Universidad de Chile. Facultad de Ciencias Fsicas y Matemticas Departamento de Ingeniera Matemtica.
Rodrigo Assar
M A34B 3
Andrs Iturriaga Vctor Riquelme
Distribucin Multinomial
Resumen
En el presente artculo se presenta una introduccin a la
distribucin multinomial.
Se trata la distribucin de un vector aleatorio de frecuencias, la relacion entre la dist. multinomial y la dist. binomial, esperanza, varianza y ejemplos.
1.
Introduccin
Considere una poblacin con artculos pertenecientes a
k categorias distintas. Supongase que
se extrae un artculo de dicha poblacin, y se quiere ver de que tipo es. Podemos modelar lo anterior por una variable aleatoria mos
X,
que indica a que categora pertenece el artculo. Llame-
y1 , . . . , y k
a las distintas categorias. Entonces X toma valores en el conjunto
{y1 , . . . , yk },
y de nimos las probabilidades
pi = P (X = yi ).
Es claro que
k i=1
pi = 1.
Supongase ahora que se toma una MAS de tamao
con reposicin (o si el tamao de la
poblacin es grande da lo mismo). De namos el vector aleatorio en cada componente distribucion de
N = (N1 , . . . , Nk ) que indica yi
en la MAS. Entonces la
isima
la frecuencia de ocurrencia del tipo
es una multinomial de parametros
p = (p1 , . . . , pk ):
P (N1 = n1 , . . . , Nk = nk ) = n n1 , . . . , n k n! n1 !n2 ! . . . nk !
n n1 , . . . , n k
p1 n1 . . . pk nk 1{Pk
i=1
ni =n}
(n1 , . . . , nk )
con
DE DONDE VIENE?
2.
De donde viene?
La deduccin tiene dos patas:
La parte de las probabilidades El coe ciente que acompaa, asociado a
(n1 , . . . , nk ),
que llamaremos
(n1 ,...,nk ) .
Primero, la parte de las probabilidades es relativamente facil. Es convencerse que la probabilidad de obtener una con guracin de objetos de tipo
n1
objetos de tipo
y1 , n2
objetos de tipo
y 2 ,. . . , n k
yk
(si no importara el orden en que salen con respecto al total) es
p1 n1 . . . pk nk .
La segunda parte tiene que ver con la cantidad de las con guraciones anteriores posibles. Para ello, de namos:
1 ={numero
de formas de elegir
n1
art. de tipo
y1
entre los
disponibles}
= 2 ={numero
de formas de elegir
n! (n n1 )!n1 ! y2
entre los
n2
art. de tipo
n n1
restantes disponibles}
(n n1 )! (n n1 n2 )!n2 !
. . .
k1 ={numero
de formas de elegir
nk1
art. de tipo
yk1
entre los
n n1 . . . nk2
restantes disponibles}
(n n1 . . . nk2 )! (n n1 . . . nk2 nk1 )!nk1 !
art. de tipo
k ={numero de formas de elegir nk
disponibles}
yk
entre los
nn1 . . .nk2 nk1 = nk
=1=
(n n1 . . . nk1 )! (n n1 . . . nk1 nk )!nk ! (n1 ,...,nk ) = 1 . . . k ,
y desarrollando un poco la
Es relativamente facil convencerse de que
expresion de la derecha se obtiene el coe ciente multinomial.
RELACIONES ENTRE MULTINOMIAL Y BINOMIAL
3.
Relaciones entre Multinomial y Binomial
Para el caso en que
k = 2,
uno se puede convencer que la distribucin multinomial coin-
cide con la binomial: interpretando que si no se est en la categora categora
y1 ,
se est fuera de la De igual forma,
y1 .
Como
p1 + p2 = 1, q p2 = 1 p1
donde
y de nimos
p = p1 .
n2 = n n1 .
ne que parmetros
Reemplazando en la distribucin multinomial los valores anteriores, se obtie-
P (N1 = n1 , N2 = n2 ) = P (N1 = n1 ), n
y
N1
se distribuye como una binomial de
p = p1 .
Para el caso en que se tienen
categoras nos interesar la distribucin marginal de
Ni .
Primero, si seguimos el razonamiento anterior, el hecho que no se seleccione un elemento de la categora
yi n
y
signi ca que se selecciona un elemento de el resto de categoras. Esto se hace
con probabilidad parmetros
1 pi ,
por lo que la distribucin marginal de
Ni
debiera ser una binomial de
pi .
Hacendo el clculo:
P (Ni = ni ) =
{n1 ,...,nk }\{ni } Pk n =n j=1 i
P (N1 = n1 , . . . , Ni = ni , . . . , Nk = nk ) n n1 , . . . , n k
=
{n1 ,...,nk }\{ni } P j=i nj =nni
p1 n1 . . . pi1 ni1 pi ni pi+1 ni+1 . . . pk nk
= pi ni
{n1 ,...,nk }\{ni } P j=i nj =nni
n! p1 n1 . . . pi1 ni1 pi+1 ni+1 . . . pk nk n1 ! . . . ni1 !ni !ni+1 ! . . . nk ! (n ni )! p1 n1 . . . pi1 ni1 pi+1 ni+1 . . . pk nk n1 ! . . . ni1 !ni+1 ! . . . nk !
de la frmula multinomial
n! pi ni (n ni )!ni !
{n1 ,...,nk }\{ni } P j=i nj =nni
n! pi ni (p1 + . . . + pi1 + pi1 + . . . + pk )nni (n ni )!ni ! n! = pi ni (1 pi )nni (n ni )!ni ! n = pi ni (1 pi )nni ni
Observacion: Como se dijo, la interpretacion es como si hubieran dos clases (categorias):
x1 = yi ,
x2 = x1
y
j=i
yj .
Entonces
(M1 , M2 ) = (Ni ,
j=i
Nj )
es un vector de frecuencias para
las categoras
x2 ,
y la distribucin del vector es Multinomial de parametros
q1 = p i ,
ESPERANZA, VARIANZA, COV ARIANZA
q2 =
j=i
pj .
La distribucin marginal de
M2
es una binomial de parmetros
q2 .
4.
Esperanza, Varianza, Covarianza
Como se dijo anteriormente, la distribucion de
Ni
es Binom(n, pi ). Por lo tanto, se tiene que
E(Ni ) = npi Var(Ni ) = npi (1 pi )
Como ya se vio,
Ni + Nj Binom(n, pi + pj ),
por lo que
Var(Ni + Nj ) = Var(Ni ) + Var(Nj ) + 2Cov(Ni , Nj ) n(pi + pj )(1 pi pj ) = npi (1 pi ) + npj (1 pj ) + 2Cov(Ni , Nj ) Cov(Ni , Nj ) = npi pj
5.
Ejemplo sencillo
Supongase que el 23 % de las personas que asisten a cierto partido de baseball viven a menos de 10 millas del estadio, el 59 % de ellas viven a entre 10 y 50 millas del estadio, y el 18 % vive a mas de 50 millas. Se seleccionan al azar 20 personas entre los asistentes al partido (que son miles). Calcular la probabilidad de que siete de los seleccionados vivan a menos de 10 millas, ocho vivan entre 10 y 50 millas, y cinco vivan a mas de 50 millas del estadio. Solucin Comenzamos por identi car todos los elementos del problema:
n = 20
(nmero de personas seleccionadas),
k=3
(cantidad de grupos de clasi cacin de las
personas);
y1 ={Personas que viven a menos de 10 millas del estadio}, y2 ={Personas que viven y3 ={Personas
que viven a ms de 50 millas del estadio};
a entre 10 y 50 millas del estadio},
p1 = 0,23, p2 = 0,59, p3 = 0,18
De niendo
(N1 , N2 , N3 )
el vector correspondiente a las frecuencias, se pide calcular
P (N1 = 7, N2 = 8, N3 = 5) =
20 0,237 0,598 0,185 7, 8, 5 20! = 0,237 0,598 0,185 7!8!5! = 0,0094
PROBLEMAS
6.
Problemas
6.1.
Problema 1
(a) Suponga que las variables aleatorias
(X1 , . . . , Xk ) son independientes y que Xi Poisson(i ) n N
la distribucin del vector aleatorio
i {1, . . . , k}. (X1 , . . . , Xk ) p = (p1 , . . . , pk ),
Demuestre que para todo
condicional a que con
k i=1
Xi = n
es una multinomial de parametros
pi =
i k j=1
(b) A una heladeria llegan clientes de tres tipos distintos: normal, golozo y premium, y el nmero de clientes de cada tipo (que llega en una hora) son Poisson con tasa
n =
100, g = 50
premium.
p = 20.
Si se sabe que el nmero total de clientes que lleg en una hora
es de 500 personas, calcular la probabilidad de que hayan llegado ms de 200 clientes
6.2.
Problema 2
Se lanzan cinco dados equilibrados. Cual es la probabilidad de que el nmero 1 y el nmero 4 aparezcan el mismo nmero de veces?
6.3.
Problema 3
(a) Supongase que el 16 % de los estudiantes de un colegio son alumnos de primero medio, el 14 % de segundo, el 38 % de tercero, y el 32 % de cuarto. Si se seleccionan al azar 15 estudiantes, cual es la probabilidad de que al menos 8 estudiantes sean de primero o segundo? (b) Sea
X3
el nmero de estudiantes de tercero y
X4
el nmero de estudiantes de cuarto.
Calcule el nmero esperado de alumnos de cada curso (en la muestra), y la esperanza y varianza de
X3 X4
REFERENCIAS
Referencias
[Degroot,1988] Degroot, M.; Probabilidad y Estadstica, Segunda Edicin ; Addison-Wesley Iberoamericana, S.A.; p.p. 283-286; 1988.