Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definición
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
Vectores Discretos
Vectores Aleatorios
Considere un espacio muestral S y una probabilidad P Continuos
Vectores Discretos
Vectores Aleatorios
Continuos
Vectores Discretos
Vectores Aleatorios
Continuos
pX ,Y (x, y ) = P(X = x ∩ Y = y ) .
Vectores Aleatorios
Propiedades
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
1- 0 ≤ pX ,Y (x, y ) ≤ 1. Continuos
2-
X X X X
pXY (xi , yj ) = pXY (xi , yj ) = 1 .
yj ∈ImY xi ∈ImX xi ∈ImX yj ∈ImY
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
Observemos que conocer la función de probabilidad puntual
conjunta nos dice mucho mas que conocer las puntuales
individuales.
Como calculamos las puntuales marginales conociendo la
puntual conjunta? EL proximo lema responde a esta
pregunta.
Vectores Aleatorios
Marginalización
Vectores Aleatorios
Vectores Discretos
Y \X 1 2 3 4
1 0.10 0.05 0.02 0.02
2 0.05 0.20 0.05 0.02
3 0.02 0.05 0.20 0.04
4 0.02 0.02 0.04 0.10
Vectores Discretos
Vectores Aleatorios
Continuos
Recordemos que una variable aleatoria se dice continua
cuando existe una función de densidad que nos permite
calcular la probabilidad de que X este en A integrando sobre
A la función de densidad:
Z
P(X ∈ A) = fX (x) dx ,
A
R∞
donde fX verifica fX (x) ≥ 0 y −∞ fX (x)dx = 1.
Vectores Aleatorios
Vectores continuos - Definición
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
Vectores Aleatorios
Vectores Discretos
Notemos que si fXY es la densidad del vector (X , Y ),
Vectores Aleatorios
tenemos que Continuos
Z a Z b
FXY (a, b) = P (X , Y ) ∈ (−∞, a]×(−∞, b] = fXY (x, y ) dx dy
−∞ −∞
∂2
fXY (a, b) = FXY (a, b) .
∂a ∂b
Vectores Aleatorios
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
Observemos que
Z Z ∞
P(X ∈ B) = P (X , Y ) ∈ B×(−∞, ∞) = fXY (x, y ) dy dx .
B −∞
Vectores Discretos
Vectores Aleatorios
Continuos
Sea (X , Y ) un vector aleatorio continuo con función de
densidad conjunta dada por fXY , entonces tenemos que las
funciones de densidad marginales vienen dadas por
Z ∞
fX (x) = fXY (x, y )dy ,
−∞
Z ∞
fY (y ) = fXY (x, y )dx ,
−∞
Vectores Aleatorios
Teorema
Vectores Aleatorios
Vectores Discretos
Sea g (X1 , X2 , . . . , Xn ) un vector aleatorio n-dimensional. Vectores Aleatorios
Continuos
Sea g : Rn → R una función. Consideremos la variable
aleatoria g (X1 , X2 , . . . , Xn ). Entonces tenemos que
h i X
E g (X1 , X2 , . . . , Xn ) = g (x1 , x2 , . . . , xn ) pX1 X2 ...Xn (x1 , x2 , . . . , xn )
x1 ,x2 ,xn
si el vector es discreto y
h i Z Z Z
E g (X1 , X2 , . . . , Xn ) = ... g (x1 , x2 , . . . , xn ) fX1 X2 ...Xn (x1 , x2 , . . . , xn )d
si el vector es continuo.
Vectores Aleatorios
Corolario
Vectores Aleatorios
Vectores Discretos
E [X + Y ] = E [X ] + E [Y ] Vectores Aleatorios
Continuos
Mas generalmente,
n
hX i Xn
E hi (Xi ) = E [hi (Xi )] .
i=1 i=1
Vectores Aleatorios
Independencia
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
para todo Bi ⊂ R.
Vectores Aleatorios
Caracterización de independencia
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
→ (x1 , · · · , xn ) = Πn
X1 , · · · , Xn independientes ↔ F− i=1 FXi (xi )
X
Vectores Aleatorios
Criterio de independencia para variables
discretas. Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
→ (x1 , · · · , xn ) = Πn
X1 , · · · , Xn independientes ↔ p− i=1 pXi (xi )
X
Vectores Aleatorios
Criterio de independencia para vectores
aleatorios continuos. Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
→ (x1 , · · · , xn ) = Πn
X1 , · · · , Xn independientes ↔ f− i=1 fXi (xi )
X
Vectores Aleatorios
Lemma
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
X , Y independientes entonces
E [XY ] = E [X ]E [Y ]
Mas generalmente,
h i h i h i
E h1 (X )h2 (Y ) = E h1 (X ) E h2 (Y )
Vectores Aleatorios
Covarianza
Vectores Aleatorios
Vectores Discretos
Dadas dos variables aleatorias X e Y definimos la covarianza
Vectores Aleatorios
entre ellas mediante la fórmula Continuos
h i
cov (X , Y ) = E (X − µX )(Y − µY ) ,
siendo µX = E [X ] y µY = E [Y ].
Fórmula Reducida:
cov (X , Y ) = E [XY ] − µX µY ,
cov (X , Y ) = 0
Vectores Aleatorios
Correlación
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
cov (X , Y )
ρ = ρ(X , Y ) = .
σX σY
Vectores Aleatorios
Propiedades
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
Cov (X , Y ) = Cov (Y , X )
Cov (X , X ) = V (X )
Cov (X + Y , Z ) = Cov (X , Z ) + Cov (Y , Z )
Cov (aX , Y ) = a Cov (X , Y )
Cov ( Pni=1 ai Xi , m
P P
j=1 bj Yj ) =
P n m
i=1 a
j=1 i jb Cov (Xi , Xj )
|ρ| ≤ 1
Vectores Aleatorios
Interpretación de la Covarianza
Vectores Aleatorios
Vectores Discretos
Vectores Aleatorios
Continuos
Vectores Aleatorios
Continuos
Cov (X , Y ) Cov (X , Y )
a∗ = , b ∗ = E [Y ]− = E [X ] .
σX2 σX2