DISTRIBUCIONES BIDIMENSIONALES

Es de inters considerar experimentos aleatorios a los cuales se les asignan dos

variables aleatorias de entrada, relacionadas o no, que permiten definir las
Distribuciones de Probabilidad Bidimensionales o Bivariadas
Variable Aleatoria Bidimensional
Definicin Sea S el espacio muestral asociado a un experimento aleatorio dado.
Sean X = Xs! " # = #s! dos funciones que asignan un n$mero real a cada
resultado sS. %lamaremos a X,#! variable aleatoria bidimensional &vab'.
Simb(licamente tenemos
Obser!aciones
"# )nteresan m*s que la naturale+a de las funciones X " # los valores que asumen
as,-
X.s/, #.s/! X,#!
$# El recorrido de la v a b X,#! es 0
2
%# P X.s/ a, #.s/ b! P X a, # b!
&# X,#! es

'

numerable no infinito es 0 si continua b a v

numerable es 0 si discreta b a v
X,#! puede ser vab mixta, o sea, continua " discreta por tramos.
'(ncin De )robabilidad Con*(nta Bi!ariada
Definicin %a funci(n que asocia a cada resultado X, #! 0
2
un numero
real fx,"! se denomina funci(n de probabilidad con1unta bivariada si-
"# fx,"! 2 para todo x,"!
2

$# 3 =
( ) ( )
( ) ( )

'

contin(a es + ,- si d.d/ / .- f
discreta es + ,- si / - . f
" i " *
* i
Obser!aciones
' El volumen acotado por la superficie + = fx,"! " la regi(n 0 vale 3
' %a pro"ecci(n de + = fx,"! sobre el plano x," es la regi(n dominio 0
2

donde fx, "!42 as, es claro que
2

'

R /0 1.- si /0 f1.- 2
R /0 1.- si /0 f1.- 3
E*em4lo
Si fx, "! es una fdp divariada definida positivamente para todo
x,"!50=[5,10/X[4,9/ en la figura siguiente, 6alle c " PX #!.

) , ( y x f
dxd" = 3 entonces

7
8
32
9
dxd" c = 3 : =
25
1

PX#! =
25
1


7
9
"
9
dxd" (
25
1


9
5
9
x
d"dx
=
25
1
( )

7
9
9 " d" (
25
1
( )

7
9
x 7 dx
=
25
1

7
9
;
9"
;
"
1
]
1

(
25
1

7
9
;
;
x
7x
1
]
1

PX # ! =
25
8

<bteniendo el mismo resultado.
'(ncin De )robabilidad Ac(m(lati!a Bidimensional
Sea X,#! una v a b con fdp fx,"!, entonces su funci(n de distribuci(n acumulada
es-
' 1,-+0 2 ) 1,.- +/0
Obser!acin
=si como
( )
dx
x d>
= fx! para X v a c unidimensional se tiene que
( )
/ .
/ .- '
$

=
fx,"! donde quiera que '1.-/0 es diferenciable.
Distrib(cin Uniforme Bi!ariada
Decimos que X,#! v a b se distribu"e uniformemente en 0
2
si
f1.-/0 2

'

0 "! x, si 2
0 "! x, si
?
3


Es claro que- ? es el n$mero finito de puntos de 0 si X, #! es una v a b discreta
( ? es el inverso del *rea finita de la regi(n 0 si X, #! es una vab
continua
E*ercicio
Sea 0 = @x,"! - 2 x 3 x
;
" x A si f1.-/0 es una fdp uniforme
bidimensional definida en 0. 6alle f " pruebe que-
a.

"
5
/0 f1.- d" = gx! = B x'x
;
!, 2 x 3
b.

"
5
/0 f1.- dx = C"! = B
"
' " !, 2 " 3
D:(mo es la gr*fica de f- 6 " 7E
'(ncin De )robabilidad Mar6inal
En el e1ercicio anterior a gx! " C"! se les denomina fdp marginales de las vac
unidimensionales X " #, diremos en general que si fx,"! es la fdp con1unta de una
vac bibimensional x,"! entonces
61.0 2

"! fx,
d/ " 71/0 2

"! fx,
d.
son la fdp marginales de las va unidimensionales x " "#
=si P c x d! = P c x d, ' # !
=

d
c
"! fx, d"dx =

d
c
gx! dx
E*ercicio
Sea fx,"! = ; xF"';x"! 2 x 3, 2 " 3. 6alle las fdp marginales de las
vac X " #, " pruebe que son fdp.
En efecto
3 d" C"! dx gx!
3
2
3
2


E*ercicio
Sea fx,"! = x
;
F
G
x"
2 x 3, 2 " ;.
Hrafique la regi(n 0 donde f es positiva, demuestre que f es una fdp, pruebe que
P X F # 3! =
72
65
" Calle las fdp marginales de X " #.
'(nciones De )robabilidad Condicional
Sea X,#! una v a b c con una fdp con1unta f. Sean gx! " C"! las fdp marginales
de las v a c X " # entonces las fdp condicionales de X dado # = ", " de # dado
X = x
Son
61.8/0 2
C"!
"! fx,
- 71/0 4 2
71/8.0 2
gx!
"! fx,
- 61.0 4 2
<bserve que-
3.

gxI"!
dx =

C"Ix!
d" = 3
es decir g " C marginales son fdp.
;. gxI"! es la intercepci(n de f con el plano #=:. <bserve que la gr*fica siguiente
'(nciones De )robabilidad Bi!ariada Discreta
Basta, por analog,a sustituir, en las definiciones del caso bidimensional continuo
las integrales por sumatorias.
E*em4lo
Sup(ngase una fdp con1unta bivariada que asume valores de probabilidad
con1unta seg$n la siguiente tabla-
X
3
=; X
;
=G X
G
=8 X
8
=9 X
9
=B
#
3
=; 3 ; G 2 3 J
#
;
=G 8 3 8 ; 2 33
#
G
=8 G ; 3 2 3 J
K 9 K ; ; ;9
Podemos calcular algunas probabilidades as,-
a! P X = #! = fx
3
,"
3
! F fx
;
, "
;
! F fx
G
, "
G
! =
25
3
b! P X G, # G! =

;
3 i
;
3 1
1 i
;9
K
! " , fx
c! P X #! =

1 i
" x
1 i
;9
3;
! " , fx
d! P X = G! = P X = G L # = ;,G,8! =
25
5
Es decir gx
i
! = P X = x
i
, # = "
3
,"
;
,M,"
N
!
gx
i
! =

3 1
1 i
! " , fx
C"
1
! =

3 i
1 i
! " , fx
De nuevo g " C son las fdp marginales de X " # respectivamente
g x I # = G! =
CG!
fx,G!
=
( ) 0 , 2 , 4 , 1 , 4
11
1
=qu, g x I 3! es la probabilidad condicional de X dado # = 3.
=n*logamente- C " I X = 8! =
g8!
"! f8,
=
1
1
1
]
1

1
4
3
8
1
E*ercicio
:alcular en la misma tabla g x I # = 8! " C " I X = 9!
Variables Aleatorias Inde4endientes
Sea X, #! una vab las siguientes son afirmaciones equivalentes-
X es independiente de " sii f1.- /0 2 6 1.0 71/0

71/0 .0 8 71/ sii
61.0 8 /0 61. sii

- 2
C"!
gx!
>

<bserve que
E*ercicio
=signar en la siguiente tabla probabilidades con1untas fx, "! de forma que X " #
sean variables aleatorias independientes
" X J K 7
G 82
9 B2
82 ;2
E*ercicio
Sup(ngase que fx, "! = Kx", para 2 x " 3 son X " # variables aleatorias
independientesE.
Co!arian9a
Sea X, # una v a b con rango 0
2
" fdp con1unta fx, "!, con E X! = O
x
"
E #! = O
"
Definimos la covarian+a de las v a X " # asi-
: X, #! = xy

= E . X ' O
x
! # ' O
"
! / o sea
x"
P
2
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )

'



0
# X
0
# X
vabc es # X, si " x, f Q ' " Q ' x
vabd es # X, si " x, f Q " Q x
Obser!aciones
3! %as propiedades de operador lineal de la esperan+a E permiten una definici(n
alternativa para xy

, veamos-
x"
P
= E . X ' O
x
! # ' O
"
! /
= E .X# ' XO
"
' #O
x
F O
x
O
"
/
= E X#! ' O
"
O
x
' O
x
O
"
F O
x
O
"
, asi-
C 1,- +0 2 E 1,+0 : ;
.
;
/
;! : X, #! es la medida de la relacion lineal entre las v a X " # , en efecto
Si : X, #! 4 2 entonces
X ' O
x
! 4 2 # ' O
"
! 4 2 ( X ' O
x
! R 2 # ' O
"
! R 2.
Sue corresponde a la grafica lineal 3! de pendiente positiva
Puede ser tambin, : X, #! R 2, o sea
X ' O
x
! 4 2 # ' O
"
! R 2 ( X ' O
x
! R 2 # ' O
"
! R 2.
que corresponde a la l,nea de pendiente negativa, grafica ;!
Tambin puede ser : X, #! = 2 para distribuciones simtricas respecto al punto

x
,
Q
"
! como en las graficas G! " 8!
Correlacin
Sean X " # dos v a de forma que se pueden calcular UX!, U#! " :X, #!.
Definimos el coeficiente de correlaci(n de las v a X " # como
Corr 1,- +0 2 <
,+
2 < 2
Y X
XY

:omo se puede observar en la definici(n la correlaci(n permite escalar la

covarian+a en unidades de la desviaci(n est*ndar de cada variable, precisando la
comparaci(n de la linealidad para v a de unidades distintas.
Para a,b,c " d constantes reales, a " c con el mismo signo, se puede probar
mediante las propiedades de la esperan+a, la varian+a " la covarian+a que-
a! Corr 1a, = b- c+ = d0 2 Corr 1,- +0# Es decir que el coeficiente de correlaci(n
es invariante ante un cambio de origen " escala de las variables aleatorias.
b! Para dos v a X " # cualquiera
'" Corr 1,- +0 "
es decir que la fuer+a de la linealidad entre las v a X " # se mueve entre '3 " 3 "
definimos el siguiente criterio.
Criterio De Correlacin Lineal
Diremos que la relaci(n lineal entre las v a X " # es-
)nexistente si XY

= 2
Dbil si 2 R XY

2.9
Voderada si 2.9 R XY

R 2.K
>uerte si 2.K XY

Obser!aciones#
%a relaci(n entre dos variables X " # no est* completamente explicada por
:orrX,#!, solo su relaci(n lineal.
Si X " # son independientes entonces la independencia implica que W
X#
2 2. Pero
W
X#
2 2 no implica que X " # sean independientes
W
X#
= t 3 sii # = aX F b a " b reales a 2, o sea, todos los puntos est*n sobre la
recta.
E*em4lo
Sea f X, #! =
4
1
X, #! =
( )
( )
( )
( )

'

2 2
2 2
1 4
1 4
,
,
,
,
" sea fx,"!=
12
1
, x,"! 5 Z
;
x
;
F"
;
=;9
<bserve que EX! = E#! = :X, #! = 2. pero X " # no son independientes. X no se
relaciona linealmente con #
D:(mo es la simetr,a respecto a

x
,
Q
"
!E
En estos caso por la simetr,a W
X#
= 2 pero no se puede afirmar que X " # sean
independientes, solo que no est*n relacionadas linealmente.
)ROBLEMAS SELECCIONADOS
"# Xna pare1a se cita entre las J " las K de la tarde " llegan a la cita con
distribuci(n uniforme en dicCo intervalo. Deciden esperarse un m*ximo de 39
minutos. :alcular la probabilidad de que se encuentren.
$# %a variable bidimensional x, "! tiene como funci(n de densidad
"! x
e "! fx,
+
en el primer cuadranteL fx, "!=2 en los otros tres. Si se toman
al a+ar tres puntos en el primer cuadrante calcular la probabilidad de que uno
al menos pertene+ca al cuadrado
( ) 3 " 3L2 x 2
.
%# El tiempo total que un cami(n permanece en un almacn est* definido por una
variable aleatoria x. Sea " la variable tiempo de espera en la cola, " + el tiempo
de descarga x = " F +!. %a distribuci(n con1unta de x e " es-

'

<

caso otro en 2
x " 2 e
8
3
"! fx,
; x
Se pide-
a. :alcular el tiempo medio total que permanece un cami(n en la estaci(n.
b. :alcular el tiempo medio de descarga.
c. :alcular el coeficiente de correlaci(n entre el tiempo total " el tiempo de
espera en la cola.
&# Xna m*quina de empacado autom*tico deposita en cada paquete K3.9g, por
trmino medio, de cierto producto, con P=Kg. El peso medio del paquete vac,o
es 38.9g, con P=Bg. =mbas distribuciones son normales e independientes. Se
pide-
a. :alcular la distribuci(n del peso de los paquetes llenos.
b. Escribir la distribuci(n con1unta del peso del paquete " el producto que
contiene.
># En el problema anterior los paquetes se distribu"en en ca1as de 82, cu"o peso
medio vac,as es 9;2g, con P=92g. :alcular-
a. %a distribuci(n del peso de las ca1as llenas.
b. %a probabilidad de que un ca1(n vac,o pese menos que 9 paquetes llenos.
?# Xna l,nea elctrica se aver,a cuando la tensi(n sobrepasa la capacidad de la
l,nea. Si la tensi(n es Y322, ;2! " la capacidad Y382, 32!, calcular la
probabilidad de aver,a. Suponiendo que la tensi(n " la capacidad var,an
independientemente.
@# Dada fx, "!=Gx 2R"RxL 2RxR3!, obtener las distribuciones marginales " la
condicionada fxI"!.
A# %a funci(n de probabilidad de x, "! es px,"!=3IG2 para x=2, 3, ;, G, 8, 9 e "=2,
3, ;, G, 8L px,"!=2 en puntos distintos de los anteriores. :alcular la funci(n de
distribuci(n en los puntos de la recta x';"F;=2.
B# En un aparato de control act$an dos variables x
3
, x
;
independientes, ambas
con distribuci(n uniforme, la primera entre 3 " 7, la segunda entre 3 " a. El
aparato funciona bien cuando x
3
R8x
;
;
. :alcular el valor de a para que
px
3
48x
;
;
! 2.23.
"5# Se toman tres mediciones independientes "
3
, "
;
, "
G
de la tensi(n en un circuito
con tres aparatos, cu"as varian+as son 3, ; " G. SDe forman dos ,ndices del
circuito por-
G ; 3 ;
G ; 3 3
"
G
3
"
G
3
"
G
3
+
9" ;" G" +
+ +
+ +
:alcular el coeficiente de correlaci(n entre +
3
" +
;
.