PROBABILIDAD 2

Unidad 1 Procesos estocásticos y Movimiento browniano

7 DE NOVIEMBRE DE 2020
ALUMNA: YAZMIN GUADALUPE CASTILLO ORTIZ
MATRICULA: ES1821000588
 Evidencia de Aprendizaje

1. Explique que es la covarianza

La covarianza es el valor que refleja en qué cuantía dos variables aleatorias varían de forma
conjunta respecto a sus medias.

Nos permite saber cómo se comporta una variable en función de lo que hace otra variable. Es
decir, cuando X sube ¿Cómo se comporta Y? Así pues, la covarianza puede tomar los siguientes
valores:

 Covarianza ( X , Y ) es menor que cero cuando “X” sube e “Y” baja. Hay una relación negativa.
 Covarianza ( X , Y ) es mayor que cero cuando “X” sube e “Y” sube. Hay una relación positiva.
 Covarianza ( X , Y ) es igual que cero cuando no hay relación existente entre las variables “X” e
“Y”

Cálculo de la covarianza
n

La fórmula de la covarianza se expresa como sigue:

∑ ( xi −x́)( y i− ý)
1
Cov ( X , Y )=
n

Dónde la y con el acento es la media de la variable Y, y la x con el acento es la media de la variable

X. “i” es la posición de la observación y “n” el número total de observaciones.

Alternativamente, cuando las frecuencias absolutas no son unitarias (es decir, los pares i, j se
repiten al menos una vez) la fórmula aplicable es la siguiente:
n n
n ij
Cov ( X , Y )=∑ ∑ ( x i−x́ )( y j− ý)
i=1 j =1 N
[ CITATION Jos19 \l 2058 ]

2. Enuncie las propiedades de la Covarianza y demuestre al menos una

Propiedades de la Covarianza
Sean a y c dos constantes
1. cov ( x , x )=var ( x )
2. cov ( x , c )=0
3. cov ( x , y )=cov ( y , x )
4. cov ( ax , y ) =a . cov ( x , y )
5. cov ( x+ c , y )=cov ( x , y )
n
1
6. cov ( x , y )= ∑ x y −x́ ý
n i=1 i i
Demostracion de la propiedad 1
n
1
cov ( x , x )= ∑ (x i−x́)(x i− x́ )
n i=1
n
1
= ∑ (x −x́)2
n i=1 i
= var (x)

[ CITATION Lui173 \l 2058 ]

3. Explique el teorema de Chevychev

El teorema más importante desarrollado durante la vida de este célebre matemático, fue la
Desigualdad que lleva su nombre. El teorema ofrece una respuesta a la probabilidad de cuanto
puede acercarse una variable a ser matemáticamente posible. En palabras más técnicas, el
teorema o desigualdad es un resultado que define una cota inferior a esa probabilidad de que una
variable cuya varianza es infinita, obtenga una esperanza de existir matemáticamente.

Asimismo, el teorema también da

el resultado de una cota superior o
positiva de valores que, por simple
lógica, alejen la posibilidad de la
existencia de esa variable. Por lo
general, se aplica a ejercicios
estadísticos que cumplan con el
gráfico de campana habitual de
esta ciencia. Aunque se ha
comprobado que puede ser usado
para otros gráficos e incluso, para
análisis estadísticos planos.

Ejemplificación del Teorema de Chebishev

La manera más sencilla de entender este teorema es aplicándolo a la cotidianidad, así como
asumió su autor para la creación del mismo.
Suponemos entonces que un conjunto de mil personas ha visto rosas rojas, pero 200 de ellas
pueden haber visto rosas rojas y blancas. Estas 200 personas serían la desviación típica.
Según la Desigualdad de Chebishev, se reduce al menos a un 75% las personas que han visto solo
rosas rojas, es decir, entre 600 y 1400 personas pudieron haber visto ambos colores de rosas. Este
fundamento es bastante similar al de la Ley de los Grandes Números. En este último se puede
ejemplificar un escenario similar al de las rosas, pero con la inclusión de un tercer color. En este
sentido, la probabilidad de que una persona haya visto este tercer color de rosas representa la
hipótesis y consecuente postulación a esta Ley
 [ CITATION ParQu \l 2058 ]
4. ¿La tabla de abajo puede corresponder a la distribución de probabilidad conjunta de dos
variables aleatorias X, Y?
x y 1 2
1 .4 .7
2 .2 .1

Definición. La función  f (x , y ) es una Distribución de Probabilidad Conjunta o Función de Masa

de Probabilidad de las variables aleatorias discretas  X y Y , si
1. f ( x , y ) ≥ 0para toda ( x , y )
2. ∑ ∑ f ( x , y )=1
x y
3. P ( X=x , Y = y )=f ( x , y ) para cualquier región R en el plano xy
P [ ( X ,Y ) ∈ R ]=∑ ∑ F ( x , y )
R

En la tabla que se nos presenta en el ejercicio podemos notar que no cumple la propiedad 2

5. Explique si es falsa o verdadera la siguiente afirmación: si X es una variable aleatoria con

1
media 2 y varianza 4, entonces P (|x−2|≥ 6 ¿ ≤ ¿Cómo aplicaría el teorema de Chevychev en
9
este caso?

Para K=3
x= variable aleatoria
media ( μ) =2
varianza (σ 2 )= 4  Desviacion tipica (σ )= 2

De acuerdo a la Desigualdad de Chebyshev

Una varianza pequeña indica que las desviaciones grandes alrededor de la media son improbables.
La desigualdad de Chebyshev hace precisa esta impresión
1
P (|x−μ|≥ k σ ¿ ≤
k2
 1
P (|x−2|≥ 6 ¿ ≤
9

Bibliografía
 Geogebra. (-- de -- de --). Calculadora 3D. Obtenido de https://www.geogebra.org/3d?lang=es
 Gracía, E. C. (12 de Abril de 2016). Vectores Aleatorios I (Youtube). Obtenido de https://www.youtube.com/watch?
v=7ATnhvXnidU
 HERNANDEZ, I. D. (-- de -- de --). DISTRIBUCION MARGINAL Y CONJUNTA. Obtenido de
https://sites.google.com/site/inglogistica1621112/
 López, J. F. (12 de Febrero de 2019). Covarianza. Obtenido de https://economipedia.com/definiciones/covarianza.html
 Para que sirve.tv. (-- de -- de --). Que es y Para Qué Sirve El Teorema de Chebishev. Obtenido de https://paraquesirve.tv/el-
teorema-de-chebyshev/
 Rincon, L. (18 de Noviembre de 2013). 0625 Función de probabilidad conjunta, marginal y condicional. Obtenido de
https://www.youtube.com/watch?v=War8a8cpu2Q&feature=emb_title
 Rincon, L. (17 de Noviembre de 2013). 0625 Vectores aleatorios (Yutube). Obtenido de https://www.youtube.com/watch?
v=FsoqoIfVjvc&feature=youtu.be
 Rincón, L. (11 de Noviembre de 2017). 0398D Covarianza (Youtube). Obtenido de https://www.youtube.com/watch?
v=eJxTkfp0UCs
 Universidad de Barcelona. (-- de -- de --). Función de probabilidad condicionada. Obtenido de
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo1/B0C1m1t7.htm