Presentacion

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 26

1.

Distribución Probabilı́stica de
Variables Aleatorias
Multidimensionales

Prof. Juan Chapi Mamani

Estadı́stica II

La Paz II/2020

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 1 / 20
Esquema

1 Introducción

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 2 / 20
Esquema

1 Introducción

2 Variables Aleatorias Bidimensionales

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 2 / 20
Esquema

1 Introducción

2 Variables Aleatorias Bidimensionales

3 Distribuciones Bidimensionales Discretas y Continuas

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 2 / 20
Esquema

1 Introducción

2 Variables Aleatorias Bidimensionales

3 Distribuciones Bidimensionales Discretas y Continuas

4 Distribuciones Marginales y Condicionales

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 2 / 20
Esquema

1 Introducción

2 Variables Aleatorias Bidimensionales

3 Distribuciones Bidimensionales Discretas y Continuas

4 Distribuciones Marginales y Condicionales

5 Independencia de Variables Aleatorias

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 2 / 20
Esquema

1 Introducción

2 Variables Aleatorias Bidimensionales

3 Distribuciones Bidimensionales Discretas y Continuas

4 Distribuciones Marginales y Condicionales

5 Independencia de Variables Aleatorias

6 Covarianza y Correlación

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 2 / 20
Esquema

1 Introducción

2 Variables Aleatorias Bidimensionales

3 Distribuciones Bidimensionales Discretas y Continuas

4 Distribuciones Marginales y Condicionales

5 Independencia de Variables Aleatorias

6 Covarianza y Correlación

7 La Distribución Normal Bivariante

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 2 / 20
Introducción

Introducción


Ejemplos
peso y estatura de los individuos de una población
renta y consumo de las familias
producción y costes en una empresa
longitud y dureza de las piezas fabricadas en un proceso de
producción
Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 3 / 20
Variables Aleatorias Bidimensionales


variable aleatoria bidimensional discreta
Se dice que (X , Y ) es una v.a.b.d. si los posibles valores (x, y ) de
(X , Y ) son finitos o infinitos numerables.

variable aleatoria bidimensional continua


Se dice que una v.a.b. (X , Y ) es continua si ambas variables son
continuas y su rango es un subconjunto de R2 , esto es, RXY ⊂ R2 .
Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 4 / 20
Distribuciones Bidimensionales Discretas y Continuas

Función de probabilidad conjunta de una v.a.b. discreta


Sea X e Y una v.a.b.d. con rango RXY = {(x, y )/x, y ∈ Z}. Se
llama función (masa) de probabilidad conjunta discreta, a la función

p(x, y ) = P(X = x, Y = y )

que satisface las siguientes condiciones


1 p(x, y ) ≥ 0 ∀(x, y ) ∈ RXY
PP PP
2 p(x, y ) = P(X = x, Y = y ) = 1
x y x y

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 5 / 20
Distribuciones Bidimensionales Discretas y Continuas

Función de probabilidad conjunta de una v.a.b. continua


Sea X e Y una v.a.b.c. con rango RXY ⊂ R2 . Se llama función de
densidad de probabilidad conjunta continua, a la función

f : RXY ⊂ R2 7→ R+

que satisface las siguientes condiciones


1 f (x, y ) ≥ 0 ∀(x, y ) ∈ RXY
+∞
R +∞R
2 f (x, y )dxdy = 1
−∞ −∞

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 6 / 20
Distribuciones Bidimensionales Discretas y Continuas

La probabilidad de un evento C contenido en el plano XY , es dado po


Z Z
P[(X , Y ) ∈ C ] = f (x, y )dxdy
x y ∈C

Si A y B son subconjuntos de números reales, entonces al definir


C = A × B = {(x, y )/x ∈ A ∧ y ∈ B}, se tiene
Z Z
P[x ∈ A, y ∈ B] = f (x, y )dxdy
B A

en particular, si R = {(x, y )/a ≤ x ≤ b, c ≤ y ≤ d}, se tiene

Zd Zb
P[a ≤ x ≤ b, c ≤ y ≤ d] = f (x, y )dxdy
c a

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 7 / 20
Distribuciones Bidimensionales Discretas y Continuas

Función de distribución acumulada bivariada discreta


Esta función se denota por F , es la función F : R2 7−→ [0, 1] definida
por la regla de correspondencia
XX
F (x, y ) = P(X ≤ x, Y ≤ y ) = p(xi , yj ), ∀x, y ∈ RXY
yj ≤y xi ≤x

1 F (−∞, y ) = 0, F (y , −∞) = 0, y F (+∞, +∞) = 1


2 P(a < X ≤ b, c < Y ≤ d) = F (b, d)−F (a, d)−F (b, c)+F (a, c)
3 P(X > a, Y > b) = 1 − FX (a) − FY (b) + F (a, b)
4 P(X ≤ a) = F (a, +∞) = FX (a)
5 P(Y ≤ b) = F (+∞, b) = FY (b)

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 8 / 20
Distribuciones Bidimensionales Discretas y Continuas

Función de distribución acumulada bivariada continua


Sea (X , Y ) una v.a.b. continua con función de densidad conjunta
f (x, y ), entonces la función de distribución conjunta es
Zy Zx
F (x, y ) = P(X ≤ x, Y ≤ y ) = f (x, y )dxdy
−∞ −∞

Si F (x, y ) es una función absolutamente continua, entonces

∂ 2 F (x, y )
f (x, y ) =
∂x∂y

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 9 / 20
Distribuciones Marginales y Condicionales

Caso v.a.b. discretas


• función de probabilidad marginal de X
X
pX (x) = P(X = x) = p(x, y ) = p(x)
y

• función de probabilidad marginal de Y


X
pY (y ) = P(Y = y ) = p(x, y ) = p(y )
x

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 10 / 20
Distribuciones Marginales y Condicionales

Caso v.a.b. continuas


• función de probabilidad marginal de X

Z+∞
fX (x) = f (x) = f (x, y )dy
−∞

• función de probabilidad marginal de Y

Z+∞
fY (y ) = f (y ) = f (x, y )dx
−∞

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 11 / 20
Distribuciones Marginales y Condicionales

Caso v.a.b. discretas


• función de probabilidad condicional de X dado Y = y

P(X = x, Y = y ) p(x, y )
p(x/y ) = P(X = x/Y = y ) = =
P(Y = y ) pY (y )
• función de probabilidad condicional de Y dado X = x

P(X = x, Y = y ) p(x, y )
p(y /x) = P(Y = y /X = x) = =
P(X = x) pX (x)

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 12 / 20
Distribuciones Marginales y Condicionales

Caso v.a.b. continuas


función de probabilidad condicional de X dado Y = y

f (x, y ) f (x, y )
fX /Y (x/y ) = f (x/y ) = =
fY (y ) f (y )

función de probabilidad condicional de Y dado X = x

f (x, y ) f (x, y )
fY /X (x/y ) = f (y /x) = =
fX (x) f (x)

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 13 / 20
Independencia de Variables Aleatorias

Definición 1
Sea (X , Y ) una v.a.b., se dice que las variables aleatorias X e Y son
independientes sys

F (x, y ) = FX (x) · FY (y ) ∀(x, y )

si no se verifica esta igualdad para un par (x, y ) caso discreto, se dice


que X e Y no son independientes.

Definición 2
Sea (X , Y ) una v.a.b. discretas con función de probabilidad p(x, y ),
se dice que las variables aleatorias X e Y son independientes sys

p(x, y ) = P(X = x, Y = y ) = P(X = x)·P(Y = y ) = pX (x)·pY (y )

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 14 / 20
Independencia de Variables Aleatorias

Definición 3
Sea (X , Y ) una v.a.b. continuas con función de probabilidad f (x, y ),
se dice que las variables aleatorias X e Y son independientes sys

fXY (x, y ) = f (x, y ) = fX (x) · fY (y ) = f (x) · f (y ) ∀(x, y )

Definición 4
También se puede verificar la independencia de dos v.a.b. X e Y , sys

fX /Y (x/y ) = fX (x) o fY /X (y /x) = fY (y )

Theorem
Si X e Y son v.a.b. independientes, entonces

E [XY ] = E (X ) · E (Y )

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 15 / 20
Covarianza y Correlación

Covarianza

Definición.
Es el valor promedio del producto de las desviaciones de X e Y con
relación a sus respectivas medias. es decir

Cov (X , Y ) = σXY = E [(X −E (X ))(Y −E (Y ))] = E [XY ]−E (X )·E (Y )

y mide la correlación que existe entre las dos v.a. X e Y . Tal que

> 0
 correlación directa
Cov (X , Y ) = σXY = 0 no existe correlación

<0 correlación inversa

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 16 / 20
Covarianza y Correlación

Teorema
Si X e Y son v.a.b. y g (X , Y ) una función cualquiera, entonces, el
valor esperado de ésta función se obtiene:
P P


 g (x, y ) · p(x, y ) caso discretas
x y
E [g (X , Y )] = +∞
R +∞
R


 g (x, y ) · f (x, y )dxdy caso continuas
−∞ −∞

Algunas propiedades para tomar en cuenta


1 Si X e Y son v.a.b. independientes, entonces Cov (X , Y ) = 0
2 Si X e Y son v.a.b., entonces
V [X ± Y ] = V [X ] + V [Y ] ± 2Cov (X , Y )
3 Si X e Y son independientes, entonces
V [X ± Y ] = V [X ] + V [Y ]

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 17 / 20
Covarianza y Correlación

Correlación
Coeficiente de Correlación
Si X e Y son v.a.b., entonces
σXY Cov (X , Y )
ρXY = =p tal que: − 1 ≤ ρXY ≤ 1
σX · σY V [X ] · V [Y ]

1 Cuando ρXY = ±1, entonces existe una correlación lineal


perfecta entre X e Y , es decir, Y = a + bX
El grado de asociación lineal entre X e Y varı́a a medida que
ρXY varı́a entre −1 y +1.
2 Para a y b constantes, se tiene

i) ρ(X + a, Y + b) = ρXY ii) ρ(aX , bY ) = ρXY

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 18 / 20
La Distribución Normal Bivariante

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 19 / 20
La Distribución Normal Bivariante

juchama24@gmail.com jchapim@doc.emi.edu.bo
77561916

Prof. Juan Chapi Mamani (3ACOM) Variables Aleatorias Multidimensionales La Paz II/2020 20 / 20

También podría gustarte