UNIVERSIDAD DE CONCEPCION

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS

DEPARTAMENTO DE ESTADISTICA
2 Semestre de 2014

ESTADISTICA II
(523218)
VARIABLES ALEATORIAS
BIDIMENSIONALES
Prof. Francisco Pradenas P.

En diversos experimentos aleatorios se desea

estudiar el comportamiento simultneo de dos
variables aleatorias.
Algunos casos especficos pueden ser los
siguientes:
La oferta y demanda de un producto en un
cierto perodo de tiempo.
El costo de mantencin anual de una
maquinaria industrial, segn el nmero de
unidades que la componen.
El rendimiento acadmico de un alumno en
una asignatura, de acuerdo al tiempo diario
de estudio
estudio.
2

Definicin de VARIABLE ALEATORIA

BIDIMENSIONAL
Sea un espacio muestral asociado a un
experimento aleatorio. Sean X = X() e Y = Y()
dos funciones que asignan a cada resultado
un nmero real.
Se le llama al par (X,Y) una variable aleatoria
bidimensional, si X e Y definen una variable
aleatoria con una cierta distribucin de
probabilidades.
3

Definicin de VARIABLE ALEATORIA

BIDIMENSIONAL
Si X e Y son variables aleatorias discretas,
entonces al par (X,Y) se le llama variable
aleatoria bidimensional discreta.

Si X e Y son variables aleatorias

continuas, entonces al par (X,Y) se le
llama variable aleatoria bidimensional
continua.
4

VARIABLES ALEATORIAS
BIDIMENSIONALES DISCRETAS
Se dice que (X,Y) es una variable aleatoria
bidimensional discreta, si los posibles valores
que asume su recorrido forman un conjunto de
pares (xi,yj) finito o infinito numerable; con
i=1,2,...,n,... y j=1,2,...,m,...
La distribucin de probabilidades conjunta de
(X,Y) est dada por:

p(x,y) = P(X = x,Y = y) ; (x,y) RX,Y IR2

5

VARIABLES ALEATORIAS
BIDIMENSIONALES DISCRETAS

La funcin de probabilidades conjunta, p(x,y),

cumple con las siguientes condiciones:

a) p(x,y) 0 ; (x, y) R X, Y
b)

p(x,y) = 1

xR X yR Y

Si A es un subconjunto del recorrido de (X,Y),

entonces:

P(A) =

p(x, y)

(x, y)A

VARIABLES ALEATORIAS
BIDIMENSIONALES DISCRETAS

La funcin de distribucin bidimensional de

(X,Y) se define por:

F(x, y) = P (X x , Y y) =

p(u, v)

u x v y

EJEMPLO 1

Supongamos que un trabajador debe evaluar sus

antecedentes laborales cada 2 aos, obteniendo
1, 2 3 puntos si es evaluado como regular,
bueno o sobresaliente, respectivamente. Las
probabilidades de obtener tales conceptos en
cualquiera de los aos son las siguientes:
P(regular) = P(1 punto) = 1/6
P(bueno) = P(2 puntos) = 1/2
P(sobresaliente) = P(3 puntos) = 1/3
8

EJEMPLO 1

Se definen las siguientes variables aleatorias:

X: Puntaje obtenido por el trabajador el primer
ao de evaluacin.
Y: Puntaje obtenido por el trabajador el segundo
ao de evaluacin.
El puntaje obtenido en cualquier perodo de
evaluacin es independiente del otro perodo.
9

EJEMPLO 1
X: Puntaje obtenido por el trabajador el primer ao de
evaluacin.
Y: Puntaje obtenido por el trabajador el segundo ao de
evaluacin.

RX = {1 , 2, 3}

RY = {1 , 2, 3}

RX,Y = RX RY

RX,Y={(1,1); (1,2); (1,3); (2,1); (2,2); (2,3); (3,1); (3,2); (3,3)}

p(x,y) = P(X = x,Y = y) ; (x,y) RX,Y IR2
p(1,1) = P(X = 1,Y = 1) = 1/61/6 = 1/36
p(1,2) = P(X = 1,Y = 2) = 1/61/2 = 1/12
p(1,3) = P(X = 1,Y = 3) = 1/61/3 = 1/18

P(regular) = P(1 punto) = 1/6

P(bueno) = P(2 puntos) = 1/2
P(sobresaliente) = P(3 puntos) = 1/3
10

EJEMPLO 1
RX,Y={(1,1); (1,2); (1,3); (2,1); (2,2); (2,3); (3,1); (3,2); (3,3)}
P(regular) = P(1 punto) = 1/6
P(bueno) = P(2 puntos) = 1/2
P(sobresaliente) = P(3 puntos) = 1/3

p(2,1) = P(X = 2,Y = 1) = 1/21/6 = 1/12

p(2,2) = P(X = 2,Y = 2) = 1/21/2 = 1/4
p(2,3) = P(X = 2,Y = 3) = 1/21/3 = 1/6
p(3,1) = P(X = 3,Y = 1) = 1/31/6 = 1/18
p(3,2) = P(X = 3,Y = 2) = 1/31/2 = 1/6
p(3,3) = P(X = 3,Y = 3) = 1/31/3 = 1/9

11

EJEMPLO 1

La distribucin de probabilidades conjunta de

(X,Y) se puede resumir en la siguiente tabla:

X
1
2
3

1
1/36
1/12
1/18

Y
2
1/12
1/4
1/6

3
1/18
1/6
1/9

Se cumple que:

a) p(x, y) > 0 ; (x, y) R X, Y b)

p(x,y) = 1

xR X yR Y

12

DISTRIBUCIONES DE PROBABILIDADES
MARGINALES DISCRETAS
La distribucin de probabilidades marginal de
una variable aleatoria (X,Y), discreta, es aquella
obtenida cuando no se considera el efecto de la
otra variable aleatoria, y por lo tanto es posible
estudiar el comportamiento individual de alguna
de ellas.
La distribucin de probabilidades marginal se
calcula a partir de la distribucin de
probabilidades conjunta, p(x,y), de la variable
aleatoria (X,Y)
13

DISTRIBUCIONES DE PROBABILIDADES
MARGINALES DISCRETAS
a) La distribucin de probabilidades marginal de
X, se define por:

p X (x) = P (X = x) =

p(x,y) ; x R X

yR Y

b) La distribucin de probabilidades marginal de

Y, se define por:

p Y (y) = P (Y = y) =

p(x,y) ; y R Y

xR X

14

EJEMPLO 2
Del ejemplo 1, se tienen las siguientes distribuciones
de probabilidades marginales:

1/36

1/12

1/18

1/12

1/4

1/6

1/18

1/6

1/9

pY(y)

6/36

pX(x)
6/36
18/36
12/36

18/36 12/36
15

VARIABLES ALEATORIAS
BIDIMENSIONALES CONTINUAS
Se dice que (X,Y) es una variable aleatoria
bidimensional continua, si su recorrido
asume valores en un conjunto infinito no
numerable del plano IR2.
En este caso, la funcin de densidad de
probabilidades conjunta de (X,Y) es una
funcin real f(x,y) definida sobre IR2.
16

VARIABLES ALEATORIAS
BIDIMENSIONALES CONTINUAS

La funcin de densidad de probabilidades

conjunta, f(x,y), cumple con las siguientes
condiciones:

a) f(x,y) 0 ; (x, y) R X, Y IR2

b)

f(x,y)dxdy = 1

R X,Y

Si A es un subconjunto del recorrido de (X, Y), entonces:

P(A) =

f(x,y)dxdy
A

17

VARIABLES ALEATORIAS
BIDIMENSIONALES CONTINUAS

La funcin de distribucin bidimensional de

la variable aleatoria bidimensional continua
(X,Y), se define por:

F(x,y) = P(X x , Y y) =

f(u, v)dudv

u x v y

18

EJEMPLO 3

Sea (X,Y) una variable aleatoria bidimensional

continua con funcin de densidad de
probabilidades conjunta:

xy
; 0 < x < 1, 0 < y < 2
f(x, y) = x +
3
2

Calcular la probabilidad que la variable aleatoria

X tome valores menores que la variable aleatoria
Y.
19

EJEMPLO 3

20

EJEMPLO 3
Del grfico anterior se comprueba que f(x,y) > 0,
(x,y)RX,Y={(x,y) IR2 / 0<x<1 , 0<y<2}. Adems:

21

00

xy
(x +
)dx dy = 1
3
2

Luego, la funcin f(x,y) cumple las condiciones

para ser una funcin de densidad de
probabilidades conjunta de la variable aleatoria
(X,Y).
21

EJEMPLO 3
Calculamos P(X < Y), si (X,Y) f(x,y) = x 2 +

xy
; 0 < x < 1, 0 < y < 2
3

xy
P(X < Y) = (x + )dx dy
3
A
2

21

1
xy
2
2 xy
= (x + ) dx dy + (x + ) dx dy = 0.708
3
3
22
10
00

DISTRIBUCIONES DE PROBABILIDADES
MARGINALES CONTINUAS
La distribucin de probabilidades marginal de
una variable aleatoria (X,Y), continua, es aquella
obtenida cuando no se considera el efecto de la
otra variable aleatoria, y por lo tanto es posible
estudiar el comportamiento individual de alguna
de ellas.
La distribucin de probabilidades marginal se
calcula a partir de la distribucin de
probabilidades conjunta, f(x,y), de la variable
aleatoria (X,Y)
23

DISTRIBUCIONES DE PROBABILIDADES
MARGINALES CONTINUAS
a) La distribucin de probabilidades marginal de
X, se define por:

f X (x) =

f(x,y) dy ; x R X

RY

b) La distribucin de probabilidades marginal de

Y, se define por:

f Y (y) =

f(x,y) dx ; y R Y

RX

24

EJEMPLO 4

Consideremos la funcin de densidad

probabilidades conjunta del ejemplo 3:
f(x, y) = x 2 +

de

xy
; 0 < x < 1, 0 < y < 2
3

Las distribuciones de probabilidades marginales

son las siguientes:
f X (x) =

f(x,y)dy = (x 2 +

RY

f Y (y) =

xy
2
)dy = 2x2 + x ; 0 < x < 1
3
3

f(x,y)dx = (x 2 +

RX

xy
1 y
)dx = + ; 0 < y < 2
3
3 6

25