Universidad T

ecnica Federico Santa Mara

Departamento de Matematica

Profesor: Ronny Vallejos

Clase 13: Variables Aleatorias Continuas Especiales

Distribuci
on Uniforme
Definici
on 1. Sea X una variable aleatoria continua que toma valores en el intervalo [a, b], donde
a, b son finitos. Si la funcion de densidad de probabilidad esta dada por
1
I[a,b] (x),
ba

fX (x) =

entonces diremos que X tiene una distribucion uniforme con parametros a y b y anotaremos
X U [a, b].
Teorema 1. Sea X U [a, b]. Entonces
1. FX (x) =

xa
I (x)
ba [a,b]

2. E[X] =

a+b
.
2

3. V[X] =

(ba)2
.
12

+ I]b,+[ (x).

Demostraci
on. Las demostracoines son el resultado de integracion directa.
1. Note que
Z x
Z x
dt
xa
fX (t)dt =
FX (x) =
=
, x b.
ba
a ba

Si x b entonces FX (x) = 1.
2.
Z

E[X] =
a

a+b
xdx
=
.
ba
2

3. Similarmente,
Z
V[X] =
a

x2 dx

ba

a+b
2

2
=

(b a)2
.
12

Observaci
on 1. Una variable aleatoria uniforme representa la analoga continua a los resultados
igualmente probables en el sentido siguiente: Para cualquier subintervalo [c, d] [a, b] donde
a c d b,
Z d
dx
dc
P[c X d] =
=
.
ba
c ba
Esta probabilidad solo depende de la distancia entre c y d. Luego cualquier intervalo de longitud
d c dentro del intervalo [a, b] tiene asociada la misma probabilidad.
Observaci
on 2. Podemos entonces en virtud de la observacion anterior, decir que si elegimos
un punto al azar proveniente de una poblacion uniforme, todos los puntos del intervalo tienen la
misma chance de ser elegidos.

MAT-043

Noviembre 19, 2013

Universidad T
ecnica Federico Santa Mara
Departamento de Matematica

Profesor: Ronny Vallejos

Ejemplo 1. Un punto se elige al azar sobre el segmento de lnea [0, 2]. Cual es la probabilidad
de que el punto escogido quede entre 1 y 3/2?
Supongamos que la variable X U [0, 1]. Entonces se nos pide
Z
P[1 X 3/2] =
1

3/2

dx
1
= .
2
4

Ejemplo 2. Un programa de TV dura en total una hora y un espectador impaciente puede cambiar
de canal en cualquier momento. Supongamos que el tiempo que el espectador sintoniza un canal
preferido es una variable aleatoria X con funcion de distribucion acumulada dada por:

0 x < 0
FX (x) = x 0 x 1

1 x 1.
a. Cual es la probabilidad de que el espectador sintonice la mayor parte del programa?
b. Si el espectador sintonizo la mayor parte del programa, Cual es la probabilidad de que
apague la TV o cambie de canal en los u
ltimos 10 minutos?
a. Note que la probabilidad pedida es
P[X > 1/2] = 1 P[X 1/2] = 1 FX (1/2) = 1/2.
b. Nos piden
P[5/6 X 1/X > 1/2] =

1/6
1
P[5/6 X 1]
=
= .
P[X > 1/2]
1/2
3

Una aplicacion muy importante de la distribucion uniforme es la generacion de n

umeros aleatorios. Los algoritmos congruenciales para la generacion de n
umeros pseudoaleatorios son una herramienta bastante popular.
Definici
on 2. Un generador congruencial se define como
Xi = (aXi1 + c) mod M,
donde a, c y M son constantes en Z y X0 se llama semilla (seed) y se us para inicializar el algoritmo.
La sucesion generada pertenece al rango {0, 1, 2, . . . , M 1}. Luego calculamos
Ui =

Xi
.
M

La secuencia de variables {Ui } proviene de una distribucion U [0, 1].

Observaci
on 3. La eleccion apropiada de las constantes a, c y M determinan el perodo de la
secuencia. Se desea que el perodo sea grande para que los n
umeros no se repitan.

MAT-043

Noviembre 19, 2013

Universidad T
ecnica Federico Santa Mara
Departamento de Matematica

Profesor: Ronny Vallejos

Observaci
on 4. Si c = 0, el generador
Xi = aXi1 mod M
se llama generador congruencial multiplicativo.
Ejemplo 3. Considere el generador congruencial definido como
Xi = (5Xi1 + 3) mod 16, X0 = 7,
Xi
.
Ui =
16
Obtenga los 5 primeros n
umeros de la secuencia {Ui }.
Note que
0 mod 16 = 0,
1 mod 16 = 1,
2 mod 16 = 2,
..
.
15 mod 16 = 15,
16 mod 16 = 0,
17 mod 16 = 1,
..
.
32 mod 16 = 0,
33 mod 16 = 1,
= X1 = (5X0 + 3) mod 16 = 38 mod 16 = 6.
= U1 = 6/16 = 0.3750.
= X2 = (5 6 + 3) mod 16 = 33 mod 16 = 1.
= U2 = 1/16 = 0.0625.
Siguiendo este esquema, obtenemos finalmente
U3
U4
U5
U6

= 0.50,
= 0.06875,
= 0.6250,
= 0.3125.

Observaci
on 5. El generador RANDU (IBM) es un generador congruencial multiplicativo definido
por:
Xi+1 = 65539 mod 231 ,
Xi
Ui+1 = 31 .
2
Este generador ha sido implementado en algunos programas computacionales como Matlab y R.
MAT-043

Noviembre 19, 2013

Universidad T
ecnica Federico Santa Mara
Departamento de Matematica

Profesor: Ronny Vallejos

Observaci
on 6. En Matlab el comando rand(m, n) genera una matriz de dimension m n con
n
umeros pseudoaleatorios U 0, 1]. Por ejemplo, el comando
X=rand(100,1)
hist(X)
genera 100 n
umeros pseudoaleatorios U [0, 1]. Un histograma puede ser usado para chequear visualmente si la distribucion subyacente es uniforme.
Observaci
on 7. En R se puede usar el comando
X=runif(100,0,1)
hist(X)
para realizar el mismo proceso descrito en Matlab.
Observaci
on 8. El siguiente codigo en R produce la figura que se muestra a continuacion:
X=runif(100,0,1)
Y=runif(500,0,1)
Z=runif(10000,0,1)
par(mfrow=c(1,3))
hist(X)
hist(Y)
hist(Z)
Histogram of Y

Histogram of Z

400

40

300

Frequency

30

Frequency
0.0

0.2

0.4

0.6

n=100

MAT-043

0.8

1.0

10

100

20

200

Frequency

10

12

500

50

14

Histogram of X

0.0

0.2

0.4

0.6

n=500

0.8

1.0

0.0

0.2

0.4

0.6

0.8

1.0

n=10000

Noviembre 19, 2013