Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En Estadstica, lo m
as habitual es trabajar con un espacio muestral sobre el cual se denen varias varia-
bles. En estos casos las variables aleatorias ndimensionales dan lugar a caractersticas que generalizan
las ya vistas para variables aleatorias unidimensionales.
Nos centraremos en el estudio de variables bidimensionales pudiendo extender las deniciones, sin gran
dicultad, al caso mas general de variables aleatorias ndimensionales.
Si (X, Y ) es una variable aleatoria bidimensional cada una de sus componentes, X e Y , son variables
aleatorias unidimensionales.
Espacio probabilstico inducido por la variable aleatoria bidimensional (X, Y ):
2 2
R , , P(X,Y ) ,
29
30TEMA 4. VARIABLES ALEATORIAS BIDIMENSIONALES Y MULTIDIMENSIONALES. CARACTERISTICAS Y PR
1
(X1 , . . . , Xn ) (B) A, B n .
Si (X1 , . . . , Xn ) es una variable aleatoria ndimensional cada una de sus componentes son variables
aleatorias unidimensionales.
Espacio probabilstico inducido por la variable aleatoria multidimensional (X1 , . . . , Xn ):
Rn , n , P(X1 ,...,Xn ) ,
0 P (X = xi , Y = yj ) = pi,j 1
y
n(+) m(+)
pij = 1.
i=1 j=1
1. f (x, y) 0.
2. f integrable.
3. R2
f (x, y) dxdy = 1.
2 F (x,y)
Se verica que f (x0 , y0 ) = xy |(x0 ,y0 ) .
4.1. VARIABLES ALEATORIAS BIDIMENSIONALES Y MULTIDIMENSIONALES 31
0,4
0,35
Funcin masa de probabilidad bidimensional 0,3
0,25
0,2
Menos de un ao (0) Entre un ao y 5 aos (1) Ms de 5 aos (2) 0,15
No (0) 0,1 0,15 0,15 0,1
0,05
S (1) 0,05 0,15 0,4 S (1)
0
No (0)
Menos de
Entre un
un ao (0) Ms de 5
ao y 5
aos (2)
aos (1)
1
Funcin de distribucin bidimensional
0,8
Menos de un ao (0) Entre un ao y 5 aos (1) Ms de 5 aos (2)
0,6
No (0) 0,14 0,25 0,6
0,4
S (1) 0,15 0,45 1
0,2
S (1)
0
No (0)
Menos de
Entre un
un ao (0) Ms de 5
ao y 5
aos (2)
aos (1)
A partir de la distribuci
on conjunta de una variable aleatoria (X, Y ) se pueden obtener las distribuciones
unidimensionales de X e Y .
Si (X, Y ) es variable aleatoria bidimensional discreta con valores
{(xi , yj )}i=1,...,n(+);j=1,...,m(+)
y funci
on masa de probabilidad
{pij }i=1,...,n(+);j=1,...,m(+) ,
La funci
on de distribucion es
FX (x) = pi. = lm F(X,Y ) (x, y) .
y+
i/xi x
La funcion de distribuci
on es
FY (y) = p.j = lm F(X,Y ) (x, y) .
x+
j/yj y
Y es variable aleatoria continua con funcion de densidad fY (y) = R
f (x, y)dx.
La funci
on de distribucion es
y
FY (y) = fY (y)dy = lm F(X,Y ) (x, y) .
x+
4.2. CARACTERISTICAS DE VARIABLES ALEATORIAS MULTIDIMENSIONALES 33
Distribuciones condicionadas
A partir de la distribuci
on conjunta de la variable bidimensional, se pueden obtener nuevas distribuciones
condicionando una variable a valores particulares de la otra. En este caso, al igual que ocurra con las
distribuciones margiales, obtenemos variables aleatorias unidimensionales.
Si (X, Y ) es variable aleatoria bidimensional discreta. Si P (X = xi ) > 0 entonces Y |X=xi es varia-
m(+)
ble aleatoria unidimensional discreta con valores Y |X=xi = {yj }j=1 y funci
on masa de probabilidad:
pij
P (Y = yj |X=xi ) = .
pi
En este caso:
j/yj A pij
P (A|X=xi ) = P (Y = yj |X=xi ) = ; A .
pi
j/yj A
Si (X, Y ) es variable aleatoria bidimensional continua. Si fX (x) > 0 entonces Y |X=x es variable
aleatoria unidimensional continua con funcion de densidad:
f (x, y)
fY |X=x (y) = .
fX (x)
En este caso:
1
P (A|X=x ) = fY |X=x (y) dy = f (x, y) dy; A .
A fX (x) A
Si (X1 , . . . , Xn ) es discreta:
E [g (X1 , . . . , Xn )] = g (xi1 , . . . , xin ) pi1 ,...,in .
i1 ,...,in
Si (X1 , . . . , Xn ) es continua:
E [g (X1 , . . . , Xn )] = g (x1 , . . . , xn ) f (x1 , . . . , xn ) dx1 dxn .
Rn
4.2.2. Covarianza
Es un caso particular de esperanza generalizada. Es una medida de la variaci
on conjunta de dos variables
y se utiliza para medir la realaci
on lineal entre ellas.
X e Y son incorreladas si y s
olo si Cov (X, Y ) = 0.
=
on: X, Y son incorreladas X, Y independientes.
Observaci
Interpretacion geometrica de la covarianza
Cov (X, Y )
XY = [1, 1] .
X Y
Interpretacion geometrica de XY
Figura 4.3: Funciones de densidad y distribucion de una variable continua bidimensional con XY =0.8
Es la generalizaci
on de la esperanza de la variable aleatoria unidimensional para variables ndimensionales.
E [X1 ] X1
.. ..
E [X] = . = . .
E [Xn ] Xn
Es la generalizaci
on de la varianza de la variable aleatoria unidimensional para variables ndimensionales.
Es una matriz simetrica.
36TEMA 4. VARIABLES ALEATORIAS BIDIMENSIONALES Y MULTIDIMENSIONALES. CARACTERISTICAS Y PR
V ar (X1 ) Cov (X1 , X2 ) Cov (X1 , Xn )
= (ij ) =
Cov (Xn , X1 ) Cov (Xn , X2 ) V ar (Xn )
2
X X 1 X2 X 1 Xn
1
= ,
2
Xn X 1 X n X 2 X n
Observaciones:
n n
1. E [ i=1 i Xi ] = i=1 i E [Xi ]
n n
2. V ar ( i=1 i Xi ) = i=1 i2 i2 + 2 i<j i j i,j
4.3.1. Distribuci
on multinomial
Es una generalizaci
on de la distribucion unidimensional binomial.
Supongamos que realizamos n pruebas independientes de un experimento aleatorio cuyos posibles resul-
k
tados de interes son {Ai }i=1 , son sucesos mutuamente excluyentes con probabilidades P (Ai ) = pi ; i =
k
1, 2, . . . , k y i=1 pi = 1.
(X1 , . . . , Xk ) variable aleatoria kdimensional, (X1 , . . . , Xk ) M (n; p1 , . . . , pk ) es la variable construi-
da de forma que Xi contabiliza el n
umero de veces que ocurrio Ai en las n pruebas realizadas.
Es facil comprobar que Xi Bi (n; pi ) ; i = 1, 2, . . . , k
4.3.2. Distribuci
on normal multidimensional
Es una generalizaci
on de la distribucion unidimensional normal.
(X1 , . . . , Xn ) N (, ) es una variable aleatoria ndimensional continua con vector de medias y
matriz de varianzas-covarianzas .
Observaciones:
3. Cualquier combinaci
on lineal de sus componentes sigue una distribucion normal:
k
i Xi N (, )
i=1
4.4. REPRODUCTIVIDAD DE VARIABLES ALEATORIAS 37
con
k
k
= i i , 2 = i2 i2 + 2 i j i,j
i=1 i=1 i<j
n
i=1 Be (p) = Bi (n, p) Bi (n, p) + Bi (m, p) = Bi (n + m, p)
n
i=1 P () = P (n)
n
Exp (r) = (r, n) (r, n) + (r, m) = (r, n + m)
i=1
n n
n 2
i=1 N ( i , i ) = N i=1 i ,
i=1 i
n
i=1 2gi = 2g1 ++gn
n
n n
i=1 N (i , i ) = N i=1 i , i=1 i2 + i=j ij
X\Y 1 2 3 pi
0 1/8 2/8 1/8 4/8
1 1/8 0 1/8 2/8
2 0 1/8 1/8 2/8
pj 2/8 3/8 3/8 1
X\Y -1 0 1
-1 a b a
0 b 0 b
1 a b a
4. Seg
un un estudio realizado por el INE, las personas que visitaron Espa
na durante 1992 procedan
de los siguientes pases (datos en porcentajes): Francia: 23 %, Portugal: 19 %, Reino Unido: 15 %,
Alemania: 13 %, Holanda: 8 %, resto de Europa: 9 %, resto del mundo: 13 %.
6. Las variables aleatorias X, Y son N (0, 1) con distribucion conjunta normal bivariante siendo XY =
1
2.
a) Cual es la distribuci
on de la variable Z = 2X 7Y + 8?
b) Calcula P (2Y > X + 2)