Variables Aleatorias Bidimensionales

Parte 1 – Variables aleatorias bidimensionales Prof. María B.
Pintarelli
5- VARIABLES ALEATORIAS BIDIMENSIONALES

5.1 – Generalidades
Hasta ahora hemos considerado el caso de variables aleatorias unidimensionales. Esto es, el resultado
del experimento de interés se registra como un único número real.
En muchos casos, sin embargo, nos puede interesar asociar a cada resultado de un experimento aleatorio,
dos o más características numéricas. Por ejemplo, de los remaches que salen de una línea de producción
nos puede interesar el diámetro X y la longitud Y. Teniendo en cuenta la inevitable variabilidad en las
dimensiones de los remaches debido a las numerosas causas presentes en el proceso de fabricación, los
podemos representar asociándoles dos variables aleatorias X e Y que pueden pensarse como una variable
aleatoria bidimensional: ( X , Y ) .
Sea ε un experimento aleatorio y S un espacio muestral asociado a él. Sean X : S → R , Y : S → R , que

a cada resultado s ∈ S le asignan el par de números reales ( x, y )
Llamaremos a ( X , Y ) variable aleatoria bidimensional.
Si en lugar de dos variables aleatorias, tenemos n variables aleatorias X 1 , X 2 ,..., X n , llamaremos a
( X 1 , X 2 ,..., X n ) variable aleatoria n-dimensional
En lo que sigue nos referiremos en particular a variables aleatorias n-dimensionales con n=2, es decir
nos concentraremos en variables aleatorias bidimensionales por cuanto son las más simples de
describir, fundamentalmente en relación a la notación. Pero debemos tener presente que las propiedades
que estudiemos para ellas se pueden extender sin demasiada dificultad al caso general.
Al conjunto de valores que toma la variable aleatoria bidimensional (X,Y) lo llamaremos recorrido de la
 
v.a. (X,Y) y lo indicaremos RXY . En otras palabras RXY = ( x , y ) : x = X (s ) e y = Y (s ) con s ∈ S  , es
 
decir, es la imagen por ( X ,Y ) del espacio muestral S.
Notar que el recorrido de (X,Y) es un subconjunto del espacio Euclidiano: RXY ⊆ R 2 . Como antes,
puede considerarse al recorrido RXY como un espacio muestral cuyos elementos son ahora pares de
números reales.
Como con cualquier espacio muestral, según el número de elementos que lo constituyen, podemos
clasificar a los recorridos RXY en numerables (finitos o infinitos) y no-numerables.
Los recorridos numerables son, en general, de la forma
 
RXY = (xi , y j ) con i = 1,2 ,..., n y j = 1,2 ,..m  = {( x1 , y1 ),( x1 , y2 ),...,( xn , ym )} (finito)
 
 
RXY = (xi , y j ) con i = 1,2 ,... y j = 1,2 ,.. = {( x1 , y1 ),( x1 , y2 ),...} (infinito numerable)
 
Los recorridos no numerables son regiones o subconjuntos no numerables del plano Euclidiano. Por
ejemplo:
 
RXY = ( x , y ) : a ≤ x ≤ b; c ≤ y ≤ d  (no numerable)
 
83
Parte 1 – Variables aleatorias bidimensionales Prof. María B. Pintarelli
{
RXY = ( x, y ) : x 2 + y 2 ≤ 1 } (no numerable)
 
RXY = (x , y j ) : a ≤ x ≤ b , y j = c1 ,c2 ,c3  (no numerable “mixto”)
 
cuyas gráficas se pueden apreciar en la figura siguiente. Notar en el último recorrido, X es v.a. continua
e Y discreta.
y y y
3
d c3
2 c2
1
c c1
RXY
0 0
a 0 b x -1 0 1 2 a 0 b x
-1
Clasificaremos a las variables aleatorias bidimensionales de la siguiente manera:

( X ,Y ) es v.a. bidimensional discreta si X e Y son discretas
( X ,Y ) es v.a. bidimensional continua si X e Y son continuas
El caso X continua, Y discreta (o viceversa) no lo consideramos.
Sea ( X ,Y ) una variable aleatoria bidimensional discreta y sea RXY su recorrido (numerable). Sea
p : RXY → R una función que a cada elemento (xi , y j ) le asigna un número real p (xi , y j ) tal que
 
P X = xi , Y = y j  = p (xi , y j ) ∀(xi , y j ) ∈ RXY y que verifica.
 
a) p(xi , y j ) ≥ 0 ∀(xi , y j ) ∈ RXY
b) (
∑ p xi , y j = ∑∑ ) p xi , y j = 1( )
(xi , y j )∈R XY i j
A esta función la llamaremos función de probabilidad puntual conjunta de la variable aleatoria

bidimensional ( X ,Y ) . En forma abreviada la designaremos fdp conjunta.
Sea ( X ,Y ) una variable aleatoria bidimensional continua y sea RXY su recorrido (no numerable). Sea
f : RXY → R una función que, a cada punto ( x , y ) de RXY le asigna un número real f ( x , y ) tal que
P(B ) = ∫∫ f ( x, y )dxdy ∀B ⊆ R y que verifica.
B
a) f ( x, y ) ≥ 0 ∀( x, y ) ∈ R 2
b) ∫∫ f (x, y )dxdy = 1 .
R2
A esta función la llamaremos función de densidad de probabilidad conjunta de la variable aleatoria
bidimensional ( X ,Y ) . En forma abreviada la designaremos también fdp conjunta.
84
Ejemplos:
1-Dos líneas de producción, señaladas I y II, manufacturan cierto tipo de artículo a pequeña escala.
Supóngase que la capacidad máxima de producción de la línea I es cinco artículos por día, mientras que
para la línea II es 3 artículos/día. Debido a los innumerables factores presentes en todo proceso de
producción, el número de artículos realmente producido por cada línea puede pensarse como una
variable aleatoria. En conjunto podemos pensar en una variable aleatoria bidimensional ( X ,Y ) discreta,
donde la primera componente X corresponde a la producción de la línea I y la segunda componente
Y a los artículos que salen de la línea II. La fdp conjunta correspondiente a variables aleatorias
bidimensionales suele presentarse, por comodidad, como una tabla. Supongamos que la para la v.a.
( X ,Y ) que nos interesa aquí la tabla correspondiente a p(xi , y j ) es
Y X 0 1 2 3 4 5
0 0 0.01 0.03 0.05 0.07 0.09
1 0.01 0.02 0.04 0.05 0.06 0.08
2 0.01 0.03 0.05 0.05 0.05 0.06
3 0.01 0.02 0.04 0.06 0.06 0.05
¿Cuál es la probabilidad de qué salgan más artículos de la línea I que de la línea II?
Antes de calcular la probabilidad que nos pide el problema, hagamos algunas consideraciones sobre la
tabla que representa a p (xi , y j ) .
Se trata de una tabla a doble entrada donde en la primera fila se indican los valores que puede tomar la
v.a. X (en este caso X=0,1,2,3,4,5) y la primera columna indica los valores que puede tomar la variable Y
( 0,1,2,3). Para determinar el valor de la p (xi , y j ) cuando la v.a. ( X ,Y ) toma el valor (xi , y j )
consideramos el número que se encuentra en la columna correspondiente a X = xi y la fila
correspondiente a Y = y j . Por ejemplo: p(4,2) = P( X = 4,Y = 2 ) = 0.05 .
Podemos verificar fácilmente que la fdp conjunta definida por esta bien definida. En efecto verifica las
condiciones a) p(xi , y j ) ≥ 0 ∀(xi , y j ) ∈ RXY y b) ∑ p (xi , y j ) = 1.
(xi , y j )∈R XY
Para contestar la pregunta del enunciado, consideremos el suceso B ⊂ RXY definido
B: “es el suceso que ocurre cuando la línea I produce más artículos que la línea II” o,
B = {X > Y }. Luego:
∑ ∑ p(x , y ) = 0.01+0.03+0.05+0.07+0.09+0.04+0.05+0.06+0.08+
3
P (B ) = P ( X > Y ) = i j
y j = 0x i > y j
+0.05+0.05+0.06+0.06+0.05=0.75.
2- Hay tres cajas registradoras a la salida de un supermercado. Dos clientes llegan a las cajas en
diferentes momentos cuando no hay otros clientes ante aquellas. Cada cliente escoge una caja al azar e
independientemente del otro.
Sean las variables aleatorias X: “ nº de clientes que escogen la caja 1” e Y: “nº de clientes que escogen la
caja 2”. Hallar la fdp conjunta de (X,Y)
Podemos suponer que el espacio muestral original S es el conjunto de pares ordenados

S = {(1,1); (1,2); (1,3); (2,1); (2,2); (2,3); (3,1); (3,2); (3,3)} donde la primera componente del par indica la
caja elegida por el cliente 1 y la segunda componente del par indica la caja elegida por el cliente 2.
Además notar que X como Y pueden tomar los valores 0, 1, 2
85
El punto muestral (3,3) es el único punto muestral que corresponde al evento {X = 0, Y = 0}

Entonces
1
P ( X = 0, Y = 0) = ; pensando de forma análoga los otros casos:
9
2; 1; 2, 2,
P ( X = 1, Y = 0) = P ( X = 2, Y = 0) = P ( X = 0, Y = 1) = P ( X = 1, Y = 1) =
9 9 9 9
1
P ( X = 0, Y = 2) = ; P ( X = 1, Y = 2) = P ( X = 2, Y = 2) = 0
9
Disponemos estas probabilidades en una tabla de la siguiente forma
Y\X 0 1 2
0 1/9 2/9 1/9
1 2/9 2/9 0
2 1/9 0 0
3- Supongamos que una partícula radiactiva se localiza aleatoriamente en un cuadrado con lados de
longitud unitaria. Es decir, si se consideran dos regiones de la misma área, la partícula tendrá igual
probabilidad de estar en cualquiera de ellas. Sean X e Y las coordenadas que localizan la partícula. Un
modelo adecuado para la distribución conjunta de X e Y sería considerar a (X, Y) continua con fdp dada
por
1 si 0 ≤ x ≤ 1; 0 ≤ y ≤ 1
f ( x, y ) = 
 0 caso contrario
Es conveniente hacer un gráfico en el plano del dominio de la fdp
Nos preguntamos cuál es la probabilidad de que la

coordenada en x sea menor que 0.2 y la
coordenada en y menor que 0.4 , es decir, cuál es la
P ( X ≤ 0.2, Y ≤ 0.4) . Para calcularla, graficamos en
el plano xy la región que corresponde al evento
intersección la región que es dominio de la fdp
Por lo tanto
0.40.2
P( X ≤ 0.2, Y ≤ 0.4) = ∫ ∫ 1dxdy = 0.2 × 0.4 = 0.08
0 0
{X ≤ 0.2, Y ≤ 0.4}
86
En este ejemplo la fdp es un caso particular de v.a. bidimensional uniformemente distribuida

Diremos que una variable aleatoria bidimensional continua está uniformemente distribuida en la región
RXY del plano Euclidiano R si su función de densidad de probabilidad es
c para ( x, y ) ∈ RXY

f ( x, y ) = 
0 para ( x, y ) ∉ RXY

Puesto que la condición de normalización exige ∫∫ f (x, y )dxdy = ∫∫ cdxdy = 1 debe ser
R2 R XY
1
c=
área (RXY )
A una v.a. ( X ,Y ) bidimensional continua uniformemente distribuida en su recorrido RXY la indicaremos

X∼ U [RXY ] .
Por ejemplo, supongamos que la v.a. ( X ,Y ) está distribuida uniformemente en el recorrido RXY que se
muestra en la figura. ¿Cuál es su fdp conjunta?
y
2
y=x
0 y = x2
0 1 2 3 x
De la figura calculamos el área del recorrido:
1 x
∫ (x − x )dx = 6 .
1
área (RXY ) = ∫ dx ∫ dy =
1
2
Por lo tanto
0
0 x2
6 para ( x, y ) tal que 0 ≤ x ≤ 1, x 2 ≤ y ≤ x


f ( x, y ) = 
0 para los demás puntos
5.2 - Funciones de distribución marginales de una v.a. (X,Y) discreta
En el ejemplo 1, supongamos que queremos saber cuál es la probabilidad de que el número de artículos
producidos por la línea I sea 2, o sea P( X = 2)
Como el evento {X = 2} es igual a {X = 2} ∩ ({Y = 0} ∪ {Y = 1} ∪ {Y = 2} ∪ {Y = 3}) , y a su vez
87
{X = 2}∩ ({Y = 0} ∪ {Y = 1} ∪ {Y = 2}∪ {Y = 3}) =

= ({X = 2} ∩ {Y = 0}) ∪ ({X = 2} ∩ {Y = 1}) ∪ ({X = 2} ∩ {Y = 2}) ∪ ({X = 2} ∩ {Y = 3})
Entonces
P( X = 2 ) =
= P({X = 2} ∩ {Y = 0}) + P({X = 2} ∩ {Y = 1}) + P({X = 2} ∩ {Y = 2}) + P({X = 2} ∩ {Y = 3}) =
3
= P( X = 2, Y = 0) + P( X = 2, Y = 1) + P( X = 2, Y = 2) + P( X = 2, Y = 3) = ∑ P( X = 2, Y = j )
j =0
Razonando de la misma forma podemos escribir

3
P ( X = i ) = ∑ P ( X = i, Y = j ) i = 0,1,...,5
j =0
Es decir obtenemos la función de distribución de probabilidad de X
Análogamente obtenemos
5
P(Y = j ) = ∑ P( X = i, Y = j ) j = 0,1,2,3
i =0
Que es la función de distribución de probabilidad de Y
En general se las denomina distribuciones marginales de X e Y, y su definición sería la siguiente
Sea (X,Y) discreta y sea p (xi , y j ) (i=1,2,…n, j=1,2,…,m) su función de probabilidad conjunta
(Eventualmente n y/o m pueden ser ∞ ).
La función de probabilidad marginal de X es
p( xi ) = P( X = xi ) = ∑ p (xi , y j )
m
(i=1,2,…,n)
j =1
La función de probabilidad marginal de Y es
q ( y j ) = P(Y = y j ) = ∑ p (xi , y j ) (j=1,2,…,m)

n
i =1
Observación: Remarcamos que la función de probabilidad marginal de X, es decir p( xi ) calculada a

partir de p (xi , y j ) en la forma indicada, coincide con la función de probabilidad de la variable aleatoria
unidimensional X considerada en forma aislada. Análogamente la función de probabilidad marginal de
Y, es decir q ( y j ) calculada a partir de p (xi , y j ) en la forma indicada, coincide con la función de
probabilidad de variable aleatoria unidimensional Y considerada en forma aislada.
Ejemplo:
Siguiendo con el ejemplo 1,
p(5) = P( X = 5) = p(5,0) + p(5,1) + p(5,2) + p(5,3) = 0.09 + 0.08 + 0.06 + 0.05

= 0.28
88
q(1) = P(Y = 1) = p(0,1) + p(1,1) + p(2,1) + p(3,1) + p(4,1) + p(5,1) = 0.01 + 0.02 + 0.04 + 0.05 + 0.06
= 0.26
Observemos que se verifica la condición de normalización para cada una de las marginales:
5
∑ p(x ) = 0.03 + 0.08 + 0.16 + 0.21 + 0.24 + 0.28 = 1

xi = 0
i
∑ q(y ) = 0.25 + 0.26 + 0.25 + 0.24 = 1

3
j
y j =0
5.3 - Funciones de distribución marginales de una v.a. (X,Y) continua
En el ejemplo 3 supongamos que queremos hallar la probabilidad de que la coordenada x de la partícula

sea menor o igual a 0.2, es decir P( X ≤ 0.2) . Podemos escribir
0.2 ∞ 0.2 1
P( X ≤ 0.2) = P( X ≤ 0.2, − ∞ < Y < ∞) = ∫ ∫ f ( x, y )dydx = ∫ ∫ 1dydx = 0.2
0 −∞ 0 0
En general si queremos hallar P( X ≤ x) podemos plantear
x ∞ x
P ( X ≤ x ) = P ( X ≤ x, − ∞ < Y < ∞ ) = ∫ ∫ f ( x, y )dydx = ∫ g ( x)dx
− ∞− ∞ −∞
∞
donde
−∞
∫ f ( x, y)dy = g ( x)
Por definición de fdp debe ser g ( x) la fdp de la v.a. X
Análogamente
y ∞ y
P(Y ≤ y ) = P(−∞ < X < ∞, Y ≤ y ) = ∫∫

− ∞− ∞
f ( x, y )dxdy = ∫ h( x)dx
−∞
∞
donde
−∞
∫ f ( x, y)dy = h( x)
Por definición de fdp debe ser h( x) la fdp de la v.a. Y
En general:
Sea (X,Y) continua y sea f ( x , y ) su función de densidad de probabilidad conjunta.
La función de densidad de probabilidad marginal de X es:
∞
g (x ) = ∫ f (x , y )dy
−∞
La función de densidad de probabilidad marginal de Y es:
∞
h( y ) = ∫ f (x , y )dx
−∞
89
Observación: Remarcamos aquí también que la función de de densidad de probabilidad marginal de X,

es decir g ( x ) , calculada a partir de f ( x , y ) en la forma indicada, coincide con la función de densidad de
probabilidad de variable aleatoria unidimensional X considerada en forma aislada. Análogamente la
función de densidad de probabilidad marginal de Y, es decir h( y ) calculada a partir de f ( x , y ) en la
forma indicada, coincide con la función de densidad de probabilidad de variable aleatoria
unidimensional Y considerada en forma aislada. De manera que podemos calcular probabilidades como,
por ejemplo
b ∞
 
P(a ≤ X ≤ b ) = P a ≤ X ≤ b , − ∞ < Y < ∞  = ∫ ∫ f (x , y )dydx =
  a −∞
b
= ∫ g ( x )dx
a
Ejemplo: Consideremos nuevamente la v.a. continua (X,Y) uniformemente distribuida cuyo recorrido
RXY dibujamos otra vez
y
2
y=x
0 y = x2
0 1 2 3 x
Ya vimos que la fdp está dada por
6 para ( x, y ) tal que 0 ≤ x ≤ 1, x 2 ≤ y ≤ x


f ( x, y ) = 
0 para los demás puntos
Entonces las funciones de densidad de probabilidad de X e Y son
∞ x
∫ f ( x , y )dy = ∫ (
6dy = 6 x − x 2 )
0 ≤ x ≤1
g ( x ) = − ∞ x2
0 para los demás valores

∞ y
 ∫ f (x, y )dx =
h( y ) =  − ∞
∫ 6dx = 6(
y
y−y ) 0 ≤ y ≤1


90
5.4 - Funciones de probabilidades condicionales
Caso discreto
Consideremos nuevamente el ejemplo de las dos líneas I y II que producen cierto artículo a pequeña
escala. Definimos la v.a. ( X ,Y ) cuya función de probabilidad conjunta p (xi , y j ) está dada por la tabla
anterior que repetimos
Y X 0 1 2 3 4 5 q(yj)
0 0 0.01 0.03 0.05 0.07 0.09 0.25
1 0.01 0.02 0.04 0.05 0.06 0.08 0.26
2 0.01 0.03 0.05 0.05 0.05 0.06 0.25
3 0.01 0.02 0.04 0.06 0.06 0.05 0.24
p(xi) 0.03 0.08 0.16 0.21 0.24 0.28 1
Supongamos que deseamos conocer la probabilidad de que la línea I produzca tres artículos sabiendo
que la línea II ha fabricado dos. Tenemos que calcular una probabilidad condicional. Entonces
 
P X = 3 , Y = 2 
P(X = 3 Y = 2) =   = p (3,2 ) = 0.05 = 0.2
P(Y = 2 ) q (2 ) 0.25
En general definimos la función de probabilidad puntual de X condicional a Y como sigue:

p(xi , y j )
( ) (
p xi y j = P X = xi Y = y j = )
q(y j )
, es decir como el cociente de la función de probabilidad
conjunta de ( X ,Y ) y la función de probabilidad puntual marginal de Y.
Análogamente, definimos la función de probabilidad puntual de Y condicional a X :

p (xi , y j )
q ( y j xi ) = P(Y = y j X = xi ) = , es decir como el cociente de la función de probabilidad puntual
p ( xi )
conjunta de ( X ,Y ) y la función de probabilidad puntual marginal de X.
b) Caso continuo
Como ocurre con la variables aleatoria continuas en general, el definir la probabilidad condicional de
ocurrencia de un valor dado de una de las variables aleatorias del par ( X ,Y ) supuesto que ocurrió la
otra, presenta las dificultades conocidas relacionadas con el hecho de que la probabilidad de un punto es
( )
cero. Entonces probabilidades tales como P X = xi Y = y j tienen el problema que P (Y = y j ) = 0 .
Sea ( X ,Y ) una variable aleatoria bidimensional continua cuya fdp conjunta es f ( x , y ) . Sean g ( x ) y
h( y ) la fdp marginales de X e Y, respectivamente. Definimos la función de densidad de probabilidad de
X condicional a que Y=y, a la que denotaremos g (x y ) , de la siguiente manera:
f (x , y )
g (x y ) = con h( y ) > 0 .
h( y )
91
Análogamente, la función de densidad de probabilidad de Y condicional a que X=x, a la que

denotaremos h( y x ), se define:
f (x , y )
h( y x ) = con g ( x ) > 0 .
g (x )
De acuerdo con estas definiciones, podemos calcular, por ejemplo,
b ∫ f (x ,c )dx
P(a ≤ X ≤ b Y = c ) = ∫ g (x c )dx = a
a h(c )
Observemos que si quisiéramos calcular esta probabilidad usando la fdp conjunta, es decir, refiriéndonos
al recorrido completo, llegaríamos a una indeterminación:
b c
P[(a ≤ X ≤ b ) I (Y = c )] ∫ dx ∫ dyf (x , y )
P(a ≤ X ≤ b Y = c ) =
0
= a c
= .
P(Y = c ) +∞ c
0
∫ dx ∫ dyf (x , y )
−∞ c
Notar la diferencia entre la función de densidad de probabilidad condicional g (x y ) y la función de

densidad de probabilidad marginal g ( x ) :
∫ g (x )dx = P(a ≤ X ≤ b ) ,
a
mientras que
∫ g (x y )dx = P(a ≤ X ≤ b Y = y ) .
a
Ejemplo:
Una máquina vendedora de refrescos se llena al principio de un día dado con una cantidad aleatoria Y, y
se despacha durante el día una cantidad aleatoria X (medida en galones). No se le vuelve a surtir durante
el día y entonces X ≤ Y
Se ha observado que (X,Y) tienen la densidad conjunta
1 / 2 si 0 ≤ x ≤ y; 0 ≤ y ≤ 2
f ( x, y ) = 
 0 caso contrario
¿Cuál es la probabilidad de que se venda menos de ½

galón, dado que la máquina contiene 1 galón al inicio del
día?
Solución: Primero es conveniente hacer un gráfico de la

región del plano donde la densidad conjunta
está definida
92
Hallamos la densidad condicional de X dado Y. Para esto primero encontramos la fdp marginal de Y
∞ y
(1 / 2) y si 0 ≤ y ≤ 2
h( y ) = ∫ f ( x, y )dx = ∫
 (1 / 2)dx si 0 ≤ y ≤ 2
= 
−∞
0
 0 caso contrario  0 caso contrario

Entonces la densidad condicional es
 1/ 2 1
f ( x, y )  si 0<x≤ y≤2  si 0 < x ≤ y ≤ 2
h( y | x) = =  (1 / 2) y = y
g ( x)  0  0
caso contrario caso contrario
La probabilidad que interesa es
1/ 2 1/ 2
1
P( X ≤ 1 / 2 | Y = 1) = ∫ f ( x | y = 1)dx = ∫ (1)dx = 2
−∞ 0
Notar que si la máquina hubiera contenido 2 galones al principio del día, entonces
1/ 2 1/ 2
1
P( X ≤ 1 / 2 | Y = 2) = ∫ f ( x | y = 1)dx = ∫ dx =
1
2
−∞ 0
4
Así la probabilidad condicional que X ≤ 1 / 2 depende de la elección de Y
5.5 – Variables aleatorias independientes
Ya se discutió el concepto de independencia entre dos eventos A y B. Esas mismas ideas podemos
trasladarlas en relación a dos variables aleatorias X e Y que, eventualmente, podemos considerarlas como
las componentes de una variable aleatoria bidimensional ( X ,Y ) .
De acuerdo con esto, intuitivamente decimos que dos variables, X e Y, son independientes si el valor que
toma una de ellas no influye de ninguna manera sobre el valor que toma la otra. Esto lo establecemos
más formalmente:
a) Sea ( X ,Y ) una variable aleatoria bidimensional discreta. Sea p (xi , y j ) su fdp conjunta y p( xi ) y
q ( y j ) las correspondientes fdp marginales de X e Y. Decimos que X e Y son variables aleatorias
independientes si y sólo si
p(xi , y j ) = p( xi )q( y j ) ∀(xi , y j ) ∈ RXY
b) Sea ( X ,Y ) una variable aleatoria bidimensional continua. Sea f ( x , y ) su fdp conjunta y g ( x ) y h( y )

las correspondientes fdp marginales de X e Y. Decimos que X e Y son variables aleatorias
independientes si y sólo si
f ( x , y ) = g ( x )h( y ) ∀( x , y ) ∈ R 2
93
Observación: Notar que para poder afirmar la independencia de X e Y debe cumplirse la factorización
de la fdp conjunta como producto de las fdp marginales para todos los pares de valores de la v.a. ( X ,Y ) .
Por lo tanto, para verificar la independencia es necesario demostrar la validez de la factorización para
todos los pares. En cambio, es suficiente encontrar un solo par que no la verifica, para afirmar, de
acuerdo con la definición, que las variables X e Y son no independientes, es decir, que son dependientes.
Esto es, para demostrar la dependencia es suficiente con encontrar un solo par que no verifique la
factorización señalada.
Vimos que dos sucesos A y B son independientes si y sólo si P( A B ) = P( A) y P(B A) = P(B ) (donde
por supuesto debía ser P( A) ≠ 0 y P(B ) ≠ 0 ). En términos de variables aleatorias, esta forma de ver la
independencia se manifiesta en la igualdad entre las fdp condicionales y las correspondientes fdp
marginales, como demostramos en este
Teorema
a) Sea ( X ,Y ) una variable aleatoria bidimensional discreta cuyas fdp conjunta, condicionales y
( )
marginales son, respectivamente, p (xi , y j ) ; p xi y j , q ( y j xi ) y p( xi ) , q ( y j ) .
Entonces, X e Y son variables aleatorias independientes si y sólo si
( )
a1) p xi y j = p ( xi ) ∀(xi , y j ) ∈ RXY , o
a2) q ( y j xi ) = q ( y j ) ∀(xi , y j ) ∈ RXY , que es equivalente a lo anterior
b) Sea ( X ,Y ) una variable aleatoria bidimensional continua cuyas fdp conjunta, condicionales y
marginales son, respectivamente, f ( x , y ) ; g (x y ) , h( y x ) y g ( x ) , h( y ) .
Entonces, X e Y son variables aleatorias independientes si y sólo si
b1) g (x y ) = g ( x ) ∀( x , y ) ∈ R 2 , o
b2) h( y x ) = h( y ) ∀(x , y ) ∈ R 2 , que es equivalente al anterior.
Dem.)
a) Demostraremos solamente a1). La equivalencia entre a1) y a2) la dejamos como ejercicio.
Para demostrar a1) verificaremos la doble equivalencia entre ésta y la definición de v.a. independientes.
⇒)
Sean X e Y variables aleatorias independientes. Entonces ∀(xi , y j )∈ R XY
(
p xi y j = ) pq(x(y, y) ) = p(xq()yq()y ) = p(x )
i j i j
i
j j
Aquí la primera igualdad es la definición de fdp condicional y la segunda sale de la definición de

independencia al suponer que X e Y son independientes.
⇐)
Supongamos que se verifica a1). Entonces ∀(xi , y j )∈ R XY
p(xi , y j )
( )
p xi y j = p( xi ) →
q(y j )
= p( xi ) → p(xi , y j ) = p( xi )q( y j ) → X e Y independientes
94
Aquí, la primera implicación se debe a la definición de fdp condicional y la tercera a la definición de v.a.
independientes.
b) También demostramos sólo b1) y dejamos como ejercicio demostrar la equivalencia entre b1) y b2).
⇒)
Sean X e Y variables aleatorias independientes. Entonces ∀( x , y ) ∈ R 2
f ( x , y ) g ( x )h( y )
g (x y ) = = = g (x )
h( y ) h( y )
Aquí la primera igualdad es la definición de fdp condicional y la segunda sale de la definición de
independencia al suponer que X e Y son independientes.
⇐)
Supongamos que se verifica b1). Entonces ∀( x , y ) ∈ R 2
g (x , y )
g (x y ) = g ( x ) → = g ( x ) → f ( x , y ) = g ( x )h( y ) → X e Y independientes.
h( y )
Aquí, la primera implicación se debe a la definición de fdp condicional y la tercera a la definición de v.a.
independientes.
Ejemplos:
1- Supongamos que una máquina se usa para un trabajo específico a la mañana y para uno diferente en
la tarde. Representemos por X e Y el número de veces que la máquina falla en la mañana y en la tarde
respectivamente. Supongamos que la tabla siguiente da la función de probabilidad conjunta p (xi , y j ) de
la variable aleatoria bidimensional discreta ( X ,Y ) .
Y/X 0 1 2 q(yj)
0 0.1 0.2 0.2 0.5
1 0.04 0.08 0.08 0.2
2 0.06 0.12 0.12 0.3
P(xi) 0.2 0.4 0.4 1
Deseamos saber si las variables aleatorias X e Y son independientes o dependientes.

Para demostrar que son independientes debemos probar que se verifica ∀(xi , y j )∈ R XY
p (xi , y j ) = p (xi )q ( y j ) Verificamos directamente que
p(0,0) = 0.1 = p(0)q(0) = 0.2 × 0.5

p(0,1) = 0.04 = p(0)q(1) = 0.2 × 0.2
p(0,2) = 0.06 = p(0)q(2 ) = 0.2 × 0.3
p(1,0) = 0.2 = p(1)q(0) = 0.4 × 0.5
p(1,1) = 0.08 = p(1)q(1) = 0.4 × 0.2
p(1,2) = 0.12 = p(1)q(2) = 0.4 × 0.3
p(2,0) = 0.2 = p(2)q(0 ) = 0.4 × 0.5
p(2,1) = 0.08 = p(2)q(1) = 0.4 × 0.2
p(2,2) = 0.12 = p(2)q(2) = 0.4 × 0.3
Luego X e Y son independientes.
95
( )
Podríamos haber usado las condiciones a1) p xi y j = p ( xi ) ∀(xi , y j ) ∈ RXY , o su equivalente
a2) q ( y j xi ) = q ( y j ) ∀(xi , y j ) ∈ RXY . Veamos, como muestra para un solo valor, que se verifica
p (2 ,1) 0.08
p (2 1) = = = 0.4 = p (2 ) . Para demostrar la independencia por este camino habría que
q (1) 0 .2
demostrar que se cumple la condición para el resto de los pares de valores. Se deja este cálculo como
ejercicio optativo.
2- Sean X e Y v.a. continuas que representan el tiempo de vida de dos dispositivos electrónicos.
Supongamos que la fdp conjunta de la v.a. continua ( X ,Y ) es:
e − ( x + y ) 0 ≤ x < ∞, 0 ≤ y < ∞

f ( x, y ) = 
 0 para los demás valores
Deseamos saber si X e Y son variables aleatorias independientes.

Calculamos las fdp marginales de X e Y :
+∞ +∞
g (x ) = ∫ f (x , y )dy = ∫ e
−(x + y )
dy =e − x
−∞ 0
+∞ +∞
h( y ) = ∫ f (x , y )dx = ∫ e
−( x + y )
dx =e − y
−∞ 0
Luego las marginales son:
e − x 0≤x<∞

g (x ) = 
0 para los demás valores
e − y 0≤ y<∞

h( y ) = 
0 para los demás valores
Vemos que efectivamente

e − ( x + y ) = e − x e − y 0 ≤ x < ∞, 0 ≤ y < ∞

f ( x, y ) = g ( x )h( y ) = 
 0 para los demás valores
Es decir X e Y son v.a. independientes.
También podemos verificar la condición b1):
 e −( x + y ) −x 
f ( x, y )  − y = e 0≤ x<∞ 
g (x y ) = = e  = g ( x ) ∀( x. y ) ∈ R
2
h( y ) 0 para los demás valores

 
96
3- Consideremos un ejemplo donde no se verifica la independencia.
Sea una v.a.b cuya fdp conjunta es
8 xy 0 ≤ x ≤ y ≤ 1

f ( x, y ) = 
0 para los demás valores

En la figura siguiente mostramos el recorrido
y
2
y=x
1
RXY
0 x
0 1 2 3
Calculamos las fdp marginales de X e Y :
1
∫ 8 xydy = 4 x (1 − x ) 0 ≤ x ≤ 1
2
g (x ) =  x
 0 para los demás valores

 y
 ∫ 8 xydx = 4 y 0 ≤ y ≤ 1
3
h( y ) =  0

y podemos apreciar que para 0 ≤ x ≤ y ≤ 1 en general es
( )
f ( x , y ) = 8 xy ≠ 16 x 1 − x 2 y 3 = g ( x )h( y ) .
Luego X e Y son variables aleatorias dependientes.
Observaciones
1- De la definición de las fdp marginales, vemos que tanto en el caso discreto como en el continuo, la
fdp conjunta determina unívocamente las fdp marginales. Es decir, si ( X ,Y ) es discreta del
conocimiento de la función de probabilidad conjunta p (xi , y j ) podemos determinar unívocamente las
funciones de probabilidad p( xi ) y q ( y j ) . Análogamente, si ( X ,Y ) es continua del conocimiento de la
97
función de densidad de probabilidad conjunta f ( x , y ) podemos determinar unívocamente las funciones

de densidad g ( x ) y h( y ) . Sin embargo la inversa no se cumple en general. Es decir del conocimiento de
p( xi ) y q ( y j ) no se puede, en general, reconstruir p (xi , y j ) a menos que X e Y sean variables
independientes en cuyo caso es p (xi , y j ) = p ( xi )q ( y j ) y, análogamente, en el caso continuo, del
conocimiento de g ( x ) y h( y ) no se puede construir en general f ( x , y ) excepto cuando X e Y son
independientes en cuyo caso puedo escribir f ( x , y ) = g ( x )h( y )
2- Podemos observar del último ejemplo, que puede ocurrir que aún cuando la función f ( x , y ) ya esté
escrita en forma factorizada como una función sólo de x por una función sólo de y, las variables X e Y
no sean independientes puesto que el dominio es tal que hace que las variables sean dependientes. Así,
en el ejemplo anterior, el recorrido RXY = {( X ,Y ) : 0 ≤ x ≤ y ≤ 1} condiciona los valores que toma x a
los valores que toma y.
3- El concepto de independencia entre dos variables aleatorias se puede generalizar a n variables

aleatorias X 1 , X 2 ,..., X n
5.6 - Función de una variable aleatoria bidimensional
Existen muchas situaciones en las que dado una variable aleatoria bidimensional nos interesa considerar
otra variable aleatoria que es función de aquélla. Por ejemplo, supongamos que las variables aleatorias X
e Y denotan la longitud y el ancho, respectivamente, de una pieza, entonces Z = 2 X + 2Y es una v.a. que
representa el perímetro de la pieza, o la v.a. W = X .Y representa el área de la pieza. Tanto Z como W
son variables aleatorias.
En general, sea S un espacio muestral asociado a un experimento probabilístico ε , sean X : S → R e

Y : S → R dos variables aleatorias que definen una variable aleatoria bidimensional ( X ,Y ) cuyo
recorrido es RXY , y sea una función de dos variables reales H : RXY → R que a cada elemento ( x , y ) del
recorrido RXY le hace corresponder un número real z = H ( x , y ) , entonces la función compuesta
Z = H ( X , Y ) : S → R es una variable aleatoria, puesto que a cada elemento s ∈ S le hace corresponder
un número real z = H [ X (s ),Y (s )] . Diremos que la variable aleatoria Z es función de la variable
aleatoria bidimensional (X,Y).
Algunas variables aleatorias que son función de variables aleatorias bidimensionales son Z = X + Y ,
Z = X .Y , Z = X / Y , Z = mín( X ,Y ) , Z = máx( X ,Y ) , etc.
Lo anterior se puede generalizar si en lugar de dos variables aleatorias tenemos n variables aleatorias
X 1 , X 2 ,..., X n , y z = H ( x1 , x 2 ,...x n ) es una función de n variables a valores reales.
Ejemplos:
1- Sea Z ~ B ( n, p )
Podemos escribir a Z como suma de variables aleatorias de la siguiente forma.
Recordar que Z cuenta el número de éxitos en n repeticiones o ensayos del experimento ε
Si definimos
98
1 si en la í − ésima repetición de ε ocurre éxito


Xi =  i = 1,2,..., n
0 caso contrario

Notar que a cada X i se la puede considerar B (1, p ) , y además X 1 , X 2 ,..., X n son independientes
Podemos escribir Z = X 1 + X 2 + ... + X n
2- Sea Z v.a. binomial negativa con parámetros r y p, es decir Z ~ BN ( r , p )

Si definimos
X 1 : “número de repeticiones del experimento requeridos hasta el 1º éxito”
X 2 : “número de repeticiones del experimento adicionales requeridos hasta el 2º éxito”
Y en general
X i : “número de repeticiones del experimento adicionales después del (i-1)–ésimo éxito requeridos hasta
el i-ésimo éxito”
Entonces cada variable tiene distribución geométrica con parámetro p y Z = X 1 + X 2 + ... + X r
Notar además que X 1 , X 2 ,..., X r son independientes
Esperanza de una v.a. que es función de una v.a. bidimensional
Sea una variable aleatoria bidimensional ( X ,Y ) cuya fdp conjunta es la función de probabilidad
conjunta p (xi , y j ) si es discreta o la función de densidad de probabilidad conjunta f ( x , y ) si es continua
y sea una función real de dos variables z = H ( x , y ) de manera que podemos definir una variable
aleatoria Z que es función de la variable aleatoria bidimensional ( X ,Y ) de la forma Z = H ( X ,Y ) . Si la
fdp de Z es q ( zi ) , si Z es discreta, o q( z ) si es continua, entonces la esperanza matemática de Z es, de
acuerdo con la definición general,
E (Z ) = ∑ z .q(z )i i (para Z discreta)

x i ∈R X
∞
E (Z ) = ∫ zq(z )dz (para Z continua)
−∞
Nuevamente lo interesante es considerar la posibilidad de evaluar E (Z ) sin tener que calcular

previamente la fdp de Z. El siguiente teorema nos muestra cómo hacerlo.
Teorema Sea (X,Y) una variable aleatoria bidimensional y sea Z=H(X,Y) una variable aleatoria que es
función de (X,Y).
a) Si Z es variable aleatoria discreta que proviene de la variable aleatoria bidimensional discreta (X,Y)
cuyo recorrido es RXY y su fdp conjunta es p (xi , y j ) , entonces:
E (Z ) = E [H ( X ,Y )] = ∑ H (x , y )p(x , y )
( xi , y j )∈R XY
i j i j
b) Si Z es variable aleatoria continua que proviene de la variable aleatoria continua bidimensional (X,Y)
cuya fdp conjunta es f ( x , y ) , entonces:
99
∞ ∞
E (Z ) = E [H ( X ,Y )] = ∫ ∫ H (x , y ) f (x , y )dxdy .
−∞ −∞
Dem.) sin demostración
Ejemplo:
Supongamos que debido a innumerables causas incontrolables la corriente i y la resistencia r de un
circuito varían aleatoriamente de forma tal que pueden considerarse como variables aleatorias I y R
independientes. Supongamos que las correspondientes fdp son:
2i 0 ≤ i ≤1 r2
  0≤r≤3
g (i ) =  h(r ) =  9
0
demás valores
  0 demás valores

Nos interesa considerar el voltaje v = i .r de manera que podemos definir la variable aleatoria V = I .R .
Específicamente deseamos conocer el valor esperado o esperanza matemática del voltaje: E (V ) .
Usando la propiedad establecida en el teorema anterior:
∞ ∞
E (V ) = ∫ ∫ H (i ,r ). f (i ,r )didr . Ahora bien, puesto que consideramos que I y R son variables aleatorias
−∞ −∞
independientes, la fdp conjunta de la v.a. bidimensional (I,R) es simplemete el producto de las
marginales o sea de las fdp de las variables aleatorias I y R tomadas como variables aleatorias
unidimensionales: f (i ,r ) = g (i ).h(r ) , es decir:
2 2
 i .r si 0 ≤ i ≤ 1 y 0 ≤ r ≤ 3
f (i ,r ) =  9
0 demás valores

Entonces
3 1
2 2 23 3 1 2 3
E (V ) = ∫ dr ∫ di (i .r ). i .r = ∫ r dr ∫ i di =
0 0 9 90 0 2
Esperanza de una suma de variables aleatorias
Sean X e Y dos variables aleatorias arbitrarias. Entonces E ( X + Y ) = E ( X ) + E (Y ) .
Dem.) en el teorema anterior consideramos H ( x, y ) = x + y

Si (X,Y) es discreta
E (Z ) = E[H ( X , Y )] = ∑ H (x , y )p(x , y ) = ∑ ( x
(xi , y j )∈R XY
i j i j
( xi , y j )∈R XY
i + y j ) p( xi , y j ) =
Aplicando la propiedad distributiva y separando en dos sumas
E (Z ) = ∑ (x i + y j ) p ( xi , y j ) = ∑x i p ( xi , y j ) + ∑y j p( xi , y j ) =
( xi , y j )∈R XY ( xi , y j )∈R XY ( xi , y j )∈R XY
100
= ∑∑ xi p ( xi , y j ) + ∑∑ y j p ( xi , y j ) = ∑ xi ∑ p ( xi , y j ) + ∑ y j ∑ p ( xi , y j ) =
i j i j i j j i
Pero ∑ p( x , y
j
i j ) = p ( xi ) y ∑ p( x , y
i
i j ) = q ( y j ) , por lo tanto
= ∑ xi p ( xi ) + ∑ y j q ( y j ) = E ( X ) + E (Y )
i j
Para el caso continuo la demostración es análoga, cambiando sumatorias por integrales.
Podemos generalizar la propiedad anterior a un número finito cualquiera de variables aleatorias:
Sean X 1 , X 2 ,..., X n n variables aleatorias arbitrarias. Entonces:
E ( X 1 + X 2 + ... + X n ) = E ( X 1 ) + E ( X 2 ) + ... + E ( X n ) o, en notación más concentrada,:
 n  n
E ∑ X1  = ∑ E(X i )
 i =1  i =1
(leeremos: “la esperanza de la suma es la suma de las esperanzas”)
Dem.) Se deduce por inducción completa sobre el número n de variables aleatorias.
Observación: se deduce que la esperanza verifica la propiedad lineal:
 n  n
E  ∑ ai X i  = ∑ ai E ( X i ) .
 i =1  i =1
Ejemplos:
1- Vamos a aplicar algunas de las propiedades anteriores para calcular de una manera alternativa la
esperanza matemática de una variable aleatoria X distribuida binomialmente.
Sea entonces una v.a. X∼B(n,p).
Ya vimos que podemos escribir X = X 1 + X 2 + ... + X n donde cada X i se la puede considerar B(1, p ) ,
y además X 1 , X 2 ,..., X n son independientes
Entonces
E ( X i ) = 1 × P( X i = 1) + 0 × P( X i = 0) = P( X i = 1) = p para cualquier i
Por lo tanto
E ( X ) = E ( X 1 + X 2 + ... + X n ) = E ( X 1 ) + E ( X 2 ) + ... + E ( X n ) = p + p + ... + p = np
14 4244 3
n veces
Observación: muchas veces es conveniente descomponer una variable aleatoria como suma de otras más
simples para facilitar los cálculos
2- Esperanza de una v.a. binomial negativa

Cuando se trató la v.a. binomial negativa se dijo cuál era su esperanza. Ahora damos una demostración
Sea X v.a. binomial negativa con parámetros r y p, es decir X ~ BN ( r , p )
Si definimos
101
X 1 : “número de repeticiones del experimento requeridos hasta el 1º éxito”

Y en general
X i : “número de repeticiones del experimento adicionales después del (i-1)–ésimo éxito requeridos hasta
el i-ésimo éxito”
Entonces cada variable tiene distribución geométrica con parámetro p y X = X 1 + X 2 + ... + X r
Por lo tanto
1 1 1 1 r
E ( X ) = E ( X 1 + X 2 + ... + X r ) = E ( X 1 ) + E ( X 2 ) + ... + E ( X r ) = + + ... + = r =
p p p p p
1442443
r veces
3- Esperanza de una v.a. hipergeométrica

nM
Si X ~ H (n, M, N ) entonces E( X ) =
N
Para facilitar la demostración supongamos que tenemos N bolillas en una urna de las cuales M son rojas
y N-M son blancas. Queremos hallar el número esperado de bolillas rojas extraídas
Definimos las variables
1 si la i − ésima bolilla roja es extraída

Xi = 
0 caso contrario

Las variables X 1 , X 2 ,... X M no son independientes
Se puede escribir X = X 1 + X 2 + ... + X M , además
1 N − 1
  
1 n − 1
E ( X i ) = P ( X i = 1) =   = n
N N
 
n
Por lo tanto
n n n n nM
E ( X ) = E ( X 1 + X 2 + ... + X M ) = E ( X 1 ) + E ( X 2 ) + ... + E ( X Mr ) = + + ... + = M =
N 44
1 N2443 N N N
M veces
En general la esperanza de un producto de variables aleatorias no es igual al producto de las

esperanzas
Si ( X ,Y ) es una variable aleatoria bidimensional tal que X e Y son variables aleatorias

independientes, entonces: E ( X .Y ) = E ( X ).E (Y )
(leeremos:” la esperanza del producto es el producto de las esperanzas”).
Dem.) (caso continuo)
102
Sea Z = H ( X ,Y ) = X .Y y sea f ( x , y ) la fdp conjunta de la v.a. ( X ,Y ) . Entonces, usando el teorema

∞ ∞
que establece que E (Z ) = E [H ( X ,Y )] = ∫ ∫ H (x , y ) f (x , y )dxdy , tenemos:
−∞ −∞
∞
E ( X .Y ) = ∫ (x.y ) f (x , y )dxdy . Pero siendo X e Y variables aleatorias independientes es
−∞
f ( x , y ) = g ( x )h( y ) , donde g ( x ) y h( y ) son las fdp marginales de X e Y que sabemos coinciden con las
fdp de X e Y tomadas como variables aleatorias unidimensionales. Luego:
∞ ∞ ∞
E ( X .Y ) = ∫ (x.y )g (x )h( y )dxdy = ∫ xg (x )dx ∫ yh( y )dy
−∞ −∞ −∞
= E ( X ).E (Y ) ,
donde en la última igualdad tuvimos en cuenta la definición de esperanza de v.a. unidimensionales.
Ejemplo:
Nuevamente consideramos el siguiente ejemplo
Supongamos que debido a innumerables causas incontrolables la corriente i y la resistencia r de un
circuito varían aleatoriamente de forma tal que pueden considerarse como variables aleatorias I y R
independientes. Supongamos que las correspondientes fdp son:
2i 0 ≤ i ≤ 1 r2
  0≤r≤3
g (i ) =  h(r ) =  9
0 demás valores
  0 demás valores

Nos interesa considerar el voltaje v = i .r de manera que podemos definir la variable aleatoria V = I .R .
Hallar el valor esperado o esperanza matemática del voltaje: E (V ) .
Como I y R son independientes, usando la propiedad anterior
E (V ) = E ( I ) E ( R)
1 3
1
i3 2
3
 r2  1 r4 1 34
E ( I ) = ∫ i (2i )di = 2 = E ( R ) = ∫ r  dr = = × =1
0
3 0
3 0 
9  9 4 0
9 9
2 2
∴ E (V ) = ×1 =
3 3
Varianza de una suma de variables aleatorias
. V ( X + Y ) = V ( X ) + V (Y ) + 2σ XY con σ XY = E ( X .Y ) − E ( X ).E (Y )
Dem.) Escribimos la varianza en su forma alternativa
103
( )
V ( X + Y ) = E [ X + Y ] − [E ( X + Y )] . Desarrollamos los cuadrados y aplicamos la propiedad lineal de
2 2
la esperanza:
( )
V ( X + Y ) = E X 2 + 2.X .Y + Y 2 − [E ( X ) + E (Y )]
2
( ) ( ) {
= E X 2 + 2 E ( X .Y ) + E Y 2 − [E ( X )] + 2 E ( X )E (Y ) + [E (Y )]
2 2
}
Agrupando convenientemente:
{( ) } {( ) }
V ( X + Y ) = E X 2 − [E ( X )] + E Y 2 − [E (Y )] + 2{E ( X .Y ) − E ( X )E (Y )}
2 2
= V ( X ) + V (Y ) + 2{E ( X .Y ) − E ( X )E (Y )}
, es decir
V ( X + Y ) = V ( X ) + V (Y ) + 2σ XY
σ XY = E ( X .Y ) − E ( X ).E (Y ) se la llama la covarianza de X e Y.
Observaciones:
1- Teniendo presente la definición de la desviación estándar de una v.a. X: σ X = V ( X ) , vemos que a la
propiedad anterior la podemos escribir:
V ( X + Y ) = σ X2 + σY2 + 2σ XY
2- Análogamente se prueba que V ( X − Y ) = σ X2 + σ Y2 − 2σ XY
3- X e Y son independientes, entonces V ( X + Y ) = V ( X − Y ) = V ( X ) + V (Y )

Esto es porque si las variables aleatorias X e Y son independientes, entonces E ( X .Y ) = E ( X ).E (Y ) .
Por lo tanto la covarianza vale cero : σ XY = E ( X .Y ) − E ( X ).E (Y ) = 0 .
4- Podemos generalizar, usando el principio de inducción completa, al caso de n variables aleatorias

independientes:
Si X 1 , X 2 ,..., X n son n variables aleatorias independientes entonces:
 n  n
V ( X 1 + X 2 + ... + X n ) = V ( X 1 ) + V ( X 2 ) + ... + V ( X n ) o, en forma más compacta, V  ∑ X i  = ∑V ( X i ) .
 i =1  i =1
5- Vemos que la esperanza de la suma de dos variables aleatorias X e Y es igual a la suma de las
esperanzas E ( X + Y ) = E ( X ) + E (Y ) cualesquiera sean X e Y . En cambio la varianza de la suma de las
variables aleatorias X e Y es, en general, igual a la suma de las varianzas, V ( X + Y ) = V ( X ) + V (Y ) , sólo
si X e Y son variables independientes.
Ejemplos:
1- Podemos ejemplificar la aplicación de las propiedades de la varianza, calculando nuevamente la
varianza de una v.a. X distribuida binomialmente con parámetros n y p.
Sea entonces una v.a. X∼B(n,p). Vimos que se puede escribir:
104
X = X 1 + X 2 + ... + X n , donde las n variables aleatorias son independientes entre sí y tienen todas la
misma distribución:
X i ∼ B(1, p ) ∀i = 1,2 ,..., n
Entonces, tratándose de n variables aleatorias independientes
V ( X ) = V ( X 1 ) + V ( X 2 ) + ... + V ( X n ) todas la varianzas son iguales y podemos escribir la suma como n
veces una cualquiera de ellas:
V ( X ) = nV ( X i ) . Pero
( )
V ( X i ) = E X i2 − [E ( X i )] .
2
Ya vimos que E ( X i ) = 1. p + 0(1 − p ) = 0

Además es: E (X i2 ) = 12. p + 0 2 (1 − p ) = p
( )
Entonces: V ( X i ) = E X i2 − [E ( X i )] = p − p 2 = p(1 − p ) .
2
Luego:
V ( X ) = nV ( X i ) = np (1 − p )
que es el resultado que habíamos obtenido a partir de la definición y llevando las sumas involucradas a
la forma del desarrollo de un binomio de Newton.
2- Varianza de una v.a. binomial negativa

Ya vimos que podemos escribir X = X 1 + X 2 + ... + X r , donde cada variable X i tiene distribución
geométrica con parámetro p
Por lo tanto
1− p
V ( X ) = V ( X 1 ) + V ( X 2 ) + ... + V ( X r ) = r 2
p
5.7 - Covarianza
Sean X e Y dos variables aleatorias. La covarianza de X e Y se define:
Cov( X , Y ) = E{[X − E ( X )].[Y − E (Y )]} = E ( X .Y ) − E ( X ).E (Y )
Notación: la notación usual para la covarianza de X e Y es σ XY o Cov ( X , Y )
La última igualdad surge de desarrollar el producto y aplicar las propiedades de la esperanza:

E{[ X − E ( X )].[Y − E (Y )]} = E{X .Y − X .E (Y ) − E ( X ).Y + E ( X )E (Y )}
Teniendo presente que E ( X ) y E (Y ) son constantes:

E{[ X − E ( X )].[Y − E (Y )]} = E ( X .Y ) − E ( X ).E (Y ) − E ( X )E (Y ) + E ( X )E (Y ) = E ( X .Y ) − E ( X ).E (Y ) .
La esperanza en la definición debe pensarse de la siguiente manera (suponiendo que la v.a. ( X ,Y ) es

continua):
∞ ∞
Cov ( X , Y ) = E{H ( X , Y )} = ∫ ∫ H (x, y ) f (x, y )dxdy con H ( x , y ) = [x − E ( X )].[ y − E (Y )]
− ∞− ∞
Ya vimos la siguiente propiedad

105
Si X e Y son variables aleatorias independientes, entonces Cov ( X , Y ) = 0 .
Dem. )
Según vimos, si X e Y son variables aleatorias independientes, entonces E ( X .Y ) = E ( X ).E (Y ) , de donde
se sigue la propiedad.
Propiedades de la covarianza
Las siguientes propiedades son útiles y su verificación se deja como ejercicio

1- Cov (a + bX , c + dY ) = bdCov ( X , Y )
2- Cov ( X + Y , Z ) = Cov ( X , Z ) + Cov (Y , Z )
 n m  n m
3- Cov ∑ X i , ∑ Y j  = ∑∑ Cov( X i , Y j )
 i =1 j =1  i =1 j =1
4- Cov ( X , X ) = V ( X )
Ejemplo: Varianza de una v.a. hipergeométrica

M  N − M  N − n 
Si X ~ H ( n, M, N ) entonces V ( X ) = n   
N  N  N − 1 
Para facilitar la demostración supongamos que tenemos N bolillas en una urna de las cuales M son rojas
y N-M son blancas. Queremos hallar la varianza del número de bolillas blancas extraídas
Como antes definimos las variables
1 si la i − ésima bolilla roja es extraída

Xi = 
0 caso contrario

Las variables X 1 , X 2 ,... X M no son independientes
Se puede escribir X = X 1 + X 2 + ... + X M , además
1 N − 1
  
 1 n − 1  n
E ( X i ) = P ( X i = 1) = = y
N N
 
n
2
n n n  n
V ( X i ) = E ( X i ) − (E ( X i ) ) =
2 2
−  = 1 − 
N N N  N
M
Por lo tanto V ( X ) = V ( X 1 + X 2 + ... + X M ) = ∑ V ( X i ) + 2 ∑ Cov( X , X
i j )
i =1 i1≤< j ≤ M
Por otro lado Cov ( X i ; X j ) = E ( X i X j ) − E ( X i ) E (Y j )
2
n( n − 1) n( n − 1)  n 
Y E( X i X j ) = , entonces Cov ( X i ; X j ) = − 
N ( N − 1) N ( N − 1)  N 
106
2
n( n − 1)  n  n  1  n
Aplicando algunos pasos algebraicos se llega a Cov ( X i ; X j ) = −  = −  1 − 
N ( N − 1)  N  N  N − 1  N
Reemplazando
M
n n   M  1 n n 
V ( X ) = ∑ V ( X i ) + 2 ∑ Cov( X i , X j ) = M 1 −  + 2  −  1 −  
i =1 i1≤< j ≤ M N  N   2  N − 1  N  N 
Nuevamente, luego de algunos cálculos algebraicos se llega a
M  N − M  N − n 
V (X ) = n   
N  N  N − 1 
5.8 - Coeficiente de correlación lineal.
En realidad más que la covarianza aquí nos interesa considerar una cantidad relacionada con σ XY y que
según veremos nos dará información sobre el grado de asociación que existe entre X e Y . Más
concretamente nos contará si existe algún grado de relación lineal entre X e Y . Esa cantidad es el
coeficiente de correlación lineal.
En el mismo sentido en que podemos tener una idea aproximada sobre la probabilidad de un suceso A si
repetimos el experimento y consideramos las ocurrencias de A en las n repeticiones,
así podemos tener también una primera idea sobre la existencia de una relación funcional,
específicamente una relación lineal, entre X e Y si consideramos un diagrama de dispersión. Consiste en
dibujar pares de valores (xi , y j ) medidos de la variable aleatoria ( X ,Y ) en un sistema de coordenadas.
En la figura mostramos diversas situaciones posibles.
y y y
(xi yi)
0 x 0 x x
a b c
De la figura a se deduciría que entre X e Y no hay ningún tipo de relación funcional. La figura b sugiere
la posibilidad de que exista una relación funcional que corresponde a una parábola. La figura c, por su
parte, sugiere una relación lineal entre X e Y . Este último es el comportamiento que nos interesa
caracterizar. Con ese fin definimos el coeficiente de correlación lineal como sigue:
107
Sea ( X ,Y ) una variable aleatoria bidimensional. Definimos el coeficiente de correlación lineal entre
Cov ( X , Y )
X e Y como ρ XY =
σ XσY
En consecuencia:
E{[ X − E ( X )].[Y − E (Y )]} E ( X .Y ) − E ( X ).E (Y )

ρ XY = = .
V ( X ).V (Y ) V ( X ).V (Y )
Daremos una serie de propiedades de ρ XY que nos permitirán establecer más concretamente su
significado.
Propiedad 1
Si X e Y son variables aleatorias independientes entonces ρXY = 0 .
Dem.) inmediata a partir del hecho que si X e Y son independientes entonces E ( XY ) = E ( X ) E (Y )
Observación: La inversa no es necesariamente cierta. Puede ser que ρXY = 0 y sin embargo X e Y no
sean variables aleatorias independientes. En efecto si tenemos una v.a. bidimensional ( X ,Y ) que da
lugar a un diagrama de dispersión como el que se muestra en la figura, veremos que correspondería a un
coeficiente de correlación lineal ρXY = 0 y sin embargo la figura sugiere que entre X e Y existe la
relación funcional X 2 + Y 2 = 1 , es decir X e Y son v.a. dependientes. En realidad, como veremos, ρ XY es
una medida de la existencia de una relación lineal entre X e Y y una circunferencia se aleja mucho de
una línea recta.
-2 -1 0 1 2 3 x
-1
Propiedad 2 :
− 1 ≤ ρXY ≤ 1
Dem.)
108
X Y
Si consideramos la v.a. + entonces
σX σY
 X Y  V ( X ) V (Y ) 2Cov( X , Y )
0 ≤ V  +  = + + = 2(1 + ρ XY )
σ X σY  σX σY 2 σ XσY
2
Implicando que − 1 ≤ ρ XY
 X Y  V ( X ) V (Y ) 2Cov ( X , Y )
Por otro lado: 0 ≤ V  −  = + − = 2(1 − ρ XY )
σ X σY  σ X σY 2 σ Xσ Y
2
Implicando que ρ XY ≤ 1
∴ − 1 ≤ ρ XY ≤ 1
Propiedad 3 :
2
Si ρ XY = 1 , entonces con probabilidad 1 es Y = A.X + B donde A y B son constantes.
2
Dem.) Si ρ XY = 1 entonces ρ XY = 1 o ρ XY = −1
Si ρ XY = −1 entonces de la demostración anterior se deduce que
 X Y  X Y
V  +  = 2(1 + ρ XY ) = 0 , lo que implica que la v.a. Z = + tiene varianza cero. Según la
σ X σY  σ X σY
interpretación de varianza podemos deducir (en forma intuitiva) que la v.a. no tiene dispersión con
respecto a su esperanza, es decir la v.a. Z es una constante con probabilidad 1
σY
Por lo tanto esto implica que Y = A.X + B con A = − <0
σX
σ
Análogamente ρ XY = 1 implica que Y = A.X + B con A = Y > 0
σX
Propiedad 4 :
Si X e Y son dos variables aleatorias tales que Y = A.X + B , donde A y B son constantes,
2
entonces ρ XY = 1 . Si A > 0 es ρ XY = 1 y si A < 0 es ρXY = −1 .
Dem.) se deja como ejercicio
Observación: Claramente las propiedades anteriores establecen que el coeficiente de correlación lineal
es una medida del grado de linealidad entre X e Y.
109
6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA

CENTRAL DEL LÍMITE
6.1 – Suma de variables aleatorias independientes
Cuando se estudiaron las variables aleatorias bidimensionales se habló de una función de variable
aleatoria bidimensional. En particular se nombró la suma de n variables aleatorias, pero no se dijo nada
sobre la distribución de esa v.a. suma.
Es a menudo importante saber cuál es la distribución de una suma de variables aleatorias independientes.
Consideramos algunos ejemplos en el caso discreto
1- Suma de variables aleatorias independientes con distribución Poisson
X ~ P(λ1 ) ; Y ~ P(λ2 ) ; X y Y independientes ⇒ X + Y ~ P(λ1 + λ2 )

Dem.)
Consideramos el evento {X + Y = n} como unión de eventos excluyentes {X = k , Y = n − k } 0≤k ≤n
, entonces
n n n
λ1k λ2 n − k
P ( X + Y = n) = ∑k =0
P( X = k ,Y = n − k ) = ∑
k =0
P ( X = k ) P(Y = n − k ) = ∑
k =0
e− λ1
k!
e − λ2
(n − k )!
=
X e Y independientes
n
λ1 k λ 2 n − k e − ( λ1 + λ2 ) n
n! e − ( λ1 + λ2 )
=e − ( λ1 + λ2 )
∑ = ∑
n−k
λ1 λ 2 =
k
(λ1 + λ2 )n
k =0 k! (n − k )! n! k = 0 k!(n − k )! n!
Binomio de Newton
O sea X+Y tiene distribución Poisson con parámetro λ1 + λ 2
2- Suma de variables aleatorias binomiales independientes
X ~ B(n1 , p) ; Y ~ B(n2 , p) ; X y Y independientes ⇒ X + Y ~ B(n1 + n2 , p)
Dem.)
Nuevamente consideramos el evento {X + Y = k } como unión de eventos excluyentes
{X = i, Y = k − i} 0 ≤ i ≤ n1 , entonces
n1 n1 n1
n   n 
P( X + Y = k ) = ∑ P( X = i, Y = k − i ) =∑ P( X = i ) P(Y = k − i ) =∑  1  p i (1 − p ) n1 −i  2  p k −i (1 − p ) n2 − k +i =
i =0 i =0 k =0  i  k − i
X e Y independientes
 n  n 
n1
= p k (1 − p) n1 + n2 −k ∑  1  2 
i = 0  i  k − i 
r
En la expresión anterior si j > r entonces   = 0
 j
110
n1
 n1  n 2   n1 + n 2 
Por último usamos la siguiente identidad combinatoria ∑  i  k − i  =  
i =0     k 
Y entonces
 n +n 
P ( X + Y = k ) =  1 2  p k (1 − p ) n1 + n2 − k
 k 
O sea X+Y tiene distribución binomial con parámetros n1 + n2 y p
Observación: en los dos casos anteriores se puede generalizar el resultado a n variables aleatorias
independientes, usando el principio de inducción completa, es decir
1- Si X 1 , X 2 ,..., X n son n variables aleatorias independientes donde X i ~ P (λi ) para todo
n n
i = 1,2,..., n entonces ∑ X i ~ P ( ∑ λi )
i =0 i =0
2- Si X 1 , X 2 ,..., X n son n variables aleatorias independientes donde X i ~ B ( ni , p ) para todo

n n
i = 1,2,..., n entonces ∑ X i ~ B ( ∑ ni , p )
i =0 i =0
Suma de variables aleatorias normales independientes
Si X e Y son dos variables aleatorias continuas independientes con densidades g(x) y h(y)
respectivamente se puede probar (no lo demostraremos aquí) que la v.a. Z = X + Y tiene densidad dada
∞
por f X +Y ( z ) = ∫ g ( z − y)h( y)dy
−∞
Usando esto se puede demostrar el siguiente importante resultado:
Si X e Y son variables aleatorias independientes donde X ~ N µ1 , σ 1 ( 2

) y Y ~ N (µ ,σ ) entonces
2 2
2
(
X + Y ~ N µ1 + µ 2 , σ 1 + σ 2
2 2
)
Por inducción completa se puede generalizar este resultado a n variables:
Si X 1 , X 2 ,..., X n son n variables aleatorias independientes donde X i ~ N ( µ i , σ i2 ) para todo

n n n
i = 1,2,..., n entonces ∑X
i =0
i ~ N (∑ µ i , ∑ σ i2 )
i=0 i =1
De lo anterior y del hecho que X ~ N µ , σ 2 ( ) ⇒ aX + b ~ N(aµ + b, a 2σ 2 ) tenemos:
Si X 1 , X 2 ,..., X n son n variables aleatorias independientes donde X i ~ N ( µ i , σ i2 ) para todo

n n n
i = 1,2,..., n entonces ∑a X i i ~ N (∑ ai µ i , ∑ ai2σ i2 ) donde a1 , a 2 ,..., a n son números reales Se dice
i =0 i =0 i =1 que
n
∑a X
i =0
i i
111
es una combinación lineal de variables aleatorias.
Ejemplos:
1- La envoltura de plástico para un disco magnético está formada por dos hojas. El espesor de cada
una tiene una distribución normal con media 1.5 milímetros y desviación estándar de 0.1 milí-
metros. Las hojas son independientes.
a) Determine la media y la desviación estándar del espesor total de las dos hojas.
b) ¿Cuál es la probabilidad de que el espesor total sea mayor que 3.3 milímetros?
Solución: Sean las variables aleatorias

X: “espesor de la hoja 1” e Y: “espesor de la hoja 2”
Entonces X ~ N( 1.5,0.12 ) ; Y ~ N( 1.5,0.12 ) y X e Y independientes
a) Si definimos la v.a. Z: “espesor total de las dos hojas” , entonces Z = X + Y
Por lo tanto Z ~ N( 1.5 + 1.5, 0.12 + 0.12 ) es decir Z ~ N( 3, 0.02)
En consecuencia E ( Z ) = 3 , σ Z = V ( Z ) = 0.02
b) Se pide calcular P ( Z > 3.3)
 Z − 3 3 .3 − 3   3 .3 − 3 
P ( Z > 3.3) = P >  = 1 − Φ  = 1 − Φ (2.12132 ) = 1 − 0.983 = 0.017
 0.02 0.02   0.02 
2-Tengo tres mensajes que atender en el edificio administrativo. Sea Xi : “ el tiempo que toma el i-
ésimo mensaje” (i = 1, 2 ,3), y sea X4 : “ el tiempo total que utilizo para caminar hacia y desde el
edificio y entre cada mensaje”. Suponga que las Xi son independientes, normalmente distribui-
das, con las siguientes medias y desviaciones estándar:
µ1 = 15 min, σ 1 = 4, µ 2 = 5, σ 2 = 1, µ 3 = 8, σ 3 = 2, µ 4 = 12, σ 4 = 3
Pienso salir de mi oficina precisamente a las 10.00 a.m. y deseo pegar una nota en mi puerta que
dice “regreso a las t a.m.” ¿A qué hora t debo escribir si deseo que la probabilidad de mi llegada
después de t sea 0.01?
Solución: Definimos la v.a. Z: “tiempo transcurrido desde que salgo de mi oficina hasta que re-
greso”, entonces T = X 1 + X 2 + X 3 + X 4
 4 4

Por lo tanto T ~ N  ∑ µ i , ∑σ
2
i  , y se pide hallar t tal que P (T > t ) = 0.01
 i =1 i =1 
4 4
∑ µ i = 15 + 5 + 8 + 12 = 50 y ∑σ
2
i = 4 2 + 12 + 2 2 + 3 2 = 30
i =1 i =1
 t − 50   t − 50 
Entonces P (T > t ) = 1 − Φ  = 0.01 , es decir Φ  = 0.99
 30   30 
t − 50
Buscando en la tabla de la normal = 2.33 ⇒ t = 2.33 × 30 + 50 = 62.7619
30
3- El ancho del marco de una puerta tiene una distribución normal con media 24 pulgadas y des-
viación estándar de 1/8 de pulgada. El ancho de la puerta tiene una distribución normal con me-
dia 23.875 de pulgadas y desviación estándar de 1/16 de pulgadas. Suponer independencia.
a) Determine la distribución, la media y la desviación estándar de la diferencia entre el ancho
del marco y de la puerta.
b) ¿Cuál es la probabilidad de que la diferencia entre el ancho del marco y de la puerta sea ma-
yor que ¼ de pulgada?.
112
c) ¿Cuál es la probabilidad de que la puerta no quepa en el marco?.
Solución: Sean las variables aleatorias

X: “ancho del marco de la puerta en pulgadas”
Y: “ancho de la puerta en pulgadas”
Entonces X ~ N( 24, (1/8) 2 ) , Y ~ N( 23.875, (1/16) 2 ) , X e Y independientes
a) Se pide la distribución de X-Y , E ( X − Y ) , σ X −Y = V ( X − Y )
E ( X − Y ) = E ( X ) − E (Y ) = 24 − 23.875 = 0.125
2 2
1  1  5 5
V ( X − Y ) = V ( X ) + V (Y ) =   +   = ∴ σ X −Y =
 8   16  256 16
  5  
2
Por lo tanto X − Y ~ N  0.125,  

 
 16
   
b) Se pide la probabilidad P ( X − Y > 1 / 4)
 
 
 0.25 − 0.125  2 5
P ( X − Y > 1 / 4) = 1 − Φ = 1 − Φ  = 1 − Φ (0.8944) = 1 − 0.8133 = 0.1867
 5 
 5 
 
 16 
c) Si la puerta no entra en el marco entonces se da el evento {X < Y } o equivalentemente
{X − Y < 0}, por lo tanto
 
 
0 − 0.125   2 5 2 5
P ( X − Y < 0) = Φ  = Φ −  = 1 − Φ


 5  = 0.1867
 5  5
     
 16 
4- Supongamos que las variables aleatorias X e Y denotan la longitud y el ancho en cm, respecti-
vamente, de una pieza.
Supongamos además que X e Y son independientes y que X ~ N(2 , 0.12 ) , Y ~ N(5 , 0.22 ).
Entonces Z = 2X + 2Y es una v.a. que representa el perímetro de la pieza.
Calcular la probabilidad de que el perímetro sea mayor que 14.5 cm.
( )
Solución: tenemos que Z ~ N 2 × 2 + 2 × 5, 2 2 × 0.12 + 2 2 × 0.2 2 , o sea Z ~ N (14, 0.2)
La probabilidad pedida es P ( Z > 14.5) , entonces
 14.5 − 14   5
P ( Z > 14.5) = 1 − Φ  = 1 − Φ  = 1 − Φ (1.1180 ) = 1 − 0.8810 = 0.119

 0 . 2   2 
5- Si se aplican dos cargas aleatorias X 1 y X 2 a una viga voladiza como se muestra en la figura si-
guiente, el momento de flexión en 0 debido a las cargas es a1 X 1 + a 2 X 2 .
a) Suponga que X 1 y X 2 son v.a. independientes con medias 2
y 4 KLbs respectivamente, y desviaciones estándar 0.5 y
1.0 KLbs, respectivamente.
Si a1 = 5 pies y a 2 = 10 pies, ¿cuál es el momento de flexión
esperado y cuál es la desviación
estándar del momento de flexión?
b) Si X 1 y X 2 están normalmente distribuidas, ¿cuál es la
113
probabilidad de que el momento de

flexión supere 75 KLbs?
Solución: Sea la v.a. Z: “momento de flexión en 0”, entonces Z = 5 X 1 + 10 X 2

Por lo tanto
a) E ( Z ) = 5E ( X 1 ) + 10E ( X 2 ) = 5 × 2 + 10 × 4 = 50
65 65
V ( Z ) = 5 2 × 0.5 2 + 10 2 × 12 = 25 × 0.25 + 10 × 1 = ∴σZ =
4 4
 65 
b) Si X 1 y X 2 están normalmente distribuidas, entonces Z ~ N  50, 
 4 
Por lo tanto
 
 
 75 − 50   10 65 
P( Z > 75) = 1 − Φ = 1 − Φ  = 1 − Φ (6.20 ) ≈ 1 − 1 = 0
 65  13 
   
 4 
Promedio de variables aleatorias normales independientes
Si X 1 , X 2 ,..., X n son n variables aleatorias independientes donde X i ~ N ( µ , σ 2 ) para todo

n
∑X
i =1
i
i = 1,2,..., n entonces la v.a. X = tiene distribución normal con
n
σ2
media µ y varianza
n
∑X
i =1
i
Dem.) Notar que X = es un caso particular de combinación lineal de variables aleatorias donde
n
1
ai = para todo i = 1,2,..., n
n
Además en este caso µ i = µ y σ i = σ 2 para todo i = 1,2,..., n
2
n n
1 1 1
Por lo tanto, X tiene distribución normal con esperanza ∑
i =1 n
µ i = ∑
i =1 n
µ = nµ = µ y varianza
n
2 2 2
n
1 2 n
1 2 1 σ2
∑   σ i = ∑   σ =   nσ =
i =1  n  i =1  n  n
2
n
 σ  2
Es decir, X ~ N  µ , 
 n 
Observación: a X se lo llama promedio muestral o media muestral
114
Ejemplo:
Una máquina embotelladora puede regularse de tal manera que llene un promedio de µ onzas por
botella. Se ha observado que la cantidad de contenido que suministra la máquina presenta una
distribución normal con σ = 1 onza. De la producción de la máquina un cierto día, se obtiene una
muestra de 9 botellas llenas (todas fueron llenadas con las mismas posiciones del control operativo) y se
miden las onzas del contenido de cada una.
a) Determinar la probabilidad de que la media muestral se encuentre a lo más a 0.3 onzas de la
media real µ para tales posiciones de control
b) ¿Cuántas observaciones deben incluirse en la muestra si se desea que la media muestral esté a
lo más a 0.3 onzas de µ con una probabilidad de 0.95?
Solución:
a) Sean las variables aleatorias X i : “contenido en onzas de la botella i” i = 1,2,...,9
Entonces X i ~ N (µ ,1) para cada i.
 1
Por lo tanto X ~ N  µ ,  . Se desea calcular
 9
 
 0 .3 X −µ 0 .3 
P( X − µ ≤ 0.3) = P(−0.3 ≤ X − µ ≤ 0.3) = P − ≤ ≤ =
 σ σ σ 
 n n n
   
 0 .3 X −µ 0 .3   X −µ 
= P − ≤ ≤  = P  − 0 .9 ≤ ≤ 0 .9  = Φ ( 0 .9 ) − Φ ( − 0 .9 ) =
 σ σ σ   σ 
 n n n  n 
= 2Φ (0.9) − 1 = 0.6318
b) Ahora se pretende que

P( X − µ ≤ 0.3) = P(−0.3 ≤ X − µ ≤ 0.3) = 0.95
Entonces
   
 − 0.3 X − µ 0.3   X −µ 
P( X − µ ≤ 0.3) = P ≤ ≤  = P − 0.3 n ≤ ≤ 0.3 n  = 0.95
σ σ σ   1 
 n n n  n 
Mediante la tabla de la acumulada de la normal estándar se tiene que
 
 
P  − 0 .3 n ≤
X −µ
1
( ) ( )
≤ 0.3 n  = 2Φ 0.3 n − 1 = 0.95 ⇒ Φ 0.3 n = 0.975 ⇒ 0.3 n = 1.96 ( )
 
 n 
2
 1.96 
O sea n ≈   = 42.68
 0 .3 
Si tomamos n = 43 , entonces P( X − µ ≤ 0.3) será un poco mayor que 0.95
115
6.2 - Teorema central del límite
Acabamos de ver que la suma de un número finito n de variables aleatorias independientes que están
normalmente distribuidas es una variable aleatoria también normalmente distribuida. Esta propiedad
reproductiva no es exclusiva de la distribución normal. En efecto, por ejemplo, ya vimos que existen
variables aleatorias discretas que la cumplen, es el caso de la Poisson y la Binomial.
En realidad, la propiedad que le da a la distribución normal el lugar privilegiado que ocupa entre todas
las distribuciones es el hecho de que la suma de un número muy grande, rigurosamente un número
infinito numerable, de variables aleatorias independientes con distribuciones arbitrarias (no
necesariamente normales) es una variable aleatoria que tiene, aproximadamente, una distribución
normal. Este es, esencialmente, el contenido del
Teorema central del límite (T.C.L.):

Sean X 1 , X 2 ,..., X n variables aleatorias independientes con E ( X i ) = µ y V ( X i ) = σ 2 para todo
i = 1,2 ,..., n , es decir independientes idénticamente distribuidas
n
S − nµ
Sea la v.a. S n = ∑ X i y sea Z n = n .
i =1 nσ 2
 S − nµ  1
z 2
Entonces lim P(Z n ≤ z ) = Φ ( z ) , esto es lim P n

−x
≤ z  = ∫ e 2
dx
n →∞ n →∞
 n σ 2
 2 π − ∞
Dem.) sin demostración
Observaciones:
 n  n  n  n
1- Notar que E (S n ) = E  ∑ X i  = ∑ E ( X i ) = nµ y V (S n ) = V  ∑ X i  = ∑ V ( X i ) = nσ 2
 i =1  i =1  i =1  i =1
S − nµ
Por lo tanto Z n = n es la v.a. S n estandarizada
nσ 2
 S n − nµ 
   
 S n − nµ   n  X −µ
2- Notar que P  
≤ z  = P ≤ z  = P  , por lo tanto también se puede enunciar
 nσ
2
 n σ 2
 σ 
   n 
 n 
el Teorema central del límite de la siguiente forma
Sean X 1 , X 2 ,..., X n variables aleatorias independientes con E ( X i ) = µ y V ( X i ) = σ 2 para todo

i = 1,2 ,..., n , es decir independientes idénticamente distribuidas
1 n
Sea la v.a. promedio muestral X = ∑ X i y sea Z n = X − µ .
n i =1 σ
n
 X −µ  1
z 2
Entonces lim P(Z n ≤ z ) = Φ ( z ) , esto es lim P

−x
≤ z  = ∫e 2
dx
σ n 2π
n →∞ n →∞
 −∞
Donde Z n = X − µ es el promedio muestral estandarizado

σ
n
116
3- Aunque en muchos casos el T.C.L. funciona bien para valores de n pequeños , en particular donde la
población es continua y simétrica, en otras situaciones se requieren valores de n mas grandes,
dependiendo de la forma de la distribución de las X i . En muchos casos de interés práctico, si n ≥ 30 , la
aproximación normal será satisfactoria sin importar cómo sea la forma de la distribución de las X i . Si
n < 30 , el T.C.L. funciona si la distribución de las X i no está muy alejada de una distribución normal
4- Para interpretar el significado del T.C.L., se generan (por computadora) n valores de una v.a.
exponencial con parámetro λ = 0.5 , y se calcula el promedio de esos n valores. Esto se repite 1000
veces, por lo tanto tenemos 1000 valores de la v.a. X .
Hacemos un histograma de frecuencias de X , esto es, tomamos un intervalo (a, b) donde “caen”
todos los valores de X , y lo subdividimos en intervalos mas chicos de igual longitud. La frecuencia de
cada subintervalo es la cantidad de valores de X que caen en dicho subintervalo. Se grafican estas
frecuencias obteniéndose los gráficos siguientes que se pueden considerar una aproximación a la
verdadera distribución de X .
Se observa que a medida que aumenta el valor de n los gráficos se van haciendo más simétricos,
pareciéndose a la gráfica de una distribución normal.
150
n=2 80
n=5
60
100
40
50
20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 91011121314151617181920212223242526272829303132
40
50
n = 30
40 n = 15 30
30
20
20
10
10
1 2 3 4 5 6 7 8 91011121314151617181920212223242526272829 1 2 3 4 5 6 7 8 9 10 11121314 1516171819 202122
Ejemplos:
1- Supóngase que 30 instrumentos electrónicos D1, D2, ......,D30, se usan de la manera siguiente: tan
pronto como D1 falla empieza a actuar D2. Cuando D2 falla empieza a actuar D3, etc. Supóngase que el
tiempo de falla de Di es una v.a. distribuida exponencialmente con parámetro λ = 0.1 por hora. Sea T el
tiempo total de operación de los 30 instrumentos. ¿Cuál es la probabilidad de que T exceda 350 horas?
117
Solución:
Si X i : “tiempo de falla del instrumento Di ” i = 1,2,...,30
Entonces X i ~ Exp ( 0 . 1 ) para i = 1,2,...,30
30
El tiempo total de operación de los 30 instrumentos es T = ∑ X i , donde
i =1
 30
 1
E (T ) = E  ∑ X i  = 30 × E ( X i ) = 30 × = 300
 i =1  0 .1
 30  1
V (T ) = V  ∑ X i  = 30 × V ( X i ) = 30 × 2 = 3000
 i =1  0 .1
T − 300
Entonces por T.C.L. ~ N(0,1) aproximadamente pues n = 30
3000
La probabilidad pedida es
 T − 300 350 − 300   350 − 300 
P(T > 350) = P >  ≈ 1 − Φ  = 1 − Φ(0.9128) = 1 − 0.81859 = 0.18141
 3000 3000   3000 
T.C.L.
2- Suponga que el consumo de calorías por día de una determinada persona es una v.a. con media
3000 calorías y desviación estándar de 230 calorías. ¿Cuál es la probabilidad de que el promedio de
consumo de calorías diario de dicha persona en el siguiente año (365 días) sea entre 2959 y 3050?
Solución:
Definimos las variables aleatorias
X i : “cantidad de calorías que una persona consume en el día i” i = 1,2,...,365
Se sabe que E ( X i ) = 3000 y V ( X i ) = 230 2
1 365 σ 2 230 2
Si X = ∑ i
365 i =1
X entonces E ( X ) = 3000 y V ( X ) =
n
=
365
 
 2959 − 3000 X − 3000 3050 − 3000 
P (2959 ≤ X ≤ 3050 ) = P ≤ ≤ ≈
 230 230 230 
 365 365 365 
T.C.L.
   
 3050 − 3000   2959 − 3000 
≈ Φ  − Φ 230  = Φ (4.15) − Φ(− 3.40 ) ≈ 1 − 0 = 1
 230   
 365   365 
Aplicaciones del Teorema central del límite
Aproximación normal a la distribución binomial

El Teorema central del límite se puede utilizar para aproximar las probabilidades de algunas variables
aleatorias discretas cuando es difícil calcular las probabilidades exactas para valores grandes de los
parámetros.
118
Supongamos que X tiene una distribución binomial con parámetros n y p. Para calcular P( X ≤ k )
k
debemos hacer la suma P( X ≤ k ) = ∑ P( X = i ) o recurrir a las tablas de la F.d.a. , pero para valores de
i=0
n grandes no existen tablas, por lo tanto habría que hacer el cálculo en forma directa y muchas veces es
laborioso.
Como una opción podemos considerar a X como suma de variables aleatorias más simples,
específicamente, si definimos
1 si en la í − ésima repetición de ε ocurre éxito

Xi =  i = 1,2,..., n
0 caso contrario

entonces cada X i se la puede considerar B(1, p ) , y además X 1 , X 2 ,..., X n son independientes
n
Podemos escribir X = X 1 + X 2 + ... + X n = ∑ X i y si n es grande entonces X tendrá aproximadamente
i =1
una distribución normal con parámetros np y np (1 − p ) , es decir
X − nµ X − n. p
Zn = = ≈ N (0,1) si n es lo suficientemente grande
nσ 2 n. p(1 − p )
Observaciones:
1- La aproximación normal a la distribución binomial funciona bien aun cuando n no sea muy grande si
p no está demasiado cerca de cero o de uno. En particular la aproximación normal a la binomial es buena
si n es grande , np > 5 y n(1 − p ) > 5 , pero es más efectivo aplicar esta aproximación cuando np > 10
y n(1 − p ) > 10
2- Corrección por continuidad.

Acabamos de ver que si X∼B(n,p) entonces, para n suficientemente grande, podemos considerar que
aproximadamente es X∼ N [n. p ,n. p(1 − p )] . El problema que surge de inmediato si deseo calcular, por
ejemplo, la probabilidad de que X = k (con k alguno de los valores posibles 0,1,2,…,n) es que la
binomial es una distribución discreta y tiene sentido calcular probabilidades como P( X = k ) mientras
que la normal es una distribución continua y, en consecuencia, P( X = k ) = 0 puesto que para una
variable aleatoria continua la probabilidad de que ésta tome un valor aislado es cero. Esto se resuelve si
 1 1
se considera P( X = k ) ≈ P k − ≤ X ≤ k + 
 2 2
También se puede usar esta corrección para mejorar la aproximación en otros casos, específicamente en
lugar de P( X ≤ k ) calculamos
 1
P ( X ≤ k ) ≈ P X ≤ k + 
 2
 1
Y en lugar de P( X ≥ k ) ≈ P X ≥ k − 
 2
En los gráficos siguientes se muestra para diferentes valores de n y p cómo aproxima la distribución
N (np, np (1 − p )) a la distribución B(n, p )
119
0.175 0.2
0.15
n = 25
p = 0.7 n = 15
0.15
0.125 p = 0.5
0.1
0.1
0.075
0.05
0.05
0.025
5 10 15 20 25 2 4 6 8 10 12 14
0.35
0.08
0.3 n =15 n = 100
0.25 p = 0.9 p = 0.7
0.06
0.2
0.15 0.04
0.1
0.02
0.05
5 10 15 20 50 60 70 80 90 100
0.4
0.1
0.08
n = 150 n = 10
0.3
p = 0.1 p = 0.1
0.06
0.2
0.04
0.1
0.02
20 40 60 80 100 120 140 2 4 6 8 10
Ejemplos:
1- Sea X∼ B(25,0.4). Hallar las probabilidades exactas de que X ≤ 8 y X = 8 y comparar estos
resultados con los valores correspondientes encontrados por la aproximación normal.
Solución:
De la tabla de la F.d.a. de la binomial encontramos P( X ≤ 8) = 0.274
Y P( X = 8) = P( X ≤ 8) − P( X ≤ 7) = 0.274 − 0.154 = 0.120
Ahora usamos la aproximación normal
 X − np 8.5 − 10 
P( X ≤ 8) ≈ P( X ≤ 8.5) = P ≤  ≈ Φ(− 0.61) = 0.2709
 np (1 − p ) 25 × 0 . 4 × 0 . 6 
 
corrección por continuidad
120
Observar que el valor aproximado está muy cercano al valor exacto para P( X ≤ 8) = 0.274
 7.5 − 10 X − 10 8.5 − 10   X − 10 
P( X = 8) ≈ P(7.5 ≤ X ≤ 8.5) = P ≤ ≤  = P − 1.02 ≤ ≤ −0.61 =
 6 6 6   6 
= 0.2709 − 0.1593 = 0.1170
Nuevamente este valor aproximado está muy cerca del valor real de P( X = 8) = 0.120
2- Suponga que el 10% de todos los ejes de acero producidos por cierto proceso están fuera de
especificaciones, pero se pueden volver a trabajar (en lugar de tener que enviarlos a la chatarra).
Considere una muestra aleatoria de 200 ejes y denote por X el número entre ellos que estén fuera de
especificaciones y se puedan volver a trabajar. ¿Cuál es la probabilidad (aproximada) de que X sea
a) a lo sumo 30?
b) menos de 30?
c) entre 15 y 25 (inclusive)?
Solución:
Sea la v.a. X: “número de ejes fuera de especificaciones”
Entonces X ~ B(200, 0.1) , además np = 200 × 0.1 = 20 > 5 y n(1 − p ) = 200 × (1 − 0.1) = 180 > 5
Por lo tanto podemos aplicar la aproximación normal a la binomial

a) la probabilidad pedida es P( X ≤ 30)
 X − np 30.5 − 20   30.5 − 20 
P( X ≤ 30) ≈ P ( X ≤ 30.5) = P ≤ ≈ Φ  = Φ(2.474 ) = 0.993244
 np (1 − p ) 18    18 

b) La probabilidad pedida es P( X < 30)
Al ser X una v.a. discreta con distribución binomial P( X < 30) = P( X ≤ 29)
 29.5 − 20 
P( X ≤ 29) ≈ P ( X ≤ 29.5) ≈ Φ  = Φ(2.2391) = 0.98745
 18 
c)
 25.5 − 20   14.5 − 20 
P(15 ≤ X ≤ 25) ≈ P(14.5 ≤ X ≤ 25.5) ≈ Φ  − Φ  =
 18   18 
= Φ(1.2963) − Φ(− 1.2963) = 2Φ(1.2963) − 1 = 2 × 0.90147 − 1 = 0.80294
3- El gerente de un supermercado desea recabar información sobre la proporción de clientes a los que no
les agrada una nueva política respecto de la aceptación de cheques. ¿Cuántos clientes tendría que incluir
en una muestra si desea que la fracción de la muestra se desvíe a lo mas en 0.15 de la verdadera
fracción, con probabilidad de 0.98?.
Solución:
Sea X: “número de clientes a los que no les agrada la nueva política de aceptación de cheques”
Entonces X ~ B(n, p) donde p es desconocido y es la verdadera proporción de clientes a los que no
les agrada la nueva política de aceptación de cheques. El gerente tomará una muestra de n clientes para
X X
“estimar” p con X = ya que X = es la proporción de clientes a los que no les agrada la nueva
n n
121
política de aceptación de cheques en la muestra de n clientes. Si no se toman a todos los clientes,

X
entonces X = no será igual a p.
n
X
La pregunta es cuál debe ser n para que X = se aleje del verdadero p en menos de 0.15 con
n
(
probabilidad 0.98 por lo menos, o sea para que P X − p ≤ 0.15 ≥ 0.98 )
Entonces planteamos
 − 0.15n 
( )
P X − p ≤ 0.15 = P(− 0.15 ≤ X − p ≤ 0.15) = P
 np (1 − p )
≤
X − np
≤
0.15n ≈
 np (1 − p ) np (1 − p ) 
T.C.L.
 0.15n     
≈ Φ  − Φ − 0.15n  = 2Φ 0.15n  − 1 ≥ 0.98
 np (1 − p )   np (1 − p )   np (1 − p ) 
     
 0.15n  0.98 + 1
Por lo tanto Φ ≥ = 0.99
 np (1 − p )  2
 
0.15n 0.15 n 0.15 n

Además = ≥ = 0 .3 n
np (1 − p ) p (1 − p ) 0.5(1 − 0.5)
2
 2.33 
Entonces debe cumplirse que 0.3 n ≥ 2.33 o sea n ≥   = 60.3211
 0 .3 
O sea se debe tomar una muestra de al menos 61 clientes
Aproximación normal a la distribución Poisson
Se puede probar aplicando Teorema central del límite que
X −λ
Si X ~ P(λ ) entonces para λ suficientemente grande tiene aproximadamente distribución
λ
N (0,1)
X −λ
Es decir para λ suficientemente grande ≈ N (0,1)
λ
En la práctica si λ ≥ 30 la aproximación es buena.
Observación: la demostración es sencilla si λ es igual a un número natural n pues, si consideramos las

variables aleatorias X i ~ P(1) con i = 1,2,..., n independientes, entonces ya sabemos que
n
 n  n
∑
i =1
X i ~ P  ∑ 1 , es decir
 i =1 
∑X
i =1
i ~ P ( n)
122
n
Pero además por T.C.L. si n es grande ∑X
i =1
i tiene aproximadamente distribución normal con
parámetros nµ = n × 1 = n y nσ 2 = n × 1 = n
n
O sea la distribución de ∑X
i =1
i que es exactamente Poisson con parámetro n, se puede aproximar con
X −n
una N (n, n) , por lo tanto ≈ N (0,1) aproximadamente para valores de n suficientemente grandes
n
En los gráficos siguientes se muestra para diferentes valores de λ cómo aproxima la distribución
N (λ , λ ) a la distribución P(λ )
0.05 0.2
λ = 50
0.04 λ =3
0.15
0.03
0.1
0.02
0.01 0.05
20 40 60 80 100 5 10 15 20 25 30
Ejemplo:
El número de infracciones por estacionamiento en cierta ciudad en cualquier día hábil tiene una
distribución de Poisson con parámetro λ = 50. ¿Cuál es la probabilidad aproximada de que:
a) entre 35 y 70 infracciones se expidan en un día en particular?
b) el número total de infracciones expedidas durante una semana de 5 días sea entre 225 y 275?
Solución:
Sea X: “número de infracciones por estacionamiento en cierta ciudad en cualquier día hábil”
Entonces X ~ P(λ ) donde λ = 50
X − 50
Como λ = 50 entonces ≈ N (0,1) (aproximadamente)
50
a) la probabilidad pedida es
 70 − 50   35 − 50 
P(35 ≤ X ≤ 70 ) ≈ Φ  − Φ  = Φ (2.8284 ) − Φ (− 2.12132 ) =
 50   50 
= 0.997599 − 0.017 = 0.9805
b) Sea Y: “número total de infracciones expedidas durante una semana de 5 días”
Entonces Y ~ P(λ ) donde λ = 50 × 5 = 250
 275 − 250   225 − 250 
P(225 ≤ Y ≤ 275) ≈ Φ  − Φ  = Φ (1.5811) − Φ(− 1.5811) =
 250   250 
= 2Φ (1.5811) − 1 = 2 × 0.94295 − 1 = 0.8859
123

Variables Aleatorias Bidimensionales

Cargado por

Copyright:

Formatos disponibles

Variables Aleatorias Bidimensionales

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variables Aleatorias Bidimensionales

Cargado por

Copyright:

Formatos disponibles

Parte 1 – Variables aleatorias bidimensionales Prof. María B.

5- VARIABLES ALEATORIAS BIDIMENSIONALES

Sea ε un experimento aleatorio y S un espacio muestral asociado a él. Sean X : S → R , Y : S → R , que

Clasificaremos a las variables aleatorias bidimensionales de la siguiente manera:

A esta función la llamaremos función de probabilidad puntual conjunta de la variable aleatoria

Podemos suponer que el espacio muestral original S es el conjunto de pares ordenados

El punto muestral (3,3) es el único punto muestral que corresponde al evento {X = 0, Y = 0}

Es conveniente hacer un gráfico en el plano del dominio de la fdp

Nos preguntamos cuál es la probabilidad de que la

En este ejemplo la fdp es un caso particular de v.a. bidimensional uniformemente distribuida

A una v.a. ( X ,Y ) bidimensional continua uniformemente distribuida en su recorrido RXY la indicaremos

De la figura calculamos el área del recorrido:

6 para ( x, y ) tal que 0 ≤ x ≤ 1, x 2 ≤ y ≤ x

5.2 - Funciones de distribución marginales de una v.a. (X,Y) discreta

{X = 2}∩ ({Y = 0} ∪ {Y = 1} ∪ {Y = 2}∪ {Y = 3}) =

Razonando de la misma forma podemos escribir

Es decir obtenemos la función de distribución de probabilidad de X

En general se las denomina distribuciones marginales de X e Y, y su definición sería la siguiente

La función de probabilidad marginal de X es

La función de probabilidad marginal de Y es

q ( y j ) = P(Y = y j ) = ∑ p (xi , y j ) (j=1,2,…,m)

Observación: Remarcamos que la función de probabilidad marginal de X, es decir p( xi ) calculada a

p(5) = P( X = 5) = p(5,0) + p(5,1) + p(5,2) + p(5,3) = 0.09 + 0.08 + 0.06 + 0.05

∑ p(x ) = 0.03 + 0.08 + 0.16 + 0.21 + 0.24 + 0.28 = 1

∑ q(y ) = 0.25 + 0.26 + 0.25 + 0.24 = 1

5.3 - Funciones de distribución marginales de una v.a. (X,Y) continua

En el ejemplo 3 supongamos que queremos hallar la probabilidad de que la coordenada x de la partícula

En general si queremos hallar P( X ≤ x) podemos plantear

P(Y ≤ y ) = P(−∞ < X < ∞, Y ≤ y ) = ∫∫

La función de densidad de probabilidad marginal de Y es:

Observación: Remarcamos aquí también que la función de de densidad de probabilidad marginal de X,

Ya vimos que la fdp está dada por

6 para ( x, y ) tal que 0 ≤ x ≤ 1, x 2 ≤ y ≤ x

Entonces las funciones de densidad de probabilidad de X e Y son

0 para los demás valores

5.4 - Funciones de probabilidades condicionales

En general definimos la función de probabilidad puntual de X condicional a Y como sigue:

conjunta de ( X ,Y ) y la función de probabilidad puntual marginal de Y.

Análogamente, definimos la función de probabilidad puntual de Y condicional a X :

Análogamente, la función de densidad de probabilidad de Y condicional a que X=x, a la que

De acuerdo con estas definiciones, podemos calcular, por ejemplo,

Notar la diferencia entre la función de densidad de probabilidad condicional g (x y ) y la función de

¿Cuál es la probabilidad de que se venda menos de ½

Solución: Primero es conveniente hacer un gráfico de la

Entonces la densidad condicional es

La probabilidad que interesa es

Así la probabilidad condicional que X ≤ 1 / 2 depende de la elección de Y

5.5 – Variables aleatorias independientes

p(xi , y j ) = p( xi )q( y j ) ∀(xi , y j ) ∈ RXY

b) Sea ( X ,Y ) una variable aleatoria bidimensional continua. Sea f ( x , y ) su fdp conjunta y g ( x ) y h( y )

a2) q ( y j xi ) = q ( y j ) ∀(xi , y j ) ∈ RXY , que es equivalente a lo anterior

b2) h( y x ) = h( y ) ∀(x , y ) ∈ R 2 , que es equivalente al anterior.

Aquí la primera igualdad es la definición de fdp condicional y la segunda sale de la definición de

Deseamos saber si las variables aleatorias X e Y son independientes o dependientes.

p(0,0) = 0.1 = p(0)q(0) = 0.2 × 0.5

Luego X e Y son independientes.

Deseamos saber si X e Y son variables aleatorias independientes.

Vemos que efectivamente

Es decir X e Y son v.a. independientes.