Beruflich Dokumente
Kultur Dokumente
1 x − µ 2 x − µ1 y − µ 2 y − µ 2
2
− 1
− 2 ρ +
f ( x; i ) =
1
e
(
2 1− ρ 2 ) σ 1
σ 1 σ 2 σ 2
2
2π σ1σ 2 1 − ρ
La expresión
x − µ 2 x − µ1 y − µ 2 y − µ2
2
1
1 − 2 ρ
( )
Q( x; y ) = − +
2 σ
2 1 − ρ 1 σ 1 σ 2 σ2
1 ρ
Q( x; y ) = [ x − µ 1 y − µ2]
σ1 1− ρ 2
2
( ) −
(
)
σ 1σ 2 1 − ρ 2 x − µ 1
= X − µ ′R X − µ .
[ ] [ ]
ρ 1 x − µ2
−
σ 1σ 2 1 − ρ
2
( ) 2
(
σ 2 1− ρ 2
)
La matriz R de la forma cuadrática Q(x;y) y, por tanto ésta, es definida no
negativa. Esto supone que puede ser definida positiva o semidefinida positiva.
Establecer esta distinción es fundamental a la hora de analizar la distribución normal
bidimensional, pues, en el primer caso, conduce a una distribución normal no singular y
en el segundo sí, ya que aquí, al poder ser Q(x;y) = 0, implica que una variable aleatoria
es función lineal de la otra.
i ( µ 1 t1 + µ 2 t 2 ) − (
1 2 2 2 2
t1 σ 1 + t 2 σ 2 + 2 ρ σ1σ 2 t1t 2 )
ϕ ( t1; t 2 ) = e 2
1
iµ1t1 − t12σ 12
ϕ( )
t1;0 = e 2
1
iµ 2 t 2 − t 22σ 22
ϕ( 0; t 2 ) =e 2
1 ∂ h + k ϕ ( t ;t )
α hk = 1 2
i h + k ∂ h t1∂ k t 2 t = t = 0
1 2
1 ∂ 2ϕ ( t1; t 2 )
α11 =
i 2 ∂t1∂t 2 t =t =0
1 2
∂ 2ϕ ( t1; t 2 )
= i 2 ρ σ1σ 2 + i 2 µ1µ 2
∂t ∂ t
1 2 t =t = 0
0 2
por tanto,
α 11 = ρ σ 1σ 2 + µ 1µ 2 y cov(ξ ;η ) = ρ σ 1σ 2 + µ 1µ 2 - µ 1µ 2 =
ρ σ 1σ 2
σ2 ρ σ1σ 2 V ( ξ ) cov ( ξ ;η )
Σ= 1 =
2 cov ( ξ ;η )
ρ σ1σ 2 σ 2 V (η )
σ
N µ 2 + ρ 2 ( x − µ1 );σ 2 1 − ρ 2
σ1
σ
E [η / ξ = x ] = µ 2 + ρ 2 ( x − µ1 )
σ1
2
1 σ1
− x − µ 1 + ρ ( y − µ 2 )
e 2σ 1 (1− ρ )
1 2 2 σ2
f ( x / y) =
σ 1 1 − ρ 2 2π
que es
σ
N µ1 + ρ 1 ( y − µ 2 );σ 1 1 − ρ 2
σ2
σ
E [ ξ / η = y ] = µ1 + ρ 1 ( y − µ 2 )
σ2
es la regresión de ξ /η .
EJEMPLO
cov (ξ ;η ) 2,4
ρ= = = 0,4
σ 1σ 2 2⋅3
Distribuciones condicionales:
- De η /ξ
(
N 0,6 x +2,5;3 0,84 . )
- De ξ /η
2
N ( 0,4 y − 2,3);2 0,84 .
3
9.2.4. Independencia.
Si las variables aleatorias ξ y η son independientes, el coeficiente de
correlación lineal es nulo, ρ = 0, convirtiéndose la función de densidad conjunta en
1 x − µ1 y − µ 2
2 2
− +
1 2 σ 1 σ 2
f ( x; y ) = e
2π σ1σ 2
que no es otra cosa que el producto de las funciones de densidad marginales. Esta
conclusión no es sino el cumplimiento de la condición de independencia de dos
variables aleatorias continuas,
Mientras que siempre que dos variables aleatorias son independientes, su coeficiente de
correlación es cero, por serlo la covarianza, el recíproco no es cierto salvo cuando
la distribución conjunta de las dos variables es normal.
x2 +y2
1 −
f ( x; y ) = e 2
2π
1 0 1 0
R = ; Σ=
0 1
0 1
TEOREMA
i ( aµ 1 + bµ 2 ) t 2
1
(
− t 2 a 2σ 12 + b 2σ 22 + 2 abρ σ1σ 2 )
=e e =
1
(
i ( aµ 1 + bµ 2 ) t − t 2 a 2σ 12 + b 2σ 22 + 2abρ σ1σ 2
2
)
=e
N
aµ1 +bµ2 ; a 2σ12 +b 2σ22 +2ab ρσ1σ2
EJEMPLO
E [ω ] = aµ1 + bµ 2 = ( − 1)( − 1) + 2 ⋅ 2 = 5
V (ω ) = a 2σ 12 + 2ab cov (ξ ;η ) + b 2σ 22 =
= a 2σ12 + 2ab ρ σ1σ 2 + b 2σ 22 = 30,4
TEOREMA
n n
ω= Σ a jη j ; ψ = Σ b jη j
j =1 j =1
n
[ ]
n n
µω = E [ω] = E Σ a jη j = Σ a j E η j = Σ a j µ j
j =1 i =1 j =1
n
µψ = E [ψ ] = Σ b j µ j
j =1
cov (ω; ψ ) = E ω − E [ω] ψ − E [ψ ] =
n n n n
= E Σ a jη j − Σ a j µ j Σ b jη j − Σ b j µ j =
j =1
j =1
j =1 j =1
n n
( ) (
= E Σ η j − µ j a j Σ η j − µ j b j = )
j =1
j =1
n n n
j =1
( 2
) j = 1 k =1
( )
= E Σ η j − µ j a j b j + Σ Σ η j − µ j (ηk − µk ) a j bk =
j ≠k
n n n
( ) (
= Σ a j b j η j − µ j 2 + Σ Σ a j bk E η j − µ j (ηk − µk )
j =1 j =1 k =1
)
j ≠k
la esperanza del doble producto es nula por ser las variables η j y η k independientes,
resultando
n
cov (ω ; ψ ) = Σ a j b j σ 2j
j =1
EJEMPLO
ω = η 1 + 2η 2 + 3η 3
ψ = -η 1 + 4η 2 - 5η 3
E[ω ] = 1⋅ 1 + 2⋅ 2 + 3⋅ 3 = 14
E[ψ ] = -1⋅ 1 + 4⋅ 2 - 5⋅ 3 = -8
V(ω ) = 1⋅ 1 + 4⋅ 4 + 9⋅ 9 = 98
V(ψ ) = 1⋅ 1 + 16⋅ 4 + 25⋅ 9 = 290
cov (ω ;ψ ) = -1⋅ 1 + 8⋅ 4 - 15⋅ 9 = -104
ρ = -0,617
−1
1 98 −104 u −14
1 − [ u −14 v +8 ]
−104 298 v +18
f ( u; v ) = e 1, 2386
265 ,336 π
u −14 2 u −14 v +8 v +8
2
−0 ,8074 +1, 234
+
1
98
98
290
290
f (u; v ) = e
265 ,336 π
f (u; v ) = 0,0012 e −0 , 000088 [149 u +104 uv +49 v −3340 u −672 v +20692 ]
2 2