Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo4 PDF
Capitulo4 PDF
OBJETIVO: Extender los conocimientos adquiridos para el caso de una variable aleatoria
unidimensional al caso de las variables aleatorias bidimensionales.
En ciertas ocasiones es necesario estudiar el efecto conjunto de dos variables aleatorias, de ahí la necesidad
de estudiar variables aleatorias bidimensionales representadas por Z = ( X , Y ) . Observa que:
Definición 1: La función de probabilidad conjunta de una v. a. bidimensional discreta está dada por:
f X ,Y ( x, y ) = P ( X = x, Y = y )
i) P( X = x, Y = y ) ≥ 0 ∀( x, y )
ii) ∑∑ P( X = x, Y = y) = 1
y x
i) f X ,Y ( x, y ) ≥ 0 ∀ ( x, y ) ∈ R
∞ ∞
ii) ∫∫f
− ∞− ∞
X ,Y ( x, y )dxdy = 1
Ahora el rango de valores posibles de la v.a bidimensional en el caso continuo serán regiones en el plano y
las probabilidades de interés serán volúmenes bajo la curva en la región de interés.
1
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Ejemplo 1: Dos líneas de producción fabrican cierto tipo de artículos. Supón que la capacidad (en cualquier
día dado) es de 5 artículos para la línea I y de 3 artículos para la línea II y que el número verdadero de
artículos producidos por cada una de las líneas es una v. a.
Sea ( X , Y ) la representación de la v.a bidimensional que proporciona el número de artículos producidos por
la línea I y por la línea II respectivamente.
Solución
a) P( X = 2, Y = 3) = 0.04
b) P( X > Y ) = ∑∑ P( X = x, Y = y)
x >y
= P( X = 1, Y = 0) + P( X = 2, Y = 0) + P( X = 2, Y = 1) + P ( X = 3, Y = 0) + P( X = 3, Y = 1)
+ P( X = 3, Y = 2) + P( X = 4, Y = 0) + P ( X = 4, Y = 1) + P( X = 4, Y = 2) + P( X = 4, Y = 3)
+ P( X = 5, Y = 0) + P( X = 5, Y = 1) + P( X = 5, Y = 2) + P( X = 5, Y = 3)
= 0.01 + (0.03 + 0.04) + (0.05)3 + (0.07 + 0.06 + 0.05 + 0.06) + (0.09 + 0.08 + 0.06 + 0.05) = 0.75
3
c) P( X = 4) = ∑ P( X = 4, Y = y )
y =0
= P( X = 4, Y = 0) + P( X = 4, Y = 1) + P( X = 4, Y = 2) + P( X = 4, Y = 3)
= 0.07 + 0.06 + 0.05 + 0.06 = 0.24
2
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
d) Para la esperanza de Y primero se encuentra la f.d.p de la v.a Y y después se usa la definición de la
esperanza para el caso discreto unidimensional.
f.d.p de Y
Y=y P(Y = y )
0 0.25
1 0.26
2 0.25
3 0.24
3
Finalmente la esperanza de Y está dada por E (Y ) = ∑ yP(Y = y ) = 0.26 + 2(0.25) + 3(0.24) = 1.48
y =0
Ejemplo 2: Sea X el número de caras y Y el número de caras menos el número de cruces cuando se lanzan
3 monedas. Encuentra la distribución de probabilidad conjunta de X y Y .
Solución
Posible X Y
resultado. No. de caras No. Caras - No. De cruces
ccc 3 3
ccx 2 1
cxc 2 1
xcc 2 1
xxc 1 -1
xcx 1 -1
cxx 1 -1
xxx 0 -3
La variable aleatoria X tiene una distribución binomial con parámetros 3 y 0.5, es decir.
1
X ~ bin x; n = 3, p =
2
P( X = 0) = 30 p 0 q 3 =
1
8
P( X = 1) = 13 p1q 2 =
3
8
P( X = 2 ) = 32 p 2 q 1 =
3
8
P( X = 3) = 33 p 3 q 0 =
1
8
3
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
La función de distribución de probabilidad conjunta o bidimensional, se expresa mediante el cuadro
siguiente.
f.d.p Conjunta de ( X , Y )
Y
X
-3 -1 1 3
0 1/8 0 0 0
1 0 3/8 0 0
2 0 0 3/8 0
3 0 0 0 1/8
Ejemplo 3: Supón que un fabricante de bombillas está interesado en el número de éstas que le han sido
pedidas durante los meses de enero y febrero. X y Y indican el número de bombillas ordenadas durante
esos dos meses, respectivamente. Supón que ( X , Y ) es una v. a. bidimensional con la siguiente f.d.p conjunta
f X ,Y ( x, y ) = C , 5000 ≤ x ≤ 10,000 y 4000 ≤ y ≤ 9000
a) Encuentra el valor de la constante C.
b) Calcula P( X ≥ Y ) .
Solución
En problemas de este tipo lo que se acostumbra hacer es graficar la región en donde existe la f.d.p conjunta y
localizar la región de interés para poder identificar los límites de integración en la integral doble que define a
la probabilidad pedida.
En la siguiente figura el cuadradito representa la región donde está definida la f.d.p conjunta y la parte rayada
que se intersecta con el cuadrado representa la región donde se cumple la condición X ≥ Y .
y en miles
y=x
12
11
10
9
8
7
6
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12
x en miles
4
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
a) Sabemos que
∞ ∞ 9 mil 10 mil
∫∫f
− ∞− ∞
X ,Y ( x, y )dxdy = 1 ∴ ∫ ∫
4 mil 5 mil
Cdxdy = 1
10 mil 9 mil
y = C [(5mil )(5mil )] = 1
1
C x ∴C =
5 mil 4 mil 25,000,000
b) Se tiene que integrar en la parte inferior de la recta y = x , para ello se divide la región de interés en dos
partes R1 y R2 debido a que los límites de integración cambian en estas dos regiones. Tomando el elemento
diferencial vertical se tiene que en la primera región y corre de 4,000 a la recta a 45 grados y = x mientras
que x corre libremente de 5,000 a 9,000. Dado que y queda en términos de x primero se integra respecto a
y y luego respecto a x . En la región 2 la variable x corre de 9,000 a 10,000 y la variable y toma valores de
4,000 a 9,000, como se indica en la figura.
12
11
10
9
8
7
6
5
4
3 R1 R2
2
1
0
x
1 2 3 4 5 6 7 8 9 10 11 12
9,000
= C ∫ y dx + x y
x 10 , 000 9, 000
4 , 000 4 , 000
x =5,000
9, 000
9,000
= C ∫ ( x − 4,000 )dx +5,000,000
x =5,000
2 9 , 000
x
= C − 4,000 x + 5,000,000
2
5, 000
1 81,000,000 − 25,000,000
= − 16,000,000 + 5,000,000
25,000,000 2
17
= = 0.68
25
5
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Ejemplo 4: Si la v. a. bidimensional continua ( X , Y ) tiene una f.d.p conjunta dada por
xy
f X ,Y ( x, y ) = x 2 + 0 ≤ x ≤ 1, 0 ≤ y ≤ 2
3
Solución
y
0 x
1
y =1− x
∞ ∞ 1 2
2 1
y
2
x 3 yx 2 2
1 1 1 1 2 2 1
a) ∫ ∫ f X ,Y ( x, y )dxdy = ∫ ∫ ( x + x)dxdy = ∫ +
2
dy = ∫ + y dy = y + y = + = 1
0
− ∞− ∞ 0 0
3 0
3 6 0 3 6 3 12 0 3 3
b) Si x + y = 1 ∴ y = 1 − x
2
2
x =1
y
x =1
x y2
P( X + Y ≥ 1) = ∫ ∫ x 2 + x dy dx = ∫ x 2 y + dx
x =0
y =1− x 3
x = 0 3 2 y =1− x
x =1
4 x
= ∫ 2 x − (1 − x) x 2 + x − (1 − x) 2 dx
2
x =0
6 6
x =1
=
∫ 2 x
2
− x2 + x3 +
2 x
[
x − 1 − 2 x + x 2 dx]
x =0
3 6
x =1
2 2 x 1 2 x3
= ∫x=0
− + + − + x − dx
2 3
2 x x x x
3 6 3 6
x =1 1
5 4 1 5 x 4 4 x3 1 x2
= ∫ x 3 + x 2 + x dx = + +
x =0
6 3 2 6 4 3 3 2 2 0
1
5 4 1 45 + 96 + 54 195 65
= x 4 + x3 + x 2 = = =
24 9 4 0 216 216 72
6
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
4.2 DISTRIBUCIÓN CONJUNTA Y MARGINAL.
∂2
Nota: FX ,Y ( x, y ) = f X ,Y ( x, y )
∂x∂y
Solución
y2
1
y1
1 1 2 1 2 1
y y2 k
a) k ∫ ∫ y1 y 2 dy1 dy 2 = k 1 = =1 ∴ k=4
0 0
2 0
2 0
4
y 2 y1 2 2
y1 y 2
b) FY1 ,Y2 ( y1 , y 2 ) = 4 ∫ ∫ y1 y 2 dy1 dy 2 = 4 = y12 y 22 dentro del cuadrado 0 ≤ y1 ≤ 1 , 0 ≤ y2 ≤ 1
0 0
2 2
7
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
c)
y2
1/2
y1
3/4
1 4 1
3
P Y1 ≤ , Y2 ≥ = 4 ∫ y1 dy1 ∫ y 2 dy 2
4 2 0 1
2
4
2 3 2 1
y y2
=4 1
2 0
2 1
2
4 2 4 21
3
= y1 y 2 1
4 0
2
3 2 1 2
= 1 −
4 2
9 3 27
= = = 0.422
16 4 64
En el ejemplo de las líneas de producción (caso discreto) teníamos la distribución conjunta en una tabla, si
ahora queremos la distribución marginal de X y de Y procedemos a sumar por renglones y por columnas
reportando las dos tablas individuales como se muestra a continuación.
8
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Distribución Marginal de X
X =x P( X = x)
0 0.03
1 0.08
2 0.16
3 0.21
4 0.24
5 0.28
Distribución Marginal de Y
Y=y P (Y = y )
0 0.25
1 0.26
2 0.25
3 0.24
Definición 4: La función de probabilidad marginal de una variable aleatoria ( X o Y ) que forma parte de una
v.a conjunta o bidimensional ( X , Y ) está dada por:
Caso Discreto
i) Distribución marginal de la v.a X : f X ( x) = P( X = x) = ∑ P( X = x, Y = y ) = ∑ f X ,Y ( x, y ) ∀ x
y y
Caso Continuo
∞
i) Distribución marginal de la v.a X : f X ( x) = ∫f
−∞
X ,Y ( x, y )dy
∞
ii) Distribución marginal de la v.a Y : f Y ( y ) = ∫f
−∞
X ,Y ( x, y )dx
Ejemplo 6: El empuje X y la razón de la mezcla Y son dos características del funcionamiento de un motor
a reacción. Si ( X , Y ) es una v. a. bidimensional con f. d. p f X ,Y ( x, y ) = 2( x + y − 2 xy ) en 0 ≤ x ≤ 1 , 0 ≤ y ≤ 1 .
Encuentra las distribuciones marginales para X y Y.
Solución
1
f X ( x) =
y =0
∫f X ,Y ( x, y )dy con 0 ≤ x ≤ 1
1
1
y 2 2 xy 2
= ∫ 2( x + y − 2 xy )dy = 2 xy + −
0 2 2 0
1
= 2 x + − x = 1
2
9
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Entonces la f.d.p marginal para X es una distribución uniforme X ∼ U (0,1) dada por f X ( x) = 1 .Cuya gráfica
es la siguiente.
1 x
1
f Y ( y ) = 2∫ ( x + y − 2 xy )dx con 0 ≤ y ≤ 1
0
1
x2 2x 2 y 1
= 2 + xy − = 2 + y − y = 1
2 2 0 2
Por lo tanto Y también tiene una f.d.p uniforme de 0 a 1, lo cual se escribe así Y ∼ U (0,1) f Y ( y ) = 1 y su
representación gráfica es
fY ( y )
1
y
C ( x, y ) ∈ R
f X ,Y ( x, y ) =
0 o.c.
Solución
∞ ∞ ∞ ∞
1= ∫∫f
− ∞− ∞
X ,Y ( x, y )dxdy = ∫ ∫ C dxdy = C ∫∫ dxdy
− ∞− ∞ R
C [Area de R ] = 1 ∴ C =
1
Area de R
10
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Ejemplo 8: Supón que la v. a. bidimensional ( X , Y ) está distribuida uniformemente en la región R
comprendida entre la recta y = x y la curva y = x 2 encuentra su f. d. p conjunta y las marginales de X y de
Y respectivamente.
1.2
0.8 y=x
0.6
0.4
y = x2
0.2
0
0 0.5 1
( )
1
= ∫ x − x 2 dx
0
1
x2 x3 1 1 1
= − = − =
2 3 0 2 3 6
[ ]
y
La representación gráfica de las f.d.p marginales para las variables X y Y respectivamente es:
f X (x) f Y ( y)
1.6
1.5
1.4
1.2 1.2
1
0.9
0.8
0.6 0.6
0.4
0.3
0.2
0 0
0 0.5 1 1.5
0 0.2 0.4 0.6 0.8 1 1.2
11
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Definición 5: La función de distribución condicional está dada por:
Observación:
( )
∑ f X y x y =1
x
fX y ≥ 0 y ∞
( )
∫ f X y x y dx =1
−∞
Definición 6: La esperanza condicional de la v.a X se define como antes en términos de su f.d.p es decir
∑ xf X y x y
x
( ) Caso Discreto
E (X y ) = ∞
∫ xf X y x y dx ( ) Caso Continuo
−∞
yx
Ejemplo 9: Si ( X , Y ) tiene f.d.p conjunta f X ,Y ( x, y ) = x 2 + 0 ≤ x ≤1 , 0 ≤ y ≤ 2 , encuentra las
3
distribuciones condicionales f X y (x y ) y f Y x ( y x ) y verificar que son f.d.p.
Solución
1
1
xy x 3 y x2 1 1
f Y ( y ) = ∫ ( x + )dx = +
2
= + y
0
3 3 3 2 3 6
0
12
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Siguiendo la definición de la función de distribución de probabilidad condicional se tiene que:
xy 3 x 2 + xy
x2 +
6(3 x 2 + xy )
f X y (x y ) =
f X ,Y ( x, y ) 3 = 3
= =
f Y ( y) 1 1 2+ y 3(2 + y )
+ y
3 6 6
Y la condicional de la variable aleatoria Y dado el valor particular x de la variable aleatoria X , es:
xy 3 x 2 + xy
x2 +
f X ,Y ( x, y ) 3 = 3 3 x 2 + xy x(3 x + y )
f Y x ( y x) = = = =
f X ( x) 2 6 x 2
+ 2 x 6 x 2 + 2 x x ( 6 x + 2)
2x + x
2
3 3
3x + y
f Y x ( y x) = 0 ≤ x ≤1 0≤ y≤2
6x + 2
Definición 7: Sea ( X , Y ) una v. a. bidimensional. Se dice que las variables aleatorias X y Y son
independientes si:
i) Caso discreto P( X = x, Y = y ) = P( X = x) P (Y = y )
i) Caso discreto P( X = x Y = y ) = P( X = x)
Nota._ Equivalentemente las variables aleatorias X y Y son independientes si la f.d.p conjunta se puede
escribir como producto de las f.d.p marginales.
13
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Demostración del teorema:
i) Supóngase que X ⊥ Y
Por definición
P( X = x, Y = y ) P ( X = x) P (Y = y )
P(X = x Y = y ) = = = P( X = x)
P(Y = y ) P(Y = y )
ii) Tarea.
Ejemplo 10: Supón que una máquina se usa para un trabajo especifico en la mañana y para otro diferente en
la tarde. X es el número de veces que la máquina falla en la mañana y Y el número de veces que la máquina
falla en la tarde. En la tabla se muestra la distribución de probabilidad conjunta. ¿Son independientes las
variables aleatorias X y Y ?
Para que sean independientes se debe cumplir que la conjunta sea el producto de las marginales, entonces.
P( X = 0, Y = 0) = P( X = 0) P (Y = 0)
0.1 = 0.5(0.2)
P( X = 0, Y = 1) = P( X = 0) P(Y = 1)
0.04 = 0.2(0.2)
P( X = 0, Y = 2) = P( X = 0) P(Y = 2)
0.06 = 0.2(0.3)
14
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Ejemplo 11: Sean X y Y la duración de dos dispositivos electrónicos, con f. d. p conjunta dada por
f X ,Y ( x, y ) = e − ( x + y ) y≥0 , x≥0
Solución
Si la f.d.p conjunta se puede escribir como el producto de las marginales entonces sí son independientes, es
decir si f X ,Y ( x, y ) = f X ( x) f Y ( y ) entonces X ⊥ Y .
∞
(
f X ( x) = ∫ e − x e − y dy = e − x − e − y ) ∞
0
= e − x (1) = e − x
0
∞
(
f Y ( y ) = ∫ e − x e − y dx = e − y − e − x ) ∞
0
= e−y
0
Nota: Si la función de densidad conjunta se puede factorizar como el producto de una función de una de las
variables y otra función de la otra variable y el recorrido de una de las variables no depende del recorrido de
la otra variable entonces las variables aleatorias son independientes.
Solución
No son independientes ya que a pesar de que la f.d.p conjunta se puede factorizar en una función que
depende sólo de X y otra que depende sólo de Y , el recorrido de X depende del recorrido de Y .
Recomendación: Primero se analiza al recorrido de las variables, si estos son independientes, se procede a
encontrar las marginales para ver si se cumple que la f.d.p conjunta es igual al producto de las marginales.
15
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Definición 8: La esperanza de la v.a bidimensional ( X , Y ) está dada por:
Ejemplo 13: Sea ( X , Y ) una v.a bidimensional con f.d.p conjunta dada por f X ,Y ( x, y ) . Encuentra
E [g ( X , Y )] si g ( X , Y ) = X .
Solución
∞ ∞
E [g ( X , Y )] = ∫ ∫ g ( x, y ) f X ,Y (x, y )dxdy
− ∞− ∞
∞ ∞
= ∫ ∫x f
− ∞− ∞
X ,Y (x, y )dxdy
∞ ∞
= ∫ xdx ∫
−∞ −∞
f X ,Y (x, y )dy
∞
= ∫ xdxf
−∞
X (x)
∞
= ∫ xf
−∞
X ( x )dx = E ( X )
16
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Ejemplo 14: La distribución conjunta para Y1 , el número de contratos asignados a la empresa A, y Y2 , el
número de contratos asignados a la empresa B, está dado por las entradas de la tabla siguiente.
1
a) Demuestra que la marginal para Y1 es bin y1 , n = 2, p = .
3
b) Encuentra E (Y1 − Y2 )
Solución
a) f.d.p de Y1
Y1 = y1 P(Y1 = y1 )
0 4/9
1 4/9
2 1/9
n
La binomial con parámetros n y p está dada por P(Y1 = y1 ) = p y1 q n − y1
y1
De la tabla se tiene que P(Y1 = 0) = y de la fórmula se tiene que:
4
9
4 n 0 n
= p q con n = 2
9 0
4 4 2 1
= q 2 entonces q = = y por lo tanto p =
9 9 3 3
1
Si Y1 ~ bin y1 ; n = 2, p = tendremos que
3
1 2 4
P(Y1 = 1) = 12 pq = 2 =
3 3 9
2
1
P(Y1 = 2 ) = 22 p 2 q 0 = p 2 = =
1
3 9
17
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
2 2
b) E (Y1 − Y2 ) = ∑ ∑ (y 1 − y 2 )P (Y1 = y1 , Y2 = y 2 )
y 2 = 0 y1 = 0
1 2 1 2 2
= (0 − 0) + (1 − 0) + (2 − 0) + (0 − 1) + (1 − 1)
9 9 9 9 9
1
+ (2 − 1)0 + (0 − 2) + (1 − 2)0 + (2 − 2)0
9
2 2 2 2
= + − − =0
9 9 9 9
Ejemplo 15: Y1 , Y2 corresponden a las proporciones de tiempo, en un día de trabajo, que los empleados I y
II, respectivamente, ocupan realmente en hacer sus tareas asignadas. La función de densidad conjunta para
Y1 y Y2 está dada por
y + y2 0 ≤ y1 ≤ 1 , 0 ≤ y 2 ≤ 1
f Y1 ,Y2 ( y1 , y 2 ) = 1
0 o.c
El operador I tiene mayor productividad que el operador II, y una medida de la productividad total de los dos
empleados está dada por 30Y1 + 25Y2 . Calcula la productividad esperada.
Solución
1 1
E (30Y1 + 25Y2 ) = ∫ ∫ (30 y 1 + 25 y 2 )( y1 + y 2 )dy1 dy 2
y 2 = 0 y1 = 0
1 1 1 1 1 1
= 30∫ ∫ y1 dy1dy 2 + 55∫ ∫ y1 y2 dy1dy 2 + 25∫ ∫ y2 dy1dy2
2 2
0 0 0 0 0 0
1 2 1 1 1
1 1
= 30 ∫ y1 dy1 ∫ dy2 + 55 ∫ y1dy1 ∫ y2 dy2 + 25 ∫ dy1 ∫ y2 dy2
2
0 0 0 0 0 0
1 1 1
y3 y 2 y 2 y 3
= 30 1 ( y2 ) + 55 1 2 + 25 y1 2
3 0 2 2 0 3 0
1 1 1 1
= 30 (1) + 55 + 25(1)
3 2 2 3
55 25
= 10 + + = 32.08
4 3
18
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Ejemplo 16: Supón que ( X , Y ) se distribuye de manera uniforme sobre el semicírculo del diagrama. De tal
y
y = 1− x2
∴ x = 1− y2
x
-1 1
Solución
1− x 2 1− x 2
a) f X ( x ) =
2 2 2
∫
y =0
π
dy =
π
y
0
=
π
1− x2 −1 < x < 1
2 1− y 2 4 1− y 2 4
f Y ( y ) = 2 ∫x=0dx = π x 0 = π 1 − y
2
0 < y <1
π
2
b) f X y
(x y ) = f X ,Y ( x, y )
= π =
1
para -1 ≤ x ≤ 1
f Y ( y) 4
1− y 2 2 1− y2
π
2
f Y x (y x ) = π
f X ,Y ( x, y ) 1
= = para 0 ≤ y ≤ 1
f X ( x) 2
1− x2 1− x2
π
1 1
c) E ( X y ) = ∫ xf X (x y )dx = ∫ x 1
y
dx
−1 −1 2 1− y2
1
x2 1
= =0
2 1− y2 2 −1
1 1
E (Y x ) = ∫ yf Y x ( y x )dy = ∫ y
1
dy
0 0 1− x2
1
y2 1 1
= =
1− x2 2 0 2 1− x2
19
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Ejemplo 17: Dadas las siguientes distribuciones conjuntas determina si X y Y son independientes.
a) g ( X , Y ) = 4 xye − (x + y2 ) x ≥ 0, y ≥ 0
2
b) f ( X , Y ) = 3x 2 y −3 0 ≤ x ≤ y ≤1
c) f ( X , Y ) = 6(1 + x + y )
−4
x ≥ 0, y ≥ 0
Solución
a) Independientes.
b) No son independientes porque el recorrido de x depende del recorrido de y .
c) No son independientes.
Ejemplo 18: X y Y corresponden a la vida útil, expresada en horas, de componentes de tipo I y tipo II,
respectivamente, en un sistema electrónico. La función de densidad conjunta para X y Y está dada por
f X ,Y ( x, y ) = xe −( x + y ) / 2 en x > 0, y > 0
1
8
Y
Un modo de medir la eficiencia relativa de los dos componentes es el cálculo de la razón . Encuentra la
X
eficiencia relativa esperada.
Solución
∞∞
Y y 1 −( x + y ) / 2
E = ∫∫ xe dxdy
X 00x8
∞∞
y −x / 2 − y / 2
= ∫∫ e e dxdy
0 0
8
∞ ∞
1 −x / 2
= ∫ e dx ∫ ye − y / 2 dy
80 0
1 ∞
(
= − 2e − x / 2 − 2 ye − y / 2 − 4e − y / 2
8 0
) ∞
0
=1
20
Profesora: Leticia Cañedo Suárez. ESCOM-IPN
Ejemplo 19: Supón que X 1 y X 2 son calificaciones codificadas en dos pruebas de inteligencia y la función
de densidad de probabilidad conjunta está dada por
f X1 , X 2 ( x1 , x 2 ) = 6 x1 x 2 0 ≤ x1 ≤ 1, 0 ≤ x 2 ≤ 1
2
Solución
0
2 0
1 3 1
f X 2 ( x2 ) = 6 ∫ x1 x2 dx1 = 6 x2
x
= 2 x2
2 1
0
3 0
2
f X 1 , X 2 ( x1 , x2 ) 6 x1 x2
f X 1 x2 = = = 3x1
2
f X 2 ( x2 ) 2 x2
2
f X1 , X 2 ( x1 , x 2 ) 6 x1 x 2
f X 2 x1 = = 2
= 2 x2
f X 1 ( x1 ) 3x1
1 1 4 1
E ( X 1 x 2 ) = ∫ x1 3 x1 dx1 = 3∫ x1 dx1 = 1
3x 3
=
2 3
0 0
4 0
4
1 1 3 1
E ( X 2 x1 ) = ∫ x 2 f X 2 x1 ( x 2 | x1 )dx 2 = 2∫ x 2 dx 2 = 2 2
x 2
=
2
0 0
3 0
3
21
Profesora: Leticia Cañedo Suárez. ESCOM-IPN