Documente Academic
Documente Profesional
Documente Cultură
Solució
Solución Solució
Soluci ón
1. Cuantí
Cuantías marginales 2. Cuantías condicionales
0 , 2 ; x1 0
0 ,04 / 0 ,2 ; x1 0
f ( x1 , x2 )
f X1 ( x1 )
0 , 4 ; x1 1 f X1 / X 2 1
0 ,04 / 0 ,4 ; x1 1
f X 2 ( x2 1)
0 , 4 ; x1 2
0 ,04 / 0 ,4 ; x1 2
0,5 ; x2 0 0 , 2 / 0 , 4 ; x2 0
f ( x1, x2 )
f X2 ( x2 ) 0 , 2 ; x2 1 f X2 / X1 2 0, 08 / 0, 4 ; x2 1
f X1 ( x1 2 )
0, 3 ; x 2 0 ,12 / 0 , 4 ; x2 2
2
1
Función de Densidad Conjunta
Distribuciones Multivariadas
Si X e Y son variables continuas, la función que
se define es una función de densidad conjunta y
Sea X = (X1, X2 ,..., Xk) vector aleatorio es una función que al integrarla respecto de x e y
PX : Bk R caracterizada por FX , f X (discreta, sobre unos intervalos nos d la probabilidad de que
continua,). la variable tome valores en esos intervalos.
Consideremos k=2 :
Que debe de cumplir unas condiciones
FX ( x1 , x2 ) : función de Distribución conjunta X=(X1,X2) similares a las anteriores:
fX ( x1 , x2 ): función de densidad (cuantía) 1. Como consecuencia del primer axioma.
FXi (xi ): función de Distribución marginal de X i, i=1,2 2. Como consecuencia del segundo
axioma.
fXi (xi ): función de densidad marginal i=1,2 3. Por definición.
f (x , x )
f ( X1 / X 2 x2 ) X 1 2 si f X2 (x2 ) 0
f X 2 ( x2 )
X 1X 2 f X ( x1 , x2 ) f X1
( x1 ) f X 2 ( x2 ) cov( X 1 , X 2 ) E
( X 1 E
X1
)( X 2 E
X2
)
E
X ( E
X1
, E
X2
cov( X 1 , X 2 )
) ( X 1 , X 2 )
(V X 1V X 2)
X
E ( X E
X ) T ( X E
X) X 1 X 2 cov( X 1 , X 2 ) 0
( X 1 , X 2 ) 0 E
X1 X 2
E
X 1
E X 2
2
Covarianza Coeficiente de Correlación
coeficiente de correlación, ρ, que se define como el
La covarianza es una medida cociente entre la covarianza y el producto de las
de la variación común a dos desviaciones típicas de las dos variables.
variables y, por tanto, una
medida del grado y tipo de su
relación.
σxy es positiva si los valores La correlación toma valores entre -1 y 1, siendo su
signo igual al de la covarianza. Correlaciones con valor
altos de X están asociados a
los valores altos de Y y absoluto 1 implican que existe una asociación
matemática lineal perfecta, positiva o negativa, entre las
viceversa.
dos variables y correlaciones iguales a 0 implican
σxy es negativa si los valores cov(x,y) = 0 cov(x,y) > 0 cov(x,y) < 0 ausencia de asociación. Obviamente, las variables
altos de X están asociados a independientes tienen correlación 0, pero nuevamente,
los valores bajos de Y y la independencia es condición suficiente pero no
viceversa. necesaria.
Si X e Y son variables Correlaciones con valores absolutos intermedios
aleatorias independientes indican cierto grado de asociación entre los valores de
cov(x,y) = 0 . las variables.
La independencia es
Solució
Solución Solució
Soluci ón
1
EX 1
2 5
300 ( x12 x1x2 )ex1 dx1 dx2
3 V
X 1
17
V
X2
13
9 162
1
2 14 2 1 2
E X1
30
( x1 x1 x2 ) ex1 dx1 dx2
2 3 2
E
X 1 X 2
8
( x1 x2 x1 x2 )e x1 dx1dx2
2
3
0 30 0 9
2 1
E
X 2
5
( x1 x2 x2 ) ex1 dx1dx2
2
cov( X 1 , X 2 )
300 9 ( X 1 , X 2 ) 0,0951
V
X 1 V
X 2
1
2 7
x
( x1 x2 x2 ) e 1 dx1dx 2
2 2 3
E X2
300 18
3
Esperanza y Varianza Esperanza y Varianza
Sean X , Y v.a. y , C R
Sean X , Y v.a. y , C R V
0
E X
V
X 2V
X
EX
X E
X V
X C
V
X
E
X Y
E
XE
Y V
X Y
V
XV
Y si X Y
E
XY
E
X
EY V
X Y
V
XV
Y 2 cov( X ,Y )
V
i 1 i1 i j
i
1 o bien
1
2 2
x1 1 x 2 2 x11 x2 2
E
X ( np1 , np2 ,..., npk )
2
2 (1 ) 2 1 2
2
1
1
e
212 1 2
np (1 p1 ) np1 p2
np1 pk
1 Además
X 1 2 12
E
X V
X
np p
( 12 ) X 2
1 k npk (1pk )
12
2
4
Ejemplo de Distribuciones Multinomial
Multinomial Ejemplo
Ejemplo de
de Distribuciones
Distribuciones Multinomial
horas. 8!
( 0, 3) 2 ( 0, 5) 5 ( 0, 2) 1 0, 0945
2!5!1!
f ( X 2 / X 1 ) N ( 2 2 ( x1 1 );2 (1 2 ))
2
E
X1 / X 2 V
X1 / X 2 1
f ( X 1 / X 2 ) N ( 1 1 ( x2 2 );1 (1 2 ))
2
2