3.4.

Distribucin de Probabilidad Conjunta

Definicin
3.8: La funcin es una distribucin de

probabilidad conjunta o funcin de masa de probabilidad de
las variables aleatorias discretas y .

Para cualquier regin de en el plano

Ejemplo
1: De un saco de frutas que contiene 3 naranjas,

2 manzanas y 3 pltanos se selecciona una muestra
aleatoria de 4 frutas. Si X es el numero de naranjas y Y el
numero de manzanas de la muestra, calcule.
a) La distribucin de probabilidad conjunta de X y Y
b) donde A es la regin dada por [ (x,y)|x+y<2]
Solucin:
c) para x= 0,1,2,3
y
para y=0,1,2
==

Definicin
3.9: Es una funcin densidad conjunta de las

variables aleatorias continuas X y Y , si

Ejemplo
2: Una empresa privada un local que da servicios

a clientes que llegan caminando. En un da elegido al azar,
sean X y Y, respectivamente, las proporciones de tiempo
que ambos locales estn en servicio y suponiendo que la
funcin de densidad conjunta de estas variables aleatorias
es

a) Verifique la condicin 2 de la definicin 3.9

b) Calcule donde
Solucin:
c) )

3.10: las distribuciones marginales solo de X y

Definicin

solo de Y son:

Discretas
2.
Continuas
Ejemplo 3: Remtase la ejercicio 3.38 calcule.
a) La distribucin de marginal de X
b) La distribucin marginal de Y
Solucin:
a)
b)

En
clases anteriores establecimos que el valor x de la
variable aleatoria X representa un evento que es
subconjunto del espacio muestral.

Donde A y B son ahora los eventos definidos por X=x y Y=y

, por tanto:

Donde X y Y son variables aleatorias discretas.

Definicin
3.11: Sean X y Y dos variables aleatorias

discretas o continuas la distribucin condicional de la
variable aleatoria Y, dada que X=x es

La distribucin condicional de la variable aleatoria X, dado

que Y=y es

Ejemplo
4: Remtase al ejemplo 3.14, calcule la distribucin

condicional de X dado que Y=1 , utilice el resultado para
determinar
Solucin:

Independencia

estadstica
Si no depende de y , entonces y

distribucin marginal de x
Si no depende de y , tenemos

Por lo tanto donde es la funcin densidad de la probabilidad

de y
;

Definicin
3.12: Sean X y Y dos variables aleatorias discretas

o continuas con distribucin de probabilidad conjunta y
distribuciones marginales y . Se dicen que son las variables
aleatorias X y Y son estadsticamente independientes si y
solo si.

Ejemplo 5: Demuestre que las variables aleatorias no son

estadsticamente independientes.
Solucin:

Entonces

DISTRIBUCION DE HIPERGEOMETRICA

La distribucin hipergeometrica no
requiere independencia y se basa
en el muestreo que se realiza sin
remplazo, como a consecuencia es
una distribucin de probabilidad
discreta.

Formula General

h(x; N, n, k)
P(x)

Se utiliza para calcular la

probabilidad de una seleccin
aleatoria de un objeto sin
repeticin.

Ejemplo
En una jaula de 30 pericos rusos y 20 pericos chinos si

extraemos 10 pericos al azar calcular la probabilidad de 3

pericos hablen chino.
DATOS:
N = 30+20 = 50 (pericos rusos y chinos)
n = 10 (extraccin al azar)
K = 20 (pericos chinos)
X = 3 (caractersticas deseadas)
P(x)
La probabilidad de que 3 pericos hablen chino es 0.226 .

LA MEDIA Y LA VARIANZA

Ejemplo
Anterior
Calcular la media y la varianza.

=4

n 10
= 1.24

Distribucin Binomial
Negativa

Se caracteriza por hallar la probabilidad de que ocurra ksimos xitos en una misma prueba.

Una variable aleatoria binomial negativa es el nmero de

ensayos X necesarios para generar K xitos en un
experimento.

 Las
posibilidades dependen del nmero de xitos deseados.

La probabilidad para el orden especfico que termina en un

xito es:

En donde:
k-1= xito en el x simo ensayo.
x-k= Fracasos de orden especfico.
p= Probabilidad de que ocurra un xito.
q=Probabilidad de que ocurra un fracaso.
q=(1-p).

 Si
ensayos independientes repetidos pueden dar como
resultado un xito con probabilidad p y un fracaso con
probabilidad q=1-q, entonces la distribucin de
probabilidad de la variable aleatoria X, el nmero del
ensayo en el que ocurre el k-simos xito, es:

EJEMPLO
Un
cientfico inocula a varios ratones , uno a la vez, el virus
que produce la enfermedad, hasta que se encuentra a dos
que contraen la enfermedad. Si la probabilidad de contraer
la enfermedad es 1/6, Cul es la probabilidad de que tenga
que inocular a 8 ratones?

0.066

Distribucin Geomtrica

Si consideramos k=1 en la distribucin Binomial Negativa

sta se reduce a la forma:

Cuando pruebas repetidas pueden tener un xito con

probabilidad p y un fracaso con probabilidad q, entonces la
variable aleatoria X, el nmero de pruebas en que ocurre el
primer xito es:

La media y la varianza de una variable aleatoria que sigue la

distribucin geomtrica son:

Ejemplo:
La
probabilidad de que una persona que estudia la carrera de
piloto privado apruebe el examen escrito para obtener la licencia
es de 0.7. Calcule la probabilidad de que cierto estudiante
apruebe el examen
a)En el tercer intento.
b)Antes de cuarto intento.
a) Con X=3

a)Con X<4

Distribucin Binomial
Negativa
Se caracteriza por hallar la probabilidad de que ocurra k-simos
xitos en una misma prueba.
Una variable aleatoria binomial negativa es el nmero de
ensayos X necesarios para generar K xitos en un experimento .

 Las
posibilidades dependen del nmero de xitos deseados.

La probabilidad para el orden especfico que termina en un

xito es:

En donde:
k-1= xito en el x simo ensayo.
x-k= Fracasos de orden especfico.
p= Probabilidad de que ocurra un xito.
q=Probabilidad de que ocurra un fracaso.
q=(1-p).

 Si
ensayos independientes repetidos pueden dar como
resultado un xito con probabilidad p y un fracaso con
probabilidad q=1-q, entonces la distribucin de
probabilidad de la variable aleatoria X, el nmero del
ensayo en el que ocurre el k-simos xito, es:

EJEMPLO
Un
cientfico inocula a varios ratones , uno a la vez, el virus
que produce la enfermedad, hasta que se encuentra a dos
que contraen la enfermedad. Si la probabilidad de contraer
la enfermedad es 1/6, Cul es la probabilidad de que tenga
que inocular a 8 ratones?

0.066

Distribucin Geomtrica

Si consideramos k=1 en la distribucin Binomial Negativa

sta se reduce a la forma:

Cuando pruebas repetidas pueden tener un xito con

probabilidad p y un fracaso con probabilidad q, entonces la
variable aleatoria X, el nmero de pruebas en que ocurre el
primer xito es:

La media y la varianza de una variable aleatoria que sigue la

distribucin geomtrica son:

Ejemplo:
La
probabilidad de que una persona que estudia la
carrera de piloto privado apruebe el examen escrito para
obtener la licencia es de 0.7. Calcule la probabilidad de
que cierto estudiante apruebe el examen

a)En el tercer intento.

b)Antes de cuarto intento.
a) Con X=3

a)Con X<4