UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA AREA DE ESTADSTICA ESTADSTICA 1 Secciones C+ y D Inga.

Alba Maritza Guerrero Spnola de Lpez

DISTRIBUCIN DE PROBABILIDAD CONJUNTA VARIABLES BIDIMENSIONALES DISCRETAS Si X y Y son dos variables aleatorias discretas, la distribucin de probabilidad para sus ocurrencias simultneas se puede representar mediante una funcin con valores f(x,y), para cualquier par de valores (x,y) dentro del rango de las variables aleatorias X y Y. Se acostumbra referirse a esta funcin como la Distribucin de probabilidad Conjunta de X y Y. Debe cumplir con los siguientes axiomas: 1. f(x,y) 0 para toda (x,y) 2. f(x,y) = 1
x y

3.

P(X = x, Y = y) = f(x,y)

Para cualquier regin A en el plano xy, P[(X,Y) A ] = f(x,y). VARIABLES BIDIMENSIONALES CONTINUAS Si X y Y son dos variables aleatorias Continuas, la funcin de densidad conjunta f(x,y), es una superficie sobre el plano xy, y P[(X,Y) A ] donde A es cualquier regin del plano xy, es igual al volumen del cilindro recto limitado por la base A y la superficie. Debe cumplir con los siguientes axiomas: 1. 2. 3. f(x,y) 0 para toda (x,y) oo oo f(x,y) dx dy = 1,
-oo -oo

P[(X,Y) A ] = A f(x,y) dx dy

Para cualquier regin A en el plano xy. DISTRIBUCIONES MARGINALES: Dada la distribucin de probabilidad conjunta f(x,y) de las variables aleatorias discretas X y Y, la distribucin de probabilidad g(x) de X sola se obtiene al sumar f(x,y) sobre los valores de Y. De manera similar, la distribucin de probabilidad h(y) de Y sola se obtiene al sumar f(x,y) sobre los valores de X. Definimos g(x) y h(x) como distribuciones marginales de X y Y respectivamente. Las distribuciones marginales de X sola y Y sola son Para el caso discreto ,g(x) = f(x,y) y h(y) = f(x,y)
y x

Para el caso continuo ,g(x) = oo f(x,y) dy -oo

h(y) = oo f(x,y) dx
-oo

VARIABLES ALEATORIAS INDEPENDIENTES Sean X y Y dos variables aleatorias, discretas o continuas, con distribucin de probabilidad conjunta f(x,y) y distribuciones marginales g(x) y h(y) respectivamente. Se dice que las variables aleatorias X y Y son estadsticamente independientes si y solo s: ,f(x,y) = g(x) h(y) para toda (x,y) dentro de sus rangos. ESPERANZA MATEMTICA PARA VARIABLES BIDIMENSIONALES Sean X y Y variables aleatorias con distribucin de probabilidad conjunta f(x,y). La media o valor esperado de la variable aleatoria g(x,y) es g(x,y) = E[g(x,y)] = g(x,y). f(x,y)
xy

si X y Y son discretas

Pi X .Y si X y Y son continuas

g(x,y) = E[g(x,y)] = -oooo-oooo g(x,y). f(x,y) dx dy

Si X y Y son dos variables aleatorias continuas con funcin de densidad conjunta f(x,y), las medias o esperanzas de X ,Y son: x = E(x) = -oooo-oooo x . f(x,y) dx dy y = E(y) = -oooo-oooo y . f(x,y) dx dy

COVARIANZA MATEMTICA Sean X y Y variables aleatorias con distribucin de probabilidad conjunta f(x,y). La covarianza de X y Y es Cov (X,Y) = xy = E [ (X - x) (Y - y)] = = (X - x) (Y - y) f(x,y) discretas
x y

Si X y Y son

Cov (X,Y) = xy = E(XY) - [ E(x) E(Y)] Donde E(X) = E(Y) = X g(x) Y h(y)

Cov (X,Y) = xy = E [ (X - x) (Y - y)] =-oooo-oooo (X - x) (Y - y) f(x,y) dx dy

= Si X y Y son continuas 2

Teoremas importantes sobre la Covarianza: 1. Cov (X,Y) = xy = E(XY) - [ E(x) E(Y)] Cov (X,Y) = xy = E(XY) - x y Donde: E(X,Y) = -oooo-oooo XY f(x,y) dx dy E(X) =

oo X g(x) dx E(Y) = -oooo Y h(y) dy

-oo

2.

Si X,Y son variables aleatorias independientes xy = Cov(X,Y) = 0 Var(X + Y ) = Var (x) + Var (Y) + 2 Cov (X,Y) 2x+y = 2x + 2y + 2xy

2.

COEFICIENTE DE CORRELACIN Si X,Y son dependientes completamente, por ejemplo X = Y, entonces Cov(X,Y) = xy = x y. De esto llegamos a una medida de dependencia de las variables X,Y dada por

= xy = Cov (X,Y) x y Var (x)* Var (y)

Var (X) = E(X2) - [E(X)] 2 Var (Y) = E(Y2) - [E(Y)] 2 Es una cantidad adimensional. Llamamos a el coeficiente de correlacin. Siempre que -1 1 En el caso donde = 0 decimos que las variables X,Y no estn correlacionadas. Si = 1 entonces puede afirmarse que X y Y tienen correlacin positiva perfecta. Ello significa que los valores bajos de X guardan relacin con los valores altos de Y, y a la inversa.

EJEMPLO CASO DISCRETO Se escogen dos nmeros al azar de los siguientes 1,2,3,4 no se permite que escojan nmeros iguales. Si definimos dos variables X: como la suma de los dos nmeros escogidos y Y: como el mayor de los nmeros escogidos. Encontrar: a) Distribucin de probabilidad conjunta b) P(X <5, Y> 2) c) Determinar la esperanza matemtica d) Determinar la covarianza e) Determinar el coeficiente de correlacin Solucin X = suma de los nmeros escogidos Y = mayor de los nmeros El espacio muestral del experimento es el sigu iente: S= { (1,2) (1,3) (1,4) (2,3) (2,4) (3,4)} 3 4 5 5 6 7
El recorrido de X es: Rx= { 3,4,5,6,7,) El recorrido de Y es: Ry= { 2,3,4)

Tabla de distribucin conjunta

Y X 2 3 4 ,g(x) =

3
1/6 * 0 0 1/6

4 0 1/6 0 1/6

5 0 1/6 1/6 2/6

6 0 0 1/6 1/6

7 0 0 1/6 1/6

,h(y) 1/6 2/6 3/6 6/6

* para determinar la probabilidad debe cumplir para X que la suma sea igual a 3, para Y que el mayor sea 2

g(x) y h(y) son las probabilidades marginales = probabilidad acumulada b) P(X <5, Y> 2) x puede tomar los valores de 3 y 4; Y puede tomar los valores 3 y 4 P = (3,3) (3,4) (4,3)(4,4) P = 0+0+1/6+0 = 1/6

c) Determinar la esperanza matemtica conjunta E(xy) = g(x,y). f(x,y) = Pi X Y = 3*2*1/6 + 3*3*0 + 4*2*0 + 4*3*1/6 + 5*2*0 + 5*3*1/6 + 6*2*0 + 6*3*0 + 7*2*0 + 7*3*0 +

3*4*0 4*4*0 5*4*1/6 6*4*1/6 7*4*1/6

+ + + + =

= 6/6 + 12/6 + 15/6 + 20/6 + 24/6 + 28/6 = 105/6 = 35/3 d) Determinar la covarianza Cov (X,Y) = xy = E(XY) - [ E(x) E(Y)] E(XY) = 105/6 Las esperanzas para las variables solas se obtiene mediante: E(X) = X g(x) E(Y) = Y h(y) E(X) = 3*1/6 + 4*1/6 + 5*2/6 + 6*1/6 + 7*1/6 = E(X) = 3/6 + 4/6 + 10/6 + 6/6 + 7/6 = 30/6 E(Y) = 2* 1/6 + 3 * 2/6 + 4 *3/6 = E(Y) = 2/6 + 6/6 + 12/6 = 20/6 Cov (X,Y) = xy = E(XY) - [ E(x) E(Y)] Cov (X,Y) = 105/6 - [ 30/6 * 20/6] Cov (X,Y) = 105/6 - 600/36 = 105/6 - 100/6 = 5/6 e) Determinar el coeficiente de correlacin

= xy = Cov (X,Y) x y Var (x)+ Var (y)

Var (X) = E(X2) - [E(X)] 2 = 160/6 - (30/6) 2 =10/6 Var (Y) = E(Y2) - [E(Y)] 2 = 70/6 - (20/6) 2 = 70/6 - 100/9 = 10/18= 5/9 5

E(X2) = 3*3*1/6 + 4*4*1/6 + 5*5*2/6 + 6*6*1/6 + 7*7*1/6 = = 9/6 + 16/6 + 50/6 + 36/6 + 49/6 = 160/6 E(Y2) = 2*2*1/6 + 3*3*2/6 + 4*4*3/6 = = 4/6 + 18/6 + 48/6 = 70/6

= Cov (X,Y)
Var (x)* Var (y)

5/6 =

5/6
50/54

= 0.9486

10/6 * 5/9

Si el = 0 las variables son independientes

EJEMPLO CASO DISCRETO La funcin de probabilidad conjunta de dos variables aleatorias discretas X,Y est dada por f(x,y) = c (2x + y) donde x, y pueden tomar todos los valores enteros tales que 0 x 2, 0 y 3 y f(x,y) = 0 de otra forma a) Hallar el valor de la constante c b) Hallar P(X = 2, Y = 1) c) Hallar P(X 1, Y 2) d) Hallar las funciones de probabilidad marginal de X y Y

a. Hallar el valor de la constante c 2. f(x,y) = 1

x y

Probabilidades asociadas con dichos puntos

Valuando en la funcin c (2x + y) X Y 0 1 2 h(y)Totales =

0
0 2c 4c 6c

1 C 3c 5c 9c

2 2c 4c 6c 12c

3 3c 5c 7c 15c

Totales g(x) 6c 14c 22c 42c

Puesto que la sumatoria de las probabilidades debe ser igual a uno 42c = 1 entonces c = 1/42

b. Hallar P(X = 2, Y = 1) De la tabla determinamos que dicho valor es igual a P(X = 2, Y = 1) = 5c = 5*1/42 = 5/42 c. Hallar P(X 1, Y 2) =
x 1 y

f(x,y)

= (2c + 3c + 4c ) + (4c + 5c + 6c) = 24c = 24/42 = 4/7

d. Hallar las funciones de probabilidad marginal de X y Y g(x) = f(x,y) y h(y) = f(x,y)

y x

La funcin de probabilidad marginal tanto para X como para Y se obtiene del total de los margenes de las columnas y filas respectivamente P(X= x) = g(x) =

6c = 1/7 14c = 1/3

x=0 x=1

22c = 11/21 x= 2 Comprobando = 1/7+1/3+11/21 = 1 P(Y=y) = h(y) =

6c = 1/7

y=0 7

9c = 3/14 12c = 2/7 15c = 5/14 Comprobando = 1/7+3/14+2/7 + 5/14 = 1

y=1 y= 2 y=3

EJEMPLO CASO CONTINUO La funcin de densidad conjunta de dos variables aleatorias continuas X,Y es ,f(x,y)= cxy 0 a) hallar el valor de la constante C b) Hallar P(1< x < 2 , 2 < y < 3) c) Hallar P(X 3, Y 2) d) Hallar las funciones de distribucin marginal de X y de Y e) Hallar E(x), E(Y), E(XY) , E(2x + 3y) f) Hallar la Cov(XY) a) Aplicamos el teorema oo oo f(x,y) dx dy = 1,
-oo -oo

0<x< 4 , 1<y<5 en cualquier otro caso

4 5 cxy dx dy = C 4 [ 5 xy dy] dx
o 1 x=o Y=1

C 4 xy2 (6x2)
x =o

5
y=1

dx = C

( 25x
2

dx = C 4 12x dx = C

4
x=o

x =o

x =o

= 96C = 1

= C = 1/96

,f(x,y) = 1/96 xy

b) Hallar P(1< x < 2 , 2 < y < 3) = =

2 3 xy dx dy = 1 2 [ 3 xy dy] dx
1 2

96

96

x=1

Y=2

= =

1 2 xy2
96 x=1

3
y=2

dx = 1 2
96 x =1

( 5x ) dx
2

(x2)
2

= 5/128

192
x= 3 y=1

1
96
x=3 Y=1

c) Hallar P(X 3, Y 2) = 4 2 xy dx dy = 1 4 [ 2 xy dy] dx =

96

= 1 4 xy2
96 x=3

dx = 1 4

( 3x ) dx
2

y=1

96 x =3

7/128

d)Hallar las funciones de distribucin marginal de X y de Y g(X) = P(X x) = x

u=-00

00 f(u,v) du dv = 1 x [ 5 uv du] dv = x2
v=-00

96

x=0

Y=1

16

Por lo tanto si valuamos Para

X 4 , F(x) = 1 X < 0 F(x) = 0 0 x< 0

g(X)=

x2/16 1

0x< 4 X4

h(Y) = P(Y y) = 00 1
u=-00

y f(u,v) du dv = 1 4 [ y uv du] dv = y2 v=1

96

x=0

Y=1

24 Por lo tanto si valuamos Para y 5 , F(y) = 1 y < 1 F(y) = 0 9

y< 1

h(y) =

(y2 - 1)/24 1

1y<5 y5

e) Hallar E(x), E(Y), E(XY) , E(2x + 3y) Aplicando los teoremas E(X,Y) = -oooo-oooo XY f(x,y) dx dy x = E(x) = -oooo-oooo x . f(x,y) dx dy y = E(y) = -oooo-oooo y . f(x,y) dx dy E(X) = o4 15 X (xy/96) dx dy = 8/3 E(Y) = o4 15 Y (xy/96) dx dy = 31/9 E(X,Y) = 04 5 XY (xy/96) dx dy = 248/27 E(2X + 3Y) = 04 5 (2X+3Y) (xy/96) dx dy = 47/3 Puesto que X Y son independientes tambin podemos obtener E(X,Y) = E(x) * E(Y) = 8/3* 31/9 = 248/27 f) Aplicando el teorema de la covarianza Cov (X,Y) = xy = E(XY) - [ E(x) E(Y)] Cov (X,Y) = 248/27 - [ (8/3) * (31/9)] Cov(X,Y) = 248/27 - 248/27 Cov (X,Y) = 0 Son variables aleatorias independientes

10