Documentos de Académico
Documentos de Profesional
Documentos de Cultura
() VECTORES ALEATORIOS 1 / 17
Vectores aleatorios
Estudiaremos el caso n = 2, (X , Y ) : Ω → R2 .
Si A es un subconjunto de R2 denotaremos
() VECTORES ALEATORIOS 2 / 17
Vectores aleatorios discretos
Se cumple:
P y ) ≥ 0 para todo (x, y ).
a) P(x,
b) P(x, y ) = 1.
() VECTORES ALEATORIOS 3 / 17
Distribuciones marginales
Se definen las distribuciones marginales de X e Y al considerar
cada variable por separado. Las funciones de masa de probabilidad
marginales son
X
P(X = xk ) = P(X = xk , Y = yi )
i
X
P(Y = yi ) = P(X = xk , Y = yi ).
k
() VECTORES ALEATORIOS 6 / 17
Distribuciones condicionadas
La distribución de la variable aleatoria X condicionada por un
valor fijo yi de la variable Y , (P(yi ) 6= 0) es otra variable
aleatoria discreta con función de masa
P(X = xk , Y = yi )
P(X = xk |Y = yi ) = .
P(Y = yi )
() VECTORES ALEATORIOS 7 / 17
Vectores aleatorios continuos
La función de densidad de un vector aleatorio continuo (X , Y ) es
una función f : R2 → R que cumple:
() VECTORES ALEATORIOS 8 / 17
Distribuciones marginales
Se definen las distribuciones marginales de X e Y al considerar
cada variable por separado. Las funciones de masa de probabilidad
marginales son
Z Z
fX (x) = f (x, y ) dy , fY (y ) = f (x, y ) dx.
R R
() VECTORES ALEATORIOS 9 / 17
Distribuciones condicionadas
La distribución de la variable aleatoria X condicionada por un
valor fijo y (fY (y ) 6= 0) de la variable Y , es otra variable
aleatoria discreta con función de masa
f (x, y )
f (x|y ) = f (x|Y = y ) = f (X = x|Y = y ) =
fY (y )
Se define Z
P(X ∈ B|Y = y ) = f (x|Y = y ) dx
B
y el análogo si intercambiamos los papeles de X e Y .
() VECTORES ALEATORIOS 10 / 17
La media y varianza condicionales de X dado que Y = y ,
Z R
xf (x, y ) dx
E [X |Y = y ] = x f (x|Y = y ) dx =
fY (y )
Z
V (X |Y = y ) = (x − E [X |Y = y ])2 f (x|Y = y ) dx
(x − E [X |Y = y ])2 f (x, y ) dx
R
=
fY (y )
() VECTORES ALEATORIOS 11 / 17
Covarianza
Cov (X , Y )
ZZ ZZ ZZ
= xyf (x, y ) dxdy − xf (x, y ) dxdy yf (x, y ) dxdy
R2 R2 R2
= E [XY ] − E [X ]E [Y ] .
() VECTORES ALEATORIOS 12 / 17
Independencia
Dos variables aleatorias discretas X e Y son independientes
cuando
() VECTORES ALEATORIOS 13 / 17
Propiedades
a) E [kX ] = kE [X ].
b) E [X + Y ] = E [X ] + E [Y ].
c) V (kX ) = k 2 V (X ).
d) V (X + Y ) = V (X ) + VP (Y ) + 2Cov (XP
, Y ), y, en general
V (X1 + X2 + · · · + Xn ) = k V (Xk ) + 2 i<k Cov (Xi , Xk ).
En consecuencia,
e) Si X e Y son independientes V (X + Y ) = V (X ) + V (Y ), y, en
general, si X1 , . . . Xn son variables
P aleatorias independientes,
V (X1 + X2 + · · · + Xn ) = k V (Xk ).
f) Además, por la definición de covarianza, si X e Y son
independientes, E [XY ] = E [X ]E [Y ].
() VECTORES ALEATORIOS 14 / 17
Consecuencia:
() VECTORES ALEATORIOS 15 / 17
Casos especiales
() VECTORES ALEATORIOS 16 / 17
Ejemplo: El peso de cierto aparato en una cadena de ensamblaje sigue
una distribución N(10, 3).
a) Se seleccionan 20 aparatos. Describir la distribución de su peso medio.
b) Se seleccionan dos aparatos. ¿Cuál es la probabilidad de que su peso
difiera en más de 2?
() VECTORES ALEATORIOS 17 / 17