Independencia variables aleatorias
para todo
y
eventos. un vector aleatorio discreto con función de masa de probabilidad y funciones de masa marginales dadas, respectivamente, por y
TEOREMA 5.1 Sea
dada por
. Si las variables
y
son independientes, si y solo si se cumple que
paratodo i y j. Demostración. Prueba de la necesidad. Si las variables y son independientes, entonces
para todo i y j. Prueba de la suficiencia. Ahora bien, supóngase que la igualdad anterior se cumple. Luego, para todo y eventos, se tiene que
Sea un vector aleatorio continuo con función de densidad de probabilidad conjunta dada por y funciones de densidad de probabilidad marginales dadas,respectivamente, por y . Luego, las siguientes afirmaciones son equivalentes: (i) Las variables y son independientes.
TEOREMA 5.2
(ii) (iii)
, donde
La demostración del teorema 5.2 se omite. Al respecto, se dirá que del teorema se colige que las variables aleatorias continuas son y son independientes si y solamente si se cumple que
para todo
.
EJ EMPLO 1. Sean X y Y variablesaleatorias discretas con función de masa de probabilidad conjunta dada por
Para
se tiene que
Luego, es claro que X y Y no son variables aleatorias independientes, puesto que
EJ EMPLO 2. Sean X y Y variab les aleatorias continuas con función de densidad de probabilidad conjunta dada por
Las funciones de densidad marg inales de X y Y son, respectivamente,
Es evidente que
para todoEJ EMPLO 3. Sean X y Y variables aleatorias independientes, cada una de las cuales sigue una distribución uniforme en el intervalo co mprendido entre 0 y 2. La función de densidad conjunta de X y Y es
Luego,
TEOREMA 5.3 (i) Sea X =
un vector aleatorio discreto. Entonces
para todo i y j si y solamente si las variables (ii) Sea X =
y
son independientes.
un vector aleatoriocontinuo. Entonces
para todo
si y solamente si las variables
y
son independientes.
Demostración. Prueba de la necesidad. (i) De las definiciones de distribución condicional e independencia de variables aleatorias, para todo i y j, se tiene que
Con el razonamiento inverso, la prueba de la suficiencia parte del lado derecho de las igualdades anteriores para llegar a las expresiones enel lado izquierdo. La demostración del literal (ii) es análoga.
5.7 MEDIDAS DE ASOCIACIÓN Como ya se dijo, cuando las componentes de un vector aleatorio no son independientes, se dice que están asociadas. Se presentan a continuación dos medidas del grado de asociación entre variables aleatorias. 5.7.1 Covarianza. Sea X = variación conjunta de las variables un vector aleatorio. La covarianza esuna medida de la y y está dada por
PROPOSICIÓN 5.1 Las siguientes son propiedades de la covarianza:
(i) (ii) (iii) (iv) (v) (vi) Sea a una constante, entonces Sea a una constante, entonces Sean a y b constantes, entonces Sean a y b constantes, entonces Si , entonces
Demostración. Para cada enunciado aplicar la definición de covarianza y las propiedades del valor esperado y la varianza deuna variable aleatoria.
EJ EMPLO 4. Sean X y Y variables aleatorias continuas con función de densidad conjunta dada por
Se tiene que
Luego,
Sea X = independientes, entonces
TEOREMA 5 .4
un vector aleatorio. Si
y
son variables aleatorias
Demostración. Se analiza el caso en que y son variables aleatorias continuas, aunque el resultado también es válido cuando las variables...
Regístrate para leer el documento completo.