Hola
Lo revisaré todo. La condición \( V(Y)\leq{}b^2/4 \) se cumple por la desigualdad de Gruss de covarianzas.
Si, eso es lo que quise decir. Lo puntualizaba no como condición a exigir en el teorema, sino simplemente para tener cuidado a la hora de tomar ejemplos; no tiene sentido tomar uno donde no se cumpla esa cota porque no existirían distribuciones en esas condiciones. Eso lo he tenido en cuenta en el gráfico y el propio Geogebra controla que no se supere esa cota. Por esto en algún caso al modificar el valor de \( b \) o el de la varianza se ve a su vez cambiado el otro, para respetar la condición.
De hecho olvidé que debido a que también es un dato la media de \( Y \), la condición es todavía más restrictiva (y por eso para ciertos ejemplos me salía una cota 3 negativa, lo cuál no es posible). Se tiene que cumplir que:
\( \sigma_2^Y\leq (-\mu_X+b-\mu_Y)(\mu_Y+\mu_X) \)
Eso no lo tiene en cuenta el gráfico, y por eso pudiera haber algún resultado extraño. Una vez más esa condición no es que sea un hipótesis de la cota, sino que no existen distribuciones \( Y \) que NO la cumplan.
En resumen, tendríamos tres cotas. En la segunda cota, también se cumple \( \mu_X+\mu_Y>0 \), pues la media de \( Y \) necesariamente es un valor de su soporte.
Si, por supuesto. En las tres cotas se cumple eso.
La cota 3 es muy parecida a la cota 2, pero se le agrega una nueva restricción. Hay algo raro en el gráfico, si se mueve \( b \) la varianza de \( Y \) debería incrementarse y de hecho baja.
Las posibles interacciones entre \( b \) y la varianza son debidas al "esfuerzo" de geogebra por respetar la desigualdad de Gruss. Sea como sea , fuera del control cota, en realidad son dos parámetros independientes que podemos elegir al gusto; no hay ningún motivo para que uno baje o suba al subir o bajar el otro.
La cota 3 es muy parecida a la cota 2, pero se le agrega una nueva restricción
OJO. La cota 3 es más rica que la cota 2; vale para cualquier soporte finito de \( Y \) a la derecha de \( -\mu_X \) y en ella interviene la varianza de \( Y \). Es significativamente mejor que la 2, cuando la varianza de \( Y \) es alta.
Saludos.