Академический Документы
Профессиональный Документы
Культура Документы
Distribuci
on conjunta de probabilidad
Distribuci
on conjunta de las variables aleatorias discretas X e Y es la
funci
on p(x, y) que expresa la probabilidad simultanea de que X tome el valor
x e Y tome el valor y
p(x, y) = P (X = x, Y = y)
Propiedades
0 p(x, y) 1 para todos los valores de x e y
P P
x
p(x, y) = 1
Distribuci
on conjunta de probabilidad - Ejemplo
Ejemplo
X = n
umero de tarjetas de credito
Y = n
umero de compras por semana
La funci
on de masa conjunta de probabilidad es
X \Y
1
2
0
0,08
0,10
1
0,07
0,35
2
0,04
0,26
3
0,01
0,09
Distribuci
on conjunta de probabilidad
Sean X e Y variables aleatorias continuas, su funci
on de densidad conjunta
de probabilidad, f (x, y), es una funci
on con las propiedades
f (x, y) 0 para todos los valores de x e y
el volumen debajo de la funci
on de densidad
de probabilidad cuando se
RR
abarcan todos los valores e X e Y es 1 (
f (x, y)dxdy = 1)
Ejemplo f (x, y) = x + y, donde 0 x 1, 0 y 1
Z Z
1Z 1
f (x, y)dxdy =
"
(x + y)dxdy =
0
Z
=
0
0
1
"
1
y y2
+ y dy =
+
2
2
2
#1
x
+ yx
2
#1
dy
0
=1
0
p(x, y)
Anal
ogamente, para la variable Y , se obtiene sumando en todos los valores
posibles de la variable X:
py (y) =
p(x, y)
0
0,18
1
0,2
1
0,42
2
0,8
2
0,30
1
3
0,10
f (x, y)dx
"
#1
y2
1
=x+ , 0x1
fx(x) =
(x + y)dy = xy +
2
2
0
0
"
#1
Z 1
2
x
1
fy (y) =
(x + y)dx =
+ yx = + y, 0 y 1
2
2
0
Z
[X] = x2
p
DT [X] = x = x2
Ejemplo
E[X] = 1(0, 2) + 2(0, 8) = 1, 8
V [X] = (12(0, 2) + 22(0, 8)) (1, 8)2 = 0, 16
p
DT [X] = 0, 16 = 0, 4
V [X] =
Ejemplo
fx(x)
}| {
z
Z 1
1
E[X] =
x(x + )dx = 7/12
2
0
fx(x)
z
}| {
1
1
V [X] =
x2(x + )dx (7/12)2 = 11/144
2
0
Z
p(x, y)
p(x|y) =
py (y)
Ejemplo
Calcularemos la distribuci
on del n
umero de tarjetas de credito entre los individuos que realizan 2 compras a la semana p(x|y = 2)
X
p(x|y = 2)
1
0,04
)
0,13 (= 0,30
2
0,87 (= 0,26
0,30 )
11
f (x; 0, 2) x + 0, 2
=
, 0x1
fy (0, 2)
0, 7
12
13
Independencia
Se dice que las variables aleatorias X e Y son independientes si y s
olo
si su funci
on de probabilidad/densidad conjunta es el producto de su
probabilidad/densidad marginal
!
p(x, y) = px(x)py (y)
p(y|x) = py (y) f (y|x) = fy (y)
p(x|y) = px(x) f (x|y) = fx(x)
para todos los valores x e y
14
Asociaci
on lineal
Covarianza mide la asociaci
on lineal entre las variables
Cov(X, Y ) = xy = E[(X E[X])(Y E[Y ])] = E[XY ] E[X]E[Y ]
Ejemplo
Cov(X, Y ) = 1 0 0, 08 + 1 1 0, 07 + 1 2 0, 04 + 1 3 0, 01
+ 2 0 0, 1 + 2 1 0, 35 + 2 2 0, 26 + 2 3 0, 09
E[X]E[Y ]
}|
{
z
(1, 8)(1, 32) = 0, 33 0, 44 = 0, 11
15
Asociaci
on lineal
Sean X e Y variables aleatorias, la correlaci
on entre X e Y es
Cor(X, Y ) = rxy
Cov(X, Y )
=
x y
1 Cor(X, Y ) 1
Si la correlaci
on es 0, indica que no existe relaci
on lineal entre las variables.
Si las variables son independientes, la correlaci
on es 0. El recproco no es
cierto.
Una correlaci
on positiva indica que, si una variable aleatoria es alta (baja),
la otra tiene una probabilidad mayor de ser alta (baja).
Una correlaci
on negativa indica que, si una variable aleatoria es alta (baja),
la otra tiene una probabilidad mayor de ser baja (alta).
16
XX
x
g(x, y)p(x, y)
17
18