VARIABLES ALEATORIAS CONJUNTAS Gráfica de una función de

(10 de octubre de 2018) probabilidad conjunta.

Definición
La lectura de una gráfica de una
Sea X1, X2, X3,…, Xn variables aleatorias definidas sobre un mismo
función de probabilidad conjunta se
espacio muestral, dichas variables aleatorias reciben el nombre
complica un poco y sólo puede
de variables aleatorias conjuntas.
hacerse para el caso de dos variables.
Toda vez que una variable aleatoria responde a una pregunta de
interés en un fenómeno, las variables aleatorias conjuntas
representan varias características (o responden a varias Propiedades de la función de probabilidad conjunta
preguntas) de interés en un mismo fenómeno. 1. La función siempre está entre cero y uno.
0 ≤ 𝑓𝑋𝑌 (𝑥, 𝑦) ≤ 1 ∀ (𝑥, 𝑦)
Variables aleatorias conjuntas discretas
Sea X1, X2, X3,…, Xn variables aleatorias conjuntas discretas, se 2. La suma de la función para todos los valores de las
define su función de probabilidad conjunta como: variables es la unidad.
𝒇𝑿𝟏𝑿𝟐… 𝑿𝒏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) = 𝑷(𝑿𝟏 = 𝒙𝟏 ∩ 𝑿𝟐 = 𝒙𝟐 ∩ … ∩ 𝑿𝒏 = 𝒙𝒏 ) ∑ ∑ 𝑓𝑋𝑌 (𝑥, 𝑦) = 1
∀𝑅𝑋 ∀𝑅𝑌
= 𝑷(𝑿𝟏 = 𝒙𝟏 , 𝑿𝟐 = 𝒙𝟐 , 𝑿𝒏 = 𝒙𝒏 )
Si n = 2 3. La probabilidad de que las variables se encuentren en un
𝒇𝑿𝒀 (𝒙, 𝒚) = 𝑷(𝑿 = 𝒙 ∩ 𝒀 = 𝒚) = 𝑷(𝑿 = 𝒙, 𝒀 = 𝒚) intervalo, es la suma de la función de probabilidad para
dicho intervalo.
𝑥1 𝑦1
Ejemplo:
Considérese el lanzamiento de dos dados. El espacio muestral es: 𝑃(𝑥0 ≤ 𝑋 ≤ 𝑥1 , 𝑦0 ≤ 𝑌 ≤ 𝑦1 ) = ∑ ∑ 𝑓𝑋𝑌 (𝑥, 𝑦)
𝑥=𝑥0 𝑦=𝑦0
(1,1), (1,2, ), (1,3), (1,4), (1,5), (1,6)
(2,1), (2,2, ), (2,3), (2,4), (2,5), (2,6)
(3,1), (3,2, ), (3,3), (3,4), (3,5), (3,6)
Funciones de probabilidad: marginal y condicional
𝑆= Si partimos de una función de probabilidad conjunta de dos
(4,1), (4,2, ), (4,3), (4,4), (4,5), (4,6)
(5,1), (5,2, ), (5,3), (5,4), (5,5), (5,6) variables aleatorias, puede interesarnos el comportamiento
aleatorio de una sola de las variables:
{(6,1), (6,2, ), (6,3), (6,4), (6,5), (6,6)}
- Ya sea porque la otra variable no nos interese en
Si el interés es el resultado del primer dado y la suma de los absoluto o,
puntos en los dos lanzamientos, entonces: - Porque ya tomó algún valor.
𝑋1 = Resultado del primer lanzamiento.
Lo anterior da origen a las funciones de probabilidad marginales y
𝑋2 = La suma de los resultados de los dos lanzamientos.
las funciones de probabilidad condicionales, que puede
𝑅𝑋1 = {1, 2, 3, … , 6} 𝑅𝑋2 = {2, 3, 4, … , 12} generalizarse para funciones de n variables aleatorias.

La función de probabilidad conjunta para 𝑿𝟏 y 𝑿𝟐 se construye de Si X y Y son dos variables aleatorias conjuntas discretas, entonces
la siguiente forma: se pueden hacer las siguientes definiciones:
1
𝑓𝑋1𝑋2 (1,2) = 𝑃(𝑋1 = 1, 𝑋2 = 2) =
36 La función de probabilidad marginal de X (función de probabilidad
1
𝑓𝑋1𝑋2 (1,3) = 𝑃(𝑋1 = 1, 𝑋2 = 3) = de X al margen de Y) como:
36
𝑓𝑋 (𝑥) = ∑ 𝑓𝑋𝑌 (𝑥, 𝑦)
Anotando las probabilidades en una tabla, se tiene: ∀𝑅𝑌
𝑥1
𝑓𝑋1𝑋2 (𝑥1 , 𝑥2 ) La función de probabilidad marginal de Y (función de probabilidad
1 2 3 4 5 6
1 de Y al margen de X) como:
2 36
0 0 0 0 0

3
1 1
0 0 0 0 𝑓𝑌 (𝑦) = ∑ 𝑓𝑋𝑌 (𝑥, 𝑦)
36 36
1 1 1 ∀𝑅𝑋
4 36 36 36
0 0 0
1 1 1 1
5 36 36 36 36
0 0 La función de probabilidad condicional de X dado que 𝑌 = 𝑦0
1 1 1 1 1
6 0 𝑓𝑋𝑌 (𝑥, 𝑦0 )
36
1
36
1
36
1
36
1
36
1 1
; 𝑓𝑌 (𝑦0) > 0
𝑥2 7 𝑓𝑋|𝑦0 (𝑥|𝑌 = 𝑦0) = { 𝑓𝑌 (𝑦0 )
36 36 36 36 36 36
1 1 1 1 1
8 0 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
36 36 36 36 36
1 1 1 1
9 0 0
36 36
1
36
1
36
1 La función de probabilidad condicional de Y dado que 𝑋 = 𝑥0
10 0 0 0
36 36 36 𝑓𝑋𝑌 (𝑥0 , 𝑦)
11 0 0 0 0
1 1 ; 𝑓𝑋 (𝑥0 ) > 0
36 36 𝑓𝑌|𝑥0 (𝑦|𝑋 = 𝑥0) = { 𝑓𝑋 (𝑥0 )
1
12 0 0 0 0 0
36 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Ejemplo: 3. La probabilidad de que las variables se encuentren en una
- Para la función de probabilidad conjunta discreta, del región es igual a la integral de la función de densidad integrada
lanzamiento de dos dados, obtener las marginales. sobre dicha región.
- Una forma de escribir las marginales es agregando una columna
y un renglón a la tabla de la función de probabilidad.
𝑃((𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ R)= ∬ … ∫ 𝑓𝑋1𝑋2… 𝑋𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑑𝑥1 𝑑𝑥2 … 𝑑𝑥𝑛
R
𝑥1
𝑓𝑋1𝑋2 (𝑥1 , 𝑥2 ) Las dos primeras propiedades nos sirven para identificar a una
1 2 3 4 5 6 𝑓𝑋2 (𝑥2)
2
1
0 0 0 0 0
1 función de densidad conjunta, mientras que la tercera propiedad
36 36
1 1 2 nos sirve para calcular probabilidades.
3 36 36
0 0 0 0
36
1 1 1 3
4 36 36 36
0 0 0
36
EJERCICIO:
5
1 1 1 1
0 0
4 Sean X y Y dos variables aleatorias conjuntas con función de
36 36 36 36 36
1 1 1 1 1 5 densidad:
6 36 36 36 36 36
0
36
1 1 1 1 1 1 6
𝑥2 7 36 36 36 36 36 36 36 𝑘(𝑥 + 𝑦); 0 ≤ 𝒙 ≤ 1, 0 ≤ 𝒚 ≤ 1
1 1 1 1 1 5 𝒇𝑿𝒀 (𝒙, 𝒚) = {
8 0
36 36 36 36 36 36 0; en otro caso
1 1 1 1 4
9 0 0
36 36 36 36 36
10 0 0 0
1 1 1 3 a) Calcular el valor de k para el cual 𝒇𝑿𝒀 (𝒙, 𝒚) es función de
36 36 36 36
1 1 2 densidad.
11 0 0 0 0
36 36
1
36
1
b) P(0.5 ≤ 𝑿 ≤ 1, 0.5 ≤ 𝒀 ≤ 1)
12 0 0 0 0 0
36 36 c) 𝑃(𝑋 + 𝑌 ≤ 1)
6 6 6 6 6 6
𝑓𝑋1 (𝑥1 ) 36 36 36 36 36 36
1
Funciones de probabilidad: marginal y condicional

EJERCICIO: La función de densidad marginal de X (función de probabilidad de

Cierto artículo se fabrica en dos líneas de producción diferente. La
X al margen de Y) como:
∞
capacidad en cualquier día dado para cada línea es de dos 𝑓𝑋 (𝑥) = ∫ 𝑓𝑋𝑌 (𝑥, 𝑦) 𝑑𝑦
artículos. Supóngase que el número de artículos producidos por −∞
la línea uno en un día cualquiera es una variable aleatoria X y que
el número de artículos producidos por la línea dos está dado por La función de densidad marginal de Y (función de probabilidad de
Y. Con base en datos estadísticos, se obtuvo la siguiente tabla que Y al margen de X) como:
∞
corresponde a la función de probabilidad conjunta de X y Y. 𝑓𝑌 (𝑦) = ∫ 𝑓𝑋𝑌 (𝑥, 𝑦) 𝑑𝑥
−∞
𝑥
𝑓𝑋𝑌 (𝑥, 𝑦)
0 1 2 La función de densidad condicional de X dado que 𝑌 = 𝑦0 es:
0 0.10 0.20 0.20
𝑦 1 0.04 0.08 0.08 𝑓𝑋𝑌 (𝑥, 𝑦0 )
; 𝑓𝑌 (𝑦0) > 0
2 0.06 0.12 0.12 𝑓𝑋|𝑦0 (𝑥|𝑌 = 𝑦0) = { 𝑓𝑌 (𝑦0 )
0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
a) Calcule la probabilidad de que en un día dado, el número de
La función de densidad condicional de Y dado que 𝑋 = 𝑥0 es:
artículos producidos en la línea uno sea mayor que el número de
artículos producidos en la línea dos. 𝑓𝑋𝑌 (𝑥0 , 𝑦)
b) Obtenga las funciones de probabilidad marginales de X y Y. ; 𝑓𝑋 (𝑥0 ) > 0
c) Calcule la función de probabilidad condicional de X dado Y = 1. 𝑓𝑌|𝑥0 (𝑦|𝑋 = 𝑥0 = { 𝑓𝑋 (𝑥0 )
)
d) Calcule P (X <2 | Y = 1) 0; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Variables aleatorias conjuntas continuas EJERCICIO:

Si X1, X2, X3,…, Xn son variables aleatorias conjuntas continuas, Sean X1 y X2 las proporciones de dos sustancias distintas que se
entonces su función de densidad conjunta se define como una encuentran en una muestra de mezcla de reactivos que se usa
función con las siguientes propiedades: como insecticida. Supóngase que X1 y X2 tienen una densidad de
probabilidad conjunta representada por:
1. La función es no negativa.
2; 0 ≤ 𝒙𝟏 , 0 ≤ 𝒙𝟐 ≤ 𝟏, 𝒙𝟏 + 𝒙𝟐 ≤ 𝟏
𝑓𝑋1𝑋2… 𝑋𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ≥ 0 ∀ 𝑥1 , 𝑥2 , … , 𝑥𝑛 𝒇𝑿𝟏𝑿𝟐 (𝒙𝟏 , 𝒙𝟐 ) = {
0; en otro caso
2. La integral múltiple sobre todo el rango de las variables
aleatorias es la unidad. 3 3
a) Calcular 𝑃 (𝑿𝟏 ≤ 4 , 𝑿𝟐 ≤ 4)
1 1
b) Calcular 𝑃 (𝑿𝟏 ≤ 2 , 𝑿𝟐 ≤ 2)
∞ ∞ ∞ 1 1
∫ ∫ … ∫ 𝑓𝑋1𝑋2… 𝑋𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑑𝑥1 𝑑𝑥2 … 𝑑𝑥𝑛 = 1 c) Calcular 𝑃 (𝑿𝟏 ≤ | 𝑿𝟐 ≤ )
2 2
−∞ −∞ −∞
EJERCICIO: EJERCICIO:
Sea la función de densidad conjunta: Determinar si las variables aleatorias conjuntas X y Y con función
de densidad conjunta dada por:
𝑥𝑦 2 8
𝑥3 + ; 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 2 𝑥(𝑥 + 𝑦); 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 𝑥
𝑓𝑋𝑌 (𝑥, 𝑦) = { 𝑎 𝑓𝑋𝑌 (𝑥, 𝑦) = {3
0; en otro caso 0; en otro caso
son independientes o no. Justificar su respuesta.
a) Obtener el valor de a ∈ ℝ
b) Calcular 𝑃(𝑋 ≤ 𝑌)
c) Obtener las funciones marginales 𝑓𝑋 (𝑥) y 𝑓𝑌 (𝑦). Características numéricas de las variables aleatorias conjuntas.
d) Obtener las funciones de densidad condicional: Definición:
𝑓𝑋|𝑦0 (𝑥|𝑦0 ) y 𝑓𝑌|𝑥 (𝑦|𝑥0 ) Las características numéricas de las variables aleatorias
conjuntas son valores que describen el comportamiento
probabilístico conjunto.
Función de distribución conjunta
Proporciona el comportamiento probabilístico acumulado de una
serie de variables aleatorias.  Medidas de tendencia central:
Si X y Y son dos variables aleatorias conjuntas, se define 𝐹𝑋𝑌 (𝑥, 𝑦)
como: Valor esperado y curva de regresión
Si X y Y son variables aleatorias conjuntas con función de
𝐹𝑋𝑌 (𝑥, 𝑦) = 𝑃(𝑋 ≤ 𝑥, 𝑌 ≤ 𝑦)
probabilidad o de densidad conjunta 𝑓𝑋𝑌 (𝑥, 𝑦) y si 𝑔(𝑥, 𝑦) es una
función de dichas variables aleatorias. Entonces, el valor esperado
Si X y Y son dos variables aleatorias conjuntas, discretas o
de 𝑔(𝑥, 𝑦) se define como:
continuas, entonces:
𝑥 𝑦

𝐹𝑋𝑌 (𝑥, 𝑦) = ∑ ∑ 𝑓𝑋𝑌 (𝑢, 𝑣) para v. ad. ∑ ∑ 𝑔(𝑥, 𝑦)𝑓𝑋𝑌 (𝑥, 𝑦) caso discreto
𝑢=−∞ 𝑣=−∞ ∀𝑅𝑥 ∀𝑅𝑦
𝐸(𝑔(𝑋, 𝑌)) = ∞ ∞
∫ ∫ 𝑔(𝑥, 𝑦)𝑓𝑋𝑌 (𝑥, 𝑦)𝑑𝑥𝑑𝑦 caso continuo
𝑢=𝑥 𝑣=𝑦 { −∞ −∞
𝐹𝑋𝑌 (𝑥, 𝑦) = ∫ ∫ 𝑓𝑋𝑌 (𝑢, 𝑣) 𝑑𝑣 𝑑𝑢 para v. a. c.
𝑢=−∞ 𝑣=−∞ Propiedades del valor esperado
Propiedades de la Función de Distribución Conjunta a) 𝐸(𝑐) = 𝑐
b) 𝐸(𝑋 + 𝑌) = 𝐸(𝑋) + 𝐸(𝑌)
1. 𝐹𝑋𝑌 es una función no decreciente. c) Si X y Y son variables aleatorias independientes, entonces:
𝟐. 𝐹𝑋𝑌 (−∞, 𝑦) = 0 𝐹𝑋𝑌 (𝑥, −∞) = 0 𝐹𝑋𝑌 (∞, ∞) = 1 𝐸(𝑔1 (𝑋)𝑔2 (𝑌)) = 𝐸(𝑔1 (𝑋))𝐸(𝑔2 (𝑋))
𝟑. 𝐹𝑋𝑌 (∞, 𝑦) = 𝐹𝑌 (𝑦) 𝐹𝑋𝑌 (𝑥, ∞) = 𝐹𝑋 (𝑥)
𝟒. 𝑃(𝑥1 < 𝑋 ≤ 𝑥2, 𝑦1 < 𝑌 ≤ 𝑦2) = EJERCICIO:
𝐹𝑋𝑌 (𝑥2, 𝑦2 ) − 𝐹𝑋𝑌 (𝑥1 , 𝑦2 ) − 𝐹𝑋𝑌 (𝑥2 , 𝑦1 ) + 𝐹𝑋𝑌 (𝑥1 , 𝑦1 ) En un proceso de extracción de cierto mineral se han identificado
varios tipos de impurezas. En una muestra específica de este
Para variables aleatorias continuas, si 𝐹𝑋𝑌 tiene derivadas mineral, X denota la proporción de impurezas de la muestra y Y la
parciales de orden superior a dos: proporción de la impureza tipo I entre todas las impurezas
encontradas. Supóngase que se puede elaborar un modelo de la
𝜕2 𝐹𝑋𝑌 (𝑥,𝑦) distribución conjunta de X y Y mediante la función de densidad de
𝐹𝑋𝑌(𝑥, 𝑦) = 𝜕𝑦𝜕𝑥 probabilidad siguiente:

Independencia de variables aleatorias conjuntas 2 − 2𝑥; 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1

Una vez estudiadas las funciones de probabilidad y de densidad 𝑓𝑋𝑌 (𝑥, 𝑦) = {
marginales, se observa que el conocimiento (o la información) 0; en otro caso
sobre el valor de una de las variables aleatorias puede modificar
el comportamiento probabilístico de la otra variable. Esto sólo Encontrar el valor esperado de la proporción de impurezas tipo I.
sucede si las variables conjuntas son dependientes.

Si X y Y son variables aleatorias conjuntas, son independientes si Valor esperado condicional

y sólo si: Podemos observar que si X, Y son dos variables aleatorias
𝑓𝑋𝑌 (𝑥, 𝑦) = 𝑓𝑋 (𝑥)𝑓𝑌 (𝑦) conjuntas, aun cuando se imponga la condición X = x0 a la variable
Para todo x y y. aleatoria X, la otra variable aleatoria conjunta sigue siendo una
variable aleatoria, y como tal posee un comportamiento
En general, para n variables aleatorias conjuntas 𝑋1, 𝑋2, …, 𝑋𝑛 , con probabilístico propio, descrito por 𝑓𝑌|𝑥0 (𝑌|𝑋 = 𝑥0), y por lo tanto,
función de probabilidad o de densidad conjunta también se pueden determinar sus características numéricas.
𝑓𝑋1𝑋2…𝑋𝑛 (𝑥1 , 𝑥2, … , 𝑥𝑛 ) y marginales 𝑓𝑋1 (𝑥𝑖 ) para i = 1, 2,…, n, son Lo mismo ocurre con la condición (𝑋|𝑌 = 𝑦0).
independientes sí y sólo si:
Por lo anterior, si X y Y son dos variables aleatorias conjuntas y se
𝒇𝑿𝟏𝑿𝟐…𝑿𝒏 (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ) = 𝒇𝑿𝟏 (𝒙𝟏 )𝒇𝑿𝟐 (𝒙𝟐) … 𝒇𝑿𝒏 (𝒙𝒏 ) conoce con certeza el valor que tomará X, el mejor pronóstico que
se puede realizar del valor que tomará Y es el valor esperado,
calculado a partir de la distribución condicional correspondiente.
Por lo tanto, si se sabe que 𝑋 = 𝑥0, el valor pronosticado para Y
que se denota por 𝑦̂0 es:
𝑦̂0 = 𝐸[𝑌|𝑋 = 𝑥0 ] = 𝜇𝑌|𝑥0
Si X, Y son dos aleatorias conjuntas, se define el valor esperado
condicional como:
∞ 3. 𝝆 = ±𝟏, si y sólo si 𝒀 = 𝒎𝑿 + 𝒃 para 𝒎 y 𝒃 constantes.
∫ 𝑦𝑓𝑌|𝑥0 (𝑦|𝑥0)𝑑𝑦 si 𝑌 es continua
𝑦̂0 = 𝜇𝑌|𝑥0 = 𝐸[𝑌|𝑋 = 𝑥0 ] =
−∞
∑ 𝑦𝑓𝑌|𝑥0 (𝑦|𝑥0) si 𝑌 es discreta
{ ∀𝑅𝑌
∞
∫ 𝑥𝑓𝑋|𝑦0 (𝑥|𝑦0)𝑑𝑥 si 𝑋 es continua
−∞
𝑥̂0 = 𝜇𝑋|𝑦0 = 𝐸[𝑋|𝑌 = 𝑦0 ] =
∑ 𝑥𝑓𝑋|𝑦0 (𝑥|𝑦0) si 𝑋 es discreta
{ ∀𝑅𝑌
La curva de regresión de Y dado x, es el lugar geométrico de los
valores esperados de las distribuciones condicionales de Y. Su
ecuación es 𝑦̂ = 𝜇𝑌|𝑥 .
El coeficiente de correlación es una cantidad adimensional que
mide la asociación lineal entre las dos variables aleatorias, el valor
de 𝝆 está contenidos en el intervalo [– 1, 1].
Propiedades del coeficiente de correlación:
1. Si X, Y son variables aleatorias independientes, entonces 𝝆 = 𝟎
2. Para cualesquiera variables aleatorias conjuntas −1 ≤ 𝝆 ≤ 𝟏
EJERCICIO:
Dada la función de densidad conjunta:
2 2
4𝑥𝑦𝑒 −(𝑥 +𝑦 ) ; 0 ≤ 𝑥 ≤ ∞, 0 ≤ 𝑦 ≤ ∞
𝑓𝑋𝑌 (𝑥, 𝑦) = {
0; en otro caso
Obtener:
a) Las densidades marginales de X y Y
b) Las funciones de densidad condicional de X y Y
c) La expresión de las esperanzas condicionales de X y Y
d) El coeficiente de correlación
EJERCICIOS PARA RESOLVER EN CLASE:

1. Se seleccionan al azar dos repuestos para una pluma, de una

La curva de regresión de X dado y, es el lugar geométrico de los
caja que contiene: 3 repuestos azules, 2 rojos y 3 verdes.
valores esperados de las distribuciones condicionales de X. Su
ecuación es 𝑥̂ = 𝜇𝑋|𝑦 .
a) Si X representa el número de repuestos azules seleccionados y
Y el número de rojos; determine la función de probabilidad
EJERCICIO:
conjunta.
Sea la función de densidad conjunta:
b) Determinar las probabilidades marginales de X y Y.
3
𝑥 3 + 𝑥𝑦 2 ; 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 2
𝑓𝑋𝑌 (𝑥, 𝑦) = { 8 c) Determinar la distribución condicional de X dado que Y = 1 y
0; en otro caso utilícela para determinar 𝑃(𝑋 = 0|𝑌 = 1).

Obtener las esperanzas condicionales para cualquier valor

(curvas de regresión).
2. Dada la función:

 Medidas de dispersión de variables aleatorias conjuntas: 2(2𝑥 + 3𝑦)

covariancia y correlación 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1
𝑓𝑋𝑌 (𝑥, 𝑦) = { 5
0; en otro caso
Covariancia
La covariancia es una medida de dispersión que indica, en a) Determinar si se trata de una distribución de probabilidad
promedio, qué tanto se alejan conjuntamente los valores de sus conjunta.
medias respectivas, es decir, qué tanto varían en conjunto (qué
tanto covarían). b) Encuentre la probabilidad: 𝑃[(𝑥, 𝑦) ∈ ℝ]

Si X y Y son dos variables aleatorias conjuntas, entonces se define c) Obtener la probabilidad marginal para la variable X.
la covariancia, Cov (X, Y) como:
d) Obtener la probabilidad marginal para la variable Y.
Cov (X, Y) = 𝜎𝑋𝑌 = 𝐸[(𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 )]

Aplicando las propiedades del valor esperado, la covariancia se

puede calcular mediante:

𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸[(𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 )] = 𝐸(𝑋𝑌) − 𝜇𝑋 𝜇𝑌

El valor esperado de la covariancia depende de la escala en la que

están X y Y. Para referir la relación entre X y Y a una escala fija se
debe utilizar el coeficiente de correlación.

El coeficiente de correlación, denotado por 𝝆 es:

𝑪𝒐𝒗(𝑿, 𝒀) 𝝈𝑿𝒀
𝝆= =
√𝑽𝒂𝒓(𝑿)√𝑽𝒂𝒓(𝒀) 𝝈 𝑿 𝝈𝒀