4 DISTRIBUCIN DE VARIABLES ALEATORIAS BIDIMENSIONALES.

OBJETIVO: Extender los conocimientos adquiridos para el caso de una variable aleatoria
unidimensional al caso de las variables aleatorias bidimensionales.

4.1 DENSIDAD CONJUNTA Y MARGINAL.

En ciertas ocasiones es necesario estudiar el efecto conjunto de dos variables aleatorias, de ah la necesidad
de estudiar variables aleatorias bidimensionales representadas por Z = ( X , Y ) . Observa que:

a) Si X y Y son discretas, Z ser una v. a. bidimensional discreta.

b) Si X y Y son continuas, Z ser una v. a. bidimensional continua.

Definicin: La funcin de probabilidad conjunta de una v. a. bidimensional discreta est dada por:
f X ,Y ( x, y ) = P ( X = x, Y = y )

y cumple con las siguientes condiciones:

i) P( X = x, Y = y ) 0 ( x, y )

ii) P( X = x, Y = y) = 1
y x

Definicin: La funcin de densidad de probabilidad conjunta de una v. a. bidimensional continua es

una funcin que satisface las dos condiciones siguientes:

i) f X ,Y ( x, y ) 0 ( x, y ) R

ii) f

X ,Y ( x, y )dxdy = 1

Ahora el rango de valores posibles de la v.a bidimensional en el caso continuo sern regiones en el plano y
las probabilidades de inters sern volmenes bajo la curva en la regin de inters.

111
Profesora: Leticia Caedo Surez. ESCOM-IPN
Ejemplo 1: Dos lneas de produccin fabrican cierto tipo de artculos. Supn que la capacidad (en cualquier
da dado) es de 5 artculos para la lnea I y de 3 artculos para la lnea II y que el nmero verdadero de
artculos producidos por cada una de las lneas es una v. a.
Sea ( X , Y ) la representacin de la v.a bidimensional que proporciona el nmero de artculos producidos por
la lnea I y por la lnea II respectivamente.

Funcin de probabilidad conjunta P( X , Y )

Y X 0 1 2 3 4 5
0 0.00 0.01 0.03 0.05 0.07 0.09
1 0.01 0.02 0.04 0.05 0.06 0.08
2 0.01 0.03 0.05 0.05 0.05 0.06
3 0.01 0.02 0.04 0.06 0.06 0.05

a) Encuentra la probabilidad de que la lnea I produzca 2 artculos y la lnea II produzca 3 artculos.

b) Encuentra la probabilidad de que la lnea I produzca ms artculos que la lnea II.
c) Cunto vale la probabilidad de que la lnea I produzca exactamente 4 artculos?
d) Cul es el nmero esperado de artculos producidos por la lnea II?

Solucin

Sean las variables aleatorias unidimensionales:

X : Nmero de artculos producidos por la lnea I.

Y : Nmero de artculos producidos por la lnea II.

a) P( X = 2, Y = 3) = 0.04

b) P( X > Y ) = P( X = x, Y = y)
x >y

= P( X = 1, Y = 0) + P( X = 2, Y = 0) + P( X = 2, Y = 1) + P ( X = 3, Y = 0) + P( X = 3, Y = 1)

+ P( X = 3, Y = 2) + P( X = 4, Y = 0) + P ( X = 4, Y = 1) + P( X = 4, Y = 2) + P( X = 4, Y = 3)

+ P( X = 5, Y = 0) + P( X = 5, Y = 1) + P( X = 5, Y = 2) + P( X = 5, Y = 3)

= 0.01 + (0.03 + 0.04) + (0.05)3 + (0.07 + 0.06 + 0.05 + 0.06) + (0.09 + 0.08 + 0.06 + 0.05) = 0.75

3
c) P( X = 4) = P( X = 4, Y = y )
y =0

= P( X = 4, Y = 0) + P( X = 4, Y = 1) + P( X = 4, Y = 2) + P( X = 4, Y = 3)
= 0.07 + 0.06 + 0.05 + 0.06 = 0.24

112
Profesora: Leticia Caedo Surez. ESCOM-IPN
 d) Para la esperanza de Y primero se encuentra la f.d.p de la v.a Y y despus se usa la definicin de la
esperanza para el caso discreto unidimensional.

f.d.p de Y
Y=y P(Y = y )
0 0.25
1 0.26
2 0.25
3 0.24
3
Finalmente la esperanza de Y est dada por E (Y ) = yP(Y = y ) = 0.26 + 2(0.25) + 3(0.24) = 1.48
y =0

Ejemplo 2: Sea X el nmero de caras y Y el nmero de caras menos el nmero de cruces cuando se lanzan
3 monedas. Encuentra la distribucin de probabilidad conjunta de X y Y .

Solucin

Posible X Y
resultado. No. de caras No. Caras - No. De cruces
ccc 3 3
ccx 2 1
cxc 2 1
xcc 2 1
xxc 1 -1
xcx 1 -1
cxx 1 -1
xxx 0 -3

La variable aleatoria X tiene una distribucin binomial con parmetros 3 y 0.5, es decir.

1
X ~ bin x; n = 3, p =
2

P( X = 0) = 30 p 0 q 3 =
1
8

P( X = 1) = 13 p1q 2 =
3
8

P( X = 2 ) = 32 p 2 q 1 =
3
8

P( X = 3) = 33 p 3 q 0 =
1
8

113
Profesora: Leticia Caedo Surez. ESCOM-IPN
La funcin de distribucin de probabilidad conjunta o bidimensional, se expresa mediante el cuadro
siguiente.
f.d.p Conjunta de ( X , Y )
Y
X
-3 -1 1 3
0 1/8 0 0 0
1 0 3/8 0 0
2 0 0 3/8 0
3 0 0 0 1/8

Ejemplo 3: Supn que un fabricante de bombillas est interesado en el nmero de stas que le han sido
pedidas durante los meses de Enero y Febrero. X y Y indican el nmero de bombillas ordenadas durante
esos dos meses, respectivamente. Supn que ( X , Y ) es una v. a. bidimensional con la siguiente f.d.p conjunta
f X ,Y ( x, y ) = C , 5000 x 10,000 y 4000 y 9000
a) Encuentra el valor de la constante C.
b) Calcula P( X Y ) .

Solucin

En problemas de este tipo lo que se acostumbra hacer es graficar la regin en donde existe la f.d.p conjunta y
localizar la regin de inters para poder identificar los lmites de integracin en la integral doble que define a
la probabilidad pedida.
En la siguiente figura el cuadradito representa la regin donde est definida la f.d.p conjunta y la parte rayada
que se intersecta con el cuadrado representa la regin donde se cumple la condicin X Y .

y en miles
y=x
12
11
10
9
8
7
6
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12

x en miles

114
Profesora: Leticia Caedo Surez. ESCOM-IPN
a) Sabemos que
9 mil 10 mil

f

X ,Y ( x, y )dxdy = 1
4 mil 5 mil
Cdxdy = 1

10 mil 9 mil
y = C [(5mil )(5mil )] = 1
1
C x C =
5 mil 4 mil 25,000,000

b) Se tiene que integrar en la parte inferior de la recta y = x , para ello se divide la regin de inters en dos
partes R1 y R2 debido a que los lmites de integracin cambian en estas dos regiones. Tomando el elemento
diferencial vertical se tiene que en la primera regin y corre de 4,000 a la recta a 45 grados y = x mientras
que x corre libremente de 5,000 a 9,000. Dado que y queda en trminos de x primero se integra respecto a
y y luego respecto a x . En la regin 2 la variable x corre de 9,000 a 10,000 y la variable y toma valores de
4,000 a 9,000, como se indica en la figura.

12
11
10
9
8
7
6
5
4
3 R1 R2
2
1
0
x
1 2 3 4 5 6 7 8 9 10 11 12

9,000 x 9, 000 10 , 000

P( X Y ) = C dydx + dxdy
x =5,000 y =4,000 y = 4, 000 x = 9, 000

9,000
= C y dx + x y
x 10 , 000 9, 000

4 , 000 4 , 000
x =5,000
9, 000

9,000
= C ( x 4,000 )dx +5,000,000
x =5,000
2 9 , 000

x
= C 4,000 x + 5,000,000
2
5, 000
1 81,000,000 25,000,000
= 16,000,000 + 5,000,000
25,000,000 2
17
= = 0.68
25

115
Profesora: Leticia Caedo Surez. ESCOM-IPN
 Ejemplo 4: Si la v. a. bidimensional continua ( X , Y ) tiene una f.d.p conjunta dada por
xy
f X ,Y ( x, y ) = x 2 + 0 x 1, 0 y 2
3

a) Verifica que el volumen bajo la curva en la regin definida es uno.

b) Encuentre P( X + Y 1) .

Solucin
y

0 x
1

y =1 x

1 2
2 1
y
2
x 3 yx 2 2
1 1 1 1 2 2 1
a) f X ,Y ( x, y )dxdy = ( x + x)dxdy = +
2
dy = + y dy = y + y = + = 1
0
0 0
3 0
3 6 0 3 6 3 12 0 3 3

b) Si x + y = 1 y = 1 x

La probabilidad pedida es la integral en la regin sombreada.

2
2
x =1
y
x =1
x y2
P( X + Y 1) = x 2 + x dy dx = x 2 y + dx
x =0
y =1 x 3
x = 0 3 2 y =1 x

x =1
4 x
= 2 x (1 x) x 2 + x (1 x) 2 dx
2

x =0
6 6
x =1
=

2 x
2
x2 + x3 +
2 x
[
x 1 2 x + x 2 dx]
x =0
3 6
x =1
2 2 x 1 2 x3
= x=0
+ + + x dx
2 3
2 x x x x
3 6 3 6

x =1 1
5 4 1 5 x 4 4 x3 1 x2
= x 3 + x 2 + x dx = + +
x =0
6 3 2 6 4 3 3 2 2 0
1
5 4 1 45 + 96 + 54 195 65
= x 4 + x3 + x 2 = = =
24 9 4 0 216 216 72

116
Profesora: Leticia Caedo Surez. ESCOM-IPN
4.2 DISTRIBUCIN CONJUNTA Y MARGINAL.

Definicin: La funcin de distribucin acumulada para la v. a bidimensional ( X , Y ) o bien la funcin de

distribucin acumulada conjunta esta dada por:
i) Caso discreto FX ,Y ( x, y ) = P ( X x, Y y )
y x

ii) Caso continuo FX ,Y ( x, y ) = P( X x, Y y ) = f

x, y ( x, y )dxdy

2
Nota: FX ,Y ( x, y ) = f X ,Y ( x, y )
xy

Ejemplo 1: Y1 y Y2 tienen la funcin de densidad conjunta dada por

f ( y1 , y 2 ) = ky1 y 2 si 0 y1 1 , 0 y2 1
Y1 ,Y2

a) Determina el valor de k que la convierte en una funcin de densidad de probabilidad.

b) Encuentre la funcin FY1 ,Y2 ( y1 , y 2 )
3 1
c) Calcula P Y1 , Y2
4 2

Solucin

La f.d.p conjunta est definida en el cuadrado unitario siguiente

y2

1
y1

1 1 2 1 2 1
y y2 k
a) k y1 y 2 dy1 dy 2 = k 1 = =1 k=4
0 0
2 0
2 0
4

y 2 y1 2 2
y1 y 2
b) FY1 ,Y2 ( y1 , y 2 ) = 4 y1 y 2 dy1 dy 2 = 4 = y12 y 22 dentro del cuadrado 0 y1 1 , 0 y2 1
0 0
2 2

117
Profesora: Leticia Caedo Surez. ESCOM-IPN
c)
y2

1/2

y1
3/4

1 4 1
3
P Y1 , Y2 = 4 y1 dy1 y 2 dy 2
4 2 0 1
2
4
2 3 2 1
y y2
=4 1
2 0
2 1
2

4 2 4 21
3

= y1 y 2 1
4 0
2
3 2 1 2
= 1
4 2

9 3 27
= = = 0.422
16 4 64

Si estamos interesados en la distribucin de probabilidades de uno de los componentes de la v. a.

bidimensional ( X , Y ) se dice que nos interesa la distribucin marginal de X o bien la distribucin marginal
de la v. a. Y .

En el ejemplo de las lneas de produccin (caso discreto) tenamos la distribucin conjunta en una tabla, si
ahora queremos la distribucin marginal de X y de Y procedemos a sumar por renglones y por columnas
reportando las dos tablas individuales como se muestra a continuacin.

Funcin de probabilidad conjunta P( X = x, Y = y )

Y X 0 1 2 3 4 5 Suma
0 0 0.01 0.03 0.05 0.07 0.09 0.25
1 0.01 0.02 0.04 0.05 0.06 0.08 0.26
2 0.01 0.03 0.05 0.05 0.05 0.06 0.25
3 0.01 0.02 0.04 0.06 0.06 0.05 0.24
Suma 0.03 0.08 0.16 0.21 0.24 0.28 1.00

118
Profesora: Leticia Caedo Surez. ESCOM-IPN
 Distribucin Marginal de X
X =x P( X = x)
0 0.03
1 0.08
2 0.16
3 0.21
4 0.24
5 0.28

Distribucin Marginal de Y
Y=y P (Y = y )
0 0.25
1 0.26
2 0.25
3 0.24

Definicin: La funcin de probabilidad marginal de una variable aleatoria ( X o Y ) que forma parte de una
v.a conjunta o bidimensional ( X , Y ) est dada por:

Caso Discreto
i) Distribucin marginal de la v.a X : f X ( x) = P( X = x) = P( X = x, Y = y ) = f X ,Y ( x, y ) x
y y

ii) Distribucin marginal de la v.a Y : f Y ( y ) = P(Y = y ) = P( X = x, Y = y ) = f X ,Y ( x, y ) y

x x

Caso Continuo

i) Distribucin marginal de la v.a X : f X ( x) = f

X ,Y ( x, y )dy

ii) Distribucin marginal de la v.a Y : f Y ( y ) = f

X ,Y ( x, y )dx

Ejemplo 2: El empuje X y la razn de la mezcla Y son dos caractersticas del funcionamiento de un motor
a reaccin. Si ( X , Y ) es una v. a. bidimensional con f. d. p f X ,Y ( x, y ) = 2( x + y 2 xy ) en 0 x 1 , 0 y 1 .
Encuentra las distribuciones marginales para X y Y.

Solucin
1
f X ( x) =
y =0
f X ,Y ( x, y )dy con 0 x 1

1
1
y 2 2 xy 2
= 2( x + y 2 xy )dy = 2 xy +
0 2 2 0
1
= 2 x + x = 1
2

119
Profesora: Leticia Caedo Surez. ESCOM-IPN
Entonces la f.d.p marginal para X es una distribucin uniforme X U (0,1) dada por f X ( x) = 1 .Cuya grfica
es la siguiente.

Grfica de la v.a X U (0,1)

f X (x )

1 x

Para encontrar la marginal de Y se integra la conjunta respecto a X .

1
f Y ( y ) = 2 ( x + y 2 xy )dx con 0 y 1
0
1
x2 2x 2 y 1
= 2 + xy = 2 + y y = 1
2 2 0 2
Por lo tanto Y tambin tiene una f.d.p uniforme de 0 a 1, lo cual se escribe as Y U (0,1) f Y ( y ) = 1 y su
representacin grfica es
fY ( y )

1
y

Ejemplo 3: Se dice que la v. a. bidimensional ( X , Y ) se distribuye uniformemente en la regin R si tiene

f.d.p. Encuentra el valor de la constante C.

C ( x, y ) R

f X ,Y ( x, y ) =
0 o.c.

Solucin

1= f

X ,Y ( x, y )dxdy = C dxdy = C dxdy
R

C [Area de R ] = 1 C =
1
Area de R

Siempre y cuando R sea una regin de rea finita.

120
Profesora: Leticia Caedo Surez. ESCOM-IPN
Ejemplo 4: Supn que la v. a. bidimensional ( X , Y ) est distribuida uniformemente en la regin R
comprendida entre la recta y = x y la curva y = x 2 encuentra su f. d. p conjunta y las marginales de X y de
Y respectivamente.
1.2

0.8 y=x
0.6

0.4
y = x2
0.2

0
0 0.5 1

Primero se encuentra el rea de la regin en donde est definida la uniforme bidimensional.

1 y=x 1
y=x
Area de R = dydx = y
x =0 y = x 2 0
y= x2
dx

( )
1
= x x 2 dx
0
1
x2 x3 1 1 1
= = =
2 3 0 2 3 6

Entonces la f.d.p conjunta est dada por f X ,Y ( x, y ) = 6 ( x, y ) R

Clculo de las marginales:

6dy = 6[y ] = 6[x x ]

x
x
f X ( x) = x2
2
0 x 1
y=x 2

[ ]
y

6dx = 6 x =6 yy
y
f Y ( y) = 0 y 1
y
x= y

La representacin grfica de las f.d.p marginales para las variables X y Y respectivamente es:

f X (x) f Y ( y)

1.6
1.5
1.4
1.2 1.2

1
0.9
0.8
0.6 0.6

0.4
0.3
0.2

0 0
0 0.5 1 1.5
0 0.2 0.4 0.6 0.8 1 1.2

121
Profesora: Leticia Caedo Surez. ESCOM-IPN
Definicin: La funcin de distribucin condicional est dada por:

i) Caso discreto f X (x y ) = P ( X = x , Y = y ) con P(Y = y ) > 0

y
P(Y = y )

ii) Caso continuo f X y

(x y ) = f X ,Y ( x, y )
con f Y ( y) > 0
f Y ( y)

Observacin:

En esta definicin la variable aleatoria es X y est condicionada al valor particular y de la v.a Y .

Las dos funciones anteriores cumplen las condiciones de la f. d. p

( )
f X y x y =1
x

fX y 0 y
( )
f X y x y dx =1

Tarea: Demuestra el punto 2 de la observacin.

Definicin: La esperanza condicional de la v.a X se define como antes en trminos de su f.d.p es decir

xf X y x y
x
( ) Caso Discreto

E (X y ) =
xf X y x y dx ( ) Caso Continuo

yx
Ejemplo 5: Si ( X , Y ) tiene f.d.p conjunta f X ,Y ( x, y ) = x 2 + 0 x 1 , 0 y 2 , encuentra las
3
distribuciones condicionales f X y (x y ) y f Y x ( y x ) y verificar que son f.d.p.

Solucin

Primero se calculan las f.d.p marginales para las variables X y Y respectivamente.

y =2
2
xy x y2 2
f X ( x) = ( x + )dy = x 2 y +
2
= 2x 2 + x
0
3 3 2 y =0 3

1
1
xy x 3 y x2 1 1
f Y ( y ) = ( x + )dx = +
2
= + y
0
3 3 3 2 3 6
0

122
Profesora: Leticia Caedo Surez. ESCOM-IPN
Siguiendo la definicin de la funcin de distribucin de probabilidad condicional se tiene que:

xy 3 x 2 + xy
x2 +
6(3 x 2 + xy )
f X y (x y ) =
f X ,Y ( x, y ) 3 = 3
= =
f Y ( y) 1 1 2+ y 3(2 + y )
+ y
3 6 6
Y la condicional de la variable aleatoria Y dado el valor particular x de la variable aleatoria X , es:
xy 3 x 2 + xy
x2 +
f X ,Y ( x, y ) 3 = 3 3 x 2 + xy x(3 x + y )
f Y x ( y x) = = = =
f X ( x) 2 6 x 2
+ 2 x 6 x 2 + 2 x x ( 6 x + 2)
2x + x
2

3 3

Es decir; las f.d.p condicionales son:

6 x 2 + 2 xy
f X y (x y ) = 0 x 1 0 y2
2+ y

3x + y
f Y x ( y x) = 0 x 1 0 y2
6x + 2

4.3 Independencia de dos o ms variables aleatorias.

Definicin: Sea ( X , Y ) una v. a. bidimensional. Se dice que las variables aleatorias X y Y son
independientes si:

i) Caso discreto P( X = x, Y = y ) = P( X = x) P (Y = y )

ii) Caso continuo f X ,Y ( x, y ) = f X ( x) f Y ( y )

Teorema: Sea ( X , Y ) una v. a. bidimensional discreta. Entonces X y Y son independientes si y slo si se

tiene que:

i) Caso discreto P( X = x Y = y ) = P( X = x)

ii) Caso continuo f X y ( x, y ) = f X ( x)

Nota._ Equivalentemente las variables aleatorias X y Y son independientes si la f.d.p conjunta se puede
escribir como producto de las f.d.p marginales.

123
Profesora: Leticia Caedo Surez. ESCOM-IPN
Demostracin del teorema:

i) Supngase que X Y

Por definicin

P( X = x, Y = y ) P ( X = x) P (Y = y )
P(X = x Y = y ) = = = P( X = x)
P(Y = y ) P(Y = y )

ii) Tarea.

Ejemplo 1: Supn que una mquina se usa para un trabajo especifico en la maana y para otro diferente en la
tarde. X es el nmero de veces que la mquina falla en la maana y Y el nmero de veces que la mquina
falla en la tarde. En la tabla se muestra la distribucin de probabilidad conjunta. Son independientes las
variables aleatorias X y Y ?

Funcin de probabilidad conjunta P( X , Y )

Suma
Y X 0 1 2
P(Y = y )
0 0.10 0.20 0.20 0.5
1 0.04 0.08 0.08 0.2
2 0.06 0.12 0.12 0.3
Suma
0.20 0.40 0.40 1.00
P( X = x)

Para que sean independientes se debe cumplir que la conjunta sea el producto de las marginales, entonces.

P( X = 0, Y = 0) = P( X = 0) P (Y = 0)
0.1 = 0.5(0.2)
P( X = 0, Y = 1) = P( X = 0) P(Y = 1)
0.04 = 0.2(0.2)
P( X = 0, Y = 2) = P( X = 0) P(Y = 2)
0.06 = 0.2(0.3)

Continuando as por columnas se tiene que:

0.2 = 0.4(0.5) 0.2 = 0.4(0.5)

0.08 = 0.4(0.2) 0.08 = 0.4(0.2)
0.12 = 0.4(0.3) 0.12 = 0.4(0.3)

Por lo tanto X y Y s son independientes.

124
Profesora: Leticia Caedo Surez. ESCOM-IPN
Ejemplo 2: Sean X y Y la duracin de dos dispositivos electrnicos, con f. d. p conjunta dada por

f X ,Y ( x, y ) = e ( x + y ) y0 , x0

Son X y Y variables aleatorias independientes?

Solucin

Si la f.d.p conjunta se puede escribir como el producto de las marginales entonces s son independientes, es
decir si f X ,Y ( x, y ) = f X ( x) f Y ( y ) entonces X Y .

Las f.d.p marginales son:

(
f X ( x) = e x e y dy = e x e y )

0
= e x (1) = e x
0

(
f Y ( y ) = e x e y dx = e y e x )

0
= ey
0

f X ,Y ( x, y ) = e ( x + y ) = e x e y = e x e y entonces X y Y s son independientes.

Nota: Si la funcin de densidad conjunta se puede factorizar como el producto de una funcin de una de las
variables y otra funcin de la otra variable y el recorrido de una de las variables no depende del recorrido de
la otra variable entonces las variables aleatorias son independientes.

Ejemplo 3: Sea ( X , Y ) una v. a. bidimensional con f. d. p conjunta f X ,Y ( x, y ) = 8 xy en 0 x y 1 .

Son independientes X y Y ?

Solucin

No son independientes ya que a pesar de que la f.d.p conjunta se puede factorizar en una funcin que
depende slo de X y otra que depende slo de Y , el recorrido de X depende del recorrido de Y .

Recomendacin: Primero se analiza al recorrido de las variables, si estos son independientes, se procede a
encontrar las marginales para ver si se cumple que la f.d.p conjunta es igual al producto de las marginales.

125
Profesora: Leticia Caedo Surez. ESCOM-IPN
Definicin: La esperanza de la v.a bidimensional ( X , Y ) est dada por:

i) Caso discreto: E ( X , Y ) = xyP( X = x, Y = y )

y x

ii) Caso continuo: E ( X , Y ) = xy f

X ,Y (x, y )dxdy

Teorema.- Si g ( X , Y ) es una funcin de la v.a bidimensional ( X , Y ) , entonces la esperanza de la funcin

est dada, como en el caso unidimensional, por la expresin:

i) Caso discreto: E [g ( X , Y )] = g ( x, y )P( X = x, Y = y )

y x

ii) Caso continuo: E [g ( X , Y )] = g ( x, y ) f X ,Y (x, y )dxdy

Ejemplo 4: Sea ( X , Y ) una v.a bidimensional con f.d.p conjunta dada por f X ,Y ( x, y ) . Encuentra
E [g ( X , Y )] si g ( X , Y ) = X .

Solucin

E [g ( X , Y )] = g ( x, y ) f X ,Y (x, y )dxdy


= x f

X ,Y (x, y )dxdy

= xdx

f X ,Y (x, y )dy

= xdxf

X (x)

= xf

X ( x )dx = E ( X )

126
Profesora: Leticia Caedo Surez. ESCOM-IPN
Ejemplo 5: La distribucin conjunta para Y1 , el nmero de contratos asignados a la empresa A, y Y2 , el
nmero de contratos asignados a la empresa B, est dado por las entradas de la tabla siguiente.

f.d.p conjunta de (Y1 , Y2 )

Y1
Y2 Suma
0 1 2
0 1/9 2/9 1/9 4/9
1 2/9 2/9 0 4/9
2 1/9 0 0 1/9
Suma 4/9 4/9 1/9 1

1
a) Demuestra que la marginal para Y1 es bin y1 , n = 2, p = .
3
b) Encuentra E (Y1 Y2 )

Solucin

a) f.d.p de Y1
Y1 = y1 P(Y1 = y1 )
0 4/9
1 4/9
2 1/9

n
La binomial con parmetros n y p est dada por P(Y1 = y1 ) = p y1 q n y1
y1
De la tabla se tiene que P(Y1 = 0) = y de la frmula se tiene que:
4
9
4 n 0 n
= p q con n = 2
9 0

4 4 2 1
= q 2 entonces q = = y por lo tanto p =
9 9 3 3

1
Si Y1 ~ bin y1 ; n = 2, p = tendremos que
3

1 2 4
P(Y1 = 1) = 12 pq = 2 =
3 3 9
2
1
P(Y1 = 2 ) = 22 p 2 q 0 = p 2 = =
1
3 9

127
Profesora: Leticia Caedo Surez. ESCOM-IPN
 2 2
b) E (Y1 Y2 ) = (y 1 y 2 )P (Y1 = y1 , Y2 = y 2 )
y 2 = 0 y1 = 0

1 2 1 2 2
= (0 0) + (1 0) + (2 0) + (0 1) + (1 1)
9 9 9 9 9
1
+ (2 1)0 + (0 2) + (1 2)0 + (2 2)0
9
2 2 2 2
= + =0
9 9 9 9

Ejemplo 6: Y1 , Y2 corresponden a las proporciones de tiempo, en un da de trabajo, que los empleados I y II,
respectivamente, ocupan realmente en hacer sus tareas asignadas. La funcin de densidad conjunta para Y1
y Y2 est dada por

y + y2 0 y1 1 , 0 y 2 1
f Y1 ,Y2 ( y1 , y 2 ) = 1
0 o.c

El operador I tiene mayor productividad que el operador II, y una medida de la productividad total de los dos
empleados est dada por 30Y1 + 25Y2 . Calcula la productividad esperada.

Solucin

1 1
E (30Y1 + 25Y2 ) = (30 y 1 + 25 y 2 )( y1 + y 2 )dy1 dy 2
y 2 = 0 y1 = 0

1 1 1 1 1 1
= 30 y1 dy1dy 2 + 55 y1 y2 dy1dy 2 + 25 y2 dy1dy2
2 2

0 0 0 0 0 0

1 2 1 1 1
1 1

= 30 y1 dy1 dy2 + 55 y1dy1 y2 dy2 + 25 dy1 y2 dy2
2

0 0 0 0 0 0
1 1 1
y13 y12 y2 2 y2 3
= 30 ( y2 ) + 55
+ 25 y1 3
3 0 2
2 0 0

1 1 1 1
= 30 (1) + 55 + 25(1)
3 2 2 3
55 25
= 10 + + = 32.08
4 3

128
Profesora: Leticia Caedo Surez. ESCOM-IPN
Ejemplo 7: Supn que ( X , Y ) se distribuye de manera uniforme sobre el semicrculo del diagrama. De tal

modo que f X ,Y ( x, y ) = si ( x, y ) est en el semicrculo. Encuentra:

2

a) Las distribuciones marginales de X y Y .
b) Las distribuciones de probabilidad condicional.
c) Las esperanzas condicionales.

y
y = 1 x2

x = 1 y2

x
-1 1

Solucin
1 x 2 1 x 2

a) f X ( x ) =
2 2 2

y =0

dy =

y
0
=

1 x2 1 < x < 1

2 1 y 2 4 1 y 2 4
f Y ( y ) = 2 x=0dx = x 0 = 1 y
2
0 < y <1

2
b) f X y
(x y ) = f X ,Y ( x, y )
= =
1
para -1 x 1
f Y ( y) 4
1 y 2 2 1 y2

2
f Y x (y x ) =
f X ,Y ( x, y ) 1
= = para 0 y 1
f X ( x) 2
1 x2 1 x2

1 1
c) E ( X y ) = xf X (x y )dx = x 1
y
dx
1 1 2 1 y2
1
x2 1
= =0
2 1 y2 2 1
1 1
E (Y x ) = yf Y x ( y x )dy = y
1
dy
0 0 1 x2
1
y2 1 1
= =
1 x2 2 0 2 1 x2

129
Profesora: Leticia Caedo Surez. ESCOM-IPN
Ejemplo 8: Dadas las siguientes distribuciones conjuntas determina si X y Y son independientes.

a) g ( X , Y ) = 4 xye (x + y2 ) x 0, y 0
2

b) f ( X , Y ) = 3x 2 y 3 0 x y 1

c) f ( X , Y ) = 6(1 + x + y )
4
x 0, y 0

Solucin

a) Independientes.
b) No son independientes porque el recorrido de x depende del recorrido de y .
c) No son independientes.

Ejemplo 9: X y Y corresponden a la vida til, expresada en horas, de componentes de tipo I y tipo II,
respectivamente, en un sistema electrnico. La funcin de densidad conjunta para X y Y est dada por
f X ,Y ( x, y ) = xe ( x + y ) / 2 en x > 0, y > 0
1
8
Y
Un modo de medir la eficiencia relativa de los dos componentes es el clculo de la razn . Encuentra la
X
eficiencia relativa esperada.

Solucin

Y y 1 ( x + y ) / 2
E = xe dxdy
X 00x8

y x / 2 y / 2
= e e dxdy
0 0
8

1 x / 2
= e dx ye y / 2 dy
80 0

1
(
= 2e x / 2 2 ye y / 2 4e y / 2
8 0
)

0
=1

130
Profesora: Leticia Caedo Surez. ESCOM-IPN
Ejemplo 10: Supn que X 1 y X 2 son calificaciones codificadas en dos pruebas de inteligencia y la funcin
de densidad de probabilidad conjunta est dada por

f X1 , X 2 ( x1 , x 2 ) = 6 x1 x 2 0 x1 1, 0 x 2 1
2

a) Encuentra el valor esperado de la calificacin de la prueba nmero 2 dada la calificacin de la prueba

nmero 1.
b) Adems, obtn el valor esperado de la calificacin de la prueba nmero 1 dada la calificacin de la prueba
nmero 2.

Solucin

Primero se encuentran las marginales

1 2 1
x2
f X1 ( x1 ) = 6 x1 x 2 dx 2 = 6 x1 = 3 x1
2 2 2

0
2 0

1 3 1
f X 2 ( x2 ) = 6 x1 x2 dx1 = 6 x2
x
= 2 x2
2 1

0
3 0

Luego las f.d.p condicionales

2
f X 1 , X 2 ( x1 , x2 ) 6 x1 x2
f X 1 x2 = = = 3x1
2

f X 2 ( x2 ) 2 x2
2
f X1 , X 2 ( x1 , x 2 ) 6 x1 x 2
f X 2 x1 = = 2
= 2 x2
f X 1 ( x1 ) 3x1

Finalmente las esperanzas condicionales son:

1 1 4 1

E ( X 1 x 2 ) = x1 3 x1 dx1 = 3 x1 dx1 = 1
3x 3
=
2 3

0 0
4 0
4

1 1 3 1

E ( X 2 x1 ) = x 2 f X 2 x1 ( x 2 | x1 )dx 2 = 2 x 2 dx 2 = 2 2
x 2
=
2

0 0
3 0
3

131
Profesora: Leticia Caedo Surez. ESCOM-IPN