Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more ➡
Download
Standard view
Full view
of .
Add note
Save to My Library
Sync to mobile
Look up keyword
Like this
1Activity
×
0 of .
Results for:
No results containing your search query
P. 1
Vector Aleatorio

Vector Aleatorio

Ratings: (0)|Views: 343|Likes:
Uploaded from Google Docs
Uploaded from Google Docs

More info:

Published by: Edson Arturo Quispe Sánchez on Jan 03, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See More
See less

01/03/2011

pdf

text

original

 
1
Vector Aleatorio
Estadística Aplicada2006-1
Función de probabilidad Conjunta-Discreta
Una función de probabilidad conjunta de lasvariables X e Y es una función de las dos variablestal que, al sustituir la x por un valor de la variable X yla y por un valor de la variable Y, el valor de lafunción nos da la probabilidad de que X e Y tomensimultáneamente esa pareja de valoresanteriormente citados.Las propiedades que debe cumplir la función deprobabilidad conjunta son:1. Como consecuencia del primeraxioma.• 2. Como consecuencia del segundoaxioma.3. Por definición.
Sea X = ( X
1
, X
2
) vector aleatorio discreto, conX
variable aleatoria que representa el númerode fallas del turno
. La siguiente tabla nosproporciona la función de cuantía conjunta:0 1 20 0,1 0,2 0,21 0,04 0,08 0,082 0,06 0,12 0,12
21
 X  X 
Ejemplos de Vectores Aleatorios Discretos
1. Determinar las cuantías marginales2. Determine las cuantías condicionales
)/(
2
12
 X  X  f  
)/(
1
21
 X  X  f  
21
 X 
f   f  
Ejemplos de Vectores Aleatorios Discretos
SoluciSolucióónn
1. Cuant1. Cuantí í as marginalesas marginales
240140020
1111
1
 x x x x f  
 X 
;,;,;,)(
230120050
2222
2
 x x x x f  
 X 
;,;,;,)(
2. Cuantías condicionales
240040 140040 020040 1
1112211
221
 x x x x f   x x f   f  
 X  X  X 
;,/, ;,/, ;,/, )(),(
/
240120 140080 04020 2
2221212
112
 x x x x f   x x f   f  
 X  X  X 
;,/, ;,/, ;,/, )(),(
/
SoluciSolucióónn
 
2
Distribuciones Multivariadas
Sea X = (X
1
, X
2
,..., X
) vector aleatorioP
X
: B
R caracterizada por F
X
,
X
(discreta,continua,).Consideremos k=2 :
: función de Distribución conjunta X=(X
1
,X
2
): función de densidad (cuantía)F
X
i
(
 x 
): función de Distribución marginal de X
i
, i=1,2
X
i
(
 x 
): función de densidad marginal i=1,2
),(
21X
x x
),(
21X
F
x x
Función de Densidad Conjunta
Si X e Y son variables continuas, la función quese define es una función de densidad conjunta yes una función que al integrarla respecto de x e ysobre unos intervalos nos d la probabilidad de quela variable tome valores en esos intervalos.Que debe de cumplir unas condicionessimilares a las anteriores:1.
Como consecuencia del primer axioma.2. Como consecuencia del segundoaxioma.3. Por definición.
Función de Densidad ConjuntaVariables Independientes
Dos variables aleatorias X e Y, discretas ocontinuas cuyas funciones de probabilidado densidad son g(x) y h(y),respectivamente, con función deprobabilidad o densidad conjunta f(x , y),son estadísticamente independientes si ysólo si
Variables independientes Variables dependientes
0
2221221
22
)()(),()/(
x f   si x f   x x f   x X  X  f  
 X  X  X 
)()(),(
212121
21
 x f   x f   x x f   X  X 
 X  X  X 
   
),(
21
 E  X  E  X  E 
)()(
 E  X  X  E  X  E 
 X 
Distribuciones de probabilidad
))((),cov(
221121
 E  X  X  E  X  E  X  X 
 
)(),cov(),(
212121
 X  X   X  X  X  X 
  
0
2121
),cov(
 X  X  X 
212121
0
 E  X  E  X  X  E  X  X 
),(
  
Características: Covarianza Cov(X
1
,X
2
)yCoeficiente de Correlación
),(
21
 X 
  
Al valor esperado de (x,y) se le llama
covarianza
de lasvariables X e Y y se representa como
σ
xy
o cov(x,y).
 
3
Covarianza
La covarianza es una medidade la variación común a dosvariables y, por tanto, unamedida del grado y tipo de surelación.
σ
xy es positiva si los valoresaltos de X están asociados alos valores altos de Y yviceversa.
σ
xy es negativa si los valoresaltos de X están asociados alos valores bajos de Y yviceversa.Si X e Y son variablesaleatorias independientescov(x,y) = 0 .
cov(x,y) = 0 cov(x,y) > 0 cov(x,y) < 0
Coeficiente de Correlación
coeficiente de correlación
,
ρ
, que se define como elcociente entre la covarianza y el producto de lasdesviaciones típicas de las dos variables.La correlación toma valores entre -1 y 1, siendo susigno igual al de la covarianza. Correlaciones con valorabsoluto 1 implican que existe una asociaciónmatemática lineal perfecta, positiva o negativa, entre lasdos variables y correlaciones iguales a 0 implicanausencia de asociación. Obviamente, las variablesindependientes tienen correlación 0, pero nuevamente,la independencia es condición suficiente pero nonecesaria.Correlaciones con valores absolutos intermediosindican cierto grado de asociación entre los valores delas variables.
Obtenga ademObtenga ademáás:s:
1.1.2.2.3.3.
1
 X  E 
),(
21
 X 
  
2
12
 X  X 
/
NotaNota Ejemplo de vectoresaleatorios continuos
Sea X = (X
1
, X
2
) vector aleatorio continuo, condensidad:Calcular:
),()( 32),(
211,0x 2121
1
 x x I e x x x x f  
 R x X 
),(
21
 X 
  
 
0102121 211
3532
1
dxdxe x x x X  E 
x
)(
 
010212213121
31432
1
dxdxe x x x X  E 
x
)(
 
0102122212
9532
1
dxdxe x x x X  E 
x
)(
 
010213222122
18732
1
dxdxe x x x X  E 
x
)(
SoluciSolucióónn
 
0102122122121
9832
1
dxdxe x x x x X  X  E 
x
)(
16213
2
 X 
917
1
 X 
 
0951,0),cov(),(
212121
 X  X   X  X  X  X 
  
SoluciSolucióónn

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->