Professional Documents
Culture Documents
Definicin de Variable Aleatoria Bidimensional Distribucin y fdp Conjunta Clasificacin de Variables Aleatorias Bidimensionales Distribuciones Condicionales Funciones de dos Variables Aleatorias Momentos de dos Variables Aleatorias
Definicin de Variable Aleatoria Bidimensional Distribucin y fdp Conjunta Clasificacin de Variables Aleatorias Bidimensionales Distribuciones Condicionales Funciones de dos Variables Aleatorias Momentos de dos Variables Aleatorias
Relacin funcional Dos variables x e y estn relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si se deja caer una piedra, existe una frmula que nos permite calcular exactamente, la altura a la que se encuentra en funcin del tiempo transcurrido. h = g t.
Relacin estadstica Dos variables x e y estn relacionadas estadsticamente cuando conocida la primera se puede estimar aproximadamente el valor de la segunda.
Ejemplos Ingresos y gastos de una familia. Produccin y ventas de una fbrica. Gastos en publicidad y beneficios de una empresa.
Una variable bidimensional es una variable en la que cada individuo est definido por un par de caracteres, (X, Y). Estos dos caracteres son a su vez variables estadsticas en las que s existe relacin entre ellas, una de las dos variables es la variable independiente y la otra variable dependiente. El estudio de las variables aleatorias bidimensionales es importante ya que en muchos casos, puede ser empleado para registrar los resultados simultneos de diversas variables aleatorias. Ejemplo al medir la cantidad de precipitado P y volumen V de gas liberado en un experimento qumico dando lugar a un espacio muestral bidimensional que consiste en los resultados (p, v)
Ejemplo Consideremos el experimento de lanzar dos dados. Podemos definir las siguientes variables aleatorias en el espacio muestral correspondiente:
X = el numero de puntos que aparece en el dado 1 Y = el numero de puntos que aparece en el dado 2.
Son aquellas en las que a cada individuo le corresponden los valores de dos variables, las representamos por el par (xi, yi). Si representamos cada par de valores como las coordenadas de un punto, el conjunto de todos ellos se llama nube de puntos o diagrama de dispersin. Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible, llamada recta de regresin.
Ejemplo Las notas de 12 alumnos de una clase en Matemticas y Fsica son las siguientes:
Definicin Matemtica
Definicin Matemtica
Definicin de Variable Aleatoria Bidimensional Distribucin y fdp Conjunta Clasificacin de Variables Aleatorias Bidimensionales Distribuciones Condicionales Funciones de dos Variables Aleatorias Momentos de dos Variables Aleatorias
Definicin Sean X e Y dos variables aleatorias discretas. La distribucin de probabilidad conjunta ( o bivariada) para X e Y esta dada por: p(x; y) = P(X = x; Y = y)
definida para todos los nmeros reales x, y. La funcin p(x; y) se denomina funcin de probabilidad conjunta (f.p.c).
La funcin de probabilidad conjunta de las variables aleatorias discretas X e Y denotada por p(x; y), satisface las siguientes condiciones :
La funcin de probabilidad conjunta de X e Y es cero para todos los valores en los que no se especifica probabilidad alguna.
La Funcin de distribucin acumulada conjunta F(a; b), para cualquier par de variables aleatorias X e Y , esta dada por
Si X e Y son variables aleatorias discretas con una funcin de probabilidad conjunta p(x; y), entonces las funcione de probabilidad marginal de X y Y son:
Marginal de X:
Marginal de Y:
Para obtener las estimas de las funciones de probabilidad marginales debemos sumar por filas y por columnas los valores de las frecuencias conjuntas. Las sumas de filas (Fi) son, en cada caso, el nmero de veces que hemos obtenido un valor de X (xi) en cualquier combinacin con distintos valores de Y
MSc Patricia Castillo Aranbar
Ejemplo
Fx(1)=1/30+2/30+3/30+4/30 Fx(1)=1/3 Fx(2)= 2/30+4/30+6/30+8/30 Fx(2)= 2/3 Fy(1)= 1/30+2/30 Fy(1)=1/10 Fy(2)= 2/30+4/30 Fy(2)=1/5
La funcin de distribucin marginal de 1=f1(x) indicar las distintas probabilidades que puede tomar la variable aleatoria en intervalos innitesimales con independencia del valor que tome la variable y.
La funcin de distribucin marginal de 2=f2(x) indicar las distintas probabilidades que puede tomar la variable aleatoria en intervalos innitesimales con independencia del valor que tome la variable x.
Ejemplo
Definicin de Variable Aleatoria Bidimensional Distribucin y fdp Conjunta Clasificacin de Variables Aleatorias Bidimensionales Distribuciones Condicionales Funciones de dos Variables Aleatorias Momentos de dos Variables Aleatorias
Clasificacin en funcin del Rango de la v.a. Bidimensional 1 Rango = Conjunto de puntos aislados 2 Rango = Conjunto de lneas 3 Rango = rea no nula.
Definicin de Variable Aleatoria Bidimensional Distribucin y fdp Conjunta Clasificacin de Variables Aleatorias Bidimensionales Distribuciones Condicionales Funciones de dos Variables Aleatorias Momentos de dos Variables Aleatorias
Analizaremos el comportamiento de una de las variables cuando la otra toma un determinado valor. Por tanto la funcin condicionada continua es:
Analizaremos el comportamiento de una de las variables cuando la otra toma un determinado valor. Por tanto la funcin condicionada discreta es:
Teorema de la Multiplicacin
Teorema de Bayes
Recordamos: Sucesos independientes si: Definicin: X e Y son variables aleatorias independientes si y solo si los sucesos {X=<x}, {Y=<y} son independientes para todo x; y, es decir:
En el caso discreto:
Definicin de Variable Aleatoria Bidimensional Distribucin y fdp Conjunta Clasificacin de Variables Aleatorias Bidimensionales Distribuciones Condicionales Funciones de dos Variables Aleatorias Momentos de dos Variables Aleatorias
Definicin de Variable Aleatoria Bidimensional Distribucin y fdp Conjunta Clasificacin de Variables Aleatorias Bidimensionales Distribuciones Condicionales Funciones de dos Variables Aleatorias Momentos de dos Variables Aleatorias