Curso Inferencia

Estad´ ıstica ´ Miguel Angel Chong R. miguel@sigma.iimas.unam.mx

6 de septiembre del 2011

Miguel Chong

Series de tiempo

Y ≤ y ) . Y ) tendr´ a un campo de variaci´ on y una funci´ on distribuci´ on de probabilidad. Este vector puede ser cualquier punto del plano R × R.Variables aleatorias bidimensionales Si el resultado del experimento aleatorio que hacemos da como resultado dos observaciones conjuntas entonces tenemos una variable aleatoria bidimensional (X . y ) podemos obtener FX (x ) y FY (y ) de la siguiente manera FX (x ) = limy →∞ FX Y (x . a estas funciones las llamaremos las funciones de distribuci´ on marginales. y ) . Miguel Chong Series de tiempo . que denotaremos FX Y (·. y ) y FY (y ) = limx →∞ FX Y (x . y ) = = P ({X ≤ x } ∩ {Y ≤ y }) P (X ≤ x . Y ). A partir de la FX Y (x . El vector aleatorio (X . Cada entrada del vector es una variables aleatorias unidimensionales con su respectivo campo de variaci´ on o rango que nos determinan el rango del vector conjunto. donde FX Y (x . ·) o distribuci´ on conjunta.

Y ≤ y1 ) FX Y (x2 .La manera de definir FX Y (x . Supongamos que x1 < x2 y y1 < y2 . y2 ) − FX Y (x1 . y1 ) . x2 ] × (y1 . Y ≤ y2 ) − P (X ≤ x1 . Miguel Chong Series de tiempo . en t´ erminos de la funci´ on de distribuci´ on conjunta FX Y (·. Y ≤ y2 ) P (X ≤ x2 . y1 < Y ≤ y2 ) = − = − P (X ≤ x2 . y2 ] est´ a dada por: P (x1 < X ≤ x2 . y1 ) + FX Y (x1 . ·). y ) nos permite calcular la probabilidad de un rect´ angulo. Y ≤ y1 ) + P (X ≤ x1 . y2 ) FX Y (x2 . entonces la probabilidad del rect´ angulo (x1 .

·) 1 2 Si y0 es un valor fijo y x es una variable entonces FX Y (x . y ) es continua por la derecha 2 FX Y (·. ·) cumple lo siguiente 1 2 3 limx →−∞ FX Y (x .Propiedades de FX Y (·. 3 Y si x1 < x2 y y1 < y2 . y ) = 0 limy →−∞ FX Y (x . Si x0 es un valor fijo y y es una variable entonces FX Y (x0 . y0 ) es continua por la derecha. entonces FX Y (x2 . y2 ) − FX Y (x1 . y1 ) + FX Y (x1 . y2 ) − FX Y (x2 . y ) = 1. y1 ) ≥ 0. y ) = 0 y limx . ·) 1 Se verifica que para FX Y (·. Miguel Chong Series de tiempo .y →∞ FX Y (x .

y1 ) .} donde P [X = xi . y2 ) . (x3 . . Miguel Chong Series de tiempo . . Y = yi ] = 1. . Supongamos que el rango del vector aleatorio son los puntos {(x1 . y3 ) . ∞ entonces debe pasar que i =1 P [X = xi .Variables Aleatorias bidimensionales discretas Una variable aleatoria bidimensional es discreta cuando las dos variables que componen al vector tienen una distribuci´ on discreta y por lo tanto (X . Y ) toma una cantidad finita o numerable de puntos con masa positiva. Y = yi ] > 0. (x2 .

Variables Aleatorias bidimensionales continuas Una variable aleatoria bidimensional es continua cuando la funci´ on de distribuci´ on FX Y : R2 → R es continua y existe una funci´ on fX Y : R2 → R que llamaremos funci´ on de densidad conjunta. y ) = −∞ −∞ fXY (u . v ) dvdu . Miguel Chong Series de tiempo . que cumple con x y FXY (x . y ) ≥ 0 para todo (x . adem´ as de que fXY (x . y ) dydx = 1. y ) ∈ R2 y por u ´ltimo ∞ ∞ −∞ −∞ fXY (x .

× P (Xn ≤ xn ) n P (Xi ≤ xi ) = i =1 F (xi ) . . Xn entonces tenemos que FX1 X2 ···Xn (x1 . . . xn ) = P (X1 ≤ x1 . . y ) ∈ R2 ´ o tambi´ en si fX Y (x . Si suponemos independencias entre las variables aleatorias X1 . o equivalentemente n fX1 X2 ···Xn (x1 . . . y ) = FX (x ) FY (y ) para todo (x . y ) = fX (x ) fY (y ) para todo (x . Podemos hablar de vectores aleatorios de dimensi´ on mayor a tres. . . x2 . . Supongamos que tenemos n variables aleatorias unidimensionales X1 . X2 . 1] dada por FX1 X2 ···Xn (x1 . Series de tiempo . . . y ) ∈ R2 . X2 . xn ) = = i =1 n P (X1 ≤ x1 ) × P (X2 ≤ x2 ) × . x2 . . Entonces podemos definir la La funci´ on de distribuci´ on conjunta de X1 . . . X2 ≤ x2 . . . X2 . . . . si y s´ olo si FX Y (x . . . . Xn . . xn ) Miguel Chong = i =1 fXi (xi ) . . . .Independencia entre variables aleatorias Diremos que las variables aleatorias X y Y son independientes. x2 . . Xn ≤ xn ) . Xn como FX1 X2 ···Xn : Rn → [0. . . .

y lo calcularemos como sigue:      x ∈Rango(X ) x P (X ∞ −∞ xfX = x) si la v.X es continua.Esperanza La esperanza (matem´ atica). lo denotaremos por E (X ). valor esperado o media de una v.a. si la v. El valor esperado o esperanza de una v. X es un promedio ponderado de acuerdo a la distribuci´ on probabilidad.a. X.a.X es discreta.a. E (X ) = (x ) dx Miguel Chong Series de tiempo .

Sign up to vote on this title
UsefulNot useful