MPRO2_U1_A1_SDRA

Unidad 1 Actividad 1 Glosario

Alumno: Sara Donahí Rodríguez Avilés

Matrícula: ES172009628
Asignatura: Probabilidad 2
Docente: María Isabel Castro Martínez
GLOSARIO

Vectores aleatorios
Un vector aleatorio de dimensión dos es un vector de la forma (𝑋, 𝑌) en donde cada
coordenada es una variable aleatoria. De manera análoga se definen vectores aleatorios
multidimensionales (𝑋1, … , 𝑋𝑛).

Función de probabilidad y densidad conjunta (caso discreto y continuo)

Función de probabilidad
La función de probabilidad del vector aleatorio discreto (𝑋, 𝑌), en donde X toma los valores
x1, x2, . . . y Y toma los valores y1, y2, . . ., es la función 𝑓(𝑥, 𝑦) ∶ 𝑅2 → [0, 1] dada por:

𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) 𝑠𝑖 (𝑥, 𝑦) ∈ {𝑥1 , 𝑥2 , … } × {𝑦1 , 𝑦2 , … }

𝑓 (𝑥, 𝑦) = {
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Función de densidad
Sea (𝑋, 𝑌) un vector aleatorio continuo. Se dice que la función integrable y no negativa
f(𝑥, 𝑦) ∶ 𝑅2 → [0, ∞) es la función de densidad del vector (𝑋, 𝑌) o bien que es la función de
densidad conjunta de las variables X y Y si para todo par (𝑥, 𝑦) en 𝑅2 se cumple la igualdad:

∞ ∞
𝑃 (𝑋 ≤ 𝑥, 𝑌 ≤ 𝑦) = ∫ ∫ 𝑓 (𝑢, 𝑣 )𝑑𝑣 𝑑𝑢
−∞ −∞

Función de distribución conjunta

La función de distribución del vector (𝑋, 𝑌), denotada por 𝐹(𝑥, 𝑦) ∶ 𝑅2 → [0, 1], se define de
la siguiente manera

𝐹(𝑥, 𝑦) = 𝑃(𝑋 ≤ 𝑥, 𝑌 ≤ 𝑦)

Función de probabilidad y densidad marginal

Sea 𝑓(𝑥, 𝑦) la función de densidad del vector aleatorio continuo (𝑋, 𝑌). Se define la función de
densidad marginal de la variable X como:
∞
𝑓𝑋 (𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦
−∞

Función de distribución marginal

Sea (𝑋, 𝑌) un vector aleatorio, continuo o discreto, con funci´on de distribución 𝐹(𝑥, 𝑦). La función
de distribución marginal de la variable X se define como la función de una variable
𝐹𝑋(𝑥) = lim 𝐹(𝑥, 𝑦)
𝑦→∞

Análogamente, la función de distribución marginal de la variable Y se define como la función

𝐹𝑌 (𝑦) = lim 𝐹(𝑥, 𝑦)
𝑥→∞
Función de distribución condicional
Sea (𝑋, 𝑌) un vector aleatorio discreto o continuo con función de probabilidad o de densidad
𝑓𝑋,𝑌 (𝑥, 𝑦). Sea y un valor de la variable Y tal que 𝑓𝑌 (𝑦) ≠ 0. A la función 𝑥 ⟼ 𝑓𝑋|𝑌 (𝑥 | 𝑦),
definida a continuación, se le llama la función de probabilidad o densidad condicional de X dado que
𝑌 = 𝑦.
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑋|𝑌 (𝑥|𝑦) =
𝑓𝑌 (𝑦)

Generalización de independencia de variables aleatorias

Dos variables aleatorias 𝑋 ∧ 𝑌 definidas en un mismo espacio de probabilidad, se dicen
independientes si para cualesquiera conjuntos de números reales 𝐵1 , 𝐵2 se cumple 𝑃((𝑋 ∈ 𝐵1 ) ∩
(𝑌 ∈ 𝐵2 )) = 𝑃 (𝑋 ∈ 𝐵1) 𝑃 (𝑌 ∈ 𝐵2), si 𝑋 ∧ 𝑌 son independientes si para cualesquiera x, y ∈ R,
se cumple 𝑃((𝑋 ≤ 𝑥) ∩ (𝑌 ≤ 𝑦)) = 𝑃(𝑋 ≤ 𝑥)𝑃(𝑌 ≤ 𝑦).

Esperanza, Varianza (matriz) y Covarianza de un vector aleatorio

La esperanza de un vector aleatorio (𝑋, 𝑌), compuesto por dos variables aleatorias con esperanzas
finitas, es el vector de las esperanzas, es decir, 𝐸(𝑋, 𝑌) = (𝐸(𝑋), 𝐸(𝑌)).

La varianza de un vector aleatorio (X, Y), compuesto por dos variables aleatorias con varianzas
finitas, es la matriz cuadrada
𝑉𝑎𝑟(𝑋) 𝐶𝑜𝑣(𝑋, 𝑌)
𝑉𝑎𝑟(𝑋, 𝑌) = ( )
𝐶𝑜𝑣(𝑌, 𝑋) 𝑉𝑎𝑟(𝑌)

Donde 𝐶𝑜𝑣(𝑋, 𝑌) es la covarianza de 𝑋 ∧ 𝑌 , se define:

𝐶𝑜𝑣(𝑋, 𝑌 ) = 𝐸[(𝑋 − 𝐸(𝑋))(𝑌 − 𝐸(𝑌 ))]

Coeficiente de correlación
El coeficiente de correlación entre las variables aleatorias X y Y con varianzas finitas distintas de
cero, se define como el número:

𝐶𝑜𝑣(𝑋, 𝑌)
𝜌(𝑥, 𝑦) =
√𝑉𝑎𝑟(𝑋)𝑉𝑎𝑟(𝑌)

Desigualdad de Chébyshev
Sea 𝑋 una variable aleatoria con media µ y varianza finita 𝜎 2 .
𝜎2
∀∈ > 0 ∈ ℝ, 𝑃(|𝑋 − µ| ≥∈) ≤
∈2

Función generadora de momentos

La función generadora de momentos de una variable aleatoria discreta o continua 𝑋 es la función
𝑀(𝑡) definida como: 𝑀(𝑡) = 𝐸(𝑒 𝑡𝑋 ), para valores reales de t en donde esta esperanza existe.
Quisiera agregar que en la bibliografía que consulté, Chebyshev no está acentuada.

Bibliografía
Rincón, L. (2014). Introducción a la Probabilidad. CDMX: UNAM.