Académique Documents
Professionnel Documents
Culture Documents
Alba Martı́nez-Ruiz
Contenido
Variables aleatorias
Distribuciones conjuntas
Variables aleatorias
Función de probabilidad
Se define una variable aleatoria discreta cuando se indican sus
valores posibles y sus probabilidades respectivas.
Se llamará función de probabilidad o función masa de
probabilidad, p(x), a la función que indica las probabilidades de
cada posible valor,
p(xi ) = P (X = xi )
Si S es el espacio muestral,
X
p(xi ) = 1
i∈S
Función de distribución
Función de distribución
Función de densidad
Función de densidad
f (x) ≥ 0
R∞
−∞ f (x)d(x) =1
Función de densidad
R x0
P (X ≤ x0 ) = −∞ f (x)dx
Función de densidad
Función de densidad
Función de distribución
La función de distribución para una variable aleatoria continua se
define como,
R x0
F (x0 ) = P (X ≤ x0 ) = −∞ f (x)dx
Por lo tanto,
dF (x)
f (x) =
dx
Función de distribución
Función de distribución
Distribuciones conjuntas
Distribuciones conjuntas
La función de probabilidad conjunta puede representarse por una
tabla de probabilidad conjunta.
n
X
p(X = xi ) → suma entradas fila i, P (X = xi ) = p(xi , yj )
j=1
m
X
p(Y = yj ) → suma entradas columna j, P (Y = yj ) = p(xi , yj )
i=1
Alba Martı́nez-Ruiz Probabilidades para Ingenierı́a
Variables aleatorias Variables aleatorias discretas Variables aleatorias continuas Distribuciones conjuntas Medidas Caracterı́sticas d
Distribuciones marginales
Distribuciones conjuntas
Distribuciones conjuntas
Distribuciones conjuntas
Independencia
P (X = x, Y = y) = P (X = x)P (Y = y) = p(x)p(y)
Distribuciones condicionales
X e Y variales aleatorias discretas, la función de densidad
condicional de Y dada X es,
P (Y =y,X=x)
P (Y = y|X = x) = P (X=x)
Medidas de centralización
X Media, mediana, moda
Medidas de centralización
Caso discreto,
P
µ = E(x) = xi p(xi )
Caso continuo,
R∞
µ = E(x) = −∞ xf (x)dx
Medidas de centralización
F (x) ≥ 0.5
Propiedades de la esperanza
Medidas de dispersión
Caso discreto,
Caso continuo,
R∞
V ar(x) = σ 2 = E[(X − µ)2 )] = −∞ (x − µ)2 f (x)dx =
R∞ 2 2
−∞ x f (x)dx − µ
Medidas de dispersión
Medidas de dispersión
p(x < xp ) ≤ p
p(x ≤ xp ) ≥ p
Medidas de dispersión
Medidas de dispersión
Representación gráfica mediante un diagrama de cajas.
Medidas de dispersión
E(X ∗ ) = 0 V ar(X ∗ ) = 1
xk f (x)dx
R
mk =
µk = (x − µ)k f (x)dx
R
µ3
Coeficiente de asimetrı́a de Fisher, CA =
σ3
µ3 es el tercer momento en torno a la media y σ es la desviación
tı́pica.
µ4
Coeficiente de apuntamiento (curtosis), CAp = 4
σ
µ4 es el cuarto momento en torno a la media y σ es la desviación
tı́pica.
σ
Coeficiente de variación, CV =
|µ|
Desigualdad de Tchebychev
1
P (µ − kσ ≤ x ≤ µ + kσ) ≥ 1 − k2
Covarianza
Sean X e Y dos variables aleatorias continuas con medias µX y
µY y con función de densidad conjunta f (x, y), se define la
covarianza entre las variables como,
R∞ R∞
σXY = −∞ −∞ (x − µX )(y − µY )f (x, y)dxdy
Correlación
Sean X e Y dos variables aleatorias con covarianza σXY y
desviaciones estándar σX y σY , respectivamente. Se define el
coeficiente de correlación como,
σXY
ρ=
σX σY
−1 ≤ ρ ≤ 1
ρ es una cantidad adimensional
Es una medida de la dependencia de las variables X e Y
Si ρ = 0 decimos que las variables X e Y no estan
relacionadas, y las variables pueden ser independientes o no.
Cuando hay una dependencia lineal exacta entre las variables,
Y ≡ a + bX, entonces ρ = 1 si b > 0 y ρ = −1 si b < 0.