Republica Bolivariana de Venezuela

Ministerio del Poder Popular para la Defensa

Universidad Nacional Experimental y Politécnica de la Fuerza Armada
Sede San Felipe-Núcleo Yaracuy

Función de densidad conjunta y marginal

Para variables aleatorias bidimensionales

Integrantes:
Mendoza génesis
C.I 27.737.395
Ramlig Sira
C.I
Jonathan
C.I
Profesor: Edgardo Camacho
 Introducción
En muchas ocasiones, los resultados de un experimento aleatorio no pueden
expresarse mediante una única cantidad, y se requiere una variable aleatoria
multidimensional. Nos centramos en este capítulo en el estudio de una función de
densidad conjunta y marginal para variables aleatorias bidimensionales.

Estudiamos simultáneamente dos variables aleatorias para analizar la relación que

las une (estudiaremos dos características numéricas).
Hemos realizado un experimento aleatorio, Ω es su espacio muestral con sus
resultados posibles y X e Y son dos variables aleatorias definidas sobre dicho
espacio: (X, Y) es una variable aleatoria bidimensional.

Variable aleatoria bidimensional

Una variable aleatoria bidimensional (X, Y ) es una aplicación del espacio muestral Ω en
R2 = RxR

Ω XxY −→ RxR

ω −→ (X(ω), Y (ω))

Por lo tanto, cada componente de la variable aleatoria bidimensional es una variable

aleatoria unidimensional.

• Características de una variable aleatoria

bidimensional
Una variable aleatoria bidimensional (X, Y) está determinada por su distribución
conjunta, a partir de la cual obtenemos las distribuciones marginales y las
condicionadas.
Para estos tres tipos de distribuciones obtenemos resúmenes estadísticos
(momentos conjuntos, marginales y condicionados, centrándonos en los conjuntos
y marginales) A partir de la distribución conjunta obtenemos las esperanzas de
funciones de una variable bidimensional.

Tipos
 Variables aleatorias bidimensionales discretas
 Variables aleatorias bidimensionales continuas
Clasificaremos a las variables aleatorias
bidimensionales de la siguiente manera:
(X Y, ) es variable aleatoria bidimensional discreta si X e Y son discretas
(X Y, ) es variable aleatoria bidimensional continua si X e Y son continuas

1. Sea (X, Y ) una variable aleatoria bidimensional discreta y sea RXY su recorrido
(numerable).
Sea p : RXY → R una función que a cada elemento (xi , yi ) le asigna un número
real p(Xi , Yi ) , tal que

A esta función la llamaremos función de probabilidad puntual conjunta de la

variable aleatoria bidimensional (X, Y). En forma abreviada la designaremos fdp
conjunta.

2. Sea (X, Y) una variable aleatoria bidimensional continua y sea R XY su recorrido

(no numerable).
Sea f: RXY → R una función que, a cada punto (x,y ) de RXY le asigna un número
real f ( y,x ) tal que

A esta función la llamaremos función de densidad de probabilidad conjunta de

la variable aleatoria bidimensional (X, Y ). En forma abreviada la designaremos
también fdp conjunta.
Distribución conjunta:
La función de densidad conjunta

fX, Y (x, y) = ∂^2 / ∂x∂y FX,Y (x, y)

Propiedades de la función de densidad conjunta

1. fX, Y (x, y) ≥ 0 ∞ ∞ 2. ∫ ∫ fX, Y (x, y) dx dy = 1 –∞ –∞

La función de densidad conjunta es una superficie continua en el espacio de tres

dimensiones, que se encuentra por encima del plano XY, y tal que el volumen
limitado por la función de densidad y el plano XY es igual a la unidad.

Obtenemos la probabilidad de un suceso B c R^2, integrando la función de

densidad en el recinto B p [(X, Y) є B] = ∫∫ fX, Y (x, y) dx dy
B

La probabilidad de que (X, Y) tome valores en el recinto B es el volumen de la

figura vertical cuya base es ese recinto, limitada inferiormente por el plano XY y
superiormente por la función de densidad conjunta.

Observaciones
1. Si un suceso del plano XY tiene área igual a cero, tiene probabilidad nula, es
decir, los puntos, las rectas y las curvas tienen probabilidad nula.
2. Los valores que toma una variable aleatoria continua bidimensional son los
puntos del plano en los que la función de densidad conjunta no se anula, es decir,
la variable (X, Y) toma el valor (x, y) si f (x, y) > 0

Se deben cumplir los mismos supuestos que para variables unidimensionales:

La interpretación de la función de densidad conjunta es una función bidimensional.

Distribuciones marginales:
La distribución marginal de X es simplemente la función de probabilidad de x,
pero la palabra marginal sirve para distinguirla de la distribución conjunta de X e Y.
Una distribución marginal nos da la idea de la forma como depende una
probabilidad con respecto a una sola variable.

Usos:
La f.d.p marginal es usada para hallar las diferentes distribuciones de probabilidad
estadística de las variables individuales, con esta función podemos asignar
diferentes valores a las variables conjuntas sin tener que relacionarlas, por ello se
amplía las probabilidades de cada una de las variables.

Ventajas
La distribución marginal de dos variables aleatorias se pueden obtener a partir de
su distribución conjunta. Para una variable aleatoria se puede especificar
probabilidades para dicha variable sin tener en cuenta los valores de cuales quiera
otras variables aleatorias.

Desventajas
No es posible reconstruir la distribución conjunta de dos variables aleatorias a
partir de sus distribuciones marginales sin información adicional. La f.d.p. marginal
representada en grafica no proporcionan información acerca de la relación entre
las variables aleatorias conjuntas.

Si una variable aleatoria bidimensional (X, Y) es continua, sus componentes X e Y

son continuas y sus funciones de densidad marginales se obtienen integrando la
función de densidad conjunta
∞ ∞
fX (x) = ∫ f (x, y) dy fY (y) = ∫ f (x, y) dx
y= – ∞ x=–∞

Obtenemos las esperanzas y las varianzas marginales de cada una de las

variables
∞ ∞
E (X) = ∫ x · fX (x) dx E (Y) = ∫ y · fY (y) dy

–∞ –∞

Var (X) = E (X^2) – [E (X)]^2 Var (Y) = E (Y^2) – [E (Y)]^2

(v.a. discretas) Sea la variable aleatoria bidimensional XY distribuida según
PXY(x,y), la distribución marginal de X es:

Análogamente, La distribución marginal de Y es:

(v.a. continuas) Sea la variable aleatoria bidimensional XY distribuida según

fXY(x,y), la distribución marginal de X es:

Análogamente, la distribución marginal de Y es:

Ejemplos