ESTADÍSTICA - Departamento de Estatística e Investigación Operativa
ESTADÍSTICA - Departamento de Estatística e Investigación Operativa
ESTADÍSTICA - Departamento de Estatística e Investigación Operativa
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Beatriz Pateiro López Estadística. Ingeniería Química<br />
probabilida<strong>de</strong>s conjuntas y a la tabla siguiente la llamaremos distribución <strong>de</strong> probabilidad conjunta <strong>de</strong>l vector<br />
aleatorio (X, Y ).<br />
X\Y y1 . . . yj . . . ys<br />
x1 p11 · · · p1j · · · p1s p1•<br />
.<br />
.<br />
.<br />
xi pi1 · · · pij · · · pis pi•<br />
.<br />
.<br />
.<br />
xr pr1 · · · prj · · · prs pr•<br />
p•1 · · · p•j · · · p•s 1<br />
Nótese que a esta tabla le hemos añadido una última columna a la <strong>de</strong>recha y una última fila en la base.<br />
Representan las distribuciones marginales <strong>de</strong> las variables X e Y , respectivamente. La distribución marginal <strong>de</strong><br />
X es la distribución <strong>de</strong> probabilidad que tiene la variable X sin tener en cuenta la variable Y . Por eso se obtiene<br />
<strong>de</strong> sumar la fila correspondiente.<br />
s<br />
pi• = P (X = xi) =<br />
Análogamente <strong>de</strong>finimos la distribución marginal <strong>de</strong> la variable aleatoria Y y la obtenemos sumando en la<br />
columna correspondiente.<br />
r<br />
p•j = P (Y = yj) =<br />
2.1 Distribuciones condicionadas<br />
Si ya conocemos que la variable X ha tomado el valor xi, esta información modificará la distribución <strong>de</strong> probabilidad<br />
<strong>de</strong> la variable Y . De hecho <strong>de</strong> toda la tabla <strong>de</strong> valores que pue<strong>de</strong> tomar el vector aleatorio nos restringiremos<br />
a la fila <strong>de</strong> xi. Sobre ella calcularemos las probabilida<strong>de</strong>s condicionadas<br />
j=1<br />
i=1<br />
.<br />
.<br />
pij<br />
pij<br />
P (Y = yj/X = xi) = P (X = xi, Y = yj)<br />
P (X = xi)<br />
.<br />
.<br />
= pij<br />
pi•<br />
y constituirán la distribución <strong>de</strong> Y condicionada a que X = xi. Como vemos, se obtiene dividiendo la fila <strong>de</strong> xi<br />
por el total <strong>de</strong> la fila pi•.<br />
Análogamente po<strong>de</strong>mos <strong>de</strong>finir la distribución <strong>de</strong> X condicionada a que Y = yj.<br />
2.2 In<strong>de</strong>pen<strong>de</strong>ncia<br />
Diremos que las variables aleatorias X e Y son in<strong>de</strong>pendientes si cualesquiera dos sucesos relativos respectivamente<br />
a X e Y son in<strong>de</strong>pendientes. Esta <strong>de</strong>finición es aplicable a cualquier vector aleatorio (X, Y ). En el caso<br />
discreto es equivalente a que la distribución conjunta resulte <strong>de</strong>l producto <strong>de</strong> las marginales, esto es:<br />
P (X = xi, Y = yj) = P (X = xi) · P (Y = yj) ∀i ∈ {1, . . . , r} ∀j ∈ {1, . . . , s}<br />
[pij = pi• · p•j]<br />
Ejemplo 2: Calcula la distribución <strong>de</strong> probabilidad conjunta <strong>de</strong>l ejemplo 1, las distribuciones marginales y la<br />
distribución <strong>de</strong> X condicionada a Y = 2. ¿Son X e Y in<strong>de</strong>pendientes?<br />
Ejemplo 3: Considérense las siguientes distribuciones <strong>de</strong> probabilidad conjunta:<br />
Página 3 <strong>de</strong> 6