniforme definida en un rango mayor que el original.
b) Obtendremos una VA uniforme definida en un rango menor que el original.
c) Obtendremos una VA uniforme de la misma anchura que la original, pero desplazada.
d) Obtendremos una VA con una distribución no uniforme.
Comprueba tu razonamiento con la función TATU (TATU(-6,6)).

2. ¿Qué sucederá si volvemos a obtener Y = g(X) = arctan(X), pero a partir de X ∼ U(0, 12)?
a) Y mantendrá la forma del apartado anterior, pero desplazada seis unidades hacia valores
positivos.
b) Y mantendrá la forma del apartado anterior, pero desplazada seis unidades hacia valores
negativos.
c) Y se hará asimétrica, acumulando probabilidad en los valores altos de su rango.
d) Y se hará asimétrica, acumulando probabilidad en los valores bajos de su rango.
Comprueba tu razonamiento con la función TATU.
Universidad de Vigo. PyE. Práctica 5 5.5

3. A la vista de los ejemplos anteriores, un tramo de la función de transformación con pendiente


positiva y menor que 1. . .
a) . . . acumula los valores de Y en un intervalo menor que el original, lo que hará mayor su
función de densidad de probabilidad en ese intervalo.
b) . . . dispersa los valores de Y en un intervalo mayor que el original, lo que hará disminuir su
función de densidad de probabilidad en ese intervalo.

Transformación lineal de una VA normal (opcional)

1. La función TLN es similar a la TLU, pero para distribuciones normales. Utilı́zala para ver el
efecto de aplicar la transformación Y = g(X) = −2 + 0.5X a una VA X ∼ N(0, 1). Describe los
efectos observados en la forma de la distribución, en su media y en su desviación tı́pica.

2. Halla la transformación necesaria para obtener Y ∼ N(5, 3) a partir de una VA X ∼ N(0, 1).
Comprueba tu resultado con la función TLN.

3. Supón que tenemos una VA X ∼ N(10, 5). Generamos otra VA, Y , aplicando la transformación
siguiente: Y = X/5. ¿Qué esperas que suceda?
a) No cambia ninguno de los dos parámetros. Lo que sucede es que fY (y) = fX (x)/5.
b) Cambiará la media, pero no la desviación tı́pica, Y ∼ N(2, 5).
c) Cambiará la desviación tı́pica, pero no la media, Y ∼ N(10, 1).
d) Cambiarán ambas: la desviación tı́pica y la media, Y ∼ N(2, 1).
Comprueba tu razonamiento con la función TLN (TLN(10,5,0,1/5)).

4. Halla la transformación necesaria para obtener Y ∼ N(−5, 0.5) a partir de una VA X ∼ N(4, 2).
Comprueba tu resultado con la función TLN.
Universidad de Vigo. PyE. Práctica 5 5.6

Práctica 5. Esperanzas y transformaciones. Soluciones

Esperanza y varianza
1. V La esperanza de una VA no tiene por qué pertenecer a su rango. Por ejemplo, en una Bernoulli
o en el valor medio obtenido en el lanzamiento de un dado.
V La esperanza de una VA es siempre mayor o igual que el extremo inferior de su rango.
F La esperanza de una VA es siempre mayor que el mı́nimo de los valores obtenidos en varias
realizaciones de dicha VA. Con un dado podrı́amos obtener una secuencia como {4, 6, 6, 5, 4, 5},
todos ellos superiores a 3.5, que es la media de la VA.
F La probabilidad de que una única muestra de una VA sea superior a su esperanza es de 0.5.
Esa afirmación es aplicable a la mediana.
F La esperanza de una VA es el valor para el que se obtiene el máximo de la fdp. Esa afirmación
es aplicable a la moda.

2. Utilizamos las expresiones conocidas de los apuntes de teorı́a:

Var(P(λ)) = λ ⇒ λ=9
2
√ √
Var(U(−b, b)) = b /3 ⇒ b= 3×9=3 3
2

Var(N(0, σ)) = σ ⇒ σ= 9=3
p
Var(exp(α)) = 1/α2 ⇒ α = 1/9 = 1/3

3. Ambas son verdaderas:


V Cuando la varianza aumenta, la función de densidad se expande, reduciendo su altura para
mantener el área bajo la curva a 1.
V Cuando la varianza disminuye, la función de densidad se contrae, incrementando su altura
para mantener el área bajo la curva a 1.
4. V La desviación tı́pica de una VA es un parámetro que no puede tomar valores negativos.
F Si nos dicen que la esperanza de una distribución uniforme es 0, ya podemos deducir el valor
de su desviación tı́pica. En una VA uniforme la esperanza nos indica su eje de simetrı́a, pero
no nos da información sobre su dispersión, que es lo que determina la desviación tı́pica.
F Para conocer la desviación tı́pica de una VA es suficiente con conocer su rango. Dos variables
aleatorias con el mismo rango pueden tener distribuciones muy distintas: una de ellas pue-
de tener la mayorı́a de su probabilidad acumulada alrededor del centro del rango de forma
simétrica (tendrı́a una desviación tı́pica baja porque la mayorı́a de valores se acumuları́an en
las proximidades de la media), mientras que otra puede acumular la probabilidad en ambos
extremos del rango, dejando poca probabilidad para la zona central (tendrı́a una desviación
tı́pica elevada porque la mayorı́a de valores se acumuları́an más lejos de la media).
F A la desviación tı́pica también se la conoce con el nombre de varianza. La desviación tı́pica
es la raı́z cuadrada positiva de la varianza.
V A partir de la fdp de una VA se puede calcular su varianza. Lo contrario no es cierto. Hay
infinidad de distribuciones que tienen la misma varianza, por lo que sólo con este dato serı́a
imposible discernir de cuál de ellas hablamos. Por ejemplo, una N(0, 1), una exp(1) y una
Ray(1) tienen todas varianza 1.
Z ∞ Z 2
1 2 n+1 2n+1
Z
n n x 1
n
5. a) E(X ) = x f (x) dx = x dx = x dx = [xn+2 ]20 =
−∞ 0 2 2 0 2 (n + 2) n+2

por tanto,

22 4 23 25 16
E(X) = = E(X 2 ) = =2 E(X 4 ) = =
3 3 4 6 3
Universidad de Vigo. PyE. Práctica 5 5.7

 2
4 2
b) Var(X) = E(X 2 )
− =2−E2 (X) =
3 9

p 2
Desviación tı́pica(X) = Var(X) =
3

  Z ∞ Z 2 Z 2
1 1 1 x 1 1 2 1 3
c) E(Y ) = E = f (x) dx = dx = dx = [x]0 = 1 6= =
X −∞ x 0 x 2 2 0 2 E(X) 4

d) E(Y ) = E(2X 2 − 1) = 2 E(X 2 ) − 1 = 3


43
E(Y 2 ) = E[(2X 2 − 1)2 ] = E(4X 4 − 4X 2 + 1) = 4E(X 4 ) − 4E(X 2 ) + 1 =
3
16
Var(Y ) = E(Y 2 ) − E2 (Y ) =
3
Alternativamente, podrı́amos usar el conocido resultado sobre la varianza al aplicar una trans-
formación lineal:
 16
Var(Y ) = Var(2X 2 − 1) = 22 Var(X 2 ) = 4 E(X 4 ) − E2 (X 2 ) =

3

Transformaciones

Transformación lineal de una VA uniforme

1. Si k > 1, obtendremos una VA uniforme definida en un rango mayor; si k < 1, obtendremos una
VA uniforme definida en un rango menor: Y ∼ U(0, k).

2. Obtendremos una VA uniforme de la misma anchura que la original, pero desplazada d unidades,
Y ∼ U(d, d + 1).

3. Y ∼ U(1, 4), el rango primero se expande y el resultado se desplaza.

4. Demostramos que si X ∼ U(0, 1), Y = g(X) = a + (b − a)X ∼ U(a, b):


y−a 
y = a + (b − a)x ⇒ x =  
y−a

b−a



 fX
y−a  b−a 1
0≤x≤1 ⇒ 0≤ ≤1 ⇒ a≤y≤b ⇒ fY (y) = =
b−a 
 |b − a| |b − a|
dy


g 0 (x) = =b−a


dx

5. Tal como acabamos de ver, si X ∼ U(0, 1), Y = −1 + 4X ∼ U(−1, 3).

6. En este caso, el resultado se obtiene expandiendo al doble el rango de la fdp original y luego
desplazándolo una unidad a la derecha. Por tanto, si X ∼ U(−1, 1), Y = 1 + 2X ∼ U(−1, 3).

Transformación no lineal de una VA

1. Obtendremos una VA con una distribución no uniforme.

2. Y se hará asimétrica, acumulando probabilidad en los valores altos de su rango.

3. Un tramo de la función de transformación con pendiente positiva y menor que 1 acumula los
valores de Y en un intervalo menor que el original, lo que hará mayor su función de densidad de
probabilidad en ese intervalo.
Universidad de Vigo. PyE. Práctica 5 5.8

Transformación lineal de una VA normal

1. La variable de partida se transforma en otra cuya fdp mantiene la forma original acampanada, pero
más alta y estrecha (para mantener un área bajo la curva de valor 1) y desplazada dos unidades
hacia la izquierda. Pasamos de una N(0, 1) a una N(−2, 0.5).

2. Multiplicando X por 3 pasamos de una N(0, 1) a una N(0, 3). Tendremos que aplicar también un
desplazamiento a la derecha. Por tanto: Y = 5 + 3X.

3. Cambiarán ambas: la desviación tı́pica y la media, Y ∼ N(2, 1).

4. Para pasar de una desviación tı́pica de 2 a otra de 0.5 tendremos que dividir por 4. Esto modifi-
cará también la media de la VA original, que pasará de 4 a 1. Para llevar esa media a −5 tendremos
que hacer un desplazamiento de 6 unidades a la izquierda. Por tanto: Y = −6 + X/4.

Вам также может понравиться