Академический Документы
Профессиональный Документы
Культура Документы
OBJETIVO: Extender los conocimientos adquiridos para el caso de una variable aleatoria
unidimensional al caso de las variables aleatorias bidimensionales.
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:
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 )
i) P( X = x, Y = y ) 0 ( x, y )
ii) P( X = x, Y = y) = 1
y x
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.
Solucin
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
= 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
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
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.
2
Nota: FX ,Y ( x, y ) = f X ,Y ( x, y )
xy
Solucin
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
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.
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
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.
1 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
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
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
( )
1
= x x 2 dx
0
1
x2 x3 1 1 1
= = =
2 3 0 2 3 6
[ ]
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:
Observacin:
( )
f X y x y =1
x
fX y 0 y
( )
f X y x y dx =1
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
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
3x + y
f Y x ( y x) = 0 x 1 0 y2
6x + 2
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 )
i) Caso discreto P( X = x Y = y ) = P( 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 ?
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)
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
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 .
(
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
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.
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:
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.
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
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
Solucin
0
2 0
1 3 1
f X 2 ( x2 ) = 6 x1 x2 dx1 = 6 x2
x
= 2 x2
2 1
0
3 0
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
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