Académique Documents
Professionnel Documents
Culture Documents
Propiedades:
1) f x y ( x , y ) 0 , (x , y) A
2) f xy (x , y ) = 1
x y
3) Si A A P (( x , y ) A ) = f xy (x , y ) .
(x , y ) A
Ejemplo: Sean X e Y variables aleatorias discretas con distribución de probabilidad F x y dada por
X 0 1 1 2 2 Calcule P ( x , y ) A donde
Y 0 1 2 1 2
Fx y 1/8 ¼ 1/8 1/8 3/8 A = {( x, y ) x = y} , P ( x 1, y 1) , P ( x > 1 y < 2 ) .
Solución:
6
P ( x, y ) A = Fx y ( x, y ) = Fx y ( 0, 0 ) + Fx y (1, 1) + Fx y ( 2, 2 ) =
( x, y ) A 8
3
P ( x 1 y 1) = Fx y ( x, y ) = Fx y ( 0, 0 ) + Fx y (1, 1) =
x 1 y 1 8
1
P ( x > 1 y < 2) = Fx y ( x, y ) =Fx y ( 2, 1) =
x >2 y<2 8
Solución: A = {( x , y ) 1 x + y < 3} .
Propiedades de F x y
1) Por el teorema fundamental del calculo en R 2 ,
x y
F ( x, y ) = ' ' F ( t , s ) ds dt
xy
!& !& .
+& +&
2) ' ' F ( x , y ) dy dx = ' '
2
xy !& !&
F x y ( x , y ) dy dx = 1
R
3) Si B R2 P ( x , y ) B = ' ' F x y ( x , y ) dy dx
2
xy ( ''
0 x
R
x+2
y2
dx = c ' ( 4x + 2 ) dx = c 2x 2 + 2x
3 3 3
= c ' xy +
0 2 0 ) 0
x
= 24 c = 1, c = 1
24
Calcule:
2
1 1 y2
P ( x < 1, y < 2 ) = ( x + y ) dydx
1 2 1
a)
''
0 x 24
= '
0 24
)x y +
) 2 x
dx
1
1 1 3x 2 1 x3 1 5 5
24 '0 "
= 2x + 2 ! dx = ) x 2 + 2x ! = =
2 # 24 ) 2 0
24 " 2 # 12
b) x+2 1 1 2
P (1 < x < 2 ) = ( x + y ) dy dx = ( 4x + 2 ) dx
2
''
1 x 24 24 '1
1 2 8 1
= 2x 2 + 2x = =
24 ) 1 24 3
c) 1 x +2 1
x +2
P ( y > 2) = ( x + y ) dy dx + ( x + y ) dy dx
2 3
0 2 ''
24 ''
2 x 24
2 2 1 1 2 3x 2
= 1! ' ' ( x + y ) dy dx =
24 '0 "
1! 2x + 2 ! dx
0 x 24 2 #
2
1 x3 1 1 5
= 1! ) x 2 + 2x ! * = 1! ( 4) = 1 ! =
24 ) 2 0* 24 6 6
2 ' 1
e x dy dx = '
2
+& 2
=+&! x1e+ y! x = 2
P ( X ! Y < 1) = ' ' e !2 x dx edy
0 y
+& ! (1+ y )
= !' e ! e -y dy
0
!(1+ y )
+&
1
=! e ! e -y = 1!
0 e
Valor Esperado: Sean X e Y variable aleatoria (discretas o continuas) con distribución de
probabilidades (o f.d.p) conjunta F x y .
x f xy ( x , y ) , si X e Y variables aleatorias discretas
E [X] =
' ' g ( x , y ) f ( x , y ) dA,
xy si X e Y variables contínuas
E [X] = x f xy ( x , y )
( x , y)
Solución:
11
E [ X ] = 0 f xy ( 0, 0 ) + 1 f xy (1, 1) + 1 f xy (1, 2 ) + 2 f xy ( 2, 1) + 2 f xy ( 2, 2 ) =
8
11
E [ Y ] = 0 f xy ( 0, 0 ) + 1 f xy (1, 1) + 2 f xy (1, 2 ) + 1 f xy ( 2, 1) + 2 f xy ( 2, 2 ) =
8
!E [ X ] = x f ( x, y ) = x f x ( x ) !
2
19 19 11 31
E X 2
= x fx y ( x, y) =
2
V [X] = ! =
8 8 " 8 # 64
19 31
E Y2 = y2 f x y ( x, y ) = V [Y] =
8 64
18 9
E [X Y] = x y fx y ( x, y) = =
8 4
Ejemplo: Sean X e Y variables aleatorias continuas con f.d.p conjunta dada por
e !x , 0 y < x
f xy ( x , y ) =
0, otro caso
Solución:
+& +&
E [X] = '
x
' x e ! x dy dx = ' x 2 e ! x dx = F ( 3) = 2 ! = U x
0 0 0
x
+& +& y2 !x 1 +& 2 !x
E [Y] = '
x
' y e dy dx = '
2 '0
!x
e dx = x e dx =1 = U y
0 0 0 2 0
+& x +&
E X2 = ' ' x 2e ! x dy dx = ' x 3e ! x dx = 3! = 6
0 0 0
0 '0
x y e ! x dy dx = '
0 2
e dx = ' x 3 e ! x dx = = 3
2 0 2
para Y
' f ( x , y ) dy,
xy X e Y variables aleatorias continuas
Ejemplo: Sean X e Y variables aleatoria discretas con distribución de probabilidad conjunta dada
por:
X 0 1 1 2 2 fx ( x ) = f x y ( x , y ) = f x y ( x , 0 ) + f x y ( x , 1) + f x y ( x , 2 ) ; para x = 0, 1, 2
Y 0 1 2 1 2 y
2
Fx y 1/8 1/4 1/8 1/8 3/8 fy ( y) = f x y ( x , y ) = f x y ( 0, y ) + f x y (1, y ) + f x y ( 2, y ) ; para y = 0, 1,2
x =0
x 0 1 2 y 0 1 2
fx ( x ) 1/8 3/8 4/8 fy ( y) 1/8 3/8 4/8
f xy
Ejemplo: Sean X e Y variables aleatoria discretas con distribución de probabilidad dada por:
x+y
fx y ( x, y ) = , x = 1, 2, 3; y = 0, 1, 2, 3
36
3
x + y 3x+6 x + 2
fx ( x ) = = = ; x = 1, 2, 3
y =1 36 36 12
3
x + y 3y + 6 y + 2
fy ( y) = = = ; y = 1, 2, 3
x =1 36 36 12
Ejemplo: Sean X e Y variables aleatorias continuas con f.d.p conjunta dada por
f x ( x ) = ' e ! x dy = x e ! x , x > 0
x
!x
e , 0 y<x
f xy ( x , y ) =
0
x+ y
f x y ( x, y ) x+ y
f Y|x ( y ) = = 36 = , y = 1, 2, 3
f x (x) x + 2 3 ( x + 2)
12
x+ y
f x y ( x, y) x+ y
f X|y ( x ) = = 36 = , x = 1, 2, 3
f y ( y) y + 2 3( y + 2)
12
f (1, y ) 1+ y y+1
f Y|1 ( y ) = = = , y = 1, 2, 3
f x (1) 3 (1 + 2 ) 9
f xy ( x , 2 ) x+2 x+2
f X|2 ( x ) = = = , x = 1, 2, 3
fy ( 2) 3( 2 + 2) 12
Estadísticamente dependientes.
Ejemplo: Sean X e Y variables aleatorias continuas con f.d.p conjunta f x y .dada por:
e !x , 0 y < x f x ( x ) = x e !x , x > 0
f x y ( x, y ) =
0, otro caso f x ( y) = e !y , y > 0
e !x 1
f Y|x ( y ) =
xe !x
= , 0
x
y<x ( uniforme en ( 0, x ) )
e !x
f X|y ( x ) = = e ( ), y < x
! x!y
!y
e
1
f Y|2 ( y ) = , 0 < y < 2, f X|1 ( x ) = e ( ) , x > 1
! x !1
2
Observe que f x ( x ) f y ( y ) = xe ( ) - e ! x entonces
! x!y
X e Y no son estadísticamente
independientes.
Al igual que en el caso de una variable, podemos definir el valor esperado para funciones de más
de una variable aleatoria, solo que tenderemos más de una sumatoria o más de una integral,
según el caso.
Como f Y|x o f X|y son distribuciones o funciones de densidad de probabilidad, tiene sentido calcular
probabilidades condicionales y valores esperados condicionales.
' ' g ( y ) f ( x, y ) dy dx
xy
Análogamente
g ( y ) f Y|x ( y ), caso discreto
E g (Y) | X = x = y
' g ( y ) f ( y ) dy,
Y|x caso contínuo
Análogamente
h ( x ) f x | y ( x ), discreto
E h (x) | Y = y = x
' h ( x ) f ( x ) dx,
x| y caso continuo
) *
V [ X | Y = y] = /2X | y = E X 2 | Y = y ! U X | y 2
Ejemplo: Sean X e Y variables aleatoria discretas con distribución conjunta dada por:
x +y
f x y ( x, y ) = , x = 1, 2, 3 y = 1, 2, 3
36 .
E [ Y | X = 1] E [ X | Y = 2] P ( X < 2 | Y = 2 ) P ( Y > 1 | X = 1)
Hallar: , , ,
Solución:
3
2 6 12 20
E [ Y | X = 1] = y f Y| 1 ( y ) = 1f Y| 1 (1) + 2f Y| 1 ( 2 ) + 3f Y| 1 ( 3) = + + = = U Y| 1
y =1 9 9 9 9
3
3 8 15 26 13
E [ X | Y = 2] = x f X| 2 ( x ) = + + = = = U X| 2
X =1 12 12 12 12 6
1
3 1
P ( X < 2 | Y = 2) = P ( X 1 | Y = 2) = f X| 2 ( x ) = f X| 2 (1) = =
X =1 12 4
3
3 4 7
P ( Y > 1 | X = 1) = P ( Y 2 | X = 1) = f Y| 1 ( y ) = + =
Y =2 9 9 9
Ejemplo: Sean X e Y variables aleatorias continuas con f.d.p conjunta dada por:
f x y ( x, y ) =
e !x , 0 y<x E [ X | Y = 1] E [ Y | X = 2]
Hallar ,
0, otro caso
! ( x + 1)
+&
+&
E [ X | Y = 1] = '
!( x !1)
xe dx = = 2 = U X |1
1 e x !1 1
2
1 y2
E [ Y | X = 2] = '
2
y dy = = 1 = UY | 2
0 2 4 0
Calcular:
P ( Y > 3 | X = 2 ) P ( X < 3 | Y = 1) / 2 Y|2 / 2 X|1
, , , .
Podemos hablar de valor esperado condicional, pero usaremos las distribuciones condicionales en
vez de las conjuntas o marginales (según el caso).
Asi,
El valor esperado de “ Y dado X = x ”, el cuál denotamos
y P Y|X ( y | x ) ; X e Y discretas
E [ Y | X = x] = y
' y f ( y | x ) dy
Y|X ; X e Y continuas
E [ Y | X = x ] suele denotarse µ Y|x .
Análogamente se define µ X|y
Covarianza y Correlación
Cuando dos v.a X e Y no son independientes la pregunta de interés es ¿Qué tan relacionadas
están?. Una medida del grado de dependencia entre X e Y es conocida como Covarianza.
Ejemplo:
Tenga en cuenta que si la correlación es cercana a cero esto no implica que NO hay
independencia entre X e Y .
x 0 1 1 2 2
y 0 1 2 1 2
P (x , y) 1 1 1 1 3
8 4 8 8 8
Halle E [ X ] , E [ Y ] , V [ X ] , E [ XY ] , 0 x y
Solución:
E [ X] = x p ( x , y ) = 0p ( 0 , 0 ) + 1p (1 , 1) + 1p (1 , 2 ) + 2p ( 2 , 1) + 2p ( 2 , 2 )
(x , y)
11
E [ X] =
8
11
Análogamente E [ Y ] =
8
2
19 19 11 31
E X = 2
1 V [ X] = E X 2 ! µ2X = ! =
8 8 "8# 64
E [ XY ] = x y p ( x , y ) = ( 0 )( 0 ) p ( 0 , 0 ) + (1)(1) p (1 , 1) + (1)( 2 ) p (1 , 2 ) + ( 2 )(1) p ( 2 , 1) + ( 2 )( 2 ) p ( 2 , 2 )
(x , y)
18 9
E [ XY ] = =
8 4
18 11 11 23
cov [ X , Y ] = ! =
8 " 8 # " 8 # 64
23
64 23
0 xy = = = 0.7419
31 31 31
64 64
Definición: Sean X e Y variables aleatorias (discretas o continuas) con distribución conjunta f x y .
X e Y se dicen variables aleatorias Estadísticamente Independientes (E.i). si
f x y ( x, y ) = f x ( x ) f y ( y ) , ( x , y) xy f ( x ) = f x ( x ) f Y|x ( y ) = f Y ( y )
con esto X| y y .
Solución:
2
E [ X] = 0 E [ Y] = 8 E [ X Y] = 0 E ( X - U x ) ( Y - U y ) = E [ X Y] ! U x U y = 0
, , ,
X e Y no son E.i, pues
1 3 2 6
f x y ( !1, !1) = - f x ( !1) f y ( !1) = 2 =
8 8 8 64
Ejercicios propuestos:
1.5 2 1
8
1. 5 3 1
4
2.5 4 1
2
3 5 1
8
- Determine el valor de c tal que la función f ( x , y ) = c x y , para 0 < x < 3 y 0 < y < 3 , cumpla
con las propiedades de una función de densidad de probabilidad conjunta.
- Obtenga lo siguiente:
a. P ( X < 1 , Y < 2 )
b. P (1 < X < 2 )
c. P ( Y > 2 )
d. P ( X < 2 , Y < 2 )
- e. E ( X )
- Se utilizan dos métodos para medir la rugosidad superficial con la finalidad de evaluar un
producto de papel. Las mediciones se registran como una desviación a partir del valor
nominal de la rugosidad de la superficie. La distribución de probabilidad conjunta de las dos
mediciones puede describirse mediante una distribución uniforme sobre el interior de la
región 0 < x < 4 , 0 < y , y x ! 1 < y < x + 1 . Esto es, f ( x , y ) = c para ( x , y ) tal que 0 < x < 4 ,
0 < y , y x !1< y < x +1
a. Determine el valor de c para el que f ( x , y ) es una función de densidad de probabilidad
conjunta.
b. Determine P ( X < 0.5 , Y < 0.5 )
c. Obtenga P ( X < 0.5 )
d. Calcule E ( X ) y E ( Y )
e. Obtenga la distribución de probabilidad condicional de X dado que Y = 1
Ejercicio:
- Demuestre que la siguiente función satisface las propiedades de una función de
probabilidad conjunta
x y f XY ( x , y )
!1 !2 1
8
!0.5 !1 1
4
0.5 1 1
2
1 2 1
8
Ejemplo: Supóngase que la variable aleatoria continua X denota la longitud de una de las
dimensiones de una pieza moldeada por inyección, y que la variable aleatoria continua Y denota
la longitud de otra dimensión de lamisca pieza. Supóngase además que la función de densidad de
probabilidad conjunta f X Y ( x , y ) es constante sobre la región R identificada por 4.8 < x < 5.2 y
2x < y < 2x + 0.1 .
Sea c el valor constante, no conocido, de f X Y ( x , y ) .
& &
1= ' ' f ( x , y ) dx dy
!& !&
XY
5.2 2 x + 0.1
= ' '
4.8 2x
c dy dx
= ') '
4.9 2x
25 dy * dx
5.1
= 25 ' 0.1 dx
4.9
Determínese P (10.0 < Y < 10.1) . La probabilidad pedida está representada por el volumen de
f X Y ( x , y ) sobre la región sombreada T . El volumen puede hallarse al particionar T en dos
regiones, T1 y T 2 , tales que T = T1 4 T 2 . Entonces,
P (10.0 < Y < 10.1) = 25 por el área de T 2
5.0 2 x + 0.1
= '
4.95
)
10.0
' 25 dy * dx
5.05 10.1
+ ' ) ' 25 dy * dx
5.0 2x
5.0
= 0.0625 + 0.0625
= 0.125
Ejemplo: Sean X e Y variables aleatorias discretas con distribución conjunta dada por:
x 0 1 1 2 2 /xy
y Halle .
0 1 2 1 2
18 9
f x y ( x, y ) 1/8 1/4 1/8 1/8 3/8 E [X Y] = x y f x y ( x, y ) = =
8 4
2
11 E Y = 11 1 / = 9 ! 11 = 23 = 0.359375
E [X] = [ ] xy
8, 8 4 " 8 # 64 .
e !x , 0 y<x
f x y ( x, y ) = Halle / x y .
0, otro caso
+& x
E [X Y] = ' 'x ye
!x
dy dx = 3
E [X] = 2
0 0 , ,
E [Y] = 1 1 /x y = 3 ! 2 = 1
X ! Ux Y ! Uy X ! Ux Y ! Uy E ( X ! Ux ) ( Y ! Uy )
0 x y = cov ) , * = E) *=
) /x /y * )" / x # " / y # * /x / y
cov [ X , Y ]
Así, 0 x y = . Es fácil ver que 0 x y 1 .
/X /Y
Un valor de 0 x y cercano a uno indica una lata dependencia positiva (cuando X aumenta, Y
tiende a aumentar). Un valor de 0 x y cercano a menos 1 indica una alta dependencia negativa. Un
0 x y cercano a cero no permite concluir.
cov [ X , Y ]
Para el ejemplo anterior, 0 xy = donde cov [ X , Y ] = 1 , / X2 = 2 y
/X /Y
1
/y 2 = 1 1 0 x y = 5 0.707
2 .
1 3 4 3
pero f x y ( !1,1) = - f x ( !1) f y (1) = = es decir X e Y son estadísticamente
8 " 8 #" 8 # 16
dependientes.
Sean X e Y variables aleatorias continuas. Diremos que X e Y tienen una distribución normal
bivariada si su f.d.p conjunta está dada por:
!& < x < +&
!1
1 (
Q
) ; !& < y < +&
f x y ( x, y ) =
2 1!0 x y 2
2e
26 / x / y 1 ! 0 x y 2 !& < U x < +&
!& < U y < +&
2 2
X ! Ux X ! Ux Y ! Uy Y ! Uy
Q= ! 20 x y + ; / x , / y > 0, | 0 x y |< 1
" /x # " /x # " /y # " /y #
" /y #, " /y #
Además,
/y /y /y
E [Y | X = x ] = U y + 0 ( x ! U x ) = a x + b; con a = 0 y b = U y !0 Ux
/x /x /x .
Teorema: Sean X e Y son variables aleatorias con f.d.p conjunta una normal bivariada X e Y
son estadísticamente independientes entonces 0 x y = 0 .
2 2
1 X!Ux Y!Uy
! ) + *
1 2 )" / x # " / y # *
0xy = 0 f x y ( x, y ) = e ) *
Demostración: " 7 " Si 26/x /y
2 2
1 X!Ux * 1 Y!Uy *
! ) ! )
1 2 )" / x # * 1 2 )" / y # *
f x y ( x, y ) = e 2 e ) *
= f x ( x ) f y ( y)
26 /x 26 /y
U x =1
Ejemplo: Suponga que X e Y son variables aleatorias con f.d.p normal bivariada con ,
1
U y = 2 U x2 = 1 U y2 = 4 0 x y = 0 = 3
, , , .
Calcule:
a) P ( X < 2 ) b) P ( Y > 1) c) E [ Y | X = 1] d) E [ X Y ] e) V [5X ! 2Y + 1]
Sugerencia. V [ aX ! bY + c] = a 2 V [ X ] + b 2 V [ Y ] + 2 a b cov [ X, Y ]
1 2 2
Solución: X n (1, 1) , Y n ( 2, 4 ) , Y | x n 2+ ( x ! 1) , 4 ,,
" 3" 1 # " 3 ##
X !1 2 !1
a) P ( X < 2 ) = P < = P ( Z < 1) = 0.8413
" 1 1 #
Y ! 2 1! 2 1 1
b) P ( Y > 1) = P < =P Z>! =P Z< = 0.6915
" 2 2 # " 2# " 2#
1 2
c) E [ Y | X = 1] = 2 + (1 ! 1) = 2
3" 1 #
cov [ X, Y ]
d) E [ X Y ] = ? cov [ X, Y ] = E [ X Y ] ! µ x µ y y 0 xy =
/x /y
1 E [ X Y ] = cov [ X, Y ] + µ x µ y = / x / y 0 x y + µ x µ y
1 2 8
E [ X Y ] = (1)( 2 ) + (1)( 2 ) = + 2 =
"3# 3 3
c 1 , c 2 , ... , c p
Sean X 1 , … , X p variables aleatorias (discretas o continuas) y sean .
p
Y= c iX i
Sea i =1 Y es una combinación lineal de las variables aleatorias X 1 , … , X p .
p
I) E[Y] = c iE X i
i =1
p
V [Y] = c i2 V X i + 2 c i c j cov X i , X j
i =1 i< j
II) Si X 1 , … , X p son variables aleatorias estadísticamente independientes entonces
p p
1
V [Y] = V ) c iX i * c i2 V X i , c i = , E X i = U . Además, si;
i =1 i =1 p
/2
V X i = / 2; i, i = 1, 2, ..., p Y = x y así E [ x ] = U y V [ x ] =
p
III) Si cada
p p
Xi ( )
n µi , /i 2 , i = 1, 2, ..., p entonces si X 1 , … , X p son E.i entonces Y n c iµ i , c i 2/ i 2 en
" i =1 i =1 #
1
particular si, c i =
p
, µ i = µ y / i2 = / 2 x n µ, /
2
p ( )
“Combinación lineal de normales independientes es Normal” o Propiedad Reproductiva de la
Normal.
Ejercicios Propuestos
3. Suponga que X e Y son variables aleatorias discretas con distribución conjunta dada por:
x -10 0 0 1
y 0 -1 1 0 Calcule V [ 2X ! 3Y + 1]
f x y ( x, y ) 1/4 1/4 ¼ 1/4
- Sean X y Y dos dimensiones de una pieza moldeada por inyección. Suponga que X y Y
tienen una distribución normal bivariada con / X = 0.04 , / Y = 0.08 , µ X = 3.00 , µ Y = 7.70 y
0 = 0 . Determine P ( 2.95 < X < 3.05 , 7.60 < Y < 7.80 )
- Si X y Y son variables aleatorias normales independientes con E ( X ) = 0 , V ( X ) = 4 ,
E ( Y ) = 10 y V ( X ) = 9 . Calcule lo siguiente:
a. E ( 2 X + 3Y )
b. V ( 2 X + 3Y )
c. P ( 2 X + 3Y < 30 )
d. P ( 2 X + 3Y < 40 )
- El ancho del marco de una puerta tiene una distribución normal con media 24 pulgadas y
desviación estándar de 1 de pulgada. El ancho de la puerta tiene una distribución normal
8
con media 23 y 7 pulgadas y desviación estándar de 1 pulgadas. Suponga
8 16
independencia.
a. Determine la media y la desviación estándar de la diferencia entre le ancho del marco y
el de la puerta.
b. ¿Cuál es la probabilidad de que la diferencia entre el ancho del marco y el de la puerta
sea mayor que 1 de pulgada?
4
c. ¿Cuál es la probabilidad de que la puerta no quepa en el marco?
El tiempo de vida de seis componentes importantes de una copiadora son variables aleatorias
exponenciales independientes con medias de 8000, 10000, 10000, 20000 y 25000 horas
respectivamente.
a. ¿Cuál es la probabilidad de que la duración de todos los componentes sea mayor que
5000 horas?
b. ¿Cuál es la Covarianza entre los componentes cuya duración media es de 5000 horas y
los de 25000 horas?