Professional Documents
Culture Documents
y
p(x, y) = 1
La funci on de distribucion acumulada conjunta de que X = x y Y = y esta dada
por
F(x, y) = P(X x, Y y) =
x
i
x
y
i
y
p(x
i
, y
i
)
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejemplo. Dos dados son lanzados. Hallar la funcion de probabilidad conjunta de
las variables X: el mayor valor obtenido en cualquiera de los dados y Y: la suma
de los valores.
Sol.
La variable X toma los valores 1,2,3,4,5 y 6; y los valores de la variable Y son
2,3,4,5,6,7,8,9,10,11 y 12.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
La funcion de probabilidad conjunta queda
Y
X 2 3 4 5 6 7 8 9 10 11 12
1 1/36
2 1/18 1/36
3 1/18 1/18 1/36
4 1/18 1/18 1/18 1/36
5 1/18 1/18 1/18 1/18 1/36
6 1/18 1/18 1/18 1/18 1/18 1/36
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Se puede condensar en la forma
P(X = i , Y = j ) =
_
_
1/36 si 1 i 6, j = 2i ;
1/18 si 2 i 6, i + 1 j 2i ;
0 otros casos
Se verica que
6
x=1
12
y=2
P(X = x, Y = y) = 1 .
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Denicion. Sean X y Y v.a continuas. Se dice que se distribuyen conjuntamente
si existe una funcion f (x, y) denida para todo (x, y) R
2
, con la propiedad de
que para todo conjunto C R
2
P{(X, Y) C} =
__
(x,y)C
f (x, y)dx dy .
La funci on f (x, y) se conoce como la funcin de densidad conjunta de las v.a s X
y Y. Ademas debe vericar
_
+
_
+
f (x, y) dx dy = 1 .
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejemplo. Sea la funcion
f (x, y) =
6
7
(x
2
+
x y
2
) para 0 < x < 1, 0 < y < 2;
se tiene
_
+
_
+
f (x, y) dx dy =
_
1
0
_
2
0
6
7
_
x
2
+
x y
2
_
dx dy
=
6
7
_
x
3
3
1
0
y
2
0
+
1
2
x
2
2
1
0
y
2
2
2
0
_
=
6
7
_
4
6
+
3
6
_
= 1 .
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Denicion. Sean X y Y v.a discretas con funcion de probabilidad conjunta
p(x, y). Las funciones MARGINALES de probabilidad de X y Y estan denidas
como
p
X
(x) =
y
p(x, y) & p
Y
(y) =
x
p(x, y) ,
respectivamente.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
De esta forma, en el ejemplo de lanzar dos dados, se tiene para la variable X la
funcion marginal es
p
X
(x) =
_
_
1/36 si x = 1,
3/36 si x = 2,
5/36 si x = 3,
7/36 si x = 4,
9/36 si x = 5,
11/36 si x = 6 .
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Para la variable Y, se tiene
p
Y
(y) =
_
_
1/36 si y = 2,
2/36 si y = 3,
3/36 si y = 4,
4/36 si y = 5,
5/36 si y = 6,
6/36 si y = 7,
5/36 si y = 8,
4/36 si y = 9,
3/36 si y = 10,
2/36 si y = 11,
1/36 si y = 12 .
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Denicion. Sean X y Y dos v.a. continuas con funcion de densidad conjunta
f (x, y). Las funciones de densidad marginales de X y Y estan dadas por
f
X
(x) =
_
+
f (x, y)dx ,
respectivamente
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Para la funcion
f (x, y) =
6
7
(x
2
+
x y
2
) para 0 < x < 1, 0 < y < 2;
las funciones de densidad marginales quedan
f
X
(x) =
_
2
0
6
7
_
x
2
+
xy
2
_
dy
=
6
7
_
x
2
y +
xy
2
4
_
2
0
=
6
7
_
2x
2
+ x
_
para 0 < x < 1 ,
f
Y
(y) =
_
1
0
6
7
_
x
2
+
xy
2
_
dx
=
6
7
_
x
3
3
+
x
2
y
4
_
1
0
=
6
7
_
1
3
+
y
4
_
para 0 < y < 2 ;
respectivamente.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Denicion. Sean X y Y, v.as discretas, con funcion de probabilidad
p(x, y)(continuas, con funcion de densidad f (x, y)), Se dice que X y Y son
independientes si y solo si
p(x, y) = p
X
(x)p
Y
(y) ,
para todo par (x, y) R
2
, con p
X
y p
Y
son las respectivas funciones marginales
de X y Y.
(f (x, y) = f
X
(x)f
y
(y),
con f
X
y f
Y
son las respectivas funciones marginales de X y Y. )
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejemplo. La funcion de probabilidad conjunta de las variables X y Y esta dada por
p(1, 1) =
1
8
, p(1, 2) =
1
4
,
p(2, 1) =
1
8
, p(2, 2) =
1
2
.
Son X y Y independientes?
Ejemplo. Sean X y Y v. as continuas, con funcion de densidad conjunta dada por
f (x, y) =
_
xe
(x+y)
si x > 0, y > 0 ;
0 en otros casos.
Son X y Y independientes?
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Denicion. Sean X y Y, v.as discretas, con funcion de probabilidad conjunta
p(x, y) y respectivas funciones marginales p
X
y p
Y
. Se dene la funcion de
probabilidad condicional de X dada Y como
p
X|Y
(x | y) := P(X = x | Y = y)
=
p(x, y)
p
Y
(y)
,
siempre que p
Y
(y) > 0.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Denicion. Sean X y Y, v.as continuas, con funcion de densidad conjunta
f (x, y) y respectivas funciones marginales f
X
y f
Y
. Se dene la funcion de
densidad condicional de X dada Y como
f
X|Y
(x | y) :=
f (x, y)
f
Y
(y)
,
siempre que f
Y
(y) > 0.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejercicio. Tres monedas balanceadas son lanzadas independientemente . Una de
las variables de interes, X, es el n umero de soles. Otra variable, Y, registra las
ganancias que se obtienen de acuerdo al siguiente planteamiento: ganar $1, si la
primer moneda lanzada cae sol, $2 y $3 si el primer sol aparece en el segundo o
tercer lanzamiento, respectivamente. Si ning un sol aparece pierdes $1. Determina
i) La funcion de probabilidad conjunta de X y Y.
ii) La funci on marginal de las ganancias.
ii) La probabilidad de obtener tres soles dado que tus ganacias fueron de $1.
iv) Son independientes X y Y?
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejercicio. La administracion de un establecimiento de comida rapida esta
interesado en el comportamiento conjunto del tiempo total que le toma a un
cliente desde que llega al lugar hasta que sale del mostrador de servicio,X, y el
tiempo en espera en la la hasta llegar al mostrador de servicio,Y. Se considera
que la funci on de densidad conjunta es
f (x, y) =
_
e
x
, si 0 y x < ,
0 , en otros casos ;
con el tiempo medido en minutos. Determina
i) P(X < 2, Y > 1), P(X Y 1).
ii) las funciones de densidad marginal de X y Y.
iii) la funci on de densidad condicional de X dado Y = y.
iv) la funcion de densidad condicional de Y dado X = x.
v) Son independientes X y Y?
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Denicion. Sea g(X, Y) una funcion de las v. as X y Y.
Si las v.as son discretas con funcion de probabilidad conjunta p(x, y),
entonces el valor esperado de g(X, Y) es
E[g(X, Y)] =
x
g(x, y)p(x, y) .
Si las v.as son continuas con funcion de densidad conjunta f (x, y), entonces
el valor esperado de g(X, Y) es
E[g(X, Y)] =
_
XY
=
Cov(X, Y)
X
Y
.
Teorema. El coeciente de correlacion
XY
de dos v.as X y Y se encuentra
entre -1 y 1, inclusive.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Consideremos el caso particular de que
g(X, Y) := X + Y ,
entonces
i)
E[X + Y] = E[X] + E[Y] ,
ii)
Var[X + Y] = Var[X] + Var[Y] + 2 Cov(X, Y) .
En general
E
_
n
i
X
i
_
=
n
i
E[X
i
] y Var
_
n
i
X
i
_
=
n
i
Var [X
i
] + 2
i <j
Cov(X
i
, X
j
) .
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
En caso de que las variables sean independientes a pares se tiene
Var
_
n
i
X
i
_
=
n
i
Var [X
i
] .
La funci on generadora de momentos
P
i
X
i
(t) = E
_
e
t
(
P
i
X
i )
_
= E
_
i
e
tX
i
_
=
i
E
_
e
tX
i
X
i
(t)
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejemplo. Sean Y
i
, i = 1, 2, v.as con funciones generadoras de momentos
i
(t),
respectivamente. Sean a
i
R, i = 1, 2. Deniendo U =
2
i =1
a
i
Y
i
, entonces
demuestra que
U
(t) =
2
i =1
i
(a
i
t).
Ejemplo. Sean Y
i
pois(
i
), i = 1, 2 e independientes.
i) Demuestra que Y
1
+ Y
2
pois(
1
+
2
).
ii) Los clientes se presentan a una tienda comercial de acuerdo a una
distribucion de Poisson con media de 7 por hora. En un periodo de dos horas,
cual es la probabilidad de que 20 o mas clientes se presenten?
Ejemplo. Sean Y
i
exp(), i = 1, 2 e independientes.
i) Demuestra que Y
1
+ Y
2
gama( = 2, ).
ii) El tiempo necesario para ajustar un auto obedece una distribucion
exponencial con media de 0.5 hr. Si dos automoviles esperan ser ajustados y
los tiempos de servicio son independientes, entonces cual es la probabilidad
de que el tiempo total de ambos ajustes sea mayor a 1.5 hrs?
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Teorema. Sean Y
i
2
(1)
, i = 1, 2, . . . , n, independientes. Entonces
Y
1
+ Y
2
+ + Y
n
2
(n)
.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Denicion. Sean X y Y v. as. La esperanza condicional de g(X), dado que
Y = y, se dene
E[g(X) | Y = y] =
_
g(x)f
X|Y
(x | y)dx ,
si X y Y son continuas, o
E[g(X) | Y = y] =
x
g(x)p
X|Y
(x | y) ,
si X y Y son discretas.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejemplo. Tres monedas, con valores de $1, $5 y $10, son lanzadas. Se denen las
variables X: ganancias, de acuerdo al n umero de soles que aparecen y Y: n umero
de soles. Determina
i) la funcion de probabilidad conjunta,
ii) E[X | Y = 2],
iii) E[X | Y].
Ejemplo. Sean X y Y v. as con funcion de densidad conjunta dada por
f (x, y) =
_
k(1 y) , si 0 x y 1 ,
0 , otros casos.
Determina
i) el valor de k que la haga funcion de densidad.
ii) P(X 3/4, Y 1/2).
iii) E[X | Y].
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Proposicion.
i)
E[X] = E[E[X | Y]] .
ii)
Var [X] = E[Var [X | Y]] + Var [E[X | Y]] .
Oto no, 2013 UPIITA-IPN, Mexico.
Ejemplo. Las v.as Y
1
y Y
2
tienen distribucion conjunta
f (y
1
, y
2
) =
_
6(1 y
2
) , 0 y
1
y
2
1 .
0 , otros casos .
i) Determinar E[Y
1
| Y
2
= y
2
].
ii) Calcula E(Y
1
).
Ejemplo. Sea la v.a. Y
1
exponencial con media y la densidad condicional de Y
2
dado Y
1
= y
1
dada por
f (y
2
| y
1
) =
_
1/y
1
, 0 y
2
y
1
,
0 en otros casos .
Calcula E[Y
2
] y Var [Y
2
].
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Teorema. Sean X y Y v. as continuas con funcion de densidad conjunta
f
XY
(x, y). Supongase que
u
1
= h
1
(x, y) , u
2
= h
2
(x, y) ;
representan una transformacion uno-a-uno de (x, y) a (u
1
, u
2
), con inversa
x = h
1
1
(u
1
, u
2
) , y = h
1
2
(u
1
, u
2
) ;
de clase C
1
(U
1
, U
2
) y matriz Jacobiana
J =
_
_
_
h
1
1
u
1
h
1
1
u
2
h
1
2
u
1
h
1
2
u
2
_
_
_
.
Entonces la densidad conjunta de U
1
y U
2
, f
U
1
U
2
(u
1
, u
2
), esta dada por
f
U
1
U
2
(u
1
, u
2
) = f
XY
(h
1
1
(u
1
, u
2
), h
1
2
(u
1
, u
2
))|det J| .
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejemplo. Sean X y Y v. as independientes distribuidas exponencialmente, con
parametro . Se dene la transformacion T, mediante
U
1
=
X
X + Y
, U
2
= X + Y .
i) Establece la funcion de densidad conjunta de (U
1
, U
2
), es decir, f
U
1
U
2
.
ii) Demuestra que U
1
unif (0, 1).
iii) Demuestra que U
2
gamma ( = 2, ).
iv) Son U
1
y U
2
independientes?
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejemplo. Sean X y Y v. as independientes e identicamente distribuidas,
unif (0, 1), y la transformaci on T dada por
U
1
= X + Y , U
2
= X Y .
Establece
i) la funcion de densidad conjunta de U
1
y U
2
,
ii) las funciones de densidad marginales de U
1
y U
2
,
iii) si son U
1
y U
2
independientes.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejercicio. Sean X
i
gamma(, ), i = 1, 2 e independientes.
i) Considera la transformacion dada por
Y
1
= X
1
+ X
2
y Y
2
=
X
1
X
1
+X
2
.
Prueba que |det J| = y
1
.
ii) Demuestra que
f
Y
1
,Y
2
(y
1
, y
2
) =
y
1
2
(1 y
2
)
1
()()
y
+1
1
e
y
1
,
para 0 < y
1
< , 0 < y
2
< 1 y 0 en otros casos.
Nota que f
Y
1
,Y
2
(y
1
, y
2
) = H(y
1
)G(y
2
). Indica las funciones H(y
1
) y G(y
2
).
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
iii) Multiplicando f
Y
1
,Y
2
(y
1
, y
2
) por
1 =
( +)
( +)
,
deduce
f
Y
2
(y
2
) =
_
_
( +)
()()
y
1
2
(1 y
2
)
1
, 0 < y
2
< 1 ,
0 , en otros casos .
Es la densidad de la distribucion beta, con parametros y .
iv) De acuerdo a lo obtenido en (ii) y (iii) concluye que Y
1
gamma( +, 1).
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
Ejercicio. Sean Z norm(0, 1) y X
2
v
, independientes.
i) Muestra que
f
Z,X
(z, x) =
1
2
e
z
2
2
x
v/21
e
x/2
2
v
2
(v/2)
,
para < z < , 0 < x < y 0 en otros casos.
ii) Considera la transformacion dada por
Y =
Z
X/v
y W = X ,
y prueba que |det J| =
_
w/v .
iii) Demuestra que
f
Y,W
(y, w) =
w
(v+1)/21
e
w
2
(1+
y
2
v
)
v2
v+1
2
(
v
2
)
,
para < y < , w > 0.
Oto no, 2013 UPIITA-IPN, Mexico.
Distribuciones Bivariadas
iv) Identicando
=
v+1
2
y =
1
2
(1 +
y
2
v
) ,
multiplica f
Y,W
(y, w) por
()
()
,
para obtener
f
Y,W
(y, w) =
()
v2
(
v
2
)
w
1
e
w
()
.
v) Integra adecuadamente para demostrar que
f
Y
(y) =
(
v+1
2
)
v(
v
2
)
_
1 +
y
2
v
_
v+1
2
.
La funcion corresponde a la densidad de la distribucion T.
Oto no, 2013 UPIITA-IPN, Mexico.