Upload
vale-vale-correa-galvez
View
85
Download
1
Tags:
Embed Size (px)
Citation preview
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Asignatura: Estadıstica y Probabilidades
David Elal-Olivero
Universidad de AtacamaFacultad de Ingenierıa
Departamento de Matematica
Segundo Semestre Ano 2012
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
1 Probabilidad
2 Variables Aleatorias
3 Distribuciones de Probabilidad Conjunta
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Definicion de Distribucion de Probabilidad Conjunta Bivariada Discreta
La funcion f (x , y) es una distribucion de probabilidad conjuntabivariada discreta, si:
1
f (x , y) ≥ 0 para todo (x , y).
2 ∑x
∑y
f (x , y) = 1.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Definicion de Distribucion de Probabilidad Conjunta Bivariada Discreta
La funcion f (x , y) es una distribucion de probabilidad conjuntabivariada discreta, si:
1
f (x , y) ≥ 0 para todo (x , y).
2 ∑x
∑y
f (x , y) = 1.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Ejemplo de Distribucion de Probabilidad Conjunta Bivariada Discreta
Sea f (x , y) la funcion definida por:
f (x , y) =
(3x
)(2y
)(3
2− x − y
)(
82
)con x = 0, 1, 2; y = 0, 1, 2: 0 ≤ x + y ≤ 2entonces f (x , y) es una funcion de probabilidad conjunta bivariadadiscreta.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Ejemplo de Distribucion de Probabilidad Conjunta Bivariada Discreta
Sea f (x , y) la funcion definida por:
f (x , y) =
(3x
)(2y
)(3
2− x − y
)(
82
)con x = 0, 1, 2; y = 0, 1, 2: 0 ≤ x + y ≤ 2entonces f (x , y) es una funcion de probabilidad conjunta bivariadadiscreta.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Ejemplo de Distribucion de Probabilidad Conjunta
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Ejemplo de Distribucion de Probabilidad Conjunta
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Definicion de (X,Y) ∼ f(x,y)
Sean X e Y variables aleatoria y sea f(x,y) una funcion de distribucion deprobabilidad conjunta bivariada discreta. Decimos que el par (X ,Y ) sedistribuye segun f (x , y) y lo denotamos por:
(X ,Y ) ∼ f (x , y)
si estan relacionados por:
P(X = x ,Y = y) = f (x , y)
Para cualquier region A del plano xy ,
P[(X ,Y ) ∈ A] =∑
(x,y) ∈
∑A
f (x , y)
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Definicion de (X,Y) ∼ f(x,y)
Sean X e Y variables aleatoria y sea f(x,y) una funcion de distribucion deprobabilidad conjunta bivariada discreta. Decimos que el par (X ,Y ) sedistribuye segun f (x , y) y lo denotamos por:
(X ,Y ) ∼ f (x , y)
si estan relacionados por:
P(X = x ,Y = y) = f (x , y)
Para cualquier region A del plano xy ,
P[(X ,Y ) ∈ A] =∑
(x,y) ∈
∑A
f (x , y)
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Ejercicio
Sea (X ,Y ) ∼ f (x , y), donde:
f (x , y) =x + y
30, para x = 0, 1, 2, 3 e y = 0, 1, 2
encuentre
1 Verifique que f (x , y) es una funcion de distribucion de probabilidadconjunta discreta
2 P((X ,Y ) ∈ A) donde A = {(x , y)/x + y ≤ 2, x ≥ 0, y ≥ 0}3 P(X ≤ 2,Y = 1)
4 P(X > 2,Y ≤ 1)
5 P(X > Y )
6 P(X + Y = 4)
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Ejercicio
Sea (X ,Y ) ∼ f (x , y), donde:
f (x , y) =x + y
30, para x = 0, 1, 2, 3 e y = 0, 1, 2
encuentre
1 Verifique que f (x , y) es una funcion de distribucion de probabilidadconjunta discreta
2 P((X ,Y ) ∈ A) donde A = {(x , y)/x + y ≤ 2, x ≥ 0, y ≥ 0}3 P(X ≤ 2,Y = 1)
4 P(X > 2,Y ≤ 1)
5 P(X > Y )
6 P(X + Y = 4)
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Definicion de funcion de Densidad Conjunta Bivariada
La funcion f (x , y) es una funcion de densidad conjunta bivariada, si:
1
f (x , y) ≥ 0 para todo (x , y).
2 ∫ ∞−∞
∫ ∞−∞
f (x , y)dxdy = 1.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta
Definicion de funcion de Densidad Conjunta Bivariada
La funcion f (x , y) es una funcion de densidad conjunta bivariada, si:
1
f (x , y) ≥ 0 para todo (x , y).
2 ∫ ∞−∞
∫ ∞−∞
f (x , y)dxdy = 1.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Definicion de (X,Y) ∼ f(x,y)
Sean X e Y variables aleatoria y sea f(x,y) una funcion de densidadconjunta bivariada. Decimos que el par (X ,Y ) se distribuye segun f (x , y)y lo denotamos por:
(X ,Y ) ∼ f (x , y)
si estan relacionados por:
P[(X ,Y ) ∈ A] =
∫ ∫A
f (x , y)dxdy
para cualquier region A del plano xy .
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Definicion de (X,Y) ∼ f(x,y)
Sean X e Y variables aleatoria y sea f(x,y) una funcion de densidadconjunta bivariada. Decimos que el par (X ,Y ) se distribuye segun f (x , y)y lo denotamos por:
(X ,Y ) ∼ f (x , y)
si estan relacionados por:
P[(X ,Y ) ∈ A] =
∫ ∫A
f (x , y)dxdy
para cualquier region A del plano xy .
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejercicio
Sea (X ,Y ) ∼ f (x , y), donde:
f (x , y) =
25 (2x + 3y), 0 ≤ x ≤ 1, 0 ≤ y ≤ 1.0, cov
1 Verifique que f (x , y) es una funcion de densidad conjunta
2 Encuentre la P[(X ,Y ) ∈ A], donde
A = {(x , y)/ 0 < x < 1/2, 1/4 < y < 1/2}
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejercicio
Sea (X ,Y ) ∼ f (x , y), donde:
f (x , y) =
25 (2x + 3y), 0 ≤ x ≤ 1, 0 ≤ y ≤ 1.0, cov
1 Verifique que f (x , y) es una funcion de densidad conjunta
2 Encuentre la P[(X ,Y ) ∈ A], donde
A = {(x , y)/ 0 < x < 1/2, 1/4 < y < 1/2}
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Solucion
Verificaremos primeramente que f (x , y) es una funcion de densidadconjunta.Claramente f (x , y) ≥ 0, por otra parte:∫ ∞
−∞
∫ ∞−∞
f (x , y)dxdy =
∫ 1
0
∫ 1
0
2
5(2x + 3y) dxdy
=
∫ 1
0
(2x2
5+
6xy
5
) 1
0dy
=
∫ 1
0
(2
5+
6y
5
)dy
=
(2y
5+
3y2
5
) 1
0
= 1David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Solucion
Verificaremos primeramente que f (x , y) es una funcion de densidadconjunta.Claramente f (x , y) ≥ 0, por otra parte:∫ ∞
−∞
∫ ∞−∞
f (x , y)dxdy =
∫ 1
0
∫ 1
0
2
5(2x + 3y) dxdy
=
∫ 1
0
(2x2
5+
6xy
5
) 1
0dy
=
∫ 1
0
(2
5+
6y
5
)dy
=
(2y
5+
3y2
5
) 1
0
= 1David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Solucion
Encontraremos ahora P[(X ,Y ) ∈ A]
P[(X ,Y ) ∈ A] = P(0 < X < 1/2, 1/4 < Y < 1/2)
=
∫ 1/2
1/4
∫ 1/2
0
2
5(2x + 3y) dxdy
=
∫ 1/2
1/4
(2x2
5+
6xy
5
) x=1/2
x=0dy
=
∫ 1/2
1/4
(1
10+
3y
5
)dy
=
(y
10+
3y2
10
) x=1/2
x=1/4=
13
160
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Solucion
Encontraremos ahora P[(X ,Y ) ∈ A]
P[(X ,Y ) ∈ A] = P(0 < X < 1/2, 1/4 < Y < 1/2)
=
∫ 1/2
1/4
∫ 1/2
0
2
5(2x + 3y) dxdy
=
∫ 1/2
1/4
(2x2
5+
6xy
5
) x=1/2
x=0dy
=
∫ 1/2
1/4
(1
10+
3y
5
)dy
=
(y
10+
3y2
10
) x=1/2
x=1/4=
13
160
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Distribuciones Marginales
Sea (X ,Y ) ∼ f (x , y), se definen las distribuciones marginales de X e Ycomo:
1 Caso Discreto
g(x) =∑
y
f (x , y) y h(y) =∑
x
f (x , y)
2 Caso Continuo
g(x) =
∫ ∞−∞
f (x , y)dy y h(y) =
∫ ∞−∞
f (x , y)dx
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Distribuciones Marginales
Sea (X ,Y ) ∼ f (x , y), se definen las distribuciones marginales de X e Ycomo:
1 Caso Discreto
g(x) =∑
y
f (x , y) y h(y) =∑
x
f (x , y)
2 Caso Continuo
g(x) =
∫ ∞−∞
f (x , y)dy y h(y) =
∫ ∞−∞
f (x , y)dx
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
Recordemos la distribucion de probabilidad conjunta discreta vistaanteriormente:
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
Recordemos la distribucion de probabilidad conjunta discreta vistaanteriormente:
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
La distribucion marginal de X serıa:
g(0) =2∑
y=0
f (0, y) = f (0, 0) + f (0, 1) + f (0, 2) =3
28+
3
14+
1
28=
5
14
g(1) =2∑
y=0
f (1, y) = f (1, 0) + f (1, 1) + f (1, 2) =9
28+
3
14+ 0 =
15
28
g(2) =2∑
y=0
f (2, y) = f (2, 0) + f (2, 1) + f (2, 2) =3
28+ 0 + 0 =
3
28
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
La distribucion marginal de X serıa:
g(0) =2∑
y=0
f (0, y) = f (0, 0) + f (0, 1) + f (0, 2) =3
28+
3
14+
1
28=
5
14
g(1) =2∑
y=0
f (1, y) = f (1, 0) + f (1, 1) + f (1, 2) =9
28+
3
14+ 0 =
15
28
g(2) =2∑
y=0
f (2, y) = f (2, 0) + f (2, 1) + f (2, 2) =3
28+ 0 + 0 =
3
28
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
La distribucion marginal g(x) de la variable aleatoria X , la podemosresumir en la siguiente tabla:
x 0 1 2
g(x)=P(X=x) 514
1528
328
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
La distribucion marginal g(x) de la variable aleatoria X , la podemosresumir en la siguiente tabla:
x 0 1 2
g(x)=P(X=x) 514
1528
328
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
En forma analoga podemos obtener la distribucion marginal h(y) de lavariable aleatoria Y , la que podemos resumir en la siguiente tabla:
x 0 1 2
h(y)=P(Y=y) 1528
37
128
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
En forma analoga podemos obtener la distribucion marginal h(y) de lavariable aleatoria Y , la que podemos resumir en la siguiente tabla:
x 0 1 2
h(y)=P(Y=y) 1528
37
128
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Continuas
Recordemos la funcion de densidad conjunta f (x , y) dada anteriormente,y que corresponde a:
f (x , y) =
25 (2x + 3y), 0 ≤ x ≤ 1, 0 ≤ y ≤ 1.0, cov
Dado que (X ,Y ) ∼ f (x , y). Nos proponemos encontrar las distrucionesmarginales tanto de X como de Y
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Continuas
Recordemos la funcion de densidad conjunta f (x , y) dada anteriormente,y que corresponde a:
f (x , y) =
25 (2x + 3y), 0 ≤ x ≤ 1, 0 ≤ y ≤ 1.0, cov
Dado que (X ,Y ) ∼ f (x , y). Nos proponemos encontrar las distrucionesmarginales tanto de X como de Y
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Continuas
g(x) =
∫ ∞−∞
f (x , y)dy
=
∫ 1
0
2
5(2x + 3y)dy
=
(4xy
5+
6y2
10
) y=1
y=0
=4x + 3
5
Ası
g(x) =
4x+3
5 , 0 ≤ x ≤ 1.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Continuas
g(x) =
∫ ∞−∞
f (x , y)dy
=
∫ 1
0
2
5(2x + 3y)dy
=
(4xy
5+
6y2
10
) y=1
y=0
=4x + 3
5
Ası
g(x) =
4x+3
5 , 0 ≤ x ≤ 1.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Continuas
h(y) =
∫ ∞−∞
f (x , y)dx
=
∫ 1
0
2
5(2x + 3y)dx
=
(2x2
5+
3xy
5
) y=1
y=0
=2(1 + 3y)
5
Ası
h(y) =
2(1+3y)
5 , 0 ≤ y ≤ 1.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Continuas
h(y) =
∫ ∞−∞
f (x , y)dx
=
∫ 1
0
2
5(2x + 3y)dx
=
(2x2
5+
3xy
5
) y=1
y=0
=2(1 + 3y)
5
Ası
h(y) =
2(1+3y)
5 , 0 ≤ y ≤ 1.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Definicion de Distribuciones Condicionales
Sea (X ,Y ) ∼ f (x , y), se define la distribucion condicional de X dadoY = y , como:
f (x/y) =f (x , y)
h(y)h(y) la marginal de Y h(y) > 0
Similarmente, la distribucion condicional de Y dado X = x , se definecomo:
f (y/x) =f (x , y)
g(x)g(x) la marginal de X g(x) > 0
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Definicion de Distribuciones Condicionales
Sea (X ,Y ) ∼ f (x , y), se define la distribucion condicional de X dadoY = y , como:
f (x/y) =f (x , y)
h(y)h(y) la marginal de Y h(y) > 0
Similarmente, la distribucion condicional de Y dado X = x , se definecomo:
f (y/x) =f (x , y)
g(x)g(x) la marginal de X g(x) > 0
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
Considerando la tabla, encuentre la distribucion condicional de X dadoY = 1 y utilıcela para calcular P(X = 0/Y = 1)
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Discretas
Considerando la tabla, encuentre la distribucion condicional de X dadoY = 1 y utilıcela para calcular P(X = 0/Y = 1)
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
Se pide encontar f (x/1), lo que se logra mediante la relacion:
f (x/1) =f (x , 1)
h(1)
donde h(1) es la marginal de Y evaluada en x = 1, es decir:
h(1) =2∑
x=0
f (x , 1) = f (0, 0) + f (0, 1) + f (0, 2) =3
14+
3
14+ 0 =
3
7
de esta manera
f (x/1) =7
3f (x , 1), para x = 0, 1, 2
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
Se pide encontar f (x/1), lo que se logra mediante la relacion:
f (x/1) =f (x , 1)
h(1)
donde h(1) es la marginal de Y evaluada en x = 1, es decir:
h(1) =2∑
x=0
f (x , 1) = f (0, 0) + f (0, 1) + f (0, 2) =3
14+
3
14+ 0 =
3
7
de esta manera
f (x/1) =7
3f (x , 1), para x = 0, 1, 2
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
por lo tanto:
f (0/1) =7
3f (0, 1) =
(7
3
)(3
14
)=
1
2
f (0/1) =7
3f (0, 1) =
(7
3
)(3
14
)=
1
2
f (0/1) =7
3f (0, 1) =
(7
3
)0 = 0
densidad condicional que podemos resumir en la siguiente tabla:
x 0 1 2
f(x/1)=P(X=x/Y=1) 12
12 0
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
por lo tanto:
f (0/1) =7
3f (0, 1) =
(7
3
)(3
14
)=
1
2
f (0/1) =7
3f (0, 1) =
(7
3
)(3
14
)=
1
2
f (0/1) =7
3f (0, 1) =
(7
3
)0 = 0
densidad condicional que podemos resumir en la siguiente tabla:
x 0 1 2
f(x/1)=P(X=x/Y=1) 12
12 0
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
Finalmente
P(X = 0/Y = 1) = f (0, 1) =1
2
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
Finalmente
P(X = 0/Y = 1) = f (0, 1) =1
2
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Continuas
Suponga que la fraccion X de atletas hombres y la fraccion Y de atletasmujeres que terminan la carrera del maraton puede describirse porfuncion de densidad conjunta:
f (x , y) =
8xy , 0 ≤ x ≤ 1, 0 ≤ y ≤ x
0, cov
1 Encuentre la densidad marginal g(x) de X , la densidad marginalh(y) de Y y la densidad condicional f (y/x)
2 Determine la probabilidad de que menos de 1/8 de las mujeres quese inscribieron para una maraton en particular la finalicen, si se sabeque exactamente 1/2 de los atletas hombres la terminaron.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Distribuciones Marginales Continuas
Suponga que la fraccion X de atletas hombres y la fraccion Y de atletasmujeres que terminan la carrera del maraton puede describirse porfuncion de densidad conjunta:
f (x , y) =
8xy , 0 ≤ x ≤ 1, 0 ≤ y ≤ x
0, cov
1 Encuentre la densidad marginal g(x) de X , la densidad marginalh(y) de Y y la densidad condicional f (y/x)
2 Determine la probabilidad de que menos de 1/8 de las mujeres quese inscribieron para una maraton en particular la finalicen, si se sabeque exactamente 1/2 de los atletas hombres la terminaron.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
g(x) =
∫ ∞−∞
f (x , y)dy
=
∫ x
0
8xydy
= 4xy2y=x
y=0
= 4x3
luego
g(x) =
4x3, 0 ≤ x ≤ 1.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
g(x) =
∫ ∞−∞
f (x , y)dy
=
∫ x
0
8xydy
= 4xy2y=x
y=0
= 4x3
luego
g(x) =
4x3, 0 ≤ x ≤ 1.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
h(y) =
∫ ∞−∞
f (x , y)dx
=
∫ 1
y
8xydy
= 4x2yy=x
y=0
= 4y(1− y2)
luego
h(y) =
4y(1− y2
), 0 ≤ y ≤ 1.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
h(y) =
∫ ∞−∞
f (x , y)dx
=
∫ 1
y
8xydy
= 4x2yy=x
y=0
= 4y(1− y2)
luego
h(y) =
4y(1− y2
), 0 ≤ y ≤ 1.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
Ahora
f (y/x) =f (x , y)
g(x)=
8xy
4x3=
2y
x2
luego
f (y/x) =
2yx2 , 0 ≤ y ≤ x.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
Ahora
f (y/x) =f (x , y)
g(x)=
8xy
4x3=
2y
x2
luego
f (y/x) =
2yx2 , 0 ≤ y ≤ x.0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
Calcularemos ahora el valor de P(Y < 1/8 / X = 1/2)
P(Y < 1/8 / X = 1/2) =
∫ 1/8
0
8ydy
= 4y21/8
0
=1
16
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Desarrollo del ejemplo
Calcularemos ahora el valor de P(Y < 1/8 / X = 1/2)
P(Y < 1/8 / X = 1/2) =
∫ 1/8
0
8ydy
= 4y21/8
0
=1
16
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejercicio
Sea (X ,Y ) ∼ f (x , y), donde f (x , y) esta definida por:
f (x , y) =
x(1+3y2)
4 , 0 ≤ x ≤ 2, 0 < y < 1.0, cov.
1 Encuentre la densidad marginal g(x) de X , la densidad marginalh(y) de Y y la densidad condicional f (x/y)
2 Evalue P(1/4 < X < 1/2 / Y = 1/3)
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejercicio
Sea (X ,Y ) ∼ f (x , y), donde f (x , y) esta definida por:
f (x , y) =
x(1+3y2)
4 , 0 ≤ x ≤ 2, 0 < y < 1.0, cov.
1 Encuentre la densidad marginal g(x) de X , la densidad marginalh(y) de Y y la densidad condicional f (x/y)
2 Evalue P(1/4 < X < 1/2 / Y = 1/3)
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Solucion
g(x) =
x2 , 0 ≤ x ≤ 2.0, cov.
h(y) =
1+3y2
2 , 0 ≤ y ≤ 1.0, cov.
f (x/y) =
x2 , 0 ≤ x ≤ 2.0, cov.
P(1/4 < X < 1/2 / Y = 1/3) =3
64
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Solucion
g(x) =
x2 , 0 ≤ x ≤ 2.0, cov.
h(y) =
1+3y2
2 , 0 ≤ y ≤ 1.0, cov.
f (x/y) =
x2 , 0 ≤ x ≤ 2.0, cov.
P(1/4 < X < 1/2 / Y = 1/3) =3
64
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Independencia Estadıstica
Sea (X ,Y ) ∼ f (x , y) con funciones marginales g(x) y h(y)respectivamente. Se dice que las variables aleatorias X e Y sonestadısticamente independientes, si y solo si:
f (x , y) = g(x)h(y)
Esta definicion es valida tanto para el caso en que el par (X ,Y ) esdiscreto o continuo.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Independencia Estadıstica
Sea (X ,Y ) ∼ f (x , y) con funciones marginales g(x) y h(y)respectivamente. Se dice que las variables aleatorias X e Y sonestadısticamente independientes, si y solo si:
f (x , y) = g(x)h(y)
Esta definicion es valida tanto para el caso en que el par (X ,Y ) esdiscreto o continuo.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Independencia Estadıstica, caso continuo
Recordemos el ultimo ejemplo, donde:
f (x , y) =
x(1+3y2)
4 , 0 ≤ x ≤ 2, 0 < y < 1.0, cov.
g(x) =
x2 , 0 ≤ x ≤ 2.0, cov.
h(y) =
1+3y2
2 , 0 ≤ y ≤ 1.0, cov.
Claramente f (x , y) = g(x)h(y), con 0 ≤ x ≤ 2; y 0 ≤ y ≤ 1, en tal casoX e Y son estadısticamente independientes
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Independencia Estadıstica, caso continuo
Recordemos el ultimo ejemplo, donde:
f (x , y) =
x(1+3y2)
4 , 0 ≤ x ≤ 2, 0 < y < 1.0, cov.
g(x) =
x2 , 0 ≤ x ≤ 2.0, cov.
h(y) =
1+3y2
2 , 0 ≤ y ≤ 1.0, cov.
Claramente f (x , y) = g(x)h(y), con 0 ≤ x ≤ 2; y 0 ≤ y ≤ 1, en tal casoX e Y son estadısticamente independientes
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Independencia Estadıstica, caso discreto
Recordemos las marginales de la f (x , y) dada en la tabla:
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Independencia Estadıstica, caso discreto
Recordemos las marginales de la f (x , y) dada en la tabla:
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Independencia Estadıstica, caso discreto
x 0 1 2
g(x)=P(X=x) 514
1528
328
x 0 1 2
h(y)=P(Y=y) 1528
37
128
Observe por ejemplo que f (1, 0) = 9/28, g(1) = 15/28 yh(0) = 15/28, por lo tanto
f (1, 0) 6= g(1)h(0)
basta con este contraejemplo para inferir que X e Y no sonestadısticamente independientes.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Independencia Estadıstica, caso discreto
x 0 1 2
g(x)=P(X=x) 514
1528
328
x 0 1 2
h(y)=P(Y=y) 1528
37
128
Observe por ejemplo que f (1, 0) = 9/28, g(1) = 15/28 yh(0) = 15/28, por lo tanto
f (1, 0) 6= g(1)h(0)
basta con este contraejemplo para inferir que X e Y no sonestadısticamente independientes.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Valor Esparado de la variable aleatoria g(X ,Y )
Sea (X ,Y ) ∼ f (x , y) La media o valor esperado de la variable aleatoriag(X ,Y ), es:
1
µg(X ,Y ) = E [g(X ,Y )] =∑
x
∑y
g(x , y)f (x , y)
si X e Y son discretas
2
µg(X ,Y ) = E [g(X ,Y )] =
∫ ∞−∞
∫ ∞−∞
g(x , y)f (x , y)dxdy
si X e Y son continuas
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Valor Esparado de la variable aleatoria g(X ,Y )
Sea (X ,Y ) ∼ f (x , y) La media o valor esperado de la variable aleatoriag(X ,Y ), es:
1
µg(X ,Y ) = E [g(X ,Y )] =∑
x
∑y
g(x , y)f (x , y)
si X e Y son discretas
2
µg(X ,Y ) = E [g(X ,Y )] =
∫ ∞−∞
∫ ∞−∞
g(x , y)f (x , y)dxdy
si X e Y son continuas
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Valor Esparado de la variable aleatoria g(X ,Y ), caso discreto
Consideremos la funcion f (x , y) de la tabla anterior y la funciong(X ,Y ) = XY , entonces
E [XY ] = E [g(X ,Y )]=
∑x
∑y g(x , y)f (x , y)
=∑2
x=0
∑2y=0 xyf (x , y)
= (0)(0)f (1, 0) + (0)(1)f (0, 1) + (0)(2)f (0, 2)+ (1)(0)f (1, 0) + (1)(1)f (1, 1) + (1)(2)f (1, 2)+ (2)(0)f (2, 0) + (2)(1)f (2, 1) + (2)(2)f (2, 2)= f (1, 1)= 3
14
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Valor Esparado de la variable aleatoria g(X ,Y ), caso discreto
Consideremos la funcion f (x , y) de la tabla anterior y la funciong(X ,Y ) = XY , entonces
E [XY ] = E [g(X ,Y )]=
∑x
∑y g(x , y)f (x , y)
=∑2
x=0
∑2y=0 xyf (x , y)
= (0)(0)f (1, 0) + (0)(1)f (0, 1) + (0)(2)f (0, 2)+ (1)(0)f (1, 0) + (1)(1)f (1, 1) + (1)(2)f (1, 2)+ (2)(0)f (2, 0) + (2)(1)f (2, 1) + (2)(2)f (2, 2)= f (1, 1)= 3
14
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Valor Esparado de la variable aleatoria g(X ,Y ), casocontinuo
Encuentre E[
XY
], para la funcion de densidad:
f (x , y) =
x(1+3y2)
4 , 0 ≤ x ≤ 2, 0 < y < 1.0, cov.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Valor Esparado de la variable aleatoria g(X ,Y ), casocontinuo
Encuentre E[
XY
], para la funcion de densidad:
f (x , y) =
x(1+3y2)
4 , 0 ≤ x ≤ 2, 0 < y < 1.0, cov.
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Valor Esparado de la variable aleatoria g(X ,Y ), casocontinuo
Sea g(X ,Y ) = XY
E
[X
Y
]= E [g(X ,Y )]
=
∫ ∞−∞
∫ ∞−∞
g(x , y)f (x , y)dxdy
=
∫ 1
0
∫ 2
0
y(1 + 3y2)
4dxdy
=
∫ 1
0
1 + 3y3
2dy
=5
8David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Ejemplo de Valor Esparado de la variable aleatoria g(X ,Y ), casocontinuo
Sea g(X ,Y ) = XY
E
[X
Y
]= E [g(X ,Y )]
=
∫ ∞−∞
∫ ∞−∞
g(x , y)f (x , y)dxdy
=
∫ 1
0
∫ 2
0
y(1 + 3y2)
4dxdy
=
∫ 1
0
1 + 3y3
2dy
=5
8David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Covarianza
Sea (X ,Y ) ∼ f (x , y). Se define la covarianza de la variable aleatoria Xe Y , y se denota por Cov(X ,Y ), como:
1
Cov(X ,Y ) = E [(X−µX )(Y−µY )] =∑
x
∑y
(x−µX )(y−µY )f (x , y)
si X e Y son discretas con µX = E [X ] y µY = E [Y ]
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Covarianza
Sea (X ,Y ) ∼ f (x , y). Se define la covarianza de la variable aleatoria Xe Y , y se denota por Cov(X ,Y ), como:
1
Cov(X ,Y ) = E [(X−µX )(Y−µY )] =∑
x
∑y
(x−µX )(y−µY )f (x , y)
si X e Y son discretas con µX = E [X ] y µY = E [Y ]
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Covarianza
Sea (X ,Y ) ∼ f (x , y). Se define la covarianza de la variable aleatoria Xe Y , y se denota por Cov(X ,Y ), como:
1
Cov(X ,Y ) = E [(X−µX )(Y−µY )] =∑
x
∑y
(x−µX )(y−µY )f (x , y)
si X e Y son discretas con µX = E [X ] y µY = E [Y ]
2
Cov(X ,Y ) = E [(X − µX )(Y − µY )]
=
∫ ∞−∞
∫ ∞−∞
(x − µX )(y − µY )f (x , y)dxdy
si X e Y son continuas con µX = E [X ] y µY = E [Y ]
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Covarianza
Sea (X ,Y ) ∼ f (x , y). Se define la covarianza de la variable aleatoria Xe Y , y se denota por Cov(X ,Y ), como:
1
Cov(X ,Y ) = E [(X−µX )(Y−µY )] =∑
x
∑y
(x−µX )(y−µY )f (x , y)
si X e Y son discretas con µX = E [X ] y µY = E [Y ]
2
Cov(X ,Y ) = E [(X − µX )(Y − µY )]
=
∫ ∞−∞
∫ ∞−∞
(x − µX )(y − µY )f (x , y)dxdy
si X e Y son continuas con µX = E [X ] y µY = E [Y ]
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Demostracion de la propiedad, caso continuo
Cov(X,Y) = E [(X − µX )(Y − µY )]=
∫∞−∞
∫∞−∞(x − µX )(y − µY )f (x , y)dxdy
=∫∞−∞
∫∞−∞(xy − xµY − yµX + µXµY )f (x , y)dxdy
=∫∞−∞
∫∞−∞ xyf (x , y)dxdy - µY
∫∞−∞
∫∞−∞ xf (x , y)dxdy
- µX
∫∞−∞
∫∞−∞ yf (x , y)dxdy + µXµY
∫∞−∞
∫∞−∞ f (x , y)dxdy
= E [XY ] - µY E [X ] - µXE [Y ] + µXµY
= E [XY ]−E[X] E[Y]La demostracion del caso discreto, es casi lo mismo, cambiando integralpor sumatorias
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Demostracion de la propiedad, caso continuo
Cov(X,Y) = E [(X − µX )(Y − µY )]=
∫∞−∞
∫∞−∞(x − µX )(y − µY )f (x , y)dxdy
=∫∞−∞
∫∞−∞(xy − xµY − yµX + µXµY )f (x , y)dxdy
=∫∞−∞
∫∞−∞ xyf (x , y)dxdy - µY
∫∞−∞
∫∞−∞ xf (x , y)dxdy
- µX
∫∞−∞
∫∞−∞ yf (x , y)dxdy + µXµY
∫∞−∞
∫∞−∞ f (x , y)dxdy
= E [XY ] - µY E [X ] - µXE [Y ] + µXµY
= E [XY ]−E[X] E[Y]La demostracion del caso discreto, es casi lo mismo, cambiando integralpor sumatorias
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso discreto
Recordemos la tabla de la distribucion conjunta f (x , y):
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso discreto
Recordemos la tabla de la distribucion conjunta f (x , y):
Totalesx por
f(x,y) 0 1 2 filas
0 328
928
328
1528
y 1 314
314
37
2 128
128
Totales por 514
1528
328 1
columna
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso discreto
En tal caso tenemos que:
E [XY ] =3
14calculado anteriormente
por otra parte:
µX = E [X ] =2∑
x=0
2∑y=0
xf (x , y)
=2∑
x=0
xg(x)
= (0)
(5
14
)+ (1)
(15
28
)+ (2)
(3
28
)=
3
4
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso discreto
En tal caso tenemos que:
E [XY ] =3
14calculado anteriormente
por otra parte:
µX = E [X ] =2∑
x=0
2∑y=0
xf (x , y)
=2∑
x=0
xg(x)
= (0)
(5
14
)+ (1)
(15
28
)+ (2)
(3
28
)=
3
4
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso discreto
y
µY = E [Y ] =2∑
x=0
2∑y=0
yf (x , y)
=2∑
y=0
yh(y)
= (0)
(15
28
)+ (1)
(3
7
)+ (2)
(1
28
)=
1
2
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso discreto
y
µY = E [Y ] =2∑
x=0
2∑y=0
yf (x , y)
=2∑
y=0
yh(y)
= (0)
(15
28
)+ (1)
(3
7
)+ (2)
(1
28
)=
1
2
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso discreto
por lo tanto:
Cov(X ,Y ) = E [XY ]− E [X ]E [Y ]
=3
14−(
3
4
)(1
2
)= − 9
56
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso discreto
por lo tanto:
Cov(X ,Y ) = E [XY ]− E [X ]E [Y ]
=3
14−(
3
4
)(1
2
)= − 9
56
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
Sea (X ,Y ) ∼ f (x , y), donde X representa la fraccion de corredoreshombres e Y la fraccion de corredores mujeres que finalizan las carrerasde maraton, donde f (x , y) esta dada por:
f (x , y) =
8xy , 0 ≤ x ≤ 1, 0 ≤ y ≤ x
0, cov.
Encuentre Cov(X ,Y )
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
Sea (X ,Y ) ∼ f (x , y), donde X representa la fraccion de corredoreshombres e Y la fraccion de corredores mujeres que finalizan las carrerasde maraton, donde f (x , y) esta dada por:
f (x , y) =
8xy , 0 ≤ x ≤ 1, 0 ≤ y ≤ x
0, cov.
Encuentre Cov(X ,Y )
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
Este ejercicio fue analizado anteriormente donde se encontro que lasdistribuciones marginales de X e Y eran, respectivamente:
g(x) =
4x3, 0 ≤ x ≤ 1
0, cov
h(y) =
4y(1− y2
), 0 ≤ y ≤ 1
0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
Este ejercicio fue analizado anteriormente donde se encontro que lasdistribuciones marginales de X e Y eran, respectivamente:
g(x) =
4x3, 0 ≤ x ≤ 1
0, cov
h(y) =
4y(1− y2
), 0 ≤ y ≤ 1
0, cov
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
de esta manera:
µX = E [X ] =
∫ 1
0
xg(x)dx =
∫ 1
0
4x4dx
=
(4
5x5
) x=1
x=0
=4
5
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
de esta manera:
µX = E [X ] =
∫ 1
0
xg(x)dx =
∫ 1
0
4x4dx
=
(4
5x5
) x=1
x=0
=4
5
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
por otra parte:
µY = E [Y ] =
∫ 1
0
yh(y)dx =
∫ 1
0
4y2(1− y2)dy
=
(4
3y3 − 4
5y5
) x=1
x=0
=8
15
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
por otra parte:
µY = E [Y ] =
∫ 1
0
yh(y)dx =
∫ 1
0
4y2(1− y2)dy
=
(4
3y3 − 4
5y5
) x=1
x=0
=8
15
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
y:
E [XY ] =
∫ ∞−∞
∫ ∞−∞
xyf (x , y)dxdy =
∫ 1
0
∫ 1
y
8x2y2dxdy
=
∫ 1
0
(8
3x3y2
) x=1
x=ydy
=
∫ 1
0
(8
3y2 − 8
3y5
)dy
=
(8
9y3 − 4
9y6
) y=1
y=0
=4
9
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
y:
E [XY ] =
∫ ∞−∞
∫ ∞−∞
xyf (x , y)dxdy =
∫ 1
0
∫ 1
y
8x2y2dxdy
=
∫ 1
0
(8
3x3y2
) x=1
x=ydy
=
∫ 1
0
(8
3y2 − 8
3y5
)dy
=
(8
9y3 − 4
9y6
) y=1
y=0
=4
9
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
luego:
Cov(X ,Y ) = E [XY ]− E [X ]E [Y ]
=
(4
9
)−(
4
5
)(8
15
)=
4
225
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
Aplicacion de la propiedad, caso continuo
luego:
Cov(X ,Y ) = E [XY ]− E [X ]E [Y ]
=
(4
9
)−(
4
5
)(8
15
)=
4
225
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
FIN DE ESTA UNIDAD
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012
ProbabilidadVariables Aleatorias
Distribuciones de Probabilidad Conjunta
Distribuciones de Probabilidad Conjunta Bivariada
FIN DE ESTA UNIDAD
David Elal-Olivero Estadıstica y Probabilidades, 2o Semestre 2012