VECTOR ALEATORIO

Estadstica Aplicada CB-412

Dado un experimento aleatorio y su espacio muestral
asociado , las funciones X, Y que asignan a cada
elemento w
i
de , los valores X(w
i
), Y(w
i
),
respectivamente, forman la variable aleatoria
bidimensional (X, Y).
Variable aleatoria bidimensional ( X, Y ).
Rango de una variable aleatoria bidimensional ( X, Y )
Dado en experimento aleatorio y su espacio muestral
asociado , el rango de la variable aleatoria bidimensional
es el conjunto de valores posibles de la variable aleatoria
(X,Y), y es denotada por:
R
(X,Y)
Si R
(X,Y)
es un conjunto finito o infinito numerable, la variable
aleatoria bidimensional es discreta; pero, si es un conjunto
no numerable, la variable aleatoria es continua.
La funcin de probabilidad conjunta f de dos variables aleatorias
discretas es aquella cuyo valor se determina mediante:
Funcin de probabilidad conjunta de dos variables
discretas
[ ]
[ ]

= = =
= = =
i
i i i
) w ( Y , ) w ( X w P
Y , X P ) y , (
/ y x
y x x f
i
y cumple con las siguientes condiciones:
a)
b)
) Y , X (
) y , ( 0 ) y , ( R x x f
1 ) y , ( =

x f
y x
Se tiene 8 acciones de las cuales dos son de clase A, tres son
de clase B, y tres son de clase C. Si se eligen al azar y sin
reemplazo 4 acciones, determine la funcin de probabilidad
conjunta de las variables:
X = Nmero de acciones elegidas que son de la clase A.
Funcin de probabilidad conjunta de dos variables
discretas Ejemplo
X = Nmero de acciones elegidas que son de la clase A.
Y = Nmero de acciones elegidas que son de la clase B.
2A | 4 MSR
3B |
3C |
Funcin de probabilidad conjunta de dos variables
discretas Ejemplo
Solucin:
X = Nmero de acciones elegidas que son de la clase A.
Y = Nmero de acciones elegidas que son de la clase B.
70
4
8
) ( =
|

\
|
= n
3C |
{ } BCCC) ( , AACC), ( AACB), ( AABC), ( AABB), ( L =
X 2 2 2 2 0
Y 2 1 1 0 1
Otros 0 1 1 2 3
Rx={0,1,2}, Ry={0,1,2,3} 0x+y 4
4
\
Funcin de probabilidad conjunta de dos variables
discretas Ejemplo
70
3
70
] 1 , 0 [ ) 1 , 0 (
3
3
1
3
0
2
=
|

\
|
|

\
|
|

\
|
= = = = Y X P f
70
9
70
] 2 , 0 [ ) 2 , 0 (
2
3
2
3
0
2
=
|

\
|
|

\
|
|

\
|
= = = = Y X P f
70
70
] 2 , 0 [ ) 2 , 0 ( = = = = = Y X P f
70
3
70
] 3 , 0 [ ) 3 , 0 (
1
3
3
3
0
2
=
|

\
|
|

\
|
|

\
|
= = = = Y X P f
70
2
70
] 0 , 1 [ ) 0 , 1 (
3
3
0
3
1
2
=
|

\
|
|

\
|
|

\
|
= = = = Y X P f
Funcin de probabilidad conjunta de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
Tabla de distribucin conjunta de probabilidades
1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
La funcin f es una densidad conjunta de probabilidad de dos
variables aleatorias continuas si cumple con las siguientes
condiciones:
a)
Funcin de probabilidad conjunta de dos variables
continuas
) Y , X (
) y , ( 0 ) y , ( R x x f
b)
c)
1 ) y , (

=

dx dy x f
[ ] [ ] dydx y x f ) , ( A y) (x, P A P
A

= =
[ ]

= < < < <
b
a
b
a
) , ( Y , X P
b a b a
y
y
x
x
dydx y x f y y x x
El precio de dos artculos X, Y ( en decenas de nuevos soles),
son variables aleatorias cuyo comportamiento conjunto esta
definido por la siguiente funcin :
Funcin de probabilidad conjunta de dos variables
continuas. Ejemplo
, 0
2 0 , 2 0 , ) 6 ( ) , (
o mod otro de
y x si y x k y x f
=
< < < < =
Hallar el valor de k para que f(x,y) sea una funcin de
densidad conjunta
, 0 o mod otro de =
Hallar el valor de k para que f(x,y) sea una funcin de
densidad conjunta
Funcin de probabilidad conjunta de dos variables
continuas. Ejemplo
, 0
2 0 , 2 0 , ) 6 ( ) , (
o mod otro de
y x si y x k y x f
=
< < < < =
Es evidente que se cumple k>0 para 0<x<2 y 0<y<2.
Solamente falta comprobar la condicin:
1 ) y , (

=

dx dy x f
El rango de la variable (X,Y) es:
Funcin de probabilidad conjunta de dos variables
continuas. Ejemplo
, 0
2 0 , 2 0 , ) 6 ( ) , (
o mod otro de
y x si y x k y x f
=
< < < < =
El rango de la variable (X,Y) es:
R
(X,Y)
={ (x,y) / 0<x<2; 0<y<2}
y el grfico de la funcin es aproximadamente:
Funcin de probabilidad conjunta de dos variables
continuas. Ejemplo
[ ]
) 2 10 ( ] 2 2 ) 6 [(
) 6 ( ) 6 ( ) , (
2 2
2
0
2
0
2
2
0
2
0
2
= =
= =

dx x k dx x k
dx y x k dydx y x k dxdy y x f
y
1 16 ) 4 20 ( ) 10 (
2
0
2
0 0
= = = =

k k x x k
, 0
2 0 , 2 0 , 16 / ) 6 ( ) , (
o mod otro de
y x si y x y x f
=
< < < < =
Luego, k=1/16 y
Si f (x, y) es la funcin de probabilidad conjunta de las variables
aleatorias X, Y; luego, la funcin de probabilidad marginal de la
variable aleatoria X es:
Funciones de probabilidad marginales de dos variables
discretas
[ ]

= = =
Y
) , ( X P ) (
X
R y
y x f x x f
y la funcin de probabilidad marginal de la variable aleatoria Y es:

Y
R y
[ ]

= = =
X
) , ( Y P ) (
Y
R x
y x f y y f
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
Sean X, Y dos variables aleatorias que tienen como tabla de
distribucin conjunta de probabilidades:
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
Halle las funciones de probabilidad marginales de X e Y.
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
El rango de la variable X es: Rx={0,1,2},
y el rango de la variable Y es : Ry={0,1,2,3}
Debemos hallar :
[ ] 2 , 1 , 0 : , ) , ( X P ) (
Y
X
x para y x f x x f
R y

= = =
[ ] 3 , 2 , 1 , 0 : , ) , ( Y P ) (
X
Y
y para y x f y y f
R x

= = =
y
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70
) 0 (
X
f
1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
70 / 15 70 / 3 70 / 9 70 / 3 0
) 3 , 0 ( ) 2 , 0 ( ) 1 , 0 ( ) 0 , 0 ( ) , 0 ( ) 0 (
Y
X
= + + + =
+ + + = =

f f f f y f f
R y
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70 ) 1 (
X
f 1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
70 / 40 70 / 2 70 / 18 70 / 18 70 / 2
) 3 , 1 ( ) 2 , 1 ( ) 1 , 1 ( ) 0 , 1 ( ) , 1 ( ) 1 (
Y
X
= + + + =
+ + + = =

f f f f y f f
R y
) 1 (
X
f
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70 1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
70 / 15 0 70 / 3 70 / 9 70 / 3
) 3 , 2 ( ) 2 , 2 ( ) 1 , 2 ( ) 0 , 2 ( ) , 2 ( ) 2 (
Y
X
= + + + =
+ + + = =

f f f f y f f
R y
) 2 (
X
f
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/70 2/70 40/70 1 2/70 18/70 18/70 2/70 40/70
2 3/70 9/70 3/70 0 15/70
x de valores otros para
x si
x si x f
, 0
1 , 70 / 40
2 , 0 , 70 / 15 ) (
X
=
= =
= =
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
70 / 5 70 / 3 70 / 2 0
) 0 , 2 ( ) 0 , 1 ( ) 0 , 0 ( ) 0 , ( ) 0 (
X
Y
= + + =
+ + = =

f f f x f f
R x
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
70 / 30 70 / 9 70 / 18 70 / 3
) 1 , 2 ( ) 1 , 1 ( ) 1 , 0 ( ) 1 , ( ) 1 (
X
Y
= + + =
+ + = =

f f f x f f
R x
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
70 / 30 70 / 3 70 / 18 70 / 9
) 2 , 2 ( ) 2 , 1 ( ) 2 , 0 ( ) 2 , ( ) 2 (
X
Y
= + + =
+ + = =

f f f x f f
R x
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
70 / 5 0 70 / 2 70 / 3
) 3 , 2 ( ) 3 , 1 ( ) 3 , 0 ( ) 3 , ( ) 3 (
X
Y
= + + =
+ + = =

f f f x f f
R x
Funciones de probabilidad marginales de dos variables
discretas Ejemplo
Y
X
0 1 2 3
0 0 3/70 9/70 3/70
1 2/70 18/70 18/70 2/70
2 3/70 9/70 3/70 0
f
Y
(y) 5/70 30/70 30/70 5/70
x de valores otros para
x si
x si y f
, 0
2 , 1 , 70 / 30
3 , 0 , 70 / 5 ) (
Y
=
= =
= =
Si f (x, y) es la funcin de densidad conjunta de las variables
aleatorias X, Y; luego, la funcin de densidad marginal de la
variable aleatoria X es:
Funciones de probabilidad marginales de dos variables
continuas

=

) , ( ) (
X
dy y x f x f
y la funcin de densidad marginal de la variable aleatoria Y es:

=


) , ( ) (
Y
dx y x f y f
Funciones de probabilidad marginales de dos variables
continuas. Ejemplo.
Si X, Y dos variables aleatorias que tienen como funcin de
densidad conjunta:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Halle las funciones de probabilidad marginales de X e Y.
, 0 o mod otro de =
Funciones de probabilidad marginales de dos variables
continuas. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
El rango de l a variable (X,Y) es:
{ }
2
) , (
) , ( , 2 0 , 0 / ) , ( < < < < = y x y y x y x R
Y X
Funciones de probabilidad marginales de dos variables
continuas. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Para hallar la densidad marginal de X se debe obtener:

=


) , ( ) (
X
dy y x f x f
Funciones de probabilidad marginales de dos variables
continuas. Ejemplo.
1
6
0 ) , ( 0
) , ( ) , ( ) , ( ) , ( ) (
2
2
2
2
2
2
X




+ + =
+ + = =

y y x
dy y x f
dy y x f dy y x f dy y x f dy y x f x f
x
x
x
16
20 16 3
)
2
3
8 10 (
8
1
)
2
6 (
8
1
) 2 2 12 (
8
1
)
2
6 (
8
1
8
6
2 2
2
2
2
2
2

+
= + =
=
=

=

x x x
x
x
x x x
y
xy y dy
y x
x
x
Funciones de probabilidad marginales de dos variables
continuas. Ejemplo.
modo otro de
x si
x x
x f
, 0
2 0 ,
16
20 16 3
) (
2
X
=
< <
+
=
Funciones de probabilidad marginales de dos variables
continuas. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Para hallar la densidad marginal de Y se debe obtener:

=


) , ( ) (
Y
dx y x f y f
Funciones de probabilidad marginales de dos variables
continuas. Ejemplo.
0 ) , ( 0
) , ( ) , ( ) , ( ) , ( ) (
0
0
Y
0

dx y x f
dx y x f dx y x f dx y x f dx y x f y f
y
y
y
y
+ + =
+ + = =

16
3 12
) 3 12 (
16
1
)
2
6 (
8
1
)
2
6 (
8
1
8
6
2
2
2
2
0
2
0

y y
y y
y
y
y
xy
x
x dx
y x
y
y

= =
=
=

=

Funciones de probabilidad marginales de dos variables

continuas. Ejemplo.
modo otro de
y si
y y
y f
, 0
2 0 ,
16
3 12
) (
2
Y
=
< <

=
Si f (x, y) es la funcin de probabilidad conjunta de las variables
aleatorias X, Y; f
X
(x) y f
Y
(x) son las funciones de probabilidad
marginales de las variables aleatorias X e Y, respectivamente;
entonces, la funcin de probabilidad condicional de X, dado que
Y= y , es:
Funciones de distribucin condicionales de dos
variables discretas
[ ]
) , (
/
y x f
y la funcin de probabilidad condicional de Y, dado que X= x , es:
[ ] 0 ) ( para ,
) (
) , (
Y X P
Y
Y
/ ) / ( > = = = = y f
y f
y x f
y x y x f
[ ] 0 ) ( para ,
) (
) , (
X Y P
X
X
/ ) / ( > = = = = x f
x f
y x f
x y x y f
Funciones de distribucin condicionales de dos
variables discretas. Ejemplo
Y
X
0 1 2 3 f
x
(x)
Sean X, Y dos variables aleatorias que tienen como tabla de
distribucin conjunta de probabilidades:
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
Halle la funcin de probabilidad condicional de Y, dado
que X=1.
Funciones de distribucin condicionales de dos
variables discretas. Ejemplo
El rango de la variable Y es : Ry={0,1,2,3}
Debemos hallar :
[ ] 0,1,2,3 para ,
) 1 (
) , 1 (
1 X Y P / ) 1 / ( = = = = = = y
f
y f
y x y f [ ] 0,1,2,3 para ,
) 1 (
1 X Y P
X
/ ) 1 / ( = = = = = = y
f
y x y f
Funciones de distribucin condicionales de dos
variables discretas. Ejemplo
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7 2/70 40/70
f
x
(1)=P[X=1]
2/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
[ ]
40
2
) 1 (
) 0 , 1 (
1 X 0 Y P
70
40
70
2
X
/ ) 1 / 0 ( = = = = = = =
f
f
x f
Funciones de distribucin condicionales de dos
variables discretas. Ejemplo
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7 2/70 40/70
f
x
(1)=P[X=1]
18/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
[ ]
40
18
) 1 (
) 1 , 1 (
1 X 1 Y P
70
40
70
18
X
/ ) 1 / 1 ( = = = = = = =
f
f
x f
Funciones de distribucin condicionales de dos
variables discretas. Ejemplo
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7 2/70 40/70
f
x
(1)=P[X=1]
18/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
[ ]
40
18
) 1 (
) 1 , 2 (
1 X 2 Y P
70
40
70
18
X
/ ) 1 / 2 ( = = = = = = =
f
f
x f
Funciones de distribucin condicionales de dos
variables discretas. Ejemplo
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7 2/70 40/70
f
x
(1)=P[X=1]
2/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
[ ]
40
2
) 1 (
) 3 , 1 (
1 X 3 Y P
70
40
70
2
X
/ ) 1 / 3 ( = = = = = = =
f
f
x f
Funciones de distribucin condicionales de dos
variables discretas. Ejemplo
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7 2/70 40/70
f
x
(1)=P[X=1]
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
modo otro de
y si
y si x y h
, 0
2 , 1 ,
40
18

3 , 0 ,
40
2
) 1 / (
=
= =
= = =
Si f (x, y) es la funcin de densidad conjunta de las variables
aleatorias X, Y; f
X
(x) y f
Y
(x) son las funciones de densidad
marginales de las variables aleatorias X e Y, respectivamente;
entonces, la funcin de densidad condicional de X, dado que Y= y,
es:
Funciones de distribucin condicionales de dos
variables continuas
) , (
> =
y x f
y la funcin de densidad condicional de Y, dado que X= x, es :
0 ) ( para ,
) (
) , (
Y
Y
) / ( > = y f
y f
y x f
y x f
0 ) ( para ,
) (
) , (
X
X
) / ( > = x f
x f
y x f
x y f
Funciones de distribucin condicionales de dos
variables continuas. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Para hallar la densidad condicional de Y, dado que X=x.
) 6 ( 2 8 / ) 6 ( ) , ( y x y x y x f
20 16 3
) 6 ( 2
16 / ) 20 16 3 (
8 / ) 6 (
) (
) , (
) / (
2 2
X
+

=
+

= =
x x
y x
x x
y x
x f
y x f
x y h
modo otro de , 0
2 0 , 2 si ,
20 16 3
) 6 ( 2
) / (
2
=
< < < <
+

= x y x
x x
y x
x y h
Ejemplo: Dos lneas de produccin manufacturan cierto tipo de artculos.
Suponga que la capacidad (en cualquier da dado) es dos artculos para la
lnea I y 3 para la lnea II. Con base en la tabla adjunta que muestra la
distribucin de probabilidades conjunta:
a. Obtener las funciones marginales de X, X (x), e Y , Y (y)
b. Calcular P(1 X < 2, 1, 0 Y < 2).
Halle la probabilidad de que en la lnea I se produzcan ms artculos que
en la II.
Se produzcan en total 3 artculos.
La probabilidad de que la lnea I produzca ms que la lnea II dado que
EJEMPLOS DE VECTOR ALEATORIO

La probabilidad de que la lnea I produzca ms que la lnea II dado que
se producen en total 3 artculos.
X = I / Y=II
0 1 2 3 (X)
0 0 0.04 0.12 0.09 0.25
1 0.02 0.14 0.21 0.14 0.51
2 0.07 0.06 0.06 0.05 0.24
(Y) 0.09 0.24 0.39 0.28 1.0
Se observa en la tabla anterior como las sumas de los valores de las
filas generan las probabilidades de la variable X, lo propio sucede con
los valores de las columnas para obtener la funcin de probabilidad de
la variable aleatoria Y.
P(1 =< X < 2; 0 =< Y < 2)= xy (1,0) + xy (1,1)=0.04 + 0.14=
0.18 0.18
El 18% de la produccin flucta en la Lnea I entre uno y dos artculos y
en la Lnea II no ms de dos artculos.
P(X>Y)= xy (1,0) + xy (2,0) + xy (2,1)=0.02 + 0.07 + 0.06=
0.15
En el 15% de los das se produce mas en la Lnea I que en la II.
P(X+Y=3)= xy (1,2)+ xy (2,1) + xy (0,3)= 0.21 + 0.06 +
0.09= 0.36
La probabilidad de que se produzcan en total 3 artculos es 0.36
P(X>Y / X+Y=3)= xy (2,1) / 0.36= 0.06 / 0.36= 0.1666
Funcin de Probabilidad Condicional
En el ejercicio anterior, calcular X / Y ( x / y=2) Solucin:
Ejemplo
Sea X un variable aleatoria bidimensional de clase
continua con funcin de densidad conjunta
Ejemplo 2. Sean X, Y las proporciones del tiempo en un da de
trabajo, que los empleados A y B, respectivamente, se ocupan
realmente en hacer sus tareas asignadas. El comportamiento
de las frecuencias relativas conjuntas se representan
por:
El 32.8% de los das trabajados por los dos empleados se caracterizan
por que A trabajo menos de la mitad del tiempo, mientras que B lo hizo
durante ms de la cuarta parte del tiempo.
En uno de cada tres das el tiempo trabajado por A ms el trabajado por B
corresponde a un da laboral completo.
Funciones Marginales
Ejemplo 3. Una estacin de gasolina se abastece del combustible cada semana,
llenando un tanque determinado. Sea X la proporcin de la capacidad del tanque
disponible con gasolina, la cual vara semana a semana debido al suministro
limitado. Sea Y la proporcin de la capacidad del tanque medida durante la
semana. Un modelo que resume la situacin en torno a X y Y est dado por:
Verifique que g XY (x,y) es funcin de densidad.
Hallar las funciones marginales de X y Y.
Calcular P(X <=0.5 , Y >).
Determine la funcin de distribucin conjunta de X y Y.
Determine g X / Y (x / y).
Encuentre F X / Y (x / y). Encuentre F X / Y (x / y).
Ejercicio: Suponga la funcin de densidad de la variable aleatoria
bidimensional (X, Y) dada por:
Las variables aleatorias: X
1
, X
2
, . . . , X
n
son mutuamente y
probabilsticamente independientes si y solo si la funcin de
probabilidad conjunta de las n variables es igual al
producto de las funciones de probabilidad marginal de
dichas variables. es decir si:
Independencia estocstica de n variables
aleatorias

=
=
n
1 = i
i i
n n 2 2 1 1 n 2 1
) (
) ( ) ( ) ( ) , , , (


x f
x f x f x f x x x f L L
Independencia estocstica de variables aleatorias.
Ejemplo.
Y
X
0 1 2 3 f
x
(x)
Sean X, Y dos variables aleatorias que tienen como tabla de
distribucin conjunta de probabilidades:
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
Determine si X e Y son dos variables aleatorias
independientes.
Independencia estocstica de variables aleatorias.
Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7 2/70 40/70 1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
Para que X e Y sean dos variables aleatorias independientes
se debe cumplir que:
) ( ) ( ) y , (
Y X
y f x f x f =
Independencia estocstica de variables aleatorias.
Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7 2/70 40/70 1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
Puesto que: f
x
(1)=40/70, f
Y
(2)=30/70, y f(1,2)=18/70,
Se deduce,
) 2 ( ) 1 (
70
30
70
40

70
18
) 2 , 1 (
Y X
f f f = =
Independencia estocstica de variables aleatorias.
Ejemplo.
Si X, Y dos variables aleatorias que tienen como funcin de
densidad conjunta:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Determine si X e Y son variables aleatorias independientes.
, 0 o mod otro de =
Independencia estocstica de variables aleatorias.
Ejemplo.
Las funciones de densidad marginales de X, y de Y son:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
modo otro de
x si
x x
x f
, 0
2 0 ,
16
20 16 3
) (
2
X
=
< <
+
=
modo otro de
y si
y y
y f
, 0
2 0 ,
16
3 12
) (
2
Y
=
< <

=
Independencia estocstica de variables aleatorias.
Ejemplo.
Para este caso se tiene que:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =

16
3 12

16
20 16 3
) ( ) (
2
2
Y X
y y
x x
y f x f

+
=
8
6
) , ( ) ( ) (
Y X
y x
y x f y f x f

=
Sean X
1
, X
2
, . . . , X
k
variables aleatorias que tienen como
funcin de probabilidad conjunta f (x
1
, x
2
, . . . , x
k
); luego, el
valor esperado o esperanza matemtica de la variable
aleatoria X
i
es:
Si las k variables son discretas:
Esperanza matemtica
[ ] ) ( ) , , , ( X E x f x x x x f x

= = L L
Si las k variables son continuas:
[ ] ) ( ) , , , ( X E
i i i k 2 1 i i
i k 2 1
x f x x x x f x
x x x x

= = L L
[ ]
i i i
k 2 1 k 2 1 i i
) (
) , , , ( X E


dx x f x
dx dx dx x x x f x

=
= L L L
Si h(x
1
, x
2
, . . ., x
n
) es una funcin de las variables aleatorias
X
1
, X
2
, . . ., X
n
las cuales tienen como funcin de probabilidad
conjunta f(x
1
, x
2
, . . ., x
n
); luego, el valor esperado o
esperanza matemtica de la funcin h es:
Si las k variables son discretas:
Esperanza matemtica de una funcin de variables
aleatorias
Si las k variables son continuas:
[ ] ) , , , ( ) , , , ( ) , , , ( E
n 2 1 n 2 1 n 2 1
n

2 1
x x x f x x x h x x x h
x x x
L L L L

=
[ ]
n 2 1 n 2 1 n 2 1 n 2 1
) , , , ( ) , , , ( ) , , , ( E





dx dx dx x x x f x x x h x x x h L L L L L

=
Si X
1
,X
2
,...,X
n
son variables aleatorias con funcin de
probabilidad conjunta f (x
1
,x
2
,...,x
n
); luego, se cumple:
1) Si C es una constante: E[ C ]= C
2) Si C es una constante y h (x
1
, x
2
, . . . , x
n
) es una funcin
de las variables aleatorias:
Esperanza matemtica
Propiedades de los valores esperados
E[ C h(x
1
,x
2
,...,x
n
) ]= C E[ h(x
1
,x
2
,...,x
n
) ]
3) Si C
1
, C
2
,...,C
m
son m constantes y h
1
, h
2
,...,h
m
son
m funciones de las variables aleatorias:
[ ] ) , , , ( E C ) , , , ( C E
n 2 1 i
m
1 = i
i n 2 1 i
m
1 = i
i
x x x h x x x h L L

=
(
(

Media y varianza de una variable aleatoria

Sean X
1
, X
2
,...,X
n
variables aleatorias que tienen como
funcin de probabilidad conjunta f(x
1
, x
2
,..., x
n
); luego, la
media y varianza de la variable aleatoria X
i
es:
Esperanza matemtica
media y varianza de la variable aleatoria X
i
es:
[ ]
[ ] [ ]
2 2
i
2
i
2
i
i i i
i
X X X
X
X E X E
X E

= =
=

Si X
1
, X
2
son dos variables aleatorias definidas sobre un
mismo espacio probabilstico, la covarianza entre X
1
y X
2
se
define como:
Esperanza matemtica
Covarianza
[ ]
[ ]
[ ]
2 1 2 1
2 2 1 1
, 2 1
X X E
) )(X (X E
X , X Cov
1,2 X X
2 1
=
=
= =
Si X
1
, X
2
son dos variables aleatorias definidas sobre un
mismo espacio probabilstico, el coeficiente de correlacin
entre X
1
y X
2
se define como:
Esperanza matemtica
Correlacin
[ ] X , X Cov

[ ]
1 1 donde

,

=

X , X Cov

2 1
2 1
2 1
2 1
2 1
X X
X X
X X
X X
1,2 X X
,
,
2 1
,

= =

Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
Sean X, Y dos variables aleatorias que tienen como tabla de
distribucin conjunta de probabilidades:
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
Determine el valor del coeficiente de correlacin entre las
variables X e Y.
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
0
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1 [ ]

=
=
3
0
i
2
0
) , ( X E
j=
j i
i
y x f x
[ ]
1 ) 70 / 15 )( 2 ( ) 70 / 40 )( 1 ( ) 70 / 15 )( 0 (
) ( ) ( ) (
) ( X E
2 2 1 1 0 0
2
0
i
= + + =
+ + =
=

=
x f x x f x x f x
x f x
X X X
i
i X
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
[ ] 1 X E =
0
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
[ ]
7 / 10 ) 70 / 15 ( ) 2 ( ) 70 / 40 ( ) 1 ( ) 70 / 15 ( ) 0 (
) ( ) ( ) (
) ( ) , ( X E
2 2 2
2
2
2 1
2
1 0
2
0
2
0
2
3
0
2
2
0
2
= + + =
+ + =
= =

= =
x f x x f x x f x
x f x y x f x
X X X
i
i X i
j=
j i i
i
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
[ ] 1 X E =
[ ] 7 / 10 X E
2
=
0
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
[ ]
5 . 1 ) 70 / 5 )( 3 ( ) 70 / 30 )( 2 ( ) 70 / 30 )( 1 ( ) 70 / 5 )( 0 (
) ( Y E
3
0
= + + + =
=

= j
j Y j
x f y
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
[ ] 5 . 1 Y E =
[ ] 1 X E =
[ ] 7 / 10 X E
2
=
0
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1 [ ]
14 / 39
) 70 / 5 ( ) 3 ( ) 70 / 30 ( ) 2 ( ) 70 / 30 ( ) 1 ( ) 70 / 5 ( ) 0 (
) ( ) ( ) ( ) (
) ( Y E
2 2 2 2
3
2
3 2
2
2 1
2
1 0
2
0
3
0
2 2
=
+ + + =
+ + + =
=

=
y f y y f y y f y y f y
y f y
Y Y Y Y
i
i Y i
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
[ ] 5 . 1 Y E =
[ ] 1 X E =
[ ] 7 / 10 X E
2
=
[ ] 14 / 39 Y E
2
=
0
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
[ ] 14 / 39 Y E =
[ ]
7 / 9
) 0 )( 3 )( 2 ( ) 70 / 3 )( 2 )( 2 ( ) 70 / 30 )( 1 )( 0 ( ) 0 )( 0 )( 0 (
) , ( ) , ( ) , (
) , ( y XY E
3 2 3 2 1 0 1 0 0 0 0 0
3
0
i i
2
0
=
+ + + + =
+ + + =
=

=
L
L y x f y x y x f y x y x f y x
y x f x
j=
j i
i
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
[ ] 5 . 1 Y E =
[ ] 1 X E =
[ ] 7 / 10 X E
2
=
[ ] 14 / 39 Y E
2
=
0
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
[ ] 14 / 39 Y E =
[ ] 7 / 9 XY E =
[ ]
7
3
2
7
10
2
X
2 2
X
) 1 ( X E = = =
[ ]
28
15
2
14
39
2
Y
2 2
Y
) 5 . 1 ( Y E = = =
[ ]
14
3
- (1)(1.5) -
7
9
] XY [ E Y X, Cov
Y X ,Y X
= = = =
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
0
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
7
3
2
X
=
28
15
2
Y
=
[ ]
14
3
Y X, Cov
Y X,
= =
[ ]
447214 . 0
5
1
(15/28) ) 7 / 3 (
14
3 -


Y X, Cov
2
Y
2
X
= = =

=
El precio de dos artculos X, Y ( en decenas de nuevos soles),
son variables aleatorias cuyo comportamiento conjunto esta
definido por la siguiente funcin :
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Determine el valor del coeficiente de correlacin entre
las variables X e Y.
, 0 o mod otro de =
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Para hallar el valor esperado de X, se debe obtener:
dx dy y x f x ) , ( ] X [ E



=
dx dy y x f x
dx dy y x f x
y
x y
x
x
) , (
) , ( ] X [ E
2 2
0




=
=
=
=

=
=
dy dx y x f x
y x
x
y
y
) , ( ] X [ E

0
2
0

=
=
=
=
=
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
dy dx y x f x
y x y
y x
x
y
y
) , ( ] X [ E

2
0
2
0

= =
=
=
=
=
=
12
7
4
5
6
48
1
) 5 18 (
48
1
2 3
3
8
1
] X [ E
2
0
4
3
2
0
3 2
2
0
0 x
2
3
2
=
|
|

\
|
=
=
|
|

\
|
=

=
=
=
y
y
dy y y dy
y x
x
x
y
y
y
dy dx
y x
x
y x
x
y
y

8
6


0
2
0

=
=
=
=

=
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Otra alternativa
12
7

16
20 16 3
) ( ] X [ E
2
0
2
X
=
+
= =

dx
x x
x dx x f x
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.

16
20 16 3
) ( ] X [ E
2
2
2
X
2 2

+
= =

dx
x x
x dx x f x
modo otro de
x si
x x
x f
, 0
2 0 ,
16
20 16 3
) (
2
X
=
< <
+
=
12
7
] X [ E =
15
8
2
0
3
20

4
16

5
3

16
1
16

3 4 5
0
X
=

|
|

\
|
+ =

x x x
[ ]
720
139
12
7
15
8
X E
2
2
X
2 2
X
=
|

\
|
= =
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.

3 12
) ( ] Y [ E
2
2


= =

dy
y y
y dy y f y
modo otro de
y si
y y
y f
, 0
2 0 ,
16
3 12
) (
2
Y
=
< <

=
4
5
2
0
4
3
4
16
1

16
3 12
) ( ] Y [ E

4
3
0
Y
=

|
|

\
|
=

= =

y
y
dy
y y
y dy y f y
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.

16
3 12
) ( ] Y [ E
2
2
2
Y
2 2


= =

dy
y y
y dy y f y
modo otro de
y si
y y
y f
, 0
2 0 ,
16
3 12
) (
2
Y
=
< <

=
4
5
] Y [ E =
5
9
2
0
5
3
3
16
1
16

5
4
0
Y
=

|
|

\
|
=

y
y
[ ]
80
19
4
5
5
9
Y E
2
2
Y
2 2
Y
=
|

\
|
= =
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Para hallar el valor esperado de XY, se debe obtener:
dx dy y x f y x ) , ( ] XY [ E



=
dx dy y x f y x
dx dy y x f y x
y
x y
x
x
) , (
) , ( ] XY [ E
2 2
0




=
=
=
=

=
=
dy dx y x f y x
y x
x
y
y
) , ( ] XY [ E

0
2
0

=
=
=
=
=
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
dy dx y x f y x
y x
x
y
y
) , ( ] XY [ E

0
2
0

=
=
=
=
=
x y 0 0 = =
dy dx
y x
y x
y x
x
y
y

8
6
] XY [ E

0
2
0

=
=
=
=

=
6
5

2
9
48
1
) 5 18 (
48
1
2 3
3
8
1
] XY [ E
2
0
5
4
2
0
3 2
2
0
0 x
2
3
2
=
|
|

\
|
= =
|
|

\
|
=

=
=
=
y
y
dy y y y
dy
y x
x
x y
y
y
y
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
[ ]
2
[ ]
720
139
12
7
15
8
X E
2
2
X
2 2
X
=
|

\
|
= =
6
5
] XY [ E =
[ ]
80
19
4
5
5
9
Y E
2
2
Y
2 2
Y
=
|

\
|
= =
[ ] ( )( )
48
5
4
5
12
7

6
5
] XY [ E Y X, Cov
Y X ,Y X
= = = =
[ ]
4864697 . 0
(19/80) ) 720 / 139 (
48 / 5


Y X, Cov
2
Y
2
X
= =

=
Teorema
Si X
1
, X
2
son dos variables aleatorias independientes, entonces,
Esperanza matemtica
Covarrianza y correlacin: Teoremas
[ ] 0 y 0 X , X Cov
2 1 2 1
X X X X , , 2 1
= = =
Teorema
Si X
1
, X
2
son dos variables aleatorias definidas sobre un mismo
espacio probabilstico y a, b son dos constantes; entonces,
Cov[ aX
1
, bX
2
]= a b Cov[ X
1
, X
2
]
Var[ aX
1
bX
2
]= a
2
Var[ X
1
] + b
2
Var[ X
2
] 2 a b Cov[ X
1
, X
2
]
Teorema
Si X
1
, X
2
, . . . , X
k
son variables aleatorias y C
1
, C
2
,... , C
k
son k constantes reales; luego,
Esperanza matemtica
Covarianza y correlacin: Teoremas
[ ]
k k m
2
m
) X , Cov(X C C 2 X Var C X C Var

+ =
(
[ ]
j i, j i
k
1 = j
k
1 = i
2
i
m
1 = i
2
i
j i j i
1 = j 1 = i
i
1 = i
2
i i
1 = i
i
C C
j < i
2 C =
) X , Cov(X C C
j < i
2 X Var C X C Var



+
+ =
(

Teorema
Sean X
1
, X
2
, . . . , X
k
son variables aleatorias mutuamente y
estocsticamente independientes, y si C
1
, C
2
, . . . , C
k
son k
constantes reales; luego,
Esperanza matemtica
Covarianza y correlacin: Teoremas
[ ]
2
i
m
2
i i
m
2
i i
m
i
C = X Var C X C Var =
(
(

Teorema
Sean X
1
, X
2
, . . . , X
n
y Y
1
, Y
2
, . . . , Y
m
dos conjuntos de
variables aleatorias definidas sobre un mismo espacio
probabilstico, y sean a
1
, a
2
, . . . , a
n
y b
1
, b
2
, . . . , b
m
dos
conjuntos de constantes reales; luego,
[ ]
i
1 = i
i i
1 = i
i i
1 = i
i
(
(

[ ] Y , X Cov b a Y b , X a Cov
j i j i
m
1 = j
n
1 = i
j
m
1 = j
j i
n
1 = i
i


=
(
(

Se tiene 8 acciones, de las cuales dos son de clase A, tres

son de clase B, y tres son de clase C. Si se eligen al azar y sin
reemplazo 4 acciones, y se definen las variables aleatorias:
X = Nmero de acciones elegidas que son de la clase A.
Y = Nmero de acciones elegidas que son de la clase B.
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y = Nmero de acciones elegidas que son de la clase B.
Si el precio de una accin es de: 15 soles si es de clase A; 10
soles si es de clase B; y 7 soles si es de clase C.
Determine la variancia del gasto efectuado en la compra de
acciones de clase A y B, que se hayan elegido.
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
Y
X
0 1 2 3 f
x
(x)
0 0 3/70 9/70 3/70 15/70
Tabla de distribucin de probabilidad conjunta.
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
7
3
2
X
=
28
15
2
Y
=
[ ]
14
3
Y X, Cov
Y X,
= =
447214 . 0 =
Anteriormente se hall:
Esperanza matemtica
Covarianza-Correlacin. Ejemplo.
7
3
2
X
=
28
15
2
Y
=
[ ]
14
3
Y X, Cov
Y X,
= =
447214 . 0 =
El gasto total es: W=15X+10Y
[ ]
71428572 . 85
) 14 / 3 )( 10 )( 15 )( 2 ( ) 28 / 15 )( 100 ( ) 7 / 3 )( 225 (
Y X, Cov ) 10 )( 15 ( 2 ] Y Var[ ) 10 ( ] X Var[ ) 15 (
] 10 Var[15X Var[W]
2 2
=
+ + =
+ + =
+ = Y
Sea:
f(y,x
1
,x
2
, ..., x
k
) la funcin de probabilidad conjunta
de las variables aleatorias Y,X
1
, X
2
,..., X
k
,
g( y/x
1
, x
2
,..., x
k
) la funcin de probabilidad
condicional de Y dado que: X
1
=x
1
, X
2
=x
2
,..., X
k
=x
k
y
Esperanza condicional
h(x
1
,x
2
,...,x
k
) la funcin de probabilidad conjunta de
las variables aleatorias X
1
,X
2
,..., X
k
.
El valor esperado o esperanza matemtica condicional de
Y dado que: X
1
= x
1
, X
2
= x
2
,..., X
k
= x
k
, que es denotada
por E[ Y/x
1
, x
2
, .... , x
k
] se define como:
1) Si las variables son discretas:
Esperanza condicional
[ ]

=
=
y
x x x h
x x x y f y
x x x y g y x x x
) , , , (
) , , , , (
) , , , / ( , , , Y E
k 2 1
k 2 1 k 2 1
/
L
L
L L
2) Si las variables son continuas:

y
x x x h ) , , , (
k 2 1
L
[ ]

=
=

k 2 1
k 2 1

k 2 1 k 2 1

) , , , (
) , , , , (
) , , , / ( , , , Y E /
dy
x x x h
x x x y f y
dy x x x y g y x x x
L
L
L L
Esperanza condicional. Ejemplo
Y
X
0 1 2 3 f
x
(x)
Sean X, Y dos variables aleatorias que tienen como tabla de
distribucin conjunta de probabilidades:
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/7
0
2/70 40/70
2 3/70 9/70 3/70 0 15/70
f
Y
(y) 5/70 30/70 30/7
0
5/70 1
Halle la media de la distribucin condicional de Y, dado
que X=1.
Esperanza condicional. Ejemplo
La funcin de probabilidad condicional de Y, dado que
X=1, es:
y si
y si x y h
2 , 1 ,
40
18

3 , 0 ,
40
2
) 1 / (
= =
= = =
modo otro de , 0 =
[ ]
5 . 1
) 40 / 2 )( 3 ( ) 40 / 18 )( 2 ( ) 40 / 18 )( 1 ( ) 40 / 2 )( 0 (
) 1 / ( 1 Y E
3
0
/
=
+ + + =
= = =

= y
x y h y x
Esperanza condicional. Ejemplo
La funcin de probabilidad condicional de Y, dado que
X=1, es:
y si
y si x y h
2 , 1 ,
40
18

3 , 0 ,
40
2
) 1 / (
= =
= = =
modo otro de , 0 =
[ ]
7 . 2
) 40 / 2 ( ) 3 ( ) 40 / 18 ( ) 2 ( ) 40 / 18 ( ) 1 ( ) 40 / 2 ( ) 0 (
) 1 / ( 1 Y E
2 2 2 2
3
0
2 2
/
=
+ + + =
= = =

= y
x y h y x
Esperanza condicional. Ejemplo.
Si X, Y dos variables aleatorias que tienen como funcin de
densidad conjunta:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Halle la media de la distribucin condicional de la
variable X, dado que Y=1.5.
, 0 o mod otro de =
Esperanza condicional. Ejemplo.
La funcin de densidad marginal de Y es:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
y si
y y
y f 2 0 ,
3 12
) (
2
< <

=
modo otro de
y si
y y
y f
, 0
2 0 ,
16
3 12
) (
Y
=
< <

=
Con lo cual se obtiene:
2 2
Y 3 12
) 6 ( 2
16
) 3 12 (
8
) 6 (
) (
) , (
) / (
y y
y x
y y
y x
y f
y x f
y x g

= =
Esperanza condicional. Ejemplo.
Luego, la densidad condicional de X, dado Y= y, es:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
y x ) 6 ( 2
modo orto de
y y x si
y y
y x
y x g
, 0
2 0 , 0 ,
3 12
) 6 ( 2
) / (
2
=
< < < <

=
Esperanza condicional. Ejemplo.
Luego, la densidad condicional de X, dado Y=1.5, es:
modo orto de
y y x si
y y
y x
y x g
, 0
2 0 , 0 ,
3 12
) 6 ( 2
) / (
2
=
< < < <

=
( )
25 . 11
) 5 . 4 )( 2 (

) 5 . 1 ( 3 ) 5 . 1 )( 12 (
) 5 . 1 6 )( 2 (
5 . 1 /
2
x x
y x g

=

= =
Esperanza condicional. Ejemplo.
Luego, la densidad condicional de X, dado Y=1.5, es:
modo orto de
y y x si
y y
y x
y x g
, 0
2 0 , 0 ,
3 12
) 6 ( 2
) / (
2
=
< < < <

=
( )
modo orto de
x si
x
y x g
, 0
5 . 1 0 ,
25 . 11
) 5 . 4 )( 2 (
5 . 1 /
=
< <

= =
Esperanza condicional. Ejemplo.
La media de la densidad condicional de X, dado Y=1.5, es:
( )
modo orto de
x si
x
y x g
, 0
5 . 1 0 ,
25 . 11
) 5 . 4 )( 2 (
5 . 1 /
=
< <

= =
[ ]
7 . 0
5 . 1
0
3
2
5 . 4
25 . 11
1

25 . 11
) 5 . 4 )( 2 (
) 5 . 1 / ( 5 . 1 X E

3
2
5 . 1
0
/
=
|
|

\
|
=

= = = =

x
x
dx
x
x dx y x g x y
La esperanza matemtica es llamada la curva de regresin de Y
sobre X
1
, X
2
, . . . .X
k
y es denotada por:
Esperanza condicional
Curva de regresin
[ ]
, , , , , , , ,
k 2 1 k k 2 2 1 1
. Y X X Y/X x x x x x x L L
=
= = =
[ ] , , , Y E
k 2 1
, , , , , , , ,
/
k 2 1 k k 2 2 1 1
. Y X X Y/X
x x x
x x x x x x
L
L L
=
= = =
Varianza condicional
Dadas dos variables aleatorias X, Y definidas sobre un mismo
espacio probabilstico, la varianza condicional de Y dado X= x es
definida como:
Esperanza condicional
Varianza condicional
[ ] [ ] [ ] ( ) [ ]
2 2
2
2
2
Y/X Y/X
/ Y E Y/ E / Y E - Y E = ] Y/x Var[ = = x x x
Teorema
Si X, Y son dos variables aleatorias definidas sobre un mismo
espacio probabilstico, luego,
[ ] [ ] [ ] [ ]
Y/X Y/X
[ ] [ ] ) Y/ E( Var + ] Y/ Var[ E = ] Y Var[ x x
Esperanza condicional. Ejemplo.
Si X, Y dos variables aleatorias que tienen como funcin de
densidad conjunta:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
Halle la media de la distribucin condicional de la
variable Y, dado que X=x
, 0 o mod otro de =
Esperanza condicional. Ejemplo.
La funcin de densidad marginal de X es:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
x si
x x
x f 2 0 ,
20 16 3
) (
2
< <
+
=
Con lo cual se obtiene:
20 16 3
) 6 ( 2
16
) 20 16 3 (
8
) 6 (
) (
) , (
) / (
2 2
X +

=
+

= =
x x
y x
x x
y x
x f
y x f
x y h
modo otro de
x si
x x
x f
, 0
2 0 ,
16
20 16 3
) (
X
=
< <
+
=
Esperanza condicional. Ejemplo.
Luego, la densidad condicional de Y, dado X=x, es:
, 0
2 0 , 0 , 8 / ) 6 ( ) , (
o mod otro de
y y x si y x y x f
=
< < < < =
x y x si
y x
x y h 2 0 , 2 ,
) 6 ( 2
) / ( < < < <

=
modo otro de
x y x si
x x
y x
x y h
, 0
2 0 , 2 ,
20 16 3
) 6 ( 2
) / (
2
=
< < < <
+

=
Esperanza condicional. Ejemplo.
La media de la densidad condicional de Y, dado X=x, es:
[ ]
=

2
) 6 )( 2 (
y
y x
modo otro de
x y x si
x x
y x
x y h
, 0
2 0 , 2 ,
20 16 3
) 6 ( 2
) / (
2
=
< < < <
+

=
grfico 02
[ ]

=
=

+

= = =
2
2
Y.
20 16 3
) 6 )( 2 (
) / ( Y E /
y
x y
x
dy
x x
y x
y dy x y h y x
Esperanza condicional. Ejemplo.
La media de la densidad condicional de Y, dado X=x, es:
2
20 16 3
6
2
20 16 3
) 6 )( 2 (

2
3 2
2
2
2
2
2
2
Y.
(
+

=
+

=
=
=
=
=
=

y xy
dy
x x
y xy y
dy
x x
y x
y
y
y
x y
y
x y
x
) 20 16 3 ( 3
5 18 12 56
6
5 18 12 56
20 16 3
2
3 2
3
20 16 3
2
2
3 2
3 2
2
3 2
2
2
+
+
=
(

+
+
=
(

+
=
=
x x
x x x
x x x
x x
y xy
y
x x
x y
Esperanza condicional. Ejemplo.
La media de la densidad condicional de Y, dado X=x, que
tambin es llamada la ecuacin de regresin de Y sobre X
es:
[ ] 2 0 ,
) 20 16 3 ( 3
5 18 12 56
/ E
2
3 2
Y.
< <
+
+
= = x si
x x
x x x
x Y
x
Esperanza condicional. Ejemplo.
La media de la densidad condicional de Y, dado X=x, que
tambin es llamada la ecuacin de regresin de Y sobre X
es:
[ ] 2 0 ,
) 20 16 3 ( 3
5 18 12 56
/ E
2
3 2
Y.
< <
+
+
= = x si
x x
x x x
x Y
x
Esperanza condicional. Ejemplo.
Hallar considerando que:
[ ] 2 0 ,
) 20 16 3 ( 3
5 18 12 56
/ E
2
3 2
Y.
< <
+
+
= = x si
x x
x x x
x Y
x
[ ]
x Y.
E
y que la funcin de densidad marginal de X es:
modo otro de
x si
x x
x f
, 0
2 0 ,
16
20 16 3
) (
2
X
=
< <
+
=
Esperanza condicional. Ejemplo.
[ ] ( ) [ ] = = =

2
X Y. X Y. Y.
) ( ) ( / E E E dx x f dx x f x Y
x x x
modo otro de
x si
x x
x f
, 0
2 0 ,
16
20 16 3
) (
2
X
=
< <
+
=
[ ] ( ) [ ]

+
+
+
=
+
+
=
= = =

2
0
2
2
3 2
2
0
X
2
3 2
0
X Y. X Y. Y.
16
20 16 3

) 20 16 3 ( 3
5 18 12 56
) (
) 20 16 3 ( 3
5 18 12 56
) ( ) ( / E E E
dx
x x
x x
x x x
dx x f
x x
x x x
dx x f dx x f x Y
x x x
Esperanza condicional. Ejemplo.
[ ]
2
0
2
2
3 2
2
0
X
2
3 2
Y.
16
20 16 3

) 20 16 3 ( 3
5 18 12 56
) (
) 20 16 3 ( 3
5 18 12 56
E
+
+
+
=
+
+
=

dx
x x
x x
x x x
dx x f
x x
x x x
x
Y
2
0
4
3 2
2
0
3 2
0
25 . 1
4
5
6 6 56
48
1

48
5 18 12 56
= =
(

+ =
+
=

x
x x x
dx
x x x
Una variable aleatoria bidimensional (X,Y) tiene una distribucin
normal bivariada si tiene como funcin de densidad :
Distribucin Normal Bivariada
(

+
=

2 2
) ( ) )( ( ) (
Y
Y
Y
Y
X
X
X
X
2
2
2
) - 1 ( 2
1
- 1 2


1
) , (
y y
x x
y x f e
Y X
donde
X
,
Y
,
X
,
Y
, son constantes reales tales que:
- <
X
< ,
- <
Y
< ,

X
>0 ,
Y
>0 ,
-1< <1.
Y X
< < < < y y x para
El grfico de una distribucin normal bivariada es:
Distribucin Normal Bivariada
f(x,y)
X
Y
Distribucin Normal Bivariada
(

+
=

2


1
) , (
2
2
2
1
(0.25) - 1 2
y x
y x f e
< < < < y y x para
0
, 1
, 0
, 1
, 0
Y
Y
X
X
=
=
=
=
=
Distribucin Normal Bivariada
(

+
=
9
2
) 0833 . 0 (
4
2
(0.5333)
) 027396 . 0 ( ) , (
x x
y x f
xy
e
< < < < y y x para
0
, 3
, 0
, 2
, 25 . 0
Y
Y
X
X
=
=
=
=
=
Distribucin Normal Bivariada
(

+
=
25
2
) 05 . 0 (
4
2
(0.5333)
) 0164375 . 0 ( ) , (
x x
y x f
xy
e
< < < < y y x para
0
, 5
, 0
, 2
, 25 . 0
Y
Y
X
X
=
=
=
=
=
Distribucin Normal Bivariada
(

+
=
25
2
) 05 . 0 (
4
2
(0.5333)
) 0164375 . 0 ( ) , (
x x
y x f
xy
e
< < < < y y x para
3
, 5
, 2
, 2
, 25 . 0
Y
Y
X
X
=
=
=
=
=