Distribuciones conjuntas y marginales en variables aleatorias

Apuntes de Estadística II. Ingeniería Industrial. UCAB.
Marzo 2013 1

CLASES DE ESTADÍSTICA II

CLASE 2) DOS VARIABLES ALEATORIAS. DISTRIBUCIONES CRUZADAS Y DISTRIBUCIONES
CONDICIONALES. VARIABLES ALEATORIAS INDEPENDIENTES.

DOS VARIABLES ALEATORIAS CRUZADAS

Cuando el par de variables aleatorias X e Y es tal que una de ellas es una variable discreta y la otra
es una variable continua lo llamaremos vector bidimensional cruzado o mixto o simplemente
vector mixto.

“A los fines de la discusión que se dará en lo que sigue consideraremos que la variable X es
una variable discreta y que la variable Y es una variable continua”

Definiremos la función de distribución acumulativa de probabilidades conjunta mediante la
siguiente notación

, ,

Observaciones:

‐ La función de distribución acumulativa de probabilidades conjunta es una función de en .
‐ La función de distribución acumulativa de probabilidades conjunta es una probabilidad.
‐ El evento al cual se le calcula la probabilidad es un par ordenado donde la variable X toma
valores menores o iguales a x0 y, simultáneamente, la variable Y toma valores menores o
iguales a y0. Esta simultaneidad se denota por la coma en el término central de esta definición.
‐ La función de distribución acumulativa de probabilidades conjunta se denota con la misma
letra “F en mayúscula” utilizada en una variable pero se debe destacar que el subíndice
permite al lector diferenciar claramente de qué función se está hablando en cada caso. De
todas formas vale la pena hacer un cambio en la manera de nombrar a esta función en una o
en dos variables: a la función de dos variables la denotaremos como conjunta mientras que a
las de una variable las denotaremos como marginales.

Como consecuencia de esta definición se desprenden las mismas propiedades que se destacaron
al analizar dos variables discretas ya que está función NO cambia, lo que cambia es la forma de
calcular la probabilidad del evento , .

La manera de calcular probabilidades con vectores mixtos es mediante una función que
llamaremos ley de probabilidades conjunta y cuya notación y definición viene dada por

, , ,

, , ´ ´ , ´ ´
Elaborado por: Rafael A. Díaz Chacón Revisado por: Adelmo Fernández
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 2013 2

Observaciones:

‐ La ley de probabilidades conjunta es una función de en .
‐ La ley de probabilidades conjunta se denota con la misma letra “f en minúscula” utilizada en
una variable pero se debe destacar que el subíndice permite al lector diferenciar claramente de
qué función se está hablando en cada caso. De todas formas vale la pena hacer un cambio en la
manera de nombrar a esta función en una o en dos variables: a la función de dos variables la
denotaremos como conjunta mientras que a las de una variable las denotaremos como
marginales.

Como consecuencia de esta definición se desprenden las siguientes propiedades importantes:

1 La ley de probabilidades conjunta solo toma valores positivos.

, 0

2 El volumen total bajo esta función ley de probabilidades tiene que ser igual a uno. Esto es,

, , 1

3 Para conocer las funciones de densidad o de masa marginales se suma o integra, según sea
el caso, la ley de probabilidades conjunta respecto a la otra variable. Esto es,

,
,

Nótese que la función resultante de integrar la ley de probabilidades conjunta es una
función definida en un dominio discreto (la cual hemos conocido como función de masa
marginal de X) mientras que la función resultante de sumar la ley de probabilidades
conjunta es una función definida en un dominio continuo (la cual hemos conocido como
función de densidad marginal de Y).

4 Finalmente, para calcular la probabilidad de un evento A se suma e integra, no importa el
orden, la ley de probabilidades conjunta para todos los posibles pares ordenados en el
evento A. Esto es,

, ,

Ejemplo 2.1) Se dispone de una moneda honesta. Se lanza la moneda una vez y se escoge al azar
un número real en el intervalo [0, 1]. Se definen las siguientes variables aleatorias:
X → Número de caras que resultan al lanzar la moneda
Y → Número real escogido
Calcule la ley de probabilidades conjunta, la función de distribución acumulativa conjunta y las
funciones marginales.

Nótese que la variable aleatoria X es discreta en el conjunto {0, 1} y que la variable aleatoria Y es
continua en el conjunto [0, 1]. El dominio de posibles pares de valores del vector mixto viene dado
por

, ⁄ 0, , 1, , 0 1

Entonces, la función de distribución acumulativa conjunta será,

0; 0
0; 0
; 0 1, 0 1
2
, , 1
; 0 1, 1
2
; 1, 0 1
1; 1, 1

De igual manera, la función de densidad conjunta será

1
; 0, 0 1
2
, 1
; 1, 0 1
2
0;

Para conocer las funciones marginales, se procede de esta manera

1
; 0 1
2 ; 0
2
, 1
1 ; 1
; 1 2
2 0;
0;

1 1
; 0 1 1; 0 1
, 2 2
0;
0;
Ю Ю


Ejemplo 2.2) Considere un vector mixto cuya ley de probabilidades conjunta viene dada por la
expresión siguiente. Verifique que esta función es una ley de probabilidades conjunta. Calcule las
funciones marginales.
; 0, 0 1
4
; 1, 0 1
2
; 2, 0 1
4
, 2
; 0, 1 2
4
2
; 1, 1 2
2
2
; 2, 1 2
2
0;

Nótese que la variable aleatoria X es discreta en el conjunto {0, 1, 2} y que la variable aleatoria Y es
continua en el conjunto [0, 2].

Para verificar que la expresión dada es una ley de probabilidad conjunta se debe cumplir que su
volumen total sea igual a uno, es decir,

, , ,

2 2 2

4 2 4 4 2 4

1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 1
4 2 4 4 2 4 4 2 4 2 4 2 4 2

Efectivamente, se verifica que la función dada es la ley de probabilidad.


2
; 0
4 4 1
; 0
4
2 1
; 1 ; 1
, 2 2 2
1
; 2
2 4
; 2 0;
4 4
0;

; 0 1
4 2 4 ; 0 1
, 2 2 2 2 ; 1 2
; 1 2
4 2 4 0;
0;
Ю Ю

Ejemplo 2.3) Considere un vector mixto cuya ley de probabilidades conjunta viene dada por la
expresión siguiente. Calcule las funciones marginales.

, ; 0,1,2,3, … 0
!
0;

Nótese que la variable aleatoria X es discreta en el conjunto {0, 1, …} y que la variable aleatoria Y
es continua en el conjunto [0, ∞ .


1
; 0,1,2,3, … ; 0,1,2,3, …
, ! 2
0;
0;

; 0 ; 0
, !
0;
0;

Es importante para el lector verificar estos últimos resultados.
Ю Ю


DISTRIBUCIONES CONDICIONADAS

Para introducir el tema debemos recordar la definición de probabilidad condicional.

Sean dos eventos A y B definidos dentro de un Espacio Muestral S tales que P{B} ≠ 0, entonces

⁄

Con base en esta definición se analizarán dos variables aleatorias condicionadas a continuación.

Se considerarán dos grandes grupos de posibles eventos condicionantes:

1 El evento condicionante ocupa un espacio tal que su probabilidad sea distinta de cero.
2 El evento condicionante tiene probabilidad cero pero se define como un valor constante de una
de las variables.

Caso 1: El evento condicionante ocupa un espacio tal que su probabilidad sea distinta de cero.

Sea el evento A definido en dos variables aleatorias como , .
Sea un evento B definido por una cierta región RB tal que P{B} ≠ 0.

Entonces se define la función de distribución conjunta condicionada de la forma y notación
siguiente:

, ,
, ⁄ , ⁄

Nótese que al analizar el numerador de la expresión anterior si el evento al que se le debe calcular
la probabilidad es un evento imposible la función vale cero. Por tanto, el problema se reduce a
estudiar el evento , , para entender para qué valores (x, y) el evento es imposible y
para cuales no lo es. Evidentemente, este análisis solo se puede hacer cuando se conoce
totalmente el evento condicionante B.

Observación: La notación de las funciones condicionadas puede cambiar de un autor a otro
aunque su significado no cambia. En el caso de la función anterior, podríamos escribirla de esta
forma:

, ⁄ ⁄ ,

Ejemplo 2.4) Para los siguientes eventos Bi calcule las funciones de distribución conjunta
condicionadas que resultan.

0 0 0 1 1 1

Para conocer las funciones de distribución conjunta condicionadas, se procede de esta manera

En el primer caso, 0 ,

, , , , 0
, ⁄ , ⁄
0

El denominador es una constante cuyo valor es

0 0, ∞ ,

Para el análisis del numerador debemos observar la gráfica siguiente. Allí se destaca la región B1 en
color y las dos eventuales posiciones genéricas posibles del evento A: cuando x = x0 (es decir que x0
es negativo) y cuando x = x1 (es decir que x1 es positivo).
y1
y0
x0 x1 X
B1 = {X ≤ 0}

En consecuencia, la función condicionada requerida tiene la forma

,
; 0,
, , 0 0, ∞
, ⁄
0 0,
; 0,
0, ∞


En el segundo caso, 0 ,

, , , , 0
, ⁄ , ⁄
0


0 1 ∞, 0 ,

color y las dos eventuales posiciones genéricas posibles del evento A: cuando y= y0 (es decir que y0
es negativo) y cuando y = y1 (es decir que y1 es positivo).
y1
B2 = {Y ≥ 0}
x0 x1 X
y0


0; 0,
, , 0
, ⁄ , ,0
0 ; 0,
1 ∞, 0

En el tercer caso, 0 1 ,

, , , , 0 1
, ⁄ , ⁄
0 1


0 1 1, ∞ 0, ∞ ,

color y las tres eventuales posiciones genéricas posibles del evento A:

cuando x < 0, cuando 0 < x < 1 y cuando x > 1.
Y
y2
y0
B3 = {0 ≤ X ≤ 1}
x0 x1 x2 X
1
y1


0; 0,
, 0,
, ,0 1 ; 0 1,
, ⁄ 1, ∞ 0, ∞
0 1
1, 0,
; 1,
1, ∞ 0, ∞


En el cuarto caso, 1 1 ,

, , , , 1 1
, ⁄ , ⁄
1 1

El denominador es una constante p cuyo valor es

1 1 ,

color y las tres eventuales posiciones genéricas posibles del evento A:

Cuando x + y < ‐1, cuando ‐1 < x + y < 1 y cuando x + y > 1.
Y
y2
B4 = {‐1 ≤ X + Y ≤ 1}
1
x0 1
‐1 x1 x2 X
y1
y0
‐1


0; 1
1
´, ´ ´ ´ ; 1 1
, ⁄ ´
´
1
´, ´ ´ ´ ´, ´ ´ ´ ; 1
´ ´
Ю Ю


Una vez conocida la función de distribución conjunta condicionada se procederá a derivar,
respecto a x y respecto a y, para conocer la función de densidad de probabilidades conjunta
condicionada, es decir

,
; ,
, ⁄ , ⁄
0; ,

Y, finalmente, una vez conocida la función de densidad conjunta condicionada se podrán conocer
las correspondientes funciones de densidad marginal condicionadas,

⁄ , ⁄ ⁄ , ⁄

aunque su significado no cambia. En el caso de las funciones anteriores, podríamos escribirlas de
esta forma:

, ⁄ ⁄ ,

⁄ ⁄ ⁄ ⁄

Ejemplo 2.5) Sean dos variables aleatorias X e Y cuya función de densidad conjunta viene dada por
la expresión siguiente, donde C es una constante a determinar.
; 0 1
,
0;

Calcule el valor adecuado de C y ⁄ .

La región donde la función de densidad conjunta es distinta de cero viene dada por
Y
1
2/3
1/3
X
1/3 2/3 1


Para calcular C hay que considerar que el volumen total es igual a uno

1 1 10
10

Para calcular la probabilidad de B,

1 1

3 243

La función de densidad conjunta condicionada por B será

,
1 ; , 2430 ; ,
,
3 0; ,
0; ,

Donde DB es la región que se destaca en la figura siguiente:

Y
1
2/3
1/3
X
1/3 2/3 1

1 1 1
2430 ; 0 30 810 ; 0
3 3 3
0;
0;
Ю Ю


Ejemplo 2.6) La intensidad de ruido en una sala cerrada depende de la magnitud de la fuente de
ruido y de las características de la sala. Sean X e Y las componentes de la intensidad del ruido en
cada punto de coordenadas (x, y), respectivamente. Dado que la fuente de ruido es aleatoria, las
variables X e Y son aleatorias y su función de densidad conjunta viene dada por la expresión
siguiente, donde D es la región que se destaca en la figura y K es una constante a determinar.
; ,
,
0;

Y
3
2
1
1 2 3 X

Calcule el valor adecuado de K, la probabilidad del evento 2, 2 , la función de
densidad conjunta condicionada por B y las funciones de densidad marginales condicionadas
correspondientes.

Para calcular K hay que considerar que el volumen total es igual a uno

53 24
1 18 1
24 485

Para calcular la probabilidad de B,

24 24 23 95 19
2, 2 3
485 485 24 485 97

La función de densidad conjunta condicionada por B será

, 24
; , ; ,
, ⁄ 95
0; , 0; ,

Donde DB es la región que se destaca en la figura siguiente:
Y
2
1
X
1 2

24
; 0 1 12 2 3
95 ; 0 1
95
⁄ , ⁄ 48
24 ; 1 2
; 1 2 95
95 0;
0;

24
; 0 1 12 2 3
95 ; 0 1
95
⁄ , ⁄ 48
24 ; 1 2
; 1 2 95
95 0;
0;
Ю Ю

Caso 2: El evento condicionante tiene probabilidad cero pero se define como un valor constante
de una de las variables.

En el ejemplo 2.4 anterior centremos nuestra atención en la función de distribución conjunta
resultante cuando el evento condicionante era el evento 0 1 , es decir,

0; 0,
, 0,
; 0 1,
, ⁄0 1 1, ∞ 0, ∞
1, 0,
; 1,
1, ∞ 0, ∞


Consideremos que el evento B es una franja vertical cualquiera, digamos ,
entonces, siguiendo el método usado en el ejemplo 2.4 diríamos que

0; ,
, ,
; ,
, ⁄ ,∞ ,∞
, ,
; ,
,∞ ,∞

Tomando la doble derivada, respecto a x y respecto a y, y recordando que

,∞ ,∞
Se tiene
,
; ,
, ⁄
0;

Por tanto, la función de densidad marginal condicionada de Y correspondiente será

,
⁄

Y tomando el límite cuando a → b se obtiene un resultado interesante

,
⁄

Ahora bien, si b es un valor cualesquiera pero desconocido de x se puede escribir la expresión
anterior como sigue

,
⁄ ⁄ , ⁄

De forma similar se llega al resultado para la otra variable

,
⁄ ⁄ , ⁄

Estas expresiones se conocen con las marginales de Y dado X y de X dado Y respectivamente.

Y, finalmente, a la expresión

⁄
⁄ ⁄ ⁄


aunque su significado no cambia. En el caso de las funciones anteriores, podríamos escribirlas de
esta forma:

⁄ ⁄ ⁄ ⁄

⁄ ⁄ ⁄ ⁄

Ejemplo 2.7) Sean dos variables aleatorias X e Y como en el ejemplo 2.5. Calcule las funciones de
densidad marginales de Y dado X y de X dado Y.

Recordemos que

10 ; 0 1
,
0;


Y
1
2/3
1/3
X
1/3 2/3 1

Las marginales serán

10 ; 0 1 5 ; 0 1
0;
0;

10 1
10 ; 0 1 ; 0 1
3
0;
0;


Las funciones de densidad marginales de Y dado X y de X dado Y, respectivamente, serán

, 10 2
⁄ ; 0 1 ; 0 1
5
0; 0;

, 30 3
⁄ ; 0 1 ; 0 1
10 1 1
0; 0;
Ю Ю

Ejemplo 2.8) Sean dos variables aleatorias X e Y como en el ejemplo 1.10. Calcule las funciones de

Recordemos que

2 ; 0
,
0;

DXY
1 X

Las marginales resultaron ser

2 ; 0 2 ; 0
,
0;
0;

2 ; 0 2 1 ; 0
,
0;
0;



, 2
⁄ ; 0 ; 0
2
0;
0;

, 2
⁄ ; 0 ; 0
2 1 1
0; 0;
Ю Ю

Ejemplo 2.9) Sean dos variables aleatorias X e Y cuya función de masa conjunta viene dada por la
tabla del Ejemplo 1.6. Determinar las funciones de densidad marginales de Y dado X y de X dado Y.

A continuación se reproduce la tabla del ejemplo 1.6 donde se destacan las marginales:

X ↓ Y→ 0 1 2 3 fX(x) ↓
0 k 4k 6k 2k 13k
1 2k k 2k k 6k
2 3k 2k k 5k 11k
fY(y) → 6k 7k 9k 8k

Para hallar la función de densidad marginal de Y dado X se debe dividir la función de masa
conjunta entre el valor de la función de masa marginal de X evaluada en cada valor de x, por tanto,
se debe realizar una operación en cada fila de la matriz anterior de dividir cada celda por el valor
en la celda adicional a la derecha. Obteniendo,

X ↓ Y→ 0 1 2 3 fX(x) ↓
0 k/13k = 1/13 4/13 6/13 2/13 13k
1 2k/6k = 2/6 1/6 2/6 1/6 6k
2 3k/11k = 3/11 2/11 1/11 5/11 11k

De igual manera, para hallar la función de densidad marginal de X dado Y se debe dividir la función
de masa conjunta entre el valor de la función de masa marginal de Y evaluada en cada valor de y,
por tanto, se debe realizar una operación en cada columna de la matriz original de dividir cada
celda por el valor en la celda adicional inferior. Obteniendo,

X ↓ Y→ 0 1 2 3
0 k/6k = 1/6 4k/7k = 4/7 6k/9k = 6/9 2k/8k = 2/8
1 2/6 1/7 2/9 1/8
2 3/6 2/7 1/9 5/8
fY(y) → 6k 7k 9k 8k
Ю Ю


Ejemplo 2.10) Sean dos variables aleatorias X e Y cuya función de densidad conjunta viene dada
por la expresión siguiente. Determinar K, las funciones de densidad marginales y las funciones de

; 0 1, 0 1
,
0;

Y
1 X

Para calcular K hay que considerar que el volumen total es igual a uno

1
1 1 4
4
Las marginales serán

4 ; 0 1 2 ; 0 1
,
0;
0;

4 ; 0 1 2 ; 0 1
,
0;
0;


, 4
; 0 1 2 ; 0 1
⁄ 2
0;
0;

4
, ; 0 1 2 ; 0 1
⁄ 2
0;
0;
Ю Ю


VARIABLES ALEATORIAS INDEPENDIENTES

El resultado obtenido en el ejemplo anterior NO es casual. Para ambas variables se cumple que

,
⁄
,
,
⁄

Este resultado se puede entender como que el hecho de que una variable tome un valor específico
no condiciona a la otra variable ya que está permanece con su función de densidad de
probabilidades inalterable. Como conclusión, ambas variables serán independientes.

Para llegar a un concepto sobre independencia de variables aleatorias recordemos el concepto de
eventos independientes.

“Dos eventos A y B son independientes si se cumple que ”

Sean dos variables aleatorias X e Y tal que si consideramos los siguientes eventos A y B:

Si los eventos A y B son independientes para todos los posibles valores (x, y) entonces las variables
aleatorias X e Y serán variables aleatorias independientes.

En consecuencia, se pueden deducir las siguientes conclusiones:

1. ,
2. ,
3. ,

Esta última conclusión es la que se utiliza comúnmente como la definición de variables aleatorias
independientes:

“Dos variables aleatorias X e Y son independientes si y solo si su función de
densidad conjunta de probabilidades es igual al producto de sus funciones
de densidad marginales”

Con base en esta definición, se puede decir que las variables aleatorias del ejemplo 2.9 anterior
son independientes.

Por otro lado, si las dos variables son independientes entonces la conjunta es el producto de las
marginales.


Ejemplo 2.11) Sean dos variables aleatorias exponenciales con parámetro λ distinto e
independientes. Calcular la probabilidad de que su suma sea menor o igual a uno.

Según el enunciado, las funciones de densidad marginales serán

; 0 ; 0

0; 0;

En consecuencia, la función de densidad conjunta será

; 0, 0
,
0;

La probabilidad solicitada será

1 1
Ю Ю

Ejemplo 2.12) Sean dos variables aleatorias exponenciales con igual parámetro λ e
independientes. Calcular la probabilidad de que su suma sea menor o igual a uno.

Según el enunciado, las funciones de densidad marginales serán

; 0 ; 0

0; 0;

En consecuencia, la función de densidad conjunta será

; 0, 0
,
0;

La probabilidad solicitada será

1 1 1
Ю Ю


Ejemplo 2.13) Sean dos variables aleatorias X e y cuya función de densidad de probabilidades
conjunta viene dada por la expresión siguiente. Verificar la definición de independencia para estas
variables.

1
,
2 √1

Para verificar la independencia se deben conocer las funciones de densidad marginales,

,
2 √1

Completando cuadrados en el numerador del exponente del integrando,

1

2 √1 2 √1 √2

Por un procedimiento similar se llega a la conclusión que

1

√2

Finalmente, NO se puede verificar la independencia ya que,

1 1 1 1
,
2 √1 √2 √2 2
Ю Ю


Distribuciones conjuntas y marginales en variables aleatorias

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Distribuciones conjuntas y marginales en variables aleatorias

Enviado por

Direitos autorais:

Formatos disponíveis

Apuntes de Estadística II. Ingeniería Industrial. UCAB.

Você também pode gostar