You are on page 1of 12

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICERRECTORADO BARQUISIMETO DIRECCION DE INVESTIGACION Y POSTGRADO

TEMA 2

Ing. Herling Sira Melndez

Introduccin
El estudio de las variables aleatorias y sus distribuciones de probabilidad que se hizo anteriormente estuvo dirigido a espacios muestrales de una sola dimensin, es decir valores asumidos por una nica variable aleatoria. Sin embargo, hay situaciones donde se quiere registrar los resultados simultneamente de varias variable aleatorias.

Por ejemplo, interesarse por la relacin entre la dureza D y la fuerza de tensin T del cobre fundido en fro, con lo que se tendra como resultado (h,t). A este tipo de distribucin se le conoce como Distribucin de probabilidad Bivariable, Distribucin de Probabilidad Conjunta o Distribucin Multivariable en la que participan dos variables aleatorias, distribuyndose ambas con cierto grado de correlacin entre ellas.

Funcin de Densidad Conjunta


Dos variables aleatorias X1, X2 estn distribuidas de manera conjunta si existe una funcin f no negativa f (x1,x2) 0, para < x1,x2 < tal que si E es un evento

La funcin de densidad cumple las propiedades

Funcin de Distribucin o Acumulada


La funcin acumulativa o de distribucin conjunta para X1, X2 se define como

Si se conoce la distribucin F(x1,x2), la densidad de probabilidad se puede conocer mediante

Funcin de Densidad Marginal


Si X1, X2 son variables aleatorias continuas con funcin de densidad conjunta f (x1,x2), las densidades marginales g(x1), g(x2), de X1, X2 son, respectivamente,

Densidades Condicionales
Si X1, X2 son variables aleatorias con densidad conjunta f (x1,x2) y densidades marginales g(x1) y g(x2), las densidades de (X1 | X2 = x2), (X2 | X1 = x1) son, respectivamente

siempre y cuando el denominador sea diferente de cero.

Densidades Condicionales
Si se desea encontrar la probabilidad de que la variable aleatoria continua X este entre a y b cuando se sabe que la variable aleatoria continua Y=y, se evala

P (a< X< b / Y=y) =

f ( x / y )dx
a

Valor Esperado
Si g(X1,X2) es una funcin de las variables aleatorias continuas X1, X2, la esperanza se define por

Covarianza de dos Variables Aleatorias


Cuando se habla de relacin entre dos variables, se suele imaginar una relacin en la que y aumenta conforme x aumenta o, y disminuye conforme x aumenta, Es decir se tiende a pensar en trminos de relaciones lineales

Cov (x, y) = E(x y) - xy

Covarianza de dos Variables Aleatorias

Interpretacin de la covarianza
Si Cov (x,y) > 0 hay dependencia directa (positiva), es decir, a grandes valores de x corresponden grandes valores de y. Si Cov (x,y) = 0 Una covarianza 0 se interpreta como la no existencia de una relacin lineal entre las dos variables estudiadas.

Si Cov (x,y) < 0 hay dependencia inversa o negativa, es decir, a grandes valores de x corresponden pequeos valores de y.

Valor esperado y Varianza de funciones lineales de variables aleatorias


En ingeniera se realizan muchos experimentos cuyo fin es desarrollar un modelo matemtico que explique la relacin entre dos o mas variables. El objetivo es ser capaz de predecir el valor de una de las variables, dados valores especficos de las otras variables. En la practica para ajustar un modelo a conjunto de datos multivariantes, se usa el anlisis de regresin y las estimaciones de los parmetros del modelo son funciones lineales de los valores y de la muestra observada.

Valor esperado y Varianza de funciones lineales de variables aleatorias


El valor esperado E(l) y la varianza V(l) de una funcin lineal de y1,y2,,yn
Suponga que las medias y varianzas de y1,y2,,yn son (1, 1) , (2, 2), (n, n), respectivamente. Si l=a1y1 + a2y2 +..+anyn Entonces E(l)= a11 + a22 +..+ann
Y

l=V(l)= a1 1+ a2 2+ + an 2 + 2a1a2 Cov (y1,y2)+2a1a3 Cov (y1,y3) ++ 2a1an Cov (y1,yn)+ 2a2a3 Cov (y2,y3) + + 2a2an Cov (y2,yn)+ +2an-1anCov(yn-1,yn)

TEMA 2

You might also like