Академический Документы
Профессиональный Документы
Культура Документы
versin 1.5
Pg.
197
____________________________________________________________________________________________
definir
el
concepto
de
vector
aleatorio
DEFINICIN:
X :M
IR
IR
Tal que
,x
,y
x, y
IR
IR
X ( X ,Y ) : M
IR
X ( M ) ( X ( M ), Y ( M ))
Obs.:
IR ,es decir,
DEFINICIN:
Sea X ( X , Y ) un
v.a.b.c. ,
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
R X
f X : D
IRxIR
0,
f X
x, y
satisfaciendo las siguientes condiciones:
1)
f X x, y
x, y
f X ( x, y ) I D ( x, y )dydx
2)
X
( X , Y ) un
Sea
f X ( x)
f X ( x, y) I DY ( y)dy
DX
2) la de Y como
fY ( y)
f X ( x, y) I DX ( x)dx
DY
f X ( x) I DX ( x)dx 1
ii)
f Y ( y ) I DY ( y )dy 1
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
DEFINICIN:
Sea X ( X , Y ) un
conjunta
FX : IR IR
0,1
FX (x , y )
(x , y )
FX (x , y )
IP X
x; Y
DEFINICIN:
X
( X , Y ) un
Sea
v.a.b.c. , con f X ,
IP X
x; Y
f X ( x, y ) I D ( x, y )dydx
f X (x) y f Y ( y ) funciones
de
y de densidad marginal de X y de Y
1) de X como:
FX :
IR
0,
FX ( x)
IP( X
x)
donde
FX ( x)
IP ( X
x)
f X ( x) I Dx ( x)dx
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
2) de Y como
FY :
IR
0,
FY ( y )
IP(Y
y)
donde
FY ( y )
IP (Y
y)
Nota: FX x
FX x,
DEFINICIN:
Sea X ( X , Y ) un
FY y
fY ( y ) I DY ( y )dy
FX , y
v.a.b.c. , con f X ,
f X (x) y f Y ( y ) funciones
de
y de Y
f X Y
Nota:
( y)
f X ( x, y )
fY ( y )
( y)
con
fY (y) 0
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
f Y X
Nota:
(x)
f X ( x, y )
f X ( x)
( x)
si
TEOREMA:
Sea X
( X , Y ) un
v.a.b.c. , con f X ,
f X (x) 0
x
f X (x) y f Y ( y ) funciones
de
y de Y
respectivamente.
Entonces las v.a.c. X e Y son independientes ssi
f X ( x , y )
( x, y)
f X ( x) f Y ( y)
COROLARIO:
Si X e Y son v.a.c. independientes
f (X /Y
y)
f X ( x)
f (Y / X
x)
f Y ( y)
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Sea X ( X , Y ) un
conjunta f X ( x , y ) y sea
funcin continua entonces si
g:D
de densidad probabilstica
IR IR
g ( x, y ) f X ( x, y ) I D ( x, y )dydx
IR ,
una
< ,
E g ( x, y )
g ( x, y ) f X ( x, y ) I D ( x, y )dydx
(**)
****************************************************
Nota:
Si g ( x, y ) X
(**) da la esperanza marginal de X : E X
Si g ( x, y) Y
(**) da la esperanza marginal de Y : E Y
Si g ( x, y )
X2
(**) da la esperanza de X 2 : E X 2
Si g ( x, y )
Y2
(**) da la esperanza de Y 2 : E Y 2
Si g ( x, y )
(X
Si g ( x, y )
Si g ( x, y)
(Y IE[Y ]) 2
XY
IE [ X ]) 2
DEFINICIN:
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Cov( X , Y )
IE X
IE X Y
IE Y
IE XY
IE X IE Y
PROPIEDADES
E kX = kE X
k constante.
Ek =k
k constante.
E X+Y = E X +E Y
X e Y v.a.
E aX+bY = aE X +bE Y
X, Y v.a. y
a,b constantes.
E XY = E X E Y
si X,Y son v.a. independientes.
V kX = k 2 V X
k constante.
Vk =0
k constante.
V X+Y = V X +V Y +2COV(X,Y)
X,Y v.a.
V X+Y = V X +V Y
si X e Y son v.a. independientes.
2
2
V aX+bY =a V X +b V Y +2abCov(X,Y)
X,Y v.a.
constantes.
Cov(X1,X2) = Cov(X2,X1)
Cov(X,X) = V X
Si X1, X2 son independientes, entonces Cov(X1,X2) = 0
n
a,b
i Xi
i 1
X i v.a. y
E Xi
i 1
n
i
i 1
Xi
i
i 1
V Xi
Cov( X i , X j )
i j
********************************************************
DEFINICIN:
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Cov( X , Y )
XY
V X )(V Y
Nota:
1. El coeficiente de correlacin mide el grado de asociacin que
tienen las variables aleatorias X e Y.
2. Si X e Y son independientes entonces la correlacin es cero.
3. Una propiedad es que su valor est en el intervalo -1,1 .
4. Si Z=aX+b y W=cY+d
donde a,b,c,d son constantes
entonces
ac
ac
ZW
XY
Ejemplo:
K (x2
f ( x, y )
xy 2 ) I D ( x, y )
x
2
2 , como en la
figura
1
y
x
2
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Entonces:
x
2 2
x2
xy 2 dydx 1
0 0
2
x
2
1 3
x2 y
xy
3
4
x
8
x
120
dx
0
1
K
x3
2
x4
dx
24
1
K
1
K
15
34
fX x
fX x
15 2
x
34
0
xy 2 dy
15 x 3
34 2
x4
I 0, 2 x
24
fX x
15 2
x y
34
xy 3
3
x
2
f X x I 0, 2 x dx 1
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
15 2
x
34
2y
fY y
fY y
fY y
xy dx
15 8 8 y 3
34 3 3
2y2
15 x
34 3
x y
2
2y
2 y 4 I 0,1 y
fY y I 0,1 y dy 1
Esperanzas Condicionales
DEFINICIN:
X
Sea
fX /Y
( X ,Y )
v.a.b.c. con
f.d.p.c.
f X ( x , y )
y sea
E X
xf X / Y y ( x) I D ( x)dx
***********************************************************************
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
DEFINICIN:
Sea X
fY / X
( X , Y ) v.a.b.c.
con
f X ( x , y )
f.d.p.c.
sea
( y)
EY
yf Y / X x ( y ) I D ( y )dy
**********************************************************************
DEFINICIN:
X
( X , Y ) v.a.b.c. con f.d.p.c. f X ( x , y ) y sea f X / Y y ( x )
Sea
la funcin de densidad condicional de X dado Y = y, se define la varianza
condicional de X dado Y = y como el nmero positivo:
2
V X
E X
E X
en que
2
X
E
x 2 f X / Y y ( x) I D ( x)dx
*************************************************************
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
DEFINICIN:
V Y
E Y
E Y
en que
2
Y
E
x
2
IE ( y x
x) =
0
x
2
IE ( y
x) =
0
y( x 2
x3
2
y 2 f Y / X x ( y ) I D ( y )dy
xy 2 )
dy
x4
24
y 2 ( x 2 xy 2 )
dy
x3 x4
2 24
1 4
xy
= 4
1 3
x
2
1 2 2
x y
2
1 4
x
24
1 5
xy
5
=
1 3
x
2
1 2 3
2
x y
8 y 3 (3 y 2 5 x) x (3 x 20 )
3
=
=
2
20 (12 x )
1 4
5
x
(
12
x
)
x
24
x
2
=
0
6 y 2 ( y 2 2 x) 3 x( x 8)
=
8(12 x)
x 2 (12 x)
Calculo de la Varianza:
V(y x
x ) = IE ( y 2 x
x ) + (IE ( y x
x 2 (3 x 20 )
=
20 (12 x )
x )) 2
x 2 (3x 20)
20(12 x)
176x 3x 2 960
12 x 2
----------------O-----------------
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
IE x
x x xy
dx
3
8
8
y
2
4
2y
2y 2y
3 3
1 4 1 2 3
x
y x
4
3
8 8 3
y 2y2 2y4
3 3
x 3 3x 4 y 2
8 4 4 y3 3y 2 3y 4
2 2 y 4 5y3 5y 2 3y 3
3y3 7 y 2 4 y 4
IE x
x x xy
dx
8y3
2
4
2y 8
2y 2y
3 3
1 5 1 2 4
x
y x
5
4
8 8 3
y 2y2 2y4
3 3
3x 4 4 x 5 y 2
40 4 4 y 3 3 y 2 3 y 4
6 5 y 5 13 y 4 13 y 2 8 y 8
5 3y3 7 y 2 4 y 4
Calculo de la Varianza
V x
IE x
IE x
6 5 y 5 13 y 4 13 y 2 8 y 8
5 3y3 7 y 2 4 y 4
2 2 y 4 5y3 5y 2 3y 3
3y3 7 y 2 4 y 4
2 5 y 8 22 y 7 14 y 5 13 y 4 48 y 3 30 y 2 12 y 6
5 3y3 7 y 2 4 y 4
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Definicin:
Se dice que el vector x (x1,x2,x3,.....xk) se distribuye como una normal kvariante ssi su f.d.p.c. se distribuye de la siguiente forma:
f x x1, x2 ,...xk
donde
2
x1 , x 2 ,........ x k
1 , 2 ,......, k
IE x
2
1
1
x
2
cov x 1 , x 2
cov x 1 , x 3 ........
cov x 1 , x k
2
2
cov x 2 , x 3 .......
cov x 2 , x k
=
2
k
k *k
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
1,3,2, 1, 4,6
1 0 6 3 0
5 1 4
2 0
3
3
2
1
0
2
2
f x1 x1 , x3 , x4 N
1
donde
1,2, 1
6 3
2 0
3
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
y para el segundo
f x2 x2 , x5 , x6 N
1
donde
3, 4,6
0 2
4 2
f y x 1 , x 2 N 2
donde
1,
,
2
1
cov x 1 , x 2
2
2
o bien,
1
fY x, y
1
2
2
XY
2
XY
2 1
2
XY
y
y
y
y
donde
x
XY
IE X
IE Y
2
X
Var ( X ) ,
2
Y
Var (Y )
anterioridad (
XY
1 ).
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
f X x, y
1 x
2
1 x
2
x
x
2
y
y
1 x
2
1 x
2
2
y
y
f X ( x , y )
( x, y)
f X ( x) f Y ( y)
Propiedades.
1.-
IE X
2.- X N
X
3.- f
Y
f Y
4.- IE X Y
X
5.- V
Y
2
x
IE Y
&
Y N
y
x
y1
2
y
,
y1
XY
;1
2
x
XY
x1
XY
x1
;1
2
XY
2
y
y1
y1
XY
IE Y
y1
2
XY
2
x
,V Y
x1
x1
XY
x1
2
XY
2
y
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Observacin:
Si sabemos que X se distribuye en forma Normal con parmetros
2
1
2
2
parmetros
Z~N
2
1
2
2
2 cov X , Y .
Z~N
2
1
2
2
Ejercicio Resueltos.
1.-Sea f x x1 , x2 , x3 , x4 ~ N
con
4 0
1 2
3 4
1,2, 3,1 y
16 7
4
Encontrar la distribucin de Z=3x1+x2+x3-2x4.
Desarrollo.i)Mtodo 1.-
Z~N ,
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Z ~ N 0 , 65
ii) Mtodo 2. En forma matricial.
x1 , x 2 , x 3 , x 4
1
1
2
3
EZ
1,2, 3,1
1
1
=3+2-3-2=0
VZ
1,2, 3,1
16
7
4
V Z
3,1,1, 2
30
5
V[Z]=21+4+30+10=65
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
X ~ N6 ,
4 1
0
6
4
0
2
0
2
6
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Pregunta2 f x2 x2 ~ N
2
2
Pregunta4 f x4 x4 ~ N
2
4
Pregunta6 f x6 x6 ~ N
2
6
2+ 4+ 6
=12+14+11 = 37
PS
32
S 37
23
32 37
23
1 PZ
1.043
= 1- (-1.0426) = 0.8515
b)Si hacemos R = S-W entonces tenemos que encontrar la
probabilidad de que R>0 y como sabemos que R se distribuye en forma
Normal slo falta encontrar sus parmetros.
S ~ N 37 ,23 y W ~ N 32 ,15
R~N s
Vw 2 cov S ,W
w ; Vs
Para el clculo de la varianza de S con W tenemos lo siguiente:
Cov[X2+X4+X6 , X1+X3+X5 ]= [cov(X2,X1) + cov(X2,X3) + cov(X2,X5) +
cov(X4,X1) + cov(X4,X3) + cov(X4,X5) + cov(X6,X1) +cov(X6,X3) + cov(X6,X5)]
Cov[S ,W ]= (1-1+0-2+0+0+0+2-2)= -2
V(R)=42
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
R ~ N 5,42
PR 0
R 5
42
0 5
42
1 PZ
B ~ Bin 30 ; 0,7799
IP[x 6] = 1 P x 6
5
30
(0.7799) x (0.2201) 30
=1
x 0 x
=1
X~N (u , )
>0
Desarrollo.a)
V[X1]=
2
1
=1
V[X2]=
2
2
=2
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
V[X1/X2=x2] =
(1- 2)=0,75
=0.5
IP[0 < X2 < 4 / X1 = 2] = IP[ X2 < 4 / X1 = 2]
X2
X1
x1
IP x1
IP
IP x1
2
(2
2
x1
X1
;1
2
X1 X 2
2
X2
);
3
2
0,841
0
x2 u 2
1 IP
6 u 21
u2
X1 X 2
x1
2:
1
1
X2
X1
Para calcular
X2
~N
6 2 2
0,023
21
3,1716
IP [X2<4 / X1 = 2 ] = 0.3163
IP [X2 < 0 / X1 = 2] = 0
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
2
1
2
2
2
2
X1X 2
2
2
0
1
f X ( x , y )
f X ( x) f Y ( y)
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
X ~ N 10,0.5
IP X
10,7
=
1 IP
9.3
1 IP 9.3 X 10.7
0.989
0.989
1 IP
0.989
9.3 10
0.5
10.7 10
0.5
0.989
0.32266
Y ~ N 15,1
IP Y
16
14
1 IP 14 Y
IP defectuosas
16
1 IP 1 Z 1
0.32266
IP no sean defectuosas
1 IP
14 15
16 15
Z
1
1
1
1 0.68268
0.68268
0.2202735
1 0.2202735
0.7797265
B ~ Bin 30 ; 0,779
15
IP[x=11] =
11
(0.779)11 (0.221)15 11
0.20874
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
f y
x 5
5
5 5 ;1
1
2
N 10 ; 1
4 10
2
5 1
5 1
5 1
16 10
2
y
25
6
5 1
6
5 1
Luego
25
0.954
1.954
;1
N 5
6
2
5 1
0.954
4
5
4
25
1 , 2,2 y matriz
6.-Sea X x1 , x 2 , x 3 v .a.3-normal con vector de medias
de varianzas y covarianzas
=diag(1,9,4).
Si Y1 = 3X1+2X2-X3 e
Y2=2X1-X2. Encuentre E[Y1/Y2] y V[Y1/Y2]
Desarrollo.Si Y1 = 3X1+2X2-X3
Y si Y2 = 2X1-X2
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
Y1
y1
Y2
y2
y1
y1 y 2
y2
y2
y2
7
y2
13
cov y1 , y2
y1 y2
y1
y2
cov(y1,y2)=cov(3X1,2X1)+cov(3X1,-X2)+cov(2X2,2X1)+cov(2X2,-X2)+
cov(-X3 ,2X1) + cov(-X3 ,-X2) = 6cov(X1 ,X1) 2(X2 ,X2)= 6-18 = -12
cov y1 , y2
y1 y2
y1
Y1
Y1
Y2
Y2
y2
y2
y2
2
y1 y2
12
7 13
0.475
12
y2
13
2
y1
144
49 13
49
493
13
4 0 -3 0 0
4 0 2 0
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
7.- Sea X ~ N5 ,
Sean Y1
X2
donde
; Y2
1, 4, 3, 2, 1
9 0 0
4 -1
9
X3
e Y3 3 X 1 2 X 3 X 4
X4 2
X1 2
a) Encuentre la distribucin de Y1, Y2, Y3 respectivamente.
b) Y1 e Y2 son independientes?.
c) Determine la IP (Y1> 2Y2).
X5
Desarrollo.a) i)Para desarrollar estos ejercicios lo primero que hay que hacer es
calcular las marginales respectivas y luego usar las propiedades de la
normal bivariada.
x2
x4
24
x4
24
x4
x4
;1
2
24
2
x2
x4
f x2
x2
x2
2
2 2 ;1
2
cov x 2 , x 4
2
2 2
x2 x4
24
2
24
1
2
12
1
2 2 ; 1
4
22
4
2,3
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
x3
x1
x3
x3
31
N 3
31
3
2 1 ;1
2
cov x3 , x1
x3
iii)
y3
Y3
x1
2
3X1
~N 3
2X3
2
31
3
3 2
31
x3
x1
;1
2
31
2
x3
x1
ii)
x1
x1
1
2
13
1
2 1; 1
4
22
4
X4
X5 N
9
,3
4
2
3
Y3 ~ N
4 , 119
R~N
13
,15
2
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
R
IP R 0
IP
13
2
15
13
2
15
1 IP Z
???
= 1- (???) =????
2.-Sea X
a)P(X<5)=0.5
b)P(X<6) = 0,8413= P(Y<15)
c)P(Y<5) = 0.1587 = 1-P(X<6) d)P[4 < Y < 16 / X = 2]=
e)Si X aumenta entonces Y aumenta
Calcule la IP(3<X<3.6/Y=5).
Respuesta:0.13
a) Demuestre que
3
x 2
2
Y
ii)
3
y 3
5
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez
xy .
Respuesta.= -18
y = 25
xy = -0.95
x
____________________________________________________________________________________________
Departamento de Matemticas
Profesor Alejandro Fernndez