TAREA 1

Pregunta 1

1. Dibujamos la funcin de probabilidad conjunta:

1.5
X1X2

1
p

0.5

0
1
0.8 1
0.6 0.8
0.4 0.6
0.4
y1 0.2
0.2 x1
0 0

Figura 1: Densidad conjunta de probabilidades

2.

Debemos confirmar que cumple con las propiedades de densidad de probabilidad.

Por la figura 1 es fcil apreciar que posee un comportamiento monotnico creciente para cualquiera
de las dos variables de anlisis. En consecuencia, la probabilidad obtenida al integrar en este espacio
ser siempre positiva:

(1 , 2 ) 0
La otra propiedad importante, es que, al integrar en todo el espacio, la densidad de probabilidades
debe ser igual a 1:
1 1
1 + 2 1 2 = 1
0 0

Una tercera propiedad importante, es que es posible recuperar las densidades individuales de cada
variable mediante esta densidad:
1
1 (1 ) = (1 + 2 ) 2
0

1
= 1 +
2
Adicionalmente, una propiedad interesante es que se cumple que:
1 1
12 1
1 (1 ) = 1 + 2 1 2 = +
0 0 2 2

3.

Dada la simetra de la definicin, es suficiente calcular una de las densidades de probabilidad:

1
1 (1 ) = (1 + 2 ) 2
0

1
= 1 +
2
En consecuencia:
1
2 (2 ) = 2 +
2
Podemos ver claramente que las variables no son independientes:

1 1
(1 + ) (2 + ) 1 + 2
2 2
4.
0.5 0.5
12 (0.5,0.5) = 1 + 2 1 2
0 0
0.5
1 2
= + 2
0 8 2
1
=
8
 (1 > 0,5) = 1 (1 0.5)
0.5
1
= 1 1 +
0 2 1
5
=
8

0.5 0.52
(1 + 2 0,5) = 1 + 2 1 2
0 0

= 0.042

5. Determinamos la esperanza mediante definicin:

1
1
{1 } = 1 (1 + ) 1
0 2

7
= = 0.583
12

6. Determinamos la varianza como:

() = (2 ) ()2

Entonces, es necesario conocer el segundo momento:

1
1
{12 } = 12 (1 + ) 1
0 2

= 0.417

Obtenemos as la varianza:

(1 ) = 0.417 0.5832 = 0.077

7. Para obtener la covarianza, encontramos la siguiente relacin:

(1 , 2 ) = (1 2 ) (1 )(2 )

Entonces calculamos:
1 1
(1 2 ) = 1 2 (1 + 2 )1 2
0 0

= 0.333

Finalmente, la covarianza es:

(1 , 2 ) = 0.333 0.5832 = 0.007

Pregunta 2

1. En primer lugar, se determina la esperanza de la funcin gamma:

+1

= () = +1
0 ( + 1)

1 +1
= ( )
( + 1) 0

1 +1
= ( )
( + 1) 0

+1 1
= ( )
( + 1) 0

Aplicamos un cambio de variable:

= =



= ()+1
( + 1) 0

Se utiliza las propiedades y la definicin de la funcin gamma:

= ( + 2) = ( + 1) ( + 1)
( + 1) ( + 1)
= ( + 1)

2. Para determinar la varianza, utilizamos que:

() = (2 ) ()2

Entonces, se calcula el segundo momento de la funcin gamma:

+2
(2 ) = +1
0 ( + 1)

+2
= ( )
( + 1) 0

+2
= ( )
( + 1) 0

2 +2 1
= ( )
( + 1) 0

= =


2
= ()+2
( + 1) 0

2
= ( + 3)
( + 1)
2
= ( + 1) ( + 2) ( + 1)
( + 1)
= 2 ( + 2) ( + 1)

Y calculamos la varianza:

= (2 ) ()2 = 2 ( + 2) ( + 1) 2 ( + 1)2

= 2 ( + 1) ( + 2 1)
= 2 ( + 1)
3. Para determinar la ecuacin caracterstica, comenzamos mediante su definicin:



() = +1
0 ( + 1)

1 ( )
1
=
( + 1) 0 +1

1
1
=
( + 1) +1 0

Realizamos un cambio de variable conveniente (lo que se busca es formar la funcin gamma dentro
de la integral):
1
=

1
=


1

= +1 ( )
( + 1) 0 1 1
+1
1
= ( ) ()
( + 1) +1 1 0
+1
1
= ( ) ( + 1)
( + 1) +1 1
= (1 )1
Ahora, a partir de este resultado, derivamos para obtener el n-simo momento de la funcin
gamma:

1 (1 )1
( ) = (0)


= ( ( + ))
=1
Pregunta 3

En primer lugar, tenemos lo entregado por enunciado:

{ ( )} = ( ) 1 1
=1

Como las variables son independientes, la probabilidad conjunta la podemos desacoplar en el

producto de las densidades individuales, obteniendo rpidamente el resultado requerido:

= ( ) ( ) 1
=1 =1

= ( ( ) ( )) 1
=1

= ( ) ( )
=1

= { ( )}
=1
Pregunta 4

En primer lugar, una serie de Maclaurin es una serie de Fourier evaluada en 0. Por lo tanto, el
desarrollo en serie de Maclaurin de una funcin () es:

()(0)
() = ( 0)
!
=0

Para encontrar la forma de esta serie, calculamos el primer trmino y luego los siguientes en funcin
de n:

(0) 0
=0 = 0 = 1
0!

()
: (0) = ( ) (0)
! !



= ( ( ) (0) )
!



= ( 0 )
!



= ( )
!



= { }
!

En consecuencia, la serie queda como:

() = 1 + { }
!
=1

En particular, evaluando para n=1,2,3:

() = 1 + {} { 2 } {3
1! 2! 3!