UNIDAD I

DISTRIBUCIONES MULTIVARIADAS
1.1 Definicin de v.a. discreta multivariada.
Sea S un espacio muestra. Sea Xi una v.a. discreta con rango Xi(S) con i = 1,2,..., n.Luego el
vector X = (X1, X2, ..., Xn) es una v.a. discreta multivariada, o vector aleatorio ndimensional.
Funcin de probabilidad de una v.a.d. multivariada.
Sea X = (X1, X2, ..., Xn) una v.a.d. multivariada. La funcin de probabilidad de X se define
como;
f(x1, x2, ..., xn) = P(X1 = x1, X2 = x2, ..., Xn = xn) = P[{X1 = x1}{X2 = x2} ...{Xn = xn}]

donde para cualquier evento A se tiene que P(A) = X

A

f ( x1 , x 2 x n ) .

Ejemplo. Se tiene una urna con 10 cheques, de los cuales 4 son en MN y 6 en USD. Se
sacan 3 cheques al azar sin reposicin. Sea X1 = el nmero de cheques en MN, X2 = el
nmero de cheques en USD. A) Obtener el rango de X = (X1, X2). B) obtener f(X). C)
calcular P(X1 < X2).

Teorema. Una funcin multivariada f(X) es una funcin de probabilidad de una v.a.m.
discreta si y solo si:
a) f(X) = f(x1, x2, ..., xn) 0 para todo X en su rango.
b) f ( x1 , x 2 x n ) = 1 , donde la suma se extiende a todo el rango de X .
La funcin de distribucin acumulada.
Sea X una v.a.m. discreta n-dimensional. Luego, su funcin de distribucin acumulada se
define como;
F(x1, x2, ..., xn) = P(X1 x1, X2 x2, ..., Xn xn) = P[{X1 x1}{X2 x2} ...{Xn xn}]
F(x1, x2, ..., xn) =

f ( x1 , x2 ,, xn ) ,

r1 x1 r2 x2

rn xn

para todo X n .

Ejemplo. Continuando con el ejemplo anterior calcular F(2, 2).

Teorema. Sea F(X) una funcin multivariada con X n . F(X) es una funcin de
distribucin acumulada de una v.a.m. discreta si y solo si:
a) F( -, -, ..., -) = 0
b) F( +, +, ..., +) = 1
c) Si a1 b1, a2 b2, ..., an bn entonces F(a1, a2, ..., an) F(b1, b2, ..., bn).

1.2 Funcin de densidad de una v.a.m. continua.

Sea X una v.a.m. continua n-dimensional. f(X) es una funcin de densidad de X si y solo si;
P(A) =
f ( x1 , x 2 ,, x n ) dx1dx 2 dxn , donde A es una regin en n .
A
Ejemplo. En un restaurant de comida rpida es importante el comportamiento de dos
variables aleatorias. X = el tiempo (min) del cliente para pagar, Y = el tiempo (min) para
servir la orden. Se tiene que el comportamiento conjunto de estas variables se puede
modelar con la funcin de densidad f ( x, y )

x 2 xy
para 0 x 1, 0 y 4. Calcular

4
6

la probabilidad de que el tiempo total sea menor a 2 minutos.

Ejemplo. Un estudio muestra que el nmero de horas diarias (X) que un estudiante ve TV y
el nmero de horas diarias (Y) que un estudiante trabaja en su tarea tiene una funcin de
densidad conjunta f(x, y) = x y e (x + y) para x > 0, y > 0.calcular la probabilidad de que el
tiempo que ve TV sea al menos el doble del tiempo que hace tarea.

Teorema. f(X) es una funcin de densidad conjunta de X si y solo si:

a) f(X) = f(x1, x2, ..., xn) 0 para todo X en n .
b)

f ( x1 , x 2 ,, xn ) dx1dx 2 dxn
n

=1

Funcin de distribucin conjunta.

La distribucin acumulada conjunta de X se define como:
F(X) = P(X1 x1, X2 x2, ..., Xn xn) =

xn

x1 x2

f (r1 , r2 , , rn ) dr1dr2 drn

para todo X en n , donde f(x1, x2, ..., xn) es la funcin de densidad conjunta de X .
ejemplo. Obtener F(x, y) para f ( x, y )

x 2 xy
para 0 x 1, 0 y 4.

4
6

Teorema. Propiedades de una funcin de distribucin multivariada.

4

a) F( -, -, ..., -) = 0
b) F( +, +, ..., +) = 1
c) Si a1 b1, a2 b2, ..., an bn entonces F(a1, a2, ..., an) F(b1, b2, ..., bn).
d)

n
F(x1, x2, ..., xn) = f(x1, x2, ..., xn) .
x1x 2 x n

ejemplo. Continuando con el ejemplo anterior, calcular

2
xy

F(x, y).

1.3 DISTRIBUCIONES MARGINALES

Definicin. Sea X una v.a.m. discreta con funcin de probabilidad
f(X)= f(x1, x2, ..., xk,.., xn). La funcin de probabilidad marginal g(xk) se define como
g(xk) =

f ( x1 , x k ,, xn )
x1

xk 1 xk 1

xn

ejemplo. En una comunidad se hizo un estudio sobre el nmero de hijos (X) y el nmero de
hijas (Y) por familia. La funcin de probabilidad es la siguiente.
Y

0
1
2
3
4

0
0.120
0.120
0.149
0.001
0.002

1
0.100
0.150
0.180
0.002
0.001

2
0.020
0.010
0.090
0.001
0.000

3
0.010
0.001
0.010
0.001
0.001

4
0.02
0.001
0.010
0.000
0.000

Obtener la distribucin marginal de X.

NOTA: El concepto de una dist. marginal se puede generalizar a una dist. marginal
multivariada.
Definicin. Sea X v.a.m. continua con funcin de densidad f(x1, x2, ..., xk,.., xn). La
densidad marginal de xk se define como:
5

g(xk) =

ejemplo. Sea f ( x, y )

f ( x1 , , x k , x n ) dx1 dx k 1dx k 1 dx n

x 2 xy
para 0 x 1, 0 y 4. Obtener la densidad marginal de

4
6

Y.

Ejemplo. Sea f(x, y, z) = (x + y) e z , para 0 < x < 1, 0 < y < 1, z > 0. A) Obtener la densidad
marginal de Y. B) Obtener la densidad marginal conjunta de X, Z.