Medias, varianzas y covarianza para 2 variables aleatorias Ejemplo

� Sea X1 X2 variables aleatorias.

� La media de X1 es
E (X1 ) = µX1
Un restaurante sirve 3 platos con un precio fijo de $12, $15, y $20.
� La varianza de X1 es Para una pareja seleccionada al azar cenando en este restaurante,
sea X = el costo de la cena del hombre y Y = el costo de la cena
V (X1 ) = E (X1 − µX1 )2 = E (X12 ) − [E (X1 )]2 = σX2 1 de la mujer. Si la pdf conjunta es
� La covarianza de (X1 , X2 ) es P(X\Y) 12 15 20
12 0.05 0.05 0.1
Cov (X1 , X2 ) = E [(X1 − µX1 )(X2 − µX2 )]
15 0.05 0.1 0.35
Cov (X1 , X2 ) = E (X1 X2 ) − E (X1 )E (X2 ) = σX1 X2 20 0 0.2 0.1
σX 1 X 2
� ρX1 ,X2 = σX 1 σ X 2
� Si X1 y X2 son independientes entonces

Cov (X1 , X2 ) = ρ(X1 , X2 ) = 0.

Vector de medias Matriz de covarianza

� Sea (X1 , X2 )T un vector aleatorio.
� Sea (X1 , X2 )T un vector aleatorio. Matriz de covarianza
Vector de medias La matriz de covarianza de (X1 , X2 )T es:
El vector de medias de (X1 , X2 )T es: � 2 �
σ X 1 σ X1 X 2
� � Σ=
µ X1 σX2 X1 σX2 2
µ=
µ X2
� Σ resume la variabilidad de (X1 , X2 )T
� Esta variabilidad es medida a través de:
� µ resume la tendencia central de (X1 , X2 )T
1. La traza de Σ:
� En el ejemplo anterior: µX1 = 15.9, µX2 = 17.45 tr (Σ) = σX2 1 + σX2 2
� �
15.9 2. El determinante de Σ:
µ=
17.45 det(Σ) = σX2 1 σX2 2 − (σX1 X2 )2 = σX2 1 σX2 2 − (ρσX1 σX2 )2

� Note que el det(Σ) toma en cuenta la correlación entre X1 e

X2 .
Matriz de covarianza
� La covarianza muestral tiene difı́cil interpretación, ya que su
� Sea (X1 , X2 )T un vector aleatorio. magnitud depende de las unidades en las que estén medidas
Matriz de covarianza las variables. El coeficiente de correlación lineal evita este
La matriz de covarianza de (X1 , X2 )T es: problema.
� En el ejemplo anterior, si cambiamos las unidades de dólares a
� 2 �
σ X 1 σ X1 X 2 centavos de dólar:
Σ=
σX2 X1 σX2 2 P(X\Y) 1200 1500 2000
1200 0.05 0.05 0.1
1500 0.05 0.1 0.35
� Σ resume la variabilidad de (X1 , X2 )T
2000 0 0.2 0.1
� En el ejemplo anterior: cov (X1 , X2 ) = E (X1 X2 ) − µX1 µX2 =
cov (X1 , X2 ) = E (X1 X2 ) − µX1 µX2 =
276.7 − (15.9 × 17.45) = −0.755
2767000 − (1590 × 1745) = −7550
� �
8.49 −0.755 � �
Σ= 84900 −7550
−0.755 8.6475 Σ=
−7550 86475

Solución en la pizarra

Matriz de correlación Propiedad

� Sea (X1 , X2 )T un vector aleatorio. Sea el vector aleatorio X = (X1 , X2 )T con vector de medias y
matriz de covarianza
Matriz de correlación
La matriz de correlación de (X1 , X2 )T es:
� � � �
� � µ X1 σX2 1 σ X 1 X2
1 ρX1 X2 µ= ,Σ = .
R= µ X2 σX2 X1 σX2 2
ρX2 X1 1

Sea A una matriz de dimensión 1 × 2 y B una matriz de dimensión

� R resume la variabilidad de (X1 , X2 )T , su magnitud NO 1 × 1. Entonces Z = AX + B tiene media µZ = Aµ + B y
DEPENDE de la unidad de medición covarianza ΣZ = AΣAT .
� En el ejemplo anterior (considerando la unidad en dólares):
� En el ejemplo anterior suponga que hay una promoción para
ρ(X1 , X2 ) = covσX(Xσ1X,X2 ) = 2.91×2.94
−0.755
= −0.09
1 2
� � parejas y el costo por la cena sera la media del costo de las
1 −0.755 dos cenas.
R=
−0.755 1 � Luego el costo final Z = (X1 + X2 )/2, luego
� �
� Calcule ρ(X1 , X2 ) considerando centavos de dólares, el Z = 1/2 1/2 X
resultado es el mismo!
� Tenemos
� � � �
Propiedad
Z = 1/2 1/2 X , entonces A = 1/2 1/2 , B = 0 Sea el vector aleatorio X = (X1 , X2 )T con vector de medias y
matriz de covarianza
� Por la propiedad anterior, Z = AX + B tiene media � � � 2 �
µZ = Aµ + B y covarianza ΣZ = AΣAT . µ X1 σ X1 σ X 1 X2
µ= ,Σ = .
� Entonces µ X2 σX2 X1 σX2 2
� � � �
� � µX 1 � � 15.9
µZ = 1/2 1/2 = 1/2 1/2 = 16.675, Sean α y β constantes, X1 y X2 variables aleatorias. Entonces
µX 2 17.45
Z = αX1 + βX2 tiene media

� �� � µZ = αµX1 + βµX2
� � σX2 1 σX 1 X 2 1/2
ΣZ = 1/2 1/2
σX2 X 1 σX2 2 1/2
y covarianza

� �
�
8.49 −0.755
��
1/2
� ΣZ = α2 σX1 + β 2 σX2 + 2αβσX1 X2
ΣZ = 1/2 1/2 = 3.906875
−0.755 8.6475 1/2

� En el ejemplo: Z = 12 X1 + 12 X2 ,
� Entonces α = 1/2, β = 1/2,

µZ = αµX1 + βµX2 = (1/2)(15.9) + (1/2)(17.45) = 16.675

y matriz de covarianza

ΣZ = α2 σX1 + β 2 σX2 + 2αβσX1 X2

ΣZ = (1/2)2 (8.49) + (1/2)2 (8.6475) + 2(1/2)(1/2)(−0.755)

ΣZ = 3.906875