Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INDICE Pg.
Introduccin03 Variables Bidimensionales Discretas..04 Variables Bidimensionales continuas.07 Momentos matemticos..11 Conclusin..13 Bibliografa.14
INTRODUCCIN
El trmino probabilidad se utiliza en el lenguaje cotidiano para indicar la posibilidad de la ocurrencia de un evento futuro. Esta interpretacin prctica es aceptable, pero no suficiente para su uso en la estadstica. Es necesario precisar en que contextos se aplica, cmo se mide y cmo se usa para realizar inferencias.
Muchos de los eventos que ocurren en la vida diaria no pueden ser predichos con exactitud desde antes por diversas razones, pues la mayora de los hechos estn influidos por factores externos. Adems, existen aquellos sucesos que estn directamente influidos por el azar, es decir, por procesos que no se est seguro de lo que va a ocurrir. Sin embargo, la probabilidad nos permite acercarnos a esos sucesos y estudiarlos, ponderando las posibilidades de su ocurrencia y proporcionando mtodos para tales ponderaciones.
Antes de adentrarnos en el tema es necesario aclarar ciertas dudas con respecto a la esperanza matemtica de una funcin de una variable aleatoria o mas. Para una variable aleatoria o una funcin de variable aleatoria, que ser a su vez una variable aleatoria, su esperanza matemtica no es mas que una media ponderada de los valores de dicha variable o, en general, un promedio de los valores de la funcin. Ahora bien en las variables aleatorias bidimensionales, se definen esperanzas matemticas de funciones H de una variable aleatoria bidimensional (X, Y) tales que
H: R2
Sea (X, Y) una variable aleatoria bidimensional discreta con rango RX, Y y funcin de probabilidad PX, Y. Sea una funcin H: R2 R, tal que H (X, Y) es tambin una variable aleatoria. Se define la esperanza matemtica
Si (X, Y) es una variable aleatoria Bidimensional continua con rango RX,Y y funcin de densidad (fx, y), entonces
Diremos que una variable aleatoria bidimensional es discreta, si su espacio muestral es finito o infinito numerable.
Definicin. Sea (X, Y) una variable Aleatoria discreta, llamamos funcin de cuanta o de probabilidad conjunta a una funcin P que a cada par (Xi, Yj) le asocia un numero P(X = Xi Y = Yj) = P (xi, YJ) = Pij, satisfaciendo las siguientes condiciones
En resumen: Una variable aleatoria bidimensional es discreta cuando las dos variables que la componen siguen una distribucin discreta. La funcin es cuanta conjunta se designa por :
Mejor conocida como distribucin bivariada continua, supongamos que existe y no es negativa excepto quizs en un numero finito de R2, y suponga, adems, que la funcin (fx, y), viene definida a travs de la expresin:
Satisface la condicin
Para (x, y)
Y tienen una distribucin de probabilidad conjunta, cuya funcin de densidad de probabilidad conjunta es (fx, y). La funcin F (x, y) se denomina funcin de distribucin acumulada conjunta, para las variables aleatorias continuas X y Y.
En el caso de una variable aleatoria bidimensional continua para una funcin de distribucin acumulada conjunta F (x, y) tiene las siguientes propiedades
La utilizacin de la funcin de distribucin conjunta, F(x, y), lleva a la probabilidad mediante un rea, y la funcin de densidad conjunta, f(x, y), mediante un volumen el cual se muestra a travs de la siguiente figura
Teorema:
si y solo si
10
MOMENTOS MATEMTICOS En los casos bidimensionales, los momentos irn acompaados de un doble subndice, para distinguir el orden al que nos referimos en cada variable, ahora los momentos poseen dos teoras las cuales vienen aplicadas de la siguiente manera:
11
Momento no centrado
Momento centrado
Ahora su definicin ms lgica nos dice: Los momentos no cerrados de orden (1,0) y (0,1), nos indican la esperanza matemtica de X e Y. Los momentos centrados de orden (2, 0) y (0, 2) representa la varianza de X e Y respectivamente.
12
CONCLUSIN
En estadstica descriptiva, al conjunto de valores que toma una variable con sus correspondientes frecuencias se denomina distribucin de frecuencias. En principio cada variable lleva asociada su distribucin de probabilidad; sin embargo, muchas de estas distribuciones presentaran entre si una gran similitud, pudiendo encuadrarlas dentro de determinados modelos probabilsticos. Las variables aleatorias bidimensionales en este caso presentan dos tipos de distribuciones derivadas de inters las cuales son marginales y condicionales. Las variables aleatorias que integran la bidimensional; las condiciones al supeditar el comportamiento probabilstico de una al de la otra.
13
BIBLIOGRAFA
Fundamentos de probabilidad, Javier M, Luis R, edit. Thomson Estadstica Descriptiva, Santiago F edit. ESIC http://es.answers.yahoo.com/question/index?qid=20070626185341AAmTNxY
14