Documente Academic
Documente Profesional
Documente Cultură
<
<
< <
<
<
=
1 y 1 si , 1
1 0 y 1 si , 5 . 0
1 y 1 0 si , 5 . 0
1 0 y 1 0 si , 25 . 0
0 si , 0
0 si , 0
) , (
y x
y x
y x
y x
y
x
y x F
XY
8.3.2) Propiedades.
El anlisis del Ejemplo 8.3 muestra una metodologa general que tiene base en un
conjunto de propiedades generales de la funcin de distribucin acumulativa
conjunta que ayudaran al analista a deducir esta funcin. Estas propiedades son las
siguientes:
Propiedad 8.3.2.1: La Funcin de Distribucin Acumulativa de Probabilidades
Conjunta evaluada en (-) en al menos una de las dimensiones, vale cero.
A partir de la Ecuacin 8.2 se puede escribir
( ) { } ( ) ( )
( ) { } ( ) ( )
( ) { } ( ) ( ) 0 } { } { , ) , (
0 } { } { , ) , (
0 } { } { , ) , (
= = = =
= = = =
= = = =
P Y X P TC P F
P y Y X P y TC P y F
P Y x X P x TC P x F
XY
XY
XY
=
casos otros en , 0
0 , 0 si , 1 1
) , (
y x e e
y x F
y x
XY
. Calcular las
funciones de distribucin marginal, la probabilidad del evento TC(1,1) y la
probabilidad del evento {0 < X 1}.
Para calcular las funciones de distribucin marginal de X y de Y se utiliza la
Propiedad 8.3.2.3
<
= =
<
= =
0 , 1
0 , 0
) , ( ) (
0 , 1
0 , 0
) , ( ) (
x e
x
x F x F
y e
y
y F y F
x
XY X
y
XY Y
Para calcular P{TC(1,1)} se utiliza la Ecuacin 8.2
( ) { } ( )( ) ( )
( )
2
2
2
1 1 1
1
1 1 1 ) 1 , 1 ( 1 , 1
e
e
e e e F TC P
XY
= = = =
Para calcular P{0 < X 1} se pueden seguir uno de dos caminos. El primero de
ellos es a partir de conocer la funcin de distribucin marginal de X, es decir
{ } ( ) ( )
1 0 1
1 1 1 ) 0 ( ) 1 ( 1 0
= = = < e e e F F X P
X X
El segundo camino es a partir de expresar el evento de inters en trminos de
eventos del tipo TC como lo indica la Propiedad 8.3.2.5, es decir
{ } ( )( )
1 1
1 1 1 ) , 1 ( )} , 1 ( { 1 0
= = = = < e e e F TC P X P
XY
<
<
< <
< <
=
1 , 1 si , 1
1 0 , 1 si ,
1 , 1 0 si ,
1 0 , 1 0 si ,
ambas 0 0 si , 0
) , (
y x
y x y
y x x
y x xy
y x
y x F
XY
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-11 12/05/04
Calcular las funciones de distribucin marginal y la probabilidad del evento
TC(0.5,0.5).
Para calcular las funciones de distribucin marginal de X y de Y se utiliza la
Propiedad 8.3.2.3
<
<
= =
<
<
= =
1 x , 1
1 0 ,
0 , 0
) , ( ) (
1 y , 1
1 0 ,
0 , 0
) , ( ) (
x x
x
x F x F
y y
y
y F y F
XY X
XY Y
Para calcular P{TC(0.5,0.5)} se utiliza la Ecuacin 8.2
( ) { } 25 . 0 5 . 0 5 . 0 ) 5 . 0 , 5 . 0 ( 5 . 0 , 5 . 0 = = = x
XY
F TC P
= (ec. 8.3)
En este punto es conveniente realizar un anlisis de la Ecuacin 8.3 en referencia a
la naturaleza de las variables aleatorias X e Y. En el caso en el cual ambas variables
son continuas (CC) las dos derivadas parciales en la Ecuacin 8.3 se pueden tomar
sin inconvenientes. Para el caso en el cual una de las variables es continua y la otra
es discreta (CD) se debe tomar en cuenta la definicin de la funcin impulso para la
derivada parcial respecto a la variable discreta, como se utiliz en el Ejemplo 3.13
del Captulo 3. Pero, en el caso de que ambas variables sean discretas (DD) se debe
recurrir a la definicin de la funcin impulso bidimensional o delta de Kronecker.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-13 12/05/04
Definicin 8.9: La Funcin Impulso Bidimensional o Delta de Kronecker es
una funcin que se define, en el sentido generalizado, mediante la propiedad integral
y la derivada dadas en la Ecuacin 8.4.
( ) ) , ( ) , (
casos otros en , 0
y si ), , (
) , ( ) , (
2
y
2 1 2 1
x
x
2
1
2
1
b y a x EUB
y x
b y a x
y b y x a x b a g
dxdy b y a x y x g
y
< >
=
casos otros en , 0
y si , 1
) , (
b y a x
b y a x EUB (ec. 8.5)
Es interesante notar que para una funcin g(x, y) = 1 se obtiene que el volumen total
bajo la funcin impulso bidimensional es uno. La funcin impulso bidimensional se
representa en la Figura 8.3 y su magnitud igual a uno es para indicar que se est
hablando de un volumen puntual unitario.
La grfica de la funcin de distribucin conjunta correspondiente a una variable
bidimensional (DD) se puede expresar en trminos de funciones escaln unitario
bidimensional por lo que su derivada respecto a ambas variables ser una funcin
que contiene funciones impulso bidimensional.
(x a, y b)
Y
1
b
a X
Figura 8.3:Representacin Grfica de la Funcin Impulso Bidimensional.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-14 12/05/04
Ejemplo 8.6: Considere dos variables aleatorias cuya funcin de distribucin
conjunta viene dada por la expresin
<
<
< <
< <
=
1 , 1 si , 1
1 0 , 1 si ,
1 , 1 0 si ,
1 0 , 1 0 si ,
ambas 0 0 si , 0
) , (
y x
y x y
y x x
y x xy
y x
y x F
XY
Calcular la funcin de densidad conjunta.
Para calcular la funcin de densidad conjunta se utiliza la Ecuacin 8.3.
( )
=
casos otros en , 0
1 0 , 1 0 si , 1
) , ( ) , (
2
y x
y x F
y x
y x f
XY XY
=
casos otros en , 0
0 , 0 si , 1 1
) , (
y x e e
y x F
y x
XY
Calcular la funcin de densidad conjunta.
Para calcular la funcin de densidad conjunta se utiliza la Ecuacin 8.3.
( )
=
+
casos otros en , 0
0 , 0 si ,
) , ( ) , (
) ( 2
y x e
y x F
y x
y x f
y x
XY XY
Ejemplo 8.8: Considere las dos variables aleatorias del Ejemplo 8.3 cuya funcin
de distribucin conjunta resulto ser
<
<
< <
<
<
=
1 y 1 si , 1
1 0 y 1 si , 5 . 0
1 y 1 0 si , 5 . 0
1 0 y 1 0 si , 25 . 0
0 si , 0
0 si , 0
) , (
y x
y x
y x
y x
y
x
y x F
XY
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-15 12/05/04
Calcular la funcin de densidad conjunta.
En este caso ambas variables son discretas por lo que la funcin de densidad
conjunta est formada por funciones impulso bidimensional. Para calcular la
funcin de densidad conjunta igualmente se utiliza la Ecuacin 8.3, resultando
( ) ) 1 , 1 ( ) 1 , ( ) , 1 ( ) , ( 25 . 0 ) , ( + + + = y x y x y x y x y x f
XY
La Figura 8.4 muestra la funcin de densidad conjunta para este ejemplo. Otra
manera de representar esta funcin es mediante una vista desde una posicin
superior como se muestra en la Figura 8.5.
f
XY
(x,y)
Y
0.25
1
1 X
Figura 8.4:Funcin de Densidad Conjunta del Ejemplo 8.8.
Y
El smbolo representa
una altura de 0.25
(0,1) (1,1)
(0,0) (1,0) X
Figura 8.5:Otra Forma de Representar la Funcin de
Densidad Conjunta del Ejemplo 8.8.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-16 12/05/04
La representacin de la funcin de densidad conjunta del Ejemplo 8.8 mediante la
Figura 8.5 siguiere otra manera de analizar la funcin de densidad conjunta para
variables aleatorias tipo DD. Esa forma se resume en la definicin siguiente.
Definicin 8.9: La Funcin de Probabilidad Conjunta de una variable aleatoria
en dos dimensiones del tipo DD se define como la probabilidad de que la variable
bidimensional tome cada uno de sus pares de valores.
= =
=
caso otro cualquier en , 0
6 ,..., 2 , 1 y 6 ,..., 2 , 1 para ,
36
1
) , (
j i
j i p
XY
La Figura 8.6 muestra la funcin de probabilidad conjunta para este ejemplo.
= =
=
y
j
x
i
XY XY
j i p y x F ) , ( ) , ( (ec. 8.7)
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-18 12/05/04
8.4.2) Propiedades.
Al igual que para una variable aleatoria, las propiedades de la funcin de densidad
de probabilidades conjunta son una consecuencia de las propiedades de la funcin
de distribucin conjunta.
Estas propiedades son las siguientes:
Propiedad 8.4.2.1: La Funcin de Densidad de Probabilidades Conjunta es una
funcin no negativa. Es decir, f
XY
(x, y) 0.
En vista de que la funcin de distribucin conjunta es no decreciente en ambos ejes
de coordenadas (Propiedad 8.3.2.6) su derivada total no admite signos negativos.
=
y x
XY XY
XY
XY XY
y x
XY
y x
XY
dy dx y x f y x F
F
F y x F dy dx y x F
y x
dy dx y x f
' ' ) ' , ' ( ) , (
tanto lo por , 0 ) , ( que tiene se 8.3.2.1 Propiedad la por
) , ( ) , ( ' ' ) ' , ' (
' '
' ' ) ' , ' (
2
=
=
dxdy y x f
dy dx y x f y x F
XY
XY
y
x
XY
= = = =
=
= = = =
=
dx y x f dy dx y x f
dy
d
y F
dy
d
y F
dy
d
y f
y F y F
dy y x f dy dx y x f
dx
d
x F
dx
d
x F
dx
d
x f
x F x F
XY
y
XY XY Y Y
XY Y
XY
x
XY XY X X
XY X
) , ( ' ' ) ' , ' ( ) , ( ) ( ) (
escribir puede se ), , ( ) ( de partir a manera, igual de
) , ( ' ' ) ' , ' ( ) , ( ) ( ) (
luego
) , ( ) (
=
A
XY
dxdy y x f A y x P ) , ( } ) , {(
La regin A se podr expresar, en cada caso, como los lmites de integracin
respecto a cada una de las variables. La Figura 8.7 muestra una regin A genrica
para el clculo del volumen bajo la funcin de densidad conjunta.
Y
(x, y) A
X
Figura 8.7: Regin Genrica A para el Clculo de la Probabilidad
de un Evento en el Espacio Bidimensional.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-20 12/05/04
Propiedad 8.4.2.6: La suma total de los valores de la funcin de probabilidad
conjunta es uno.
En vista de la Propiedad 8.3.2.1 y de la Ecuacin 8.7 se tiene que
1 ) , (
luego
) , ( 1 ) , (
=
= =
=
=
=
i j
XY
i j
XY
y
x
XY
j i p
j i p y x F
=
=
=
=
] [
] [
) ( ) (
) ( ) (
y
j
Y Y
x
i
X X
j p y F
i p x F
A partir de la Propiedad 8.3.2.3 y la Ecuacin 8.7 se puede escribir
( )
( )
= = =
= = =
=
= = |
.
|
\
|
= =
= =
|
|
.
|
\
|
= =
i
XY Y
y
j
Y
y
j i
XY XY Y
j
XY X
x
i
X
x
i j
XY XY X
j i p j p j p j i p y F y F
j i p i p i p j i p x F x F
) , ( ) ( ) ( ) , ( ) , ( ) (
) , ( ) ( ) ( ) , ( ) , ( ) (
] [ ] [
] [ ] [
= =
=
caso otro cualquier en , 0
6 ,..., 2 , 1 y 6 ,..., 2 , 1 para ,
36
1
) , (
j i
j i p
XY
Calcule las funciones de probabilidad marginal de cada variable.
Aplicando la Propiedad 8.4.2.7 se tiene que
6 ,..., 2 , 1 ,
6
1
36
1
) , ( ) , ( ) (
6 ,..., 2 , 1 ,
6
1
36
1
) , ( ) , ( ) (
6
1
6
1
6
1
6
1
= = |
.
|
\
|
= = =
= = |
.
|
\
|
= = =
= =
=
= =
=
j j i p j i p j p
i j i p j i p i p
i i
XY
i
XY Y
j j
XY
j
XY X
Ambas variables se corresponden con el modelo uniforme discreto para n=6.
=
+
casos otros en , 0
0 , 0 si ,
) , (
) (
y x e
y x f
y x
XY
Calcule las funciones de densidad marginal de cada variable.
Aplicando la Propiedad 8.4.2.4 se tiene que
) (
0 si ,
0 si , 0
0 si ,
0 si , 0
) , ( ) (
manera, igual de
) (
0 si ,
0 si , 0
0 si ,
0 si , 0
) , ( ) (
0 0
) (
0 0
) (
y u e
y dx e e
y
y dx e
y
dx y x f y f
x u e
x dy e e
x
x dy e
x
dy y x f x f
y
x y y x XY Y
x
y x y x XY X
<
=
<
= =
=
<
=
<
= =
=
XY
XY
XY
D (x,y)
D (x,y) C
y x f
si , 0
si ,
) , (
Calcule el valor de C para cada uno de los tres dominios D
XY
(D
1
, D
2
, D
3
) dados en
la Figura 8.8.
Para conocer el valor de la constante C se aplica la Propiedad 8.4.2.3 que indica que
el volumen total bajo la funcin de densidad conjunta debe ser uno. Para calcular el
volumen se debe tomar en cuenta la variacin de cada variable dentro del dominio
de la conjunta. Para definir los lmites de integracin de cada integral hay que tomar
en cuenta que la otra variable permanece constante y eso se traduce en integrar a lo
largo de una recta horizontal o vertical, segn sea el caso. Por otro lado, es
indiferente el orden de integracin. La explicacin general siguiente se hace en
trminos de que la integral interna es respecto a la variable X. En este caso, se debe
colocar la variable Y como constante, es decir, la integracin ser a lo largo de una
recta horizontal que, al intersectarse con el dominio, proporciona los lmites de
integracin, digamos, desde x = x
0
hasta x = x
1
. A continuacin, se definen los
lmites de integracin de la integral externa; para ello se debe verificar entre que
valores se puede mover la recta horizontal antes mencionada para que los lmites de
integracin de la integral interna se mantengan. La respuesta a esta interrogante
proporciona los lmites de integracin para la variable Y.
Y
Y z
z
D
1
D
2
z X z X
Y
z
y = x + z y = z - x
D
3
-z z X
Figura 8.8: Distintas Regiones D
XY
para la Funcin de
Densidad Conjunta del Ejemplo 8.12.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-23 12/05/04
Caso 1: D
XY
= D
1
. De la Figura 8.8 se pueden ver los lmites de integracin
adecuados segn la explicacin del prrafo anterior, entonces
2
0 0
0 0
1 1
1
z
dxdy
C Cdxdy
z z
z z
= = =
Caso 2: D
XY
= D
2
. En este caso los lmites de integracin adecuados sern
2
0
0
2 1
1
z
dxdy
C Cdxdy
z z
y
z z
y
= = =
Caso 3: D
XY
= D
3
. De la Figura 8.8 se pueden ver las ecuaciones de las dos rectas
involucradas por lo que los lmites de integracin sern
2
0
0
1 1
1
z
dxdy
C Cdxdy
z y z
z y
z y z
z y
= = =
=
+
casos otros en , 0
0 si ,
) , (
) (
x y Ce
y x f
y x
XY
Calcule las funciones de densidad marginal de cada variable.
Antes de calcular las funciones de densidad marginal se debe conocer el valor de la
constante C. Para ello se procede como en el Ejemplo 8.12. La Figura 8.9 muestra el
dominio de la conjunta como la regin sombreada; all se destacan una recta vertical
y una recta horizontal. En este caso, al plantear la integral interna respecto de X se
obtiene que los lmites de integracin van desde x = 0 hasta x = y. A continuacin se
definen los lmites de integracin de la integral externa que resultan desde y = 0
hasta y = . En consecuencia, el clculo del valor de C ser
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-24 12/05/04
Y
x = constante
y x 0
y = constante
X
Figura 8.9: Dominio de la Funcin de Densidad
Conjunta del Ejemplo 8.13.
2
1
1
0 0
0 0
) (
= = =
+
y
x y
y
y x
dxdy e e
C dxdy Ce
Para conocer las marginales se aplica la Propiedad 8.4.2.4. Para calcular la funcin
de densidad marginal de X, se debe integrar la conjunta respecto a Y; en esa
integracin la variable X permanece constante y este hecho se representa como
una recta vertical que se intersecta con el dominio (ver Figura 8.9). Como resultado,
los lmites de integracin respecto a la variable Y sern desde y = x hasta y = . De
igual manera, para calcular la funcin de densidad marginal de Y, se debe integrar la
conjunta respecto a X; en esa integracin la variable Y permanece constante y este
hecho se representa como una recta horizontal que se intersecta con el dominio (ver
Figura 8.9). Como resultado, los lmites de integracin respecto a la variable X, van
desde x = 0 hasta x = y.
En definitiva, las marginales sern
( ) ) ( 1 2
0 si , 2
0 si , 0
0 si , 2
0 si , 0
) , ( ) (
manera, igual de
) ( 2
0 si , 2
0 si , 0
0 si , 2
0 si , 0
) , ( ) (
0 0
) (
2
) (
y u e e
y dx e e
y
y dx e
y
dx y x f y f
x u e
x dy e e
x
x dy e
x
dy y x f x f
y y y
x y
y
y x XY Y
x
x
y x
x
y x XY X
+
<
=
<
= =
=
<
=
<
= =
|
|
.
|
\
|
|
|
.
|
\
|
+
|
|
.
|
\
|
=
2
2
2
2 1
2 1
2
1
1
2
2
2 1
2
) 1 ( 2
1
exp
1 2
1
) , (
y y x x
y x f
XY
Calcule las funciones de densidad marginal de cada variable.
El modelo de este ejemplo se conoce como variable aleatoria normal bivariada y
se le puede denotar como N
XY
(
1
,
2
,
1
,
2
, ).
Para el clculo de las marginales se aplica la Propiedad 8.4.2.4. En el caso de X
( )( )
|
|
|
.
|
\
|
|
|
.
|
\
|
+
|
|
.
|
\
|
= = dy e dy y x f x f
y y x x
XY X
2
2
2
2 1
2 1
2
1
1
2
2
) 1 ( 2
1
2
2 1
1 2
1
) , ( ) (
Como primer paso para solucionar la integral se realiza un doble cambio de variable
para simplificar un poco la notacin;
El cambio es de la forma
2
2
2
1
1
1
y
=
y
z
x
z de tal manera que dy =
2
dz
2
,
mientras que z
1
es constante respecto a Y, al sustituir queda
( )
( )
( )
|
|
.
|
\
|
=
2
1
2
1
2
1
2
2
) 1 ( 2
2
1
2
2
) 1 ( 2
) 1 (
2
1
2
2
) 1 ( 2
1
2
1
2
2
1 2
2
1
2
2
1 2
2
1
2
2
1 2
2 2
1 2
2 2 1
2
1
2
1 2
1
2
1 2
) (
1 2
1
1 2
1
) (
dz e
e
dz e
e
x f
dz e dz e x f
z z
z
z z
z
X
z z z
z z z z
X
El integrando de la integral anterior es una funcin de densidad de una variable
normal con parmetros = z
2
y
2
1 = por lo que el valor de la integral es
uno. Devolviendo el cambio de variable
1
1
1
=
x
z resulta que la variable X se
corresponde con el modelo normal con parmetros =
1
y =
1
. Es decir
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-26 12/05/04
|
|
.
|
\
|
=
1
1
2
1
1
2
1
) (
x
X
e x f
Para la variable aleatoria Y se procede de idntica manera obteniendo que
|
|
.
|
\
|
=
2
2
2
1
2
2
1
) (
y
Y
e y f
Como resultado general se puede concluir que las marginales del modelo normal
bivariado son variables aleatorias normales.
=
casos otros en , 0
) , ( si ,
) , (
XY
XY
D y x Cy
y x f
Donde D
XY
viene dado por la Figura 8.10. Calcule el valor de C y las funciones de
densidad marginal de cada variable.
Para calcular el valor de la constante C se procede como en el Ejemplo 8.12. En
consecuencia, el valor de C ser
3
) 1 ( 2
1 1
1
1
0
1
0
1
1
1
0
1
1
=
= = =
dy y y dxdy y
C Cydxdy
y
y
y
y
Y
1
y = x + 1 y = 1 - x
D
XY
-1 1 X
Figura 8.10: Dominio de la Funcin de Densidad
Conjunta del Ejemplo 8.15.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-27 12/05/04
Para conocer las marginales se aplica la Propiedad 8.4.2.4. La funcin de densidad
marginal de X ser
( )
( )
1 si , 0
1 0 si , 1
2
3
0 1 - si , 1
2
3
1 si , 0
1 si , 0
1 0 si , 3
0 1 - si , 3
1 si , 0
) , ( ) (
2
2
1
0
1
0
>
< <
< < +
<
=
>
< <
< <
<
= =
x
x x
x x
x
x
x ydy
x ydy
x
dy y x f x f
x
x
XY X
De igual manera, la funcin de densidad marginal de Y ser
< <
=
< <
= =
casos otros en , 0
1 0 si ), 1 ( 6
casos otros en , 0
1 0 si , 3
) , ( ) (
1
1
y y y y ydx
dx y x f y f
y
y XY Y
La Figura 8. 11 muestra las marginales resultantes en este ejemplo.
f
X
(x) f
Y
(y)
3/2 3/2
-1 1 X 0.5 1 Y
Figura 8.11: Funciones de Densidad Marginales
Resultantes en el Ejemplo 8.15.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-28 12/05/04
8.5) FUNCIONES DE DISTRIBUCIN Y DE DENSIDAD CONDICIONALES.
Al igual que en una variable aleatoria, la ocurrencia de un cierto evento puede
alterar el espacio muestral en dos dimensiones y en consecuencia, alterar la
descripcin de las funciones de distribucin y de densidad conjuntas. Las nuevas
funciones se podrn expresar en trminos de las anteriores pero estarn definidas en
el dominio condicionado resultante. El evento condicionante se podr expresar en
trminos de la variable X, de la variable Y o de ambas. Este tipo de funciones abre
el camino para conocer las funciones conjuntas a partir de las funciones marginales.
8.5.1) Definiciones.
Definicin 8.11: La Funcin de Distribucin Acumulativa de Probabilidades
Conjunta Condicionada de la variable aleatoria bidimensional se define como la
relacin entre la funcin de distribucin conjunta y la probabilidad del evento
condicionante, pero slo para aquellos pares de valores (x, y) que pertenecen al
evento condicionante.
=
casos otros en , 0
0 , 0 si , 1 1
) , (
y x e e
y x F
y x
XY
Considere un evento condicionante A = TC(1,1). Calcule la funcin de distribucin
conjunta condicionada por el evento A.
Para resolver el problema planteado se utiliza la Ecuacin 8.8
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-29 12/05/04
( ) ( ) ( )
} {
} 1 , 1 , {
} {
} , {
) / , (
A P
Y X y Y x X P
A P
A y Y x X P
A y x F
XY
=
=
Para analizar la interseccin en la probabilidad anterior hay que observar la Figura
8.12; all se destacan el dominio de la variable bidimensional (D
XY
), el evento
condicionante A (TC(1,1)) y la interseccin para valores de (x, y) mayores que (1, 1).
Hay que considerar la posicin relativa entre los valores de (x, y) y el punto (1, 1),
resultando lo siguiente
( ) ( )
> >
< < >
< < >
< < < <
< <
=
1 1, si ), 1 , 1 (
1 0 1, si ), 1 , (
1 0 1, si ), , 1 (
1 0 , 1 0 si ), , (
ambos 0 y 0 x si , 0
} 1 , 1 , {
y x F
y x x F
x y y F
y x y x F
Y X y Y x X P
XY
XY
XY
XY
Por otro lado, ) 1 , 1 ( } {
XY
F A P = , entonces la funcin buscada ser igual a
( ) ( )
> >
< < >
< < >
< < < <
< <
=
=
1 1, si , 1
1 0 1, si ,
) 1 , 1 (
) 1 , (
1 0 1, si ,
) 1 , 1 (
) , 1 (
1 0 , 1 0 si ,
) 1 , 1 (
) , (
ambos 0 y 0 x si , 0
} {
} 1 , 1 , {
) / , (
y x
y x
F
x F
x y
F
y F
y x
F
y x F
A P
Y X y Y x X P
A y x F
XY
XY
XY
XY
XY
XY
XY
Y
1
D
XY
= {X0, Y0}
A = TC(1,1) AD
XY
1 X
Figura 8.12: Dominio de F
XY
(x,y), Evento Condicionante A y
Conjunto Interseccin entre Ellos para el Ejemplo 8.16.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-30 12/05/04
Definicin 8.12: La Funcin de Densidad de Probabilidades Conjunta
Condicionada de la variable aleatoria bidimensional se define como la derivada
respecto a ambas variables de la funcin de distribucin conjunta condicionada.
=
A
A
XY
XY XY
D y x
D y x
A P
y x f
A y x F
y x
A y x f
) , ( si , 0
) , ( si ,
} {
) , (
) / , ( ) / , (
2
(ec. 8.9)
Ejemplo 8.17:Calcular la funcin de densidad conjunta condicionada por el evento
A correspondiente a la funcin de distribucin conjunta condicionada resultante en
el Ejemplo 8.16.
A partir de la Ecuacin 8.9 y de conocer F
XY
(x,y/A) hay que tomar la doble derivada
de la distribucin condicionada resultando que
> >
> >
< < < <
< <
=
=
0 1, si , 0
0 1, si , 0
1 0 , 1 0 si ,
) 1 , 1 (
) , (
ambos 0 y 0 x si , 0
) / , ( ) / , (
2
y x
x y
y x
F
y x f
A y x F
y x
A y x f
XY
XY
XY XY
A partir de la Ecuacin 8.9 y del resultado del Ejemplo 8.7 se puede escribir que
=
+
casos otros en , 0
1 0 , 1 0 si ,
) 1 , 1 (
) , ( si , 0
) , ( si ,
} {
) , (
) / , (
) (
y x
F
e
D y x
D y x
A P
y x f
A y x f
XY
y x
A
A
XY
XY
Los dos resultados logrados son iguales, como era de esperarse. El valor numrico
de F
XY
(1,1) es (1 e
-1
)
2
.
= (ec. 8.11)
Definicin 8.15: La Funcin de Distribucin Acumulativa de Probabilidades
Marginal de la Variable Aleatoria Y Condicionada por el evento {X x}, se
define como el cociente entre la funcin de distribucin conjunta y la funcin de
distribucin marginal de X.
= (ec. 8.13)
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-33 12/05/04
Definicin 8.17: La Funcin de Distribucin Acumulativa de Probabilidades
Marginal de la Variable Aleatoria Y Condicionada por el evento {x
1
X x
2
},
se define como el cociente entre el volumen bajo la funcin de densidad conjunta en
la regin {TC(x
2
,y) - TC(x
1
,y)} y el rea bajo la funcin de distribucin marginal de
X entre x
1
y x
2
.
= =
=
=
2
1
2
1
2
1
2
1
) (
' ) ' , (
) , (
' ) ' , (
) / (
) ( ) (
) , ( ) , (
} {
} {
) / (
2 1
1 2
1 2
2 1
2 1
2 1
x
x
X
y x
x
XY
x
x
XY
y x
x
XY
Y
X X
XY XY
Y
dx x f
dxdy y x f
dxdy y x f
dxdy y x f
x X x y F
x F x F
y x F y x F
x X x P
x X x y Y P
x X x y F
(ec. 8.14)
Definicin 8.18: La Funcin de Densidad de Probabilidades Marginal de la
Variable Aleatoria Y Condicionada por el evento {x
1
X x
2
}, se define como
la derivada respecto a Y de la funcin de Distribucin de Probabilidades Marginal
de la Variable Aleatoria Y Condicionada por el evento {x
1
X x
2
}.
=
|
|
.
|
\
|
= =
2
1
2
1
2
1
2
1
) (
) , (
) / (
) (
' ) ' , (
) / ( ) / (
2 1
2 1 2 1
x
x
X
x
x
XY
Y
x
x
X
y x
x
XY
Y Y
dx x f
dx y x f
x X x y f
dx x f
dxdy y x f
dy
d
x X x y F
dy
d
x X x y f
(ec. 8.15)
Definicin 8.19: La Funcin de Distribucin Acumulativa de Probabilidades
Marginal de la Variable Aleatoria X Condicionada por el evento {y
1
Y y
2
},
se define como el cociente entre el volumen bajo la funcin de densidad conjunta en
la regin {TC(x,y
2
) - TC(x,y
1
)} y el rea bajo la funcin de distribucin marginal de
Y entre y
1
y y
2
.
= =
=
=
2
1
2
1
2
1
2
1
) (
' ) , (
) , (
' ) , (
) / (
) ( ) (
) , ( ) , (
} {
} {
) / (
2 1
1 2
1 2
2 1
2 1
2 1
y
y
Y
x y
XY
y
y
XY
x y
XY
X
Y Y
XY XY
X
dy y f
dydx y x f
dydx y x f
dydx y x f
y Y y x F
y F y F
y x F y x F
y Y y P
y Y y x X P
y Y y x F
(ec. 8.16)
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-35 12/05/04
Definicin 8.20: La Funcin de Densidad de Probabilidades Marginal de la
Variable Aleatoria X Condicionada por el evento {y
1
Y y
2
}, se define como
la derivada respecto a X de la funcin de Distribucin de Probabilidades Marginal
de la Variable Aleatoria X Condicionada por el evento {y
1
Y y
2
}.
=
|
|
.
|
\
|
= =
2
1
2
1
2
1
2
1
) (
) , (
) / (
) (
) , ' (
) / ( ) / (
2 1
2 1 2 1
y
y
Y
y
y
XY
X
y
y
Y
x y
y
XY
X X
dy y f
dy y x f
y Y y x f
dy y f
dydx y x f
dy
d
y Y y x F
dx
d
y Y y x f
(ec. 8.17)
Definicin 8.21: La Funcin de Densidad de Probabilidades Marginal de la
Variable X, Condicionada por el evento {Y = y}, se define como el cociente entre
la funcin de densidad conjunta y la funcin de densidad marginal de Y.
= dx x f x y f y f
X Y Y
) ( ) / ( ) ( (ec. 8.20)
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-37 12/05/04
Definicin 8.24: El Teorema de Probabilidad Total para la variable X, en
trminos de funciones de densidad, define a la funcin marginal de X como el
rea total de un integrando formado por el producto de la funcin de densidad
condicional de X dado Y y la funcin de densidad marginal de Y, respecto a la
variable Y.
= dy y f y x f x f
Y X X
) ( ) / ( ) ( (ec. 8.21)
Definicin 8.25: El Teorema de Bayes, en trminos de funciones de densidad,
define a la funcin de densidad condicional de X dado Y en trminos de la funcin
de densidad condicional de Y dado X y la relacin entre las funciones de densidad
marginal de X y de Y, respectivamente.
=
+
casos otros en , 0
0 si ,
) , (
) (
x y Ce
y x f
y x
XY
. Calcular las funciones de densidad de
Y dado X y de X dado Y.
El valor de C se calcul en el Ejemplo 8.13 resultando C = 2. De igual manera, all
se calcularon las marginales de cada variable
( ) ) ( 1 2 ) ( y ) ( 2 ) (
2
y u e e y f x u e x f
y y
Y
x
X
= =
A partir de las Ecuaciones 8.18 y 8.19 se puede escribir que
( )
= =
+
casos otros en , 0
0 si ,
1
casos otros en , 0
0 si ,
1 2
2
) (
) , (
) / (
) (
x y
e
e
x y
e e
e
y f
y x f
y x f
y
x
y y
y x
Y
XY
X
= =
+
casos otros en , 0
0 si ,
casos otros en , 0
0 si ,
2
2
) (
) , (
) / (
) (
2
) (
x y e x y
e
e
x f
y x f
x y f
x y
x
y x
X
XY
Y
=
casos otros en , 0
) , ( si ,
) , (
XY
XY
D y x Cy
y x f . Calcular la funcin de densidad de X
dado Y.
La Figura 8.13 muestra el Dominio D
XY
para la funcin de densidad conjunta. En el
Ejemplo 8.15 se calcularon el valor de C (C = 3) y la marginal de Y:
< <
=
casos otros en , 0
1 0 si ), 1 ( 6
) (
y y y
y f
Y
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-39 12/05/04
Y
1
y = x + 1 y = 1 - x
y = constante
D
XY
-1 x
1
=y-1 x
2
=1-y 1 X
Figura 8.13: Dominio de la Funcin de Densidad
Conjunta del Ejemplo 8.19.
Para usar adecuadamente la Ecuacin 8.18 hay que tomar en cuenta la interseccin
de una recta para Y constante y el dominio D
XY
, como se muestra en la Figura 8.13;
all se destaca que los valores de x varan desde x
1
= y - 1 hasta x
2
= 1 - y.
Entonces, la funcin de X dado Y ser
( )
( )
= =
casos otros en , 0
1 0 , 1 1 si ,
1 2
1
) / (
casos otros en , 0
1 0 , 1 1 si ,
1 6
3
) (
) , (
) / (
y y x y
y y x f
y y x y
y y
y
y f
y x f
y x f
X
Y
XY
X
Al identificar la funcin de densidad de X/Y con los modelos probabilsticos del
Captulo 6 se encuentra que es uniforme en el intervalo (-(1 y), 1 y).
Ejemplo 8.20: Considere una variable aleatoria normal bivariada cuya funcin de
densidad conjunta viene dada por
( )( )
|
|
.
|
\
|
|
|
.
|
\
|
+
|
|
.
|
\
|
=
2
2
2
2 1
2 1
2
1
1
2
2
2 1
2
) 1 ( 2
1
exp
1 2
1
) , (
y y x x
y x f
XY
Calcular la funcin de densidad de Y dado X.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-40 12/05/04
En el Ejemplo 8.14 se calcul la marginal de X resultando que X es normal con
parmetros
1
,
1
.
|
|
.
|
\
|
=
1
1
2
1
1
2
1
) (
x
X
e x f
Entonces, al aplicar la Ecuacin 8.19, la funcin de densidad de Y/X ser
( )
( )
( )
( )
( )
( )
2
2
2
1
1
2
2
2
1
1
2
2
2
2
2
2
2
2
1
1
2
1
1 2
2
2
1
1
2
2
2
2
2
1
1
2
1
1
2
1
2
1
2
2
1 2
1
2
2
2
1 2
1
2
2
2
1
1
2
1 2
1
2
2 1
2 1
1
) / (
1 2
1
) / (
1 2
1
) / (
2
1
1 2
1
) (
) , (
) / (
(
(
(
(
(
|
|
|
|
|
.
|
\
|
|
|
.
|
\
|
+
(
(
|
|
.
|
\
|
|
|
.
|
\
|
(
(
|
|
.
|
\
|
+
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
(
(
|
|
.
|
\
|
+
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
= =
x y
Y
x y
Y
y y x x
Y
x
y y x x
X
XY
Y
e x y f
e x y f
e x y f
e
e
x f
y x f
x y f
Aqu puede verse que f
y
(y/x) corresponde a una variable aleatoria normal con
parmetros ( )
1
1
2
2
+ = x y
2
2
1 = .
Ejemplo 8.22: Considere la variable aleatoria normal bivariada del Ejemplo 8.20
donde se consigui que la funcin de densidad de Y dado X corresponda a una
variable aleatoria normal con parmetros ( )
1
1
2
2
+ = x y
2
2
1 = . Bajo que condiciones estas variables aleatorias son
independientes?
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-43 12/05/04
Del Ejemplo 8.21 se puede destacar que para variables aleatorias independientes se
cumple que ) ( ) / ( y f x y f
Y Y
= y del Ejemplo 8.14 se conoci que la variable Y era
una normal con parmetros =
2
y =
2
. Por tanto, la nica manera de que se
verifique la independencia es para = 0.
Ejemplo 8.24: Dos variables aleatorias tienen una funcin de densidad conjunta
constante en la regin D
XY
de la Figura 8.14 y vale cero fuera de esa regin.
Verificar si estas variables son independientes o no.
Y
1
D
XY
1 X
Figura 8.14: Dominio de la Funcin de Densidad
Conjunta del Ejemplo 8.24.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 8-44 12/05/04
El valor de la constante es uno ya que el volumen total debe ser uno. Entonces la
funcin de densidad conjunta ser
=
XY
XY
XY
D y x
D y x
y x f
) , ( si , 0
) , ( si , 1
) , (
Para demostrar la independencia se deben conocer las funciones de densidad
marginal de cada variable. Las marginales son
>
< <
<
=
>
< <
<
=
>
< <
<
=
>
< <
<
=
1 si , 0
1 0 si , 1
0 si , 0
1 si , 0
1 0 si ,
0 si , 0
) (
1 si , 0
1 0 si , 1
0 si , 0
1 si , 0
1 0 si ,
0 si , 0
) (
1
0
1
0
y
y
y
y
y dx
y
y f
x
x
x
x
x dy
x
x f
Y
X
Entonces, se verifica la Definicin 8.28 por lo que X e Y son independientes.
Ejemplo 8.25: Dos variables aleatorias tienen una funcin de densidad conjunta
dada por la expresin
=
+
casos otros en , 0
0 si , 2
) , (
) (
x y e
y x f
y x
XY
. Verificar si estas
variables son independientes o no.
En el Ejemplo 8.13 se calcularon las marginales con el siguiente resultado
( ) ) ( 1 2 ) (
) ( 2 ) (
2
y u e e y f
x u e x f
y y
Y
x
X
=
=
Entonces, no se verifica la Definicin 8.28 por lo que X e Y no son independientes.