Beruflich Dokumente
Kultur Dokumente
Y es la densidad de probabilidad del punto b (que como hemos mencionado no se ha de
confundir con la probabilidad de b).
La funcin de distribucin F, es no decreciente: si x
1
<x
2
, entonces, F(x
1
)F(x
2
). Adems, es
una funcin absolutamente continua
1 ) x ( F Lim ) ( F 0 ) x ( F Lim ) ( F
x x
= = + = =
+
Funcin de Masa de Probabilidad Discreta. FMP: ] x X [ P ) x ( p
x
= = , es una ley de
probabilidad que cumples tres axiomas:
- 1 ) x ( p 0
x
s s , para todo x
-
=
i
x
x
1 ) x ( p
-
s
>
= s s
b x
a x
x
i
i
) x ( p ] b X a [ P
Funcin de Distribucin Acumulada. FDA: F x
x
( ) es la probabilidad del suceso de que la
variable aleatoria tome valores menores o iguales a x
= s =
i
x
x x
) x ( p ] x X [ P ) x ( F en el caso discreto. Y para el caso continuo,
}
}
= s s =
= s s
x
x x
x
x
x 2 1
du ) u ( f ] X [ P ) x ( F
dx ) x ( f ] x X x [ P
2
1
8
se sabe que,
}
= =
x
x x
x
) x ( f dx ) x ( f
dx
d
dx
) x ( dF
Propiedades:
- 1 ) x ( F 0
x
s s
- 1 ) ( F y 0 ) ( F
x x
= =
- ) x ( F ) x ( F
x x
> c + para cualquier c >0
- ] x X x [ P ) x ( F ) x ( F
2 1 1 x 2 x
< < =
La FDA es una funcin montona creciente.
DISTRIBUCIONES CONJUNTA, MARGINAL Y CONDICIONAL
FMP Conjunta: Cuando dos o ms variables tienen comportamientos conjuntos
)] y Y ( ) x X [( P ) y , x ( P
xy
= =
s s
x x y y
i i xy xy
i i
) y , x ( p ) y , x ( F lo cual es igual a )] y Y ( ) x X [( P s s
FMP Marginal: Comportamiento de una variable sin considerar otra.
Para la variable aleatoria Y:
= =
i
y
i xy x
) y , x ( p ] x X [ P ) x ( P
s
= = s
x x
xy i x x
i
) , x ( F ) x ( p ] x X [ P ) x ( F lo cual es igual a
s x x y
i i xy
i i
) y , x ( p
Similarmente se hace para la variable aleatoria X
FMP Condicional: Si se conoce el valor de una de las variables aleatorias Y=y
0
, las
probabilidades relativas de los diferentes valores de la otra variable estn dados por
) y , x ( p
0 xy
, se tiene una fmp condicional de X dado Y
] y Y [ P
)] y Y ( ) x X [( P
] y Y / x X [ P ) y , x ( P
y / x
=
= =
= = = =
, lo cual equivale a
9
= =
i
x
i xy
xy
y
xy
y / x
) y , x ( p
) y , x ( p
)] y ( p
) y , x ( p
) y , x ( P .
Se cumple adems lo sealado anteriormente
1 ) y , x ( p y 1 o 0
i
x
i y / x y / x
= s s
.
Idem para Y dado X
FMP Conjunta a partir de las probabilidades Marginales y Condicionales
) x ( p ) x , y ( p ) y ( p ) y , x ( p ) y , x ( P
x x / y y y / x xy
= =
funcin de distribucin de probabilidad:
} }
= s s
2
1
2
1
x
x
y
y
xy
dydx ) y , x ( f ] 2 x X 1 x [ P
La Funcin de distribucin de probabilidad satisface:
0 ) y , x ( f
xy
> y
}}
=1 dxdy ) y , x ( f
xy
para todo el intervalo
Y la cumulada,
( ) ( )
} }
= s s . s s = = . = =
x y
0 0 0 0 xy
xy
dx dy ) y , x ( f
] y Y x X [ P )] y Y ( ) x X [( P ) y , x ( F
de donde, ) y , x ( F
y x
) y , x ( f
XY xy
c c
c
=
Funcin de distribucin de probabilidad marginal y Condicional. Densidad conjunta se
integra sobre valores de Y y se tiene funcin de distribucin de probabilidad marginal de
X:
dy ) y , x ( f ) x ( f
XY
X
}
=
) , x ( F dx ) x ( f ) x ( F
XY 0 0
X
x
X
= =
}
o sea, ) , x ( F
x
) x ( f
XY X
c
c
=
Y para la Condicional:
}
= dx ) y , x ( f ) y ( f
0 XY 0 Y
10
por lo cual,
) y ( f
) y , x ( f
) y , x ( f
Y
XY
Y / X
=
}
= = s =
x
Y / X Y / X
du ) y , u ( f ] y Y / x X [ P ) y , x ( F
Variables Independientes. Si Funcin distribucin condicional es igual a Funcin
distribucin marginal, entonces, X y Y son variables aleatorias independientes
) x ( p ) y , x ( p
X y / x
= , entonces, X y Y son independientes.
] x X [ P ] y Y / x X [ P = = = =
Por lo tanto, lo siguiente es vlido:
) x ( F ) y , x ( F
) y ( F ) x ( F ) y , x ( F ) y ( f ) x ( f ) y , x ( f
) y ( f ) x , y ( f ) x ( f ) y , x ( f
X Y / X
Y X XY Y X XY
Y Y / X X y / x
=
= =
= =
DISTRIBUCIONES DERIVADAS. Se trata de determinar la ley de probabilidad de una
variable aleatoria funcional. Hallar F
Y
(y) dado que Y=g(X) y dado que X tiene Funcin
distribucin acumulada f
X
(x), entonces,
] y Y [ P ) y ( F
Y
s = pero,
] y ) x ( g : x de valor un tomando solamente X [ P ] y Y [ P s = s
lo cual es,
}
Y
R
X
dx ) x ( f , para R
Y
la regin en la cual g(x) sy
FUNCIN DE DISTRIBUCIN ACUMULADA. Sea X una variable aleatoria discreta o
continua, F es la funcin de distribucin acumulada de X se define como F(x)=P(X=x),
X es variable aleatoria discreta,
s =
j
j
j x x ), x ( p ) x ( F
X es variable aleatoria continua,
}
+
= ds ) s ( f ) x ( F
Si F es no decreciente, esto es,
2 1
x x s , entonces, ) x ( F ) x ( F
2 1
s
) x ( F
dx
d
) x ( f =
11
para la funcin de densidad acumulada de variables aleatorias continuas con funcin de
densidad de probabilidad f
Sea X una variable aleatoria discreta con valores
n 1
x ,..., x y son .... x x
2 1
< < . Ser F la
funcin de distribucin acumulada de frecuencias, entonces,
) x ( F ) x ( F ) x X ( P ) x ( p
1 j j j j
= = =
DISTRIBUCIN DE PROBABILIDAD MARGINAL Y CONDICIONAL
- Discreto: Si X=x
i
debe ocurrir Y=y
j
tenemos
=
= = = = = = = =
1 j
j i 2 i 1 i i i
) y , x ( p ...) o y Y , x X o y Y , x X ( P ) x X ( P ) x ( p ,
entonces, p es la distribucin marginal de probabilidad de X.
Idem para Y:
=
== = =
1 i
j i j j
) y , x ( p ) y Y ( P ) y ( p
- Continuo: Sea f una funcin de densidad de probabilidad conjunta de la variable
aleatoria continua (X,Y). Definimos g y h como las funciones de probabilidad marginal
de X y Y as,
} }
+
+
= = dx ) y , x ( f ) y ( h dy ) y , x ( f ) x ( g
De otra forma,
} } }
+
= = + < < s s = s s
d
c
d
c
dx ) x ( g dydx ) y , x ( f ] Y , d X c [ P ) d X c ( P
Sea (X,Y) una variable bidimensional continua con funcin de distribucin de probabilidad
conjunta f. Y sean g y h son las funciones de probabilidad marginal de X y Y respectivamente.
Entonces, la funcin de distribucin de probabilidad condicional de X para Y=y es,
0 ) y ( h ,
) y ( h
) y , x ( f
) y / x ( g > =
similarmente
0 ) x ( g ,
) x ( g
) y , x ( f
) x / y ( h > =