P. 1
Probabilidad Marginal

Probabilidad Marginal

|Views: 16|Likes:

More info:

Published by: Victor Ivan Farias Rosas on Dec 11, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

11/04/2014

pdf

text

original

2.

8 Distribución Marginal conjunta
Probabilidad Marginal En el caso de una distribución bivariable (Una distribución con dos características), muchas de las veces solo se tiene interés en la distribución de probabilidades de variables individuales consideradas separadamente. No obstante, la distribución de probabilidades univariables de cada una de las variables individuales puede ser obtenida mediante la suma de las probabilidades conjuntas a través de filas o columnas de una tabla que represente las variables. Marginal: omportamiento de una variable sin considerar otra.

!ara la variable aleatoria "# • Px ( x ) ≡ P[ X = x ] = ∑∀y p xy ( x , y i )
i

• •

Fx ( x ) ≡ P[X ≤ x ] = ∑x ≤x p x ( x i ) = Fxy ( x , ∞) lo cual es i$ual a
i

∑ ∑
x i ≤x

∀y i

p xy ( x i , y i )

%imilarmente se hace para la variable aleatoria & Probabilidad Conjunta En un espacio muestra bivariable o multivariable cada resultado posible hace referencia a dos o m's características. Entonces la probabilidad de un resultado conjunto es denotado de la si$uiente forma# ! (() ᴖ*)) (() + *) son variables del conjunto). Conjunta:
• •

uando dos o m's variables tienen comportamientos conjuntos

Pxy ( x , y) ≡ P[(X = x )  (Y = y)]

Fxy ( x , y) ≡ ∑x ≤x ∑y ≤y p xy ( x i , y i ) lo
i i

cual

es

i$ual

a

P[(X ≤ x )  ( Y ≤ y)]

Probabilidad Condicional Usualmente, es deseado conocer la probabilidad de que un evento ocurra, dado que un se$undo evento ocurra a su ve,. Esto si$nifica que la probabilidad de que un evento se dé, esta condicional a un se$undo evento que permita el desarrollo del mismo. Condicional: %i se conoce el valor de una de las variables aleatorias "-+ ., las probabilidades relativas de los diferentes valores de la otra variable est'n dados por p xy ( x , y 0 ) , se tiene una fmp condicional de & dado ".

Farías Rosas Víctor Iván

Página 1

y) = P[ X ≤ x / Y = y] = ∫ f X / Y ( u . x ) p x ( x ) 0unción de distribución de probabilidad# • P[ x1 ≤ X ≤ x 2] = ∫ x2 x1 ∫ y2 y1 f xy ( x . y) = FXY ( x . 2ensidad conjunta se inte$ra sobre valores de " + se tiene función de distribución de probabilidad mar$inal de &# f X (x) = ∫f ∞ − ∞ XY ( x . ∀x i %e cumple adem's lo se/alado anteriormente • 0 ≤ ox / y ≤ 1 y ∑ ∀ xi x / y p ( x i . ∞ ) ∂ x " para la ondicional# f Y ( y 0 ) =∫ f XY ( x . y) = f XY ( x . y) = p x / y ( x .8 Distribución Marginal conjunta • Px / y ( x. y ) = P[( X = x ) ∧ (Y = y )] = P[( − ∞ ≤ X ≤ x ) ∧ ( − ∞ ≤ Y ≤ y ) ] = ∫ ∫ x y −∞ −∞ f xy ( x 0 . y )dy FX ( x ) = ∫ f x − ∞ X ( x 0 )dx 0 =FXY ( x . Función de distribución de probabilidad marginal y Condicional. y) . y) ∂ x∂ y 2e donde. y) = p xy ( x . y) = P[X = x / Y = y] = P[(X = x )  ( Y = y)] . !ara " dado &. y)dxdy =1 para todo el intervalo " la cumulada. y)du Farías Rosas Víctor Iván Página 2 . Conjunta a partir de las probabilidades Marginales y Condicionales • Pxy ( x . Fxy ( x. f X / Y ( x . y 0 )dx !or lo cual.2. y) p y ( y)] = ∑ p xy ( x . y) f Y ( y) x −∞ FX / Y ( x . y) p y ( y) = p y / x ( y. y)dydx 1a función de distribución de probabilidad satisface# f xy ( x . y) p xy ( x i . ∞ ) ∞ − ∞ 3 sea. y 0 )dy 0 dx 0 ∂ f xy ( x . y) = 1 . lo cual equivale a P[Y = y] • Px / y ( x . y) ≥ 0 " ∫∫f xy ( x . f X (x) = ∂ FXY ( x .

. ) ... ..4.. . .7 <.. .7 8 )= 4..7 :.ariable -Estatura* 66 ).. ) .7 . 4 .2.. . Estatura / Peso !%2! cm !%22 cm !%2 cm !%2# cm !%2$ cm !%2& cm !%2' cm !%28 cm !%2( cm !% ) cm ! "g .... .. 8 .44 ).. 2 "g . ..... ).7 ). ..7 8 4< 4.. ) ) ) ) 1as variables mar$inales se comportan como variables unidimensionales.. Frecuencias absolutas Frecuencias relati+as /imple 0cumulada /imple 0cumulada 66 66 66 66 5 5 ).48 ).7 5 : ). 5 . a* Distribución marginal de la +ariable ...7 )..5..4) )... .. # "g 4 .. ) ) . -estatura* 3btenemos la si$uiente tabla de frecuencia# .7 5 8 ). )4 .7 8. por lo que pueden ser representadas en tablas de frecuencias. ) ) ....45 ).7 5 )4 )...8 Distribución Marginal conjunta Ejemplo# a partir del ejemplo que vimos en la lección anterior (serie con los pesos + medidas de los alumnos de una clase) vamos a estudiar sus distribuciones mar$inales. "g ) ) .. 4 ) . ).7 9. 4 ..7 5 4) ).7 5. . ) ) . .7 Farías Rosas Víctor Iván Página 3 . ) 4 $ "g ..49 ).7 4.7 5 5.4< ). ) .7 4..4= ).7 . .4: )....7 9.

..?iAipedia.htm  ???.itescam.7 8 )= 4.7 8 )4 4.com> ursoEstadistica>1ecc@))@est.57 . 5.aulafacil.2..23  es....or$>?iAi>2istribuciónBmar$inal Farías Rosas Víctor Iván Página 4 .edu. )8..7 Fuentes consultadas:  http#>>???.7 9...87 ).57 =5.... Frecuencias absolutas Frecuencias relati+as /imple 0cumulada /imple 0cumulada 66 66 66 66 8 8 4.7 < 4.ariable -Peso* 66 5) 54 55 59 5...7 4..7 8..m6>principal>s+labus>fpdb>recursos>r<)<8.8 Distribución Marginal conjunta b* Distribución marginal de la +ariable 1 -peso* 3btenemos la si$uiente tabla de frecuencia# . 45.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->