Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Distribución normal bivariada (X, Y ) tiene distribución normal bivariada de parámetros µX , µY , σ 2 X , σ 2 Y , ρ si su función de den- sidad es fXY (x, y) = 1 2πσXσY √ 1− ρ2 e − 1 2(1−ρ2) ( (x−µX ) 2 σ2 X + (y−µY ) 2 σ2 Y − 2ρ(x−µX )(y−µY ) σXσY ) (1) para (x, y) ∈ R2. El parámetro ρ es el coeficiente de correlación de X e Y tal que ρ = cov(X, Y ) σXσY (2) Completando cuadrados en (1) y reordenando elementos, la densidad conjunta puede escribirse: fXY (x, y) = 1√ 2πσX e − 1 2 ( x−µX σX )2 1 √ 2πσY √ 1− ρ2 e − 1 2 ( y−µY − ρσYσX (x−µX ) σY √ 1−ρ2 )2 = fX(x)fY |X=x(y) (3) o también fXY (x, y) = 1√ 2πσY e − 1 2 ( y−µY σY )2 1 √ 2πσX √ 1− ρ2 e − 1 2 (x−µX− ρσXσY (y−µY ) σX √ 1−ρ2 )2 = fY (y)fX|Y=y(x) (4) De (3) y (4) se deducen 1. Las distribuciones marginales son normales: X ∼ N (µX , σ2X) Y ∼ N (µY , σ2Y ) (5) 2. Las distribuciones condicionales son normales y las funciones de regresión coinciden con las rectas de regresión: X|Y = y ∼ N ( µX + ρσX σY (y − µY ), σ2X(1− ρ2) ) (6) Y |X = x ∼ N ( µY + ρσY σX (x− µX), σ2Y (1− ρ2) ) (7) E[X|Y = y] = µX + ρσX σY (y − µY ) = µX + cov(X, Y ) σ2Y (y − µY ) (8) E[Y |X = x] = µY + ρσY σX (x− µX) = µY + cov(X, Y ) σ2X (x− µX) (9)
Compartir