Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1- 𝑝𝑋𝑌 𝑥, 𝑦 ≥ 0
Ejemplo
De una urna que contiene 6 bolillas blancas y 4 negras, se extraen 3 sin reposición.
Entonces definimos:
X=“Número de bolillas blancas extraídas”
Y=1 si el número de bolillas negras extraídas es par o cero.
Y=0 si el número de bolillas negras extraídas es impar.
Total de bolillas 10 2
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Conjunta
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Conjunta
𝑝𝑋𝑌 0,1 = 𝑃 0 𝑏𝑙𝑎𝑛𝑐𝑎, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒑𝒂𝒓 = 0 porque de tres bolitas
extraídas todas serán negras => negras impar.
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Marginal
Definición de Función de Probabilidad Marginal
𝑝𝑋 𝑥 = 𝑝𝑋𝑌 𝑥, 𝑦
𝑦∈𝑌
𝑝𝑌 𝑦 = 𝑝𝑋𝑌 𝑥, 𝑦
𝑥∈𝑋
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Marginal
X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1
1 1 3 3
𝑝𝑋 0 = 𝑝𝑋𝑌 0,0 + 𝑝𝑋𝑌 0,1 = + 0 = 30 𝑝𝑋 1 = 𝑝𝑋𝑌 1,0 + 𝑝𝑋𝑌 1,1 = 0 + 10 = 10
30
1 1 1 1
𝑝𝑋 2 = 𝑝𝑋𝑌 2,0 + 𝑝𝑋𝑌 2,1 = 2 + 0 = 2 𝑝𝑋 3 = 𝑝𝑋𝑌 3,0 + 𝑝𝑋𝑌 3,1 = 0 + 6 = 6
1 1 8
𝑝𝑌 0 = 𝑝𝑋𝑌 0,0 + 𝑝𝑋𝑌 1,0 + 𝑝𝑋𝑌 2,0 + 𝑝𝑋𝑌 3,0 = +0+ +0=
30 2 15
3 1 7
𝑝𝑌 1 = 𝑝𝑋𝑌 0,1 + 𝑝𝑋𝑌 1,1 + 𝑝𝑋𝑌 2,1 + 𝑝𝑋𝑌 3,1 = 0 + +0+ =
10 6 15
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
𝐹𝑋𝑌 𝑥, 𝑦 = 𝑝𝑋𝑌 𝑠, 𝑡
𝑠≤𝑥 𝑡≤𝑦
=𝑝𝑋𝑌 0,0 + 𝑝𝑋𝑌 0,1 + 𝑝𝑋𝑌 1,0 + 𝑝𝑋𝑌 1,1 + 𝑝𝑋𝑌 2,0 + 𝑝𝑋𝑌 2,1 =
1 3 1 5
= +0+0+ + +0=
30 10 2 6
7
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Condicional
Definición de Función de Probabilidad Condicional
𝑝𝑋𝑌 𝑥, 𝑦
𝑃𝑌/𝑋=𝑎 𝑦 =
𝑝𝑋 𝑎
Del mismo modo, sea b tal que 𝑝𝑌 𝑏 > 0 entonces, la función de probabilidad
condicional de X dado Y=b está dada por:
𝑝𝑋𝑌 𝑥, 𝑦
𝑃𝑋/𝑌=𝑏 𝑥 =
𝑝𝑌 𝑏
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Condicional
X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Condicional
X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
𝑝𝑋𝑌 0,0 ¿ ? 𝑝𝑋 0 ∗ 𝑝𝑌 0
1 1 8
¿? ∗
30 30 15
1 4
≠
30 225
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Valor Esperado
Definición
Sean X e Y dos variables aleatorias discretas con probabilidad conjunta 𝑝𝑋𝑌 𝑥, 𝑦 y
h(X,Y) una variable aleatoria, entonces
𝐸[ℎ 𝑋, 𝑌 ] = ℎ 𝑥, 𝑦 𝑝𝑋𝑌 𝑥, 𝑦
𝑥∈𝑋 𝑦∈𝑌
Propiedades:
1-E( aX + bY)= aE(X) + bE(Y)
12
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Valor Esperado
Ejemplo
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Covarianza
Definición
Sean X e Y dos variables aleatorias discretas con valor esperado 𝜇𝑥 y 𝜇𝑦
respectivamente. La covarianza entre X e Y se define como
Propiedades:
1- 𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸(𝑋𝑌) - 𝐸 𝑋 𝐸(𝑌) siendo la forma mas utilizada.
Demostración:
𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸[(𝑋 − 𝜇𝑥 )(𝑌 − 𝜇𝑦 )]=𝐸[(𝑋𝑌 − 𝑋𝜇𝑦 − 𝜇𝑥 Y + 𝜇𝑥 𝜇𝑦 )]
= 𝐸(𝑋𝑌) − 𝐸(𝜇𝑦 𝑋) − 𝐸(𝜇𝑥 Y)+ 𝐸( 𝜇𝑥 𝜇𝑦 )
= 𝐸 𝑋𝑌 − 𝜇𝑦 𝐸(𝑋) − 𝜇𝑥 𝐸(Y) + 𝜇𝑥 𝜇𝑦
= 𝐸 𝑋𝑌 − 𝐸(𝑌)𝐸(𝑋) − 𝐸(𝑋)𝐸(Y) +𝐸(𝑋)𝐸(Y)
= 𝐸 𝑋𝑌 − 𝐸 𝑋 𝐸(𝑌)
2- Si X e Y son independientes entonces Cov( X,Y)=0 mientras que el recíproco no es
cierto. 14
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Covarianza
Interpretación de la Covarianza:
Y -
-La Cov(X,Y) > 0 si la relación entre X e Y es fuertemente positiva. +
Y - +
-La Cov(X,Y)=0 si no existe relación fuerte entre X e Y
+ -
X
15
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Covarianza
X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1
𝐸 𝑋𝑌 = 0 ∗ 0 𝑝𝑋𝑌 0,0 + 0 ∗ 1 𝑝𝑋𝑌 0,1 + 1 ∗ 0 𝑝𝑋𝑌 1,0 + 1 ∗ 1 𝑝𝑋𝑌 1,1 +
2 ∗ 0 𝑝𝑋𝑌 2,0 + 2 ∗ 1 𝑝𝑋𝑌 2,1 + 3 ∗ 0 𝑝𝑋𝑌 3,0 + 3 ∗ 1 𝑝𝑋𝑌 3,1 =
3 1 4
=0+0+0+1* +0+0+3* =
10 6 5
3 1 1 9
𝐸 𝑋 = 0 ∗ 𝑝𝑋 0 + 1 ∗ 𝑝𝑋 1 + 2 ∗ 𝑝𝑋 2 + 3 ∗ 𝑝𝑋 3 =0+ 1* + 2 * +3 * =
10 2 6 5
7 7
𝐸 𝑌 = 0 ∗ 𝑝𝑌 0 + 1 ∗ 𝑝𝑌 1 = 0 + 1 * =
15 15
4 9 7 1
Cov( X,Y)= E(XY) – E(X)E(Y)= - [ * ]= - => La relación entre X e Y es fuertemente
5 5 15 25
negativa 16
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Varianza
Definición
Sean X e Y dos variables aleatorias discretas.
= 𝑎2 𝑉 𝑋 + 𝑏2 𝑉 𝑌 + 2𝑎𝑏𝐶𝑜𝑣(𝑋, 𝑌)
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Coeficiente de Correlación
Definición
Sean X e Y dos variables aleatorias discretas con desvío estándar 𝜎𝑥 y 𝜎𝑦
respectivamente.
El coeficiente de correlación entre X e Y se define como
𝐶𝑜𝑣(𝑋,𝑌)
𝞺 𝑋, 𝑌 =
𝜎𝑥 𝜎𝑦
Por lo tanto, mide el grado de asociación lineal entre X e Y.
Propiedades:
1- -1≤ 𝞺 𝑋, 𝑌 ≤1
18
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Coeficiente de Correlación
19
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
Coeficiente de Correlación
X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1
4 9 7 1 9 7
Teníamos que Cov( X,Y)= E(XY) – E(X)E(Y)= - [ * ]= - 𝐸 𝑋 = 𝐸 𝑌 =
5 5 15 25 5 15
V(X) = E(𝑋 2 ) − [𝐸 𝑋 ] 2 = 02 ∗ 𝑝𝑋 0 + 12 ∗ 𝑝𝑋 1 + 22 ∗ 𝑝𝑋 2 + 32 ∗ 𝑝𝑋 3 -
9
[ ] 2 = 0,56
5
𝜎𝑥 = 0,56 ≈ 0,748
7
V(Y) = E(𝑌 2 ) − [𝐸 𝑌 ] 2 = 02 ∗ 𝑝𝑌 0 + 12 ∗ 𝑝𝑌 1 − [ ] 2 = 0,249
15
𝜎𝑦 = 0,249 ≈ 0,499
1
− 25
𝞺 𝑋, 𝑌 = = − 0,107 20
0,748∗0,499
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
EJEMPLO
Sean X e Y dos variables aleatorias discretas tales que X sólo toma los valores 1 y 3 e Y
sólo toma valores 2 y 4.
21
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
EJEMPLO
Probabilidades X
Conjuntas 1 3
2 2c 6c
Y
4 4c 12c
1
Luego la función de probabilidad conjunta es 𝑝𝑋𝑌 𝑥, 𝑦 = 24 𝑥𝑦
22
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
EJEMPLO
Probabilidades X
Conjuntas 1 3
2 2c=2*1/24=1/12 6c=6*1/24=1/4 1/3
Y 4 4c=4*1/24=1/6 12c=12*1/24=1/2 2/3
1/4 3/4 1
𝑝𝑋 1 = 1/4 𝑝𝑌 2 = 1/3
𝑝𝑋 3 = 3/4 𝑝𝑌 4 = 2/3
23
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
EJEMPLO
Probabilidades X
Conjuntas 1 3
2 2c=2*1/24=1/12 6c=6*1/24=1/4 1/3
Y 4 4c=4*1/24=1/6 12c=12*1/24=1/2 2/3
1/4 3/4 1
𝑝𝑋𝑌 1,2 ¿ ? 𝑝𝑋 1 ∗ 𝑝𝑌 2
1 1 1
¿? ∗
12 4 3
1 1
=
12 12
Entonces X e Y son independientes 24
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
EJEMPLO
Probabilidades X
Conjuntas 1 3
2 2c=2*1/24=1/12 6c=6*1/24=1/4 1/3
Y 4 4c=4*1/24=1/6 12c=12*1/24=1/2 2/3
1/4 3/4 1
25
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
EJEMPLO
5. Calcular la media y la varianza de las variables aleatorias X, Y y W = 5X-3Y
X
Probabilidades
Conjuntas 1 3
2 2c=2*1/24=1/12 6c=6*1/24=1/4 1/3
Y 4 4c=4*1/24=1/6 12c=12*1/24=1/2 2/3
1/4 3/4 1
1 3
10 5
𝐸 𝑋 = 1 ∗ 𝑝𝑋 1 + 3 ∗ 𝑝𝑋 3 =1* 4 + 3*4 = =
4 2
1 3 28
E(𝑋 2 ) = 12 ∗ 𝑝𝑋 1 + 32 ∗ 𝑝𝑋 3 = 1* 4 + 9*4 = 4 = 7
5 3
V(X) = E(𝑋 2 ) − [𝐸 𝑋 ] 2 = 7- [2] 2 = 4
1 2 10
𝐸 𝑌 = 2 ∗ 𝑝𝑌 2 + 4 ∗ 𝑝𝑌 4 = 2* 3 + 4*3 = 3
1 2 36
E(𝑌 2 ) = 22 ∗ 𝑝𝑌 2 + 42 ∗ 𝑝𝑌 4 = 4* 3 + 16*3 = = 12
3
10 8
V(Y) = E(𝑌 2 ) − [𝐸 𝑌 ] 2 = 12- [ 3 ] 2 = 9
5 10 5
E(W)= E( 5X-3Y)= 5*E(X) – 3*E(Y) = 5* 2 - 3* =2
3
3 8 107
V(W)= V( 5X-3Y)= 25*V(X) – 9*V(Y) = 25* 4 - 9* 9 =
4 26
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
Facultad
Taller de Ciencias Económicas UBA
de Programación
27
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso