Universidad de La Habana, MATCOM Probabilidades (2019-2020) Conferencia Tema: Vectores aleatorios discretos. Definición 1 Se dice que el vector aleatorio (X, Y ) es un vector discreto si X y Y son v.a. discretas. Ejemplo 1 Se lanza un dado y una moneda de forma independiente, sea X el resultado de la moneda (1 si sale cara y 0 si sale escudo) y Y el resultado del dado, entonces (X, Y ) es un vector aleatorio discreto que toma valores {(0, 1), (0, 2), (0, 3), (0, 4), (0, 5), (0, 6), (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)}. Asociado a los vectores discretos se define el concepto de función de probabilidad conjunta. Definición 2 La función de probabilidad conjunta del vector aleatorio discreto (X, Y ) que toma valores {(ai , bj )}i,j es P(X,Y ) (ai , bj ) = P (X = ai , Y = bj ), ∀(ai , bj ). (1) Note que P (X = ai , Y = bj ) es la probabilidad de la intersección de los sucesos X = ai y Y = bj . En el Ejemplo 1 la función de probabilidad conjunta es: X/Y 0 1 1 2 3 4 5 6 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 1/12 Ejemplo 2 Se extraen 3 bolas de una urna que contiene 4 bolas rojas y 2 negras, se definen las v.a. X y Y que cuantifican la cantidad de bolas rojas y negras extraı́das respectivamente. Al analizar los valores que toma el vector (X, Y ) y la función de probabilidad conjunta resulta X/Y 0 1 0 2 0 4 2 3 3 1 0 4 2 2 0 1 2 6 3 1 0 0 0 6 3 6 3 2 2 4 1 Proposición 1 Sea (X, Y ) un vector aleatorio con función de probabilidad conjunta P(X,Y ) que toma valores {(ai , bj )}i,j , entonces XX XX P(X,Y ) (ai , bj ) = P(X,Y ) (ai , bj ) = 1 (2) i j j i La demostración es inmediata usando la partición {X = ai , Y = bj } de Ω y el tercer axioma de Kolmogorov. Definición 3 La función de distribución conjunta del vector aleatorio discreto (X, Y ) es F(X,Y ) (x, y) = P (X ≤ x, Y ≤ y) ∀(x, y) ∈ R2 . (3) Aunque es posible dar una expresión de la función de distribución conjunta, se recomienda el siguiente ejercicio. Ejercicio 1 Grafique la función de distribución conjunta para los Ejemplos 1 y 2. Definición 4 La función de probabilidad marginal de la v.a. X es X X PX (ai ) = P(X,Y ) (ai , bj ) = P (X = ai , Y = bj ), ∀ai . j (4) j donde P(X,Y ) es la función de probabilidad conjunta del vector (X, Y ) con valores {(ai , bj )}i,j . La función de probabilidad marginal de Y se halla análogamente sumando en i la función de probabilidad conjunta. En el Ejemplo 1, es sencillo comprobar que la función de probabilidad marginal para X es ai 0 1 P (X = ai ) 1/2 1/2 y para Y bj P (Y = bj ) 1 2 3 4 5 6 1/6 1/6 1/6 1/6 1/6 1/6 Definición 5 Se dice que las v.a. X y Y son independientes si para todos los valores {(ai , bj )} P (X = ai , Y = bj ) = P (X = ai )P (Y = bj ). (5) En el Ejemplo 1 las v.a. X y Y son independientes, mientras que en el Ejemplo 2 son dependientes y para demostrarlo basta que no se cumpla la igualdad (5) para un par de valores especı́ficos. 4 2 4 2 P (X = 1, Y = 0) = 0 6= 1 2 · 6 3 2 3 6 3 0 = P (X = 1)P (Y = 0). Proposición 2 Sea g : R2 7→ R, la esperanza matemática o valor esperado de la v.a. g(X, Y ) se calcula mediante la expresión XX E[g(X, Y )] = g(ai , bj )P (X = ai , Y = bj ) (6) i j Definición 6 La covarianza y el coeficiente de correlación lineal se calculan mediante las siguientes expresiones respectivamente cov(X, Y ) . cov(X, Y ) = E[XY ] − EX · EY y ρ = p V (X)V (Y ) (7) En el Ejemplo 1, se tiene que la covarianza y el coeficiente de correlación lineal es 0. Ejercicio 2 Calcule el coeficiente de correlación lineal para las v.a. del Ejemplo 2. La siguiente proposición incluye resultados tratados durante el semestre y que se cumplen para v.a. en general. Proposición 3 Sean X y Y v.a. entonces a) X y Y v.a. independientes =⇒ E[XY ] = EX · EY y cov(X, Y ) = 0. b) V (X + Y ) = V (X) + V (Y ) + 2 cov(X, Y ). b) X y Y v.a. independientes =⇒ V (X + Y ) = V (X) + V (Y ). Definición 7 Sea bj un valor de la v.a. Y fijo, se denomina distribución condicional de X dado Y = bj a la v.a. que toma valores ai con probabilidad P (X = ai |Y = bj ) = P (X = ai , Y = bj ) P (Y = bj ) a la v.a se le denota X|Y = bj . En el Ejemplo 1, la v.a. X|Y = 6 toma valores 0 y 1 cada uno con probabilidad 1/2 dado que X y Y son independientes. Sin embargo, en el Ejemplo 2 la v.a. X|Y = 1 solo toma el valor 2 con probabilidad 1. 3