MA175 Estadística para Economistas

UNIDAD 1: Distribuciones Bivariadas

Semana 1 – Sesión 1

Variable aleatoria bidimensional

En muchas ocasiones es necesario estudiar conjuntamente dos características
de un fenómeno aleatorio, es decir el comportamiento de dos variables
aleatorias. Para estudiar las dos variables aleatorias (X,Y) es necesario conocer
la distribución de probabilidad conjunta.
Dado un experimento aleatorio  y su espacio muestral asociado , las
funciones X, Y asignan a cada elemento wi de , los valores X(wi), Y(wi)

Rango de una variable aleatoria bidimensional

Dado el experimento aleatorio  y su espacio muestral asociado , el rango de
la variable aleatoria bidimensional es el conjunto de valores posibles de la variable aleatoria (X,Y) y es
denotada por R(X,Y).

Variable aleatoria bidimensional “discreta”

Si R(X,Y) es un conjunto finito o infinito numerable, la variable aleatoria bidimensional es “discreta”.

Función de probabilidad conjunta f(X,Y)

f ( x, y)  P  X  x, Y  y 
  P  w i   / X(w i )  x, Y(w i )  y 
i
Condiciones:
a) b)
f ( x, y)  0  ( x, y)  R (X, Y) 
x y
f ( x, y)  1

Ejemplo1:
x y
La función de probabilidad conjunta de X e Y está dado por: f ( x, y)  x=0,1,2,3 y=0,1,2 a es constante
a
Calcule “a” y la P(X>Y)
Solución:

1 2 1 5
0    ...   1  a  30
a a a a


x y
f ( x, y)  1

-1-
 MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas

Ejercicio1:
Un experimento consiste en lanzar tres veces una moneda. Sean las variables aleatorias:

X: Número de caras obtenida en los tres lanzamientos.

Y: Diferencia en valor absoluto, entre el número de caras y el número de sellos en los tres lanzamientos.
Obtenga la distribución conjunta de probabilidades de las variables X e Y.
Solución:

ῼ = {CCC, CCS, CSS, CSC, SSS, SCC, SCS, SSC}

 CCC X=3 Y=3 (3,3)

 CCS X=2 Y=1 (2,1)
 CSS X=1 Y=1 (1,1)
 CSC X=2 Y=1 (2,1)
 SSS (0,3)
 SCC (2,1)
 SCS (1,1)
 SSC (1,1)

Cuadro de distribución de probabilidades de una V.A Bidimensional

(X,Y) (0,3) (1,1) (2,1) (3,3) Suma
f(X,Y) 1/8 3/8 3/8 1/8 1

Función de probabilidad marginal

Si f (x, y) es la función de probabilidad conjunta de las variables aleatorias X, Y; luego, las funciones de
probabilidad marginal son:

f X ( x)  P  X  x    f ( x, y) f Y ( y)  P  Y  y    f ( x, y)
y RY x RX

Ejercicio2:
Sean X, Y dos variables aleatorias que tienen como distribución conjunta de probabilidades:

-2-
 MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas
Halle las distribuciones marginales de X e Y.
Solución:
Rx = {0, 1, 2}
Ry = {0, 1, 2, 3}

3 9 3 15
 𝑓𝑥 (0) = 0 + 70 + 70 + 70 = 70
2 18 18 2 40
 𝑓𝑥 (1) = + + + =
70 70 70 70 70
3 9 3 15
 𝑓𝑥 (2) = 70
+ 70
+ 70
+0= 70

Distribución marginal de X
X 𝒇(𝒙)
0 15/70
1 40/70
2 15/70
Suma 1

2 3 5
 𝑓𝑦 (0) = 0 + + =
70 70 70
3 18 9 30
 𝑓𝑦 (1) = + + =
70 70 70 70
9 18 3 30
 𝑓𝑦 (2) = 70
+ 70 + 70 = 70
3 2 5
 𝑓𝑦 (3) = 70
+ 70 + 0 = 70

Distribución marginal de Y
Y 𝒇(𝒚)
0 5/70
1 30/70
2 30/70
3 5/70
Suma 1

Ejercicio propuesto:
Se tiene la siguiente distribución conjunta de probabilidades de las variables:
X: Años de servicio laboral
Y: Compensación por tiempo de servicio (miles de soles)

Y
X
3 5 8 10
10 0,15 0 0,05 0,05
15 0,05 0,15 0,20 0,10
20 0,05 0,10 0 0,10

Halle las distribuciones marginales de X e Y.

Evaluación:

Afirmaciones Verdadero Falso

Se llama variable aleatoria bidimensional porque ok
estudia dos características de un fenómeno aleatorio.

-3-
 MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas
Si el rango es un conjunto infinito no numerable, la ok
variable aleatoria bidimensional es discreta.
La suma de las funciones de probabilidad en una ok
distribución marginal suma más de uno.

Semana 1 – Sesión 2

Funciones de probabilidad condicional

Si f (x, y) es la función de probabilidad conjunta de las variables aleatorias X, Y; fX (x) y fY (Y) son las funciones
de probabilidad marginales de las variables aleatorias X e Y, entonces la función de probabilidad condicional
de X, dado que Y= y es:
f ( x, y )
f ( x / y )  P X  x / Y  y   , para f Y ( y )  0
 fY ( y)
La función de probabilidad condicional de Y, dado que X= x es:
f ( x, y )
f ( y / x )  P Y  y / X  x   , para f X ( x)  0
 f X ( x)
Ejemplo1:
Sean X, Y dos variables aleatorias que tienen distribución conjunta de probabilidades

X/Y 0 1 2 3 fx(x)
0 0 3/70 9/70 3/70 15/70
1 2/70 18/70 18/70 2/70 40/70
2 3/70 9/70 3/70 0 15/70
fy(y) 5/70 30/70 30/70 5/70 1

Halle la distribución condicional de Y dado X=1

Solución:

𝟐/𝟒𝟎 𝒀 = 𝟎, 𝟑
𝒇(𝒀/𝑿 = 𝟏) = {
𝟏𝟖/𝟒𝟎 𝒀 = 𝟏, 𝟐
2
2
 𝑓(𝑌 = 0/𝑋 = 1) = 70
40 = 40
70
18
18
 𝑓(𝑌 = 1/𝑋 = 1) = 70
40 = 40
70
18
18
 𝑓(𝑌 = 2/𝑋 = 1) = 70
40 = 40
70
2
2
 𝑓(𝑌 = 3/𝑋 = 1) = 70
40 = 40
70

Independencia estocástica de dos variables aleatorias

Sea (X1, X2) una variable aleatoria bidimensional en 2, donde X1 y X2 son variables aleatorias discretas con
función de probabilidad conjunta f(x1, x2) y funciones de probabilidad marginal f1(x1) y f2(x2) respectivamente,
entonces X1 y X2 son independientes si y solo si

-4-
 MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas

f ( x1 , x2 )  f1 ( x1 ) f 2 ( x2 ) para todos los pares de números reales (x1,x2)

Ejemplo2:
Sean X, Y dos variables aleatorias que tienen distribución conjunta de probabilidades:

Determine si X e Y son dos variables aleatorias independientes.

Solución:

 𝑓(𝑥 = 0, 𝑦 = 0) = 𝑓(𝑥 = 0) ∗ 𝑓(𝑦 = 0)

0 = 15/70*5/70 Falso
 𝑓(𝑥 = 1, 𝑦 = 2) = 𝑓(𝑥 = 1) ∗ 𝑓(𝑦 = 2)
18/70 = 40/70 * 30/70 Falso

Por lo tanto X e Y no son independientes

Esperanza matemática
Sean X1, X2, . . . , Xk variables aleatorias que tienen como función de probabilidad conjunta f (x1 , x2 , . . . , xk );
luego, el valor esperado o esperanza matemática de la variable aleatoria Xi es:

E  Xi     x i f ( x1 , x2 , , xk )   xi fi ( xi )
x1 x2 xk xi

Esperanza matemática de una función de variables aleatorias

Si h(x1, x2, . . ., xn ) es una función de las variables aleatorias X1, X2, . . ., Xn las cuales tienen como función de
probabilidad conjunta f(x1, x2, . . ., xn); luego, el valor esperado o esperanza matemática de la función “h” es:

E  h ( x1 , x2 , , xn )      h (x , x , 1 2 , xn ) f ( x1 , x2 , , xn )
x1 x2 xn

Propiedades:
Si X1,X2,...,Xn son variables aleatorias con función de probabilidad conjunta f (x1,x2,...,xn); luego, se cumple:
1) Si C es una constante: E[ C ]= C
2) Si C es una constante y h (x1 , x2 , . . . , xn ) es una función de las variables aleatorias:
E[ C h(x1,x2 ,...,xn) ]= C E[ h(x1,x2,...,xn) ]
3) Si C1, C2,...,Cm son “m” constantes y h1, h2,...,hm son “m” funciones de las variables aleatorias:
 m
 m
E  Ci h i ( x1, x2 , , xn )    C i E  h i ( x1 , x2 , , xn ) 
 i=1  i=1

-5-
 MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas

Ejemplo:
Se tiene la siguiente distribución conjunta de probabilidades de las variables:
X: Años de servicio laboral
Y: Compensación por tiempo de servicio (miles de soles)

Y f(x)
X
3 5 8 10
10 0,15 0 0,05 0,05 0.25
15 0,05 0,15 0,20 0,10 0.50
20 0,05 0,10 0 0,10 0.25
f(y) 0.25 0.25 0.25 0.25 1

Halle la esperanza de X, de Y y de X,Y.

 𝐸(𝑋) = ∑ 𝑋 ∗ 𝑓(𝑋) = 10 ∗ 0.25 + 15 ∗ 0.50 + 20 ∗ 0.25 = 15
 𝐸(𝑋 2 ) = ∑ 𝑋 2 ∗ 𝑓(𝑋) = 102 ∗ 0.25 + 152 ∗ 0.50 + 202 ∗ 0.25 = 237.5
 𝐸(𝑌) = ∑ 𝑌 ∗ 𝑓(𝑌) = 3 ∗ 0.25 + 5 ∗ 0.25 + 8 ∗ 0.25 + 10 ∗ 0.25 = 6.5
 𝐸(𝑌 2 ) = ∑ 𝑌 2 ∗ 𝑓(𝑌) = 32 ∗ 0.25 + 52 ∗ 0.25 + 82 ∗ 0.25 + 102 ∗ 0.25 = 49.5
 𝐸(𝑋, 𝑌) = ∑ 𝑋 ∗ 𝑌 ∗ 𝑓(𝑋, 𝑌) = 10 ∗ 3 ∗ 0.15 + 10 ∗ 5 ∗ 0 + 10 ∗ 8 ∗ 0.05 + 10 ∗ 10 ∗ 0.05 +
15 ∗ 3 ∗ 0.05 + 15 ∗ 5 ∗ 0.15 + 15 ∗ 8 ∗ 0.20 + 15 ∗ 10 ∗ 0.10 + 20 ∗ 3 ∗ 0.05 + 20 ∗ 5 ∗
0.10 + 20 ∗ 8 ∗ 0 + 20 ∗ 10 ∗ 0.10 = 102

Covarianza
La covarianza es un valor que indica el grado de variación conjunta de dos variables aleatorias respecto a sus
medias. Es el dato básico para determinar la dependencia lineal entre ambas variables.

Cov  X1 , X 2    X ,X  1,2
1 2
 E  (X1  1)(X 2  2 ) 

 E  X1 X 2   1 2

= E  X1X 2   E(X1 )E(X 2 )

Interpretaciones:
Si Cov(X1,X2)> 0 existe relación lineal directa entre X1 y X2
Si Cov(X1,X2)< 0 existe relación lineal inversa entre X1 y X2
Si Cov(X1,X2)= 0 no existe relación lineal entre X1 y X2

Del ejemplo anterior hallar la covarianza

𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋, 𝑌) − 𝐸(𝑋) ∗ 𝐸(𝑌) = 102 − 15 ∗ 6.5 = 𝟒. 𝟓

Entonces existe relación lineal directa.

Correlación

-6-
 MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas
La correlación es una medida del grado de intensidad de la relación lineal entre dos variables.

Cov  X1 , X 2   X1 ,X2
 X1 ,X2  1,2  = ,
 X1  X2  X1  X2

donde  1   X1 ,X2  1
Interpretaciones:
Si (X1,X2) =1 existe una fuerte relación lineal directa entre X1 y X2
Si (X1,X2) =-1 existe una fuerte relación lineal inversa entre X1 y X2
Si (X1,X2) =0 no existe una relación lineal entre X1 y X2

MB R P P R MB
-1 -0.8 -0.5 0 0.5 0.8 1

Del ejemplo anterior hallar e interpretar el coeficiente de correlación

Solución:
𝟐
 𝑽(𝑿) = 𝑬(𝑿𝟐 ) − (𝑬(𝑿)) = 𝟐𝟑𝟕. 𝟓 − 𝟏𝟓𝟐 = 𝟏𝟐. 𝟓
𝟐
 𝑽(𝒀) = 𝑬(𝒀𝟐 ) − (𝑬(𝒀)) = 𝟒𝟗. 𝟓 − 𝟔. 𝟓𝟐 = 𝟕. 𝟐𝟓
 𝑺(𝑿) = 𝟑. 𝟓𝟑𝟓𝟓
 𝑺(𝒀) = 𝟐. 𝟔𝟗𝟐𝟔

𝑪𝒐𝒗(𝑿, 𝒀) 𝟒. 𝟓
𝝆(𝑿, 𝒀) = = = 𝟎. 𝟒𝟕𝟐𝟕
𝑺(𝑿) ∗ 𝑺(𝒀) 𝟑. 𝟓𝟑𝟓𝟓 ∗ 𝟐. 𝟔𝟗𝟐𝟔

Existe una relación lineal directa muy pobre entre X,Y

Ejemplo3:
Se tiene la siguiente distribución conjunta de probabilidades de las variables:
X: Años de servicio laboral
Y: Compensación por tiempo de servicio (miles de soles)

Y
X fx(x)
2 3 5 8
5 0,15 0,02 0,05 0,02 0,24
10 0,05 0,15 0,20 0,10 0,50
15 0,05 0,10 0,01 0,10 0,26
fy(y) 0,25 0,27 0,26 0,22 1

Determine el valor del coeficiente de correlación entre las variables X e Y. Interprete.

-7-
 MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas
Esperanza condicional
E  Y/x1 , x2 , , xk    y f ( y /x1, x2 , , xk ) E  X/y1 , y 2 , , yk  x f ( x/y1 , y 2 , , yk )
y x

Ejemplo4:
Del ejemplo3, si los años de servicio laboral es 10 años, ¿Cuánto es la compensación promedio por tiempo
de servicio?

E (Y/X=10) = ∑ 𝑌 ∗ 𝑓(𝑌/𝑋 = 10)

= [𝑌 = 2 ∗ 𝑓(𝑌 = 2/𝑋 = 10)] + [𝑌 = 3 ∗ 𝑓(𝑌 = 3/𝑋 = 10)] + [𝑌 = 5 ∗ 𝑓(𝑌 = 5/𝑋 = 10)] + [𝑌

0.05 0.15 0.20 0.10
= 8 ∗ 𝑓(𝑌 = 8/𝑋 = 10)] = 2 ∗ +3∗ +5∗ +8∗ = 4.7
0.50 0.50 0.50 0.5

Varianza condicional
V[ Y/x ]= E Y2 /x   (E[Y/x])2 V[ X/y ]= E  X 2 /y   (E[X/y])2
   
Ejemplo5:
Del ejemplo3, si los años de servicio laboral es 10 años, ¿Cuánto es la varianza de la compensación por tiempo
de servicio?

𝑉(𝑌/𝑋 = 10) = 𝐸(𝑌 2 /𝑋 = 10) − (𝐸(𝑌/𝑋 = 10))2 = 25.9 − 4.72 = 3.81

0.05 0.15 0.2 0.10

𝐸(𝑌 2 /𝑋 = 10) = 22 ∗ + 32 ∗ + 52 ∗ + 82 ∗ = 25.9
0.50 0.50 0.50 0.50

-8-
 MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas
Semana 1 – Sesión 3

Ejercicio propuesto1:
ENDEX S.A. es una empresa que produce artículos de oficina. El gerente general en su afán de que los artículos
que se producen sean de calidad, encarga realizar semanalmente un control de calidad. El inspector de calidad
realizara la inspección, para ello extrae al azar 4 artículos sin reposición de un lote que contiene 6 artículos con
defectos leves, 7 artículos buenos y 5 con defectos graves. Se han definido las siguientes variables:
X1: número de artículos buenos
X2: número de artículos con defectos leves

a. Construya la distribución conjunta (aproximar a cuatro decimales las probabilidades conjuntas).

b. El inspector de calidad afirma que el número promedio de artículos buenos es de 3 artículos, ¿es
correcto lo que afirma el inspector?
c. Si el número de artículos buenos es 2, ¿cuál es el número promedio de artículos con defectos leves?
d. Se está analizando la variación relativa del número de artículos buenos cuando el número de artículos
con defectos leves es 1. Si esta variación es mayor al 30% entonces se deberá realizar mejoras en la
línea de producción. ¿Qué decisión se debe tomar?
e. Calcular la probabilidad de obtener al menos 2 artículos buenos y a lo más un artículo con defectos
leves.

Ejercicio propuesto2:
La fábrica de camisas “Manfin” cuenta con dos líneas de producción. Sean las variables X1 y X2 que se definen
de la siguiente manera:
X1: cantidad de camisas producidas por hora en la línea 1
X2: cantidad de camisas producidas por hora en la línea 2
La máxima capacidad de producción por hora es de 4 camisas para la línea de producción1 y 3 camisas para la
línea de producción2. La información que tiene el área de producción es la siguiente:

a. Construya la distribución conjunta (utilice una aproximación a dos decimales en las funciones de
probabilidad conjunta)
b. Calcular la media de la producción de la línea 1 y 2
c. Si la cantidad media de camisas en la línea1 es menor a 3 cuando la cantidad de camisas en la línea2
es de 2 camisas, entonces se debería enviar a calibrar las máquinas de la línea1. ¿Se deberá calibrar las
máquinas de la línea1?
d. El jefe del área de producción afirma que existe una baja relación lineal y directa entre la línea de
producción1 y la línea de producción2. ¿Es correcto lo que afirma el jefe de producción?
e. Se está analizando la variación relativa en la línea2 cuando la cantidad de camisas producidas en la
línea1 sea de 3 camisas. Si esta variación relativa es mayor a 20% se deben realizar acciones correctivas
en la línea2. ¿Qué decisión se debe tomar?

-9-
MA175 Estadística para Economistas
UNIDAD 1: Distribuciones Bivariadas

-
10
-