Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
V ariable (Vector) aleatoria(o) Variable X unidimensional Vector (X ;Y ) bidimensional Definición de esperanza (condicional) E[ X ]=μ X= ∫ x=−∞ x=+∞ x⋅f X (x )⋅dx ∄E [(X ;Y )] E [X Y ]= ∫x=−∞ x=+∞ x⋅f X /Y (x ; y )⋅dx Esperanza de función E [ g(X ) ]=μg(X )= ∫ x=−∞ x=+∞ g( x)⋅f X ( x )⋅dx μg(X ;Y )=E [ g (X ; Y ) ]= ∫ x=−∞ x=+∞ ∫ y=−∞ y=+∞ g (x ; y )⋅dy⋅dx Propiedades de la esperanza E [ a⋅X+b⋅Y +c ]=μ[a⋅X+b⋅Y +c ] =a⋅E [ X ]+b⋅E[Y ]+c E[ X ]=E[ E[ X Y ]] Definición y fórmula de calculo de la (co)varianza (condicional) Coeficiente de correlación σX 2 =E [ ( X−E [ X ])2 ] = ∫ x=−∞ x=+∞ (x−μ X) 2⋅f X (x )⋅dx =E [ X2 ]−( E [ X ])2 σ(X ;Y )=E [(X−E [X ])⋅(Y−E[Y ]) ] = ∫ x=−∞ x=+∞ ∫ y=−∞ y=+∞ ( x−μX )( y−μY) f (X ;Y )(x ; y)dy dx =E [X⋅Y ]−E [X ]⋅E [Y ] ρPearson= σ(X ;Y ) σX⋅σY σ (X Y ) 2 =E[( X−E [ X /Y ] )2Y ] =E [X2Y ]−(E[ X Y ]) 2 Propiedades de la (co)varianza (condicional) σ[a⋅X ±b⋅Y +c] 2 =a2⋅σX 2 +b2⋅σY 2 ±2⋅a⋅b⋅σ(X ;Y ) σ(a⋅X+b;c⋅Y +d )=a⋅c⋅σ( X ; Y ) σX 2 =σ (E [X Y ]) 2 +E [σ( X Y ) 2 ] Cambio de variable (1:1 y 2:2) f Y ( y )=[ f X(x ) |dYdX | ] x=φ−1( y) (*) También puede encontrarse a través de eventos equivalente haciendo uso de F X( x) . f (U ;V )(u; v)=[ f (X ;Y )(x ; y) ||∂(U ;V )∂( X ;Y )|| ] x=φ1−1(u;v) y=φ2 −1 (u; v) Máximo Mínimo Distribuciones de extremos {X1; X 2;… ; Xk}∈I.I.D. X MAX=MAX (X1 ; X2;…; X k) FX MAX(x )=( F X (x))k f X MAX (x)=k⋅[ FX (x )]k−1⋅f X (x) {X1; X 2;… ; X k}∈I.I.D. Xmin=min( X1; X2;…; X k ) 1−FX min(x)=(1−F X(x ))k f X min(x)=k⋅[1−F X (x)]k−1⋅f X(x ) Apuntes de aula (no reemplaza la bibliografía correspondiente) Sergio QUINTEROS Reportar cualquier error a 6106tl@gmail.com
Compartir