VARIABLES ALEATORIAS Y Estadística

DISTRIBUCIONES DE PROBABILIDAD
VARIABLES ALEATORIAS DISCRETAS
Una variable aleatoria es una función que asocia un valor numérico a cada posible resultado
de un experimento aleatorio.
Una variable aleatoria se llama variable aleatoria discreta si se puede contar su conjunto de
resultados posibles.
Si un espacio muestral contiene un número finito de posibilidades, o una serie interminable
con tantos elementos como números enteros existen, se llama espacio muestral discreto
Ejemplo
Se sacan 2 bolas de manera sucesiva sin reemplazo, de una urna que contiene 4 bolas rojas y 3 negras. Definimos la
variable aleatoria Y como el número de bolas rojas, además, definimos R como el evento donde sale una bola Roja y N el
evento donde sale una bola Negra, tendremos
Espacio Muestral 𝑌
RR 2
El conjunto de posibles eventos
RN 1
𝑌 = {𝑅𝑅, 𝑅𝑁, 𝑁𝑅, 𝑁𝑁}
NR 1
NN 0
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
El conjunto de pares ordenados (x, f(x)) es una función de probabilidades, una función de
masa de probabilidad o una distribución de probabilidad de la variable aleatoria discreta X
si, para cada resultado posible x
1. 𝑓 𝑥 ≥ 0
Nos indica que el valor de la función de probabilidad siempre es mayor o igual a cero
1. σ𝑥 𝑓 𝑥 = 1
Nos indica que la sumatoria de los elementos de la función de distribución es siempre igual a
1
1. 𝑃 𝑋 = 𝑥 = 𝑓(𝑥)
Nos indica que el valor de la probabilidad de un evento es igual al valor de la función de
distribución
EJEMPLO
Un embarque de 8 microcomputadoras similares para una tienda al detalle contiene 3 que están defectuosas. Si una
escuela hace una compra al azar de dos de estas computadoras, encuentre la distribución de probabilidad para el
número de defectuosas.
Sea X una variable aleatoria donde los valores x son los números posibles de computadoras defectuosas que la
escuela compra. Entonces, x puede ser cualquiera de los números 0, 1 y 2.
a) La probabilidad de que la compra tenga 0 defectuosas
Se toman en cuenta primero de las tres defectuosas que no salga ninguna 𝐶03
Después se toma de las 5 restantes sin defecto las formas de escoger las dos de compra 𝐶25
Finalmente se divide entre el numero total de combinación de de 8 computadoras en grupos de compra de dos 𝐶28
Sacar 0 de las 3
defectuosas
3 5
Por lo que 𝑓 0 queda 2 = 10 Sacar 2 de las 5
𝑓 0 =𝑃 𝑋=0 = 0 restantes en buen
8 28
estado
2
Formas de sacar 2
computadoras de el
total de 8
 EJEMPLO (CONT.)
b) La probabilidad de que la compra tenga 1 defectuosa 𝑥 = 1 ⇒ 𝑓(1)
Se toman en cuenta primero de las tres Sacar 1 de las 3
defectuosas
defectuosas que salga una es decir 𝐶13
3 5 Sacar 1 de las 5
Después se toma de las 5 restantes las formas
1 1 = 15 restantes en buen
de escoger una de compra representado por 𝐶15 𝑓 1 = 𝑃 𝑋 = 1 =
8 28 estado
Finalmente se divide entre el numero total de
combinación de 8 computadoras en grupos de
2 Formas de sacar 2
computadoras de el
compra de dos teniendo 𝐶28 total de 8

c) La probabilidad de que la compra tenga 2 defectuosas 𝑥 = 2 ⇒ 𝑓(2) Sacar 1 de las 3

3 5 defectuosas
Se toman en cuenta primero de las tres 3
2 0 Sacar 1 de las 5
defectuosas que salgan dos teniendo 𝐶23 𝑓 2 =𝑃 𝑋=2 = 8 = restantes en buen
28
Después se toma de las 5 restantes las formas 2 estado
de escoger ninguna de compra con 𝐶05 Formas de sacar 2
computadoras de el
Finalmente se divide entre el numero total de total de 8
combinación de de 8 computadoras en grupos
de compra de dos con 𝐶28
EJEMPLO (CONT.)
Donde tendremos que :

Gráfica de distribución de probabilidad

f(x)
Tabla de distribución de probabilidad
0.6

𝒙 0 1 2 0.5

𝑓(𝑥) 10ൗ 15ൗ 3ൗ 0.4

28 28 28
0.3

0.2

0.1

0
0 1 2
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
ACUMULADA
La función de la distribución acumulada F (x) de una variable aleatoria discreta X con
distribución de probabilidad f(x) es:

𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = ෍ 𝑓 𝑡 , 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞

𝑡≤𝑥

Esta nos indica el valor de la probabilidad acumulada de una variable aleatoria

discreta en un rango especificado
EJEMPLO (CONT.)
Del ejemplo anterior cual es la probabilidad de que se tengan 1 o menos
computadoras defectuosas
Tenemos que la función acumulada es la sumatoria de la probabilidad de los puntos
muestrales en el rango elegido, por lo que aplicaran para 𝑥 = 0 y 𝑥 = 1, quedando:
1 10 15 25
𝐹 1 = 𝑃 𝑋 ≤ 1 = ෍ 𝑓(𝑋) = 𝑓 0 + 𝑓 1 = + =
𝑥=0 28 28 28
F(x)
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2
VARIABLES ALEATORIAS CONTINUAS
Una variable aleatoria continua es aquella que puede tomar valores en una escala
continua.
Si un espacio muestral contiene un número infinito de posibilidades como el
número de puntos en un segmento de línea, se le llama espacio muestral continuo.

Ejemplo
Sea 𝑋 la variable aleatoria definida como el tiempo de espera, en horas, entre
conductores sucesivos que exceden los límites de velocidad detectados por una
unidad de radar. La variable aleatoria 𝑋 toma todos los valores de 𝑥 tales que
𝑥≥0
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
Al tratar con variables continuas, 𝑓(𝑥), por lo general, se llama función de densidad
de probabilidad, o simplemente función de densidad de 𝑋
Una función de densidad de probabilidad se construye de manera que el área bajo la
curva limitada por el eje 𝑥 sea igual a 1, cuando se calcula en el rango de 𝑋 para el
que se define 𝑓(𝑥).
La probabilidad de que 𝑋 tome un valor entre a y b es igual al área sombreada bajo la
función de densidad entre las ordenadas en 𝑥 = 𝑎 y 𝑥 = 𝑏, y del cálculo integral está
dada por

𝑃 𝑎 < 𝑋 < 𝑏 = න 𝑓(𝑥)

𝑎
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
(CONT.)
La función f(x) es una función de densidad de probabilidad (fdp) para la variable
aleatoria continua X, definida en el conjunto de números reales R, si
1. 𝑓 𝑥 ≥ 0 ; Nos indica que el valor de la función de distribución es mayor o igual
a cero
∞
2. ‫׬‬−∞ 𝑓 𝑥 𝑑𝑥 = 1 ; Nos indica que la integral de la función de distribución en los
limites −∞ a +∞ es igual a 1, es decir el área bajo la curva de la función de
distribución será 1
𝑏
3. 𝑃 𝑎 < 𝑋 < 𝑏 = ‫ ; 𝑥𝑑 𝑥 𝑓 𝑎׬‬Nos indica que la probabilidad en un rango
especifico estará dado por la integral definida de la función de distribución de
probabilidad
EJERCICIO
El tiempo de operación antes de fallo en horas de una pieza importante de equipo electrónico que se utiliza para la
fabricación de un reproductor de DVD tiene la función de densidad:

1 −𝑥
𝑓 𝑥 = ቐ2000 𝑒 ,𝑥 ≥ 0
2000

0 ,𝑥 < 0

a. Encuentre F(x)
La Función de densidad acumulada será:
𝑥
0 𝑥
1 −𝑡 −𝑡 𝑥 −𝑥
𝐹 𝑥 = න 𝑓 𝑡 𝑑𝑡, 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞ = න 0 𝑑𝑡 + න 𝑒 2000 𝑑𝑡 = −𝑒 2000 ฬ =1−𝑒 2000
−∞ 0 2000 0
−∞

Entonces:
0. 𝑥 <0
𝐹 𝑋 =൝ −𝑥
1−𝑒 2000 ,𝑥 ≥ 0
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
(CONT.)

La función de distribución acumulada F(x) de una variable aleatoria continua X con

función de densidad f(x) es
𝑥

𝐹 𝑥 = 𝑃 𝑋 ≤ 𝑥 = න 𝑓 𝑡 𝑑𝑡, 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞

−∞

𝑃 𝑎 < 𝑋 < 𝑏 = 𝐹 𝑏 − 𝐹(𝑎)

EJERCICIO
b. ¿Cuál es la probabilidad de el componente funcione durante mas de 1000 horas antes que necesite reemplazar el
componente?
Nos solicitan la probabilidad de que el componente funcione por mas de 1000 horas por lo que usaremos la función de densidad
acumulada anterior para 𝑥 > 0, donde dado que la función es acumulada se utilizara 𝑃 𝑋 ≥ 1000 = 1 − 𝐹(𝑋)

−𝑥 −1000
𝑃 𝑋 ≥ 1000 = 1 − 𝐹 1000 = 1 − 1 − 𝑒 2000 =1− 1−𝑒 2000 = 0.6065

c. Determine la probabilidad de que el componente falle antes de 2000 horas

Nos piden la probabilidad de que el componente funcione antes de 2000 horas con lo que usaremos la función de densidad
acumulada para 𝑥 < 0 donde dado que la función es acumulada se usara 𝑃 𝑋 < 2000 = 𝐹(𝑋)

−𝑥 −2000
𝑃 𝑋 < 2000 = 𝐹 2000 = 1 − 𝑒 2000 = 1−𝑒 2000 = 0.6321
EJERCICIO
La vida útil, en días, para frascos de cierta medicina de prescripción es una variable
aleatoria que tiene la función de densidad

20000
,𝑥 > 0
𝑓 𝑥 = ൞ (𝑥 + 100)3
0, 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Encuentre la probabilidad de que un frasco de esta medicina tenga una vida útil de
a) al menos 200 días;
b) cualquier lapso entre 80 a 120 días.
EJERCICIO
a) Tenemos que nos piden al menos 200
Por lo que necesitamos encontrar la función de distribución y evaluar en el rango de
200 a infinito ya que nos piden la probabiliodad de al menos 200, entonces queda:

∞
20000 10000 ∞ 1
𝑃 𝑥 > 200 = න 3 𝑑𝑥 = − ቤ
2 200 = = 0.11
200 (𝑥 + 100) (𝑥 + 100) 9

b) Ahora entre 80 y 120 horas se evalúa la distribución de probabilidad en el rango

indicado de 80 a 120

100
20000 10000 120 1000
න 3 𝑑𝑥 = − 2 ቤ = = 0.10
50 (𝑥 + 100) (𝑥 + 100) 80 9801
DISTRIBUCIONES DE PROBABILIDAD CONJUNTA
DISCRETA
Si X y Y son dos variables aleatorias discretas, la distribución de probabilidad para sus
ocurrencias simultaneas se representa mediante una función con valores f(x,y) para cualquier
par de valores (x,y)
Para el caso discreto tendremos:
𝑓 𝑥, 𝑦 = 𝑃 𝑋 = 𝑥, 𝑌 = 𝑦 ;
Lo que implica que los valores 𝑓 𝑥, 𝑦 dan la probabilidad de que ocurran al mismo tiempo
los resultados x y 𝑦
La función f(x,y) es una distribución de probabilidad conjunta o función de masa de
probabilidad de las variables aleatorias discretas X y Y, si
1. 𝑓 𝑥, 𝑦 ≥ 0 ; 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑥, 𝑦
2. σ𝑥 σ𝑦 𝑓 𝑥, 𝑦 = 1
3. 𝑃 𝑋 = 𝑥, 𝑌 = 𝑦 = 𝑓(𝑥, 𝑦)
EJEMPLO
Se seleccionan al azar 2 repuestos para un bolígrafo de una caja que contiene 3 repuestos azules, 2
rojos y 3 verdes. Si 𝑋 es el número de repuestos azules y 𝑌 es el número de repuestos rojos
seleccionados, encuentre:
a) La función de probabilidad conjunta 𝑓(𝑥, 𝑦)
Donde 𝑋 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑏𝑜𝑙𝑖𝑔𝑟𝑎𝑓𝑜𝑠 𝑎𝑧𝑢𝑙𝑒𝑠; 𝑌 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑏𝑜𝑙𝑖𝑔𝑟𝑎𝑓𝑜𝑠 𝑟𝑜𝑗𝑜𝑠
Primero de cuantas maneras se puede escoger 2 de 3 repuestos azules, usando una
combinatoria tendremos 32 pero este repuesto azul al ser una variable tendremos 𝟑𝒙 = 𝒑𝟏
Ahora para determinar de cuantas maneras se puede escoger 2 de 2 repuestos rojos,
𝟐
usando una
combinatoria tendremos 2 pero este repuesto azul al ser una variable tendremos 𝒚 = 𝒑𝟐
2

Y por ultimo de cuantas maneras se pueden escoger 2 de 3 repuestos verdes, pero el verde no esta
definido en el problema por lo que dependerá de ambas variables, es decir de los repuestos azules y
rojos, teniendo:
𝟐
= 𝒑𝟑
𝟐−𝒙−𝒚
EJEMPLO (CONT.)
𝑝1𝑝2𝑝3
Ahora tenemos que
𝑁
La función de distribución de probabilidad conjunta es:
3 2 3
𝑥 𝑦 2−𝑥−𝑦
𝑓 𝑥, 𝑦 = 8 ; 𝑥 = 0,1,2; 𝑦 = 0,1,2 𝑦 0 ≤ 𝑥 + 𝑦 ≤ 2
2
b) 𝑃[(𝑋, 𝑌) ∈ 𝐴] donde 𝐴 es la región {(𝑥, 𝑦)|𝑥 + 𝑦 ≤ 1}
A partir de la distribución conjunta obtenemos los datos para la tabla de distribución
EJEMPLO (CONT.) 3 2 3
𝑥 𝑦 2−𝑥−𝑦
Para 𝑓 0,0 𝑓 𝑥, 𝑦 = ; 𝑥 = 0,1,2; 𝑦 = 0,1,2 𝑦 0 ≤ 𝑥 + 𝑦 ≤ 2
8
2
3 2 3
𝑓 𝑥, 𝑦 = 0 0 2−0−0 = 3 Para la región {(𝑥, 𝑦)|𝑥 + 𝑦 ≤ 1}
8 28
2

Para 𝑓 0,1
3 2 3
𝑓 𝑥, 𝑦 = 0 1 2−0−1 = 3
8 14
2
3 3 9 18
𝑃 𝑋, 𝑌 ∈ 𝐴 = 𝑥 + 𝑦 ≤ 1 = 28 + 14 + 28 = 28
Para 𝑓 1,0
3 2 3
𝑓 𝑥, 𝑦 = 1 0 2−1−0 = 9
8 28
2
DISTRIBUCIONES MARGINALES DE PROBABILIDAD
CONJUNTA DISCRETA
Las distribuciones marginales de 𝑋 sola y 𝑌 sola y son las que describen la distribución de
probabilidad de una variable a partir de la función de distribución conjunta definidas como
sigue:
𝑔 𝑥 = σ𝑦 𝑓(𝑥, 𝑦) y ℎ 𝑦 = σ𝑥 𝑓(𝑥, 𝑦)

Ejemplo
Encuentre las distribuciones marginales de X y de Y del ejercicio anterior
Para el marginal de 𝑋 𝑔 𝑥 = σ𝑦 𝑓 𝑥, 𝑦 = σ2𝑦=0 𝑓(𝑥, 𝑦)

2
3 + 6 + 1 10
𝑔 0 = ෍ 𝑓(0, 𝑦) = =
28 28
𝑦=0
DISTRIBUCIONES DE PROBABILIDAD CONJUNTA
DISCRETA
1
9 + 6 15
𝑔 1 = ෍ 𝑓(1, 𝑦) = =
28 28
𝑦=0
0
3
𝑔 2 = ෍ 𝑓(2, 𝑦) =
28
𝑦=0

Marginal de 𝑌 ℎ 𝑦 = σ𝑥 𝑓(𝑥, 𝑦)
2
3 + 9 + 3 15
ℎ 0 = ෍ 𝑓(𝑥, 0) = =
28 28
𝑥=0
1
6 + 6 12
ℎ 1 = ෍ 𝑓(𝑥, 1) = =
28 28
𝑥=0
0
1
ℎ 2 = ෍ 𝑓(𝑥, 2) =
28
𝑥=0
DISTRIBUCIONES DE PROBABILIDAD CONJUNTA
CONTINUA
La función 𝑓(𝑥, 𝑦) es una función de densidad conjunta de las variables aleatorias
continuas 𝑋 y 𝑌 si

1. 𝑓 𝑥, 𝑦 ≥ 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑥, 𝑦
∞ ∞
2. ‫׬‬−∞ ‫׬‬−∞ 𝑓 𝑥, 𝑦 𝑑𝑥 𝑑𝑦 = 1

3. 𝑃 𝑋, 𝑌 ∈ 𝐴 = ‫𝑥 𝑓 𝐴׬ ׬‬, 𝑦 𝑑𝑥 𝑑𝑦 donde A es cualquier región en el plano 𝑥𝑦

EJEMPLO
Una fábrica de dulces distribuye cajas de chocolates con un surtido de cremas, chiclosos y
nueces cubiertas con chocolate claro y oscuro. Para una caja seleccionada al azar, sean X y Y,
respectivamente, las proporciones de chocolates claro y oscuro que son cremas y suponga que
la función de densidad conjunta es
2
2𝑥 + 3𝑦 , 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1,
𝑓 𝑥, 𝑦 = ቐ5
0 , 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

∞ ∞
a) Verifique ‫׬‬−∞ ‫׬‬−∞ 𝑓(𝑥, 𝑦) 𝑑𝑥𝑑𝑦 =1
1 1 1
b) 𝑃[ 𝑋, 𝑌 𝜖 𝐴] , donde 𝐴 = 𝑥, 𝑦 0 < 𝑥 < , < 𝑦 }
2 4 2
EJEMPLO (CONT.)
1 1 1
b) 𝑃[ 𝑋, 𝑌 𝜖 𝐴] , donde 𝐴 = 𝑥, 𝑦 0 < 𝑥 < , < 𝑦 < }
2 4 2
Para este problema aplicamos los limites indicados para 𝑥 y 𝑦 la propiedad indicada a la
función de distribución conjunta de probabilidad quedando
∞ ∞ 1Τ
2
1Τ
2 2 1 2𝑥 2
‫׬‬−∞ ‫׬‬−∞ 𝑓(𝑥, 𝑦) 𝑑𝑥𝑑𝑦 =‫׬‬ 1Τ ‫׬‬0 5
2𝑥 + 3𝑦 𝑑𝑥𝑑𝑦 = ‫׬‬0 ቀ 5 +
4
DISTRIBUCIONES DE PROBABILIDAD MARGINALES
CONJUNTA CONTINUA

La distribución marginal es la probabilidad de un subconjunto de variables

aleatorias que nos ayudan a conocer la probabilidad de cada variable individual
respecto a la probabilidad conjunta y serán definidas por:

∞ ∞
𝑔 𝑥 = න 𝑓 𝑥, 𝑦 𝑑𝑦 y h y = න 𝑓 𝑥, 𝑦 𝑑𝑥
−∞ −∞
EJEMPLO
Una vinatería opera instalaciones para atención en el auto y a quien llega caminando. En un día seleccionado al
azar, sean X y Y, respectivamente las proporciones del tiempo que se utiliza cada instalación y suponga que la
función de densidad conjunta de estas variables aleatorias es:
2
𝑥 + 2𝑦 , 0 ≤ 𝑥 < 1, 0 ≤ 𝑦 ≤ 1
𝑓 𝑥, 𝑦 = ቐ3
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
a) Encuentre la función de probabilidad de que lleguen clientes en auto
Tenemos que X es la probabilidad de que los clientes lleguen en auto que será representado por la densidad
marginal de X, entonces la densidad marginal será de la forma siguiente:
1
2 2
𝑔(𝑥) = න 𝑥 + 2𝑦 𝑑𝑦 = 𝑥 + 1
3 3
0
b) Encuentre la función de probabilidad de que llegue un cliente a pie que será la densidad marginal de Y
Tenemos que Y es la probabilidad de que los clientes lleguen a pie que será representado por la densidad
marginal de Y, entonces la densidad marginal será de la forma siguiente:
1
2 1
ℎ(𝑦) = න 𝑥 + 2𝑦 𝑑𝑥 = 1 + 4𝑦
3 3
0
EJEMPLO

c) Encuentre la probabilidad de que las instalaciones para atención en el automóvil estén

ocupadas menos de la mitad del tiempo
Tenemos que 𝑋 es la probabilidad de que los clientes lleguen en auto y el que este ocupada
menos de la mitad del tiempo será la integral de la función probabilidad marginal de que
llegue el cliente en auto 𝑔(𝑥) y queda de la forma siguiente:

1 1
2 2
1 2 5
𝑃 𝑋< = න 𝑔(𝑥) 𝑑𝑥 = න 𝑥 + 1 𝑑𝑥 =
2 3 12
0 0
DISTRIBUCIÓN DE PROBABILIDAD CONDICIONAL

La distribución de probabilidad condicional define la probabilidad de ocurrencia de

un evento dada la ocurrencia de otro evento y queda definida como:
Sean 𝑋 y 𝑌 dos variables aleatorias discretas o continuas, la distribución
condicional de la variable aleatoria 𝑌 dado que 𝑋 = 𝑥, es
𝑓(𝑥, 𝑦)
𝑓 𝑦𝑥 = ,𝑔 𝑥 > 0
𝑔(𝑥)
Donde 𝑓(𝑥, 𝑦) es la función de distribución conjunta y 𝑔(𝑥) es la distribución
marginal
EJEMPLO
Con referencia al ejemplo slide 18 encuentre la distribución condicional de 𝑋, dado que
𝑌 = 1, y utilícela para determinar 𝑃(𝑋 = 0|𝑌 = 1).
Nos solicitan encontrar 𝑓 𝑥 𝑦 𝑝𝑎𝑟𝑎 𝑦 = 1, entonces con la distribución marginal ℎ 𝑦 y
𝑓 𝑥1
3 3 3 𝑓(𝑥,1) 7
ℎ 1 = σ2𝑥=0 𝑓 𝑥, 1 = + + 0 = entonces 𝑓 𝑥 1 = = 𝑓 𝑥, 1 , 𝑥 = 0,1,2
14 14 7 ℎ(1) 3

Por lo que
7 7 3 1
𝑓 0 1 = 𝑓 0,1 = =
3 3 14) 2
7 7 3 1
𝑓 1 1 = 𝑓 1,1 = =
3 3 14) 2
7 7
𝑓 21 = 𝑓 2,1 = 0 =0
3 3
INDEPENDENCIA ESTADÍSTICA
Sean 𝑋 y 𝑌 dos variables aleatorias, discretas o continuas, con distribución de probabilidad conjunta
𝑓 𝑥, 𝑦 y distribuciones marginales 𝑔 𝑥 y ℎ(𝑦), respectivamente.
Se dice que las variables aleatorias 𝑋 y 𝑌 son estadísticamente independiente si y solo si
𝑓 𝑥, 𝑦 = 𝑔 𝑥 ℎ(𝑦)
Ejemplo: Muestre que las variables aleatorias del ejemplo slide 18 no son estadísticamente
independientes.
Consideremos el punto (0, 1). De la tabla encontramos que las tres probabilidades 𝑓 0,1 , 𝑔 0 𝑦 ℎ 1
3 3 3 1 5 3 3 3
𝑓 0,1 = ;𝑔 0 = σ2𝑦=0 𝑓 0, 𝑦 = + + = ; ℎ 1 = σ2𝑥=0 𝑓 𝑥, 1 = + +0=
14 28 14 28 14 14 14 7
5 3 15
𝑔 0 ℎ 1 = = ∴ 𝒇 𝟎, 𝟏 ≠ 𝒈 𝟎 𝒉(𝟏)
14 7 98
EJERCICIO
Si la distribución de probabilidad conjunta de X y Y esta dada por
𝑥+𝑦
𝑓 𝑥, 𝑦 = , 𝑝𝑎𝑟𝑎 𝑥 = 0,1,2,3; 𝑦 𝑦 = 0,1,2
30
Encuentre:
a) 𝑃 𝑋 ≤ 2, 𝑌 = 1 ;
b) 𝑃 𝑋 > 2, 𝑌 ≤ 1 ;
c) 𝑃 𝑋 > 𝑌 ;
d) 𝑃(𝑋 + 𝑌 = 4)
EJERCICIO (CONT.)
Primero necesitamos la distribución de probabilidad conjunta de X y Y esta dada por la siguiente
tabla

Encuentre:
1 1 1 1
a) 𝑃 𝑋 ≤ 2, 𝑌 = 1 = 𝑓 0,1 + 𝑓 1,1 + 𝑓 2,1 = 30 + 15 + 10 = 5
1 2 7
b) 𝑃 𝑋 > 2, 𝑌 ≤ 1 = 𝑓 3,0 + 𝑓 3,1 = 10 + 15 = 30
1 1 1 1
c) 𝑃 𝑋 > 𝑌 = 𝑓 1,0 + 𝑓 2,0 + 𝑓 2,1 + 𝑓 3,0 + 𝑓 3,1 + 𝑓 3,2 = + + + +
2 1 3 30 15 10 10
+ =
15 6 5
2 2 4
d) 𝑃 𝑋 + 𝑌 = 4 = 𝑓 2,2 + 𝑓 3,1 = 15 + 15 = 15