06 - Variables aleatorias conjuntas
•Télécharger en tant que ODP, PDF•
5 j'aime•23,744 vues
Si quiere descargar la presentación, dirijase a: http://probestunalmzl.wikispaces.com/temario Le agradecería si me reporta los errores que encuentre en la diapositiva (daalvarez arroba unal punto edu punto co)
![06 – Variables aleatorias conjuntas ,[object Object],[object Object],[object Object],[object Object]](https://image.slidesharecdn.com/06-fdpsconjuntas-100410115832-phpapp02/85/06-Variables-aleatorias-conjuntas-1-320.jpg)
![Contenido ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recommandé
Recommandé
Contenu connexe
Tendances
Tendances (20)
En vedette
En vedette (20)
Similaire à 06 - Variables aleatorias conjuntas
Similaire à 06 - Variables aleatorias conjuntas (20)
Plus de Diego Andrés Alvarez Marín
Plus de Diego Andrés Alvarez Marín (17)
Dernier
Dernier (20)
06 - Variables aleatorias conjuntas
- 4. Variables aleatorias conjuntas Ω = { 1 1, 1 2, 1 3, 1 4, 1 5, 1 6 2 1, 2 2, 2 3, 2 4, 2 5, 2 6 3 1, 3 2, 3 3, 3 4, 3 5, 3 6 4 1, 4 2, 4 3, 4 4, 4 5, 4 6 5 1, 5 2, 5 3, 5 4, 5 5, 5 6 6 1, 6 2, 6 3, 6 4, 6 5, 6 6 } Espacio muestral En muchos casos es necesario estudiar dos o más características de un experimento X 1 = Resultado del lanzamiento X 2 = La suma de los resultados del lanzamiento
- 5. Variables aleatorias conjuntas Ω = { 1 1, 1 2, 1 3, 1 4, 1 5, 1 6 2 1, 2 2, 2 3, 2 4, 2 5, 2 6 3 1, 3 2, 3 3, 3 4, 3 5, 3 6 4 1, 4 2, 4 3, 4 4, 4 5, 4 6 5 1, 5 2, 5 3, 5 4, 5 5, 5 6 6 1, 6 2, 6 3, 6 4, 6 5, 6 6 } Espacio muestral X 1 = Resultado del lanzamiento X 2 = La suma de los resultados del lanzamiento
- 6. Función de masa de probabilidad conjunta
- 7. Función de masa de probabilidad conjunta
- 8. Propiedades de la función de masa de probabilidad conjunta bidimensional
- 9. Propiedades de la función de masa de probabilidad conjunta
- 10. Ejemplo 1: FMP conjunta
- 12. Función de masa de probabilidades marginal
- 15. Función de masa de probabilidades marginal
- 18. Definición general de FMP marginal
- 22. FMP condicional
- 23. Propiedades de la FMP condicional
- 25. FDP condicional
- 28. Media y varianza condicional
- 29. Ejemplo media y varianza condicional
- 31. Independencia
- 32. Independencia
- 33. Independencia
- 34. Ejemplo independencia de FMPs
- 35. FMP categórica
- 37. FMP categórica
- 39. FMP multinomial
- 40. FMP multinomial
- 41. FMP multinomial
- 43. FMP multinomial
- 46. Función de densidad de probabilidades conjunta
- 47. Propiedades de la FDP conjunta bivariada
- 48. Propiedades de la FDP conjunta
- 51. Función de densidad de probabilidades marginal
- 54. Definición general de FDP marginal
- 56. FDP condicional
- 57. Propiedades de la FDP condicional
- 59. FDP condicional
- 61. Media y varianza condicional
- 62. Ejemplo media y varianza condicional
- 65. Independencia
- 66. Independencia
- 67. Independencia
- 68. Ejemplo independencia de FDPs
- 72. Función de distribución acumulada conjunta
- 73. Propiedades de las FDAs conjuntas
- 75. El teorema de Bayes
- 76. Valor esperado
- 85. x
- 88. Momentos para FDPs bivariadas
- 89. Valor esperado e independencia
- 98. Ejemplo matriz de covarianza
- 108. Propiedades de la matriz de covarianza
- 114. EJEMPLO COEF CORREL
- 125. FDP normal bivariada
- 127. FDP normal bivariada. Influencia del parámetro ρ XY
- 128. FDA normal bivariada
- 131. EJEMPLO 2
- 132. Notas con respecto a la FDP normal multivariada
- 134. Teorema de Sklar
Notes de l'éditeur
- For $Sigma=mathrm{E} left[ left( extbf{X} - mathrm{E}[ extbf{X}] ight) left( extbf{X} - mathrm{E}[ extbf{X}] ight)^ op ight]$ and $mu = mathrm{E}( extbf{X})$, where $X$ is a random $p$-dimensional variable and $Y$ a random ''q''-dimensional variable, the following basic properties apply: egin{itemize} item $ Sigma = mathrm{E}(mathbf{X X^ op}) - mathbf{mu}mathbf{mu^ op} $ item $ Sigma ,$ is [[Positive-definite_matrixitemNegative-definite.2C_semidefinite_and_indefinite_matrices|positive semi-definite]] item $ operatorname{var}(mathbf{A X} + mathbf{a}) = mathbf{A}, operatorname{var}(mathbf{X}), mathbf{A^ op} $ item $ operatorname{cov}(mathbf{X},mathbf{Y}) = operatorname{cov}(mathbf{Y},mathbf{X})^ op$ egin{itemize} item $ operatorname{cov}(mathbf{X}_1 + mathbf{X}_2,mathbf{Y}) = operatorname{cov}(mathbf{X}_1,mathbf{Y}) + operatorname{cov}(mathbf{X}_2, mathbf{Y})$ item If $p$ = $q$, then $operatorname{var}(mathbf{X} + mathbf{Y}) = operatorname{var}(mathbf{X}) + operatorname{cov}(mathbf{X},mathbf{Y}) + operatorname{cov}(mathbf{Y}, mathbf{X}) + operatorname{var}(mathbf{Y})$ item $operatorname{cov}(mathbf{AX}, mathbf{B}^ opmathbf{Y}) = mathbf{A}, operatorname{cov}(mathbf{X}, mathbf{Y}) ,mathbf{B}$ item If $mathbf{X}$ and $mathbf{Y}$ are independent, then $operatorname{cov}(mathbf{X}, mathbf{Y}) = 0$ end{itemize} where $mathbf{X}, mathbf{X}_1$ and $mathbf{X}_2$ are random $p imes 1$ vectors, $mathbf{Y}$ is a random $q imes 1$ vector, $mathbf{a}$ is $q imes1$ vector, $mathbf{A}$ and $mathbf{B}$ are $q imes p$ matrices.
- fXY:3-x-y; ux:integrate(integrate(x*fXY,y,0,x),x,0,1); uy:integrate(integrate(y*fXY,y,0,x),x,0,1); covar:integrate(integrate((x-ux)*(y-uy)*fXY,y,0,x),x,0,1); sx:sqrt(integrate(integrate((x-ux)^2*fXY,y,0,x),x,0,1)); sy:sqrt(integrate(integrate((y-uy)^2*fXY,y,0,x),x,0,1)); corrcoef:covar/(sx*sy);
- Hablar que ese ½ es Cholesky
- N = 50; mux = 1; muy = 8; sx = 1; sy = 0.6; rxy = -0.9; mu = [mux muy]; Sigma = [sx^2 rxy*sx*sy; rxy*sx*sy sy^2]; [X1,X2] = meshgrid(linspace(-3,4,N)', linspace(6,10,N)'); X = [X1(:) X2(:)]; figure p = mvnpdf(X, mu, Sigma); mesh(X1,X2,reshape(p,N,N)); axis tight xlabel('Eje X','FontSize',15) ylabel('Eje Y','FontSize',15) title('FDP normal bivariada con parámetros mu_X = 1, mu_Y = 8, sigma_X = 1, sigma_Y = 0.6, ho_{XY} = -0.9','FontSize',15);
- N = 50; mux = 1; muy = 8; sx = 1; sy = 0.6; [X1,X2] = meshgrid(linspace(-3,4,N)', linspace(6,10,N)'); X = [X1(:) X2(:)]; mu = [mux muy]; figure subplot(1,3,1); rxy = -0.9; Sigma = [sx^2 rxy*sx*sy; rxy*sx*sy sy^2]; p = mvnpdf(X, mu, Sigma); contour(X1,X2,reshape(p,N,N),20); axis tight xlabel('Eje X, ho_{XY} = -0.9','FontSize',15) ylabel('Eje Y','FontSize',15) axis tight subplot(1,3,2); rxy = 0.0; Sigma = [sx^2 rxy*sx*sy; rxy*sx*sy sy^2]; p = mvnpdf(X, mu, Sigma); contour(X1,X2,reshape(p,N,N),20); axis tight xlabel({' ho_{XY} = 0','Eje X'},'FontSize',15) axis tight title('FDP normal bivariada con parámetros mu_X = 1, mu_Y = 8, sigma_X = 1, sigma_Y = 0.6','FontSize',15); subplot(1,3,3); rxy = 0.9; Sigma = [sx^2 rxy*sx*sy; rxy*sx*sy sy^2]; p = mvnpdf(X, mu, Sigma); contour(X1,X2,reshape(p,N,N),20); axis tight xlabel(' ho_{XY} = +0.9','FontSize',15) axis tight
- N = 50; mux = 1; muy = 8; sx = 1; sy = 0.6; [X1,X2] = meshgrid(linspace(-3,4,N)', linspace(6,10,N)'); X = [X1(:) X2(:)]; mu = [mux muy]; rxy = -0.9; Sigma = [sx^2 rxy*sx*sy; rxy*sx*sy sy^2]; figure p = mvncdf(X, mu, Sigma); mesh(X1,X2,reshape(p,N,N)); title({'FDA normal bivariada con parámetros','mu_X = 1, mu_Y = 8, sigma_X = 1, sigma_Y = 0.6, ho = -0.9'},'FontSize',15); xlabel('Eje X','FontSize',15) ylabel('Eje Y','FontSize',15) %view(90,0) % x1 %view(0,0) % x2