Professional Documents
Culture Documents
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Control # 2
Ra
ul Gouet, Jorge Lemus.
1. Considere una colonia de bacterias con poblacion inicial n0 . En cada generacion la cantidad de
bacterias puede multiplicarse por > 1, con probabilidad p, o dividirse por con probabilidad
1 p. La multiplicacion o division de la poblacion ocurre de manera independiente en cada perodo.
Considere la variable aleatoria Xn , que mide la poblacion de bacterias en la generacion n.
(a) (1 pto.) Pruebe que Xn toma valores en el conjunto {k n0 }nk=n . Es decir, Xn = Un n0 ,
donde Un es una variable aleatoria discreta que toma valores en {n, ..., n}.
Soluci
on: Lo probaremos por induccion en n.
Caso Base: La poblacion inicial es n0 = 0 n0 .
Paso inductivo: Supongamos que en el periodo n la poblacion puede tomar valores en {k n0 }nk=n .
Usando esta hipotesis e independencia en cada periodo, se tiene que en el periodo n + 1 hay
dos casos posibles: Si la poblacion se multiplica en , los resultados estaran en {k+1 n0 }nk=n ;
Si la poblacion se divide, los resultados estaran en {k1 n0 }nk=n . Luego, para el perodo n + 1
los resultados estaran, en cualquier caso, en el conjunto {k n0 }n+1
k=(n+1) .
Consideremos Y = Un n0 en donde Un es una variable aleatoria discreta que toma valores en
{n, ..., n}. Los valores que toma Y estan en {k n0 }nk=n . Si ademas P(Xn = k n0 ) = P(Un =
k), entonces las variables aleatorias Xn y Y tienen la misma distribucion de probabilidad.
Defina las variables aleatorias Rn :Cantidad de veces que la poblacion se multiplico y Ln :
Cantidad de veces que la poblacion se dividio. Notar que Rn + Ln = n.
(b) (2 ptos.) Encuentre la distribucion de probabilidades de Rn y de Ln y exprese Un en terminos
de Rn .
Soluci
on: Notemos que la variable Rn puede ser vista como la cantidad de exitos (la
poblacion se multiplico) en un total de n intentos. Por lo tanto, la variable Rn sigue una
distribucion Binomial de parametros n y p, Rn Bi(n, p).
n k
P(Rn = k) =
p (1 p)nk ,
k
k 0, 1, ..., n
n
pnk (1 p)k ,
nk
n
nk
n nk
P(Ln = k) =
p
(1 p)k ,
k
n
k
k 0, 1, ..., n
, se tiene que
k 0, 1, ..., n
(c) (3 ptos.) Encuentre P(Un = k) y use este resultado para encontrar la distribucion de probabilidades de Xn .
Soluci
on: La suma de binomiales con el mismo parametro p sigue una binomial. Este NO es
el caso, pues Rn Bi(n, p) y Ln Bi(n, 1 p).
Por lo tanto, usando la relacion encontrada en la parte anterior, se calcula
n+k
.
P(Un = k) = P(Rn Ln = k) = P(Rn (n Rn ) = k) = P Rn =
2
Notemos que Rn toma valores en {0, 1, ..., n}. Esto implica que si n+k
2 6 {0, 1, ..., n}, entonces
n+k
n+k
P(R
= 0. Por otra parte, si 2 = m {0, 1, ..., n}, entonces P(Rn = n+k
2 ) =
n = 2 )nm
n m
.
m p (1 p)
Esto lo podemos reescribir como:
n+k
P Rn =
2
=
(
0
n + k impar
n
n+k
2
n+k
2
n n+k
2
(1 p)
n + k par
n
n+k
2
n+k
2
(1 p)n
n+k
2
n
x
para x 6 N, pero
1
x2 y 2
x 1, y 1.
x
y v(x, y) = y , se tiene que x(u, v) = uv y y(u, v) = u/v. Sin embargo, se requiere que
x(u, v) 1 y que y(u, v) 1. Esto nos entrega condiciones sobre las variables (u, v), es decir,
uv 1 y uv 1. Por lo tanto, consideremos el conjunto D = {(u, v) : 1 u, u1 v u} y la
transformacion:
T : [1, ) [1, ) D
(x, y) T (x, y) =
xy
x/y
(2)
x
w
= .
y
z
p
T sobreyectiva: Sea (a, b) D. Entonces, considerando x = ab 1 y y = ab 1, se
tiene que T (x, y) = (a, b). Notar que esto no es cierto si no restringimos la llegada de T
al conjunto D.
2
v
2 u
1
2 uv
u
2 v
1
u
2 v3
1
=
2v
1 1
1
= 2
2
u 2v
2u v
Luego, la densidad conjunta para el vector aleatorio (U, V ) esta dada por:
(
fU,V (u, v) =
1
2u2 v
(u, v) D
.
(u, v) 6 D
Z
fU,V (u, v)dv =
1
u
1
1
1
ln u
dv = 2 [ln v] u1/u = 2 [ln u ln(1/u)] = 2
2
2u v
2u
2u
u
Z
fU,V (u, v)du =
max{1/v, v}
1
1 1
1
1
=
du =
=
.
2
2u v
2v u max{1/v,v} 2v max{1/v, v}
max{2, 2v 2 }
3 2
2 (x
+ y2)
0 x 1, 0 y 1
en otro caso.
(a) (1.2 ptos) Encuentre las densidades marginales de X e Y . Son X e Y variables independientes?
Soluci
on:
Si x 6 [0, 1], entonces fX (x) = 0. Sea x [0, 1]. La densidad marginal de X es:
Z1
fX (x) =
3 2
3
1
(x + y 2 )dy = x2 + .
2
2
2
Si y 6 [0, 1], entonces fY (y) = 0. Sea y [0, 1]. La densidad marginal de Y es:
Z1
fY (y) =
3
1
3 2
(x + y 2 )dx = y 2 + .
2
2
2
Si las variables fuesen independientes se debera cumplir que fX,Y (x, y) = fX (x)fY (y). Sin
embargo,
3 2 1
3 2 1
3
fX (x)fY (y) =
6= (x2 + y 2 ).
x +
y +
2
2
2
2
2
Es decir, las variables no son independientes.
(b) (1.2 ptos) Encuentre las densidades condicionales fX|Y (x|Y = y) y fY |X (y|X = x).
Soluci
on:
Nuevamente nos centraremos en el caso x, y [0, 1], pues en otro caso vale cero.
fX|Y (x|Y = y) =
f (x, y)
x2 + y 2
=3 2
.
fY (y)
3y + 1
fY |X (y|X = x) =
f (x, y)
x2 + y 2
=3 2
.
fX (x)
3x + 1
01/2 3
(1/2)2 + y 2
1
dy = .
2
3(1/2) + 1
2
P(X < 12 , Y 12 )
1/8
1
1
2
=
|Y ) =
= .
2
2
5/16
5
Y 12 )
E(X) =
Z
xfX (x) =
3 3 x
3 1
3+2
5
x + dx = + =
= .
2
2
8 4
8
8
E(X ) =
x fX (x) =
0
2)
3 4 x2
3
1
9+5
14
7
x + dx =
+ =
=
= .
2
2
10 6
30
30
15
E(X 2 ).
Z
P(Z a) = P(XY a) =
0
3
=
2
Z
0
1
1 Z min{1, a
}
y
0
3 2
3
(x + y 2 )dxdy =
2
2
Z
0
1 3
x
x=min{ ay ,1}
+y x
2
x=0
Z
Z
1
a
a
3 a 1
3 1 a3
3
2
2
2a
min{ , 1} + y min{ , 1} dy =
+ y dy +
+y
3
y
y
2 0
3
2 a 3y 3
y
4
3
a a3
a
1
3a 1 a2
=
+
1 +
.
+
2
2
4 a2
2 2
2
As,
P(XY a) =
a a3 a a3 3a 3a3
a
+
+
+
= (3 a2 ).
2
2
4
4
4
4
2
2 0
2 2 3
4
Luego, Cov(X, Y ) =
1
4
25
64
1625
64
9
64 .
3 3 2
1
x2 + y 2
dx = 2
+ y .
x3 2
3y + 1
3y + 1 4 2