Variables aleatorias - BIFIgopar/TEACHING/teaching_web_5.pdf · Variables aleatorias...
Transcript of Variables aleatorias - BIFIgopar/TEACHING/teaching_web_5.pdf · Variables aleatorias...
Variables aleatorias
Distribuciones continuas
Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales, tal que para cada intervalo en los reales, la probabilidad de que X tome un valor en el intervalo es igual a la integral sobre ese mismo intervalo
Variables aleatorias
Por ejemplo:
A la función f se le llama función de densidad de probabilidad o simplemente densidad de probabilidad
Variables aleatorias
Alternativamente:
Se define la función de densidad de probabilidad (pdf), f(x), de una variable aleatoria continua X como aquella que satisface:
,
es decir, la probabilidad de que x caiga entre x y x+dx
Variables aleatorias
Comentario:
las distribuciones continuas asignan probabilidad cero a valores individuales, es decir, si X es una variable continua Pr(X=a)=0
Esto no implica el evento X=a sea imposible!
Variables aleatorias
Comentario:
La densidad de probabilidad NO es la probabilidad de X cerca de x.
Es la integral de f la que da la probabilidad
Variables aleatoriasEjemplo:
Suponga que la función de densidad de probabilidad (pdf) está dada por:
¿Cuál es el valor de c?
Determine :
Variables aleatoriasSimilarmente al caso discreto, se define la función de distribución cumulativa (cdf) F(x):
De modo que
Además:,
Variables aleatoriasComentarios:
- La función de distribución cumulativa F(x)Es una función no decreciente con x
- Una función de distribución cumulativa es siempre continua por la derecha:
para cada valor de x
Variables aleatorias
Ejemplo:
Sea X una variable aleatoria con distribución uniforme en el intervalo [a,b].
¿Cuál es la función de distribución cumulativa
Variables aleatoriasComentario:
Una variable aleatoria discreta puede tratarse como una variable aleatoria continua y asignarse la correspondiente densidad de probabilidad.
Si X es una variable discreta que toma los valores x
1,...,x
n con probabilidades p
1,...,p
n ,
entonces la densidad de probabilidad continua puede escribirse como
Varias variables aleatorias
Es común encontrar problemas que dependen de más de una variable aleatoria.
Los resultados que hemos visto pueden extenderse a dos o más variables aleatorias.
Veamos el caso de dos variables.
Varias variables aleatoriasDistribucion conjunta discreta.
Sean X y Y dos variables aleatorias y consideremos el par ordenado (X,Y). Si existe un número contable de diferentes valores (x
i,y
i) para el par (X,Y), entonces X, Y tienen
una distribución discreta.
Definición: La función de probabilidad conjunta de X,Y se define como la función f tal que para cada punto (x
i,y
i) en el plano xy,
Varias variables aleatorias
Con
Si (xi,y
i) NO es uno de los valores posibles del
par (X,Y) entonces f(xi,y
i) = 0. Además,
Varias variables aleatorias
Similarmente al caso continuo para una variable tenemos ahora que:
donde f(x,y) es la función de densidad de probabilidad conjunta que satisface:
y
Varias variables aleatoriasCaso especial: variables independientes.
Es frecuente encontrar casos donde las variables aleatorias X, Y no dependen una de otra. En este caso la densidad de probabilidad puede escribirse como
Pr(X=xi ,Y=y
i )=g(x
i )h(y
i ) ,
donde g(xi) y h(y
i) son las densidades de
probabilidad de X y Y.
Similarmente para el caso continuo:
Varias variables aleatoriasSobre el tema de variables aleatorias independientes, supongamos que nos interesa saber la densidad de probabilidad de la suma de variables independientes.
Sea Y = X1 + X
2, donde X
1 , X
2 son variables
aleatorias independientes con densidades de probabilidad f
1 y f
2 . La densidad de
probabilidad de Y está dada por (convolución)
Varias variables aleatorias
Distribución cumulativa conjunta
La distribución cumulativa conjunta para dos variables aleatorias X y Y está definida como la función F tal que para todos los valores de x e y de modo que
Varias variables aleatorias
Si X e Y tienen una densidad de probabilidad conjunta f(x,y) entonces
De aquí que
Varias variables aleatoriasDistribución marginal
Frecuentemente en un problema de varias variables, digamos 2 variables, estamos interesados en la distribución de una sóla de las variables. Dicha distribución se obtiene a través de la distribución conjunta y se le llama distribución marginal.
Por ejemplo, para el caso discreto, si X e Y son variables aleatorias con función de distribución conjunta f(x,y), entonces la distribución marginal f
1 está dada por
Varias variables aleatoriasPor ejemplo, para el caso discreto, si X y Y son variables aleatorias con distribución conjunta f(x,y), entonces la distribución marginal f
1 está dada por
Similarmente para el caso continuo:
Varias variables aleatorias
Distribución condicional
Así como en el cálculo de probabilidades era de interés conocer la probabilidad de un evento dado que otro había sucedido, ahora nos preguntamos por la distribución de una variable X dado que otra, Y, ha tomado un valor Y=y. La distribución de la probabilidad condicional viene dada por:
Varias variables aleatorias
Distribución condicional
Para n variables:
donde f2 es la distribución marginal de
X1,... X
k
Varias variables aleatorias
Ley de la probabilidad total y teorema de Bayes
Para n variables:
donde y
Y el teorema de Bayes para variables aleatorias es:
Variables aleatorias
Funciones de variables aleatorias
Frecuentemente se requiere la distribución de una función de las variables aleatorias. Por ejemplo, si X es una variable aleatoria, quisieramos saber la distribución de 1/X, o bien para dos variables X
1,X
2, ¿cuál es la
probabilididad de exp(X1+X
2)?
Variables aleatorias
Algunas propiedades de las distribuciones
Las distribuciones de probabilidad tienen toda la información estadística de las variables aleatorias en cuestión.
En muchas ocasiones algunas propiedades de las distribuciones nos dan suficiente información estadística de las variables aleatorias.
Los llamados valores esperados (o promedios o momentos) son cantidades estadísticas simples que nos dan información de las variables aleatorias.
Variables aleatoriasValor esperado, valor promedio, promedio, valor medio, media, o primer momento
La propiedad más utilizada para caracterizar una distribución de variables aleatorias es el llamado valor medio.
Si X es una variable aleatoria el valor esperado E[X] está definido como
f(x) es la función de probabilidad (discreto) o densidad de probabilidad (continuo)
Variables aleatorias
Una propiedad:
También, si f(x) y g(x) son funciones de probabilidad discretas (o bien, continuas) tenemos que:
donde a y b son constantes (números reales)
Variables aleatorias
Varianza (que tan dispersos son los valores de una variable aleatoria respecto al valor medio)
Sea X es una variable aleatoria, su varianza está dada por:
donde
Variables aleatorias
Se pueden demostrar las siguientes igualdades para la varianza (a y b constantes):
Variables aleatorias
Función generadora (generatriz) de probabilidad
donde fn =Pr(X=x
n ) y x
n toma valores enteros
no negativos
Variables aleatorias
Otro tipo de función generadora (generatriz) es la función generadora de momentos
Para una variable aleatoria X y un número real t, esta función se define como:
La función generadora existe para todo valor de t siempre que X esté acotada y M
X(t=0)=E(1)=1
Variables aleatorias
Ejemplo: función generadora de una densidad de distribución Gaussiana está dada por:
Variables aleatorias
Caso especial: suma de variables independientes
Si X1,...,X
n son variables independientes y
Sn=X
1+ ... +X
n,
entonces
Variables aleatorias
Un poco más general: si ahora Sn está dada por la
suma de variables independientes de la forma:
Sn=c
1X
1+ ... +c
nX
n ,
entonces la función generatriz viene dada por:
Variables aleatorias
Covarianza y correlación
Estas dos cantidades nos dicen que tanto están relacionadas/(dependen entre sí) dos variables aleatorias.
Covarianza: sean X e Y variables aleatorias con valores bien definidos
y
La covarianza se define como
Variables aleatorias
Covarianza y correlación
Se puede mostrar que la covarianza se puede escribir como:
De aquí que, si X e Y son variables independientes
por lo que
Variables aleatorias
Covarianza y correlación
En cuanto a la correlación, ésta se define como
Se puede demostra que:
y
Variables aleatorias
Si hay una dependencia lineal entre las variables X e Y, digamos Y=aX + b, tenemos que Corr[X,Y] =1 , si a es una constante positivayCorr[X,Y]=-1, si a es una constante negativa
Variables aleatorias
Comentarios:
a) El hecho de que haya una relación entre dos variables aleatorias, digamos Y=X*X, no implica que ambas variables esten correlacionadas
b) Si las variables son independientes =>
pero no en el otro sentido, i.e, si no implica que las variables sean independientes
Variables aleatorias
Si X e Y son variables aleatorias con varianza finita entonces
Si las variables son independientes tenemos
que es un caso particular de
Variables aleatorias
Teorema del límite central
Sean X1,...,X
n n variables aleatorias
independientes cada una descrita (estadísticamente) por funciones de probabilidad fi(x)
con valores medios y varianzas .
Entonces la variable
Tiene las siguientes propiedades
Variables aleatorias
1-El valor esperado está dado por
2-La varianza viende dada por
3-Para la función de probabilidad de Z tiene a una distribución normal (Gaussiana) con media y varianza dada en 1 y 2.
Nota:las funciones fi(x) pueden ser todas distintas