ESCUELA POLITÉCNICA NACIONAL

Facultad de Ingeniería Eléctrica y Electrónica

Probabilidad y Estadística Básica
Esteban Alejandro Vaca Cerda
Paralelo GR1
22/11/2011
VARIABLES MULTIDIMENSIONALES

1. Siendo f  x, y   0.5xy la densidad de la probabilidad conjunta de la variable  X , Y  definida en el

intervalo para X  0; 2  y, para Y  0; x  . ¿Probar si X e Y son independientes?

f  x, y   0,5 xy
Probar si es fdp :   0,5 xy  dxdy  1
Rxy

2
x
 2
1 2 
x

0  0  0,5xy  dy  dx  0  4 xy  0 dx
2
1 
2
1 3
 y dx   y 4   1
0
4 16  0

Si X y Y son independientes :
1. f  x y   f  x 
2. f  y x   g  y 
3. f  x  g  y   f  x, y 

2
1 
2
f  x   f  x, y  dy    0,5 xy  dy   xy 2   x
Ry 0 4 0
2
1 
2
g  y   f  x, y  dx    0,5 xy  dy   x 2 y   y
Rx 0  4 0
f  x, y  0,5 xy 1
f  x y    xx
g  y y 2
f  x, y  0,5 xy 1
f  y x    yy
f  x x 2
f  x  g  y   xy  f  x, y 
 No son independientes
2. Siendo f  x, y   3x2 y  3 y 2 x la densidad de la probabilidad conjunta de la variable  X ,Y 
definidas en el intervalo  0;1 . ¿Cuál es el valor de E Y x  1 ?

f  x, y   3 x 2 y  3 y 2 x
Probar si es fdp :   3 x 2 y  3 y 2 x  dxdy  1
Rxy

1
1
 1
3 2 2 3 
1

0  0
  3 x 2
y  3 y 2
x  dy  dx  0  2 x y  y x  dx
0

1
3 2  1 3 1 2  1
1

0  2 x  x  dx   2 x  2 x  0  2  2   1

E  y x   yg  y x  dx
Ry

f  x, y 
g  y x  ; f  x   f  x, y  dy
f  x Ry
1
f  x     3x 2 y  3 y 2 x  dy  x 
3 2
x
0
2

g  y x 
 3x 2
y  3y2 x
3 2
x x
2
 
  3x y  3 y x  
2 2

E  y x   y   dy 
Ry 
3 2 
 x x 
 2 
    2 3 
1

2 
3 x 2 y 2  3 y 3 x  dy  
2 2
 2 
x  x
 2 x  3x  0  2 x  3 x  4 
 4 x 2  3x 
E  y x   
 2  2 x  3x 2  
 
7
E  y x  1   0, 7
10

Esteban Alejando Vaca Cerda

Gr1
3. Demostrar que E  X   E E  X / y  y E Y   E E Y / x  .

E  x   xf  x  dx E  y   yg  y  dx
Rx Ry

E  x y   xf  x y  dx  H  y  E  y x 
Rx
 yg  y x  dy  H  x 
Ry

E  H  y    H  y  g  y  dy E  H  x  
Ry
 H  x  f  x  dx
Rx

E  E  x y     xf  x y  dx g  y  dy E  E  y x  
Ry Rx
  yg  y x  dy f  x  dx
Rx Ry

E  E  x y     xf  x y  g  y  dxdy E  E  x y  
Ry Rx
  yg  y x  f  x  dydx
Rx Ry

f  x, y  f  x, y 
f  x y  g  y x 
g  y f  x
f  x, y  f  x, y 
E  E  x y     x g  y  g  y  dxdy E  E  x y   f  x  dydx
Ry Rx
y
Rx Ry
f  x
E  E  x y      xf  x, y  dxdy E  E  x y  
Ry Rx
  yf  x, y  dydx
Rx Ry

E  E  x y     xf  x, y  dydx E  E  x y  
Rx Ry
  yf  x, y  dxdy
Ry Rx

   
E  E  x y    x   f  x, y  dy  dx E  E  x y    y   f  x, y  dx  dy
Rx  Ry  Ry Rx

f  x g y

f  x   f  x, y  dy g  y   f  x, y  dx
Ry Rx

E  E  x y    xf  x  dx  E  x  E  E  x y    yg  y  dy  E  x 
Rx Ry

Esteban Alejando Vaca Cerda

Gr1
4. Demostrar que una regresión lineal entre dos variables. El coeficiente de correlación muestral
 R  puede ser calculado alternativamente por:
xy

Rxy 
Sxy
R 2

  yˆ ( x   y ) i
2

Sxx  Syy
 y  y
xy 2
i

Por definición : Rxy2 

  yˆ( x   y ) i
2

donde 0  Rxy2  1
 y  y
2
i

Rxy2 
  yˆ( xi   y )2 sea yˆ  xi   A0  A1 xi
 y  y
2
i

  yˆ( x   y )  A  A x  y  y  A x  A x  y   A x  A x 
2 2 2
2

   
i 0 1 i 1 1 i 1 1 i

 y  y  y  y  y  y  y  y
2 2 2 2
i i i i

S xy2
x  x   A S  S
2 2 S xx2
A 2 2 4
S xy2 S xy
   Rxy 
1 i 1 xx xx

 y  y
2 2 2 2 2
Si
S yy yy S S yy xx S yy S xx

  x  x     x     2x x  x 
2 2 2 2
_
  xi2  x 2  S xx
i i i

n n n n

Esteban Alejando Vaca Cerda

Gr1
 A1 S1 y  A2 S 2 y  A3 S 3 y    Am S my
2 2 2 2

5. Demostrar que en una regresión lineal múltiple, el coeficiente de la regresión se puede calcular por: R 
2
2
S yy

Por definición : Rxy2 

  yˆ( x   y )i
2

donde 0  Rxy2  1
 y  y 
2
i

Rxy2 
  yˆ( xi   y )2 sea yˆ  xi   A0  A1 xi
 y  y 
2
i

  yˆ( x   y )    A  A x  A x  ....  A x  y 
2
2


i 0 1 1 2 2 n n

 y  y   y  y 
2 2
i i

  y  A x  A x  ...  A x  A x  A x  ...  A x  y
2
1 1 2 2 n n 1 1 2 2 n n

 y  y 
2
i

  A  x  x   A  x  x   ....  A  x  x  
2
1 1 1 2 2 2 n n n

S yy2
2 2 2
S11 S22
 S nn
S12 S1n S2 n 

 A  x1  x1   A  x2  x2   ...  A  xn  xn   2   A1 A2  x1  x1  x2  x2   ....  A1 An  x1  x1  n n  2 n  2 2  n n  
2 2 2
1
2 2
2
2
n x  x  A A x  x x  x
 
  
S yy2
A12 S112   A22 S 222  ...  An2 Snn2  2 A1 A2 S12  ...  2 A1 An S1n  2 A2 An S 2 n

S yy2
S1 y S2 y Sny

A1  A1 S  A2 S12  ...  An S1n   A2  A1 S 21  A2 S  ...  An S 2 n   ....  An  A1 S1n  A2 S 2 n  ...  An S n2n 

2
11
2
22

S yy2
 A1   S112 S1n   S1 y   S1 y  A1 S11  A2 S12  ...  An S1n
2
S12
     
S 2 n   S 2 y   S 2 y  A1 S21  A2 S 22  ...  An S 2 n
2
 A2   S 21 S 222
    

    
 An   Sn1 Sn 2 Snn   S ny   S ny  A1 S1n  A2 S 2 n  ...  An S n2n
2
 
A1 S1 y  A2 S 2 y  ....  An S ny

S yy2
 6. Los datos experimentales dados de  X i , Yi , Z i  , se ajustan estadísticamente (Mínimos cuadrados)
a una expresión no lineal de la forma: Z  A  X B  Y C . Encuentre los valores de A, B y C y el
coeficiente de la regresión R2. (Linealizar por medio de logaritmos)

Z  A X B Y C
ln  Z   ln  A  X B  Y C 
ln  Z   ln A  B ln X  C ln Y
A0 A1 x A2 y
z

z  A0  A1 x  A2 y

_
S xx2  xi2  x 2  1, 45   0, 98   0, 50
2

_
S yy2  yi2  y 2  0,82   0, 38   0, 68
2

_
S zz2  zi2  z 2  6,84  1, 712  3, 93
S xy  S yx  xy  x y  0, 94   0, 98  0, 38   0, 57
S xz  xz  x z  3, 06   0, 98 1, 71  1, 39
S yz  yz  y z  2, 27   0, 38 1, 71  1, 63

 A1   0, 50 0, 57   1, 39   A1  1,18
1

      
 A2  0, 57 0, 68   1, 63  A2  1, 41
A0  1, 71+1,18  0, 98   1, 41  0, 38   0, 0264
1,18  1, 39   1, 41  1, 63
R2   0, 9999
3, 93
z=0, 0264  1,18 x  1, 41 y
A  1, 0267515
B  1,18
C  1, 41
Z  1, 03  X 1,18  Y 1,41
Calculo de R de exponencial

  Zˆ  Z 
15 2

152735, 62
R2  n 1
15
  0, 9829
Z  Z 
2 155391,18
n 1
7. Calcule el coeficiente de correlación lineal para los ocho puntos del plano  x, y  siguientes: (1,1)
(4,1) (5,3) (3,2) (3,4) (4,2) (1,4) (3,3). Construya un diagrama de dispersión y comente el resultado
obtenido.

i x y x^2 y^2 xy
1 1 1 1 1 1
2 4 1 16 1 4
3 5 3 25 9 15
4 3 2 9 4 6
5 3 4 9 16 12
6 4 2 16 4 8
7 1 4 1 16 4
8 3 3 9 9 9
Suma 24 20 86 60 59
Promedio 3 2,5 10,75 7,5 7,375

y  A0  A1 x
S xx2  10, 75  32  1, 75
S yy2  7,5  2,52  1, 25
S xy  7,375   3 2,5   0,125
0,125
A1   0, 071
1, 75
A0  2,5+0, 071 3  2, 71
 0,125  0, 071
R  0, 00714286
1, 25

Este coeficiente tan bajo se debe a que los datos enlistados no corresponden a una regresión lineal.

Esteban Alejando Vaca Cerda

Gr1
8. Una teoría física hace prever que y dependerá de x según la expresión
y  C  x 2 p , donde C y p son dos constantes numéricas. Estime los mejores valores de C y p por
2

medio del método de los mínimos cuadrados a partir de los datos siguientes:
x 1 2 3 4 5 6 7

y 0.2 0.6 0.8 1.4 2.6 3.2 5.0

x y t=x^2 y^2 t^2 t*y

1,00 0,20 1,00 0,04 1,00 0,20
2,00 0,60 4,00 0,36 16,00 2,40
3,00 0,80 9,00 0,64 81,00 7,20
4,00 1,40 16,00 1,96 256,00 22,40
5,00 2,60 25,00 6,76 625,00 65,00
6,00 3,20 36,00 10,24 1296,00 115,20
7,00 5,00 49,00 25,00 2401,00 245,00
Suma 13,80 140,00 45,00 4676,00 457,40
Promedio 1,97 20,00 6,43 668,00 65,34

y  C  x2 2 p
 1
 A1  2 p
1 2 
y x C t  x 2
2 p t A0 
A1  A0  C

y  A0  A1 t
Sty
A1 
Stt2
A1 Sty
A0  y  A1 t R2 
S yy2
Stt2  668, 00  20, 00 2  268, 00
S yy2  6, 43  1, 97 2  2, 54
Sty  65, 34  1, 97  20, 00   25, 91

A1 
 25, 91  0, 097
 268, 00 
A0  1, 97  0, 097  20, 00   0, 038

R
 0, 097  25, 91  0, 985
 2, 54 
y  0, 038  0, 097t
y  0, 038  0, 097x 2

Esteban Alejando Vaca Cerda

Gr1
 9. Establezca la ecuación de regresión para los datos que siguen, sabiendo que la ecuación teórica es
de la forma z  a  b x  y c (Linealizar por medio de logaritmos)
x 2 2 0 1 2
y 2 1 5 3 4
z 4 6 1 3 2

z  ab x y c
ln z  ln a  x ln b  c ln y
Z A0 X A1 A3 Y

Z  A0  A1 X  A3 Y

i x y z X Y Z X^2 Y^2 Z^2 X*Y X*Z Y*Z

1 2,00 2,00 4,00 2,00 0,69 1,39 4,00 0,48 1,92 1,39 2,77 0,96
2 2,00 1,00 6,00 2,00 0,00 1,79 4,00 0,00 3,21 0,00 3,58 0,00
3 0,00 5,00 1,00 0,00 1,61 0,00 0,00 2,59 0,00 0,00 0,00 0,00
4 1,00 3,00 3,00 1,00 1,10 1,10 1,00 1,21 1,21 1,10 1,10 1,21
5 2,00 4,00 2,00 2,00 1,39 0,69 4,00 1,92 0,48 2,77 1,39 0,96
Suma 7,00 4,79 4,97 13,00 6,20 6,82 5,26 8,84 3,13
Promedio 1,40 0,96 0,99 2,60 1,24 1,36 1,05 1,77 0,63

_
S xx2  xi2  x 2  2, 60  1, 402  0, 64
_
S yy2  yi2  y 2  1, 24  0, 962  0, 32
_
S zz2  zi2  z 2  1, 36  0, 992  0, 38
S xy  S yx  xy  x y  1, 05  1, 40  0, 96   0, 29
S xz  xz  x z  1, 77  1, 40  0, 99   0, 38
S yz  yz  y z  0, 63   0, 96  0, 99   0, 33

 A1   0, 64 0, 29   0, 38   A1  0, 223
1

    
 A2   0, 29 0, 32   0, 33  A2  0,81
A0  0, 99-0, 223  0, 96   0,811, 40   1, 46
0, 223  0, 38   0,81 0, 33
R2   0, 93
0, 38
Z=1, 46+0, 223 X  0,81Y
a  4, 29
b  1, 25
z  ab x y c   4, 29 1, 25  y 0,81
x

Esteban Alejando Vaca Cerda

Gr1
 10. Para los datos siguientes, determinar: a). La recta de mínimos cuadrados,
b). La parábola de mínimos cuadrados, y c). ¿Cuál de los casos es un mejor ajuste y por qué?
x 1 2 3 4 5
y 0.2 0.5 1.5 3.0 5.0

a) La recta de mínimos de cuadrados:

i x y x^2 y^2 x*y S xx  11  32  2

1 1 0,2 1 0,04 0,2 S yy  7,308  2, 042  3,15
2 2 0,5 4 0,25 1 S xy  8,54   3 2, 04   2, 42
3 3 1,5 9 2,25 4,5
2, 42
4 4 3 16 9 12 A0   1, 21
2
A1  2, 04  1, 21 3  1,59
5 5 5 25 25 25
Suma 15 10,2 55 36,54 42,7
y  1, 21  1,59 x
Promedio 3 2,04 11 7,308 8,54
 2, 42   2, 42 1, 21
2

R2    0,93
 3,15 2  3,15

b) La parábola de mínimos cuadrados

i x t y x^2 t^2 y^2 xt xy ty
1 1,00 1,00 0,20 1,00 1,00 0,04 1,00 0,20 0,20
2 2,00 4,00 0,50 4,00 16,00 0,25 8,00 1,00 2,00
3 3,00 9,00 1,50 9,00 81,00 2,25 27,00 4,50 13,50
4 4,00 16,00 3,00 16,00 256,00 9,00 64,00 12,00 48,00
5 5,00 25,00 5,00 25,00 625,00 25,00 125,00 25,00 125,00
Suma 15,00 55,00 10,20 55,00 979,00 36,54 225,00 42,70 188,70
Promedio 3,00 11,00 2,04 11,00 195,80 7,31 45,00 8,54 37,74

Esteban Alejando Vaca Cerda

Gr1
 y  A0  A1 x  A2 x 2
t

y  y  A0  A1 x  A2 t
S xx2  11  32  2
S yy2  7,308  2, 042  3,15
Stt2  195,80  11, 00 2  74,8
S xy  8,54   3 2, 04   2, 42
S xt  45, 00  11, 00  3, 00   12
Sty  37, 74  11, 00  2, 04   15,3

 A1   2 12   2, 42   A1  0, 47
1

    
 A2  12 74,8 15,3   A2  0, 28
A0  2, 04+0, 47  3, 00   0, 28 11, 00   0,36
0, 47  2, 42   0, 28 15,3 
R2   0,999
3,15
y  0,36  0, 47x  0, 28x 2

c) De lo expuesto en las regresiones se concluye que la curva cuadrática se ajusta mejor a los datos.

11. Encontrar una curva de regresión y determinar el grado de ajuste del siguiente grupo de valores:
T [ºC] 15 25 35 50 70 90
R [Ώ] 5.43 5.60 5.81 6.10 6.52 6.95

De la gráfica se deduce que la relación entre las variables es lineal:

n x y x^2 y^2 xy
1 15,00 5,43 225,00 29,48 81,45
2 25,00 5,60 625,00 31,36 140,00
3 35,00 5,81 1225,00 33,76 203,35
4 50,00 6,10 2500,00 37,21 305,00
5 70,00 6,52 4900,00 42,51 456,40
6 90,00 6,95 8100,00 48,30 625,50
Suma 285,00 36,41 17575,00 222,62 1811,70

Esteban Alejando Vaca Cerda

Gr1
 Promedio 47,50 6,07 2929,17 37,10 301,95

y  A0  A1 x
S xx2  2929,17  47,502  672,92
S yy2  37,10  6, 07 2  0, 28
S xy  301,95   47,50  6, 07   13, 70
13, 70
A1   0, 02
672,92
A0  6, 07   0, 02  47,50   5,1
 0, 02 13, 70 
R2   0,999
0, 28
y  5,1  0, 02 x

12. Una ecuación química fue realizada sobre 6 pares de diferentes condiciones de P y T en cada caso
se midió el tiempo necesario para que la reacción se complete.
Obtener la ecuación de la función de regresión lineal del tiempo vs T y P y determinar R.

Z  tiempo
X  presión
Y  temperatura
Zˆ  A  A X  A Y
0 1 2
1
 A1   S S xy   S xz 
2

 
xx
2   
 A2   S yx S yy   S yz 
A1 S xz  A2 S yz
A0  Z  A1 X  A2 Y R2  2
S ww
_ _____
Sii2  x  x 2
2
i Sij  xi x j  xi x j

N X Y Z X^2 Y^2 Z^2 X*Y X*Z Y*Z

1 20,00 1,50 9,40 400,00 2,25 88,36 30,00 188,00 14,10
2 30,00 1,50 8,20 900,00 2,25 67,24 45,00 246,00 12,30
3 30,00 1,20 9,70 900,00 1,44 94,09 36,00 291,00 11,64
4 40,00 1,00 9,50 1600,00 1,00 90,25 40,00 380,00 9,50
5 60,00 1,00 6,90 3600,00 1,00 47,61 60,00 414,00 6,90
6 80,00 0,80 6,50 6400,00 0,64 42,25 64,00 520,00 5,20
SUMA 260,00 7,00 50,20 13800,00 8,58 429,80 275,00 2039,00 59,64
PROMEDIO 43,33 1,17 8,37 2300,00 1,43 71,63 45,83 339,83 9,94

Esteban Alejando Vaca Cerda

Gr1
 _
S xx2  xi2  x 2  2300  43,332  422, 22
_
S yy2  yi2  y 2  1, 43  1,17 2  0, 068
_
S zz2  zi2  z 2  71, 63  8,37 2  1, 63
S xy  S yx  xy  x y  45,83   43,331,17   4, 72
S xz  xz  x z  339,83   43,33 8,37   22, 72
S yz  yz  y z  9,94  1,17  8,37   0,178

 A1   422, 22 4, 72   22, 72   A1  0,11

1

    
 A2   4, 72 0, 068   0,1788   A2  4, 68
A0  8,37+0,11 43,33   4, 68 1,17   18, 428
0,11 22, 72   4, 68  0,178 
R2   0,9649
1, 63
Z=18, 428  0,11X  4, 68Y

Esteban Alejando Vaca Cerda

Gr1