DISTRIBUCIONES BIVARIADAS

Pontificia Universidad Javeriana

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 1 / 45

Contenido

1 Variables aleatorias bivariadas discretas

2 Variables aleatorias bivariadas continuas

3 Marginales de distribuciones continuas

4 Distribuciones condicionales

5 Esperanza condicional

6 Distribuciones normal y binomial

7 Ejercicios

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 2 / 45

 Variables aleatorias bivariadas discretas

Definición
La función masa de probabilidad conjunta, fmpc, de las variables aleatorias
discretas X y Y se define por

pX ,Y (x, y ) = P(X = x, Y = y ), para todo (x, y ) ∈ RX ,Y

donde RX ,Y := {(x, y ) : pX ,Y (x, y ) > 0}, y esta función fmpc satisface

X
pX ,Y (x, y ) = 1
(x,y )∈RX ,Y

Si Rx es el rango de X y RY es el rango de Y entonces RX ,Y ⊆ RX × RY

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 3 / 45

 Variables aleatorias bivariadas discretas

Ejemplo 1
Un supermercado tiene dos lineas de atención prioritarias, sean X y Y el número
de clientes en la primera y en la segunda linea, en cualquier momento dado.
Durante horas valle la siguiente tabla resume el comportamiento de estas variables
Y \X 0 1 2 3
0 0.1 0.2 0 0
1 0.2 0.25 0.05 0
2 0 0.05 0.05 0.025
3 0 0 0.025 0.05

Calcular
a) P(|X − Y | = 1)
b) P(X > Y )
c) P(X = 2)

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 4 / 45

 Variables aleatorias bivariadas discretas

Marginales
Si pX ,Y es la fmpc de X y Y , entonces p tiene toda la información probabilı́stica
de X y Y . Por ejemplo la fmp de X :

PX (x) = P(X = x)
X
= P(X = x, Y = y ) ley de probabilidades totales
y ∈RY
X
= pX ,Y (x, y )
y ∈RY

Definición
Sean X y Y variables aleatorias discretas con fmpc PX ,Y , entonces
✓ La función masa de probabilidad marginal de X es
X
pX (x) = pX ,Y (x, y ), ∀x ∈ RX
y ∈RY

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 5 / 45

 Variables aleatorias bivariadas discretas

✓ La función masa de probabilidad marginal de Y es

X
pY (y ) = pX ,Y (x, y ), ∀y ∈ RY
x∈RX

Ejemplo 2
En el ejemplo anterior, las fmp marginales de X y Y son
✓ Función masa de probabilidad marginal de X :
x 0 1 2 3
P(X = x) 0,3 0,5 0,125 0,075
✓ Función masa de probabilidad marginal de Y :
y 0 1 2 3
P(Y = y ) 0,3 0,5 0,125 0,075

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 6 / 45

 Variables aleatorias bivariadas discretas

Definición
Sean X y Y variables aleatorias discretas con fmpc PX ,Y . X y Y son
independientes si y solo si para todo intervalo A y todo intervalo B:

P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B)

Proposición
Sean X y Y variables aleatorias discretas con fmpc PX ,Y . X y Y son
independientes si y solo

pX ,Y (x, y ) = pX (x)pY (y ), ∀(x, y ) ∈ RX ,Y

Las variables aleatorias X y Y del ejemplo 1 no son independientes.

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 7 / 45

 Variables aleatorias bivariadas continuas

Las variables aleatorias X y Y , definidas sobre el mismo conjunto de números

reales, son conjuntamente continuas si existe una función fX ,Y tal que para
cualquier región medible R en el plano:
ZZ
P((X , Y ) ∈ R) = fX ,Y (x, y )dA
R

La función fX ,Y se denomina función de densidad probabilidad conjunta, fdpc,

de X y Y y satisface
✓ fX ,Y (x, y ) ≥ 0, para todo x, y
✓
Z ∞ Z ∞
fX ,Y (x, y )dxdy = 1
−∞ −∞

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 8 / 45

 Variables aleatorias bivariadas continuas

Ejemplo 3
La variación de dos variables aleatorias X y Y se ha modelado con la fdpc

f (x, y ) = cxy , para 0 < y < x < 1

Hallar el valor de c para que efectivamente f sea una función densidad de

probabilidad conjunta

✓ Es claro que c ≥ 0
✓ Hallemos el valor de c para el cual f suma 1:
Z ∞Z ∞ Z 1Z x
f (x, y )dxdy = cxydydx
−∞ −∞ 0 0
1 x 
y 2 
Z 
=c x dx
0 2 0
1
x3
Z
=c dx
0 2
c
= =⇒ c = 8
8
Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 9 / 45
 Variables aleatorias bivariadas continuas

Ejemplo 4
Un estudio afirma que el número de horas diarias, X , que un estudiante ve
televisión y el número de horas diarias, Y , que dedica a sus obligaciones
académicas son modelados por la fdpc

f (x, y ) = xye −(x+y ) , si x > 0, y > 0

¿cual es la probabilidad, que un estudiante elegido al azar dedique más del doble
de tiempo a ver televisión que a sus obligaciones académicas?

Evento de interés {X > 2Y }, entonces

x
Z ∞ Z 2
P(X > 2Y ) = xye (x+y ) dydx
0 0
7
=
27

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 10 / 45

 Variables aleatorias bivariadas continuas

Ejemplo 5
Dos amigos acuerdan encontrarse en la Universidad alrededor de las 12:30. Pero
ninguno de ellos es particularmente puntual o paciente. Lo que sucederá en
realidad es que cada uno llegará aleatoriamente en algún momento en el intervalo
entre las 12:00 y la 1:00. Si uno llega y el otro no está, la primera persona
esperará quince minutos o hasta la 1:00, lo que ocurra primero, y luego se irá.
¿Cuál es la probabilidad de que los dos se encuentren?

Para establecer el análisis, consideramos el espacio muestral

Ω = [0, 60] × [0, 60]
y el evento B = {(x, y ) ∈ Ω : |x − y | < 15} los dos amigos se encuentran:

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 11 / 45

 Variables aleatorias bivariadas continuas

La probabilidad de que los dos amigos se encuentren es P(B):

area(B)
P(B) =
area(Ω)
602 − 452
=
602
 2
3
=1−
4
7
=
16
= 0,4375

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 12 / 45

 Variables aleatorias bivariadas continuas

Ejemplo 6
Una urna contiene 4 fichas rojas, 3 negras y 2 azules. Una muestra aleatoria de
tamaño 3, es sacada sin reemplazo de la urna. Sea X la variable aleatoria que
denota el número de fichas negras extraı́das y Y la variable aleatoria número de
fichas azules extraı́das. Hallar una formula para la fmpc de X y Y

 3
2
4

 x y 3−x−y

si x = 0, 1, 2, 3; y = 0, 1; x + y ≤ 3
9


p(x, y ) = 3

0 otro caso


Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 13 / 45

 Marginales de distribuciones continuas

Proposición
Si X y Y son variables aleatorias continuas con fdpc fX ,Y , entonces las funciones
de densidad marginal de X y Y están dadas por
Z ∞
fX (x) = fX ,Y (x, y )dy para todo x
−∞
Z ∞
fY (y ) = fX ,Y (x, y )dx para todo y
−∞

Independencia
X y Y son variables aleatorias independientes si y solo si

fX ,Y (x, y ) = fX (x)fY (y ), para todo x, y ∈ RX ,Y

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 14 / 45

 Marginales de distribuciones continuas

Ejemplo 7
Sean X , Y , variables aleatorias continuas con fdpc
(
ye −y (x+1) si x ≥ 0, y ≥ 0
f (x, y ) =
0 otro caso

Hallar fX y fY

Ejemplo 8
Sean X , Y , variables aleatorias continuas con fdpc

1
si 0 ≤ y < x ≤ 1
f (x, y ) = x
0 otro caso

Hallar fX y fY

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 15 / 45

 Marginales de distribuciones continuas

Ejemplo 9
Sea (X , Y ) distribuido uniformemente sobre el disco centrado en el origen y con
radio √2π Hallar fX y fY

Ejemplo 10
La cartera de asegurados por una compañı́a es grande. Sea X la variable aleatoria
que representa la pérdida por colisión y Y la variable aleatoria que representa la
pérdida por responsabilidad civil. Las variables X y Y tienen fdpc:

 2x + 2 − y
si 0 < x < 1, 0 < y < 2
fX ,Y (x, y ) = 4
0 otro caso

Determinar la probabilidad que la pérdida total sea de por lo menos 1.

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 16 / 45

 Marginales de distribuciones continuas

Ejemplo 11
Sean X , Y , variables aleatorias continuas con fdpc
(
15y si x 2 ≤ y ≤ x
f (x, y ) =
0 otro caso

Hallar fX y fY

Ejemplo 12
X representa la edad de un asegurado de automóvil involucrado en un accidente,
Y representa el tiempo en que el propietario del vehı́culo ha tenido asegurado el
vehı́culo al momento del accidente. X y Y tienen fdpc:

 10 − xy 2
si 2 ≤ x ≤ 10, 0 ≤ y ≤ 1
fX ,Y (x, y ) = 64
0 otro caso

Calcular la edad esperada de un asegurado de automóvil involucrado en un

accidente.
Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 17 / 45
 Distribuciones condicionales

Definición
Sean X y Y variables aleatorias con fdpc fX ,Y y marginales fX , fY . La función de
densidad condicional de X dado Y se define por

fX ,Y (x, y )
fX |Y =y (x|y ) := para todo y tal que fY (y ) > 0
fY (y )

similarmente parael caso discreto, y para la condicional de Y dado X

Ejemplo 13
Sean X , Y , variables aleatorias discretas con fmpc

 x + y si x = 1, 2, 3; y = 1, 2
f (x, y ) = 21
0 otro caso

Hallar la fdp condicional de X dado Y = 2

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 18 / 45

 Distribuciones condicionales

Ejemplo 14
Sean X , Y , variables aleatorias continuas con fdpc
(
12x si 0 < y < 2x < 1
f (x, y ) =
0 otro caso

Hallar la fdp condicional de Y dado X = x

Ejemplo 15
Sean X , Y , variables aleatorias continuas tal que la fdp de X es
(
24x 2 si 0 < x < 21
fX (x) =
0 otro caso

y la fdp condicional de Y dado X = x es

( y
si 0 < y < 2x
fY |X (y |x) = 2x 2 ; Hallar la fdp condicional de X dado Y = y
0 otro caso

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 19 / 45

 Distribuciones condicionales

Ejemplo 16
Sean X y Y variables aleatorias con fdpc

1
si − 1 ≤ x ≤ 1, −1 ≤ y ≤ 1
f (x, y ) = 4
0 otro caso

Calcular
a) P(X 2 + Y 2 < 1)
b) P(2X − Y > 0)
c) P(|X + Y | < 1)

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 20 / 45

 Esperanza condicional

Definición
Sean X y Y variables aleatorias y h : R −→ R una función tal que h(X ) es una
variable aleatoria. Se definen
1 para X y Y discretas:
X
E(h(X )|Y = y ) := h(x)P(X = x|Y = y )
x∈RX

2 para X y Y continuas:
Z ∞
E(h(X )|Y = y ) := h(x)fX |Y (x|y )dx
−∞

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 21 / 45

 Esperanza condicional

Ejemplo 17
Sean X y Y variables aleatorias continuas con fdpc

 1 −xy
ye si 0 < x < ∞, 0 < y < 2
f (x, y ) = 2
0 otro caso

Calcular
  
X 
a) E e Y = 1
2 

b) E(X |Y )
c) E(X 2 |Y )
d) E(X 2 |Y ) − (E(X |Y ))2

Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 22 / 45

 Esperanza condicional

Ejemplo 18
Sea X ∼ exp(1). Calcular
a) E(X |X > 1)
b) Var(X |X > 1)

Ejemplo 19
Sean X y Y variables aleatorias continuas con fdpc:
 2
x y2 xy
+ + si 0 ≤ x ≤ 1, 0 ≤ y ≤ 2
f (x, y ) = 4 4 6
0 otro caso

Hallar
a) La fdp condicional de X dado Y = y
b) P(X < 12 |Y = y ), para 0 ≤ y ≤ 2
c) Var(X |X > 1)
d) E(X |Y = 1)
e) Var(X |Y = 1)
Vladimir Moreno G. (Javeriana) DISTRIBUCIONES BIVARIADAS 27 de septiembre de 2022 23 / 45