- Contenido
- Distribución condicional
- Distribución condicional discreta
- Ejemplo de distribución condicional discreta
- Distribución condicional continua
- Ejemplo de distribución condicional continua
- Distribución condicional de distribución normal bivariada
- Distribución de probabilidad conjunta de la función de variables aleatorias
- Ejemplos de distribución de probabilidad conjunta de función de variables aleatorias
Distribución condicional
Es muy interesante discutir el caso de distribución condicional cuando dos variables aleatorias siguen la distribución satisfaciendo una dada a otra, primero vemos brevemente la distribución condicional tanto en el caso de variables aleatorias, discretas como continuas, luego después de estudiar algunos prerrequisitos nos enfocamos en expectativas condicionales.
Distribución condicional discreta
Con la ayuda de la función de masa de probabilidad conjunta en la distribución conjunta, definimos la distribución condicional para las variables aleatorias discretas X e Y utilizando la probabilidad condicional para X dada Y como la distribución con la función de masa de probabilidad
siempre que la probabilidad del denominador sea mayor que cero, de manera similar, podemos escribir esto como
en la probabilidad conjunta si X e Y son variables aleatorias independientes, esto se convertirá en
por lo que la distribución condicional discreta o distribución condicional para las variables aleatorias discretas X dado Y es la variable aleatoria con la función de masa de probabilidad anterior de manera similar para Y dado X que podemos definir.
Ejemplo de distribución condicional discreta
- Encuentra los función de masa de probabilidad de variable aleatoria X dado Y=1, si la función de masa de probabilidad conjunta para las variables aleatorias X e Y tiene algunos valores como
p (0,0) = 0.4, p (0,1) = 0.2, p (1,0) = 0.1, p (1,1) = 0.3
Ahora, en primer lugar, para el valor Y = 1 tenemos
así que usando la definición de función de masa de probabilidad
tenemos
y
- obtener la distribución condicional de X dado X + Y = n, donde X e Y son distribuciones de Poisson con los parámetros λ1 y λ2 y X e Y son variables aleatorias independientes
Dado que las variables aleatorias X e Y son independientes, la distribución condicional tendrá una función de masa de probabilidad como
dado que la suma de la variable aleatoria de Poisson es nuevamente Poisson, por lo que
por lo tanto, la distribución condicional con la función de masa de probabilidad anterior será una distribución condicional para tales distribuciones de Poisson. El caso anterior se puede generalizar para más de dos variables aleatorias.
Distribución condicional continua
La distribución condicional continua de la variable aleatoria X dado y ya definido es la distribución continua con la función de densidad de probabilidad
La densidad del denominador es mayor que cero, que para la función de densidad continua es
por tanto, la probabilidad de tal función de densidad condicional es
De manera similar a discreto, si X e Y son independientes en continuo, entonces también
y por lo tanto
para que podamos escribirlo como
Ejemplo de distribución condicional continua
- Calcule la función de densidad condicional de la variable aleatoria X dada Y si la función de densidad de probabilidad conjunta con el intervalo abierto (0,1) está dada por
Si para la variable aleatoria X dada Y dentro de (0,1), entonces al usar la función de densidad anterior tenemos
- Calcular la probabilidad condicional
si la función de densidad de probabilidad conjunta está dada por
Para encontrar la probabilidad condicional primero, requerimos la función de densidad condicional, por lo que según la definición sería
ahora usando esta función de densidad en la probabilidad de que la probabilidad condicional is
Distribución condicional de distribución normal bivariada
Sabemos que la distribución normal bivariada de las variables aleatorias normales X e Y con las respectivas medias y varianzas como parámetros tiene la función de densidad de probabilidad conjunta
así que para encontrar la distribución condicional para tal distribución normal bivariada para X dado Y se define siguiendo la función de densidad condicional de la variable aleatoria continua y la función de densidad conjunta anterior tenemos
Al observar esto, podemos decir que se distribuye normalmente con la media
y varianza
De manera similar, la función de densidad condicional para Y dado X ya definido será simplemente intercambiando las posiciones de los parámetros de X con Y,
La función de densidad marginal para X la podemos obtener de la función de densidad condicional anterior usando el valor de la constante
sustituyamos en la integral
la función de densidad será ahora
ya que el valor total de
por la definición de la probabilidad, por lo que la función de densidad será ahora
que no es más que la función de densidad de la variable aleatoria X con la media y la varianza habituales como parámetros.
Distribución de probabilidad conjunta de la función de variables aleatorias
Hasta ahora conocemos la distribución de probabilidad conjunta de dos variables aleatorias, ahora si tenemos funciones de tales variables aleatorias, ¿cuál sería la distribución de probabilidad conjunta de esas funciones, cómo calcular la función de densidad y distribución porque tenemos situaciones de la vida real en las que tienen funciones de las variables aleatorias,
Si y1 y Y2 son las funciones de las variables aleatorias X1 y X2 respectivamente que son conjuntamente continuas, entonces la función de densidad continua conjunta de estas dos funciones será
donde Jacobiano
y Y1 =g1 (X1, X2) y Y2 =g2 (X1, X2) para algunas funciones g1 y g2 . Aquí g1 y g2 satisface las condiciones del jacobiano como continuo y tiene derivadas parciales continuas.
Ahora la probabilidad de tales funciones de variables aleatorias será
Ejemplos de distribución de probabilidad conjunta de función de variables aleatorias
- Encuentre la función de densidad conjunta de las variables aleatorias Y1 =X1 +X2 y Y2=X1 -X2 , donde X1 y X2 son la función de densidad de probabilidad conjunta continua con conjunta. también discutir la diferente naturaleza de la distribución.
Aquí primero comprobaremos el jacobiano.
desde g1(x1, X2) = x1 +x2 y g2(x1, X2) = x1 - X2 so
simplificando Y1 =X1 +X2 y Y2=X1 -X2 , por el valor de X1 = 1/2 (Y1 +Y2 ) y X2 = Y1 -Y2 ,
si estas variables aleatorias son variables aleatorias uniformes independientes
o si estas variables aleatorias son variables aleatorias exponenciales independientes con parámetros habituales
o si estas variables aleatorias son variables aleatorias normales independientes, entonces
- Si X e Y son las variables normales estándar independientes como se indica
calcular la distribución conjunta para las respectivas coordenadas polares.
Convertiremos por conversión habitual X e Y en r y θ como
por lo que las derivadas parciales de estas funciones serán
por lo que el jacobiano que usa estas funciones es
si ambas variables aleatorias X e Y son mayores que cero, entonces la función de densidad conjunta condicional es
ahora la conversión de la coordenada cartesiana a la coordenada polar usando
entonces la densidad de probabilidad función para los valores positivos será
para los diferentes combinaciones de X e Y las funciones de densidad de manera similar son
ahora, a partir del promedio de las densidades anteriores, podemos establecer la función de densidad como
y la función de densidad marginal de esta densidad conjunta de coordenadas polares en el intervalo (0, 2π)
- Encuentre la función de densidad conjunta para la función de variables aleatorias
U = X + Y y V = X / (X + Y)
donde X e Y son los distribución gamma con parámetros (α + λ) y (β + λ) respectivamente.
Usando la definición de distribución gamma y función de distribución conjunta, la función de densidad para la variable aleatoria X e Y será
considerar las funciones dadas como
g1 (x, y) = x + y, g2 (x, y) = x / (x + y),
por lo que la diferenciación de estas funciones es
ahora el jacobiano es
después de simplificar las ecuaciones dadas las variables x = uv y y = u (1-v) la función de densidad de probabilidad es
podemos usar la relación
- Calcule la función de densidad de probabilidad conjunta para
Y1 =X1 +X2+ X3 , Y2 =X1- X2 , Y3 =X1 - X3
donde las variables aleatorias X1, X2, X3 son el estándar variables aleatorias normales.
Ahora calculemos el jacobiano usando derivadas parciales de
Y1 =X1 +X2+ X3 , Y2 =X1- X2 , Y3 =X1 - X3
as
simplificando para las variables X1 , X2 y X3
X1 = (Y1 +Y2 +Y3) / 3, X2 = (Y1 - 2 años2 +Y3) / 3, X3 = (Y1 +Y2 -2 años3) / 3
podemos generalizar la función de densidad conjunta como
entonces tenemos
para la variable normal, la función de densidad de probabilidad conjunta es
por lo tanto
donde está el índice
calcular la función de densidad conjunta de Y1 …… Yn y función de densidad marginal para Yn donde
y Xi son variables aleatorias exponenciales independientes distribuidas de forma idéntica con el parámetro λ.
para las variables aleatorias de la forma
Y1 =X1 , Y2 =X1 + X2 , ……, Yn =X1 + …… + Xn
el jacobiano será de la forma
y por lo tanto su valor es uno, y la función de densidad conjunta para la variable aleatoria exponencial
y los valores de la variable Xi será
por lo que la función de densidad conjunta es
Ahora para encontrar la función de densidad marginal de Yn integraremos uno a uno como
y
igualmente
si continuamos con este proceso obtendremos
que es la función de densidad marginal.
Conclusión:
La distribución condicional para la variable aleatoria discreta y continua con diferentes ejemplos considerando algunos de los tipos de estas variables aleatorias discutidas, donde la variable aleatoria independiente juega un papel importante. Además la articulación distribución para la función de variables aleatorias continuas conjuntas También se explica con ejemplos adecuados, si necesita más información, consulte los enlaces a continuación.
Para obtener más publicaciones sobre matemáticas, consulte nuestro Página de matemáticas
Wikipedia https://en.wikipedia.org/wiki/joint_probability_distribution/” target=”_blank” rel=”noreferrer noopener” class=”rank-math-link”>Wikipedia.org
Un primer curso de probabilidad de Sheldon Ross
Esquemas de probabilidad y estadística de Schaum
Una introducción a la probabilidad y la estadística por ROHATGI y SALEH
Soy DR. Mohammed Mazhar Ul Haque. He completado mi doctorado. en Matemáticas y trabajando como profesor asistente en Matemáticas. Contando con 12 años de experiencia en la docencia. Teniendo amplios conocimientos en Matemática Pura, precisamente en Álgebra. Tener la inmensa capacidad de diseño y resolución de problemas. Capaz de motivar a los candidatos para mejorar su desempeño.
Me encanta contribuir a Lambdageeks para hacer que las matemáticas sean simples, interesantes y autoexplicativas tanto para principiantes como para expertos.
Hola compañero lector,
Somos un equipo pequeño en Techiescience y trabajamos duro entre los grandes jugadores. Si te gusta lo que ves, comparte nuestro contenido en las redes sociales. Su apoyo hace una gran diferencia. ¡Gracias!