Republica Bolivariana De Venezuela
Ministerio Del Poder Popular Para La Defensa
Universidad Nacional Experimental Politecnica De La Fuerzas Armadas
UNEFA -NUCLEO ZULIA -MUNCIPIO MARA
Carrera: ING de sistema
Funciones de densidad
Nombre:
Veruska González C.I: 27.339.448
Carrera: ING de Sistema
Sección: Sección:03S-2626-D2
Profesor: Rafael Rojas.
1) Función de densidad.
Se dice que dos variables aleatorias X e Y tienen una distribución continua conjunta si existe una función
NO negativa f definida sobre todo el plano xy tal que para cualquier subconjunto A del plano
2) Función de densidad marginal.
Las funciones de densidad de probabilidad marginal de X y Y, denotadas por X (X) y
Y(Y) ,respectivamente, están dada por
X(X) = f(x, y)dy, para -" <x < "Y(Y) = f(x, y)dx, para -" <x < "
Características: La distribución marginal de X es simplemente la función de probabilidad de x, pero la
palabra marginal sirve para distinguirla de la distribución conjunta de X e [Link] distribución marginal
nos da la idea de la forma como depende una probabilidad conrespecto a una sola variable.
3) Función de densidad Condiciónal.
Sean X y Y dos v.a continuas con p.d.f f(x, y) conjunta y p.d.f f x(x) marginal X. Entonces, para cualquier
valor x de X para el que fx(x) >0, la función de densidad de probabilidad condicional de Y, dado que X =
X es:Para cada valor fijo y, la funcion es una f.d.p para X sobre la recta real, puesto que >=0
CARACTERÍSTICAS:
La definición es paralela a la P(B| A), que es la probabilidad condicional de que B ocurra, dado que A ha
ocurrido.
La f.d.p Condicional g1(x|y) de X debe ser proporcional a f(x, yo). En otras palabras,g1(x|y) es
esencialmente igual que f(x, yo), pero incluye un factor constante 1/[f2(yo)] que se necesita para que la
integral de la f.d.p condicional sobre todos los valores de X sea la unidad.
USO:Sirve para estudiar la posibilidad de que ocurra un X, bajo la ocurrencia de Y; o viceversa
4) Variables aleatorias independientes.
Una variable aleatoria independiente es una variable aleatoria que no tiene ningún efecto sobre las
otras variables aleatorias de su experimento. En otras palabras, no afecta la probabilidad de que ocurra
otro evento. Por ejemplo, supongamos que desea saber el peso promedio de una bolsa de azúcar, por lo
que toma una muestra aleatoria de 50 bolsas de varias tiendas de comestibles. No esperaría que el peso
de una bolsa afectara a otra, por lo que las variables son independientes. Lo contrario es una variable
aleatoria dependiente , que afecta las probabilidades de otras variables aleatorias.
5) Esperanzas matemáticas de funcion de una o varias variables aleatorias.
Es la generalización de la media aritmética a toda la población, es decir, es la media de la variable
aleatoria. También se llama valor medio, valor esperado o esperanza matemática, y se representa por la
letra griega μ.
Si X es una variable aleatoria discreta (representada, de manera general, por una tabla de valores X¡ y
probabilidades pi=P(X=xi)),
X P(X=x¡))
X1 P1
X2 P2
: :
Xn Pn
la esperanza se calcula como la media aritmética de los valores, es decir la suma de los valores por sus
probabilidades (las probabilidades serían las frecuencias relativas).
Recordemos que la media aritmética de una variable estadística se definió como
que, obviamente, sería equivalente a escribir
es decir, sería la esperanza de una variable cuyos valores aparecen todos con la misma probabilidad
pi=1/n.
Si a una variable estadística la representamos por sus valores xi, y sus frecuencias relativas son fi=ni/n,
entonces la media aritmética se puede escribir como
esto es, suma de valores por frecuencias. En el caso de una variable aleatoria, las frecuencias se
transforman en probabilidades (de ocurrencia). Por eso la esperanza es un valor medio esperado.
Si X es una variable aleatoria continua, la variable toma infinitos valores. El equivalente continuo de la
suma es la integral. La fórmula matemática incluye en este caso a la función de densidad:
6) Variables aleatorias N-dimencional.
Una variable aleatoria n-dimensional es una asignación numérica de los resultados de
un experimento aleatorio constituida por un conjunto de n características numéricas que resumen todos
los resultados posibles de un experimento y los cuantifica en términos de probabilidad.
Es un vector constituido por variables aleatorias definidas sobre el mismo experimento (espacio
muestral).
El objetivo de estudiar conjuntamente dos o más (n) características numéricas ligadas a un experimento
aleatorio es intentar explicar la posible relación existente entre ellas, de cara, fundamentalmente, a
prever una de ellas a partir de las otras.
