Professional Documents
Culture Documents
Tema 3.4. Distribuciones Bivariadas
Tema 3.4. Distribuciones Bivariadas
Distribuciones Bivariadas
x.f(x, y)
E[X / Y] = x.h(x / y) E[X/Y] = = X/Y
fy (y)
y.f(x, y)
E[Y / X] = y.h(y / x) E[Y/X] = = Y/X
fx (x)
Además:
2 x 2.f(x, y)
* E[X2/y] = x h(x / y) =
f y (y)
2 y 2.f(x, y)
* E[Y2/x]= y h(y / x) = f (x)
x
x.f(x, y)
E[X / Y] = x.h(x / y)dx E[X/Y] = dx = X/Y
f y (y)
y.f(x, y)
E[Y / X] = y.h(y / x)dy E[Y/X] = dy = Y/X
fx (x)
Además:
2 x 2.f(x, y)
* E[X2/y] = x h(x / y)dx = dx
f y (y)
y 2.f(x, y)
* E[Y2/x] = y 2h(y / x)dy = f (x) dy
x
Teoremas:
Sean X e Y dos variables aleatorias con función de probabilidad conjunta, luego,
se cumple que:
* E { E[Y/X] } = E [Y] = Y
* E { E[X/Y] } = E [X] = μ X
ECUACIÓN DE REGRESIÓN
En una distribución bivariada, a la esperanza matemática condicional de Y dado
X = xi, se le denomina ecuación de regresión de Y sobre X, y se denotada por:
VARIANCIA CONDICIONAL
Dadas dos variables aleatorias X e Y definidas sobre un mismo espacio
probabilístico, la variancia condicional de Y dado que X = k, está definida por:
Var[Y/X] = E[(Y/x - y / x )2 ]
Var[Y/X] = E[Y2 / X] - 2y / x
Var[X/Y] = E[X2/Y] - 2x / y
Ejercicio # 1:
Suponga que el número de profesionales (X) y el número de técnicos calificados (Y)
de 6 empresas de cierto sector tiene la siguiente función de probabilidad conjunta:
Y
X 5 6 8 10
6 - - 1/6 -
7 2/6 - - -
8 - 1/6 - 1/6
9 - 1/6 - -
Ejercicio # 2:
Suponga que el tiempo (decenas de horas) de evaluación de las fallas de un equipo
eléctrico (X) y el tiempo (decenas de horas) requerido para la reparación de las
fallas, tienen como función de probabilidad conjunta:
MOMENTOS
Los momentos de una distribución son los valores esperados de las potencias de
las desviaciones de la variable aleatoria con respecto a una constante. Si una
variable aleatoria X tiene como función de probabilidad f(x); entonces:
E[X r ] = x r f (x)dx , si X es una variable aleatoria continua
−
r
E[(x − a)r ] = ( x − a ) f (x) , si X es una variable aleatoria discreta
x
r r
E[(x − a) ] = (x − a) f (x)dx , si X es una variable aleatoria continua
−
r
E[(X − )r ] = ( x − ) f (x) , si X es una variable aleatoria discreta
x
r r
E[(X − ) ] = ( x − ) f (x)dx , si X es una variable aleatoria continua
−
Aplicaciones de momentos.
E[(X − )2 ] = 2x
* El primer momento mixto de una variable (X, Y) con respecto a sus respectivas
medias es la covarianza:
E[(X − x )(Y − y )] = Cov [XY]
* El “pqr” ésimo momento mixto o producto respecto a las constantes “a”, “b” y
“c” es:
E[(X − x )p (Y − y )q (Z − z )r ]