Demonstração:

(a) A densidade marginal de uma das variáveis, por

exemplo para X, é por definição
∞
f X ( x )=∫ f ( x , y ) dy
−∞
Y −μY
Fazendo a substituição v= e completando
σY
o quadrado em v, achamos que
2 2
−1 x− μX x−μX

f X ( x )= ∫
∞
1
e
[ ( ) 2 σX
−
1
2(
2( 1−ρ )
v− ρ
σX )]
dv
−∞ 2 π σ X √1−ρ2
ρ ( x−μ X )
v− dv
Substituindo σX e dw=
w= 2 √1−ρ2
√1−ρ
mostra que
2
−1 x−μ X ∞ 2

1 ( ) −w

∫ √ 21 π e 2 d w
2 σX
f X ( x )= 2
e
√2 π σ X −∞

e dizer X é N ( μ X ,σ 2X ).
Similarmente a densidade marginal de Y pode
ser provada que é
2
−1 y−μY

f Y ( y )=
1
e
2( σY )
2
√ Y
2 π σ
ou seja, Y é N ( μY , σ 2Y ).

(b) Cov ( X , Y )=E [ ( X−μ X ) ( Y −μ Y ) ]

¿ E [ ( X Y −X μ Y −Y μ X + μ X μY ) ]
¿ E ( XY )−μ X μ Y

(c) As distribuições condicionais se obtêm da

distribuição conjunta e das distribuições marginais. A função de densidade condicional de X dado
Y= y é
f (x, y)
f X∨Y ( x∨ y )=
f Y ( y)
o numerador é a função de densidade conjunta da normal bivariada e o denominador foi calculado
em (a). Substituindo estas expressões e reduzindo-as obtemos
2
ρσX

f X∨Y ( x∨ y )=
1
e 2 σ (1− ρ )
x−μ −
σ
( Y− μ )
−1
2
X
2 [ Y
Y
Y
] (*)
σ X √ 2 π √ 1−ρ2
a qual é normal de uma variável com média
σy
( )
μX+ ρ
σy
( y−μ Y )
e variância
σ 2X ( 1−ρ2 ).
A distribuição condicional de Y se obtém intercambiando na expressão (*) x e y.
2
ρ σY

f Y ∨X ( y ∨x )=
1
e
2
−1
2
2 σ (1− ρ )
Y
[y−μY −
σX
( x−μ X ) ]
σ Y √ 2 π √ 1−ρ2