0 prob4
DESCRIPTION
Curso de Modelos EstocásticosEduardo Salgado (c)TRANSCRIPT
![Page 1: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/1.jpg)
Modelos EstocásticosModelos Estocásticos
Esperanza MatemáticaEsperanza Matemática
SESIÓN 04SESIÓN 04
![Page 2: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/2.jpg)
Esperanza Matemática 1Esperanza Matemática 1• Definición 4.1: Si x es una variable aleatoria discreta y
f(x) es el valor de su distribución de probabilidad en x, el valor esperado de esta variable aleatoria es
E(x) = xxf(x)
En forma correspondiente, si x es una variable aleatoria continua y f(x) es el valor de su densidad de probabilidad en x, el valor esperado de esta variable aleatoria es
dxxfxxE )(*)(
![Page 3: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/3.jpg)
Esperanza Matemática 2Esperanza Matemática 2• Teorema 4.1: Si x es una variable aleatoria discreta y
f(x) es el valor de su distribución de probabilidad en x, el valor esperado de la variable aleatoria g(x) es
E[g(x)] = xg(x)f(x)
En forma correspondiente, si x es una variable aleatoria continua y f(x) es el valor de su densidad de probabilidad en x, el valor esperado de la variable aleatoria g(x) es
dxxfxggE )(*)()]([ x
![Page 4: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/4.jpg)
Esperanza Matemática 3Esperanza Matemática 3• Teorema 4.2: Si a y b son constantes, entonces
E(ax+b) =a E(x) + b
• Teorema 4.3: Si c1, c2,…, y cn son constantes, entonces
n
iii xgEcE
1
n
1iii )]([(x)]gc[
![Page 5: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/5.jpg)
Esperanza Matemática 4Esperanza Matemática 4• Teorema 4.4: Si x y y son variables aleatorias
discretas y f(x,y) es el valor de su distribución de probabilidad conjunta en (x,y), el valor esperado de la variable aleatoria g(x,y) es
E[g(x,y)] =xyg(x,y)f(x,y)
En forma correspondiente, si x y y son variables aleatorias continuas y f(x,y) es el valor de su densidad conjunta en (x,y), el valor esperado de la variable aleatoria g(x,y) es
dxdyyxfyxgyxgE ),(),()],([
![Page 6: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/6.jpg)
Esperanza Matemática 5Esperanza Matemática 5
• Teorema 4.5: Si c1, c2,…, y cn son constantes, entonces
n
iniin xxxgEcxxE
121
n
1i21ii )],...,([)],...,(xgc[
![Page 7: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/7.jpg)
Momentos 1Momentos 1
• Definición 4.2: El r-ésimo momento con respecto al origen de la variable aleatoria x, representado por ’r,, es el valor esperado de xr; en forma simbólica se tiene
para r = 0, 1, 2 ,3,…, cuando x es discreta y
cuando x es continua
x
rrr xfxE )()(' x
dxxfxxE rrr )()('
![Page 8: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/8.jpg)
Momentos 2Momentos 2
• Definición 4.3: ’r se conoce como la media de la distribución de x, o simplemente la media de x, y está denotada por
• Definición 4.4: El r-’esimo momento con respecto a la media de la variable aleatoria x, denotado por r,, es el valor esperado de (x-)r,
simbólica se tiene
para r = 0, 1, 2 ,3,…, cuando x es discreta y
cuando x es continua
x
rrr xfxuE )()(])[( x
dxxfxE rrr )()(])[( x
![Page 9: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/9.jpg)
Momentos 3Momentos 3
• Definición 4.5: 2 se denomina varianza de la distribución de x, o simplemente varianza de x, y se representa mediante 2, var (x) o V(x).
La raíz cuadrada positiva de la varianza recibe el nombre de desviación estándar y se representa por (x)
• Teorema 4.6: 2 = ’2 - 2
![Page 10: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/10.jpg)
Momentos 4Momentos 4
• Teorema 4.7: Si x tiene varianza 2 entonces
var (ax+b) = a22
• Teorema 4.8: (Teorema de Tchebycheff) Si y son, respectivamente, la media y la desviación estándar de la variable aleatoria x, entonces para una constante positiva k cualquiera la probabilidad es cuando menos 1 - 1/k2 de que x tomará un valor contenido en k desviaciones estándar de la media; en forma simbólica se tiene,
o2
11)(k
kP x2
1)(k
kP x
![Page 11: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/11.jpg)
Función Generatriz de Momentos Función Generatriz de Momentos 11
• Definición 4.6: La función generatriz de momentos de la variable aleatoria x, donde exista, está dada por
cuando x es discreta y
cuando x es continua
)()()( xfeeEtMx
txtxx
dxxfeeEtM txtxx )()()(
![Page 12: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/12.jpg)
Función Generatriz de Momentos Función Generatriz de Momentos 22
• Teorema 4.9:
• Teorema 4.10: Si a y b son constantes, entonces
'0
)(rtr
xr
dt
tMd
)()( )( tMeeEtM xattax
ax
)()()( btMeEtM xbxt
bx
)()( )(
bt
xtt MeeEtM ba
bax
bax
![Page 13: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/13.jpg)
Momentos Producto 1Momentos Producto 1• Definición 4.7: El r-ésimo y s-ésimo momento producto
con respecto al origen de las variables aleatorias x y y, representado por ’r,s, es el valor esperado de xrys; en forma simbólica, se tiene
para r = 0, 1, 2,… y s = 0, 1, 2,…, cuando x y y son discretas y
cuando x y y son continuas
),()(,' yxfyxE
x
s
y
rsrsr yx
dxdyyxfyxyxE srsr
sr ),()(',
![Page 14: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/14.jpg)
Momentos Producto 2Momentos Producto 2• Definición 4.8: El r-ésimo y s-ésimo momento producto con
respecto a las medias respectivas de las variables aleatorias x y y, representado por r,s, es el valor esperado de (x-x)r(y-y)s; en forma simbólica, se tiene
para r = 0, 1, 2,… y s = 0, 1, 2,…, cuando x y y son discretas y
cuando x y y son continuas
),()()(])()[(, yxfyxEx
sy
y
rx
sy
rxsr yx
dxdyyxfyx
E
sy
rx
sy
rxsr
),()()(
])()[(,
yx
![Page 15: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/15.jpg)
Momentos Producto 3Momentos Producto 3
• Definición 4.9: 1,1 recibe el nombre de covarianza de x y y, y se representa por medio de x,y, cov (x,y) o C (x,y)
• Teorema 4.11: x,y = ’1,1 - x y
• Teorema 4.12: Si x y y son independientes, entonces E(xy) = E(x) E(y) y x,y = 0
• Teorema 4.13: Si x1, x2, …y xn son independientes, entonces
E(x1x2…xn) = E(x1) E(x2) …E(xn)
![Page 16: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/16.jpg)
Momentos de Combinaciones Momentos de Combinaciones Lineales 1Lineales 1
• Teorema 4.14: Si x1, x2, …y xn son variables aleatorias y
donde a1, a2,…an son constantes, entonces
donde la doble suma se extiende sobre todos los valores de i y j, de 1 a n, para los cuales i < j
n
iiia
1
xy
)()(1
n
iiiEaE xy
i j
jiji
n
iii aaa ),cov(2)var()var(
1
2 xxxy
![Page 17: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/17.jpg)
Momentos de Combinaciones Momentos de Combinaciones Lineales 2Lineales 2
• Corolario: Si las variables aleatorias x1, x2, …y xn son independientes y
entonces
n
iiia
1
xy
n
iiia
1
2 )var()var( xy
![Page 18: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/18.jpg)
Momentos de Combinaciones Momentos de Combinaciones Lineales 3Lineales 3
• Teorema 4.15: Si las variables aleatorias x1, x2, …y xn son independientes y
y
donde a1, a2,…,an, b1, b2,…,bn son constantes, entonces
n
iiia
11 xy
n
iiib
12 xy
i jjiijji
n
iiii
baba
ba
),cov()(
)var(),cov(1
21
xx
xyy
![Page 19: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/19.jpg)
Momentos de Combinaciones Momentos de Combinaciones Lineales 4Lineales 4
• Corolario: Si las variables aleatorias x1, x2, …y xn son independientes y
y
entonces
n
iiia
11 xy
n
iiib
11 xy
n
iiiiba
121 )var(),cov( xyy
![Page 20: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/20.jpg)
Esperanzas CondicionalesEsperanzas Condicionales
• Definición 4.10: Si x es una variable aleatoria discreta y f(xly) es el valor de la distribución de probabilidad condicional de x dada y = y en x, la esperanza condicional de (x) dada y = y es
En forma correspondiente, si x es la variable aleatoria continua y f(xly) es el valor de la densidad de probabilidad condicional de x dada y = y en x, la esperanza condicional de (x) dada y = y es
x
yxfxyE )()(])([ x
dxyxfxyE
)()(])([ x
![Page 21: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/21.jpg)
Técnica de Transformación: una Técnica de Transformación: una variablevariable
• Teorema 4.16: Sea f(x) el valor de la densidad de probabilidad de la variable aleatoria continua x en x. Si la función dada por y = u(x) es diferenciable y creciente o decreciente para todos los valores contenidos en el rango de x para los cuales f(x) 0, entonces, para estos valores de x, la ecuación y = u(x) puede resolverse de manera única para cada x con el fin de producir x = w(y) y para los valores de y correspondientes la densidad de probabilidad de y = u(x) está dada por
g(y) = f[w(y)][w’(y)]
siempre que u’ (x) 0. En cualquier parte, g(y) = 0
![Page 22: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/22.jpg)
Técnica de Transformación: dos Técnica de Transformación: dos variables 1variables 1
• Teorema 4.17: Sea f(x1,x2) el valor de la densidad de probabilidad conjunta de las variables aleatorias continuas x1 y x2 en (x1,x2) . Si las funciones dadas por y1 = u1 (x1,x2) y y2 = u2 (x1,x2) son parcialmente diferenciables con respecto a x1 y x2 y representan una transformación biunívoca de todos los valores contenidos en el rango de x1 y x2 para los cuales f(x1,x2) = 0, entonces, para estos valores de x1 y x2 , las ecuaciones y1 = u1 (x1,x2) y y2 = u2 (x1,x2) pueden resolverse de manera única para cada x1 y x2 con el fin de producir x1 = w1 (y1, y2) y x2 = w2 (y1, y2), y para los valores correspondientes de y1 y y2 la densidad de probabilidad conjunta de y1 = u1 (x1 , x2 ) y y2 = u2 (x1 , x2 ) está dada por
g (y1, y2) = f [w1 (y1, y2), w2 (y1, y2)] IJI
![Page 23: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/23.jpg)
Técnica de Transformación: dos Técnica de Transformación: dos variables 2variables 2
Aquí, J es el Jacobiano de la transformación, dado por el determinante
En cualquier otra parte, g(y1, y2) = 0
2
2
1
2
2
1
1
1
yx
yx
yx
yx
J
![Page 24: 0 Prob4](https://reader036.vdocuments.mx/reader036/viewer/2022081413/546cc77daf79596c298b5104/html5/thumbnails/24.jpg)
Técnica de la Función Generatriz Técnica de la Función Generatriz de Momentosde Momentos
• Teorema 4.18: Si x1, x2,…, y xn, son variables aleatorias independientes y y = x1 + x2 +…+ xn, entonces
donde Mxi (t) es el valor de la función generatriz de momentos de xi en t
n
ix tMtMi
1
)()(y