Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Vectores aleatorios.
En palabras simples, un vector aleatorio de dimension R2 es un vector de la
forma (X , Y ) en donde cada coordenada es una variable aleatoria. De manera
análoga se definen a los vectores aleatorios multidimensionales como
(X 1 , ... , X n).
Para la función de probabilidad tenemos que el vector aleatorio discreto (X, Y),
en donde X toma los valores x 1 , x 2 , … y para la cordenada Y toma los valores
y 1 , y 2 , . .. , es la funcion f ( x , y ) : R2 →[0 ,1]dada por:
f ( x , y )=
{
P ( X =x ,Y = y ) si ( x , y ) ∈ { x 1 , x 2 , . .. }× { y 1 , y 2 , .. . }
0 en otro caso .
Por otro lado, para la funcion de densidad tenemos que sea (X, Y ) un vector
aleatorio continuo, donde la función es integrable y no negativa f ( x , y ) : R2 →¿
es la función de densidad del vector (X, Y ) o mejor dicho es la función de
densidad conjunta de las variables X y Y si para todo par (x, y) en R2 se cumple
la igualdad:
x y
P(X ≤ x , Y ≤ y)= ∫ ∫ f ( u , v ) dudv .
−∞ −∞
Var ( X ,Y )=
( Var ( X )
Cov ( Y , X )
Cov ( X , Y )
Var ( X ) )
Finalmente, tenemos que la covarianza de X ∧Y , se puede definir de la
siguiente manera: Cov ( X , Y )=E[( X −E( X))(Y −E (Y ))].
9. Coeficiente de correlación.
En terminos simples, tenemos que el coeficiente de correlación entre las
variables aleatorias X y Y con varianzas finitas distintas de cero, se define de la
siguiente manera:
Cov ( X ,Y )
ρ ( X , Y )=
√Var ( X ) Var ( Y )
10. Desigualdad de Chébyshev.
Para este concepto, tenemos que sea X una variable aleatoria con media µ y
varianza finita σ 2, tendremo que la desigualdad quedará definida de la siguinete
manera
2
σ
∀ ϵ >0 ∈ R , P(|X −μ|≥ ϵ) ≤ 2
ϵ
Referencias:
UnADM. (Sin ficha). Unidad 1. Vectores aleatorios. Septiembre 26, 2022, de
Universidad Abierta y a Distancia de México. Sitio web:
https://campus.unadmexico.mx/contenidos/DCEIT/BLOQUE2/MT/03/MPRO2/U1/
descargables/MPRO2_U1_contenido.pdf