Procesos Estocsticos

Departamento de Elctrica y Electrnica

Dr. Marco J. Flores C.

Abril-Septiembre 2016

Esperanza condicional
Covarianza

Distribucin condicional

Sea FXY (x , y ) = P (X 6 x , Y 6 y ) la distribucin conjunta de dos v.a.

e Y sobre la region {(x , y ) SZ }.

Denicin (Discreto)
Sean X e Y v.a. que toman un nmero contable de valores. La funcin
de distribucin condicional FX |Y (|y ) de X dado Y es:
F

X |Y (x |y ) =

P X

6 x, Y = y)
,
( = y)

P Y

si P Y

= y) > 0

Denicin (Continuo)
Sean X e Y v.a. continuas que tienen pdf conjunta fXY (x , y ). La funcin
de distribucin condicional FX |Y (|y ) de X dado Y es:
F

X |Y (x |y ) =

Rx

XY (t , y )dt
, si fY (y ) > 0
fY (y )

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Distribucin condicional

En ambos casos, FX |Y , satisface:

FX |Y (x |y ) es una funcin de x para cada valor de y
FX |Y (x |y ) es una funcin de y para cada valor de x
Para cualquier valor de x e y se tiene:
Z

P X

6 x, Y 6 y) =

t 6y

X |Y (x |t )dFY (t )

donde FY (t ) = P (Y 6 t ), es la distribucin marginal de

Z
P X

6 x, Y 6 y)

6 x, Y 6 y)

P X

t 6y

t 6y

X |Y (x |t )fY (t )dt

X |Y (x |t )P (Y = t )

Dr. Marco J. Flores C.

Procesos Estocsticos

si Y

si Y

continuo

discreto

Esperanza condicional
Covarianza

Distribucin condicional

Densidad condicional
Si X e Y son v.a. continuas con pdf conjunta, entonces la pdf
condicional de X dado Y = y es:

X |Y (x |y ) =

d
dx

X |Y (x |y ) =

XY (x , y )
fY (y )

Si fY (y ) > 0
Esperanza condicional
Sea g una funcin para la que la esperanza de g (X ) es nita. La
esperanza condicional de g (X ) dado Y = y es:
Z
[ ( )|Y = y ] =

E g X

Dr. Marco J. Flores C.

( )

g x dF

X |Y (x |y )

Procesos Estocsticos

Esperanza condicional
Covarianza

Esperanza condicional

Caso continuo
Si X e Y son v.a. continuas con pdf conjunta, se tiene:
Z
[ ( )|Y = y ]

E g X

=
=

( ) X |Y (x |y )dx

g x f

( ) XY (x , y )dx
fY (y )

g x f

Si fY (y ) > 0

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Esperanza condicional

Esperanza total
Si X e Y son v.a. de cualquier tipo con pdf conjunta, fXY (x , y ),
entonces:
[ ] = E [E [X |Y ]]

E X

Si la esperanza existe.
ZZ
[ ]=

E X

xf

XY (x , y )dxdy =
Z

[ ]=

E X

Z Z

xf

X |Y (x |y )dx fY (y )dy
{z

E [X |Y =y ]

[ | ] Y (y )dy = E [E [X |Y ]]

E X y f

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Varianza condicional

Varianza total
Si X e Y son v.a. de cualquier tipo con pdf conjunta, fXY (x , y ),
entonces:
[ ] = E [Var [X |Y ]] + Var [E [X |Y ]]

Var X

Si la esperanza existe.

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Funciones de densidad de probabilidad 2D discretas

Distribucin condicional
Si (X , Y ) es una v.a. discreta, entonces:
p

Y |X (y |x ) =

XY (x , y )
pX ( x )

si p

XY (x , y )
pY ( y )

si p

X (x ) > 0

Similarmente se tiene:
p

X |Y (x |y ) =

Y (y ) > 0

Propiedades distribucin condicional

0 6 pY |X (y |x ) 6 1
P
y pY |X (y |x ) = 1
Si X e Y son independientes
p

Y |X (y |x ) = pY (y )
Dr. Marco J. Flores C.

X |Y (x |y ) = pX (x )

Procesos Estocsticos

Esperanza condicional
Covarianza

Funciones de densidad de probabilidad 2D discretas

Esperanza condicional de g (X )
Si

x1 x2

son v.a. discretas con pdf conjunta, tomando valores en

, ...., se tiene:

[ ( )|Y = y ]

E g X

g (xi )P (X = xi |Y = y )
iP
=1

i =1 g (xi )P (X = xi , Y = y )
=

P Y

= y)

si P (Y = y ) > 0

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Ejercicios variables aleatorias condicionales

Ejemplo 1
Si pXY (i , j ) es [3]:
p

XY (i , j ) =

1))
2 (in/((ni +
+1)
0

if j > 0, i = 0, ..., n 1
caso contrario

Encuentre la probabilidad condicional pY |X (j , i )

Usando Matlab, gracar pXY (i , j ) y pY |X (j , i )
Obs:
Obs:

1
j
j =0 r = 1r si 0 < r < 1
Usar bar 3 para los grcos en Matlab.

Ejemplo 2
Sea
Sol:

Exp (1) y
[

E Y

2]

Y X

N (0, X 2 ). Evaluar

= E [X 2 ] = 2 y

E Y

2X 3]

Dr. Marco J. Flores C.

E Y

2]

y E [Y 2 X 3 ]

= E [X 5 ] = 5!
Procesos Estocsticos

(1)

Esperanza condicional
Covarianza

Ejercicios de distribucin condicional

Ejemplo 3
Supongamos que el voltaje

x

se mide con ruido y sin l, a travs de

n
v

+n

solamente ruido
ruido + senal

(2)

La probabilidad de deteccin est dada por:

P

D = P (X > vT |v + n) =
Dr. Marco J. Flores C.

vT

X (x |v + n)dx

Procesos Estocsticos

(3)

Esperanza condicional
Covarianza

Ejercicios de distribucin condicional

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Ejercicios esperanza condicional

Ejemplo 4: Continuo

Sea el vector de v.a. (X , Y ) que tiene pdf conjunta fXY (x , y ) = e y ,

0 < x < y < . Calcular la pdf condicional de Y dado X = x ,
E [Y |X = x ] , Var(Y|X=x), E[Y] y Var[Y] [1].

X (x ) =

Y |X (y |x ) =

[ |

E Y X

XY (x , y )dy =

XY (x , y ) =
fX (x )
Z

= x]

[ ]

E Y

ye

[ [ |

dy

= e x

 e y
(y x )
e 0 x = e
e x = 0

(y x )

E E Y X

dy

si x

si
si

y
y

>0

>x
6x

=1+x

= x ]] = E [1 + X ] = 1 + E [X ] = 2

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Ejercicios esperanza condicional

Ejemplo 5: Discreto
Sea X |Y Bin(Y , p ) y sea Y Pois (), un modelo jerquico. Donde X
es el nmero de sobrevivientes y Y es el nmero de huevos. Este es un
problema de tamao de la poblacin en funcin del nmero de huevos
presentes. Hallar pdf de X , E[X|Y]. [1].

P X

= x)

y =0

y =0

= x, Y = y)

= x |Y = y )P (Y = y )

P X

P X

 
X
y

y =0

Dr. Marco J. Flores C.

x (1 p )y x



Procesos Estocsticos

y
y!

Esperanza condicional
Covarianza

Ejercicios esperanza condicional

P X

= x)

=
=
=

(p )x e X ((1 p ))y x
x!
y =0 (y x )!

(p )x e (1p)
e
x!
(p )x p
e
x!

de donde se obtienen:
[ [ | ]] = E [pY ] = p

[ ]

E E X Y

[ ]

E Var X Y

E p

E X
Var X

[ | ]] + Var [E [X |Y ]]

[ (1 p )Y ] + Var (pY )

(1 p )E [Y ] + p 2 Var (Y )
(1 p ) + p 2

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Covarianza

Denicin Covarianza
La covarianza de dos v.a.

se dene como:

( , Y ) = E [(X E [X ])(Y E [Y ])]

Cov X

Para agilitar los clculos, Cov (X , Y ) = E [XY ] E [X ]E [Y ].

A menudo se usa la siguiente notacin: Cov (X , Y ) = X ,Y .
Si la covarianza de X e Y es cero, se dice que son v.a.
no-correlacionadas.
Las variables aleatorias independientes son no-correlacionadas; el
recproco no es cierto.
La covarianza indica el grado de variacin conjunta de dos variables
aleatorias.
El trmino E [XY ] =
Y.

RR

xyf

XY (x , y )dxdy se denomina correlacin de X e

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Covarianza

El signo de la covarianza, expresa la tendencia en la relacin lineal entre

las variables involucradas. As se tiene a :
Si Cov (X , Y ) > 0 hay dependencia directa (positiva), es decir, a
grandes valores de X corresponden grandes valores de Y
Si Cov (X , Y ) = 0 este resultado se interpreta como la no existencia
de una relacin lineal entre las dos variables involucradas
Si Cov (X , Y ) < 0 hay dependencia inversa (negativa), es decir, a
grandes valores de X corresponden pequeos valores de Y
a Representar

grcamente el peso y la estatura de los asistentes al curso

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Propiedades Covarianza

Propiedades
Si X , Y , W , y

son v.a. y a, b, c ,
Cov (X , a) = 0
V

son constantes, se tiene:

( , X ) = Var (X )

Cov X

( , Y ) = Cov (Y , X )

Cov X

, bY ) = abCov (X , Y )

+ a, Y + b ) = Cov (X , Y )

Cov aX
Cov X

+ bY , cW + dV ) =
( , W ) + adCov (X , V ) + bcCov (Y , W ) + bdCov (Y , V )

Cov aX

acCov X

Var X

+ Y ) = Var (X ) + Var (Y ) + 2Cov (X , Y )

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Correlacin

Denicin Correlacin
La correlacin de dos v.a.

se dene como:

XY = p

( ,Y)
Var [X ]var [Y ]
Cov X

XY se denomina coeciente de correlacin.

Teorema
1 6 XY 6 1
|XY | = 1 ssi existe un nmero a 6= 0 y b tal que
P (Y = aX + b ) = 1. Si XY = 1 entonces a > 0, y si XY = 1,
entonces a < 0.

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Ejercicios covarianza-correlacin

Ejemplo 1
Sean X e Y v.a. con pdf conjunta fXY (x , y ) = 1, si 0 < x < 1,
x < y < x + 1. Hallar Cov (X , Y ), y XY [1].

Nota

[ ]=

E X

RR

xf

XY (x , y )dxdy y E [Y ] =

Dr. Marco J. Flores C.

RR

yf

XY (x , y )dxdy

Procesos Estocsticos

Esperanza condicional
Covarianza

Estimacin

Sea (X1 , Y1 ), ..., (Xn , Yn ) una muestra de tamao n.

Estimacin de la covarianza
La covarianza de dos v.a. X e
bXY =

se estima mediante:

n
X
(Xi X )(Yi Y )
i =1

Estimacin del coeciente de correlacin

El coeciente de correlacin de dos v.a. X e

se estima mediante:

Pn

)(Y Y )
i =1 (Xi X
qP i
n (Y Y )2
2
i =1 (Xi X )
i =1 i

bXY = qP

donde

Pn

i =1 Xi y Y =

Pn

i =1 Yi .

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Ejercicios covarianza-correlacin

Ejemplo 1
Tomar el peso y la estatura de varias personas. Luego, usando Matlab
gracar los datos. Existe alguna relacin entre estas dos variables?.
Ejemplo 2
Usando Matlab, calcular la covarianza y el coeciente de correlacin de
las variables de la base de datos Implicit tax rate on energy, de la
direccin web
http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=
table&init=1&language=en&pcode=tsdcc360&plugin=1. o la base
de datos Annual generation state.xls de la pgina
http://www.eia.gov/electricity/data/eia923/.
Nota: Usar los comandos

cov

corrcoef

Dr. Marco J. Flores C.

Procesos Estocsticos

Esperanza condicional
Covarianza

Geoge Casella and Roger L. Berger.

Statistical Inference.
Thomson Learning Inc., 2002.
Alberto Leon Garca.
Probability, Statistics and Random Processes for Electrical

.
Prentice Hall, 2008.
Engineering

John A. Gubner.
Probability and Random Processes for Electrical and Computer

.
Cambridge University Press, 2006.

Engineers

Dr. Marco J. Flores C.

Procesos Estocsticos