Download - 06 - Variables aleatorias conjuntas
![Page 1: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/1.jpg)
1
06 – Variables aleatorias conjuntas
Diego Andrés Alvarez MarínProfesor Asistente
Universidad Nacional de ColombiaSede Manizales
![Page 2: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/2.jpg)
2
Contenido
● FALTA
![Page 3: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/3.jpg)
3
Objetivo
● Conocer el concepto de va conjunta y analizar el comportamiento probabilista conjunta e individualmente de las variables a través de su distribución e indentificar relaciones de dependencia entre dichas variables.
![Page 4: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/4.jpg)
4
Variables aleatorias conjuntas
Ω = {11,12,13,14,15,16 21,22,23,24,25,26 31,32,33,34,35,36 41,42,43,44,45,46 51,52,53,54,55,56 61,62,63,64,65,66}
Espacio muestral
X1 = Resultado del lanzamiento
X2 = La suma de los resultados del lanzamiento
En muchos casos es necesario estudiar dos o más características de un experimento
![Page 5: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/5.jpg)
5
Variables aleatorias conjuntas
X1 = Resultado del lanzamiento
X2 = La suma de los resultados del lanzamiento
Ω = {11,12,13,14,15,16 21,22,23,24,25,26 31,32,33,34,35,36 41,42,43,44,45,46 51,52,53,54,55,56 61,62,63,64,65,66}
Espaciomuestral
![Page 6: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/6.jpg)
6
Función de masa de
probabilidad conjunta
![Page 7: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/7.jpg)
7
Función de masa de probabilidad conjunta
![Page 8: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/8.jpg)
8
Propiedades de la función de masa de probabilidad conjunta
![Page 9: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/9.jpg)
9
Función de masa de
probabilidades marginal
![Page 10: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/10.jpg)
10
Función de masa de probabilidades marginal
● Definición...● Propiedades...
![Page 11: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/11.jpg)
11
Función de probabilidad condicional discreta
● Definición...● Propiedades...
![Page 12: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/12.jpg)
12
Función de densidad de probabilidades conjunta
![Page 13: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/13.jpg)
13
Propiedades de la FDP conjunta
![Page 14: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/14.jpg)
14
Ejemplo FDP conjunta
![Page 15: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/15.jpg)
15
Función de densidad de probabilidades marginal
● Definición...● Propiedades...
![Page 16: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/16.jpg)
16
Ejemplo: FDP marginal
Suponiendo que la alimentación de los atletas que practican determinado deporte, esta dada por la función
Donde X representa la cantidad de proteínas y Y la cantidad de minerales que debe consumir un atleta. Determinar las funciones marginales de probabilidad
![Page 17: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/17.jpg)
17
Función de probabilidad condicional continua
● Definición...● Propiedades...
![Page 18: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/18.jpg)
18
Función de distribución acumulada conjunta
![Page 19: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/19.jpg)
19
Propiedades de las FDAs conjuntas
![Page 20: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/20.jpg)
20
Relación entre las FDAs y FDPs conjuntas
● En el caso continuo, la densidad de probabilidad f
X(x,y) se obtiene derivando la
función de probabilidad con respecto a sus argumentos:
![Page 21: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/21.jpg)
21
Independencia de variables aleatorias conjuntas
![Page 22: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/22.jpg)
22
![Page 23: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/23.jpg)
23
![Page 24: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/24.jpg)
24
![Page 25: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/25.jpg)
25
![Page 26: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/26.jpg)
26
![Page 27: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/27.jpg)
27
![Page 28: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/28.jpg)
28
![Page 29: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/29.jpg)
29
![Page 30: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/30.jpg)
30
![Page 31: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/31.jpg)
31
![Page 32: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/32.jpg)
32
![Page 33: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/33.jpg)
33
![Page 34: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/34.jpg)
34
![Page 35: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/35.jpg)
35
![Page 36: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/36.jpg)
36
![Page 37: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/37.jpg)
37
![Page 38: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/38.jpg)
38
x
![Page 39: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/39.jpg)
39
![Page 40: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/40.jpg)
40
Punto central(centerpoint)
La mediana se puede generalizar a datos en dos o más dimensiones. Dado un conjunto de puntos, cualquier hiperplano que contiene el punto central, divide a los puntos en dos partes aproximadamente iguales: la parte más pequeña debe tener a lo más 100/(d+1) por ciento de los puntos. Al igual que la media, el punto central no necesita ser uno de los puntos.
Ver http://en.wikipedia.org/wiki/Centerpoint_(geometry)
![Page 41: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/41.jpg)
Covarianza
La covarianza es una medida de como dos variables aleatorias cambian juntas.
Se cumple que:
![Page 42: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/42.jpg)
Dado un conjunto de números, la covarianza se puede estimar como:
NOTA: en ocasiones se utiliza como denominador . En este caso se suele denominar la cuasi-covarianza.
![Page 43: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/43.jpg)
Otra manera de calcular la covarianza es
El cálculo a través de esta fórmula es mucho más rápido, ya que no se tiene que restar las medias de todos los datos.
![Page 44: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/44.jpg)
EJEMPLO COVARIANZA
● FALTA● PONER MUCHOS DATOS Y HACER
GRAFICO. INTERPRETAR EL SIGNO DE LA COVARIANZA
● Conclusión: La covarianza es positiva si existe una relación (lineal) creciente y negativa si existe una relación decreciente.
![Page 45: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/45.jpg)
EJEMPLO 2 COVARIANZA
![Page 46: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/46.jpg)
Matriz de covarianza
Si los elementos del vector columna
Son variables aleatorias, cada una con varianza finita, entonces, la matriz de covarianza Σ es la matriz cuyo elemento es la covarianza
Donde es el valor esperado de el elemento i del vector X
![Page 47: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/47.jpg)
Matriz de covarianza
Es decir,
En otras palabras,
![Page 48: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/48.jpg)
EJEMPLO MATRIZ DE COVARIANZA
![Page 49: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/49.jpg)
Covarianza en MATLAB
● La matriz de covarianza se calcula con el comando cov
![Page 50: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/50.jpg)
Covarianza en MS EXCEL
En MS EXCEL se calcula con el comando COVAR
![Page 51: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/51.jpg)
● La covarianza es una medida de la asociación lineal entre las variables aleatorias
● Si la relación entre las variables aleatorias no es lineal, la covarianza podría ser no sensible a la relación
● Sus dimensiones son:
dimension de X por dimension de Y
![Page 52: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/52.jpg)
● 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 se interpreta como la no existencia de una relación lineal entre las dos variables estudiadas; en este caso se dice que las variables son no correlacionadas.
● Si cov(X,Y) < 0 hay dependencia inversa o negativa, es decir, a grandes valores de x corresponden pequeños valores de y.
![Page 53: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/53.jpg)
Covarianza e independencia
Si X y Y son variables aleatorias independientes,
Lo contrario no es en general verdadero.
![Page 54: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/54.jpg)
Propiedades de la covarianza
● Si X, Y, W y V son variables aleatorias reales y a, b, c y d son constantes, entonces
![Page 55: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/55.jpg)
● Para secuencias y de variables aleatorias, se tiene que
● Para una secuencia de variables aleatorias, y constantes se tiene que,
![Page 56: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/56.jpg)
Propiedades de la matriz de covarianza
![Page 57: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/57.jpg)
Coeficiente de correlación
● La correlación indica la fuerza y dirección de una relación lineal entre dos variables aleatorias.
● Esto se debe contrastar con el uso coloquial en el lenguaje, que denota cualquier relación, no necesariamente lineal.
● Existen varios coeficientes que miden el grado de correlación: Pearson, Spearman, Kendall.
![Page 58: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/58.jpg)
● Observe que la correlación refleja la cantidad de ruido y dirección de una relación lineal (arriba), pero no la pendiente (medio) ni tampoco relaciones no lineales (abajo).
● Nota: la figura en el centro tiene una correlación 0 porque var(Y)=0 (Y es constante)
![Page 59: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/59.jpg)
Coeficiente de correlación de Pearson
● Nota: a pesar de su nombre, fue introducida por Francis Galton en 1880
![Page 60: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/60.jpg)
Coeficiente de correlación: motivación
● Si por ejemplo las unidades de la variable X son centimetros y las unidades de la variable Y son gramos, entonces las unidades de la covarianza son cm×g y si cambiamos la escala de las variables, cambia la covarianza. Esto hace que el valor de la covarianza sea difícil de interpretar. Una medida normalizada es la correlación.
![Page 61: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/61.jpg)
Propiedades de la correlación
● Si dos variables aleatorias X y Y son independientes, entonces su correlación es 0. Lo contrario no es simple verdad.
● El coeficiente de correlación es una cantidad adimensional que toma un valor entre -1 y 1.
● Si no existe una relación lineal entre las variables, el coeficiente de correlación es aproximadamente cero.
![Page 62: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/62.jpg)
EJEMPLO COEF CORREL
![Page 63: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/63.jpg)
Correlación en MATLAB
![Page 64: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/64.jpg)
Correlación en MS EXCEL
● PEARSON Devuelve el coeficiente de correlación producto o momento r de Pearson, r, un índice adimensional acotado entre -1,0 y 1,0 que refleja el grado de dependencia lineal entre dos conjuntos de datos.
![Page 65: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/65.jpg)
Correlación en MS EXCEL
● COEFICIENTE.R2 Devuelve el cuadrado del coeficiente de correlación de momento del producto Pearson mediante los puntos de datos de X y Y. El valor R cuadrado puede interpretarse como la proporción de la varianza de Y que puede atribuirse a la varianza de X.
![Page 66: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/66.jpg)
Correlación en MS EXCEL● COEF.DE.CORREL: devuelve el coeficiente de
correlación entre dos rangos de celdas definidos por los argumentos matriz1 y matriz2.
Observe que ambas funciones
retornan los mismosvalores
![Page 67: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/67.jpg)
● Dada la FPD mostrada, calcule la correlación y el coeficiente de variación de las variables aleatorias X y Y:
● El problema será solucionado en MAXIMA
![Page 68: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/68.jpg)
![Page 69: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/69.jpg)
La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad
Se ha observado que en los últimos 300 años el número de piratas ha decrecido, sin embargo, ha habido un incremente en el calentamiento global. Conclusión (errónea): el calentamiento global es causado por la disminución de piratas.
Cum hoc ergo propter hoc ("juntamente con esto, luego a consecuencia de esto")
![Page 70: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/70.jpg)
● Los niños que duermen con la luz encendida son más propensos a desarrollar miopía en la edad adulta.
● Ésta fue la conclusión de un estudio del centro médico de la Universidad de Pensilvania, publicada el 13 de mayo de 1999 en la revista Nature, y que tuvo gran repercusión en la prensa de la época. Sin embargo, un posterior estudio de la Universidad Estatal de Ohio no encontró ningún enlace entre el hecho de que niños durmiendo con la luz encendida y el desarrollo de miopía, pero sí que encontró una fuerte relación entre la miopía parental y el desarrollo en los niños de este defecto, y también observó que los padres miopes tenían una mayor tendencia a dejar las luces encendidas en las habitaciones de sus hijos
![Page 71: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/71.jpg)
● Una investigación científica concluye que la gente que usa cannabis (A) tiene un mayor riesgo de desarrollar una enfermedad psiquiátrica. (B)
● Esta correlación es a veces empleada para apoyar la teoría de que el uso de cannabis causa una enfermedad psiquiátrica (A es la causa de B). A pesar de que esto podría ser verdad, no podemos automáticamente percibir una relación causa-efecto de un estudio que sólo ha mostrado que aquellos que usan cannabis son más propensos a tener enfermedades psiquiátricas. De este mismo estudio se puede concluir que
– tener una predisposición a una enfermedad psiquiátrica causa el uso de cannabis (B causa A), o
– que un tercer factor (por ejemplo, la pobreza) es la verdadera causa de haber encontrado un gran número de gente (comparado con el público en general) que usa cannabis y sufre un desorden mental.
● Asumir que A causa B es tentador, pero se necesita otra investigación científica que pueda aislar extrañas variables cuando la actual sólo ha determinado una correlación estadística.
![Page 72: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/72.jpg)
FPD normal multivariada
![Page 73: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/73.jpg)
FDP normal bivariada
![Page 74: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/74.jpg)
![Page 75: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/75.jpg)
FDP normal bivariada. Influencia del parámetro ρ
XY
![Page 76: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/76.jpg)
FDA normal bivariada
![Page 77: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/77.jpg)
EJEMPLO FDP NORMAL
● FALTA● USAR MATLAB MVNPDF y MVNCDF
![Page 78: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/78.jpg)
EJEMPLO 2
![Page 79: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/79.jpg)
Una cópula es una FDA multivariada,
Tal que todas sus funciones de distribución marginal son uniformes en el intervalo [0,1].
COPULAS
![Page 80: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/80.jpg)
Teorema de Sklar
● Copulacdf, copulapdf, copularnd, copulastat, copulaparam, copulademo
![Page 81: 06 - Variables aleatorias conjuntas](https://reader034.vdocuments.mx/reader034/viewer/2022052508/559fd5021a28abe1648b47cb/html5/thumbnails/81.jpg)
EJEMPLO
● http://en.wikipedia.org/wiki/Joint_probability_distribution● http://en.wikipedia.org/wiki/Marginal_distribution● http://en.wikipedia.org/wiki/Conditional_distribution●