Вы находитесь на странице: 1из 22

Universidad Nacional de Salta

Facultad de Ciencias Econmicas, Jurdicas y Sociales


Ctedra de Estadstica

DISTRIBUCIN DE PROBABILIDAD
DE VARIABLES ALEATORIAS
NOTAS COMPLEMENTARIAS

ESTADSTICA I

Hugo Miguel Rodrguez, Mara Esther Capilla


Ao 2010
Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

1. Introduccin

Estas notas complementarias, destinadas a los alumnos de la Facultad de Ciencias


Econmicas de la UNSa, tienen por objeto servir de gua en el anlisis de los conceptos
introductorios del tema Distribucin de Probabilidad de Variables Aleatorias que
pueden ser ampliados siguiendo la bibliografa que figura al final. Es conveniente,
durante su lectura, establecer las analogas pertinentes con los conceptos aprendidos
durante el desarrollo de los tpicos de distribuciones empricas.

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 2


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

2. Variable aleatoria.
Sea S el espacio muestral generado por un experimento aleatorio. Una variable
aleatoria X es una funcin definida en S que toma valores en los nmeros reales, tal que
la pre-imagen de cualquier intervalo de los reales es un evento de S.
Ejemplo 1: Sea un experimento aleatorio en el que se lanzan dos monedas al aire y
se observa la cara que aparece en cada caso. Definimos a la variable aleatoria X como
el nmero de caras que aparecen. El diagrama de la Figura 1 muestra la manera en
que la variable aleatoria X asigna un nmero real a cada uno de los posibles resultados
del experimento aleatorio.

Figura 1

Sea ahora Y la ganancia del juego si, por cada cara que aparece, el jugador recibe
$10 y adems, debe apostar $11 para poder jugar. La Tabla 1 muestra los posibles
valores de X e Y .
Tabla 1
x: nmero de caras 0 1 2

y: ganancia -11 -1 9

Notemos que Y 11 10 X es tambin una variable aleatoria.

Generalizando, si X es una variable aleatoria y c una constante, entonces


U c X , tambin es una variable aleatoria. Si adems c 0 , V cX es una variable
aleatoria.
Adems, si X e Y son variables aleatorias, W X Y es tambin una variable
aleatoria. Extendiendo el concepto, sean n variables aleatorias X 1 , X 2 ,..., X n , entonces
n
T X i es una variable aleatoria.
i 1

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 3


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

Una variable aleatoria es discreta cuando puede asumir un nmero contable de


valores. Este tipo de variables se originan principalmente en procesos de conteos y
generalmente asumen valores enteros. Por ejemplo: nmero de camiones que llegan por
hora a un puerto de carga.
Una variable aleatoria es continua cuando puede tomar un nmero infinito de
valores que corresponden a los puntos de un intervalo de una recta. Resultan
principalmente de procesos de medicin. Por ejemplo: tiempo transcurrido entre la
llegada de dos clientes a un cajero automtico.

3. Distribucin de Probabilidad
Una distribucin de probabilidad es una expresin matemtica, tabla o diagrama
que permite asociar una probabilidad a un valor, o intervalo de valores, de una variable
aleatoria.

3.1. Distribucin de probabilidad de una variable aleatoria discreta


Sea X una variable aleatoria que toma los valores x1 , x2 ,..., xn , la funcin p es la
funcin de cuanta o funcin de probabilidad de X si se cumple que
p( xi ) P X xi (1)

Adems se verifica que:


p ( xi ) 0 (2)
n
p( x ) 1
i (3)
i 1

Aplicando este concepto al Ejemplo 1, el diagrama de la Figura 2 explicita la


distribucin de probabilidad de la variable X: nmero de caras al lanzar dos monedas al
aire.

Figura 2

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 4


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

Tambin puede expresarse la funcin de probabilidad de X empleando una tabla


como la siguiente:
Tabla 2. Funcin de probabilidad de X: nmero de caras al lanzar dos monedas
al aire.
x: nmero de caras 0 1 2

p x 0,25 0,5 0,25

Grficamente:

Figura 3. Funcin de probabilidad de X: nmero de


caras al lanzar dos monedas al aire.

Sugerencia: Emplear la funcin de probabilidad para calcular la probabilidad de


observar por lo menos una cara.

3.2. Distribucin de probabilidad de una variable aleatoria continua.


Ejemplo 2: Suponga que dispone de un instrumento compuesto por una escala
circular, graduada de 0 a 12, y una aguja en el centro, muy similar en su aspecto a un
reloj, como el que se representa en la Figura 4. Si ahora hace rotar la aguja, y el
instrumento est perfectamente equilibrado, aquella puede detenerse al azar entre dos
nmeros cualesquiera.
Sea X la distancia entre el punto cero y el punto en que se detiene la aguja. Cul
es la probabilidad de que la distancia est comprendida entre 2 y 3? Aplicando la

definicin clsica de probabilidad resulta: P (2 X 3) 1 .


12

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 5


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

Figura 4.

Siguiendo el mismo razonamiento puede verificarse que P (2 X 2, 5) 1 ,y


24

que P (2 X 2, 25) 1 . Vemos que P ( x1 X x2 ) 0 cuando x2 x1 0 .


48
Generalizando en base este ejemplo, si X es una variable continua, es decir toma un
nmero incontablemente infinito de valores, la probabilidad de que asuma un valor
especfico siempre es cero, cualquiera sea su distribucin. Por ello, al analizar la
distribucin de probabilidad de una variable continua, calculamos la probabilidad de
ocurrencia de sus valores en un intervalo. Nos valemos de la funcin de densidad que
puede definirse como sigue:
Si X es una variable aleatoria continua, f x es la funcin de densidad de X si,
f x 0 (4)

f x dx 1

(5)

Adems, dados dos valores a y b, se cumple que,

(6)

Aplicando estos conceptos al Ejemplo 2, resulta que la funcin de densidad de X:


distancia entre el punto cero y el punto en el que se detiene la aguja, es la siguiente.

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 6


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

1
si 0 x 12
f x 12 (7)
0 en otro caso

La Figura 5 muestra la representacin grfica de la funcin de densidad en (7).

Figura 5. Funcin de densidad de X: distancia entre el punto 0 y el


punto en el que se detiene la aguja.

Sugerencia: Emplear la funcin de densidad para comprobar que

P (6 X 9) 1 .
4

3.3. Funcin de Distribucin de una variable aleatoria.


A menudo necesitamos resolver situaciones que dependen de la probabilidad de que
la variable aleatoria asuma valores inferiores o iguales a un valor dado. Si X es una
variable aleatoria, F x es su funcin de distribucin si,

F ( x) P X x (8)

Adems F x satisface las siguientes condiciones:

0 F x 1
Si a b entonces F ( a ) F (b) . Esta propiedad implica que F x es no
decreciente y que P ( a X b) F (b) F ( a )

F P X 1 y F P X 0

3.4. Funcin de Distribucin de una variable aleatoria discreta.


Si X es una variable aleatoria discreta, entonces su funcin de distribucin puede
calcularse empleando la siguiente expresin:
F x P X x px (9)
X x

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 7


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

La Tabla 3 a continuacin muestra la funcin de distribucin de la variable X :


nmero de caras al lanzar dos monedas al aire, analizada en el Ejemplo 1.
Tabla 3. Funcin de distribucin de X: nmero de caras al lanzar dos
monedas al aire.
x: nmero de caras 0 1 2

F x 0,25 0,75 1,00

Grficamente:

Figura 6. Funcin de distribucin de X: nmero de caras al


lanzar dos monedas al aire.

Sugerencia: Emplear la funcin de distribucin para calcular la probabilidad de


observar por lo menos una cara.

3.5. Funcin de Distribucin de una variable aleatoria continua.


Si X una variable aleatoria continua entonces,
x

F ( x) P X x f (t )dt (10)

Aplicando este concepto al Ejemplo 2 podemos obtener la funcin de distribucin


de X: distancia entre el punto cero y el punto en el que se detiene la aguja, que se
representa en la Figura 7. Para ello, consideramos sucesivamente los intervalos a los que
puede pertenecer el valor x :
Si x 0
x
F x 0dt 0

Si 0 x 12

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 8


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

0 x
1 1 x x
F x 0dt dt t
0
12 12 0 12

Si 12 x
0 12 12
1 1 12
F x 0dt dt 0dt t 1

12 0
12 0
12
12

Figura 7. Funcin de distribucin de X: distancia entre el


punto 0 y el punto en el que se detiene la aguja.

Sugerencia: Emplear la funcin de distribucin para comprobar que

P (6 X 9) 1 .
4

4. Indicadores
Al igual que una distribucin emprica, la distribucin de una variable aleatoria
puede describirse en trminos de su tendencia central, dispersin, asimetra y curtosis. A
continuacin nos referiremos a la tendencia central y a la dispersin.

4.1. Valor esperado


Tambin llamado esperanza matemtica, es la media aritmtica de la distribucin
a largo plazo, es decir el valor promedio de la variable aleatoria, que se observara si
se efectuaran infinitas reiteraciones del experimento aleatorio. Se la simboliza E ( X ) o
empleando la letra griega .
Propiedades:
El valor esperado de una constante es la misma constante. Si c es una constante,
entonces:
E c c (11)

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 9


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

Si X es una variable aleatoria con una distribucin conocida, puede interesarnos


la distribucin de otra variable aleatoria que es funcin de ella, por ejemplo,
W cX d . Si sumamos una constante a una variable aleatoria, la esperanza de
la nueva variable se aumenta en dicha constante. Por otra parte, si multiplicamos
una variable aleatoria por una constante, la esperanza de la variable resultante de
tal operacin, ser la de la variable original multiplicada por la constante. Por lo
tanto,
E W E cX d cE X d (12)

El valor esperado de los desvos de X respecto a la esperanza de la distribucin


es cero, es decir:
E X E X 0 (13)

4.2 Clculo del valor esperado de una variable aleatoria discreta


La esperanza se calcula como el promedio ponderado de los valores que puede
asumir la variable aleatoria X, donde la ponderacin de cada valor es su probabilidad de
ocurrencia. Es decir, si X es una variable aleatoria que toma los valores x1 , x2 ,..., xn ,
entonces,
n
E ( X ) xi p xi (14)
i 1

Sugerencia 1: Aplicar la frmula anterior para calcular la ganancia esperada del


juego planteado en el Ejemplo 1.
Sugerencia 2: Aplicar la frmula anterior para demostrar que si X es una
variable aleatoria discreta, entonces la esperanza de W cX d , donde c y d son dos
constantes cualesquiera, es igual a cE X d .

Sugerencia 3: Verificar que se cumple que E X E X 0

4.3. Clculo del valor esperado de una variable aleatoria continua


En este caso empleamos la funcin de densidad y resulta,

E( X ) xf x dx (15)

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 10


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

Sugerencia 1: Aplicar la frmula anterior para calcular el valor esperado de la


distancia entre el punto cero y el punto en el que se detiene la aguja, en el Ejemplo 2.
Sugerencia 2: Aplicar la frmula anterior para demostrar que si X es una
variable aleatoria continua, entonces la esperanza de W cX d , donde c y d son dos
constantes cualesquiera, es igual a cE X d .

Sugerencia 3: Verificar que se cumple que E X E X 0

4.4. Varianza
La esperanza matemtica de la variable aleatoria X es til para proporcionar el
resultado medio a largo plazo, es decir cuando se replica un experimento aleatorio una y
otra vez. Sin embargo, en forma anloga a lo que ocurre en las distribuciones empricas,
no brinda informacin respecto a la dispersin de los resultados individuales que
pueden observarse.
La medida ms importante de dispersin o variabilidad es la varianza. Puede
definirse como la media aritmtica de los desvos cuadrticos de X respecto a la E ( X ) ,
para infinitas reiteraciones del experimento aleatorio. Se acostumbra simbolizarla con
V ( X ) o con 2 . Por lo expresado,
2
V X E X E X (16)

El desvo estndar , se obtiene como la raz cuadrada de la varianza.


Sugerencia: Aplicar las propiedades de esperanza para verificar que la siguiente
igualdad:
2
V X E X 2 E X
(17)
Propiedades
El varianza de una constante es igual a cero. Si c es una constante, entonces,
V c 0 (18)

Si X es una variable aleatoria con una distribucin conocida, y W cX d ,


donde c y d son dos constantes cualesquiera, entonces
V W V cX d c 2V X (19)

Es decir que la varianza de una distribucin no se modifica si aadimos una


constante a los valores de la variable. En cambio, si multiplicamos los valores de

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 11


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

la variable aleatoria por una constante, la varianza de la distribucin de la nueva


variable, ser la de la distribucin original multiplicada por el cuadrado de la
constante.

4.5. Clculo de la varianza de una variable aleatoria discreta


La varianza se calcula como el promedio ponderado de los desvos cuadrticos entre
los valores que toma la variable aleatoria X y su esperanza. La ponderacin de cada
valor posible es su probabilidad de ocurrencia. Si X es una variable aleatoria discreta
que toma los valores x1 , x2 ,..., xn , entonces
n
2
V ( X ) xi E X p xi (20)
i 1

Sugerencia 1: Aplicar la frmula anterior para calcular la varianza de la


ganancia del juego planteado en el Ejemplo 1.
Sugerencia 2: Aplicar la frmula anterior para demostrar que si X es una
variable aleatoria discreta, entonces la varianza de W cX d , donde c y d son dos
constantes cualesquiera, es igual a c 2V X .

4.6. Clculo de la varianza de una variable aleatoria continua


Empleando la funcin de densidad, resulta

2
V X x E X f x dx (21)

Sugerencia 1: Aplicar la frmula anterior para calcular la varianza de la


distancia entre el punto cero y el punto en el que se detiene la aguja, en el Ejemplo 2.
Sugerencia 2: Aplicar la frmula anterior para demostrar que la varianza de
W cX d , donde X es una variable aleatoria continua y, c y d son dos constantes
cualesquiera, es igual a c 2V X .

4.7. Variable aleatoria estandarizada


Una variable aleatoria estandarizada se obtiene, a partir de una variable aleatoria
cualquiera, restando la esperanza matemtica y dividiendo por el desvo estndar. Es
decir, dada una variable aleatoria X con E X y V X 2 , siempre puede

construirse la variable aleatoria estandarizada

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 12


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

X
Z (22)

Con esta transformacin los valores de la variable aleatoria se expresan como
desvos respecto al valor esperado en unidades de desviacin estndar. La esperanza de
una variable aleatoria estandarizada es siempre cero, y su varianza es igual a uno.
Sugerencia: Aplicar las propiedades de la esperanza matemtica para demostrar
que E Z 0 y V Z 1

4.8. Desigualdad de Chebyshev


Cuando no se conoce la distribucin de probabilidad de una variable aleatoria,
podemos utilizar este resultado, para describirla parcialmente en funcin de su
esperanza matemtica y su varianza. Proporciona lmites para la probabilidad de
ocurrencia de intervalos de valores de la variable en estudio. Este teorema afirma que si
X es una variable aleatoria con E X y V X 2 , ambas finitas, entonces para

cualquier constante k 0 ,
1
P X k 1 (23)
k2
En otras palabras, siempre que se cumplan las condiciones enunciadas, cualquiera
sea la distribucin de X, podemos establecer la probabilidad mnima de ocurrencia de
valores de la variable aleatoria, dentro de un intervalo simtrico respecto al valor
esperado y proporcional al desvo estndar de la misma.
Notemos que, dado que la probabilidad de cualquier evento vara entre cero y uno,
esta desigualdad tiene aplicacin prctica si k 1 .
Sugerencia 1: Empleando k 1, 25 , comprobar esta desigualdad para la variable
discreta definida en el Ejemplo 1.
Sugerencia 1: Empleando k 2 , comprobar esta desigualdad para la variable
continua definida en el Ejemplo 2.

5. Distribucin de probabilidad conjunta


5.1. Planteo general
En un mismo experimento podemos observar ms de una variable aleatoria. Por
ejemplo el ingreso familiar y el gasto en consumo son dos variables aleatorias que

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 13


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

podemos medir al seleccionar una familia al azar en un barrio de la ciudad. Analizamos


a continuacin la distribucin de probabilidad de dos variables aleatorias.
Ejemplo 3. Sea un experimento aleatorio en el que se lanzan dos dados al aire, se
observa el nmero que aparece en el primer dado, y se anota la suma de los nmeros
que aparecen en cada uno de ellos. Llamamos X al nmero que aparece en el primer
dado e Y a la suma de los nmeros. Para establecer la distribucin de probabilidad
conjunta de estas variables debemos especificar la probabilidad de ocurrencia de cada
uno de los pares de resultados posibles, por ejemplo (X=1, Y=7). En el cuerpo de la tabla
siguiente se muestra la funcin de probabilidad conjunta que se obtiene.

Y
X Total
2 3 4 5 6 7 8 9 10 11 12
por fila
1 1/36 1/36 1/36 1/36 1/36 1/36 0 0 0 0 0 1/6
2 0 1/36 1/36 1/36 1/36 1/36 1/36 0 0 0 0 1/6
3 0 0 1/36 1/36 1/36 1/36 1/36 1/36 0 0 0 1/6
4 0 0 0 1/36 1/36 1/36 1/36 1/36 1/36 0 0 1/6
5 0 0 0 0 1/36 1/36 1/36 1/36 1/36 1/36 0 1/6
6 0 0 0 0 0 1/36 1/36 1/36 1/36 1/36 1/36 1/6
Total por
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 36/36
columna

Grficamente:

Figura 8. Funcin de probabilidad conjunta de X: nmero que aparece en el


primer dado e Y: suma de los nmeros en los dos dados.

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 14


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

Generalizamos a continuacin el concepto del Ejemplo 3 para el caso de dos


variables aleatorias discretas: Sean, X una variable aleatoria que puede tomar los valores
x1 , x2 ,..., xi ,..., xI , e Y una variable aleatoria con valores posibles y1 , y2 ,..., y j ,..., y J ,

entonces px, y es la funcin de probabilidad conjunta (o funcin de cuanta conjunta)


de X e Y si,
p xi , y j P X xi Y y j (24)

Se cumple que:
p xi , y j 0 , y adems (25)
I J
p x , y 1
i 1 j 1
i j (26)

5.2. Distribuciones de probabilidad marginales


El considerar la distribucin de probabilidad conjunta de dos variables aleatorias
conduce a analizar las distribuciones de probabilidad marginales. Retomando el
Ejemplo 3, se muestran a continuacin la distribucin de probabilidad marginal de X y
la distribucin de probabilidad marginal de Y.

xi 1 2 3 4 5 6 Total

u xi 6/36 6/36 6/36 6/36 6/36 6/36 36/36

yj 2 3 4 5 6 7 8 9 10 11 12 Total

vy j 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 36/36

Generalizando, para el caso de variables aleatorias discretas, podemos decir que la


distribucin marginal de X, puede obtenerse de la siguiente ecuacin:
J
u ( xi ) p xi , y j , (27)
j 1

donde J, en este caso, es igual a 11 por tomar la variable Y once valores diferentes.
Anlogamente, la distribucin marginal de Y, se calcula como

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 15


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

I
v( y j ) p xi , y j , (28)
i 1

donde I , en este caso, es igual a 6.

5.3. Distribuciones de probabilidad condicionales


Otro tipo de distribucin a considerar son las distribuciones de probabilidades
condicionales. En el Ejemplo 3, la distribucin de X condicionada a Y= 5 es la siguiente:

xi 1 2 3 4 5 6 Total

u xi / Y 5 1/4 1/4 1/4 1/4 0 0 4/4

Adems, la distribucin de Y dado X=3 es:


yj 2 3 4 5 6 7 8 9 10 11 12 Total

v y j / X 3 0 0 1/6 1/6 1/6 1/6 1/6 1/6 0 0 0 6/6

Generalizando nuevamente los resultados de este ejemplo para el caso de dos


variables aleatorias discretas, vemos que las distribuciones condicionales de X e Y
pueden expresarse respectivamente de la siguiente manera:
p xi , y j
u xi / y j , con v y j 0 ; (29)
v yj

p xi , y j
v y j / xi , con u xi 0 (30)
u xi

A partir de (29) y (30), obtenemos las siguientes expresiones alternativas para


calcular la distribucin de probabilidad conjunta de X e Y:
p xi , yi v y j u xi / y j u xi v y j / xi (31)

5.4. Independencia de dos variables aleatorias


El evaluar la independencia o dependencia de las variables es importante ya que, en
el caso de existir dependencia, podemos estar en condiciones de predecir una de ellas en
funcin de la otra. Si X e Y son variables independientes entonces se cumple que:
u xi / y j u xi para toda i y j para las que v y j 0 (32)

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 16


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

v y j / xi v y j para toda i y j para las que u xi 0 (33)

Otra forma de evaluar la independencia entre dos variables es considerar que X e Y


son variables independientes si, y slo si, la funcin de probabilidad conjunta es igual al
producto de las funciones de probabilidad marginales, es decir:
p xi , y j u x i v y j para toda i y j (34)

Sugerencia: Aplicar ambos conceptos de independencia para decidir si las


variables contempladas en el Ejemplo 3 son independientes o dependientes.

5.5. Esperanza de la suma (o diferencia) de dos variables aleatorias


Conociendo la distribucin conjunta de dos variables aleatorias, estamos en
condiciones de calcular el valor esperado y la varianza de la suma (o diferencia) entre
ellas. Por ejemplo, en el caso en que las variables aleatorias son discretas, aplicando la
definicin de esperanza resulta:
I J
E X Y xi y j p xi , y j (35)
i 1 j 1

Luego, distribuyendo el producto y las sumatorias adecuadamente y teniendo en


cuenta las definiciones de las distribuciones marginales en (27) y (28), se obtiene que la
esperanza de una suma (o diferencia) de dos variables aleatorias, siempre puede
calcularse como la suma (o la diferencia) entre las esperanzas de cada una de ellas. En
efecto,
I J

E X Y xi p xi , y j y j pxi , y j
i 1 j 1
I J I J
xi p xi , y j y j p xi , y j
i 1 j 1 i 1 j 1
I J J I
x i p xi , y j y j pxi , y j
i 1 j 1 j 1 i 1
I J
xi u xi y j vy j
i 1 j 1

Luego, de acuerdo a la definicin de valor esperado en (14), se cumple la siguiente


igualdad:
E X Y E X E Y (36)

Este resultado puede generalizarse para el caso de variables aleatorias continuas.

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 17


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

5.6. Esperanza del producto de dos variables aleatorias


Si, al igual que en el apartado anterior, aplicamos la definicin de esperanza para el
caso de variables aleatorias discretas, podemos expresar:
I J
E XY xi y j p xi , y j (37)
i 1 j 1

Si las variables X e Y son independientes, por (34) se verifica que


p xi , y j u x i v y j para toda i y j . Reemplazando en (37) resulta:
I J I J
E XY xi y j u xi v y j xi u xi y j v y j
i 1 j 1 i 1 i 1

Luego, considerando la definicin de valor esperado en (14), si X e Y son


independientes, necesariamente la esperanza del producto ser igual a producto de los
valores esperados:
E XY E X E Y (38)

Sin embargo, el hecho de que se cumpla esta igualdad no nos asegura que las
variables sean independientes, como se desprende del ejemplo a continuacin.
Ejemplo 4. Sea la siguiente distribucin de probabilidad conjunta de las variables X
e Y.

Y X -2 -1 1 2 vY

1 0 1/4 0

4 1/4 0 0 1/4

u X 1/4 1/4 1/4 1

Puede comprobarse que E X 0 , la E Y 5 2 y la E XY 0 , resultando igual


a E X E Y 0 5 2 0 . Sin embargo X e Y estn relacionadas funcionalmente ya que

Y X 2 , y por lo tanto no son independientes.


Podemos generalizar los resultado (38) al caso de variables aleatorias continuas
independientes.

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 18


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

5.7. Covarianza de dos variables aleatorias


Se define a la covarianza de las variables aleatorias X e Y como el valor esperado
del producto de los desvos de cada variable respecto a su esperanza, es decir:
Cov X , Y E X E X Y E Y (39)
Si distribuimos el producto en (39) y aplicamos las propiedades de valor esperado
enunciadas en (11), (12) y (35), podemos fcilmente demostrar la siguiente frmula
alternativa para el clculo de la covarianza:
Cov X , Y E XY E X E Y (40)
En la Figura 9 se muestra el signo de los desvos de X e Y respecto a sus valores
esperados segn la ubicacin del par ordenado xi , y j . Si xi e y j son ambos mayores o

ambos menores que sus valores esperados, la contribucin del par x , y


i j a la

covarianza es positiva. En caso contrario la contribucin del par xi , y j a la covarianza

es negativa.

Figura 9. Signo de los desvos de X e Y


respecto a sus valores esperados.

En la Figura 10 se muestran los diagramas de dispersin y se indican los valores de


la covarianza en presencia de distintas formas de relacin entre las variables X e Y:
a) Cuando las variables estn relacionadas linealmente en forma directa, es decir que Y
aumenta cuando X aumenta, la covarianza es positiva; b) cuando la relacin entre las
variables es lineal e inversa, si aumenta X entonces la variable Y disminuye, la
covarianza es negativa; c) si las variables X e Y son independientes entonces la
covarianza es cero. Por lo tanto,

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 19


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

Si la Cov X , Y 0 , entonces las variables X e Y no son independientes, y

podremos evaluar ms adelante hasta qu punto puede una de ellas ser empleada
para predecir la otra.
De (38) y (40) se desprende que, si las variables X e Y son independientes
siempre se cumple que la Cov X , Y 0 .

En cambio, si la Cov X , Y 0 , las variables pueden o no ser independientes,

tal como se observ en el Ejemplo 4 desarrollado arriba.

Figura 9. Valores de la Cov X , Y segn la relacin que vincula a las variables.

5.8. Varianza de la suma (o diferencia) de dos variables aleatorias


Aplicando la definicin de varianza en trminos de valor esperado resulta:
2
V X Y E X Y E X Y (41)

Consideramos a continuacin por simplicidad el caso de la suma de dos variables


aleatorias. De acuerdo la definicin en (41),
2
V X Y EX Y E X E Y
Ahora, agrupamos convenientemente, desarrollamos el cuadrado y aplicamos las
propiedades de la esperanza enunciadas en (11), (12) y (35):
2
V X Y E X E X Y E Y
2 2

E X E X Y E Y 2 X E X Y E Y
2 2
E X E X E Y E Y 2 E X E X Y E Y (42)
Luego,

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 20


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

V X Y V X V Y 2Cov X , Y (43)
Generalizando este ltimo resultado para el caso de la diferencia de dos variables
aleatorias obtenemos lo siguiente:
V X Y V X V Y 2 Cov X , Y (44)

Sugerencia: Calcular la covarianza de las variables X e Y, consideradas en el


Ejemplo 3.

5.9 Aplicacin
Un distribuidor de automviles ofrece tres paquetes de equipo adicional para un
modelo en particular. El paquete de transmisin automtica (T) reporta al distribuidor
una ganancia de $200, el de aire acondicionado (A), una ganancia de $ 150 y, el de
tapizado en cuero (C), una ganancia de $ 100.
En funcin de su experiencia, elabor la siguiente tabla respecto a la posibilidad de
demanda de los paquetes por parte de sus clientes:

N de Paquetes Adicionales Demandados Seleccin Probabilidad


0 Ninguna 0,35
T 0,10
1 A 0,20
C 0,05
TyA 0,10
2 TyC 0,05
AyC 0,10
3 TyAyC 0,05

(a) Sea X el nmero de paquetes adicionales solicitados por un cliente


Encontrar la funcin de probabilidad de X.
Calcular la P( X 2 .

Encontrar la funcin de distribucin de X. Emplear esta funcin para


calcular nuevamente la P( X 2

Calcular el valor esperado y el desvo estndar de X.

(b) Sea Y la ganancia por la venta de paquetes adicionales.


Encontrar la funcin de probabilidad conjunta de X e Y.

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 21


Universidad Nacional de Salta
Facultad de Ciencias Econmicas, Jurdicas y Sociales Distribucin de Probabilidad de Variables Aleatorias
Ctedra de Estadstica Notas Complementarias

Encontrar la funcin de probabilidad de Y, condicionada a la venta de un


solo paquete. Puede realizarse alguna afirmacin respecto a la dependencia
entre X e Y?
(c) Encontrar la Cov ( X , Y ) Analizar nuevamente si puede realizarse alguna
afirmacin respecto a la dependencia entre X e Y.

Bibliografa
Anlisis Estadstico. Ya Lun Chou. Nueva Editorial Interamericana. Mxico 1977.
2da. Ed.
Estadstica Aplicada a la Administracin y a la Economa. David K. Hildebrand y
R. Lyman Ott. Editorial Addison Wesley Longman. Mxico 1988. 3ra. Ed.

Hugo Miguel Rodrguez, Mara Esther Capilla. Ao 2010. 22