Vous êtes sur la page 1sur 8

Ctedra: Probabilidad y Estadstica

VARIABLES ALEATORIAS BIDIMENSIONALES


Introduccin
En muchos experimentos el inters del investigador recae sobre varias caractersticas numricas del resultado del experimento. Por lo tanto, esta variable asigna dos nmeros reales a cada uno de los elementos pertenecientes a . VARIABLE ALEATORIA BIDIMENSIONAL

Definicin
ea un experimento aleatorio ! y el espacio muestra asociado a l. ean " e # dos variables aleatorias de$inidas sobre dicho espacio muestra . El vector %",#& representa a la variable aleatoria bidimensional de$inida sobre el espacio muestra . 'uego en general tenemos: ( : espacio muestra del experimento . - )x : valores posibles de ", llamado recorrido o campo de variaci*n de la variable aleatoria " . - )y : valores posibles de #, llamado recorrido o campo de variaci*n de la variable aleatoria # . )x

Ejemplos :

%3, .& 5 %/, 0& %1, 0& 9

ea el experimento : arro+ar dos dados


, - %.,.& ! %.,/& ! %.,0& !..................%1,1&2 " : suma de los puntos de los dos dados ! )x , - / , 0 , 3 , 4 , 1 , 5 , 6 , 7 , .8 , .. , ./ 2 # : di$erencia %en valor absoluto& entre los puntos de los dados )y , - 8, ., /, 0, 3, 4 2

)y
35

Por lo tanto: )xy , - %/,8& , %0,.& , %3,8& , %3,/& , %4,.& , %4,0& , %1,8& , %1,/& , %1,3& , %5,.& , %5,0& , %5,4& , %6,8& , %6,/& , %6,3& , %7,.& , %7,0& , %.8,8& , %.8,/& , %..,.& , %./,8& 2

Oservacin : 'a variable unidimensional genera un espacio probabilstico sobre el con+unto de los nmeros reales ) . 'a variable bidimensional genera un espacio probabilstico sobre el con+unto )/ .

Variable aleatoria discreta 9ecimos :ue la variable bidimensional es discreta cuando la cantidad de valores posibles es $inita o in$inita numerable. El recorrido de la variable se representa como un con+unto de puntos en el plano.
x.
y. y/

x/

xi

xn

"

;ariable <leatoria =idimensional

Ctedra: Probabilidad y Estadstica


y+ ym

Variable aleatoria continua 'a variable bidimensional es continua cuando la cantidad de valores posibles es in$inita no numerable. El recorrido de la variable se representa gr$icamente por una super$icie en el plano )/ . a c d # b "

DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE BIDIMENSIONAL a) Variable discreta ea %",#& una variable aleatoria discreta )xy es un con+unto $inito o in$inito numerable. < cada resultado posible %x,y& le asociamos un nmero real p(x ,y) , P%",x #,y& :ue es la probabilidad de :ue la variable tome dicho valor, las cuales deben satis$acer las siguientes condiciones: ..( p(x ,y) 8 /.(
x y x y

%x,y& xy

No negatividad Ley de ierre

p%x, y& =.

9e$inici*n 'lamamos $unci*n de cuanta o $unci*n de probabilidad con+unta de una variable bidimensional discreta % " , # & a la siguiente $unci*n p :

P % X = x Y = y & p % x, y & = 8

si % x, y & xy otro % x, y &

donde )xy )x x )y

;ariable <leatoria =idimensional

Ctedra: Probabilidad y Estadstica

40

30

p(x,y)
20 5

10

0 1 0 1 2 3 4 5 0

b) Variable continua ea %",#& una variable aleatoria continua )xy es un con+unto in$inito no numerable. ea f una $unci*n :ue veri$ica las siguientes condiciones : ..( f(x , y) 8
+ +

%x,y& xy

No negatividad Ley de ierre

. /.( f % x, y &.dx.dy =

donde f(x , y).dx.dy representa el elemento de probabilidad y la $unci*n f indica c*mo se distribuye la masa de probabilidad dentro del recorrido xy . por lo tanto f recibe el nombre de $unci*n de densidad o $unci*n de probabilidad con+unta de una variable contnua % " , # & .

UNCIN DE DISTRIBUCIN O

UNCIN DE PROBABILIDAD ACUMULADA

ea %",#& una variable aleatoria bidimensional . 'a >unci*n de 9istribuci*n %o de probabilidad acumulada& >%x,y& representa la probabilidad de :ue la variable " asuma un valor menor o igual a x y a la ve? la variable # asuma un valor menor o igual a y .

;ariable <leatoria =idimensional

Ctedra: Probabilidad y Estadstica

Definicin: >% x , y & , P% " x # y &


a.( i la variable bidimensional es discreta , entonces :

F % x k , y r & = P% X x k Y y r & = p% xi , y j &


i =. j =.

b.(

i la variable bidimensional es continua , entonces :


F % x , y & = P % X x Y y & =

f %s, r &.dr.ds

!ropiedades de "#$%y)
..( >%x,y& es no negativa . >%x,y& 8 , %x,y& )/ .

/.( >%x,y& es no decreciente en cada una de las variables : 2.a& x. @ x/ >%x. , y8& >%x/ , y8& , para y8 $i+o . 2.b& y. @ y/ >%x8 , y.& >%x8 , y/& , para x8 $i+o . 0.( >%x,y& es continua a derecha en cada una de las variables . 3.( 8 >%x,y& . 3.a&
x

lim F(x, y) = 0 lim F(x, y) = 0

3.b&

x +

lim >%x, y& = .

y +

4.(

4.a&

x +

lim >%x, y& = >% y &

4.b&

y +

lim >%x, y& = >% x &

1.( i >%x,y& es la $unci*n de distribuci*n de una variable aleatoria continua bidimensional con $unci*n de densidad con+unta f(x,y& , entonces

/ F % x, y & = f % x, y & x.y


5.( Para x. @ x/ y. @ y/ :

%x,y& donde >%x,y& es di$erenciable .

P% x. @ " x/ y. @ # y/ & , >%x/ ,y/ & ( >%x. ,y/ & ( >%x/ ,y. & A >%x. ,y. & DI&'(I)* IONE& +,(-IN,LE& DE !(O),)ILID,D
ea %",#& una variable aleatoria bidimensional %o vector aleatorio& . 'as distribuciones marginales de probabilidad son las distribuciones de probabilidad univariadas de cada variable: " e #, es decir, a:ullas :ue indican el comportamiento de una variable sin tener en cuenta el valor :ue toma la otra.

;ariable <leatoria =idimensional

Ctedra: Probabilidad y Estadstica 9B C)B=DCBEFE G<)HBF<'E 9E DF< ;<)B<='E =B9BGEF BEF<' 9B C)EC< i %",#& una variable aleatoria bidimensional discreta, entonces " e # son variables aleatorias discretas :ue toman valores enteros en x , - x. , x/ , x0 , II, xi , I..2 y y , - y. , y/ , y0 , II, y+ ,

I..2 respectivamente.
'uego, las distribuciones marginales son las $unciones de cuanta de las variables " e # , :ue se obtienen sumando todas las probabilidades con+untas :ue corresponden a un mismo valor fijo de una variable : a un valor $i+o de x para hallar la marginal de " a un valor $i+o de y para hallar la marginal de # E sea:

px%xi& , P%",xi& , P%",xi y y&


p x % x& = p % xi , y j &
j =i

es la distribuci*n marginal de " para i , . , / , 0 , II.

py%y+& , P%#,y+& , P%#,y+ x x&


p y % y & = p% xi , y j &
i =i

es la distribuci*n marginal de # para + , . , / , 0 , II.

Puede demostrarse :ue las $unciones marginales de probabilidad son $unciones de cuanta, es decir, veri$ican :ue : p y % y& 8 y ..( p x % x & 8 x y /.(

p x % x i & =. i =.

p y % y j & =. j= .

9B C)B=DCBEFE G<)HBF<'E 9E DF< ;<)B<='E =B9BGEF BEF<' CEFCBFD< i %",#& una variable aleatoria bidimensional continua, entonces " e # son variables aleatorias continuas :ue toman valores reales en x y y respectivamente, % x ) , y ) & . 'uego, las distribuciones marginales son las $unciones de densidad de las variables " e # , :ue se obtienen integrando la $unci*n de densidad con+unta en todo el campo de variaci*n de una sola variable : en y para hallar la marginal de " . en x para hallar la marginal de # . E sea:
f x % x& = f % x, y &.dy f % x, y &.dy = y
+

x x

marginal de "

f y % y& =

f % x, y &.dx =

f % x, y &.dx

y y

marginal de #

Puede demostrarse :ue las $unciones marginales de probabilidad son $unciones de densidad, es decir, veri$ican :ue : f y % y& 8 y ..( f x % x & 8 x y

;ariable <leatoria =idimensional

Ctedra: Probabilidad y Estadstica /.(


+

. f % x &.dx =

f % y &.dy

= .

DI&'(I)* IONE& ONDI ION,LE& DE !(O),)ILID,D


ea %",#& una variable aleatoria bidimensional %o vector aleatorio& . 'as distribuciones condicionales de probabilidad son las distribuciones de probabilidad de una variable !ondi!ionada a un valor $i+o de la otra . Es decir, son las :ue indican el comportamiento de una variable para un valor parti!"lar de la otra. 9B C)B=DCBEFE CEF9BCBEF<'E 9E DF< ;<)B<='E =B9BGEF BEF<' 9B C)EC< i %",#& una variable aleatoria bidimensional discreta, entonces " e # son variables aleatorias discretas :ue toman valores enteros en x , - x. , x/ , x0 , II, xi , I..2 y y , - y. , y/ , y0 , II, y+ ,

I..2 respectivamente.
'uego, las distribuciones condicionales son las $unciones de cuanta de las variables " e # obtenidas para un valor fijo de la otra variable : a un valor $i+o de y para hallar la !ondi!ional de " a un valor $i+o de x para hallar la !ondi!ional de # E sea:

pxJy%xi , y& , P%",xi J #,y&


p x J y % x i , y & = P %[ X = x i ] J[Y = y ] & =

es la distribuci*n condicional de "


P %[ X = x i ] [Y = y ] & P % X = x i Y = y & p% x i , y & = = para y y P %[Y = y ] & P %Y = y & p y % y&
para py %y j & > 8

p x J y % xi , y j & =

p% xi , y j & py %y j &

E sea :
p x J y % x, y & = p % x, y & p y % y& x y y

pyJx%x , y+& , P%#,y+ J ",x&

es la distribuci*n condicional de #
P %[ X = x ] Y = y j & P %[ X = x ]&
para

p y J x % x, y j & = P % Y = y j J [ X = x ] & =

P% X = x Y = y j & P % x = x&

p % x, y j & p x % x&

para x x

p y J x % xi , y j & =

p% xi , y j & p x % xi &

p x % xi & > 8

E sea :
p y J x % x, y & = p % x, y & p x % x& x x y

Puede demostrarse :ue las $unciones condicionales de probabilidad son $unciones de cuanta, es decir, veri$ican :ue :

;ariable <leatoria =idimensional

x ..( p x J y % x, y & 8 y y

Ctedra: Probabilidad y Estadstica x x p y J x % x, y & 8 y y


yy

/.(

xx

p x J y % x, y & = .

, y y

yJx

% x, y & =. , x x

9B C)B=DCBEFE CEF9BCBEF<'E 9E DF< ;<)B<='E =B9BGEF BEF<' CEFCBFD< i %",#& una variable aleatoria bidimensional continua, entonces " e # son variables aleatorias continuas :ue toman valores reales en x y y respectivamente, % x ) , y ) & . 'uego, las distribuciones condicionales son las $unciones de densidad de las variables " e # , obtenidas para un valor fijo de la otra variable : a un valor $i+o de y para hallar la !ondi!ional de " a un valor $i+o de x para hallar la !ondi!ional de # E sea: f % x, y & f x J y % x, y & = para f y % y & > 8 es la distribuci*n condicional de " f y % y&

E sea :
f x J y % x, y & = f % x, y & f y % y& x y y

f y J x % x, y & =

f % x, y & para f x % x&

f x % x& > 8 x x y

es la distribuci*n condicional de #

E sea :
f y J x % x, y & = f % x, y & f x % x&

Puede demostrarse :ue las $unciones condicionales de probabilidad son $unciones de densidad, es decir, veri$ican :ue : x x x f y J x % x, y & 8 ..( f x J y % x, y & 8 y y y y /.(
+

xJ y

% x, y &.dx = .

yJ x

% x, y &.dy = .

V,(I,)LE& ,LE,'O(I,& INDE!ENDIEN'E&


Consideramos :ue dos variables son independientes cuando el valor :ue toma una de ellas no depende del valor :ue toma la otra . 9icho de otra manera, la distribuci*n de probabilidad condicional es igual a la distribuci*n de probabilidad marginal, y esto implica :ue la $unci*n de probabilidad con+unta es igual al producto de la s dos marginales. a& Caso discreto : pxJy%x,y& , px%x& p%x,y& , px%x&.py%y& b& Caso continuo : fxJy%x,y& , fx%x& f%x,y& , fx%x&.fy%y& a) aso discreto 5

;ariable <leatoria =idimensional

Ctedra: Probabilidad y Estadstica

p % xi , y j & = P% X = x i Y = y j & = P %[ X = x i ] [Y = y ]& = P%[ X = xi ]&.P % Y = y j & = = P % X = xi &.P%Y = y j & = p x % xi & p y % y j &
" e # son independientes b) aso continuo " e # son independientes
f % x, y & = f x % x &. f y % y & ( x, y ) xy

( x i , y j ) xy

p % x i , y j & = p x % x i &. p y % y j &

( x i , y j ) xy

9e la $unci*n de probabilidad condicional se obtiene la $unci*n de probabilidad con+unta para el caso general %variables no necesariamente independientes&. a& Caso discreto : p y J x % x, y & =

p % x, y & p x % x& f % x, y & f x % x&

p % x, y & = p x % x &. p y J x % x, y &

b& Caso continuo : f y J x % x, y & =

f % x, y & = f x % x &. f y J x % x, y &

Cuando las variables " e # son independientes entonces p y J x % x, y & = p y % y & dis!reta f y J x % x, y & = f y % y & !ontin"a
p % x, y & = p x % x &. p y % y & f % x, y & = f x % x &. f y % y &

si las variables son discretas si las variables son continuas

;ariable <leatoria =idimensional