Documente Academic
Documente Profesional
Documente Cultură
6 , 6 , 5 , 6 , 4 , 6 , 3 , 6 , 2 , 6 , 1 , 6
6 , 5 , 5 , 5 , 4 , 5 , 3 , 5 , 2 , 5 , 1 , 5
6 , 4 , 5 , 4 , 4 , 4 , 3 , 4 , 2 , 4 , 1 , 4
6 , 3 , 5 , 3 , 4 , 3 , 3 , 3 , 2 , 3 , 1 , 3
6 , 2 , 5 , 2 , 4 , 2 , 3 , 2 , 2 , 2 , 1 , 2
6 , 1 , 5 , 1 , 4 , 1 , 3 , 1 , 2 , 1 , 1 , 1
= S
Si interesa el resultado del primer dado y la suma de los puntos en los dos lanzamientos,
entonces
Sea
X1
: El resultado del primer lanzamiento
X2
: La suma de los resultados de los dos lanzamientos.
{ } 6 , ... , 2 , 1 =
R
X1
{ } 12 , ... , 4 , 3 , 2 =
R
X2
La funcin de probabilidad conjunta para
X1
y para
X2
se construye de la siguiente
forma:
Anotando las probabilidades en una tabla se tiene:
x
\
x 1 2
1
2
3
4
5
6
2
36
1
0
0
0
0
0
3
36
1
36
1
0
0
0
0
4
36
1
36
1
36
1
0
0
0
5
36
1
36
1
36
1
36
1
0
0
6
36
1
36
1
36
1
36
1
36
1
0
7
36
1
36
1
36
1
36
1
36
1
36
1
8
0
36
1
36
1
36
1
36
1
36
1
9
0
0
36
1
36
1
36
1
36
1
10
0
0
0
36
1
36
1
36
1
11
0
0
0
0
36
1
36
1
12
0
0
0
0
0
36
1
GRFICA DE UNA FUNCIN DE PROBABILIDAD CONJUNTA
Al igual que para las variables aleatorias unidimensionales, lo ms comn es dibujar rectas
verticales cuya altura representa la probabilidad, tambin se pueden dibujar los puntos; sin
embargo, como puede observarse, la lectura de una grfica de una funcin de probabilidad
conjunta se complica un poco, y slo puede hacerse para el caso de dos variables.
CARACTERSTICAS DE LA FUNCIN DE PROBABILIDAD CONJUNTA
Si X , Y son dos variables aleatorias conjuntas discretas. Su funcin de probabilidad
conjunta tiene las siguientes caractersticas:
1) ( ) ( )
R
y , x 1 y , x
f
0
Y X, Y X
2) ( ) 1 = y , x
f Y X
R R
Y X
3) ( ) ( ) y , x
f
= y Y y ;
x
X
x
P
Y X
y
y = y
x
x = x
1 0
1 0
1
0
1
0
6.2 FUNCIONES DE DENSIDAD Y DE PROBABILIDAD MARGINALES
An cuando dos variables aleatorias sean variables aleatorias conjuntas, en s misma
cada una de ellas es una variable aleatoria y por lo tanto posee un comportamiento
probabilsta que puede ser descrito a travs de una funcin de probabilidad o de densidad,
en el que no importa cul sea el comportamiento de la otra o de las otras variables.
FUNCIN DE PROBABILIDAD MARGINAL
Si X y Y son dos variables aleatorias conjuntas discretas, entonces se pueden hacer las
siguientes definiciones.
Definicin
Si X e Y son dos variables aleatorias conjuntas discretas con funcin de
probabilidad conjunta f
X,Y
(x, y), se definen:
La funcin de probabilidad marginal de X ( funcin de probabilidad de X
al margen de Y ) como
( ) ( ) y , x
f
= x
f Y X
R
X
Y
La funcin de probabilidad marginal de Y ( funcin de probabilidad de Y
al margen de X ) como
( ) ( ) y , x
f
= y
f Y X
R
Y
X
Ejemplo
Cierto artculo se fabrica en dos lneas de produccin diferentes. La capacidad en
cualquier da dado para cada lnea es de 2 artculos. Supngase que el nmero de
artculos producidos por la lnea 1 en un da cualquiera es una variable aleatoria X y
que el nmero de artculos producidos por la lnea 2 est dado por Y . Con base en
datos estadsticos se obtuvo la siguiente tabla que corresponde a la funcin de
probabilidad conjunta de X y de Y .
x
( ) y , x
f Y X
0
1
2
0
0.10
0.20
0.20
1
0.04
0.08
0.08
y
2
0.06
0.12
0.12
a) Calcular la probabilidad de que en un da dado el nmero de artculos producidos en
la lnea 1 sea mayor que el nmero de artculos producidos en la lnea 2 .
b) Obtener las probabilidades marginales de X y Y
Resolucin
a)
( ) ( ) ( ) ( P + 0 = Y , 2 = X P + 0 = Y , 1 = X P = Y > X P
0.08 + 0.2 + 0.2 = 0.48 =
b)
x
( ) y , x
f Y X
0
1
2
( ) y
fY
0
0.10
0.20
0.20
0.5
1
0.04
0.08
0.08
0.2
2
0.06
0.12
0.12
0.3
y
( ) x
fX
0.20
0.40
0.40
1.0
VARIABLES ALEATORIAS CONJ UNTAS CONTINUAS
Diremos que dos o ms variables aleatorias conjuntas son continuas, si de manera
individual cada una de las variables consideradas, es continua de acuerdo con la definicin
presentada en el tema anterior.
Definicin
Si
X
, ... ,
X
,
X
,
X n 3 2 1
son variables aleatorias conjuntas continuas, entonces su funcin
de densidad conjunta se define como una funcin con las siguientes caractersticas
1) ( )
x
, . . . ,
x
,
x
0
x
, . . . ,
x
,
x
f n 2 1 n 2 1 X . . . X X n 2 1
2)
3)
Ejemplo
Sean X , Y dos variables aleatorias conjuntas con funcin de densidad
a) Calcular el valor de k para el cual
f Y X
es funcin de densidad
b) ( ) 1 Y 0.5 , 1 X 5 0. P
c) ( ) 1 Y + X P
Resolucin
a) Para el caso de dos variables aleatorias la propiedad 2 puede reescribirse como
Por lo que
2
y
+ y
2
1
k = 1
2
1
0
( ) 1 = k _ 1 k =
2
1
+
2
1
k =
b)
0.375
16
6
=
16
4
-
16
6
+
16
4
=
3) Para obtener ( ) 1 Y + X P , se dibuja la regin de integracin
0.333
3
1
=
2
1
+
6
1
- =
2
x
+
6
x
- =
2
1
0
FUNCIN DE DENSIDAD MARGINAL
Al igual que para las variables aleatorias conjuntas discretas, para las continuas tambin se define la funcin de densidad
marginal.
Definicin
Si X y Y son dos variables aleatorias conjuntas continuas, entonces se define:
La funcin de densidad marginal de X ( funcin de probabilidad de X al
margen de Y ) como
( ) ( ) y d y , x
f
= x
f Y X
-
X
La funcin de densidad marginal de Y ( funcin de probabilidad de Y al
margen de X ) como
( ) ( ) x d y , x
f
= y
f Y X
-
Y
Ejemplo
Para la funcin de distribucin conjunta discreta estudiada anteriormente, del lanzamiento de dos dados, obtener
las marginales.
Resolucin
x
\
x 1 2
1
2
3
4
5
6
(
x
f
X2
2
36
1
0
0
0
0
0
36
1
3
36
1
36
1
0
0
0
0
36
2
4
36
1
36
1
36
1
0
0
0
36
3
5
36
1
36
1
36
1
36
1
0
0
36
4
6
36
1
36
1
36
1
36
1
36
1
0
36
5
7
36
1
36
1
36
1
36
1
36
1
36
1
36
6
8
0
36
1
36
1
36
1
36
1
36
1
36
5
9
0
0
36
1
36
1
36
1
36
1
36
4
10
0
0
0
36
1
36
1
36
1
36
3
11
0
0
0
0
36
1
36
1
36
2
12
0
0
0
0
0
36
1
36
1
(
x
f 1 X1
36
6
36
6
36
6
36
6
36
6
36
6
1
Ejemplo
Sean
X1
y
X2
las proporciones de dos sustancias distintas que se encuentran en una muestra de una mezcla de
reactivos que se usa como insecticida. Supngase que
X1
y
X2
tienen una densidad de probabilidad conjunta
representada por
caso otro en 0
1
x
+
x
, 1
x
0 ,
x
0 2
= )
x
,
x
(
f
2 1 2 1
2 1 X X 2 1
a) Calcular
4
3
X
,
4
3
X
P
2 1
.
b) Determinar
2
1
X
,
2
1
X
P
2 1
.
Resolucin
a)
x
d
x
d 2 +
x
d
x
d 2 =
4
3
X
,
4
3
X
P
1 2
x - 1
0
1 2
0 0
2 1
1
4
3
4
1
4
3
4
1
x
d )
x
- 1 ( 2 +
4
3
4
1
2 =
4
3
X
,
4
3
X
P
1 1 2 1
4
3
4
1
8
7
=
2
1
+
8
3
=
4
3
X
,
4
3
X
P
2 1
La regin es
b) =
2
1
2
1
2 =
2
1
X
,
2
1
X
P
2 1
2
1
Ejemplo
Sea la funcin de densidad conjunta
caso otro en 0
2 y 0 , 1 x 0
a
y x
+
x
= ) y , x (
f
2
3
Y X
a) Obtener el valor de _ a .
b) Calcular ) Y X ( P .
c) Obtener las funciones marginales ) x (
fX
y ) y (
fY
.
Resolucin
a) Para que la funcin sea una funcin de densidad conjunta debe de cumplirse que
1 = y d x d ) y , x (
f
XY
-
-
, por lo que:
de donde
3
8
= a
b) La regin de integracin es:
Por lo que
o bien utilizando el complemento
=
40
9
- 1 = ) Y X ( P
40
31
c) Las marginales se obtienen de
( ) ( ) y d y , x
f
= x
f Y X
-
X
( ) ( ) x d y , x
f
= y
f Y X
-
Y
Para la marginal de x
caso otro en 0
1 x 0
x +
x
2
= ) x (
f
3
X
Para la marginal de y
caso otro en 0
2 y 0
y
16
3
+
4
1
= ) y (
f
2
Y
6.2 FUNCIN DE DISTRIBUCIN CONJUNTA
Proporciona el comportamiento probabilsta acumulado conjunto de una sucesin de
variables aleatorias.
Definicin
Si X y Y son dos variables aleatorias conjuntas se define ( ) y , x
F Y X
como
( ) ( ) y Y , x X P = y , x
F Y X
.
Si X y Y son dos variables aleatorias conjuntas discretas o continuas,
entonces:
) v , u (
f
= ) y , x (
F Y X
y
- = v
x
- = u
Y X
para vv.aa. discretas
para vv.aa. continuas
Y ( ) y , x
F Y X
tiene las siguientes propiedades:
1)
F Y X
es una funcin no decreciente
2) ( ) 0 = y , -
F Y X
( ) 0 = - , x
F Y X
( ) 1 = ,
F Y X
3) ( ) ( ) y
F
= y ,
F Y Y X
( ) ( ) x
F
= , x
F X Y X
4)
( ) ( ) ( ) y ,
x
F
- y ,
x
F
= y Y < y ,
x
X <
x
P
2
1 Y X
2
2 Y X
2 1
2 1
( ) ( ) y ,
x
F
+ y ,
x
F
-
1
1 Y X
1
2 Y X
5) Para vv.aa. continuas, si
F Y X
tiene derivadas parciales de orden superior a dos.
( )
( )
x y
y , x
F
= y , x
f
Y X
2
Y X
INDEPENDENCIA DE VARIABLES ALEATORIAS CONJ UNTAS
Despus de estudiar las funciones de probabilidad y de densidad marginales, se
observa que el conocimiento (o la informacin) sobre el valor de una de las variables
aleatorias puede modificar el comportamiento probabilsta de la otra variable. Esto slo
sucede si las variables conjuntas son dependientes.
Teorema
Si X y Y son variables aleatorias conjuntas, se dice que son independientes si
y slo si
( ) ) y (
f
) x (
f
= y , x
f Y X Y X
para todox e y.
Ejemplo
Determinar si las vv.aa. conjuntas X y Y con funcin de densidad conjunta dada por:
caso otro en 0
x y 0 , 1 x 0
) y + x ( x
3
8
= ) y , x (
fXY
son independientes o no.
Resolucin
Para determinar si las vv. aa. son independientes o no, deben obtenerse las
marginales primero.
Para la marginal de x
x
4 =
2
x
+
x
3
8
= ) x (
f
3
3
3
X
De donde
caso otro en 0
1 x 0
x
4
= ) x (
f
3
X
Para la marginal de y
9
y 20
- y
3
4
+
9
8
=
2
y
x
+
3
x
3
8
= ) y (
f
3
2 3
1
y
Y
De donde
caso otro en 0
1 y 0
9
y 20
- y
3
4
+
9
8
= ) y (
f
3
Y
Y puesto que
) y , x (
f
= y
x
9
80
- y
x
3
16
+
x
9
32
= ) y (
f
) x (
f XY
3
3 3 3
Y X
se concluye que las variables X y Y no son independientes (son dependientes).
CARACTERSTICAS NUMRICAS DE LAS VARIABLES ALEATORIAS
CONJ UNTAS
Las caractersticas numricas de las variables aleatorias conjuntas son valores que
describen el comportamiento probabilstico conjunto.
6.4 APLICACIONES
VALOR ESPERADO DE FUNCIONES DE VARIABLES ALEATORIAS CONJ UNTAS
Definicin
Si X , Y son variables aleatorias conjuntas con funcin de probabilidad o de
densidad conjunta ( ) y , x
f Y X
y si ( ) y , x g es una funcin dichas variables
aleatorias. Entonces el valor esperado de ( ) y , x g se define como:
PROPIEDADES DEL VALOR ESPERADO
a) ( ) c = c E
b) ( ) ( ) ( ) Y E + X E = Y + X E
c) Si X , Y son variables aleatorias independientes entonces
( ) ( ) ( ) ( ) ( ) ( ) ( ) Y g E X g E = Y g X g E
2 1 2 1
Ejemplo
En cierto proceso para elaborar una sustancia qumica industrial el producto
resultante contiene dos tipos de impurezas. En una muestra especfica de este
proceso,
Y1
denota la proporcin de impurezas en la muestra y
Y2
la proporcin
de la impureza tipo I entre todas las impurezas encontradas. Supngase que se
puede elaborar un modelo de la distribucin conjunta de
Y1
y
Y2
mediante la
funcin de densidad de probabilidad siguiente:
Encontrar el valor esperado de la proporcin de impurezas tipo I.
Resolucin
Puesto que
Y1
es la proporcin de impurezas en la muestra y
Y2
la proporcin de
impurezas de tipo I en relacin al total de las impurezas muestrales, tenemos que
Y
Y 2 1
es la proporcin de impurezas tipo I en la muestra entera. Es decir, se debe
obtener ( )
Y
Y
E
2 1
COVARIANCIA
La covariancia es una medida de dispersin que indica, en promedio, qu tanto se
alejan conjuntamente los valores de sus medias respectivas, i.e. qu tanto varan en
conjunto (qu tanto covarian).
Definicin
Si X y Y son 2 variables aleatorias conjuntas, entonces se define la
covariancia ( ) Y , X Cov como:
( ) ( ) ( ) [ ] - Y - X E = = Y , X Cov
Y X
Y X
Aplicando las propiedades del valor esperado, se tiene que la covariancia se puede
calcular mediante:
( ) ( ) ( ) [ ] - Y - X E = Y , X Cov
Y X
( )
Y X
- Y X E =
Teorema
Si X y Y son dos variables aleatorias conjuntas independientes, entonces:
( ) 0 = Y , X Cov
El valor esperado de la covariancia depende de la escala en la que estn X y Y .
Para referir la relacin entre X y Y a una escala fija se debe utilizar el coeficiente de
correlacin.
Definicin
El coeficiente de correlacin, denotado por es:
( )
( ) ( )
Y X
Y X
=
Y Var X Var
Y , X Cov
=
El coeficiente de correlacin es una cantidad adimensional que mide la asociacin
lineal entre las dos variables aleatorias, el valor de est contenido en el intervalo
[ ] 1 , 1 - .
El coeficiente de correlacin tiene las siguientes propiedades.
1) Si X , Y son vv.aa. independientes, entonces 0 =
2) Para cualesquiera vv.aa. conjuntas 1 1 -
3) 1 = , si y slo si b + X m = Y para m y b constantes.
Ejemplo
Dada la funcin de densidad conjunta
Obtener:
a) Las densidades marginales de X y Y
b) El coeficiente de correlacin.
Resolucin
a)
e
x 2 =
x -
2
( )
caso otro en 0
< x 0
e
x 2
= x
f
x -
X
2
De manera anloga
( )
caso otro en 0
< y 0
e
y 2
= y
f
y -
Y
2
b) Puesto que ( ) ) y (
f
) x (
f
= y , x
f Y X Y X
, entonces las variables aleatorias son
independientes y ( ) 0 = Y , X Cov , por lo que 0 =