Beruflich Dokumente
Kultur Dokumente
Definicin
ea un experimento aleatorio ! y el espacio muestra asociado a l. ean " e # dos variables aleatorias de$inidas sobre dicho espacio muestra . El vector %",#& representa a la variable aleatoria bidimensional de$inida sobre el espacio muestra . 'uego en general tenemos: ( : espacio muestra del experimento . - )x : valores posibles de ", llamado recorrido o campo de variaci*n de la variable aleatoria " . - )y : valores posibles de #, llamado recorrido o campo de variaci*n de la variable aleatoria # . )x
Ejemplos :
)y
35
Por lo tanto: )xy , - %/,8& , %0,.& , %3,8& , %3,/& , %4,.& , %4,0& , %1,8& , %1,/& , %1,3& , %5,.& , %5,0& , %5,4& , %6,8& , %6,/& , %6,3& , %7,.& , %7,0& , %.8,8& , %.8,/& , %..,.& , %./,8& 2
Oservacin : 'a variable unidimensional genera un espacio probabilstico sobre el con+unto de los nmeros reales ) . 'a variable bidimensional genera un espacio probabilstico sobre el con+unto )/ .
Variable aleatoria discreta 9ecimos :ue la variable bidimensional es discreta cuando la cantidad de valores posibles es $inita o in$inita numerable. El recorrido de la variable se representa como un con+unto de puntos en el plano.
x.
y. y/
x/
xi
xn
"
Variable aleatoria continua 'a variable bidimensional es continua cuando la cantidad de valores posibles es in$inita no numerable. El recorrido de la variable se representa gr$icamente por una super$icie en el plano )/ . a c d # b "
DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE BIDIMENSIONAL a) Variable discreta ea %",#& una variable aleatoria discreta )xy es un con+unto $inito o in$inito numerable. < cada resultado posible %x,y& le asociamos un nmero real p(x ,y) , P%",x #,y& :ue es la probabilidad de :ue la variable tome dicho valor, las cuales deben satis$acer las siguientes condiciones: ..( p(x ,y) 8 /.(
x y x y
%x,y& xy
p%x, y& =.
9e$inici*n 'lamamos $unci*n de cuanta o $unci*n de probabilidad con+unta de una variable bidimensional discreta % " , # & a la siguiente $unci*n p :
P % X = x Y = y & p % x, y & = 8
donde )xy )x x )y
40
30
p(x,y)
20 5
10
0 1 0 1 2 3 4 5 0
b) Variable continua ea %",#& una variable aleatoria continua )xy es un con+unto in$inito no numerable. ea f una $unci*n :ue veri$ica las siguientes condiciones : ..( f(x , y) 8
+ +
%x,y& xy
. /.( f % x, y &.dx.dy =
donde f(x , y).dx.dy representa el elemento de probabilidad y la $unci*n f indica c*mo se distribuye la masa de probabilidad dentro del recorrido xy . por lo tanto f recibe el nombre de $unci*n de densidad o $unci*n de probabilidad con+unta de una variable contnua % " , # & .
UNCIN DE DISTRIBUCIN O
ea %",#& una variable aleatoria bidimensional . 'a >unci*n de 9istribuci*n %o de probabilidad acumulada& >%x,y& representa la probabilidad de :ue la variable " asuma un valor menor o igual a x y a la ve? la variable # asuma un valor menor o igual a y .
b.(
f %s, r &.dr.ds
!ropiedades de "#$%y)
..( >%x,y& es no negativa . >%x,y& 8 , %x,y& )/ .
/.( >%x,y& es no decreciente en cada una de las variables : 2.a& x. @ x/ >%x. , y8& >%x/ , y8& , para y8 $i+o . 2.b& y. @ y/ >%x8 , y.& >%x8 , y/& , para x8 $i+o . 0.( >%x,y& es continua a derecha en cada una de las variables . 3.( 8 >%x,y& . 3.a&
x
3.b&
x +
y +
4.(
4.a&
x +
4.b&
y +
1.( i >%x,y& es la $unci*n de distribuci*n de una variable aleatoria continua bidimensional con $unci*n de densidad con+unta f(x,y& , entonces
P% x. @ " x/ y. @ # y/ & , >%x/ ,y/ & ( >%x. ,y/ & ( >%x/ ,y. & A >%x. ,y. & DI&'(I)* IONE& +,(-IN,LE& DE !(O),)ILID,D
ea %",#& una variable aleatoria bidimensional %o vector aleatorio& . 'as distribuciones marginales de probabilidad son las distribuciones de probabilidad univariadas de cada variable: " e #, es decir, a:ullas :ue indican el comportamiento de una variable sin tener en cuenta el valor :ue toma la otra.
Ctedra: Probabilidad y Estadstica 9B C)B=DCBEFE G<)HBF<'E 9E DF< ;<)B<='E =B9BGEF BEF<' 9B C)EC< i %",#& una variable aleatoria bidimensional discreta, entonces " e # son variables aleatorias discretas :ue toman valores enteros en x , - x. , x/ , x0 , II, xi , I..2 y y , - y. , y/ , y0 , II, y+ ,
I..2 respectivamente.
'uego, las distribuciones marginales son las $unciones de cuanta de las variables " e # , :ue se obtienen sumando todas las probabilidades con+untas :ue corresponden a un mismo valor fijo de una variable : a un valor $i+o de x para hallar la marginal de " a un valor $i+o de y para hallar la marginal de # E sea:
Puede demostrarse :ue las $unciones marginales de probabilidad son $unciones de cuanta, es decir, veri$ican :ue : p y % y& 8 y ..( p x % x & 8 x y /.(
p x % x i & =. i =.
p y % y j & =. j= .
9B C)B=DCBEFE G<)HBF<'E 9E DF< ;<)B<='E =B9BGEF BEF<' CEFCBFD< i %",#& una variable aleatoria bidimensional continua, entonces " e # son variables aleatorias continuas :ue toman valores reales en x y y respectivamente, % x ) , y ) & . 'uego, las distribuciones marginales son las $unciones de densidad de las variables " e # , :ue se obtienen integrando la $unci*n de densidad con+unta en todo el campo de variaci*n de una sola variable : en y para hallar la marginal de " . en x para hallar la marginal de # . E sea:
f x % x& = f % x, y &.dy f % x, y &.dy = y
+
x x
marginal de "
f y % y& =
f % x, y &.dx =
f % x, y &.dx
y y
marginal de #
Puede demostrarse :ue las $unciones marginales de probabilidad son $unciones de densidad, es decir, veri$ican :ue : f y % y& 8 y ..( f x % x & 8 x y
. f % x &.dx =
f % y &.dy
= .
I..2 respectivamente.
'uego, las distribuciones condicionales son las $unciones de cuanta de las variables " e # obtenidas para un valor fijo de la otra variable : a un valor $i+o de y para hallar la !ondi!ional de " a un valor $i+o de x para hallar la !ondi!ional de # E sea:
p x J y % xi , y j & =
p% xi , y j & py %y j &
E sea :
p x J y % x, y & = p % x, y & p y % y& x y y
es la distribuci*n condicional de #
P %[ X = x ] Y = y j & P %[ X = x ]&
para
p y J x % x, y j & = P % Y = y j J [ X = x ] & =
P% X = x Y = y j & P % x = x&
p % x, y j & p x % x&
para x x
p y J x % xi , y j & =
p% xi , y j & p x % xi &
p x % xi & > 8
E sea :
p y J x % x, y & = p % x, y & p x % x& x x y
Puede demostrarse :ue las $unciones condicionales de probabilidad son $unciones de cuanta, es decir, veri$ican :ue :
x ..( p x J y % x, y & 8 y y
/.(
xx
p x J y % x, y & = .
, y y
yJx
% x, y & =. , x x
9B C)B=DCBEFE CEF9BCBEF<'E 9E DF< ;<)B<='E =B9BGEF BEF<' CEFCBFD< i %",#& una variable aleatoria bidimensional continua, entonces " e # son variables aleatorias continuas :ue toman valores reales en x y y respectivamente, % x ) , y ) & . 'uego, las distribuciones condicionales son las $unciones de densidad de las variables " e # , obtenidas para un valor fijo de la otra variable : a un valor $i+o de y para hallar la !ondi!ional de " a un valor $i+o de x para hallar la !ondi!ional de # E sea: f % x, y & f x J y % x, y & = para f y % y & > 8 es la distribuci*n condicional de " f y % y&
E sea :
f x J y % x, y & = f % x, y & f y % y& x y y
f y J x % x, y & =
f x % x& > 8 x x y
es la distribuci*n condicional de #
E sea :
f y J x % x, y & = f % x, y & f x % x&
Puede demostrarse :ue las $unciones condicionales de probabilidad son $unciones de densidad, es decir, veri$ican :ue : x x x f y J x % x, y & 8 ..( f x J y % x, y & 8 y y y y /.(
+
xJ y
% x, y &.dx = .
yJ x
% x, y &.dy = .
p % xi , y j & = P% X = x i Y = y j & = P %[ X = x i ] [Y = y ]& = P%[ X = xi ]&.P % Y = y j & = = P % X = xi &.P%Y = y j & = p x % xi & p y % y j &
" e # son independientes b) aso continuo " e # son independientes
f % x, y & = f x % x &. f y % y & ( x, y ) xy
( x i , y j ) xy
( x i , y j ) xy
9e la $unci*n de probabilidad condicional se obtiene la $unci*n de probabilidad con+unta para el caso general %variables no necesariamente independientes&. a& Caso discreto : p y J x % x, y & =
Cuando las variables " e # son independientes entonces p y J x % x, y & = p y % y & dis!reta f y J x % x, y & = f y % y & !ontin"a
p % x, y & = p x % x &. p y % y & f % x, y & = f x % x &. f y % y &