Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bivariada
Tema 1: Variable aleatoria bidimensional
discreta
Estadística para Economistas 2
Mgtr. Randy Fernández
Ciencias Económicas y
Empresariales
Distribución Normal Bivariada
f(x ,y )
X
Distribución Normal Bivariada
𝜌 = 0, 1 − 1 2 2
𝑓(𝑥, 𝑦) = 𝑒 2 𝑥 +𝑦
𝜎X = 1, 2𝜋
𝜇X = 0,
𝜎Y = 1, para −∞<𝑥 <∞ 𝑦 −∞<𝑦 <∞
𝜇Y = 0
Distribución Normal Bivariada
𝑥2 𝑥2
− (0.5333) −(0.0833)𝑥𝑦+
𝜌 = 0.25, 4 9
𝑓(𝑥, 𝑦) = (0.027396)𝑒
𝜎X = 2,
𝜇X = 0, para −∞<𝑥 <∞ 𝑦 −∞<𝑦 <∞
𝜎Y = 3,
𝜇Y = 0
Distribución Normal Bivariada
𝜌 = 0.25, 𝑥2 𝑥2
− (0.5333) 4 −(0.05)𝑥𝑦+25
𝜎X = 2, 𝑓(𝑥, 𝑦) = (0.0164375)𝑒
𝜇X = 0,
𝜎Y = 5, para −∞<𝑥 <∞ 𝑦 −∞<𝑦 <∞
𝜇Y = 0
Distribución Normal Bivariada
𝑥2 𝑥2
𝜌 = 0.25, − (0.5333) 4 −(0.05)𝑥𝑦+25
𝑓(𝑥, 𝑦) = (0.0164375)𝑒
𝜎X = 2,
𝜇X = 2, para −∞<𝑥 <∞ 𝑦 −∞<𝑦 <∞
𝜎Y = 5,
𝜇Y = 3
Distribución Normal Bivariada. Densidad en forma matricial
Considerando:
𝑥 𝜇𝑥 𝑥 − 𝜇𝑥
𝑋= 𝑦 𝜇Ԧ = 𝜇 𝑋 − 𝜇Ԧ = 𝑥 − 𝜇
𝑦 2 2
Se tiene:
𝑥 − 𝜇𝑥
𝑋 − 𝜇Ԧ 𝑋 − 𝜇Ԧ ′ = 𝑦 − 𝜇 𝑥 − 𝜇𝑥 𝑦 − 𝜇𝑦
𝑦
(𝑥 − 𝜇𝑥 )2 (𝑥 − 𝜇𝑥 )(𝑦 − 𝜇𝑦 )
=
(𝑥 − 𝜇𝑥 )(𝑦 − 𝜇𝑦 ) (𝑦 − 𝜇𝑦 )2
Distribución Normal Bivariada. Densidad en forma matricial
Con lo cual:
𝑡 (𝑥 − 𝜇𝑥 )2 (𝑥 − 𝜇𝑥 )(𝑦 − 𝜇𝑦 )
E 𝑋 − 𝜇Ԧ 𝑋 − 𝜇Ԧ =E
(𝑥 − 𝜇𝑥 )(𝑦 − 𝜇𝑦 ) (𝑦 − 𝜇𝑦 )2
E(𝑥 − 𝜇𝑥 )2 E (𝑥 − 𝜇𝑥 )(𝑦 − 𝜇𝑦 )
=
E (𝑥 − 𝜇𝑥 )(𝑦 − 𝜇𝑦 ) E(𝑦 − 𝜇𝑦 )2
𝜎𝑥2 𝜎𝑥𝑦
= 2 =Σ
𝜎𝑥𝑦 𝜎𝑦
Esta matriz de valores esperados es llamada matriz variancia-covariancia de las
variables X, Y .
Distribución Normal Bivariada. Densidad en forma matricial
Se deduce:
𝜎𝑥2 𝜎𝑥𝑦
Σ=
𝜎𝑥𝑦 𝜎𝑦2
1ൗ
y, Σ 2 = 𝜎𝑥2 𝜎𝑦2 1 − 𝜌2 = 𝜎𝑥 𝜎𝑦 1 − 𝜌2
Distribución Normal Bivariada. Densidad en forma matricial
2 2
𝑡
Q = 𝑋 − 𝜇Ԧ Σ −1 𝑋 − 𝜇Ԧ = (𝑥i − 𝜇i )(𝑥j − 𝜇j ) rij
i=1 j=1
2 2
1 𝑥 − 𝜇𝑥 𝑥 − 𝜇𝑥 𝑦 − 𝜇𝑦 𝑦 − 𝜇𝑦
= 2
− 2𝜌 +
1−𝜌 𝜎𝑥 𝜎𝑥 𝜎𝑦 𝜎𝑦
2 2
𝑥 − 𝜇𝑥 2𝜌 𝑦 − 𝜇𝑦
= 2 − 𝑥 − 𝜇𝑥 𝑦 − 𝜇 𝑦 +
2
𝜎𝑥 (1 − 𝜌 ) 2
𝜎𝑥 𝜎𝑦 (1 − 𝜌 ) 𝜎𝑦2 (1 − 𝜌2 )
Distribución Normal Bivariada. Densidad en forma matricial
1 𝜌
−
𝜎𝑥2 (1 − 𝜌2 ) 𝜎𝑥 𝜎𝑦 (1 − 𝜌2 )
Σ −1 =
𝜌 1
−
𝜎𝑥 𝜎𝑦 (1 − 𝜌2 ) 𝜎𝑦2 (1 − 𝜌2 )
y
𝑡
Q = 𝑋 − 𝜇Ԧ Σ −1 𝑋 − 𝜇Ԧ
1 2
2𝜌 1 2
= 2 2
𝑥 − 𝜇1 − 2
𝑥 − 𝜇𝑥 𝑦 − 𝜇𝑦 + 2 2
𝑦 − 𝜇𝑦
𝜎𝑥 (1 − 𝜌 ) 𝜎𝑥 𝜎𝑦 (1 − 𝜌 ) 𝜎𝑦 (1 − 𝜌 )
Distribución Normal Bivariada. Densidad en forma matricial
La función densidad de la distribución normal bivariada, expresada en forma
matricial es:
1 1 𝑡
− 𝑋−𝜇 Σ−1 𝑋−𝜇
𝑓 𝑋 = 1 𝑒
2
2𝜋 Σ 2
Donde Σ es la matriz variancia-covariancia, y
𝑡
Q = 𝑋 − 𝜇Ԧ Σ −1 𝑋 − 𝜇Ԧ
Sean X, Y dos variables que tiene una distribución normal bivariada con una
forma cuadrática:
1
Q= 6(𝑥 − 10)2 + 12(𝑥 − 10)(𝑦 + 5) + 18(𝑦 + 5)2
120
1
Q= 6(𝑥 − 10)2 + 12(𝑥 − 10)(𝑦 + 5) + 18(𝑦 + 5)2
120
6 12ൗ 1 1
2
Σ −1 = 120 120 = 20 20
12ൗ 18 1 3
2
120 120 20 20
−1
1 3 1 1 1
Σ = − =
20 20 20 20 200
Distribución Normal Bivariada. Densidad en forma matricial.
Ejemplo
Luego,
3 1
1 − 𝜎 2 𝜎𝑥,𝑦
20 20 = 30 −10 𝑥
Σ= Σ −1 −1 = =
(1/200) 1 1 −10 10 𝜎𝑥,𝑦 𝜎𝑦2
−
20 20
𝜎𝑥,𝑦 −10
𝜌= = = − 1/3 = − 0.57735
𝜎𝑥 𝜎𝑦 30 10
Distribución Normal Bivariada. Teoremas
• Si X, Y son dos variables aleatorias que tienen una distribución normal bivariada;
luego, la distribución marginal de X es normal con media x y variancia 𝜎𝑥2 , y la
distribución marginal de Y es normal con media y y variancia 𝜎𝑦2
• Si X, Y son dos variables aleatorias que tienen una distribución normal bivariada
y el xy=0 entonces X, Y son independientes.
• Si X, Y son dos variables aleatorias que tienen una distribución normal bivariada;
luego, cualquier combinación lineal de dichas variables tendrá también una
distribución normal.
Distribución Normal Bivariada. Función de probabilidad
marginal
∞
1 1 𝑥−𝜇
−2 ( 𝜎 X )2
𝑓X 𝑥 = න 𝑓 𝑥, 𝑦 𝑑𝑦 = 𝑒 X
2𝜋𝜎𝑋
−∞
1 𝑦−𝜇
∞ 1 −2 ( 𝜎 Y )2
𝑓Y 𝑦 = − ∞ 𝑓 𝑥, 𝑦 𝑑𝑥 ) = 𝑒 Y
2𝜋𝜎𝑌
Distribución Normal Bivariada. Teoremas
𝜎𝑋
𝜇𝑋•𝑦 = 𝜇𝑋 + 𝜌 (𝑦 − 𝜇𝑦 )
𝜎𝑌
2
𝜎𝑋•𝑦 = 𝜎𝑋2 1 − 𝜌2
𝜎𝑋
Donde 𝜌 es el coeficiente de regresión.
𝜎𝑌
Distribución Normal Bivariada. Función de densidad condicional
1 𝑥−𝜇X 2 𝑥−𝜇X 𝑦−𝜇Y 𝑦−𝜇Y 2
1 − ( ) −2𝜌( )( )+( 𝜎Y )
𝑓(𝑥, 𝑦) = 𝑒 2(1−𝜌2 ) 𝜎X 𝜎X 𝜎Y
2𝜋 𝜎𝑋 𝜎𝑌 1 − 𝜌2
1 1 𝑥−𝜇
−2 ( 𝜎 X )2
𝑓X 𝑥 = 𝑒 X
2𝜋𝜎𝑋
1 𝑥−𝜇X 2 𝑥−𝜇X 𝑦−𝜇Y 𝑦−𝜇Y 2
1 −
2(1−𝜌 2) ( 𝜎 ) −2𝜌( 𝜎 )( 𝜎 )+( 𝜎 )
𝑒 X X Y Y
𝑓 𝑥, 𝑦 2𝜋 𝜎𝑋 𝜎𝑌 1 − 𝜌2
𝑓 𝑥 Τ𝑦 = = 1 𝑦−𝜇
𝑓Y 𝑦 1 −2 ( 𝜎 Y )2
𝑒 Y
2𝜋𝜎𝑌
2
𝜎 𝜌 𝑦−𝜇Y
1 𝑥− 𝜇X + 𝑋 𝜎
1 − 𝑌
𝑓 𝑥 Τ𝑦 = 𝑒 2(1−𝜌2 ) 𝜎𝑋
2𝜋𝜎𝑋 1 − 𝜌2
𝜎𝑋 𝜌 𝑦 − 𝜇Y
𝑓 𝑥/𝑦 ~𝑁 𝜇X + , 𝜎𝑋2 1 − 𝜌2
𝜎𝑌
Distribución Normal Bivariada. Teoremas
Si X, Y son dos variables aleatorias que tienen una distribución normal bivariada;
luego,
𝜎𝑌
𝜇𝑌•𝑥 = 𝜇𝑌 + 𝜌 (𝑥 − 𝜇𝑥 )
𝜎𝑋
2
𝜎𝑌•𝑥 = 𝜎𝑌2 (1 − 𝜌2 )
𝜎𝑌
Donde 𝜌 𝜎 es el coeficiente de regresión.
𝑋
Distribución Normal Bivariada. Función de densidad condicional
1 𝑥−𝜇X 2 𝑥−𝜇X 𝑦−𝜇Y 𝑦−𝜇Y 2
1 −
2(1−𝜌 2 )
(
𝜎
) −2𝜌(
𝜎
)(
𝜎
)+(
𝜎
)
𝑓(𝑥, 𝑦) = 𝑒 X X Y Y
2𝜋 𝜎𝑋 𝜎𝑌 1 − 𝜌2
1 1 𝑦−𝜇
−2 ( 𝜎 Y )2
𝑓Y 𝑦 = 𝑒 Y
2𝜋𝜎𝑌
1 𝑥−𝜇X 2 𝑥−𝜇X 𝑦−𝜇Y 𝑦−𝜇Y 2
1 −
2(1−𝜌 2) (
𝜎
) −2𝜌(
𝜎
)(
𝜎
)+(
𝜎
)
𝑒 X X Y Y
𝑓 𝑥, 𝑦 2𝜋 𝜎𝑋 𝜎𝑌 1 − 𝜌2
𝑓 𝑦Τ𝑥 = = 1 𝑥−𝜇
𝑓X 𝑥 1 −2 ( 𝜎 X )2
𝑒 X
2𝜋𝜎𝑋
2
𝜎 𝜌 𝑥−𝜇X
𝑥− 𝜇Y + 𝑌
1 𝜎𝑋
1 −
𝑓 𝑦Τ𝑥 = 𝑒 2(1−𝜌2 ) 𝜎𝑌
2𝜋𝜎𝑌 1 − 𝜌2
𝜎𝑌 𝜌 𝑥 − 𝜇X
𝑓 𝑦/𝑥 ~𝑁 𝜇Y + , 𝜎𝑌2 1 − 𝜌2
𝜎𝑋
Distribución Normal Bivariada. Teoremas. Ejemplo
Sean X, Y las cantidades demandadas de dos artículos que tiene una distribución
normal bivariada con una forma cuadrática:
1
Q= 6(𝑥 − 10)2 + 12(𝑥 − 10)(𝑦 + 5) + 18(𝑦 + 5)2
120
1
Q= 6(𝑥 − 10)2 + 12(𝑥 − 10)(𝑦 + 5) + 18(𝑦 + 5)2
120
𝜎X
𝜇X•𝑦 = 𝜇X + 𝜌 (𝑦 − 𝜇Y )
𝜎Y
1 30
= 10 + − 𝑦 − (−5)
3 10
𝜇X•𝑦 = 5 − 𝑦
Distribución Normal Bivariada. Función generatriz de momentos
𝜇𝑥 𝜎𝑥2 𝜎𝑥𝑦
Sea 𝑋, 𝑌 ~𝑁 𝜇𝑦 , 𝜎
𝑥𝑦 𝜎𝑦2
Entonces la función generatriz de momentos para la distribución normal bivariada
queda expresa como:
1
𝑡Ԧ 𝑇 𝜇+ 𝑡Ԧ 𝑇 Σ𝑡Ԧ 𝑡𝑥
𝑀𝑋𝑌 𝑡Ԧ = 𝑒 2 , donde 𝑡Ԧ = 𝑡
𝑦
1
𝑡𝑥 𝜇𝑥 +𝑡𝑦 𝜇𝑦 + 𝑡𝑥2 𝜎𝑥2 +2𝑡𝑥 𝑡𝑦 𝜎𝑥𝑦 +𝑡𝑦
2 𝜎2
𝑦
2
𝑀𝑋𝑌 𝑡Ԧ = 𝑒
Distribución Normal Bivariada. Ejemplo
Suponga que el costo variable de producción semanal (X, en centenas de dólares) y la producción
semanal de fideos (Y, en toneladas), se distribuyen conjuntamente según la normal bivariada con
la siguiente información:
𝜇𝑥 = 25, 𝜇𝑦 = 20, 𝜎𝑥 = 5, 𝜎𝑦 = 7, 𝜎𝑥𝑦 = 24
a) Establezca la ecuación de regresión del costo variable de producción semanal sobre la
producción semanal de fideos. Interprete coeficientes.
b) Halle el percentil 90% de la distribución de costos variables para producciones semanales de
fideos de 22 toneladas. Interprete.
Distribución Normal Bivariada. Ejemplo
El vector aleatorio (P, Q) representa el precio semanal (en u.m) y la cantidad (en número de
barriles) de la cerveza India HopMeister, vendida en el mercado del noroeste pacífico. Asumiendo
(P, Q) tiene una distribución bivariada, con los siguientes datos:
𝜇𝑃 = 125, 𝜇𝑄 = 500, 𝜎𝑃 = 10, 𝜎𝑄 = 20, 𝜎𝑃,𝑄 = −100
a) ¿Cuál es la probabilidad que la cantidad de cerveza vendida por semana sea superior a 450
barriles?
b) ¿Cuál es el precio semanal esperado de la cerveza HopMeister si se vendiera 350 barriles de
cerveza por semana?
c) ¿Cuál es la cantidad esperada vendida de la cerveza HopMeister por semana si el precio de
cada barril es de 100 u.m?
d) ¿Cuál es la correlación entre el precio y cantidad vendida por semana de la cerveza
HopMeister? Interprete su resultado.
e) ¿Cuál es la venta semanal esperada de dólares de la cerveza HopMeister?
Distribución Normal Multivariada
𝑥 − 𝑥ҧ
𝑥 − 𝑥ҧ 𝑦 − 𝑦ത 𝑆 −1 ≤ 𝜒 22,0.5 =1.386
𝑦 − 𝑦ത
Distribución Normal Multivariada. Distancia de Mahalanobis.
Ejemplo
1 0 1 0 1 0
Σ= Σ −1 = 𝑅=
0 1 0 1 0 1
2 𝑇
𝑑𝑀 = 𝑋 − 𝜇Ԧ Σ −1 𝑋 − 𝜇Ԧ
𝑑𝐸 𝐴, 𝑂 = 𝑑𝐸 𝐵, 𝑂
𝑑𝑀 𝐴, 𝑂 > 𝑑𝑀 𝐵, 𝑂
𝑑𝑀 incluye la correlación
2 𝑇
𝑑𝑀 = 𝑋 − 𝜇Ԧ Σ −1 𝑋 − 𝜇Ԧ
𝑑𝐸 𝐴, 𝑂 = 𝑑𝐸 𝐵, 𝑂
𝑑𝑀 𝐴, 𝑂 > 𝑑𝑀 𝐵, 𝑂
𝑑𝑀 incluye la correlación
Distribución Normal Multivariada. Distancia de Mahalanobis.
Ejemplo
6 4 0.3 −0.2 1 −1
Σ= Σ −1 = 𝑅=
4 6 −0.2 0.3 1 1
2 𝑇
𝑑𝑀 = 𝑋 − 𝜇Ԧ Σ −1 𝑋 − 𝜇Ԧ
𝑑𝐸 𝐴, 𝑂 = 𝑑𝐸 𝐵, 𝑂
𝑑𝑀 𝐴, 𝑂 > 𝑑𝑀 𝐵, 𝑂
𝑑𝑀 incluye la correlación
Distribución Normal Multivariada. Distancia de Mahalanobis.
Ejemplo
Relaciona cada matriz con su conjunto de datos
1 0
Σ1 =
0 1
1 −0.7
Σ2 =
−0.7 1
1 0.5
Σ3 =
0.5 1
5 0
Σ4 =
0 1