Documente Academic
Documente Profesional
Documente Cultură
Esperanza
Varianza, Covarianza, Correlación
2
Estadística. Profesora: María Durbán
1 Distribución conjunta de un vector aleatorio
Variables discretas
p( x, y ) Pr( X x, Y y )
Como en el caso unidimensional está función debe verificar:
p ( x, y ) 0
p( x, y) 1
x y
F ( x0 , y0 ) Pr( X x0 , Y y0 ) Pr( X x, Y y)
x x0 y y0
3
Estadística. Profesora: María Durbán
1 Distribución conjunta de un vector aleatorio
Ejemplo
4
Estadística. Profesora: María Durbán
1 Distribución conjunta de un vector aleatorio
Ejemplo
3 4.1x10-5 1.84x10-3
p ( x, y ) 0
p( x, y) 1
x y
2 1.54x10-5 1.38x10-3 3.11x10-2
0 1 2 3 4 X 5
Estadística. Profesora: María Durbán
1 Distribución conjunta de un vector aleatorio
Ejemplo
3 4.1x10-5 1.84x10-3
0 1 2 3 4 X 6
Estadística. Profesora: María Durbán
1 Distribución conjunta de un vector aleatorio
Variables continuas
f ( x, y )
Como en el caso unidimensional está función debe verificar:
f ( x, y ) 0
d 2 F ( x, y)
f ( x, y)
f ( x, y)dxdy 1
dxdy
La función de distribución conjunta:
y0 x0
F ( x0 , y0 ) Pr( X x0 , Y y0 ) f ( x, y)dxdy
7
Estadística. Profesora: María Durbán
1 Distribución conjunta de un vector aleatorio
Variables continuas
8
Estadística. Profesora: María Durbán
1 Distribución conjunta de un vector aleatorio
Ejemplo
9
Estadística. Profesora: María Durbán
1 Distribución conjunta de un vector aleatorio
Ejemplo
3000
Recinto donde la función de
densidad no es 0
2000
1000
3000
2000
Recinto de integración para el cálculo
de esa probabilidad
1000
Y
1000 y
Pr( X 1000, Y 2000) f ( x, y)dxdy
0 0
3000
2000
x=y
1000
3000
0.915
2000
x=y
1000
Variables Discretas
pY ( y) Pr(Y y) Pr( X x, Y y)
x
Se puede calcular su esperanza,
varianza, etc.
14
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Ejemplo
0 1 2 3 4 X 15
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Ejemplo
0 1 2 3 4 X 16
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Ejemplo
0 1 2 3 4 X 17
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Ejemplo
1 0.24925
0 0.71637
X 18
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Variables Continuas
Dadas dos v.a. continuas, X , Y con función de densidad conjunta f ( x, y )
las funciones de densidad marginales de ambas variables son:
f X ( x) f ( x, y )dy Son funciones de densidad
fY ( y ) f ( x, y )dx Se puede calcular su esperanza,
varianza, etc.
0.4
0.3
f(x) 0.2
0.1
0.0
-4 -2 0
x
2 4 19
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Ejemplo
¿Pr(Y 2000) ?
20
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Ejemplo
21
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Ejemplo
1000
Pr(Y 2000) f ( x, y)dxdy 0.05
2000 0
0
1000 2000 3000 X 23
Estadística. Profesora: María Durbán
2 Distribuciones marginales
Ejemplo
0
24
Estadística. Profesora: María Durbán
2 Distribuciones condicionadas
PrA B
Pr B A
PrA Mide el tamaño
de uno con
respecto al otro
25
Estadística. Profesora: María Durbán
2 Distribuciones condicionadas
Variables Discretas
Es función de densidad
f ( x, y )
f ( y | x)
f X ( x)
Se puede calcular su esperanza,
varianza, etc.
f ( x, y) f ( y | x) f X ( x)
29
Estadística. Profesora: María Durbán
2 Distribuciones condicionadas
Ejemplo
30
Estadística. Profesora: María Durbán
2 Distribuciones condicionadas
Ejemplo
1000
f ( y | x) 0.002e0.002 x 0.002 y 0 x y
0
1000 2000 3000 X 31
Estadística. Profesora: María Durbán
2 Distribuciones condicionadas
Ejemplo
0.368
0
1000 2000 3000 X 32
Estadística. Profesora: María Durbán
3 Independencia entre variables aleatorias
Pr A B Pr A Pr B
Pr( A | B) Pr( A)
Pr( B | A) Pr( B)
33
Estadística. Profesora: María Durbán
3 Independencia entre variables aleatorias
Variables Discretas
p( y | x) pY ( y) p( x | y) pX ( x)
p( x, y) p( x | y) pY ( y) pX ( x) pY ( y) x, y
34
Estadística. Profesora: María Durbán
3 Independencia entre variables aleatorias
Variables Continua
f ( y | x) fY ( y) f ( x | y) f X ( x)
f ( x, y) f ( x | y) fY ( y) f X ( x) fY ( y) x, y
35
Estadística. Profesora: María Durbán
3 Independencia entre variables aleatorias
Ejemplo
f ( y | x) 0.002e0.002 x 0.002 y 0 x y
Para todos los valores de x
fY ( y) 6 103 e0.002 y (1 e0.001 y ) y0
36
Estadística. Profesora: María Durbán
4 Características de un vector aleatorio
X1
X
Dadas n v.a. X1 , X 2 , , X n definimos el vector n-dimensional X 2
Xn
La función de probabilidad/densidad del vector es la función de
probabilidad/densidad conjunta de los componentes del vector.
Esperanza
Covarianza
Propiedades
Covarianza
¿Cómo lo calculamos?
Necesitamos calcular la esperanza de una función de dos variables
aleatorias:
h( x, y) p( x, y)
E h( X , Y ) x y
h( x, y) f ( x, y)dxdy
39
Estadística. Profesora: María Durbán
4 Características de un vector aleatorio
Hay relación
pero no
lineal
40
Covarianza
Estadística. Profesora: negativa
María Durbán Covarianza cero
4 Características de un vector aleatorio
Ejemplo
41
Estadística. Profesora: María Durbán
4 Características de un vector aleatorio
Correlación
Si Y aX b | ( X , Y ) | 1
42
Estadística. Profesora: María Durbán
4 Características de un vector aleatorio
Propiedades
Simétrica
Semidefinida positiva
43
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
4 x1 x2 0 x1 , x2 1
f X1 X 2 ( x1 , x2 )
0 en el resto
1. Definimos Y2 X 2
3. Calculamos la marginal de Y1
45
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
Ejemplo
4 x1 x2 0 x1 , x2 1
f X1 X 2 ( x1 , x2 )
0 en el resto
dX
f (Y) f ( g 1 ( Y))
dY
g ( X) ( X 1 X 2 , X 2 ) g 1 (Y) (Y1 Y2 , Y2 )
Y1 Y2
dX 1 1
1 f ( g 1 (Y)) 4( y1 y2 ) y2
dY 0 1
f (Y) 4( y1 y2 ) y2 ¿En qué recinto está
46
Estadística. Profesora: María Durbán
definida?
5 Transformaciones de vectores aleatorios
Ejemplo
0 x1 , x2 1
Y1 X 1 X 2 0 y1 2
Y2 X 2 0 y2 1 Y1 Y2 X 2 0 y1 y2 1
y1 y2 0 y1 y2 1
47
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
Ejemplo
f (Y) 0 4(
x , xy 1 y ) y
1
1 2
2 2
0 y1 1 0 y2 y1
Y1 X 1 X 2 0 y1 2
Y2 X 2 0 y2 1 Y1 Y2 X 2 0 y1 y2 1
1 y1 2 y1 -1 y2 1
1
0 y1 1 0 y2 y1
y1 y2 0 y1 y2 1 1 y1 2 y1 -1 y2 1
48
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
Ejemplo
Calculamos la marginal de Y1
y1
3 3
0 4( y1 y2 ) y2y2 2 y1 0 y1 1
fY1 ( y1 ) 1
8 3 3
y 1 4( y1 y2 ) y2y2 3 4 y1 2 y1 1 y1 2
1
49
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
Convolución de X1 y X2
fY ( y) f X1 ( y x) f X 2 ( x)x
50
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
E Y AE X
Var Y AM X A
Ejemplo
X1
Y X1 X2 Y 1 1
X2
E Y E X1 E X2
Var X1 Cov( X1 , X2 ) 1
Var Y 1 1 Var X1 Var X 2 2Cov( X1 , X 2 )
Cov( X1 , X2 ) Var X2 1 51
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
E Y AE X
Var Y AM X A
Ejemplo
X1
Y X1 X2 Y 1 1
X2
E Y E X1 E X2
Var X1 Cov( X1 , X2 ) 1
Var Y 1 1 Var X1 Var X 2 2Cov( X1 , X 2 )
Cov( X1 , X2 ) Var X2 1 52
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
E Y AE X
Var Y AM X A
X i ~ N i , i i 1, , n independientes
Y a1 X1 a2 X 2 an X n Normal
n n
E Y ai i Var Y ai2 i2
i 1 i 1
53
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
Ejemplo
D
B C
A
54
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
Ejemplo
A ~ N (10, 0.1)
D A B C
B ~ N (2, 0.05) C ~ N (2, 0.05)
E D 10 2 2 6
Var D 0.12 0.052 0.052 0.015
D.T D 0.122
D
B C
A
55
Estadística. Profesora: María Durbán
5 Transformaciones de vectores aleatorios
Ejemplo
D ~ N (6, 0.015)
5.9 6
Pr( D 5.9) Pr Z
0.122
Pr( Z 0.82) 1 Pr( Z 0.82)
1 0.7939 0.2061
D
B C
El 20% de las
piezas fabricadas
es inservible A
56
Estadística. Profesora: María Durbán
6 Distribución Normal multivariante
X1
Si vector aleatorio X sigue una distribución Normal bivariante
X2
1
con vector de medias μ y matriz de varianzas-covarianzas
2
12 1 2
2
1 2 2
1
f X
1 1
exp ( X μ)' ( X μ)
2 1/ 2
2
57
Estadística. Profesora: María Durbán
6 Distribución Normal multivariante
1
f X
1 1
exp ( X μ)' ( X μ)
2 1/ 2
2
1
2 1 2
12 1 2 1 1
12 22 (1 2 ) 1
(1 2 ) 1
1 2 22
1 2 22
1
1 x 2 x 2 x1 1 x2 2
f x1 , x2 exp
1 1
2 2
2
2 1 2 (1 2 ) 2(1 2
)
1 2 1 2
58
Estadística. Profesora: María Durbán
Función de densidad
Diagrama de dispersión
6 Distribución Normal multivariante
X1 1 12 1 2
X μ 2
X2 2 1 2 2
Propiedades
0 X 1 , X 2 independientes
X1 ~ N 1 , 1 X 2 ~ N 1 , 1
X1 | X 2 y X 2 | X1 son normales
60
Estadística. Profesora: María Durbán
6 Distribución Normal multivariante
Ejemplo
0.099535 X 0.100465
0.22966 Y 0.23039
61
Estadística. Profesora: María Durbán
6 Distribución Normal multivariante
Ejemplo