1era Parte: Proyecto Estadstica para Ingenieros

Considere la siguiente distribucin conjunta de tres variables:

Tabla.: 1.1
-1
-1
0
0

1
2
1
2

0
0
0
0

1/24
1/12
1/24
1/24

1/24

1/12

-1

1/36

-1

1/18

1/18

1/9

1/36

1/18

-1

1/18

-1

1/12

1/36

1/18

1/12

1/36

Consideramos un denominador comn 72, para lo cual modificamos la Tabla.: 1.1

obteniendo:
-1
-1
0
0
1
1
-1
-1
0
0
1
1
-1
-1
0
0
1
1

1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2

0
0
0
0
0
0
1
1
1
1
1
1
2
2
2
2
2
2

3/72
6/72
3/72
3/72
3/72
6/72
2/72
4/72
4/72
8/72
2/72
4/72
4/72
6/72
2/72
4/72
6/72
2/72

Distribuciones Marginales de los valores de X

x
-1
-1
-1
-1
-1
-1
fx(-1)=25/72

x
0
0
0
0
0
0
fx(0)=24/72

x
1
1
1
1
1
1
fx(1)=23/72

P(X=x,Y=y,
Z=z)

1
2
1
2
1
2

0
0
1
1
2
2

3
6
2
4
4
6

P(X=x,Y=y,
Z=z)

1
2
1
2
1
2

0
0
1
1
2
2

3
3
4
8
2
4

P(X=x,Y=y,
Z=z)

1
2
1
2
1
2

0
0
1
1
2
2

3
6
2
4
6
2

72
72
72
72
72
72

72
72
72
72
72
72

72
72
72
72
72
72

Distribuciones Marginales de los valores de Y

P(X=x,Y=y,
Z=z)

-1
0
1
-1
0
1
-1

1
1
1
1
1
1
1

0
0
0
1
1
1
2

3
3
3
2
4
2
4

72
72
72
72
72
72
72

0
1
fy(1)=29/72

x
-1
0
1
-1
0
1
-1
0
1
fy(2)=43/72

1
1

2
2

2
6

P(X=x,Y=y,
Z=z)

2
2
2
2
2
2
2
2
2

0
0
0
1
1
1
2
2
2

6
3
6
4
8
4
6
4
2

72
72

72
72
72
72
72
72
72
72
72

Distribuciones Marginales de los valores de Z

x
-1
-1
0
0
1
1
fz(0)=24/72

x
-1
-1
0
0
1
1
fz(1)=24/72

P(X=x,Y=y,
Z=z)

1
2
1
2
1
2

0
0
0
0
0
0

3
6
3
3
3
6

P(X=x,Y=y,
Z=z)

1
2
1
2
1
2

1
1
1
1
1
1

2
4
4
8
2
4

72
72
72
72
72
72

72
72
72
72
72
72

P(X=x,Y=y,
Z=z)

-1
-1

1
2

2
2

4
6

72
72

0
0
1
1
fz(2)=24/72

1
2
1
2

2
2
2
2

2
4
6
2

72
72
72
72

Distribucione
s Marginales

E[X2] =
E[Y2] =
E[Z2] =

fx(-1)
fx(0)
fx(1)

25/72
24/72
23/72

fy(1)
fy(2)

29/72
43/72

fz(0)
fz(1)
fz(2)

24/72
24/72
24/72

x 2 fx (x) = (-1)2(25/72) + (0)2(24/72) + (1)2(23/72) = 48/72

y 2 fx (x) = (1)2(29/72) + (2)2(43/72) = 201/72

z 2 fx (x) = (0)2(24/72) + (1)2(24/72) + (2)2(24/72) = 120/72

todas x

todas x

todas x

Media de X: E[X]= x =

x fx (x)

todas x

y = (-1)(25/72) + (0)(24/72)+(1)(23/72) = -2/72

Varianza de

2x = E2) ( (Xx)2 y 2y = (YE2) - ( y)2

X:

2 x = (48/72) (-2/72)2 = (48/72) (4/5184) = 1511/1296

Media de Y: E[y]= y =

todas y

y fy (y)

y = (1)(29/72) + (2)(43/72) = 115/72

2
2
2
Varianza de Y: y = E (Y ) ( y )

2 y = (201/72) (115/72)2 = (201/72) (13225/5184) = 1247/5184

Media de Z: E[z]= z =

z fz (z)

todas z

z = (0)(24/72) + (1)(24/72) + (2)(24/72) = 72/72

2
2
2
Varianza de Y: z = E ( Z ) ( z )

2 z = (120/72) (72/72)2 = (120/72) (1) = 48/72

Funciones de Distribuciones Acumuladas para cada variable

25
, x = 1
72
49
F(X ) =
,x = 0
72
72
, x =1
72

29
, y =1
72
F (Y ) =
72
,y=2
72

24
,z =0
72
48
F (Z ) =
, z =1
72
72
,z =2
72

2.- Encuentre las distribuciones conjuntas bivariadas de y , de y , de y .

En cada caso, determine si las variables son independientes. Determine la matriz
de varianzas y covarianzas.

Distribucin
Conjunta XY

x
-1

0
1
2

P(X=x,Y=y,
Z=z)
3
2
4

72
72
72

fx(-1,1)
9

72
fx(-1,2)

-1

0
1
2

6
4
6

72
72
72

16

72
fx(0,1)

72

1
2

4
2

72
72

72
fx(0,2)

0
1
2

3
8
4

72
72
72

15

72
fx(1,1)

72

72

72

11

72
fx(1,2)

0
1
2

6
4
2

72
72
72

12

72

72 , ( x, y ) = (1,1), (0,1)

16 , ( x, y ) = (1, 2)
72

15

f ( X ,Y ) =
, ( x, y ) = (0, 2)
72

11
, ( x, y ) = (1,1)

72

12 , ( x, y ) = (1, 2)
72

Distribucin Conjunta XZ

-1

1
2

3
6

72
72

1
2

2
4

72
72

-1

P(X=x,Y=y, Z=z)

fxz(-1,0)
9

72
fxz(-1,1)
72
fxz(-1,2)

-1

1
2

4
6

72
72

10

72
fxz(0,0)

1
2

3
3

72
72

72
fxz(0,1)

1
2

4
8

72
72

12

72
fxz(0,2)

1
2

2
4

72
72

72
fxz(1,0)

1
2

3
6

72
72

1
2

2
4

72
72

72
fxz(1,1)

72
fxz(1,2)

1
2

6
2

72
72

72

, ( x, z ) = (1, 0), (1, 0)

72

6 , ( x, z ) = (1,1);(0, 0);(0, 2);(1,1)

72

10

f (X , Z) =
, ( x, z ) = ( 1, 2)

72

12
, ( x, z ) = (0,1)

72

, ( x, z ) = (1, 2)

72
Distribucin
Conjunta YZ

y
1

-1
0
1

P(X=x,Y=y,
Z=z)
3
3
3

fyz(1,0)

72
72
72

72

fyz(1,1)
1

-1
0
1

2
4
2

72
72
72

72
fyz(1,2)

-1

72

0
1

2
6

72
72

12

72
fyz(2,0)

-1
0
1

6
3
6

72
72
72

15

72
fyz(2,1)

-1

72

72

72

16

72
fyz(2,2)

-1
0
1

6
4
2

72
72
72

12

72

72 , ( y, z ) = (1, 0)

, ( y, z ) = (1,1)
72

12

f (Y , Z ) = , ( y, z ) = (1, 2);(2, 2)
72

15

72 , ( y, z ) = (2, 0)

16 , ( y, z ) = (2,1)
72

xy = cov( X , Y ) = [ XY ] x y
= (-1)(1)(9/72) + (-1)(2)(16/72) + (0)(1)(9/72) + (0)(2)(15/72) + (1)(1)(11/72) +
(1)(2)(12/72)
=-6/72 = -0.08333

xz = cov( X , Z ) = [ XZ ] x z
= (-1)(0)(9/72) + (-1)(1)(6/72) + (-1)(2)(10/72) + (0)(0)(6/72) + (0)(1)(12/72) +
(0)(2)(6/72) +
(1)(0)(9/72) + (1)(1)(6/72) + (1)(2)(8/72)
= -4/72 = -0.0555

yz = cov(Y , Z ) = [YZ ] y z
= (1)(0)(9/72) + (1)(1)(8/72) + (1)(2)(12/72) + (2)(0)(15/72) + (2)(1)(16/72) +
(2)(2)(12/72)
= 112/72 = 1.5555

Independencia de X e Y:

f(x,y) = fx(x) fy(y)

f(0,1) = fx(0) fy(1)

9/72 = (24/72)(29/72)
9/72 696/5184 (X e Y son DEPENDIENTES)

Independencia de X e Z:

f(x,z) = fx(x) fz(z)

f(-1,0) = fx(-1) fz(0)

9/72 = (25/72)(24/72)
9/72 600/5184 (X y Z son DEPENDIENTES)

Independencia de Y e Z:

f(y,z) = fy(y) fz(z)

f(1,0) = fy(1) fz(0)

9/72 = (29/72)(24/72)
9/72 696/5184 (Y y Z son DEPENDIENTES)

MATRIZ DE VARIANZAS Y COVARIANZAS

x 2 xy

= yx y 2
zx zy

xyz

6
4
1511
1296
72
72
xz

6 1247 112
yz =
72
5184 72
z 2

112
48
4
72
72
72

3.- Determine la distribucin bivariada condicional de

valor de , determine si

son independientes dado

independientes dado ), y encuentre la covarianza entre

f x| z =
X

f xz ( xz ) condicional dado )
fz (z)

-1
0

3/8
1/4

f(x|z),
z=1
1/4
1/2

3/8

1/4

1/3

f(x|z)

f y| z =

f(x|z), z=0

f yz ( yz )
f z ( z)

f(x|z),
z=2
5/12
1/4

dado . Para cada

(condicionalmente
y

dado

Marginal
25/24
1

fx|z (-1)
fx|z (0)

23/24

fx|z (1)

(covarianza

f(y|z), z=0

1
2
f(y|z)

3/8
5/8
1

E[x|z]= x| z =

f(y|z),
z=2
1/2
1/2
1

Marginal
29/24
43/24

fy|z(1)
fy|z (2)

x f x| z (x) = (-1)(25/24) + (0)(1) + (1)(23/24) = -2/24

y f y| z (y) = (1)(29/24) + (2)(43/24) = 115/24

todas x

E[y|z]= y| z =

f(y|z),
z=1
1/3
2/3
1

todas y

x| z = cov( X , X | Z ) = [ X , X | Z ] x x|z =

x 2 fx|z (x)

todas x

= (-1)2(25/24) + (0) 2 (1) + (1) 2 (23/24)

= 48/24 = 2

y|z = cov(Y , Y | Z ) = [Y , Y | Z ] y y|z =

y 2 fy|z (y)

todas y

= (1) 2 (29/24) + (2) 2 (43/24)

= 201/24

Independencia de X dado Z :

f(x,x|z) = fx(x) fx|z(x)

f(0,0) = fx(0) fx|z (0)

24/72 + 1 = (24/72)(1)
48/72 24/72 (X dado Z es DEPENDIENTE)

Independencia de X dado Z :

f(y,y|z) = fy(y) fy|z(y)

f(1,1) = fy(1) fy|z (1)

29/72 +29/24 = (24/72)(29/24)
116/72 696/1728 (Y dado Z es DEPENDIENTE)

4.- Considere sus respuestas a las preguntas 2 y 3. En los casos donde le haya
salido que las variables son independientes, verifique si la covarianza le sali 0. En
los casos donde la covarianza sali 0, verifique si son independientes. Qu nos
ensea esto sobre la relacin entre la independencia y la covarianza?

* X,Y e Z son todas de relacion DEPENDIENTES respectivamente; para el par X,Y

su covarianza fue negativa (-4/72), para el par X,Z su covarianza fue negativa (6/72) y finalmente para el par Y,Z su covarianza fue positiva (112/72).

* Las covarianzas entre X,Y; X,Z; Y,Z son todas diferentes de cero ( xy xz
yz 0), para los pares X,Y; X,Z; Y,Z su relacin mutua es de
DEPENDENCIA respectivamente.

En estos ejemplo no se encontr dependencia y covarianza cero, pero en el

hipottico caso q dos variables hayan sido INDEPENDIENTES cumplan que su
covarianza es igual a cero; esta definicin no se cumple en el caso inverso.

5.- Considere sus respuestas a las preguntas 2 y 3. Es posible que aunque y

no sean independientes, s sean condicionalmente independientes dado el valor
de ?

No es posible y este ejemplo es una aplicacin ms del teorema de bayes; si fuera

posible entonces no habra interseccin entre X e Y con el evento Z.