Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplos:
- Analizar la oferta y demanda de un bien.
- El peso y la altura de un individuo.
- La temperatura y la ocupación hotelera
- El ingreso y el consumo de las familias españolas.
Pij ≥ 0
f ( xi , y=
j) ξ1 xi ;=
P = ξ 2 y= Pij
j cumpliendo que ∑∑ Pij = 1
∀i ∀j
Y la función de distribución conjunta:
, y ) P(ξ1 ≤ x ; ξ 2 ≤=
F ( x= y) ∑∑P
xi ≤ x y j ≤ y
ij ∀ ( x, y ) ∈ℜ2
1
EJERCICIO 1
Sea la variable aleatoria bidimensional (ξ1 , ξ 2 ) en la que la primera variable ξ1 puede
tomar los valores {Xi : 0 , 1 , 2 } y la segunda variable ξ2 los valores {Yj : 10, 20, 30, 40 },
con la siguiente distribución de probabilidad conjunta:
P [ a ≤ ξ1 ≤ b ; c ≤ ξ 2 ≤ d ] =
b d
∫ ∫ f ( x, y)dxdy
a c
+∞ +∞
∫∫ 2 f ( x, y)dxdy
Verificando que:= ℜ ∫=
∫ f ( x, y)dxdy 1
−∞ −∞
∀ ( x, y ) ∈ℜ2
x y
, y ) P(ξ1 ≤ x ; ξ 2 ≤=
F ( x= y) ∫ ∫ −∞ −∞
f ( x, y )dxdy
∂ 2 F ( x, y )
Deduciéndose que: f ( x, y ) =
∂x∂y
2
EJERCICIO 2
Dada la variable (ξ1 , ξ 2 ) , cuya distribución de probabilidad conjunta viene definida por la
función de densidad conjunta:
0,2
0 0,5 1 x
P(ξ1 ≤ 0,5 ; ξ 2 ≤ 0, 2)
F (0,5 , 0,2) =
2. Distribuciones marginales
Dada una variable aleatoria bidimensional (ξ1 , ξ 2 ) las distribuciones marginales son las
distribuciones unidimensionales de cada una de las variables que la componen,
consideradas por separado. Es decir, sin tener en cuenta la distribución de probabilidad
de la otra variable. Se podrán obtener a partir de la distribución conjunta.
Tipo Discreto
Para ξ1 ⇒ f1 ( x=
i) P (= i)
ξ1 x= ∑ P=
∀y j
ij Pi• cumpliendo que ∑P
∀xi
i• =1
Para ξ2 ⇒ f 2 ( y=
j) P (= j)
ξ2 y= ∑=
P ij P• j cumpliendo que ∑P j =1
∀xi ∀y j
3
Funciones de distribución marginales:
Para ξ1 ⇒ F=
1( x) F ( x ;=
+∞) ∑∑
= P ∑P
xi ≤ x ∀y j
ij
xi ≤ x
i•
Para ξ2 ⇒ F2 ( y=
) F ( +∞ ; y=
) ∑ ∑ P= ∑ P
∀xi y j ≤ y
ij
yj≤y
•j
EJERCICIO 1
Xi 0 1 2 P• j
Yj
10 0,02 0,06 0,02
20 0,04 0,24 0,04
30 0,06 0,18 0,06
40 0,08 0,12 0,08
Pi•
Tipo Continuo
EJERCICIO 2
2) Determine las funciones de densidad marginales del Ejercicio 2 anterior.
4
3. Distribuciones condicionadas
Tipo Discreto:
Supuesto que la variable ξ1 hubiera tomado el valor xi , que deberá cumplir que
P (=
ξ1 xi ) ≠ 0 , la distribución condicionada de ξ2 / ξ1 = xi será la formada por los
P ξ= ξ1 x=
y j /=
(ξ1 x=
P= i ; ξ2 y j ) Pij
= ∀y j
i
P (ξ1 = xi )
2
Pi•
Siendo la correspondiente función de distribución condicionada:
Pij
P [ξ 2 ≤ y / ξ1 =xi ] =∑ y j ≤ y Pi •
para y ∈ℜ
ξ1 xi /=
P = ξ2 y=
(ξ1 x=
P= i ; ξ2 y j ) Pij
j
= ∀xi
P (ξ 2 = y j ) P• j
5
Tipo Continuo:
Distribuciones condicionadas de ξ2 / ξ1 = x
Función de distribución condicionada F ( y / x)
f ( x, y )
f ( y / x) =
f1 ( x )
f ( x, y )
condicionada de ξ1 / ξ2 = y :
f ( x / y) =
f2 ( y)
6
4. Variables aleatorias independientes
Diremos que dos variables aleatorias ξ1 y ξ 2 son estocásticamente independientes o
independientes en probabilidad o simplemente independientes, si se cumple que cuando
una de ellas toma un valor determinado cualquiera, esto no modifica la distribución de
probabilidad de la otra. De tal forma, que todas las distribuciones condicionadas de
ξ2 / ξ1 = x serán iguales entre sí e iguales, a su vez, a la distribución de probabilidad
P ξ= ξ1 x=
(ξ1 x=
P= i ; ξ2 y j ) Pij
= = P ξ=
yj /= i
j
y= P• j
P (ξ1 = xi )
2 2
Pi•
(ξ1 x=
P= i ; ξ2 y j ) Pij
= = P [ξ=
P ξ= xi / ξ= j
y= i]
x= Pi•
P (ξ 2 = y j )
1 2 1
P• j
Deduciéndose que la condición necesaria y suficiente de independencia es:
Pij =
Pi• ⋅ P• j ∀( xi , y j )
f ( x=
, y ) f1 ( x ) ⋅ f 2 ( y )