Documente Academic
Documente Profesional
Documente Cultură
1. Introducción
Anteriormente se estudio los conceptos de probabilidad para una variable aleatoria a la vez. Sin embargo, en muchas
ocasiones resulta de interés medir más de una característica de algún fenómeno aleatorio. Por ejemplo, cuando se estudia
la concentración del agua en general, se mide la concentración de varios contaminantes presentes en ésta. Otro ejemplo
puede ser, la clasificación de las señales transmitidas y recibidas, cada señal puede ser clasificada como alta, media o de
baja calidad. De los ejemplos anteriores surge la necesidad de estudiar modelos de probabilidad que contengan más de
una variable aleatoria. Estos modelos reciben el nombre de modelos multivariados, mientras que los modelos con una
sola variable reciben el nombre de modelos univariados.
En general, si X e Y son dos variables aleatorias, la distribución de probabilidad que define su comportamiento simultáneo se
llama distribución de probabilidad conjunta. En este capítulo se estudiarán los conceptos generales para distribuciones
de probabilidad discretas y continuas con dos variables. La extensión a más de dos variables aleatorias resultará de manera
directa.
1. fXY (x, y) ≥ 0
P P
2. x y P {X = i, Y = j} = 1
3. fXY (x, y) = P {X = i, Y = j}
FX (a) = P {X ≤ a}
= P {X ≤ a, Y < ∞}
lı́m
= P (X ≤ a, Y ≤ b)
b→∞
lı́m
= P {X ≤ a, Y ≤ b}
b→∞
lı́m
= F (a, b)
b→∞
= F (a, ∞)
1
Similarmente la distribución de Y se obtiene como
FX (a) = P {Y ≤ b}
lı́m
= F (a, b)
a→∞
= F (∞, b)
pX (x) = P {X = x}
X
= p(x, y)
y,p(x,y)>0
Similarmente
pY (y) = P {Y = y}
X
= p(x, y)
x,p(x,y)>0
Ejemplo 1. Suponga el lanzamiento de dos dados juntos. Para este experimento defina las siguientes variables aleatorias,
X =menor valor observado; Y =mayor valor observado.
Y \X 1 2 3 4 5 6 P {X = i}
1 1/36 0 0 0 0 0 1/36
2 2/36 1/36 0 0 0 0 3/36
3 2/36 2/36 1/36 0 0 0 5/36
4 2/36 2/36 2/36 1/36 0 0 7/36
5 2/36 2/36 2/36 2/36 1/36 0 9/36
6 2/36 2/36 2/36 2/36 2/36 1/36 11/36
P {Y = j} 11/36 9/36 7/36 5/36 3/36 1/36
6 10 4
P (Y < X + 2) = P (Y − X < 2) = 36 + 36 = 9
La función f (x, y) es llamada función densidad de probabilidad conjunta de X y Y y satisface las siguientes propiedades:
Si A y B son dos conjuntos cualquieras de números reales, entonces, definimos C = {(x, y) : x ∈ A, y ∈ B} y vemos que
ˆ ˆ
P {X ∈ A, Y ∈ B} = f (x, y) dxdy
B A
2
Como
P {X ∈ A} = P {X ∈ A, Y ∈ (−∞, ∞)}
ˆ ˆ∞
= f (x, y)dydx
A −∞
ˆ
= fX (x)dx
A
´∞
donde fX (x) = −∞
f (x, y)dy
y es por tanto la función densidad de probabilidad de X. Similarmente, la función densidad de probabilidad de Y está
dada por
ˆ∞
fY (y) = f (x, y)dx
−∞
Calcular
1. P {X > 1, Y < 1}
ˆ1 ˆ∞
P {X > 1, Y < 1} = 2e−x e−2y dxdy
0 0
ˆ1
2e−2y −e−x |∞
= 0 dy
0
ˆ1
= e−1 2e−2y dy
0
−1
1 − e−2
= e
2. P {X < Y }
3
ˆ∞ ˆy
P {X < Y } = 2e−x e−2y dxdy
0 0
ˆ∞
2e−2y 1 − e−y dy
=
0
ˆ∞ ˆ∞
−2y
= 2e dy − 2e−3y dy
0 0
2
= 1−
3
1
=
3
3. fX (x)
ˆ∞
fX (x) = 2e−x e−2y dy
0
= e−x −e−2y |∞
0
= e−x
4. P {X < a}
ˆa
P {X < a} = fX (x)dx
0
ˆa
= e−x dx
0
= 1 − ea
P {X ∈ A, Y ∈ B} = P {X ∈ A} P {Y ∈ B}
F (a, b) = P {X ≤ a, Y ≤ b}
= P {X ≤ a} P {X ≤ b}
= FX (a)FY (b), para todoa, b
4
4. Distribuciones de probabilidad condicional:
Caso discreto
Si X y Y son variables aleatorias discretas, definimos la función discreta de probabilidad de X dado Y = y como
pX|Y (x | y) = P {X = x | Y = y}
P {X = x, Y = y}
=
P {Y = y}
p(x, y)
= , pY (y) > 0
pY (y)
Similarmente la función distribución de probabilidad condicional de X dado Y = y, está dada por
FX|Y (x | y) = P {X ≤ x | Y ≤ y}
X
= pX|Y (a | y)
a≤x
Notemos que
pY (1) = p(0, 1) + p(1, 1) = 0,5
Así
p(0, 1) 2
pX|Y (0 | 1) = =
pY (1) 5
p(1, 1) 3
pX|Y (1 | 1) = =
pY (1) 5
Caso continuo
Si X y Y tienen función densidad de probabilidad conjunta f (x, y), entonces la función densidad de probabilidad de
condicional de X dado Y = y definida, para todos los valores de y tal que fY (y) > 0, como
f (x, y)
fX|Y (x) = para fY (y) > 0
fY (y)
El uso de densidades condicionales nos permite definir probabilidades condicionales de eventos asociados a una variable
aleatoria cuando conocemos el valor de una segunda variable. Esto es, si X y Y son conjuntamente continuas, entonces,
para cualquier conjunto A, ˆ
P {X ∈ A | Y = y} = fX|Y (x)dx
A
En particular, si hacemos A = (−∞, a], podemos definir la función distribución acumulada condicional de X dado Y como
FX|Y (a | y) = P {X ≤ a | Y = y}
ˆa
= fX|Y (x)dx
−∞
5
Ejemplo 4. La función de densidad conjunta de de X y Y está dada por
(
12
x (2 − x − y) 0 < x < 1, 0 < y < 1
f (x, y) = 5
0 caso contrario
5. Ejercicios
1. Suponga que se lanza una moneda corriente tres veces consecutivas y sea X e Y las variables aleatorias definidas
como sigue: X := “número de caras obtenidas”. Y := “número de lanzamientos en el que se obtiene por primera vez
cara” (Y = 0 si no hay).
2. Una caja contiene tres puntillas, cuatro tachuelas y dos tornillos. Se extraen al azar tres objetos (sin reemplazo).
Sea X el número de tachuelas y Y el número de puntillas extraídas. Hallar la distribución conjunta de X e Y.
3. Se lanza un dado corriente dos veces consecutivas. Sean: X1 := “máximo valor obtenido”, X2 := “suma de los
resultados obtenidos”.
6
a) Determinar la función densidad de probabilidad conjunta de X1 y X2 .
b) Calcular P X1 ≤ 32 , X2 ≤ 11
3 y P {X1 ≤ π, X2 ≤ 2}
4. Suponga que X y Y son variables aleatorias independientes con X distribuido Poisson con parámetro λ y Y distri-
buido Poisson con parámetro γ. Hallar la distribución de Z = X + Y.
5. Una urna contiene 4 bolas rojas, 5 negras y 2 azules. Se extraen al azar (sin reposición) tres bolas de la urna. Sea X
la variable aleatoria que denota el número de bolas rojas extraídas y Y denota el número de bolas negras extraídas.
Hallar:
a) La distribución conjunta de X y Y.
b) E (X) y E(Y ).
6. Sean X, Y variables aleatorias con función de densidad de probabilidad conjunta dada por:
(
c (x + y) 0 < x < 3, x < y < x + 2
f (x, y) =
0 en otro caso
7. Sean X, Y variables aleatorias con función de densidad de probabilidad conjunta dada por:
(
cxy si 0 < x < 3 y 0 < y < x
f (x, y) =
0 en otro caso
a) Hallar el valor de c.
b) Hallar las funciones de densidad marginal de X y de Y.
c) Determine la distribución de probabilidad condicional de X dado Y y la distribución condicional de Y dado X.
d ) Hallar P (X < 1, Y < 2)
e) Encontrar P (Y > 1)
f ) Encuentre E [Y | X = x]
1
< X < 43 , 0 < X < 1
9. Calcular P 2 3
11. Sean X e Y variables aleatorias con función densidad de probabilidad dada por:
(
4x
3 0 < x < 1, y > 1
f (x, y) = y
0 en otro caso
1
a) Determinar P X < 2 |Y >6
b) Las funciones de densidad marginales de X e Y.
7
12. Sean X e Y variables aleatorias con función densidad de probabilidad dada por:
(
k 0 ≤ x ≤ 2, 0 ≤ y ≤ 1 y 2y ≤ x
f (x, y) =
0 en otro caso
a) Hallar el valor de k.
b) Encontrar la función de distribución acumulada conjunta de X y Y.
c) Determinar las funciones de densidad marginales de X y Y.
d ) Hallar P {X ≤ 3Y }
13. Sean X e Y dos variables aleatorias que denotan las longitudes de las dimensiones de piezas mecanizadas, respecti-
vamente. Supongamos que X e Y son variables aleatorias independientes, y asume, además, que la distribución de
X es normal con media 10.5 milímetros y varianza 0.0025 (milímetro)2 y que la distribución de Y es normal, con
una media de 3.2 milímetros y varianza 0.0036 (milímetro)2 . Determine la probabilidad de que 10,4 < X < 10,6 y
3,15 < Y < 3,25.
14. Sean X y Y variables aleatorias tales que X está distribuida Uniforme en el intervalo [0, 1] y Y distribuido Exponencial
de parámetro 1. Calcular P {X + Y ≥ 2,5} .
15. Suponga que X y Y son variables aleatorias discretas con distribución conjunta dada por
X \Y 1 2 3 4
1 1 1 1
1 16 16 16 16
2 1 1
2 0 16 16 16
3 1
3 0 0 16 16
4
4 0 0 0 16
a) Calcular la distribuciones de X y Y .
b) Determinar E (X | Y = 1) y E (Y | X = 1)
16. Suponga que la función de densidad de probabilidad conjunta de las variables aleatorias X y Y está dada por:
(
e−y x > 0, y > x
f (x, y) =
0 en otro caso