Está en la página 1de 11

Luis ngel Garca Domnguez Vctor Manuel Rodrguez Evangelista Alberto Prez Perea

Materia: Probabilidad y Estadstica

Grupo: sco 402M

Tema: Exposicin de Variables Aleatorias Conjuntas Discretas

ndice

Definicin de Probabilidad Funcin de probabilidad conjunta Definicin Propiedades Funcin de marginales de probabilidad Funciones condicionales Funciones marginal de densidad Covarianza, correlacin Propiedades

Definicin de probabilidad:

La estadista es un conjunto de procedimientos matemticos, algunos autores la definen como una ciencia que se ocupa de la recoleccin y ordenacin de datos numricos, de su anlisis y de la obtencin de una serie de conclusiones y resultados a partir de un conjunto de datos. Esto abarca cualquier tipo de dato capaza de ser medido o cuantificado, a travs de alguna forma de representacin codificada. Por ejemplo la variable sexo masculino, femenino puede ser representada mediante 1 y 0, es decir si queremos saber cuanto es el total de varones solo es necesario realizar la suma de estos valores.

Variables aleatorias conjuntas:

En cualquier sistema, fsico, econmico o social que se estudie a travs de modelos aleatorios, pueden existir varias variables, debido a la interrelacin entre ellas deben estudiarse varios modelos que describan el comportamiento probabilstico conjunto de estas variables. Por ejemplo si X1, X2, X3, X4. Xn. Son variables definidas sobre un mismo espacio muestral, dichas variables aleatorias, reciben el nombre de variables aleatorias conjuntas

Las variables conjuntas aleatorias discretas;


Distribucin binomial Distribucin binomial negativa Distribucin Poisson Distribucin geomtrica Distribucin hipergeomtrica Distribucin de Bernoulli Distribucin Rademacher, que toma el valor 1 con probabilidad 1 / 2 y el valor 1 con probabilidad 1 / 2. Distribucin uniforme discreta, donde todos los elementos de un conjunto finito son equiprobables.

Funcin de probabilidad conjunta:

Probabilidad conjunta es una probabilidad que mide la posibilidad de que dos o ms eventos ocurran juntos. La probabilidad de que los eventos A y B sucedan al mismo tiempo se expresa como P(A & B). Para eventos A y B independientes, P(A & B)=P(A)P(B). P(A & B) tambin se conoce como la probabilidad de la interseccin de los eventos A y B. un ejemplo es el de la moneda (si sale cara, no puede salir cruz a la vez). Propiedades, de la funcin de probabilidad en el caso discreto

Ejemplo: Supngase que en una bolsa hay 3 monedas de , dos monedas de 50 cntimos de y una moneda de 10 cntimos de , adems de que todas las monedas son del mismo tamao y que no se pueden diferenciar con el tacto. Si se escogen 2 monedas, primero una y despus otra, sin devolver la primera a la bolsa, y consideramos la variable aleatoria X correspondiente a la ganancia del juego, determinar: a) La funcin de densidad de probabilidad. b) La funcin de distribucin. c) P(X = 1) d) P(X < 1,5) e) P(0,60 < X < 1,5)

a) Podemos esquematizar el resultado del juego mediante la siguiente tabla

Primera moneda Segunda moneda Ganancia Probabilidad 1 1 2 3/62/5=1/5 1 50cens 1,5 3/62/5= 1/5 1 10cens 1,1 3/61/5=1/10 50cens 1 1,5 2/63/5=1/5 50cens 50cens 1 2/61/5=1/15 50cens 10cens 60cens 2/61/5=1/15 10cens 1 1,1 1/63/5=1/10 Se trata de una variable discreta con funcin de densidad 10cens 50cens 60cens 1/62/5=1/15 X f(x)=P(X=x) 2 1/5 1,5 2/5 1,1 2/10 1 1/15 0,60 2/15

b) Para hallar la funcin de distribucin de X tengamos en cuenta su definicin

e) Tomando en cuenta que se trata de una variable aleatoria discreta, la probabilidad perdida viene dad por:

Funciones de densidad marginales en el caso discreto

Conociendo la distribucin conjunta del par (X, Y) es posible determinar las distribuciones de Xe Y por separado, denominadas distribuciones marginales La funcin de densidad marginal de la variable aleatoria X viene dada por:

Funcin de densidad marginal de probabilidad: En la parte anterior observamos que si se conoce la f.d. conjunta F de dos variables aleatorias X e Y, entonces se puede obtener la f.p. F1 de la variable aleatoria X a partir de F. En este contexto en que la distribucin de X se obtiene a partir de la distribucin conjuntas de X e Y, F1 se denomina f.d marginal de X. Anlogamente, si se conoce la f.p. conjunta o la f.d.p conjunta de X e Y, entonces se puede obtener la f.p marginal o f.d.p. marginal de cada variable aleatoria a partir de . Aqu hay que tener cuidado, ya que cuando se calcula la densidad conjunta, hay que fijarse bien en el dominio de las otras variables. Las funciones de densidad de probabilidad marginal de X y Y, denotadas por X (X) y Y(Y) , respectivamente, estn dada por X(X) = f(x, y)dy, para -" <x < "

Y(Y) = f(x, y)dx, para -" <x < "

Caractersticas: La distribucin marginal de X es simplemente la funcin de probabilidad de x, pero la palabra marginal sirve para distinguirla de la distribucin conjunta de X e Y. Una distribucin marginal nos da la idea de la forma como depende una probabilidad con respecto a una sola variable.

Usos: La f.d.p marginal es usada para hallar las diferentes distribuciones de probabilidad estadstica de las variables individuales, con esta funcin podemos asignar diferentes valores a las variables conjuntas sin tener que relacionarlas, por ello se amplia las probabilidades de cada una de las variables.

Funcin de distribucin condicional de X en el caso discreto

La funcin de distribucin condicional de X en el caso discreto se define as:

Es aquella que asigna a cada nmero real xi la probabilidad de que X sea menor o igual que xi, bajo la condicin de que Y sea menor o igual que yj, es decir:

Covarianza de dos variables aleatorias:

La covarianza de dos variables aleatorias X e Y es por definicin el momento central de orden 1 + 1. Es decir:

La covarianza entre las variables aleatorias X e Y se representa por cov (x,y). Si X e Y son variables aleatorias estocsticamente independientes su covarianza es cero. El recproco no es cierto; es decir puede ser nula la covarianza de dos variables aleatorias y no ser stas independientes. La covarianza proporciona una medida del grado de dependencia entre X e Y. La covarianza tiene el inconveniente de que es proporcional a la magnitud de las variables aleatorias. Es decir, da el grado de dependencia pero no estandarizado. Para dar este grado de dependencia de forma estndar se utiliza otro concepto que se llama coeficiente de correlacin de Pearson, designado por:

Coeficiente de correlacin

Se le denomina coeficiente de correlacin lineal de Pearson entre X e Y. El coeficiente de correlacin es una cantidad a dimensional Propiedades del coeficiente de correlacin:

BIBLIOGRAFAS

Devore, Jay L., Probabilidad y Estadstica para Ingeniera y Ciencia, Internacional Thomson Editores S.A., 1998.

Hadley G., Probabilidad y Estadstica, Ediciones F.C.E. Espaa S.A., 1979.

DeGroot, Morris H., Probabilidad y Estadstica, Addison-Wesley Iberoamericana, S.A., 1988.

Myers Raymond H. y Walpole Ronald E., Probabilidad y Estadstica para Ingenieros, Interamericana S.A., 1982.

Teorema de probabilidad y aplicaciones estadsticas Ilmer Condor E.