distribuciones bidimencionales-1
TRANSCRIPT
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
1/15
DISTRIBUCIONES BIDIMENSIONALES
Es de inters considerar experimentos aleatorios a los cuales se les asignan dos
variables aleatorias de entrada, relacionadas o no, que permiten definir las
Distribuciones de Probabilidad Bidimensionales o Bivariadas
Variable Aleatoria Bidimensional
Definicin: Sea S el espacio muestral asociado a un experimento aleatorio dado.
Sean X = X(s) y Y = Y(s) dos funciones que asignan un nmero real a cada
resultado s S. Llamaremos a (X,Y) variable aleatoria bidimensional vab-.
Simblicamente tenemos
Observaciones
1. Interesan ms que la naturaleza de las funciones X y Y los valores que asumen
as:
(X[s], Y[s]) (X,Y)
2. El recorrido de la v a b (X,Y) es R 2
3. P (X[s] a, Y[s] b) P (X a, Y b)
4. (X,Y) es
n u m en oi n f i n i t oe sRs ic o n t i n u abav
n u m e r a b l ee sRs id i s c r e t abav
(X,Y) puede ser vab mixta, o sea, continua y discreta por tramos.
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
2/15
Funcin De Probabilidad Conjunta Bivariada
Definicin: La funcin que asocia a cada resultado (X, Y) R 2 un numero
real f(x,y) se denomina funcin de probabilidad conjunta bivariada si:
1. f(x,y) 0 para todo (x,y) 2
2. 1 =
( ) ( )
( ) ( )
=
=
c o n t i ne sYX ,s id x d yyx ,f
d i s c r ee sYX ,s iy,xf1i 1j ji
Observaciones
- El volumen acotado por la superficie z = f(x,y) y la regin R vale 1
- La proyeccin de z = f(x,y) sobre el plano x,y es la regin dominio R 2
donde f(x, y)>0 as es claro que
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
3/15
0
Ry )( x ,s iy )f ( x ,=
Ry )( x ,s iy )f ( x , 0
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
6/15
h(y/x) =g(x)
y)f(x,, g(x) > 0
Observe que:
1.
g(x/y) dx =
h(y/x) dy = 1
es decir g y h marginales son fdp.
2. g(x/y) es la intercepcin de f con el plano Y=C. Observe que la grfica siguiente
Funciones De Probabilidad Bivariada Discreta
Basta, por analoga sustituir, en las definiciones del caso bidimensional continuo
las integrales por sumatorias.
Ejemplo
Supngase una fdp conjunta bivariada que asume valores de probabilidad
conjunta segn la siguiente tabla:
X1=2 X2=3 X3=4 X4=5 X5=6Y1=2 1 2 3 0 1 7
Y2=3 4 1 4 2 0 11
Y3=4 3 2 1 0 1 7
8 5 8 2 2 25
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
7/15
Podemos calcular algunas probabilidades as:
a) P (X = Y) = f(x1,y1) + f(x2, y2) + f(x3, y3) =25
3
b) P (X 3, Y 3) = = =
=2
1i
2
1jji
25
8)y,f(x
c) P (X Y) =
=ji yx
ji25
12)y,f(x
d) P (X = 3) = P (X = 3 ; Y = 2,3,4) =25
5
Es decir g(xi ) = P (X = xi, Y = y1,y2,,yk)
g(xi ) =
=1jji )y,f(x
h(yj ) =
=1i
ji )y,f(x
De nuevo g y h son las fdp marginales de X y Y respectivamente
g (x / Y = 3) =h(3)
f(x,3)
= ( )0,2,4,1,4111
Aqu g (x / 1) es la probabilidad condicional de X dado Y = 1.
Anlogamente: h (y / X = 4) =g(4)
y)f(4,
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
8/15
=
1
4
3
81
Ejercicio
Calcular en la misma tabla g (x / Y = 4) y h (y / X = 5)
Variables Aleatorias Independientes
Sea ( X, Y) una vab las siguientes son afirmaciones equivalentes:
X es independiente de y sii f(x, y) = g (x) h(y)
h(y)x)/h(ysii
g(x)/ y)g(xsii
=
=, 0
h ( y )
g ( x )>
Observe que
Ejercicio
Asignar en la siguiente tabla probabilidades conjuntas f(x, y) de forma que X y Y
sean variables aleatorias independientes
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
9/15
y X 7 8 9
3 40
5 60
40 20
Ejercicio
Supngase que f(x, y) = 8xy, para 0 x y 1 son X y Y variables aleatorias
independientes?.
Covarianza
Sea X, Y una v a b con rango R2
y fdp conjunta f(x, y), con E (X) = x y
E (Y) = y
Definimos la covarianza de las v a X y Y asi:
C (X, Y) =xy
= E [ (X - x) (Y - y) ] o sea
xy =
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
RYX
R YX
v a be sYX ,s iyx ,f-y-x
v a be sYX ,s iyx ,fyx
Observaciones
1) Las propiedades de operador lineal de la esperanza E permiten una definicin
alternativa para xy , veamos:
xy = E [ (X - x) (Y - y) ]
= E [XY - Xy - Yx + xy ]
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
10/15
= E (XY) - yx - xy + xy , asi:
C (X, Y) = E (XY) - xy
2) C (X, Y) es la medida de la relacion lineal entre las v a X y Y , en efecto
Si C (X, Y) > 0 entonces
(X - x) > 0 (Y - y) > 0 (X - x) < 0 (Y - y) < 0.
Que corresponde a la grafica lineal (1) de pendiente positiva
Puede ser tambin, C (X, Y) < 0, o sea
(X - x) > 0 (Y - y) < 0 (X - x) < 0 (Y - y) < 0.
que corresponde a la lnea de pendiente negativa, grafica (2)
Tambin puede ser C (X, Y) = 0 para distribuciones simtricas respecto al punto (
x, y) como en las graficas (3) y (4)
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
11/15
Correlacin
Sean X y Y dos v a de forma que se pueden calcular V(X), V(Y) y C(X, Y).
Definimos el coeficiente de correlacin de las v a X y Y como
Corr (X, Y) = XY = =YX
XY
Como se puede observar en la definicin la correlacin permite escalar la
covarianza en unidades de la desviacin estndar de cada variable, precisando la
comparacin de la linealidad para v a de unidades distintas.
Para a,b,c y d constantes reales, a y c con el mismo signo, se puede probar
mediante las propiedades de la esperanza, la varianza y la covarianza que:
a) Corr (aX + b, cY + d) = Corr (X, Y). Es decir que el coeficiente de correlacin
es invariante ante un cambio de origen y escala de las variables aleatorias.
b) Para dos v a X y Y cualquiera
-1 Corr (X, Y) 1
es decir que la fuerza de la linealidad entre las v a X y Y se mueve entre -1 y 1 y
definimos el siguiente criterio.
Criterio De Correlacin Lineal
Diremos que la relacin lineal entre las v a X y Y es:
Inexistente si XY = 0
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
12/15
Dbil si 0 < XY 0.5
Moderada si 0.5 < XY < 0.8
Fuerte si 0.8 XY
Observaciones.
La relacin entre dos variables X y Y no est completamente explicada por
Corr(X,Y), solo su relacin lineal.
Si X y Y son independientes entonces la independencia implica que XY = 0. Pero
XY = 0 no implica que X y Y sean independientes
XY = 1 sii Y = aX + b a y b reales a 0, o sea, todos los puntos estn sobre la
recta.
Ejemplo
Sea f( X, Y) =41
( X, Y) =
( )( )( )( )
22
22
14
14
,
,
,
,
y sea f(x,y)=12
1, (x,y) Z2 x2+y2=25
Observe que E(X) = E(Y) = C(X, Y) = 0. pero X y Y no son independientes. X no serelaciona linealmente con Y
Cmo es la simetra respecto a (x, y)?
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
13/15
En estos caso por la simetra XY = 0 pero no se puede afirmar que X y Y sean
independientes, solo que no estn relacionadas linealmente.
PROBLEMAS SELECCIONADOS
1. Una pareja se cita entre las 7 y las 8 de la tarde y llegan a la cita con
distribucin uniforme en dicho intervalo. Deciden esperarse un mximo de 15
minutos. Calcular la probabilidad de que se encuentren.
2. La variable bidimensional (x, y) tiene como funcin de densidad
y)(xey)f(x, += en el primer cuadrante; f(x, y)=0 en los otros tres. Si se toman
al azar tres puntos en el primer cuadrante calcular la probabilidad de que uno
al menos pertenezca al cuadrado ( )1y1;0x0 .
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
14/15
3. El tiempo total que un camin permanece en un almacn est definido por una
variable aleatoria x. Sea y la variable tiempo de espera en la cola, y z el tiempo
de descarga (x = y + z). La distribucin conjunta de x e y es:
-
8/3/2019 DISTRIBUCIONES BIDIMENCIONALES-1
15/15
8. La funcin de probabilidad de (x, y) es p(x,y)=1/30 para x=0, 1, 2, 3, 4, 5 e y=0,
1, 2, 3, 4; p(x,y)=0 en puntos distintos de los anteriores. Calcular la funcin de
distribucin en los puntos de la recta x-2y+2=0.
9. En un aparato de control actan dos variables x1, x2 independientes, ambas
con distribucin uniforme, la primera entre 1 y 9, la segunda entre 1 y a. El
aparato funciona bien cuando x14x22)0.01.
10.Se toman tres mediciones independientes y1, y2, y3 de la tensin en un circuito
con tres aparatos, cuyas varianzas son 1, 2 y 3. SDe forman dos ndices del
circuito por:
3212
3211
y3
1y
3
1y
3
1z
5y2y3yz
++=
++=
Calcular el coeficiente de correlacin entre z1 y z2.