Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2015-A-EItema4-VARIABLE ALEATORIA BIDIMENSIONAL PDF
2015-A-EItema4-VARIABLE ALEATORIA BIDIMENSIONAL PDF
Independencia
Covarianza, correlación
Lecturas recomendadas:
Capı́tulos 5 y 6 del libro de Newbold, Carlson y Thorne (2009).
1
Distribución conjunta de probabilidad
p(x, y) = P (X = x, Y = y)
Propiedades
2
Distribución conjunta de probabilidad - Ejemplo
Ejemplo
3
Distribución conjunta de probabilidad
Sean X e Y variables aleatorias continuas, su función de densidad conjunta
de probabilidad, f (x, y), es una función con las propiedades
4
Probabilidad marginal de variables discretas
5
Probabilidad marginal de variables discretas - Ejemplo
Ejemplo
Y 0 1 2 3
y 0,18 0,42 0,30 0,10 1
6
Densidad marginal de variables continuas
La función de densidad marginal de la variable continua X es
Z
fx(x) = f (x, y)dy
7
Esperanza y varianza de la variable aleatoria
Ejemplo
8
Esperanza y varianza de la variable aleatoria
Ejemplo
fx(x)
Z 1 z }| {
1
E[X] = x(x + )dx = 7/12
0 2
fx(x)
1
Z z }| {
1
V [X] = x2(x + )dx − (7/12)2 = 11/144
0 2
9
Propiedades de esperanza y varianza
E[c] = c
E[cX] = cE[X]
Varianza
V [c] = 0
10
Probabilidad condicionada de variables discretas
Ejemplo
Calcularemos la distribución del número de tarjetas de crédito entre los indi-
viduos que realizan 2 compras a la semana p(x|y = 2)
X 1 2
0,04
p(x|y = 2) 0,13 (= 0,30 ) 0,87 (= 0,26
0,30 ) 1
11
Probabilidad condicionada de variables continuas
12
Esperanza y varianza condicionada
Variables discretas
Ejemplo
E[X|Y = 2] = 1(0, 13) + 2(0, 87) = 1, 87
V [X|Y = 2] = (12(0, 13) + 22(0, 87)) − (1, 87)2 = 0, 11
Variables continuas
Ejemplo
f (x|y = 0, 2) !
1
Z z }| {
x + 0, 2
E[X|Y = 0, 2] = x dx = 0, 61
0 0, 7
Z 1 !
2 x + 0, 2
V [X|Y = 0, 2] = x dx − (0, 61)2 = 0, 08
0 0, 7
13
Independencia
Alternativamente
p(y|x) = py (y) f (y|x) = fy (y)
p(x|y) = px(x) f (x|y) = fx(x)
14
Asociación lineal
Ejemplo
Cov(X, Y ) = 1 · 0 · 0, 08 + 1 · 1 · 0, 07 + 1 · 2 · 0, 04 + 1 · 3 · 0, 01
+ 2 · 0 · 0, 1 + 2 · 1 · 0, 35 + 2 · 2 · 0, 26 + 2 · 3 · 0, 09
E[X]E[Y ]
z }| {
− (1, 8)(1, 32) = 0, 33 − 0, 44 = −0, 11
15
Asociación lineal
Sean X e Y variables aleatorias, la correlación entre X e Y es
Cov(X, Y )
Cor(X, Y ) = rxy =
σx σy
−1 ≤ Cor(X, Y ) ≤ 1
Una correlación positiva indica que, si una variable aleatoria es alta (baja),
la otra tiene una probabilidad mayor de ser alta (baja).
Una correlación negativa indica que, si una variable aleatoria es alta (baja),
la otra tiene una probabilidad mayor de ser baja (alta).
16
Esperanza de funciones de variables
17
Esperanza y varianza de funciones lineales
Propiedades
18