Upload
vutu
View
221
Download
4
Embed Size (px)
Citation preview
Distribución de ProbabilidadDistribución de Probabilidad Conjuntaj
Jhon J. Padilla A., PhD.Jhon J. Padilla A., PhD.
IntroducciónIntroducción
L l d d i d d• Los resultados de un experimento pueden ser causa de múltiples variables.E t it i i d t f d• En estas situaciones se requiere de tener una f.d.p que describa la variación de la probabilidad de ocurrencia con respecto a la variación de estas variablescon respecto a la variación de estas variables.
• Esta f.d.p que tiene en cuenta el efecto de múltiples variables aleatorias se denomina distribución devariables aleatorias se denomina distribución de probabilidad conjunta.
• Una distribución de probabilidad conjunta puede ser p j pdiscreta o continua dependiendo del tipo de v.a.’s que describe.
DefiniciónDefinición
f ió d d b bilid d j• La función de masa de probabilidad conjunta de dos variables aleatorias contínuas X y Y se denota como fXY(x,y), y satisface las siguientes propiedades
• 1) para toda x,y• 2)
( , ) 0XYf x y ≥∞ ∞2)
( , ) 1XYf x y dxdy∞ ∞
−∞ −∞
=∫ ∫• 3) Para cualquier región R del espacio bidimensional: ([ , ]) ( , )XYP X Y R f x y dxdy∈ = ∫ ∫([ , ]) ( , )XY
R
P X Y R f x y dxdy∈ ∫ ∫
Distribución de probabilidad bidimensional
Variables aleatorias MúltiplesVariables aleatorias Múltiples
• La función de distribución de probabilidad conjunta para las variables X1, X2,…,Xp, se j p 1 2denota como:
( )f1 2 ... 1 2( , ,... )
pX X X pf x x x
DefiniciónDefinición
U f ió d di t ib ió d b bilid d• Una función de distribución de probabilidad conjunta para las variables aleatorias continuas X X Xp denotada como 1 2( , ,... )X X X pf x x xX1, X2,…,Xp, denotada como , satisface las siguientes propiedades
• 1)
1 2 ... 1 2( , , )pX X X pf
( ) 0f x x x ≥1)
• 2)
1 2 ... 1 2( , ,... ) 0pX X X pf x x x ≥
( ) 1f d d d∞ ∞ ∞
∫ ∫ ∫• 2)
• 3) Para cualquier región B del espacio de p
1 2 ... 1 2 1 2.... ( , ,... ) ... 1pX X X p pf x x x dx dx dx
−∞ −∞ −∞
=∫ ∫ ∫• 3) Para cualquier región B del espacio de p dimensiones,
∫ ∫ ∫ 1 21 2 ... 1 2 1 2([ , ,..., ] ) .... ( , ,... ) ...pp X X X p p
B
P X X X B f x x x dx dx dx∈ = ∫ ∫ ∫
IndependenciaIndependencia
• Las variables aleatorias contínuas X1, X2,…,Xp, son independientes si y sólo sip y
1 2 1 2... 1 2 1 2( , ,... ) ( ) ( ).... ( )p pX X X p X X X pf x x x f x f x f x=
• Para toda x1, x2,…,xp1, 2, , p
COVARIANZACOVARIANZA
d l b bilid d d d d á d• Cuando la probabilidad depende de más de una variable aleatoria, resulta conveniente describir la relación entre las variables.
• La covarianza es una medida común de la relación entre dos variables aleatorias
• La covarianza es una medida de asociaciónLa covarianza es una medida de asociación lineal entre las v.a’s.Si l l ió t l ’ li l l• Si la relación entre las v.a’s no es lineal, la covarianza podría no ser sensible a la relación.
DefiniciónDefinición
• La covarianza entre dos v.a. X y Y, denotada como cov(X,Y) ó σxy, es( , ) ,
[( )( )] ( )( ) ( , )XY X Y x Y XYE X Y x y f x y dxdyσ µ µ µ µ∞ ∞
= − − = − −∫ ∫
• Y se puede demostrar que también
[( )( )] ( )( ) ( , )XY X Y x Y XYy f y yµ µ µ µ−∞ −∞∫ ∫
p q
[( )( )] ( , )XY X Y XY X YE X Y xyf x y dxdyσ µ µ µ µ∞ ∞
= − − = −∫ ∫[( )( )] ( )
XY X Y XY X Y
XY X Y X YE X Y E XYσ µ µ µ µ−∞ −∞
= − − = −
∫ ∫
Distribuciones de probabilidad conjuntas y el signo de la covarianzaconjuntas y el signo de la covarianza
entre X y Yy
CORRELACIONCORRELACION
• La correlación mide el grado de relación lineal entre dos variables.
• La correlación escala la covarianza por la desviación estándar de cada variabledesviación estándar de cada variable.
• Es una cantidad adimensional
DefiniciónDefinición
• La correlación entre las variables aleatorias X y Y, denotada como ρxy, es, ρ ,
cov( , )( ) ( )
XYXY
X YV X V Y
σρσ σ
= =
• Además,
( ) ( ) X YV X V Y σ σ
,
1 1XYρ− ≤ ≤ +
Interpretación de la correlaciónInterpretación de la correlación
Si l t d l di t ib ió d b bilid d• Si los puntos de la distribución de probabilidad conjunta de X y Y tienden a caer en una recta con pendiente positiva (negativa) entonces lapendiente positiva (negativa), entonces la correlación estará cerca de +1 (o de ‐1).
• Si la correlación da +1 ó ‐1 entonces los puntosSi la correlación da +1 ó 1, entonces los puntos de la distribución de probabilidad conjunta caen exactamente en una línea recta.
• Se dice que dos v.a con correlación diferente de cero están correlacionadas.
• Finalmente, si X y Y son v.a’s independientes, entonces
0σ ρ 0XY XYσ ρ= =