GestinAeronutica:EstadsticaTerica

FacultadCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez

VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES

En muchas ocasiones es necesario estudiar conjuntamente dos caractersticas de un
fenmeno aleatorio, es decir, el comportamiento conjunto de dos variables aleatorias,
intentando explicar la posible relacin existente entre ellas.

Para estudiar conjuntamente las dos variables aleatorias (X, Y), esto es, la variable
aleatoria bidimensional, es necesario conocer la distribucin de probabilidad conjunta de
ambas variables.

VARIABLE ALEATORIA BIDIMENSIONAL DISCRETA

Una variable aleatoria (X, Y) se dice que es discreta si X e Y son discretas.

DISTRIBUCIN DE PROBABILIDAD BIDIMENSIONAL DISCRETA: Tabla de doble

entrada formada por los pares de valores (x, y) que toma la variable (X, Y) junto con sus
probabilidades.

Y
X
y1 y2 yj ym

x1 p11 p12 p1j p1m

x2 p21 p22 p2 j p2 m

xi pi1 pi2 pij pim

xn pn1 pn2 pn j pn m

n m
siendo pij P(X x ; Y y) con p
i 1 j 1
ij 1

FUNCIN DE DISTRIBUCIN BIDIMENSIONAL DISCRETA: Tambin llamada

distribucin de probabilidad conjunta, es la funcin acumulativa

F(x , y) P(X x ; Y y) P(X x ; Y y )

xi x y j y
i j

1
 F(x, y) es la suma de todos los puntos de la
regin A.

P x1 X x 2 ; y1 Y y 2 F(x 2 , y 2 ) F(x1 , y 2 ) F(x 2 , y1 ) F(x1 , y1 )

La probabilidad P x1 X x 2 ; y1 Y y 2
representa la probabilidad de que un punto
pertenezca a la regin A.

MOMENTOS DE UNA VARIABLE BIDIMENSIONAL DISCRETA: El momento de

rdenes (r , s) respecto a los parmetros (c , k) de una variable aleatoria bidimensional
discreta, se define:

Mr , s E X c Y k x c y k p
r s r s

i j ij
i j

Momentos respecto al origen cuando c k 0 , siendo los ms importantes:

10 E X Y E(X) X x 0 y 0 p x p
1 0 1 0

i j ij i ij
i j i j

01 E X Y E(Y) Y x 0 y 0 p y p
0 1 0 1

i j ij j ij
i j i j

11 E X Y E(X, Y) xi 0 y j 0 x y p
1 1 1 1
pij
1 j ij
i j i j

Momentos respecto a la media o centrales, cuando c 10 X y k 01 Y ,

siendo los ms importantes:

2 0 E X X Y Y 2X x y p x
2 0 2 0 2
pij
i X j Y ij i X
i j i j

0 2 E X X Y Y 2Y xi X y j Y y Y pij
0 2 0 2 2
pij
j
i j i j

2
11 E X X Y Y x y p x y p
1 1 1 1

i X j Y ij i X j Y ij
i j i j

La covarianza 11 se pude expresar: 11 11 10 . 01 , es decir, 11 11 X . Y

DISTRIBUCIONES MARGINALES DISCRETAS: Dada una distribucin de probabilidad

bidimensional discreta:

Y
X
y1 y2 yj ym

x1 p11 p12 p1j p1m p1

x2 p21 p22 p2 j p2 m p2

xi pi1 pi2 pij pim pi

xn pn1 pn2 pn j pn m pn
p 1 p 2 p j p m 1

Se denomina probabilidades marginales a pi y p j

n m n m n m
pi P(X xi ) pi 1
ij p j P(Y y j ) p
j 1
ij donde p p p
i 1
ij
j 1
ij
i 1 j 1
ij 1

Las distribuciones marginales de la X y de la Y sern, respectivamente:

X pi Y p j
x1 p1 y1 p 1
x2 p2 y2 p 2

xi pi yj p j

ym p m
xn pn 1
1

Las funciones de distribucin marginales sern:

F1(x) F(x, ) P(X x ; Y ) p

xi x
i F2 (y) F(, y) P(X ; Y y) p
yj y
j

3
DISTRIBUCIONES CONDICIONADAS DISCRETAS: Sea (X, Y) una variable aleatoria
bidimensional discreta con distribucin de probabilidad pij (i 1, 2, , n ; j 1, 2, , m)
y con distribuciones marginales
n m
pi P(X xi ) p
i 1
ij p j P(Y y j ) p
j 1
ij

La distribucin de probabilidad condicionada de la variable aleatoria discreta X cuando

Y y j ser:

Y
y1 y2 yj ym X P xi / Y y j
X
x1 p11 p12 p1j p1m p1 x1 P(x1 / y j ) p1j / p j
x2 p21 p22 p2 j p2 m p2 x2 P(x 2 / y j ) p2 j / p j

xi pi1 pi2 pij pim pi xi P(xi / y j ) pij / p j

xn pn1 pn2 pn j pn m pn xn P(xn / y j ) pnj / p j
p 1 p 2 p j p m 1 1

P X x i ; Y y j pij
P(x i / y j ) P(X xi / Y y j ) con P(Y y j ) 0
P(Y y j ) p j

En esta expresin y j es fijo y xi varia sobre todos los posibles valores de la variable
aleatoria X.

La distribucin de probabilidad condicionada de la variable aleatoria discreta Y cuando

X xi ser:

Y
y1 y2 yj ym Y P y j / X xi
X
x1 p11 p12 p1j p1m p1 y1 P(y1 / xi ) pi1 / pi
x2 p21 p22 p2 j p2 m p2 y2 P(y 2 / xi ) pi2 / pi

xi pi1 pi2 pij pim pi yj P(y j / xi ) pij / pi

xn pn1 pn2 pn j pn m pn ym P(ym / xi ) pim / pi
p 1 p 2 p j p m 1 1

P X x i ; Y y j pij
P(y j / xi ) P(Y y j / X xi ) con P(X xi ) 0
P(X xi ) pi

4
 En esta expresin xi es fijo e y j varia sobre todos los posibles valores de la variable
aleatoria Y.

INDEPENDENCIA DE VARIABLES ALEATORIAS DISCRETAS: Sea una variable

aleatoria bidimensional discreta (X, Y), se dice que X e Y son independientes s, y slo
s, se verifica:
pij P(X x ; Y y) pi . p j (xi , y j )

o bien, P(x1 X x 2 ; y1 Y y 2 ) P(x1 X x 2 ) . P( y1 Y y 2 )

VARIABLE ALEATORIA BIDIMENSIONAL CONTINUA

Una variable aleatoria (X, Y) se dice que es continua si X e Y son continuas.
En trminos ms precisos, se dice que una variable aleatoria (X, Y) es continua si existe
una funcin no negativa f(x, y) que para todos par (x, y) R2 verifica:

x y
F(x, y) f(u, v) du dv

donde F(x, y) es la funcin de distribucin de (X, Y). A la funcin f(x, y) se le denomina

funcin de densidad de (X, Y).

FUNCIN DE DISTRIBUCIN BIDIMENSIONAL CONTINUA: Dada una variable

aleatoria bidimensional continua (X, Y) a la funcin acumulativa

F(x, y) P(X x ; Y y)

se denomina funcin de distribucin de (X, Y)

P x1 X x 2 ; y1 Y y 2 F(x 2 , y 2 ) F(x1 , y 2 ) F(x 2 , y1 ) F(x1 , y1 )

FUNCIN DE DENSIDAD: Dada una variable aleatoria bidimensional continua (X, Y), la
funcin de densidad es una funcin no negativa f(x, y) que verifica:

f(x, y) dx dy 1

x2 y2
P x1 X x 2 ; y1 Y y 2 f(x, y) dx dy
x1 y1

5

x y
Se tiene entonces que la funcin de distribucin: F(x, y) f(u, v) du dv

2 F(x, y)
Si F(x, y) es absolutamente continua, entonces: f(x, y)
x y

MOMENTOS DE UNA VARIABLE BIDIMENSIONAL CONTINUA: El momento de

rdenes (r , s) respecto a los parmetros (c , k) de una variable aleatoria bidimensional
continua, se define:

Mr , s E X c Y k
r s
(x c)r (y k)s f(x, y) dx dy

Momentos respecto al origen cuando c k 0 , siendo los ms importantes:

10 E X Y E(X) X
1 0
x f(x, y) dx dy

01 E X Y E(Y) Y
0 1
y f(x, y) dx dy

11 E X Y E(X, Y)
1 1
x y f(x, y) dx dy

Momentos respecto a la media o centrales, cuando c 10 X y k 01 Y ,

siendo los ms importantes:

2 0 E X X Y Y 2X
2 0
(x X )2 f(x, y) dx dy

0 2 E X X Y Y 2Y
0 2
(y Y )2 f(x, y) dx dy

11 E X X Y Y
1 1
(x X )(y Y ) f(x, y) dx dy covarianza

Supuesta en todos los casos la convergencia absoluta de las integrales.

La covarianza 11 se pude expresar: 11 11 10 . 01 , es decir, 11 11 X . Y

DISTRIBUCIONES MARGINALES CONTINUAS: Una variable aleatoria bidimensional

continua (X, Y), con funcin de distribucin F(x, y) y funcin de densidad f(x, y) , tiene
como funciones de distribucin marginales:

x x
F1(x) F(x, ) f(u, y) du dy f1(u) du funcin de distribucin marginal de X

donde f1(x)

f(x, y) dy se denomina funcin de densidad marginal de X

y y
F2 (y) F( , y) f(x, v) dx dv f2 (v) dv funcin de distribucin marginal de Y

donde f2 (y)

f(x, y) dx se denomina funcin de densidad marginal de Y

DISTRIBUCIONES CONDICIONADAS CONTINUAS: Sea una variable aleatoria

bidimensional continua (X, Y), con funcin de distribucin F(x, y) y funcin de densidad
f(x, y) , se define:

Funcin de distribucin de X condicionada al valor de Y y :

x
f(u, y) du
F(x / y) P(X x / Y y)

f2 (y)

La funcin de densidad condicionada de X al valor de Y y :

dF(x / y) f(x , y)
f(x / y)
dx f2 (y)

Funcin de distribucin de Y condicionada al valor de X x :

y
f(x, y) dv
F(y / x) P(Y y / X x)

f1(y)

La funcin de densidad condicionada de Y al valor de X x :

dF(y / x) f(x , y)
f(y / x)
dy f1(x)

INDEPENDENCIA DE VARIABLES ALEATORIAS CONTINUAS: Sea una variable

aleatoria bidimensional continua (X, Y), se dice que X e Y son independientes s, y
slo s, se verifica:

F(x, y) F1(x).F2 (y) (x, y) R2

definicin equivalente ser: f(x, y) f1(x). f2 (y) (x, y) R2

7
TRANSFORMACIONES LINEALES DE VARIABLES ALEATORIAS CONTINUAS:
La funcin de densidad g(z, t) de una variable aleatoria continua (Z,T), que surge de una
transformacin lineal de la variable (X, Y), existe en aquellos puntos donde el jacobiano

z z
(z, t) x y
J 0
(x, y) t t
x y

siendo la nueva funcin de densidad: g(z, t) f h1(z, t), h2 (z, t) . J1

donde h1 y h2 son las inversas, respectivamente, de g1 y g2

x x
(x, y) z t
Despejando (X, Y) en la transformacin se calcula el jacobiano J1
(z, t) y
z t

COVARIANZA. PROPIEDADES

La covarianza 11 es uno de los momentos centrales de ms inters, se define:

11 Cov(X, Y) E X E(X) . Y E(Y)

se suele representar por Cov(X, Y) , xy , xy

Si se representan los quince pares de valores (xi , y j ) se obtiene la nube de puntos:

La variable X aumenta cuando la variable Y aumenta

Cov (X, Y) 0
La variable X disminuye cuando la variable Y disminuye

La variable X aumenta cuando la variable Y disminuye

Cov (X, Y) 0
La variable X disminuye cuando la variable Y aumenta

Cov (X, Y) 0 Las variables aleatorias (X, Y) son independientes

8
 Advirtase que,

Cov (X, Y) 0 Las variables aleatorias (X, Y) NO son

independientes, existe una relacin no lineal entre X e Y,
relacin que puede ser de tipo cuadrtico.

En consecuencia, la covarianza no es una medida de las relaciones o dependencias

entre dos variables aleatorias X e Y, nicamente es una medida de la fuerza de la
relacin lineal entre X e Y.

Un inconveniente para utilizar la covarianza, incluso como medida de la fuerza de la

relacin lineal entre X e Y, es que depende de las unidades de medida de las variables
aleatorias. Por ejemplo, si la variable aleatoria X se expresa en cm y la variable Y en kg,
la covarianza se expresa en cm. kg.
En este sentido, el coeficiente de correlacin resuelve el problema al ser un nmero
abstracto, es decir, expresarse sin unidades.

PROPIEDADES DE LA COVARIANZA

La covarianza 11 se puede expresar en funcin de los momentos respecto al origen:

11 Cov(X, Y) E X E(X) . Y E(Y) 11 10 . 01

Basta desarrollar la propiedad que define la covarianza:

11 Cov(X, Y) E X E(X) . Y E(Y) E X 10 . Y 01

E XY 01 X 10 Y 10 01 E(XY) 01 E(X) 10 E(Y) 10 01

11 01 10 10 01 10 01 11 10 10

Si X e Y son dos variables aleatorias independientes, la covarianza 11 0

11 Cov(X, Y) E X E(X) . Y E(Y) E X 10 . Y 01

E XY 01 X 10 Y 10 01 E(XY) 01 E(X) 10 E(Y) 10 01

E(X).E(Y) 01 E(X) 10 E(Y) 10 01 10 01 01 10 10 01 10 01 0

Cuando dos variables aleatorias son independientes se deduce que su covarianza es

cero. La inversa no es cierta, existen pares de variables dependientes que tienen
covarianza cero. En resumen,

9
 X e Y independientes 11 Cov(X, Y) 0
11 Cov(X, Y) 0 X e Y independientes

Sean X e Y variables aleatorias, y sean tambin variables aleatorias aX y bY , siendo

a, b nmeros reales cualesquiera, se verifica:

Cov(aX, bY) a.b.Cov(X, Y)

Cov(aX, bY) E aX E(aX) . bY E(bY) E aX aE(X) . bY bE(Y)

E aX a 10 ) . bY b 01

E a.b. XY a.b. 01 . X a.b. 10 . Y a.b. 10 . 01

a.b.E XY 01 . X 10 . Y 10 . 01

a.b. E(XY) 01 .E(X) 10 .E(Y) 10 . 01

a.b. 11 01 . 10 10 . 01 10 . 01 a.b. 11 10 . 01

a.b.Cov(X, Y)

La covarianza 11 conserva los cambios de escala y es invariante a los cambios de

origen. La propiedad anterior es extensible al caso de tener variables aleatorias de la
forma (aX c) y (bY d) , teniendo en este caso:

Cov(aX b, bY d) a.b.Cov(X, Y)

Cov(X, Y) Cov(Y , X) 11 10 . 01

Cov(X, X) Var(X) 2X

Cov(X, X) E X 10 . X 10 E (X 10 )2 2X

Cov(X, k) 0 k R

X, Y, Z son variables aleatorias: Cov(X Y, Z) Cov(X, Z) Cov(Y, Z)

X, Y variables aleatorias : Var(X Y) Var(X) Var(Y) 2 Cov(X, Y)

X, Y variables aleatorias independientes : Var(X Y) Var(X) Var(Y)

En efecto,

Var (X Y) E (X Y) E(X Y)
2
E X E(X) Y E(Y)
2

10
 E X 10 E Y 01 2E (X 10 )(Y 01 )
2 2

Var (X) Var (Y) 2 Cov (X, Y)

Si X e Y son independientes, Cov(X, Y) 0

Esta propiedad se puede generalizar, siendo (X1 , X2 , , Xn ) variables aleatorias

cualesquiera, se tiene:

n n n

Var Xi
i 1
i 1
Var (Xi ) 2 Cov (X , X )
i, j 1
i j

i j

Sean (X1 , X2 , , Xn ) variables aleatorias cualesquiera y (k1 , k 2 , , k n ) nmeros

reales cualesquiera, entonces:

n n n

Var k i Xi
i 1
i 1
k i2 Var (Xi ) 2 k k Cov (X , X )
i, j 1
i j i j

i j

COEFICIENTE DE CORRELACIN

El coeficiente de correlacin es un nmero abstracto (sin unidades) que determina la

fuerza de la relacin lineal entre las variables aleatorias, es decir, una medida numrica
del grado en que las variables estn relacionadas linealmente.

El coeficiente de correlacin lineal entre las variables aleatorias (X, Y) se define:

Cov (X, Y) E X E(X) . Y E(Y) X E(X) Y E(Y)

XY E
Var (X) . Var (Y) X . Y X Y

Es decir, el coeficiente de correlacin es el valor esperado de los valores tipificados o

normalizados de X e Y.

Si las variables X e Y son independientes, el coeficiente de correlacin XY 0

Si X e Y son dos variables aleatorias independientes 11 XY 0

Cov (X, Y) XY 0
XY 0
Var (X) . Var (Y) X . Y X . Y

Esta propiedad se puede generalizar para n variables aleatorias independientes

(X1 , X2 , , Xn ) , pues si son independientes lo son dos a dos.

En consecuencia, la covarianza de dos cualesquiera ser nula y el coeficiente de

correlacin es cero. Las variables estarn incorreladas dos a dos.

11
 Si las variables X e Y aleatorias tienen varianzas distintas de cero: 1 XY 1

XY 0 No existe relacin lineal entre las variables aleatorias X e Y, diciendo

que estn incorreladas.
XY 1 Existe relacin lineal entre las variables aleatorias X e Y,
dependencia funcional.
XY 1 Existe relacin lineal entre las variables aleatorias X e Y,
dependencia funcional.

1 XY 0 Existe mayor relacin lineal en cuanto el coeficiente de

o correlacin se aproxime, respectivamente, ms a 1 a 1,
0 1
XY es decir, estarn ms correladas.

12
RESUMEN DE PROPIEDADES DE MOMENTOS SIGNIFICATIVOS
Sean X e Y variables aleatorias

Media o Esperanza matemtica

La media es un operador lineal: Si X e Y independientes:
E(k) k X. Y E X. Y E(X).E(Y)

X Y E X Y E(X) E(Y)

k X E k X k E(X)

k . X E(k . X) k .E(X)

a. X b. Y E a. X b. Y a.E(X) b.E(Y)

Varianza
La varianza no es un operador lineal: Si X e Y independientes:
Var(k) 0 2X Y Var X Y Var(X) Var(Y)

2X Y Var X Y Var(X) Var(Y) 2 Cov(X, Y)

k2. X Var(k . X) k 2 . Var(X)

Covarianza: 11 XY XY 11 10 . 01

Cov(X, X) Var(X) 2x Si X e Y independientes:

Cov(a. X , b. Y) a.b.Cov(X, Y) Cov(X, Y) 0

Cov(X , k) 0

Cov(X Y, Z) Cov(X, Z) Cov(Y, Z)

11 X X Y Y
Coeficiente de correlacin: XY E 1 XY 1
X . Y X Y

Si X e Y independientes: XY 0

13
Ejercicio 1.- Un experimento consiste en lanzar tres veces una moneda. Sean las
variables aleatorias: X ="nmero de caras en las tres tiradas" e Y ="diferencia en valor
absoluto entre el nmero de caras y el de escudos en las tres tiradas". Se pide:
a) Distribucin de probabilidad de (X, Y)
b) Media y desviacin tpica de las distribuciones marginales de X e Y
c) Covarianza y coeficiente de correlacin
d) Son X e Y independientes?
e) Distribucin condicionada de X a Y 3
f) Distribucin condicionada de Y a X 2
g) P X 1; Y 0 , P X 2 , P Y 3

Solucin:

a) Espacio muestral: (c,c,c),(c,c,e),(c,e,c),(e,c,c),(c,e,e),(e,c,e),(e,e,c),(e,e,e)

X(c,c,c) 3 Y(c,c,c) 3
X(c,c,e) X(c,e,c) X(e,c,c) 2 Y(c,c,e) Y(c,e,c) Y(e,c,c) 1
X(c,e,e) X(e,c,e) X(e,e,c) 1 Y(c,e,e) Y(e,c,e) Y(e,e,c) 1
X(e,e,e) 0 Y(e,e,e) 3

Distribucin de probabilidad:

Y pi Probabilidades marginales:
1 3
X 4

p
1 3 3 1
0 0 18 18 i p1 p2 p3 p4 1
38 38 i 1 8 8 8 8
1 0
2 38 0 38 2

p
6 2
3 0 18 18 j p 1 p 2 1
j 1 8 8
p j 68 28 1
Advirtase que la probabilidad conjunta:

1 3 3 1
4 2

p
i 1 j 1
ij 0 0 0 0 1
8 8 8 8

4 2 4 2 n m n m
Siendo: p p p
i 1 j 1
ij
i 1
i
j 1
j 1. En general, p p p
i 1 j 1
ij
i 1
i
j 1
j 1

14
b) Distribucin marginal de la variable aleatoria X:

xi pi xi . pi xi2 xi2 . pi 4

x . p
12
0 18 0 0 0 Media: X E(X) 10 i i 1,5
i 1 8
1 38 38 1 38
Varianza: Var(X) 20 E(X2 ) E(X)
2 2
X
2 38 68 4 12 8
4
3 18 38 9 98 E(X2 ) 20 x . p
i 1
2
i i 3
1 12 8 3

2X Var(X) 20 E(X2 ) E(X) 3 1,52 0,75

2
x 0,75 0,866

Distribucin marginal de la variable aleatoria Y:

yj p j y j . p j y 2j y 2j . p j 2

y . p
12
1 68 68 1 68 Media: Y E(Y) 01 j j 1,5
j 1 8
3 28 68 9 18 8
Varianza: 2Y Var(Y) 02 E(Y 2 ) E(Y)
2

1 12 8 3

2
E(Y 2 ) 02 y . p
j 1
2
j j 3

2Y Var(Y) 02 E(Y 2 ) E(Y) 3 1,52 0,75

2
Y 0,75 0,866

c) Covarianza y coeficiente de correlacin

La covarianza se define: 11 XY XY Cov(X, Y) 11 10 . 01

4 2
donde 11 E(XY) x . y . p
i 1 j 1
i j ij

As pues,

1 3 3 1 18
11 0.1.0 0.3. 1.1. 1.3.0 2.1. 2.3.0 3.1.0 3.3. 2,25
8 8 8 8 8

con lo cual, XY Cov(X, Y) 11 10 . 01 2,25 1,5 . 1,5 0

Sealar que la covarianza XY Cov(X, Y) puede ser negativa, nula o positiva, siendo
una medida de la fuerza de la relacin lineal entre X e Y.

El coeficiente de correlacin lineal XY es un nmero abstracto (sin unidades) que

determina el grado en que las variables (X, Y) estn relacionadas linealmente.
XY
Se define: XY
x . Y

15
 XY 0
con lo cual, XY 0
x . Y 0,75 . 0,75

Denotar que 1 XY 1 . Cuando XY 0 no existe relacin lineal entre las variables X e

Y, diciendo que estn incorreladas.

d) Para que X e Y sean independientes se tiene que verificar: pij pi . p j (xi , y j )

Y pi
1 3
X
0 p11 0 18 p1 1 8 1 6
p11 0 . p1 .p1
1 38 0 38 8 8
2 38 0 38
Las variables X e Y NO son independientes
3 0 18 18
p j p1 6 8 28 1

Sealar que cuando dos variables X e Y son independientes, es decir, cuando

pij pi . p j (xi , y j ) , la covarianza es cero. El caso contrario no se verifica. Es decir:

X e Y independientes 11 Cov(X, Y) 0
11 Cov(X, Y) 0 X e Y independientes

P X Y 3
e) Distribucin condicionada de X a Y 3 : P X / Y 3
P(Y 3)

Y pi P(X / Y 3)
1 3 X
X
18 1
0 0 18 18 0
28 2
0
1 38 0 38 1 0
28
0
2 38 0 38 2 0
28
18 1
3 0 18 18 3
28 2
p j 68 28 1 1

P X Y y j
En general, P X / Y y j
P(Y y j )

16
 P Y X 2
f) Distribucin condicionada de Y a X 2 : P Y / X 2
P(X 2)

Y pi P(Y / X 2)
1 3 Y
X
38
0 0 18 18 1 1
38
0
1 38 0 38 3 0
38

2 38 0 38 1

3 0 18 18

p j 68 28 1

P Y X x i
En general, P Y / X xi
P(X x i )

g) P X 1; Y 0 , P X 2 , P Y 3

Y Y Y
1 3 1 3 1 3
X X X
0 0 18 0 0 18 0 0 18
1 38 0 1 38 0 1 38 0
2 38 0 2 38 0 2 38 0
3 0 18 3 0 18 3 0 18

P X 1; Y 0 P X 0 ; Y 1 P X 0 ; Y 3 P X 1 ; Y 1 P X 1 ; Y 3
1 3 4 1
p11 p12 p21 p22 0 0
8 8 8 2

P X 2 P X 2 ; Y 1 P X 2 ; Y 3 P X 3 ; Y 1 P X 3 ; Y 3
3 1 4 1
p31 p32 p 41 p42 00
8 8 8 2

P Y 3 P X 0 ; Y 1 P X 1 ; Y 1 P X 2 ; Y 1 P X 3 ; Y 1
3 3 6 3
p11 p21 p31 p41 0 0
8 8 8 4

17
Ejercicio 2.- Sea una variable aleatoria bidimensional con distribucin de probabilidad

Y
1 1
X
1 16 13
2 1 12 14
3 1 12 1 12

Se pide:
a) Son X e Y independientes?
b) Hallar las medias y desviaciones tpicas de X e Y

c) Hallar las probabilidades: P X 2 ; Y 0 P X 2 P Y 0

d) Hallar el coeficiente de correlacin

Solucin:

a) Para analizar si X e Y son independientes hay que hallar las distribuciones

marginales de X e Y, y ver si verifica que pij pi . p j (xi , y j )

Y
1 1 pi
X
1 16 13 12
2 1 12 14 13
3 1 12 1 12 16
p j 13 23 1

1 1 1 1 1 2
p11 p1 . p1 . p12 p1 . p 2 .
6 2 3 3 2 3

1 1 1 1 1 1 2 2
p21 p2 . p1 . p22 p 2 . p 2 .
12 3 3 9 4 3 3 9

1 1 1 1 1 1 2 1
p31 p3 . p1 . p32 p3 . p 2 .
12 6 3 18 12 6 3 9
Luego las variables X e Y no son independientes.

b) Para hallar las medias y desviaciones tpicas de X e Y hay que considerar las
distribuciones marginales:

18
 Distribucin marginal de la de la variable aleatoria X

X xi pi xi . pi xi2 xi2 . pi
1 12 12 1 12
2 13 23 4 43
3 16 36 9 96
1 10 6 20 6

x . p
10
Media: 10 X E(X) i i
i 1 6
3

x . p
20
20 E(X )
2 2
i i
i 1 6
2
20 10 20 5
Varianza: 20 2X Var(X) E(X2 ) E(X)
2

6 6 36 9

5
Desviacin tpica: X 0,745
9

Distribucin marginal de la variable aleatoria Y

Y yj p j y j . p j y 2j y 2j . p j
1 13 1 3 1 13
1 23 23 1 23
1 13 1

y . p
1
Media: 01 Y E(Y) j j
j 1 3

2
02 E(Y 2 ) y . p
j 1
2
j j 1

2
1 8
Varianza: 02 Var(Y) E(Y ) E(Y)
2
2
Y
2
1
3 9

8
Desviacin tpica: Y 0,943
9

c) Probabilidades: P X 2 ; Y 0 P X 2 P Y 0

19
 Y Y Y
1 1 1 1 1 1
X X X
1 16 13 1 16 13 1 16 13
2 1 12 14 2 1 12 14 2 1 12 14
3 1 12 1 12 3 1 12 1 12 3 1 12 1 12

1 1 7
P X 2 ; Y 0 P X 1; Y 1 P X 2 ; Y 1
3 4 12

P X 2 P X 2 ; Y 1 P X 2 ; Y 1 P X 3 ; Y 1 P X 3 ; Y 1
1 1 1 1 6 1

12 4 12 12 12 2

1 1 1 1
P Y 0 P X 1; Y 1 P X 2 ; Y 1 P X 3 ; Y 1
6 12 12 3

d) Coeficiente de correlacin

xi . y j . pij
Y
1 1 1 1
X
1 16 13 1 6 13
2 1 12 14 2 12 24
3 1 12 1 12 3 12 3 12
7 12 13 12 6 12

3 2

x . y . p
6 1
11 E(XY) i j ij
i 1 j 1 12 2

1 10 1 1
Covarianza: XY Cov(X, Y) 11 10 . 01 . 0,555
2 6 3 18

XY 0,555
Coeficiente de correlacin: XY 0,79
x . Y 0,745 . 0,943

Siendo XY 0,79 , valor cercano a 1, existe una fuerte relacin lineal entre las
variables X e Y.

20
Ejercicio 3.- Sean (X, Y) los paquetes diarios que venden dos operadores de viajes,
cuya distribucin de probabilidad conjunta se refleja en la tabla:

Y
0 1 2
X
0 0,15 0,15 0,10
1 0,05 0,20 0,05
2 0,10 0,05 0,15

Hallar la media, varianza y desviacin tpica de las variables: X, Y, X Y , X Y

Solucin:

Y
0 1 2 pi xi . pi xi2 . pi
X
0 0,15 0,15 0,10 0,40 0 0
1 0,05 0,20 0,05 0,30 0,30 0,30
2 0,10 0,05 0,15 0,30 0,60 1,20
p j 0,30 0,40 0,30 1 0,90 1,50
y j . p j 0 0,40 0,60 1
y 2j . p j 0 0,40 1,20 1,60

Distribucin marginal de la variable X:

3
Media: 10 X E(X) x . p
i 1
i i 0,9

3
20 E(X )
2
x . p
i 1
2
i i 1,5

Varianza: 20 2X Var(X) 20 10
2
1,5 0,92 0,69

Desviacin tpica: X 0,69 0,83

Distribucin marginal de la variable Y:

3
Media: 01 Y E(Y) y . p
j 1
j j 1

3
02 E(Y 2 ) y . p
j 1
2
j j 1,6

Varianza: 02 2Y Var(Y) 02 01
2
1,6 12 0,6

Desviacin tpica: Y 0,6 0,77

21
 Distribucin de la variable (X Y) :

Media: X Y E(X Y) E(X) E(Y) 0,9 1 1,9

3 3
Se tiene: X Y E(X Y) (x y ).p
i 1 j 1
i j ij

Y
X
0 1 2 X Y 0 . 0,15 1 . 0,15 2 . 0,10
0 0,15 0,15 0,10 1 . 0,05 2 . 0,20 3 . 0,05
1 0,05 0,20 0,05 2 . 0,10 3 . 0,05 4 . 0,15 1,9
2 0,10 0,05 0,15

Varianza: 2X Y Var(X Y) Var(X) Var(Y) 2 Cov(X, Y) X e Y no independientes

xi . y j . pij
Y
0 1 2 0 1 2
X
0 0,15 0,15 0,10 0 0 0
1 0,05 0,20 0,05 0 0,20 0,10
2 0,10 0,05 0,15 0 0,10 0,60
0 0,30 0,7 1

3 3
11 E(XY) x . y . p
i 1 j 1
i j ij 1

Covarianza: XY Cov(X, Y) 11 10 . 01 1 0,9.1 0,1

2X Y Var(X Y) Var(X) Var(Y) 2 Cov(X, Y) 0,69 0,6 2.0,1 1, 49

Se tiene: X Y E (X Y) E(X Y)
2 2 2

Y
X
0 1 2 E (X Y)2 0 . 0,15 1 . 0,15 4 . 0,10
0 0,15 0,15 0,10 1 . 0,05 4 . 0,20 9 . 0,05
1 0,05 0,20 0,05 4 . 0,10 9 . 0,05 16 . 0,15 5,1
2 0,10 0,05 0,15

2X Y E (X Y)2 E(X Y) 5,1 1,92 1, 49

2
x Y 1, 49 1,22

Distribucin de la variable (X Y) :

Media: X Y E(X Y) E(X) E(Y) 0,9 1 0,1

2X Y Var(X Y) Var(X) Var(Y) 2 Cov(X, Y) 0,69 0,6 2.0,1 1,09

22
Ejercicio 4.- Sea (X, Y) una variable aleatoria bidimensional con funcin de densidad:

k 0 y x 1
f(x, y)
0 restantes valores

a) Hallar k para que sea funcin de densidad

b) Hallar las funciones de densidad marginales. Son X e Y independientes?
c) Hallar las funciones de distribucin marginales
d) Hallar las funciones de densidad condicionadas

Solucin:

a) Para que f(x, y) sea funcin de densidad tiene que verificarse:

f(x, y) dx dy 1

1
x2

1 x 1 x 1 1
k
k y 0 dx k x dx k 1 k 2
x
k dx dy k dy dx
0 0 0 0 0 0 2 0 2

por tanto,

2 0 y x 1
f(x, y)
0 restantes valores

b) Funciones de densidad marginales:

x
2 dy 2 y 0 2 x
x
f1(x) f(x, y) dy 0 x 1
0

1
2 dx 2 x y 2 2 y
1
f2 (y) f(x, y) dx 0 y 1
y

X e Y son independientes cuando f(x, y) f1(x). f2 (y)

f1(x). f2 (y) 2 x .(2 2 y) 4 x 4 x y 2 f(x, y) luego no son independientes

c) Funciones de distribucin marginales:

x x x
x
F1(x) f1(t) dt f1(t) dt 2 t dt t 2 x 2 0 x 1
0
0 0

y y y
y
F2 (y) f2 (t) dt f2 (t) dt (2 2 t) dt 2 t t 2 2 y y 2 0 y 1
0
0 0

23
d) Funciones de densidad condicionadas:

f(x, y) 2
f(x / y) 0 y 1 0 x 1
f2 (y) 22y

f(x, y) 2
f(y / x) 0 x 1 0 y 1
f1(x) 2x

Ejercicio 5.- Sea (X, Y) una variable aleatoria bidimensional con funcin de densidad:

1 y x ; 0 x 1
f(x, y)
0 restantes valores

a) Comprobar que f(x, y) es funcin de densidad

b) Hallar las medias de X e Y

1 1 1 1
c) Hallar las probabilidades: P X ; Y 0 y P X ; Y
2 2 2 2

Solucin:

a) f(x, y) es funcin de densidad si se verifica:


f(x, y) dx dy 1

1 x 1 x 1 1

y x dx
1
2 x dx x 2 1
x
f(x, y) dx dy dx dy dy dx

0
0 x 0 x 0 0

en consecuencia, f(x, y) es funcin de densidad.

b) Para hallar las medias de X e Y hay que calcular primero las funciones de densidad
marginales:

x
dy y 0 x 2 x
x
f1(x) f(x, y) dy 0 x 1
x

24


1
dx x y 1 y
1
1 y 0


y
f2 (y) f(x, y) dx

dx x
1
1
1 y 0 y 1
y
y

1

x3

1
2
10 x E(X) x f1(x) dx x .2 x dx 2
0 3 0 3

y f (y) dy y (1 y) dy
0 1 0 1
01 y E(Y) y f2 (y) dy y f2 (y) dy 2 y (1 y) dy
1 0 1 0
0 1
y2 y3 y2 y3

0 1
1 1 1 1
(y y 2 ) dy (y y 2 ) dy 0
1 0 2 3 1 2 3 0 2 3 2 3

1 1 1 1
c) Probabilidades: P X ; Y 0 y P X ; Y
2 2 2 2

12
x2
y x dx
12 0 12 0 12 12
1 0 1
P X ; Y 0 f(x, y) dx dy dy dx x dx
2 0 x 0 x 0 0 2 0 8

1

1 12 1 12 12 1
1 1 1
y 1 2 dx dx x 1 2
12 1
P X ; Y f(x, y) dx dy dy dx
2 2 2 12 1 2 12 1 2 0 12 2

Ejercicio 6.- La funcin de densidad asociada a la emisin de billetes de una compaa

rea es:

x y 0 x 1 0 y 1
f(x, y)
0 en el resto

a) Hallar la funcin de distribucin

b) Hallar las funciones de densidad marginales de X e Y
c) Son X e Y independientes?

Solucin:

v2
y

(u v) du dv
x y x y x y x
u v 0 du
y
a) F(x, y) f(u, v) dv du (u v) dv du
2 0
0 0 0 0 0

x
y2 u2

x
y2 y x2 y2 x 1

x
u y du y u 0
(y x 2 y 2 x) 0 x 1 0 y 1
0 2 0
2 2 2 2 2

En consecuencia,

25
 0 x0 y0
1
(y x 2 y 2 x) 0 x 1 0 y 1
2
1
F(x, y) F1(x) (x 2 x) 0 x 1 , y 1
2
1
F2 (y) (y y ) 0 y 1 , x 1
2

2
1 x 1 , y 1

a) Funciones de densidad marginales de X e Y

1
y2

1
1
f(x, y) dy (x y) dy x y 0 x
1
f1(x) 0 x 1
0 2 0 2

1
x2

1
1
f(x, y) dx (x y) dx y x 0 y
1
f2 (y) 0 y 1
0 2 0 2

Advirtase que:

F1(x) 1 2 1 F2 (y) 1 1
f1(x) (x x) x f2 (y) (y y 2 ) y
x x 2 2 y y 2 2

b) X e Y son independientes cuando se verifica f(x, y) f1(x). f2 (y)

1 1
f1(x). f2 (y) x . y x y f(x, y)
2 2

luego no son independientes.

26
Ejercicio 7.- La funcin de distribucin asociada a un fenmeno de la naturaleza es:

(1 e x ).(1 e y ) x 0 , y 0
F(x, y)
0 en el resto

a) Hallar la funcin de densidad

b) Hallar las funciones de densidad marginales de X e Y
c) Hallar las funciones de densidad condicionadas
d) Calcular el coeficiente de correlacin

Solucin:

a) f(x, y)
2 F(x, y)

F(x, y)

(1 e ).(1 e )

x y

y (1 e )
x

(1 e )
x y y x y x y x

(1 e y ) 1
(1 e y ).e x e x . e x .e y e( x y ) x y x0 , y0
y y e

e ( x y) x0 y0
Funcin de densidad f(x, y)
0 en el resto

b) Funciones de densidad marginales

f1(x) f(x, y) dy e ( x y ) dy e x .e y dy e x e y dy e x e y e x .( 1) e x
0
0 0 0

f2 (y) f(x, y) dx e ( x y ) dx e y .e x dx e y e x dx e y e x e y .( 1) e y
0
0 0 0

Advirtase que X e Y son independientes al verificarse f(x, y) f1(x). f2 (y)

f(x, y) e ( x y) f1(x). f2 (y) e x .e y

X e Y independientes La covarianza 11 = xy = 0 =0

c) Funciones de densidad condicionadas

f(x, y) e ( x y )
f(x / y) e x f1(x) al ser X e Y independientes
f2 (y) e y

f(x, y) e ( x y )
f(y / x) x
e y f2 (y) al ser X e Y independientes
f1(x) e

27
 11
d) El coeficiente de correlacin xy
x . y

10 x E(X) x . f1(x) dx x .e dx x.e
x x
e x dx x .e x e x 1
0 0
0 0

01 y E(Y) y. f2 (y) dy y .e dy y .e
y y
e y dy y .e y e y 1
0 0
0 0

Nota: x.e dx x.e x
x
e x dx x.e x e x
0 0
0 0

u x du dx

donde se ha realizado el cambio
dv e x
dx v e x dx e x
0
0

11 E(X. Y)

0 0
x . y . f(x, y) dx dy
0 0
x . y .e ( x y)
dx dy
0
x
x.e dx .
0
y.e y dy 1

20 E(X2 ) x 2 . f1(x) dx x 2 .e x dx x 2 .e x 2. x .e x dx
0
0 0

x 2 .e x 2 x.e x e x x 2 .e x 2. x .e x 2.e x 2
0 0 0

Anlogamente, 02 E(Y 2 ) 2

2x 20 10
2
2 1 1 x 11

2y 02 01
2
2 1 1 y 11

covarianza: 11 xy 11 10 . 01 1 1.1 0

11 0
coeficiente de correlacin xy 0 Las variables son incorreladas
x . y 1.1

28
Ejercicio 8.- La venta en un mercado de abastos lleva asociada la funcin:

x y
k 1 0 x 1 1 y 1
f(x, y) 2

0 en el resto

a) Hallar k para que sea funcin de densidad

b) Hallar la funcin de distribucin
c) Funciones de densidad marginales y condicionadas
d) Se considera la transformacin Z X Y y T X 2 Y , hallar la funcin de densidad
de la variable (Z,T)

Solucin:

a) f(x, y) 0 k 0

Para que f(x, y) sea funcin de densidad debe verificarse que


f(x, y) dx dy 1

x y y 2 1

1 1 1 1 1
x y
k x y 1 dx
1
k 1 dx dy k 1 dy dx
1 2 1 2 4 1
0 0 0

1
1
2k dx 2k x 0 2k 1
1
k
0 2

x y 2
0 x 1 1 y 1
La funcin de densidad f(x, y) 4
0 en el resto

x y
b) Funcin de distribucin F(x, y) P(X x, Y y) f(u, v) dv du

u v 2 u v 2
u v 2 dv du
x y x y x y
1
F(x, y) 4 dv du 4 dv du 4
0 1 0 1 0 1

v2 y u y2 u

x x
1 1
u 2 v 1 du
y
2 y 2 du
4 2 1 4 2 2
0
0

1 y 2 u 2 1 u2 x 2 (y 2 1) x (y 1)
x x

2 y u 0 2 u 0
x x

4 2 2 0 2 2 0 16 2

x 2 (y 2 1) x (y 1)
En consecuencia, F(x, y) 0 x 1 1 y 1
16 2

29
 Las funciones de distribucin marginales, resultan:

uv 2

uv 2
x y x 1 x 1

F1(x) P(X x) f(u, v) dv du dv du dv du

4 4
0 1 0 1

v 2 1 2 1

x x
u v 1 du du u0 x
x
0 x 1
8 1 4
0
o

uv 2

uv 2
x y 1 y 1 y

F2 (y) P(Y y) f(u, v) dv du dv du dv du

4 0 4
0 1 1

v2 y 2 y y 2 1 y 2 1 u2
1

1 1
2 2
u v 1 du y 1 u0
1
u y 1 du
8 1 4 8 4 8 2 0 4
0
0

y2 1 y 1 y2 8 y 7
1 y 1
16 2 16

Tambin se podran haber hallado a travs de las funciones de densidad marginales:

1
x y2

1
x y 1 1 1
f1(x) f(x, y) dy 4 2 dy 4 2 2 y 1 1
1 1

1
y x2

1 1 y4
1
x y 1
f2 (y) f(x, y) dx
4 2 dx x 0
0 4 2 0 2 8

x x

du u0 x
x
F1(x) P(X x) f1(u) du 0 x 1
0

y
1 v2

v 4 y2 8 y 7
y y

F2 (y) P(Y y) f2 (v) dv dv 4 v 1 y 1

1 8 8 2 1 16

La funcin de distribucin conjunta:

0 x 0 y 1
2 2
x (y 1) x (y 1) 0 x 1 1 y 1
16 2

F(x, y) x 0 x 1 , y 1
2
y 8y 7 1 y 1 , x 1
16
1 x 1 , y 1

c) Las funciones de densidad marginales se pueden hallar a partir de la funcin de

distribucin conjunta:

30
 F1(x) F2 (y) y 2 8 y 7 y 4
f1(x) (x) 1 f2 (y)
x x y y 16 8

o bien, a partir de la funcin de densidad:

1
x y2

1
x y 1 1 1
f1(x) f(x, y) dy 4 2 dy 4 2 2 y 1 1
1 1

1
y x2

1 1 y4
1
x y 1
f2 (y) f(x, y) dx
4 2 dx x 0
0 4 2 0 2 8

Funciones de densidad condicionadas:

f(x, y) (x y 2) 4 x y 2
f(y / x) f2 (y)
f1(x) 1 4

f(x, y) (x y 2) 4 2 x y 4
f(x / y) f1(x)
f2 (y) (y 4) 8 y4

Las variables X e Y no son independientes al ser f(x, y) f1(x). f2 (y)

z z
Z X Y (z, t) x y 1 1
d) En la transformacin J 30
T X 2 Y (x, y) t t 1 2
x y

por lo que existe la funcin de densidad g(z, t)

x x
(x, y) z t
Despejando (X,Y) en la funcin de (Z,T) se calcula el jacobiano J1
(z, t) y y
z t
2Z T
Z X Y 2Z 2X 2Y X 3 (x, y) 2 3 13 1
J1
T X 2 Y T X 2Y Y Z T (z, t) 1 3 1 3 3
3

La funcin de densidad g(z, t) f h1(z, t), h2 (z, t) . J1

2z t z t 0 x 1 0 2z t 3
h1(z, t) , h2 (z, t) ,
3 3 1 y 1 3 z t 3

31
 2z t z t
3 3 1 (2z t)( z t)
g(z, t) .
4 3 108

x y 2 0 x 1 (2 z t)( z t) 0 2z t 3

f(x, y) 4 1 y 1 g(z, t) 108 3 z t 3
0 0
en el resto en el resto

Ejercicio 9.- Sea (X,Y) una variable aleatoria bidimensional con funcin de probabilidad

c x y j xi 2, 1, 0,1,2 , y j 2, 1, 0,1,2
pij i
0 en otro caso

a) Calcular el valor de la constante c

b) P X 0, Y 2

c) P X 1

d) P X Y 1

Solucin:

a) Para determinar el valor de la constante c se elabora la tabla, siendo pij c xi y j

Y pi
-2 -1 0 1 2
X
-2 4c 3c 2c c 0 10c
-1 3c 2c c 0 c 7c
0 2c c 0 c 2c 6c
1 c 0 c 2c 3c 7c
2 0 c 2c 3c 4c 10c
p j 10c 7c 6c 7c 10c 40c

1 xi 2, 1, 0,1,2
5 5
x yj
p
1
ij 40c 1 c
40
pij 40 i y j 2, 1, 0,1,2
i 1 j 1
0 en otro caso

1 1
b) P X 0, Y 2 02
40 20

7
c) P X 1 7c
40

32
 zona sombreada
28 7
d) P X Y 1 28c
40 10

P X Y 1 P X 2, Y 2 P X 2, Y 1

P X 1, Y 2 P X 1, Y 1 P X 1, Y 0

P X 0, Y 1 P X 0, Y 0 P X 0, Y 1

P X 1, Y 0 P X 1, Y 1 P X 1, Y 2

P X 2, Y 1 P X 2, Y 2 28c 28 40 7 10

Ejercicio 10.- Sean (X,Y) dos variables aleatorias independientes, cada una con la
funcin de densidad:

e x x0 e y y0
fX (x) fY (y)
0 otro caso 0 otro caso

Calcular la funcin de densidad de la variable aleatoria X Y

Solucin:

Por ser variables aleatorias independientes, la funcin de densidad conjunta de la

variable aleatoria bidimensional X Y es:

e x y x 0,y 0
fX,Y (x, y)
0 otro caso

U X Y u 0
La transformacin a aplicar es siendo x 0 e y 0 uv
V X v 0

x x
(x, y) u v
Despejando (X,Y) en la funcin de (U,V) se calcula el jacobiano J1
(u, v) y y
u v
U X Y XV (x, y) 0 1
J1 1
V X Y U V (u, v) 1 1

Funcin de densidad de la transformacin h1(u, v) v ; h2 (u, v) u v :

fU,V (u, v) fX,Y h1(u, v), h2 (u, v) . J1 fX,Y v , u v . J1 fX,Y v , u v . 1 fX,Y v , u v

33
 e v (u v ) eu u 0,v 0 , u v
fU,V (u, v) fX,Y (v , u v)
0 otro caso

Como se quiere obtener la funcin de densidad de la variable aleatoria U X Y , se

calcula la funcin de densidad marginal de U:

u.e u u0

u u
v 0 u.e
u u u u
fU (u) fU,V dv e dv e fU (u)
0 0
0 otro caso

Ejercicio 11.- Sea (X,Y) una variable aleatoria bidimensional absolutamente continua
con densidad uniforme en el cuadrante unitario 0,1 x 0,1 . Calcular la funcin de
densidad conjunta U X Y y V X Y

Solucin:

U V x x 1 1
X
U X Y 2 (x, y) u v 2 1
El jacobiano J1 2
V X Y Y U V (u, v) y y 1

1 2
2 u v 2 2

Funcin de densidad de la transformacin h1(u, v) (u v) / 2 ; h2 (u, v) (u v) / 2 :

u v u v u v u v 1
fU,V (u, v) fX,Y h1(u, v), h2 (u, v) . J1 fX,Y , . J1 fX,Y , .
2 2 2 2 2
u v u v 1 1 1
fX,Y , . 1.
2 2 2 2 2

uv
X 2 0,1 0 u v 2
Dominio para las variables X e Y:
Y u v 0,1 0 u v 2
2

1
0 u 2 ; 1 v 1
fU,V (u, v) 2
0 en otro caso

34
Ejercicio 12.- Dada la variable aleatoria bidimensional (X,Y) absolutamente continua
con funcin de densidad conjunta

cx 2 y x 2 y 1
f(x, y)
0 en otro caso

Calcular:

a) El valor de la constante c

b) P X Y

c) Funcin de distribucin conjunta

Solucin:

a) Para el clculo de la constante c se procede:

cx 2 y 2 y 1
cx 2 cx 6

1 1 1 1
1 f(x, y) dy dx cx y dy dx
2
dx dx
1 1 2 2 1 2 2
x2
yx

x 1
cx 3 cx 7 c c c c 4c 21
c
6 14 x 1 6 14 6 14 21 4

21 2
x y x y 1
2
con lo cual, f(x, y) 4
0 en otro caso

21x 2 y 2 yx
21x 4 21x 6

1 x 1 1
21 2
b) P X Y x y dy dx dx dx
0 4 0 8 0 8 8
x2
y x2

x 1
21x 5 21x 7 21 21 42 21

40 56 x 0 40 56 280 140

x y

c) F(x, y) f(u, v) dv du

1 x 1, 0 y 1

vy

u x vy
21 u2 v 2 21 u2 y 2 21 u6

x x
21 2
F(x, y) u v dv du du du

u 1 v u2 4 1 8 v u2 1 8 8

35
 u x u x
21 u3 y 2 21 u7 7 u3 y 2 3 u 7 7 x3 y 2 3 x7 7 y2 3

24 56 u 1 8 8 u 1 8 8 8 8

7 3 2 3 7 7 2 3
x y x y
8 8 8 8

1 x 1, y 1

u x
v 1


21 2 7 3 7 3 7 3 1
F(x, y) u v dv du x 3 y 2 x 7 y 2 x 3 x 7
u 1 4 8 8 8 8 y 1 8 8 2
v u2

x 1, 0 y 1

u 1
vy


21 2 7 3 7 3 7 3
F(x, y) u v dv du x 3 y 2 x 7 y 2 y 2
u 1 4 8 8 8 8 x 1 4 4
v u2

x 1, y 1

u 1
v 1


21 2 7 3 7 3
F(x, y) u v dv du x 3 y 2 x 7 y 2 1
u 1 4 8 8 8 8
v u2 x 1, y 1

En consecuencia,

0 x 1
0 y0

7 3 2 3 7 7 2 3
x y x y 1 x 1, 0 y 1
8 8 8 8
F(x, y) 7 3 3 7 1
8 x 8 x 2 1 x 1, y 1

7 y2 3 x 1, 0 y 1
4 4

1 x 1, y 1

36
Ejercicio 13.- Dada la variable aleatoria bidimensional (X,Y) con funcin de distribucin

0 x0
0 x 0,y 0

xy 0 x 1 , 0 y 1
F(x, y)
x 0 x 1 , y 1
y x 1 , 0 y 1

1 x 1 , y 1

Calcular la funcin de densidad conjunta de la v.a. bidimensional (X,Y)

Solucin:

a)
0 x0 0 x0
0 x 0,y 0 0 x 0,y 0

F(x, y) y 0 x 1 , 0 y 1 F(x, y) 1
2
0 x 1 , 0 y 1
f(x, y)
x 1 0 x 1 , y 1 x y 0 0 x 1 , y 1
0 x 1 , 0 y 1 0 x 1 , 0 y 1

0 x 1 , y 1 0 x 1 , y 1

1 0 x 1 , 0 y 1
Por consiguiente, f(x, y)
0 en otro caso

Portal Fuenterrebollo

37