Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad Michoacana de San Nicol as de Hidalgo Facultad de Ingenier a El ectrica Divisi on de Estudios de Postgrado
Esperanza Matemtica
El valor esperado de una variable aleatoria discreta X con distribucin de probabilidad f (x) es E [X ] =
x
xf (x)
E [X ] =
xf (x)dx
Ejemplo
Juan arroja un dado y gana $1 si obtiene 1 o 2, $2 si obtiene un 3 o un 4, $4 si sale 5 y $8 si sale 6. Cuanto dinero debera pagar antes de arrojar el dado para que el juego sea justo?
Ejemplo
Juan arroja un dado y gana $1 si obtiene 1 o 2, $2 si obtiene un 3 o un 4, $4 si sale 5 y $8 si sale 6. Cuanto dinero debera pagar antes de arrojar el dado para que el juego sea justo? 1 1 1 1 xf (x) = (1) + (2) + (4) + (8) = 3 3 3 6 6
E [X ] =
x
g (x, y )f (x, y )
E [g (X, Y )] =
xk f (x) xk f (x)dx
E [X k ] =
Momentos centrales
E [(X )k ] =
x
(x )k f (x) (x )k f (x)dx
E [(X )k ] =
El primer momento central es cero E [(X )] = E [X ] = = 0 El segundo momento central es la varianza 2 = E [(X )2 ]
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.7/22
La varianza
Ejemplo
X: Nmero obtenido al lanzar un dado legal 1 1 1 1 1 7 1 = E [X ] = (1) +(2) +(3) +(4) +(5) +(6) = 6 6 6 6 6 6 2 91 1 2 1 2 1 2 1 2 1 2 1 E [X ] = (1 ) +(2 ) +(3 ) +(4 ) +(5 ) +(6 ) = 6 6 6 6 6 6 6
2 2
91 49 182 147 35 = = = E [X ] = 6 4 12 12
2 2 2
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.9/22
Desviacin Estandar
Una distibucin normal tiene 6 sigma (6 ) de ancho aproximdamente
0.8 0.8 0.6 0.6
0.4
0.4
0.2
0.2
0 8
0 8
=1
=2
El sesgo
Si una distribucin es simtrica respecto a la media (), entonces su tercer momento central es cero El sesgo se dene como: 1 = 3 E [(X )3 ]
0.8
0.4
0.6
0.3
0.4
0.2
0.2
0.1
0 8
10
15
20
25
30
35
=0
=0
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.11/22
La curtosis
La curtosis utiliza el cuarto momento central para dar una medida de la picudez de la distribucin 1 = 4 E [(X )4 ] La distribucin normal (gaussiana) tiene una curtosis de 3, por lo cual, mientras mas cercana a 3 es la curtosis de una distribucin, mas "normal" es.
G(t) = E [etX ] =
dG(t) = dt dk G(t) = k dt
xk etx f (x)dx
Ejemplo
Encuentre los primeros 4 momentos alrededor del origen de la
1 1t
G (t) =
G (t) 2 = E [X ] = 2 1 = 1
La desigualdad de Chebyshev
La probabilidad de que la variable aleatoria X tome un valor que est a una distancia de la media menor a k desviaciones estandar es mayor o igual a 1 k12 1 P (|X | < k ) 1 2 k
2
Ejemplo: La probabilidad de que la variable aleatoria tome un valor a una distancia menor que 2 desviaciones estandar de la media es mayor o igual a 1 212 = 3 . 4 La probabilidad de que la variable aleatoria tome un valor a una distancia menor que 3 desviaciones estandar de la media es mayor o igual a 1
1 32 8 =9 .
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.15/22
La Covarianza XY
La covarianza entre dos variables aleatorias X y Y es un indicador de la relacin que hay entre ellas XY = E [XY ] x y
2 = XX = E [X 2 ] 2 Nota: Esto es anlogo a X x
Ejemplo
La distribucin cd probabilidad de X y Y se muestra en la siguiente tabla (c = X \Y 0 1 2 E [X ] = P P
13 7 y xf (x, y ) = 1 ): 42
0 0 2c 4c
1 c 3c 5c
2 2c 4c 6c
3 3c 5c 7c
P 29 1 x y f (x, y ) = (0)(6c)+(1)(14c)+(2)(22c) = 58( 42 ) = 21 x x P P P P E [Y ] = x y yf (x, y ) = y y x f (x, y ) = (0)(6c) + (1)(9c) + (2)(12c) + (3)(15c) = P P P E [XY ] = x y xyf (x, y ) = (0)(0)(0) + (0)(1)(c) + (0)(2)(2c) + (0)(3)(3c) + (1)(0)(2c) + (1)(1)(3c) + (1)(2)(4c) + 1 (1)(3)(5c) + (2)(0)(4c) + (2)(1)(5c) + (2)(2)(6c) + (2)(3)(7c) = 162( 42 ) = 17 7 XY = E [XY ] E [X ]E [Y ] =
17 7
1 78( 42 )=
29 13 21 7
20 = 147
Ejemplo (continuacin)
X \Y 0 1 2 E [X 2 ] = P P
x 17 7 2 y x f (x, y ) =
0 0 2c 4c P
1 c 3c 5c
2 2c 4c 6c
3 3c 5c 7c
2 xx
( 29 )2 = 21 ( 13 )2 = 7
230 441 55 49
Matrz de covarianzas
2 X X1 X2 1 2 X2 X1 X 2 . . . . . . Xn X1 Xn X2
. . . X1 Xn . . . X2 Xn . . ... . 2 . . . X n
Donde: Xi Xj = Xj Xi i, j
Si todas las variables X1 , X2 , .., Xn son independientes, entonces la matrz de covarianzas es una matrz diagonal. Si todas las variables X1 , X2 , .., Xn son independientes, entonces E [X1 X2 Xn ] = E [X1 ]E [X2 ] E [Xn ]
Dr. J Antonio Camarena Ibarrola, DEPFIE, UMSNH p.19/22
Ejemplo
Para el ejemplo anterior la matrz de covarianzas es:
230 441 20 147 20 147 55 49
El coeciente de correlacin
El coeciente de correlacin mide la asociacin entre dos variables aleatorias XY = X Y Para el ejemplo anterior = 20/147 230/241 55/49 = 0.2103