Vectores Aleatorios PDF
Vectores Aleatorios PDF
Tema 4
Vectores aleatorios
Javier Cárcamo
Departamento de Matemáticas
Universidad Autónoma de Madrid
[email protected]
1. Vectores aleatorias.
2. Función de distribución conjunta.
3. Vectores discretos.
4. Vectores continuos.
5. Ejemplos de distribuciones discretas multidimensionales.
6. Ejemplos de distribuciones continuas multidimensionales.
7. Distribuciones condicionadas.
8. Variables aleatorias independientes.
9. Distribución de la suma de variables.
Objetivos principales
B
A
P(A)
Xi : Ω −→ R (o R)
ω 7−→ Xi (ω),
(X , Y ) toma los valores {(0, 0), (1, 1), (2, 1), (2, 2), (3, 3)}. Para
calcular la distribución de probabilidad de (X , Y ) tenemos que
calcular la probabilidad de que (X , Y ) tome estos 5 valores.
Javier Cárcamo PREST. Tema 4: Vectores aleatorios 8
1. Vectores aleatorios
• X ≡ número de caras al lanzar 3 monedas.
• Y ≡ máximo número de caras seguidas al lanzar 3 monedas.
3
1/8 1/8 X\Y 0
X\Y 1
0 12 23 3
3
3
1/8 1/8 X\Y 0
X\Y 1
0 12 23 3
3
Distribución marginal de X
3/8 3/8
1/8 1/8
0 1 2 3
0 1 2 3
Javier Cárcamo PREST. Tema 4: Vectores aleatorios
18
12
1. Vectores aleatorios
• X ≡ número de caras al lanzar 3 monedas.
• Y ≡ máximo número de caras seguidas al lanzar 3 monedas.
Distribución marginal de Y
Y : Ω −→ R Y : Ω −→ R
(C , C , C ) 7−→ 3 (+, +, +) 7−→ 0
(C , C , +) 7−→ 2 (C , +, +) 7−→ 1
(+, C , C ) 7−→ 2 (+, C , +) 7−→ 1
(C , +, C ) 7−→ 1 (+, +, C ) 7−→ 1
2/8
1/8 1/8
0 1 2 3
4/8 2/8
1/8 1/8
0 1 2 3
Javier Cárcamo PREST. Tema 4: Vectores aleatorios
21
14
1. Vectores aleatorios
4.1. Vectores aleatorios
• X ≡ número de caras al lanzar 3 monedas.
• Y ≡ máximo número de caras seguidas al lanzar 3 monedas.
1/8 , 1/8
3 3
X\Y 0 1 2 3 X
2/8 2/8
2 2 0 1/8 0 0 0 1/8
4/8 3/8
1 1
1/8 1 0 3/8 1/8 0 4/8
2 0 0 2/8 0 2/8
1/8 1/8
0
0 1 2 3
3 0 0 0 1/8 1/8
0 1 2 3
Javier Cárcamo PREST. Tema 4: Vectores aleatorios 2215
1. Vectores aleatorios
Observación: A ⊂ R, {X1 ∈ A} = {X ∈ A × R × · · · × R}.
Luego, P(X1 ∈ A) = P(X ∈ A × R × · · · × R).
Idea fı́sica: n = 2, P(X ∈ A) = P((X , Y ) ∈ A × R)
2 2
R R
AxR
Sx = (−∞, x1 ] × · · · × (−∞, xd ].
(x,y)
Región suroeste de (x,y)
b2
a2
a1 b1
Teorema de unicidad
Sea F : Rd −→ R verificando ¶, · y ¸ de arriba, entonces, existe
X : (Ω, F, P) −→ Rd vector aleatorio tal que F = FX .
Además, el vector X es único en distribución (es decir, la f.d. carac-
teriza la distribución de probabilidad de un v.a. de forma biunı́voca).
Javier Cárcamo PREST. Tema 4: Vectores aleatorios 20
2. Función de distribución conjunta
Sea X = (X1 , . . . , Xk ) : (Ω, F, P) −→ Rd vector aleatorio. Se
llama función de distribución de X o función de distribución
conjunta de las Xi -s a la función FX : Rd −→ R tal que
0.06
0.08
0.04 10 0.06 10
0.04
0.02
0.02
0.00 0.00
0 5 0 5
5 5
0 0
10 10
0.06
0.04
6
0.02
0.00
4
0
2
2
4
6 0
0.08
0.06
0.04 8
0.02
0.00 6
2
4
4
6 2
8
2.0
1.5
1.0
1.0
0.5
0.0
0.5
0.0
0.5
0.0
1.0
1.0
2.0
0.5
1.5
0.0
0.0 1.0
0.5
1.0 0.5
1.5
0.0
2.0
Javier Cárcamo PREST. Tema 4: Vectores aleatorios 32
6. Ejemplos de distribuciones continuas multidimensionales
3 Uniforme en el cı́rculo unidad
(
1/π, si x 2 + y 2 < 1,
f (x, y ) =
0, en otro caso.
1
1
Π
0
0
0.3
0.2
0.1
0.0
4
3
2
1
0
0.15
0.10
2
0.05 0
0.00
0
-2
-2
0
-2 0.00
0.05
0.10
0.15
2 -2 0 2
0.2
0.1
0.0
0.2
0.1 2 0
0.0
0
-2
-2
0
-2
2 -2 0 2
!
x−µ1
1 x − µ1 y − µ2 1 −ρ σ1
Q(x, y ) = , y −µ2 .
1 − ρ2 σ1 σ2 −ρ 1 σ2
0.15
0.10
2
0.05
0.00
0
-2
0
-2
x=1
2
Caso discreto
Ejemplo 1: Sean X ∼ B(n1 , p), Y ∼ B(n2 , p) independientes.
Mostrar que X + Y ∼ B(n1 + n2 , p).