Vector Aleatorio

Vector aleatorio
Conceptos básicos
Definición.- Un vector aleatorio es un vector, 𝒳 = (𝑋1 , ⋯ , 𝑋𝑛 ) cuyos componentes son variables aleatorias. Si
todos los componentes son variables discretas, diremos que 𝑋 es un vector aleatorio discreto, y si todos son
variables continuas se dirá que 𝒳 es continua, en otro caso se dirá que 𝑋 es un vector aleatorio mixto. El rango
del vector aleatorio 𝒳 es el conjunto 𝑅𝑋 de valores que pueden tomar conjuntamente las variables aleatorias que
componen el vector.
Observación.- La necesidad de trabajar con vector aleatorio, surge cuando queremos trabajar simultáneamente
con un grupo de variables aleatorias 𝑋1 , ⋯ , 𝑋𝑛 las cuales pueden tener una distribución en conjunto que no se
puede reproducir con la de cada una de ellas por separado, Así otra terminología para vector aleatorio es la de
variables aleatorias distribuidas conjuntamente.
Ejemplo 1.- En la ejecución de cierta tarea, la probabilidad de completarla con éxito es de 0.6. Se ejecutará la
tarea en 4 ocasiones, bajo condiciones similares y de modo que los resultados obtenidos resulten independientes.
Consideremos las variables aleatorias:
𝑋: Número de veces que la tarea fue completada con éxito.

Y: Número de veces que la tarea fue completa sin éxito.
Así, 𝒳 = (𝑋, 𝑌) es un vector aleatorio discreto o, equivalentemente, 𝑋 e 𝑌 son dos variables aleatorias discretas
distribuidas conjuntamente.
El rango conjunto de estas variables (o del vector) está dado por:
𝑅𝑋,𝑌 = 𝑅𝒳 = {(𝑥, 𝑦) ∈ 𝑁 2 ⁄𝑥 + 𝑦 = 4; 𝑥 = 0,1,2,3,4}
Observe que 𝑅𝑋 = 𝑅𝑌 = {0,1,2,3,4}; así 𝑅𝑋,𝑌 ≠ 𝑅𝑋 × 𝑅𝑌
Podemos ver que hay cierta dependencia entre las dos variables, pues, el rango conjunto de ambas variables no
se puede determinar simplemente a partir de los rangos (marginales) de cada una.
También podemos notar que fijado cualquier valor de 𝑌, 𝑌 = 𝑦, el conjunto de valores posibles para 𝑋, es
𝑅𝑋⁄𝑌=𝑦 = {4 − 𝑦} de la misma forma fijado cualquier valor de 𝑋, 𝑋 = 𝑥, el conjunto de valores posibles para 𝑌, es
𝑅𝑌⁄𝑋=𝑥 = {4 − 𝑥}, lo que indica que existe dependencia entre las variables.
Ejemplo 2.- Un sistema en serie está integrado por dos componentes, el tiempo de vida (en años) del primero es
𝑋; y del segundo es 𝑌. Además, el primer componente siempre dura menos del doble de lo que dura el segundo
componente. Así 𝑋 e 𝑌 son variables aleatorias continuas. Por lo tanto, 𝒳 = (𝑋, 𝑌)será un vector continuo con
rango:
𝑅𝒳 = 𝑅𝑋,𝑌 = {(𝑥, 𝑦) ∈ 𝑅 2 ⁄0 < 𝑥 < 2𝑦}
Aquí también tenemos variables dependientes.
Los rangos marginales serían:
𝑅𝑋 = {𝑥 ∈ 𝑅⁄𝑥 > 0} = (0, +∞) = 𝑅𝑌 =; así 𝑅𝑋,𝑌 ≠ 𝑅𝑋 × 𝑅𝑌
Fijado cualquier valor de 𝑌, 𝑌 = 𝑦, el conjunto de valores posibles para 𝑋, es 𝑅𝑋⁄𝑌=𝑦 = {𝑥 ∈ 𝑅⁄0 < 𝑥 < 2𝑦} =
(0,2𝑦) de la misma forma fijado cualquier valor de 𝑋, 𝑋 = 𝑥, el conjunto de valores posibles para 𝑌, es
𝑥 𝑥
𝑅𝑌⁄𝑋=𝑥 = {𝑦 ∈ 𝑅 ⁄𝑦 > } = ( , +∞), lo que indica que existe dependencia entre las variables.
2 2
Aquí también tenemos variables dependientes.

Modelo o distribuciones de probabilidades conjunto de variables aleatorias
Definición.- El modelo o distribución de probabilidades conjunto de las variables aleatorias 𝑋1 , ⋯ , 𝑋𝑛 es una

función definida sobre su rango, 𝑓: 𝑅𝑋1,⋯,𝑋𝑛 → 𝑅, caracterizada por la propiedad que, para cualquier subconjunto
𝐴 ∈ 𝑅 𝑛 , de valores simultáneamente posibles de dichas variables, la probabilidad de que estas asuman los
valores en dicho conjunto, 𝑃((𝑋1 , ⋯ , 𝑋𝑛 ) ∈ 𝐴 ),se obtiene, según sean las variables discretas o continuas
mediante:
∑⋯ ∑ 𝑓(𝑥1 , ⋯ , 𝑥𝑛 ) , 𝑠𝑖 𝑋1 , ⋯ , 𝑋𝑛 𝑠𝑜𝑛 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎𝑠

(𝑥1 ,⋯,𝑥𝑛 )∈𝐴
𝑃((𝑋1 , ⋯ , 𝑋𝑛 ) ∈ 𝐴 ) =
∫ ⋯ ∫ 𝑓(𝑥1 , ⋯ , 𝑥𝑛 ) 𝑑𝑥1 ⋯ 𝑑𝑥𝑛 , 𝑠𝑖 𝑋1 , ⋯ , 𝑋𝑛 𝑠𝑜𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎𝑠
{ 𝐴
Observaciones:
1. Tanto la suma como la integral son múltiples, según la dimensión del vector (𝑋1 , ⋯ , 𝑋𝑛 ).
2. La función 𝑓 puede ser extendido a todo 𝑅 𝑛 , definiendo 𝑓(𝑥1 , ⋯ , 𝑥𝑛 ) = 0, para todo valor 𝑥1 , ⋯ , 𝑥𝑛 fuera del
rango conjunto de las variables.
3. La función 𝑓 también se llama función de probabilidad conjunta, en el caso discreto y de densidad conjunta, en
el caso continuo.
Propiedades:
1. Si 𝑋1 , ⋯ , 𝑋𝑛 son variables aleatorias discretas 𝑓𝑋1,⋯,𝑋𝑛 queda definido mediante:

𝑓𝑋1,⋯,𝑋𝑛 (𝑥1 , ⋯ , 𝑥𝑛 ) = 𝑃(𝑋1 = 𝑥1 , ⋯ , 𝑋𝑛 = 𝑥𝑛 ) , ∀ (𝑥1 , ⋯ , 𝑥𝑛 ) ∈ 𝑅𝑋1,⋯,𝑋𝑛
2. Si 𝑋1 , ⋯ , 𝑋𝑛 son variables aleatorias, se verifica que:
𝑓𝑋1 ,⋯,𝑋𝑛 (𝑥1 , ⋯ , 𝑥𝑛 ) ≥ 0 , ∀ (𝑥1 , ⋯ , 𝑥𝑛 ) ∈ 𝑅𝑋1 ,⋯,𝑋𝑛
3. Si 𝑋1 , ⋯ , 𝑋𝑛 son variables aleatorias discretas, se verifica que:
∑⋯ ∑ 𝑓(𝑥1 , ⋯ , 𝑥𝑛 ) = 1
(𝑥1 ,⋯,𝑥𝑛 )∈𝐴
4. Si 𝑋1 , ⋯ , 𝑋𝑛 son variables aleatorias continuas, se verifica que:
∫ ⋯ ∫ 𝑓(𝑥1 , ⋯ , 𝑥𝑛 ) 𝑑𝑥1 ⋯ 𝑑𝑥𝑛 = 1
𝐴
Observación.- Si se desea buscar una distribución de probabilidades que modele conjuntamente a un grupo de
variables aleatorias, deberá buscarse está entre las que satisfacen las propiedades 2 y 3, en el caso discreto, y 2 y
4 en el caso continuo.
Ejemplo 3.- En el contexto del ejemplo 1, sea la función de probabilidad conjunta:
𝑓𝑋,𝑌 (𝑥, 𝑦) = 𝑓(𝑥, 𝑦) = 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝐶𝑥4 (0.6)𝑥 (0.4)4−𝑥 , 𝑥 = 0,1,2,3,4 𝑒 𝑦 =4−𝑥
En otro caso 𝑓(𝑥, 𝑦) = 0
Calcular la probabilidad:
a. De obtener 3 éxitos y un fracaso.
𝑃(𝑋 = 3, 𝑌 = 1) = 𝑓(3,1) = 𝐶34 (0.6)3 (0.4)4−3 = 0.3456
b. De obtener 3 éxitos y 2 fracasos.

𝑃(𝑋 = 3, 𝑌 = 2) = 𝑓(3,2) = 0, 𝑝𝑜𝑟𝑞𝑢𝑒 (3,2) ∉ 𝑅𝑋,𝑌
c. De obtener más éxitos que fracasos.
Definimos el evento:
𝐴 = {(𝑥, 𝑦) ∈ 𝑅𝒳 ⁄𝑥 > 𝑦} = {(3,1), (4,0)}
𝑃(𝑋 > 𝑌) = 𝑃((𝑋, 𝑌) ∈ 𝐴) = 𝑓(3,1) + 𝑓(4,0)
= 𝐶34 (0.6)3 (0.4)4−3 + 𝐶44 (0.6)4 (0.4)4−4
= 0.3456 + 0.1296
= 0.4752
Ejemplo 4.- En el contexto del ejemplo 2, suponga que la función densidad conjunta de 𝑋 e 𝑌 está dada por:
2𝑒 −2𝑦 , 0 < 𝑥 < 2𝑦

𝑓(𝑥, 𝑦) = {
0 , 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Calcular:
a. La confiabilidad del sistema para un periodo de un año.

+∞ 2𝑦 +∞
2𝑦
𝑃(𝑋 > 1, 𝑌 > 1) = ∫ (∫ 2𝑒 −2𝑦 𝑑𝑥 ) 𝑑𝑦 = ∫ [2𝑥𝑒 −2𝑦 ]1 𝑑𝑦
1 1 1
+∞
= ∫ (4𝑦𝑒 −2𝑦 − 2𝑒 −2𝑦 ) 𝑑𝑦

1
𝑏
= lim ∫(4𝑦𝑒 −2𝑦 − 2𝑒 −2𝑦 ) 𝑑𝑦

𝑏→+∞
1
= 2𝑒 −2
= 0.27067
Tarea: Resolver la integral y hacer el cálculo de la probabilidad cambiando los límites de integración.
b. La probabilidad de que el primer componente dure más que el segundo.
+∞ 2𝑦
𝑃(𝑋 > 𝑌) = ∫ (∫ 2𝑒 −2𝑦 𝑑𝑥 ) 𝑑𝑦 = 0.5

0 𝑦
c. La confiabilidad del sistema para un periodo de 𝑡 años.
+∞ 2𝑦
𝑃(𝑋 > 𝑡, 𝑌 > 𝑡) = ∫ (∫ 2𝑒 −2𝑦 𝑑𝑥 ) 𝑑𝑦 = 𝑒 −2𝑡 + 𝑡𝑒 −2𝑡

𝑡 𝑡
Valor esperado de funciones reales de un vector aleatorio
Sean 𝑋1 , ⋯ , 𝑋𝑛 variables aleatorias, con función de distribución conjunta de probabilidades 𝑓𝒳 = 𝑓𝑋1,⋯,𝑋𝑛 , y

𝐺: 𝑅𝑋1,⋯,𝑋𝑛 → 𝑅; entonces el valor esperado de la variable aleatoria 𝐺(𝑋1 , ⋯ , 𝑋𝑛 ) puede obtenerse a partir de la
distribución conjunta de dichas variables, según sean estás discretas o continuas, esto es:
∑ ⋯ ∑ 𝐺(𝑥1 , ⋯ , 𝑥𝑛 ) 𝑓𝑋1,⋯,𝑋𝑛 (𝑥1 , ⋯ , 𝑥𝑛 ) , 𝑠𝑖 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑠𝑜𝑛 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎𝑠

𝐸(𝐺(𝑋1 , ⋯ , 𝑋𝑛 ) ) = {
∫ ⋯ ∫ 𝐺(𝑥1 , ⋯ , 𝑥𝑛 ) 𝑓𝑋1,⋯,𝑋𝑛 (𝑥1 , ⋯ , 𝑥𝑛 ) , 𝑠𝑖 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑠𝑜𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎𝑠
Observación.- Esta propiedad es la generalización de una dada para variable aleatoria y es una de las más
importantes. Además de evitar la obtención del modelo de 𝐺(𝑋1 , ⋯ , 𝑋𝑛 ) permite deducir otras propiedades.
Ejemplo 5.- En el contexto del ejemplo anterior:

2𝑒 −2𝑦 , 0 < 𝑥 < 2𝑦
𝑓(𝑥, 𝑦) = {
0 , 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Hallemos:
a. El tiempo de vida promedio del primer componente.
Tomamos 𝐺(𝑋, 𝑌) = 𝑥
+∞ 2𝑦 +∞ 2𝑦
𝐸(𝑋) = 𝐸(𝐺(𝑋, 𝑌)) = ∫0 (∫0 𝐺(𝑥, 𝑦)𝑓(𝑥, 𝑦)𝑑𝑥 ) 𝑑𝑦 = ∫0 (∫0 𝑥(2𝑒 −2𝑦 )𝑑𝑥 ) 𝑑𝑦 =1
+∞ +∞ +∞ +∞
𝐸(𝑋) = 𝐸(𝐺(𝑋, 𝑌)) = ∫0 (∫𝑥⁄ 𝐺(𝑥, 𝑦)𝑓(𝑥, 𝑦)𝑑𝑦) 𝑑𝑥 = ∫0 (∫𝑥⁄ 𝑥(2𝑒 −2𝑦 )𝑑𝑦) 𝑑𝑥 =1
2 2
b. El tiempo de vida promedio del segundo componente.

Tomamos 𝐺(𝑋, 𝑌) = 𝑦
+∞ 2𝑦 +∞ 2𝑦
𝐸(𝑌) = 𝐸(𝐺(𝑋, 𝑌)) = ∫0 (∫0 𝐺(𝑥, 𝑦)𝑓(𝑥, 𝑦)𝑑𝑥 ) 𝑑𝑦 = ∫0 (∫0 𝑦(2𝑒 −2𝑦 )𝑑𝑥 ) 𝑑𝑦 =1
+∞ +∞ +∞ +∞
𝐸(𝑌) = 𝐸(𝐺(𝑋, 𝑌)) = ∫0 (∫𝑥⁄ 𝐺(𝑥, 𝑦)𝑓(𝑥, 𝑦)𝑑𝑦) 𝑑𝑥 = ∫0 (∫𝑥⁄ 𝑦(2𝑒 −2𝑦 )𝑑𝑦) 𝑑𝑥 =1
2 2
+∞ 2𝑦 +∞ 2𝑦
c. 𝐸(𝑋2 ) = ∫0 (∫0 𝑥 2 𝑓(𝑥, 𝑦)𝑑𝑥 ) 𝑑𝑦 = ∫0 (∫0 𝑥 2 (2𝑒 −2𝑦 )𝑑𝑥 ) 𝑑𝑦 =2
+∞ +∞ +∞ +∞
𝐸(𝑋2 ) = ∫0 (∫𝑥⁄ 𝑥 2 𝑓(𝑥, 𝑦)𝑑𝑦) 𝑑𝑥 = ∫0 (∫𝑥⁄ 𝑥 2 (2𝑒 −2𝑦 )𝑑𝑦) 𝑑𝑥 =2
2 2
+∞ 2𝑦 +∞ 2𝑦 3
d. 𝐸(𝑌 2 ) = ∫0 (∫0 𝑦 2 𝑓(𝑥, 𝑦)𝑑𝑥 ) 𝑑𝑦 = ∫0 (∫0 𝑦 2 (2𝑒 −2𝑦 )𝑑𝑥 ) 𝑑𝑦 =
2
+∞ +∞ +∞ +∞
3
𝐸(𝑌 2 ) =∫ (∫ 𝑦 2 𝑓(𝑥, 𝑦)𝑑𝑦) 𝑑𝑥 = ∫ ( ∫ 𝑦 2 (2𝑒 −2𝑦 )𝑑𝑦) 𝑑𝑥 =
2
0 𝑥⁄ 0 𝑥⁄
2 2
+∞ 2𝑦 +∞ 2𝑦 3
e. 𝐸(𝑋𝑌) = ∫0 (∫0 𝑥𝑦𝑓(𝑥, 𝑦)𝑑𝑥 ) 𝑑𝑦 = ∫0 (∫0 𝑥𝑦(2𝑒 −2𝑦 )𝑑𝑥 ) 𝑑𝑦 =
2
+∞ +∞ +∞ +∞
3
𝐸(𝑋𝑌) = ∫ ( ∫ 𝑥𝑦𝑓(𝑥, 𝑦)𝑑𝑦) 𝑑𝑥 = ∫ ( ∫ 𝑥𝑦(2𝑒 −2𝑦 )𝑑𝑦) 𝑑𝑥 =
2
0 𝑥⁄ 0 𝑥⁄
2 2
Propiedades del valor esperado relacionadas con la suma de variables
Si 𝑋1 , ⋯ , 𝑋𝑛 son variables aleatorias y 𝑎0 , ⋯ , 𝑎𝑛 números reales cualesquiera:
1. 𝐸(𝑋1 + ⋯ + 𝑋𝑛 ) = 𝐸(𝑋1 ) + ⋯ + 𝐸(𝑋𝑛 )

2. 𝐸(𝑎0 + 𝑎1 𝑋1 + ⋯ + 𝑎𝑛 𝑋𝑛 ) = 𝑎0 + 𝑎1 𝐸(𝑋1 ) + ⋯ + 𝑎𝑛 𝐸(𝑋𝑛 )
3. 𝐸(𝐺1 (𝑋1 , ⋯ , 𝑋𝑛 ) + 𝐺𝑚 (𝑋1 , ⋯ , 𝑋𝑛 ) ) = 𝐸(𝐺1 (𝑋1 , ⋯ , 𝑋𝑛 )) + ⋯ + E(𝐺𝑚 (𝑋1 , ⋯ , 𝑋𝑛 ))

Vector Aleatorio - Resuelto PDF

Cargado por

Copyright:

Formatos disponibles

Vector Aleatorio - Resuelto PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Vector Aleatorio - Resuelto PDF

Cargado por

Copyright:

Formatos disponibles

𝑋: Número de veces que la tarea fue completada con éxito.

El rango conjunto de estas variables (o del vector) está dado por:

𝑅𝑋,𝑌 = 𝑅𝒳 = {(𝑥, 𝑦) ∈ 𝑁 2 ⁄𝑥 + 𝑦 = 4; 𝑥 = 0,1,2,3,4}

Observe que 𝑅𝑋 = 𝑅𝑌 = {0,1,2,3,4}; así 𝑅𝑋,𝑌 ≠ 𝑅𝑋 × 𝑅𝑌

𝑅𝑋 = {𝑥 ∈ 𝑅⁄𝑥 > 0} = (0, +∞) = 𝑅𝑌 =; así 𝑅𝑋,𝑌 ≠ 𝑅𝑋 × 𝑅𝑌

Aquí también tenemos variables dependientes.

Definición.- El modelo o distribución de probabilidades conjunto de las variables aleatorias 𝑋1 , ⋯ , 𝑋𝑛 es una

∑⋯ ∑ 𝑓(𝑥1 , ⋯ , 𝑥𝑛 ) , 𝑠𝑖 𝑋1 , ⋯ , 𝑋𝑛 𝑠𝑜𝑛 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎𝑠

1. Si 𝑋1 , ⋯ , 𝑋𝑛 son variables aleatorias discretas 𝑓𝑋1,⋯,𝑋𝑛 queda definido mediante:

Ejemplo 3.- En el contexto del ejemplo 1, sea la función de probabilidad conjunta:

𝑓𝑋,𝑌 (𝑥, 𝑦) = 𝑓(𝑥, 𝑦) = 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝐶𝑥4 (0.6)𝑥 (0.4)4−𝑥 , 𝑥 = 0,1,2,3,4 𝑒 𝑦 =4−𝑥

En otro caso 𝑓(𝑥, 𝑦) = 0

a. De obtener 3 éxitos y un fracaso.

𝑃(𝑋 = 3, 𝑌 = 1) = 𝑓(3,1) = 𝐶34 (0.6)3 (0.4)4−3 = 0.3456

b. De obtener 3 éxitos y 2 fracasos.

2𝑒 −2𝑦 , 0 < 𝑥 < 2𝑦

a. La confiabilidad del sistema para un periodo de un año.

= ∫ (4𝑦𝑒 −2𝑦 − 2𝑒 −2𝑦 ) 𝑑𝑦

= lim ∫(4𝑦𝑒 −2𝑦 − 2𝑒 −2𝑦 ) 𝑑𝑦

b. La probabilidad de que el primer componente dure más que el segundo.

𝑃(𝑋 > 𝑌) = ∫ (∫ 2𝑒 −2𝑦 𝑑𝑥 ) 𝑑𝑦 = 0.5

c. La confiabilidad del sistema para un periodo de 𝑡 años.

𝑃(𝑋 > 𝑡, 𝑌 > 𝑡) = ∫ (∫ 2𝑒 −2𝑦 𝑑𝑥 ) 𝑑𝑦 = 𝑒 −2𝑡 + 𝑡𝑒 −2𝑡

Sean 𝑋1 , ⋯ , 𝑋𝑛 variables aleatorias, con función de distribución conjunta de probabilidades 𝑓𝒳 = 𝑓𝑋1,⋯,𝑋𝑛 , y

∑ ⋯ ∑ 𝐺(𝑥1 , ⋯ , 𝑥𝑛 ) 𝑓𝑋1,⋯,𝑋𝑛 (𝑥1 , ⋯ , 𝑥𝑛 ) , 𝑠𝑖 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑠𝑜𝑛 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎𝑠

Ejemplo 5.- En el contexto del ejemplo anterior:

b. El tiempo de vida promedio del segundo componente.

Si 𝑋1 , ⋯ , 𝑋𝑛 son variables aleatorias y 𝑎0 , ⋯ , 𝑎𝑛 números reales cualesquiera:

1. 𝐸(𝑋1 + ⋯ + 𝑋𝑛 ) = 𝐸(𝑋1 ) + ⋯ + 𝐸(𝑋𝑛 )

También podría gustarte