1

DISTRIBUCIONES DE PROBABILIDAD CONJUNTA.

A partir de un mismo experimento aleatorio se puede generar ms de una variable aleatoria. Por ejemplo, si deseamos estudiar la relacin entre los dimetros y la resistencia al peso de unos alambres de acero, podemos asignar DOS variables aleatorias a las medidas del dimetro y la resistencia, cuyos valores se determinan por los resultados del experimento de medir las propiedades de un alambre de acero que se selecciona en forma aleatoria de la poblacin, digamos, del total de un da de produccin. Est por dems decir que se pueden asociar tres o ms variables aleatorias con los resultados de un experimento. Ahora introduciremos el concepto de Funcin de Distribucin de Probabilidad conjunta de dos variables aleatorias, aunque extenderemos nuestros comentarios a la esperanza y varianza de una funcin probabilstica de ms de dos variables. Recordemos nuestro ejemplo al iniciar la presentacin del concepto de variable aleatoria, pero con una modificacin:
s Pr(s) X n caras Y n jugadas X 0 1 2 3 4 f(x) 1/ 16 4/ 16 6/ 16 4/ 16 1/ 16

CCCC CCCS CCSC CSCC SCCC CCSS CSSC SSCC CSCS SCSC SCCS CSSS SCSS SSCS SSSC SSSS

1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16 1/ 16

4 3 3 3 3 2 2 2 2 2 2 1 1 1 1 0

1 2 3 3 2 2 3 2 4 4 3 2 3 3 2 1

Y 1 2 3 4

f(y) 2/ 16 6/ 16 6/ 16 2/ 16

Para encontrar la distribucin probabilstica conjunta de X e Y, nos preguntamos: cul es la probabilidad de que X e Y conjuntamente asuman, por ejemplo, los valores (0,1)? Se pueden hacer preguntas similares para todos los otros posibles pares ordenados de valores de (xi, yj). As podemos analizar nuestra tabla y observar que el par ordenado (0,1) ocurre una vez, en los 16 puntos muestrales y podemos concluir que: Pr(X=0, Y=1) = 1/16. Es factible construir una tabla que representa la distribucin de probabilidad conjunta de X e Y, que nos queda de la siguiente manera:

2
X n de caras 1 2 3 0 0 0 2/ 16 2/ 16 2/ 16 2/ 16 2/ 16 2/ 16 0 2/ 16 0 4/ 16 6/ 16 4/ 16 funcin de distribucin total fila marginal Y 2/ 16 6/ 16 6/ 16 2/ 16 16/ 16

1 y 2 n jugadas 3 4 funcin de total columna distribucin marginal X

0 1/ 16 0 0 0 1/ 16

4 1/ 16 0 0 0 1/ 16

Las distribuciones probabilsticas individuales de X e Y se llaman distribuciones de probabilidad marginales. Para generalizar el concepto de funcin de distribucin de probabilidad conjunta podemos definir lo siguiente: DEF: Sea una v.a.X. con valores posibles xi, i= 1, , n y sea una v.a.Y. con valores posibles yj, j= 1, ,m, entonces la probabilidad de que X asuma el valor xi y de que Y asuma el valor yj para cada par ordenado (xi,yj) es el valor de la funcin probabilstica conjunta de X e Y en (xi, yj), es decir:

f(x,y) = Pr(xi, yj) = Pr(X=xi e Y=yj)

Es importante destacar que la relacin que se puede dar entre las variables aleatorias X e Y puede ser de dependencia o independencia. La dependencia supone la existencia de una relacin real entre las dos variables y, por lo tanto, es posible predecir el valor de una cuando se conoce el valor particular de la otra. La independencia supone una carencia de relacin entre las dos variables. Se dice que dos variables aleatorias X e Y son estadsticamente independientes si cada par ordenado del tipo (xi, yj) satisface la regla del producto para eventos independientes (recuerde: Pr(A inter B) = Pr(A)Pr(B) ). As, si X e Y son v.a independientes entonces:

Pr(X=xi, Y=yj) = Pr(X=xi)Pr(Y=yj) = f(xi)f(yj)

Esto nos dice que para cada par ordenado (xi, yj) la probabilidad conjunta es igual al producto de las respectivas probabilidades marginales de cada v.a.

3 En nuestro ejemplo queda claro que las v.a. X e Y no son independientes, por ejemplo analicemos el par ordenado (x=1, y=1) segn nuestra tabla: Pr(X=1, Y=1) = 0, pero si tomamos las distribuciones marginales tenemos lo siguiente: Pr(X=1) = 4/16 Por la cual: y por otra parte Pr(Y=1) = 2/16 y Pr(X=1) Pr(Y=1) = (4/16) (2/16) = 1/32

Pr(X=1, Y=1) = 0

Hasta ahora nos hemos referido al caso en que las v.a.X. e Y. son discretas formalizando los conceptos visto podemos destacar lo siguiente: Definicin: Si X e Y son v.a. discretas la funcin f(x,y) = Pr(X=x,Y=y) se llama funcin de probabilidad conjunta de X e Y y debe satisfacer las siguientes condiciones: a) b) 0 <= f(x,y) <= 1 f(x,y) = f(x,y) = 1 x y y x

Definicin: Sean las v.a.X. e Y. discretas, la funcin dada por:

F(x,y) = Pr(X x, Y y) = f(p,q) = f(p,q) px qy qy px donde f(p,q) es el valor de la distribucin de probabilidades conjuntas de X e Y en (p,q) se llama funcin de distribucin acumulada conjunta, de X e Y.

4 Veamos que pasa con los conceptos vistos si las v.a.X. e Y. son continuas: Definicin: Si X e Y son v.a. continuas definidas en un plano S, la funcin f(x,y) se llama funcin de densidad conjunta de X e Y si y solo si: f(x,y) =

x y

f(x,y)dxdy = f(x,y)dydx
x y

Donde f(x,y) debe satisfacer las siguientes condiciones:

a)

0 f(x,y) 1 para todo (x,y) perteneciente a S.

b)

x y Definicin:

f(x,y)dxdy = f(x,y)dydx = 1
x y

Sean las v.a.X. e Y. continuas, la funcin dada por: x F(x,y) = Pr(X x, Y y) = y

- -

f(p,q)dpdq

donde f(p,q) es el valor de la distribucin de probabilidades conjuntas de X e Y en (p,q) se llama funcin de distribucin acumulada conjunta, de X e Y.

5 Ejemplos propuestos.

1.

Determine el valor de k para que la funcin dada por: f(x,y) = kxy para x=1,2,3 e y=1,2,3

pueda servir como funcin de probabilidad conjunta. R. k= 1/36

2.

Dada la siguiente funcin: mx(y + x) 0 0 < x < 1; 0 < y < 2 para todo otro x

f(x,y) =

a)

Determine el valor de m, para que la funcin definida sea una funcin de densidad de probabilidad. R. m = 3/5 Determine la Pr(0 < x < 1/2; 1 < y < 2) R. 1/5

b)

DISTRIBUCIONES MARGINALES DE PROBABILIDAD.

El objetivo de estas distribuciones es tratar de llegar a la funcin de distribucin, f(x), de una variable aleatoria, contenida en una funcin de distribucin conjunta, f(x,y). a) Caso de variables aleatorias discretas. Sean X e Y v.a. discretas y f(x,y) su funcin de distribucin conjunta, llamaremos distribucin marginal de X a la siguiente funcin: g(x) =

f(x,y)

Por otra parte a la funcin h(y), la llamaremos distribucin marginal de Y, tal que: h(y) =

f(x,y)

6 b) Caso de variables aleatorias continuas. Sean X e Y v.a. continuas y f(x,y) su funcin de distribucin conjunta, llamaremos distribucin marginal de X a la siguiente funcin: g(x) =

f(x,y)dy

Por otra parte a la funcin h(y), la llamaremos distribucin marginal de Y, tal que: h(y) =

x Ejemplo propuesto:

f(x,y)dx

Considere la siguiente funcin de distribucin conjunta, f(x,y):

f(x,y) =

2(x+2y)/3 0

0 < x < 1,

0 < y < 1

para todo otro x

Determine las funciones marginales g(x) y h(y)

R.

g(x) = 2(x+1)/3 h(y) = (1+4y)/3

DISTRIBUCIONES DE PROBABILIDAD CONDICIONALES.

Se desea conocer como se distribuye una de las variables cuando se imponen condiciones a la otra variable. Sea f(x, y) la distribucin de probabilidad de las v.a. X e Y, sean estas discretas o continuas, y h(y) la distribucin marginal de Y, entonces: f(x/ y) = f(x, y) / h(y) h(y)

se llama funcin de distribucin condicional de X dado Y. Por otra parte si g(x) es la distribucin marginal de X, entonces: f(y/ x) = f(x, y) / g(x) g(x)

se llama funcin de distribucin condicional de Y dado X.