Repú blica Bolivariana de Venezuela

Ministerio del Poder Popular para la Defensa

Universidad Nacional Experimental
Politécnica De la Fuerza Armada Nacional Bolivariana
UNEFA

Funciones y calculo
vectorial
Bachiller:
XXXX Maria J
Materia: Semestre: 3er
Probabilidades y Sección: Única
Estadísticas Carrera: Ingeniería
de sistemas
Instituto: UNEFA

26 de mayo de 2021
FUNCIÓN DE DENSIDAD CONJUNTA

Dada una variable aleatoria vectorial discreta, que supondremos para simplificar
bidimensional, definiremos su distribución de probabilidad mediante la función de
probabilidad conjunta p(x1, x2), que proporciona lasprobabilidades de cada posible
valor. Como en el caso unidimensional, estafunción deberá verificar:

p ( X i ) = p( x 1i x 2i )≥0 ∀i
a)
∞ ∞
∑ p( X i )=∑ p ( x1 i x 2 i )=1
b) i=0 i=1

Cuando la variable sea continua, las probabilidades vendrán determinadas por la

función de densidad conjunta, que verifica:

f ( X )=f ( x 1 , x 2 ) ≥0
a)
∞ ∞

b)
∫ ∫ f ( x1 ,x2 ) dx1 dx2=1
−∞ −∞
Las probabilidades en el caso continuo se calcularán por integración dela forma
habitual:
b d
P ( a<x 1 ≤b ;c <x 2≤d )=∫ ∫ f ( x1 , x 2 ) dx1 dx 2
a c

FUNCIÓN DE DENSIDAD MARGINAL

Dada una variable aleatoria vectorial n-dimensional(x1,..., xn), llamaremosfunción

dedistribución marginal de cada componente xia la distribución univariantede dicho
componente, es decir, a su distribución en la población considerado aisladamente.
El nombre de marginal proviene de que para distribuciones discretas bivariantes
definidas por una tabla de doble entrada las distribuciones marginales se obtienen
en los márgenes de la tabla al sumar porfilas o por columnas. En efecto, dada la
distribución conjunta p(x1, x2), lasdistribuciones marginales se obtienen por:
Las distribuciones marginales se definen análogamente para variablescontinuas
por:

y representan la función de densidad cuando consideramos cada

variableaisladamente. En efecto, para calcular la probabilidad de que la variable
x1pertenezca a un intervalo (a, b) podemos utilizar la distribución conjunta
yescribir:

∞
f (x 1 )= ∫ f ( x 1 , x 2)dx 2
Intuitivamente, vemos que −∞ suma para cada valor de x1 fijo
la probabilidad de todos los pares de valores posibles (xi, x2)que pueden darse con
dicho valor de x1 fijo. Obviamente esta suma proporcionará la probabilidad del
valor x1.

Ejemplo: La siguiente presenta la distribución conjunta de las variables

aleatoriasvotar a uno de cuatro posibles partidos políticos P 1, P2, P3 y P4 y nivel
deingresos, A (alto), M (medio), B (bajo). Calcular las distribuciones marginales.
 Distribución conjunta de votos e ingresos en una población

A M B
P1 0,10 0,05 0,01
P2 0,05 0,20 0,04
P3 0,04 0,25 0,07
P4 0,01 0,1 0,08

Para calcular la distribución marginal añadimos a la tabla una fila yuna columna y
colocamos allí el resultado de sumar las filas y las columnas de la tabla. Con esto
se obtiene la siguiente tabla:

Distribución conjunta y marginal de votos e ingresos en una población

Marginal
A M B
de Votos
P1 0,10 0,05 0,01 0
P2 0,05 0,20 0,04 0
P3 0,04 0,25 0,07 0
P4 0,01 0,10 0,08 0
Marginal de Ingresos 0 0 0 0

Ladistribución marginal de los ingresos es:

Probabilidad de ingresos altos: 0,20
Probabilidad de ingresos medios: 0,60
Probabilidad de ingresos bajos: 0,20

Ejemplo: Dos amigos desayunan cada mañana en una cafetería entre las 8 y
las8,30 h. La distribución conjunta de sus tiempos de llegada es uniforme endicho
intervalo, es decir:
f(x, y) = k 8 ≤ x ≤ 8,30; 8 ≤ y ≤ 8,30
f(x, y) = 0 en otro caso.
Si los amigos acuerdan esperarse un máximo de 10 minutos, calcular
laprobabilidad de que se encuentren.
Para simplificar, tomemos (x, y) en minutos, es decir, 0 ≤ x ≤ 30; 0 ≤ y ≤30. El
espacio muestral es entonces un cuadrado de lado 30 minutos. El
suceso«encuentro» se produce si |y – x| ≤ 10 minutos, que equivale al conjuntode
puntos limitado por las rectas y ≤ x + 10; y ≥ x – 10; es decir la zona rayada de la
siguiente figura:
 30 30

∫∫ kdxdy =1
Siendo asi: 0 0 , que implica que k = 1/900
La probabilidad de no encuentro será la integral en las dos zonas blancas
triangulares de la función de densidad. Como ésta es constante:

∫∫ kdxdy=k ∫∫ dxdy=k
A A (Área de A)
Por lo tanto, como el área de cada triángulo es ½ 20*20 = 200

P(encuentro) = 1 - P(no encuentro) = 1 – 1/900 * 2(200) = 5/9 =0,55

30

∫ kdy =1/900∗30=1/30
La distribución marginal de x será: 0

y es idéntica a la de y.

FUNCIÓN DE DENSIDAD CONDICIONAL

Se define la distribución condicionada de una variable x1 cuando el valor deotra

variable x2 se supone fijo e igual a un valor concreto, como la distribución
univariante de x1 en los elementos de la población que tienen como valorde x2 el
valor fijado.
Por ejemplo, la distribución de las estaturas condicionada a un peso de 65 kg
representa la distribución de la variable estaturaentre los elementos de la
población estudiada que pesan 65 kg.
La distribución condicionada de una variable discreta x 1, para x2= x20fijo se obtiene
«normalizando» las probabilidades conjuntas P(x 1x20) paraque sumen uno. Como:

si definimos, supuesto P(x20) ≠ 0:

La distribución univarianteP(x1|x20) tendrá las propiedades de una función de

probabilidades univariantes, y la llamaremos función de probabilidad de x 1 para x2=
x20
Esta última ecuación implica que, tomando un valor genérico x 2:

que relaciona las probabilidades conjuntas con las condicionadas y las marginales.
Para variables continuas, se define la distribución condicionada de x 1para un valor
concreto de la variable x2 por:

supuesto que f(x2) ≠ 0. Esta definición es consistente con el concepto

deprobabilidad condicionada y con el de función de densidad para una
variable.

Ejemplo: En la distribución conjunta de los datos delasiguiente tabla, calcular la

distribución condicionada de los votos para las personas con ingresos medios yla
distribución condicionada de los ingresos para los votantes del partido P 1
Distribución conjunta de votos e ingresos en una población

A M B
P1 0,10 0,05 0,01
P2 0,05 0,20 0,04
P3 0,04 0,25 0,07
P4 0,01 0,10 0,08
Para calcular la distribución condicionada de los votos para las personas de
ingresosmedios dividimos cada casilla de la columna de ingresos medios por el
total de la columna. La distribución resultante se indica a continuación:

Distribución condicionada de personas de ingresos medios

M Distribución condicionada (%)

P1 0,05 0,05/0,60 *100 = 08,33
P2 0,20 0,20/0,60*100 = 33,33
P3 0,25 0,25/0,60*100 = 41,67
P4 0,10 0,10/0,60*100 = 16,67
Marginal de Ingresos 0 0,60/0,60*100 = 100

Esta tabla indica que el partido preferido paralas personas de ingresos medios es
el P3 con un 41,67% de los votos, seguido del P2 con el 33,33%.

Para la distribución condicionada de ingresos del partido P1 dividimos cada uno de

los criterios entre el total marginal de votos y multiplicamos por 100.
Distribución condicionada de los ingresos para los votantes del partido P1

Marginal
A M B de Votos
P1 0,10 0,05 0,01 0
Distribución Condicionada 0,10/0,16*100 = 0.05/0,16*100 = 0,01/0,16*100 =
por votantes 62.5% 31,25% 6,25%
100%

El grupo más numeroso de votantes de este partido es de ingresos altos (62,5%),

seguido de ingresosmedios (31,25%) y bajos (6,25%).