4VABidimensionales 2021

ESTADÍSTICA II
CAP. 2: DISTRIBUCIONES BIVARIADAS

UNIVERSIDAD DEL PACÍFICO
UNIVERSIDAD DEL PACÍFICO 1

VARIABLES ALEATORIAS BIDIMENSIONALES
• Definición de Variable Aleatoria Bidimensional.
• Clasificación de las Variables Aleatorias Bidimensionales.
• Función de probabilidad de una V. A. Bidimensional
Discreta. Tabla de probabilidad conjunta.
• Función de probabilidad de una V.A. Bidimensional
Continua.
• Funciones marginales. Funciones condicionales.
• Esperanza Matemática de W(X,Y). Propiedades. Casos
especiales.

VARIABLES ALEATORIAS BIDIMENSIONALES
• Independencia probabilística de dos variables aleatorias.
• Independencia probabilística y correlación.
• Esperanza Matemática en Distribuciones Condicionales.
• Ecuación de Regresión Paramétrica.
• Distribución Normal Bivariada. Forma matricial de la función de
probabilidad. Matriz variancia-covariancia. Distribuciones
Marginales. Distribuciones Condicionales. Independencia
probabilística y correlación cuando dos variables se distribuyen
conjuntamente según la normal bivariada.

DEFINICIÓN DE VARIABLE
ALEATORIA BIDIMENSIONAL
Función que asigna un par real a cada elemento de un espacio muestral
(X, Y)
O1 (X1, Y2)
O2 (X2, Y2)
. .
. .
. .
OM (Xk, YL)
 R (X,Y)

CLASIFICACIÓN DE LAS VARIABLES
ALEATORIAS BIDIMENSIONALES
R(X,Y) es numerable R(X,Y) no es numerable
(X, Y) es DISCRETA (X, Y) es CONTINUA

VARIABLE ALEATORIA
BIDIMENSIONAL DISCRETA

FUNCIÓN DE PROBABILIDAD CONJUNTA
DE (X,Y)
Es aquella función “f”, cuyo valor para un (x,y) de R(X,Y) , se determina por :
f(x,y)  P[X  x, Y  y]   P [Oi  / (X,Y)(Oi )  (x, y)]
y cumple con las siguientes condiciones:
a) f(x,y) ≥0 , para todo (x,y) ε R(x,y)
b)   f(x,y) =1
(x,y) ε R(x,y)

FUNCIÓN DE PROBABILIDAD DE (X,Y) : Ejemplo
En el siguiente cuadro, se proporcionan las inversiones (en millones de
soles), realizadas por 6 empresas agrícolas de la región «W» durante el año
2017.
Empresa A B C D E F
Inversión 10 12 10 11 12 13
A esta población, se le aplica MSRSO, con n=3; determinar la función de

probabilidad conjunta del promedio muestral (X) y de la mediana muestral
(Y) de las inversiones.

N° Elementos de la Valores de Promedio Mediana
Muestra muestra Inversión Muestral Muestral
1 A, B, C 10, 12, 10 32/3 10
2 A, B, D 10, 12, 11 11 11
3 A, B, E 10, 12,12 34/3 12
4 A, B, F 10, 12, 13 35/3 12
5 A, C, D 10, 10, 11 31/3 10
6 A, C, E 10, 10, 12 32/3 10
7 A, C, F 10, 10, 13 11 10
8 A, D, E 10, 11, 12 11 11
9 A, D, F 10, 11, 13 34/3 11
10 A, E, F 10, 12, 13 35/3 12

N° Muestra Elementos de Valores de Promedio Mediana
la muestra Inversión Muestral Muestral
11 B, C, D 12, 10, 11 11 11
12 B, C, E 12, 10, 12 34/3 12
13 B, C, F 12, 10, 13 35/3 12
14 B,D, E 12, 11, 12 35/3 12
15 B, D, F 12, 11, 13 12 12
16 B, E, F 12, 12, 13 37/3 12
17 C, D, E 10, 11, 12 11 11
18 C, D, F 10, 11, 13 34/3 11
19 C, E, F 10, 12, 13 35/3 12
20 D, E, F 11, 12, 13 12 12

R(X,Y)= { (31/3, 10), (32/3, 10), (11, 10), (11, 11), (34/3, 11), (34/3, 12),
(35/3, 12), (12, 12), (37/3,12)}
Tabla de probabilidad conjunta de X e Y

Promedio Mediana Muestral (Y)
Muestral (X) 10 11 12
31/3 1/20 0 0
32/3 2/20 0 0
11 1/20 4/20 0
34/3 0 2/20 2/20
35/3 0 0 5/20
12 0 0 2/20
37/3 0 0 1/20

FUNCIÓN DE PROBABILIDAD CONJUNTA DE (X,Y) :
Ejemplo
Expresión formal de la función de probabilidad conjunta del promedio
muestral (X) y la mediana muestral (Y)
31 37
1 20 ; , 10 ; 11, 10 ; , 12
3 3
32 34 34
2 20 ; , 10 ; , 11 ; , 12 ; 12, 12
3 3 3
𝑓 𝑥, 𝑦 =
4 20 ; 11, 11
35
5 20 ; , 12
3
0 ; 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜

Gráfico de la distribución de (X,Y) discreta: Ejemplo
f(x,y)
.
.
Y
.
. ..
13
.
11
12
. .
10
1/20
10 11 12 13
X

MINITAB
Gráfica de dispersión de 3D de f(x,y) vs. Y vs. X
f(x,y) X Y
0.05 10.3 10
0.05 11 10
0.05 12.3 12
0.1 10.6 10 0.24
0.1 11.3 11 f(x,y)

0.18
0.1 11.3 12 0.12

12
0.1 12 12 0.06
11
0.2 11 11 Y
10.5
0.25 11.6 12 11.0
11.5
12.0
10
X

FUNCIONES DE PROBABILIDADES MARGINALES
(X,Y) ⇒ f(x,y)
𝑓1 𝑥 = 𝑓(𝑥, 𝑦 𝑓2 𝑦 = 𝑓(𝑥, 𝑦
𝑦 𝑥
Función de prob. Marginal de X Función de prob. Marginal de Y

FUNCIONES DE PROBABILIDADES MARGINALES :
EJEMPLO
Considerando la siguiente tabla de probabilidad conjunta, determinar las
funciones de probabilidades marginales del promedio muestral(X) y de la
mediana muestral(Y)
Muestral (X) 10 11 12 f1(x)
31/3 1/20 0 0 1/20
32/3 2/20 0 0 2/20
11 1/20 4/20 0 5/20
34/3 0 2/20 2/20 4/20
35/3 0 0 5/20 5/20
12 0 0 2/20 2/20
37/3 0 0 1/20 1/20
f2(y) 4/20 6/20 10/20 1

EJEMPLO
1
; 𝑥 = 31 3, 37 3
20
2 4
; 𝑥 = 32 3, 12 ; 𝑦 = 10
20 20
𝑓1 𝑥 = 4 6
; 𝑥 = 34 3 𝑓2 𝑦 = 20 ; 𝑦 = 11
20
5 10
; 𝑥 = 11, 35 3 ; 𝑦 = 12
20 20
0 ; 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜 0 ; 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜

FUNCIONES DE PROBABILIDADES
CONDICIONALES
(X, Y)
Dado el Dado el
valor de “y” valor de “x”
𝑓(𝑥, 𝑦 𝑓 𝑥, 𝑦
ℎ 𝑥 𝑦 = ; 𝑓2 𝑦 > 0 𝑔 𝑦 𝑥 = ; 𝑓1 𝑥 > 0
𝑓2 𝑦 𝑓1 𝑥
Función de probabilidad Función de probabilidad

Condicional de X dado Y=y Condicional de Y dado X=x

FUNCIONES DE PROBABILIDADES CONDICIONALES :
EJEMPLO
Considerando la siguiente tabla de probabilidad conjunta , determinar las
funciones de probabilidades condicionales de X dado Y=10, y de Y dado X=11

31/3 1/20 0 0 1/20
32/3 2/20 0 0 2/20
11 1/20 4/20 0 5/20
34/3 0 2/20 2/20 4/20
35/3 0 0 5/20 5/20
12 0 0 2/20 2/20
37/3 0 0 1/20 1/20
f2(y) 4/20 6/20 10/20 1

EJEMPLO
1
; 𝑥 = 31 3, 11
4
ℎ 𝑥 𝑦 = 10 = 1
; 𝑥 = 32 3
2
1
; 𝑥 = 10
5
𝑔 𝑥 𝑦 = 10 = 4
; 𝑥 = 11
5

INDEPENDENCIA DE LAS VARIABLES
ALEATORIAS X E Y
Las variables X e Y son independientes si y sólo si
𝑓 𝑥, 𝑦 = 𝑓1 𝑥 ∗ 𝑓2 (𝑦
También se considera que X e Y son independientes si:
h(x/y) = f (x) g(y/x) = f (y)

INDEPENDENCIA DE VARIABLES ALEATORIAS :
EJEMPLO
Considerando la siguiente tabla de probabilidad conjunta de la media
Muestral (X) y la mediana muestral (Y); determine si éstas son
estocásticamente independientes.

31/3 1/20 0 0 1/20
32/3 2/20 0 0 2/20
11 1/20 4/20 0 5/20
34/3 0 2/20 2/20 4/20
35/3 0 0 5/20 5/20
12 0 0 2/20 2/20
37/3 0 0 1/20 1/20
f2(y) 4/20 6/20 10/20 1

ESPERANZA MATEMÁTICA DE UNA FUNCIÓN
DE LA VARIABLE ALEATORIA Z= w(X, Y)
(X,Y) ⇒ f(x,y)
𝐸 𝑍 = 𝑤(𝑋, 𝑌 = 𝑤 𝑥, 𝑦 𝑓(𝑥, 𝑦
𝑥 𝑦

CASOS ESPECIALES DE E[Z=W(X, Y)]
a) E (Z=X + Y) = E(X) + E(Y) = 𝜇𝑥 +𝜇𝑦
b) E (Z=X -Y) = E(X) - E(Y) = 𝜇𝑥 − 𝜇𝑦
c) E [Z=(X -𝜇𝑥 )(Y-𝜇𝑦 )] = E(XY) - 𝜇𝑥 𝜇𝑦 = Cov(X, Y) = 𝜎𝑥,𝑦

Covariancia entre X e Y
d) E[Z= [(X + Y) –E(X+Y)]2] = Var(X)+Var(Y)+2 Cov(X,Y)

Var [Z=(X+Y)] = Variancia de la suma de las variables X e Y

e) E[Z= [(X -Y) –E(X-Y)]2] = Var(X)+Var(Y)-2Cov(X,Y)

Var [Z=(X-Y)] = Variancia de la diferencia de las variables X e Y
𝑋−𝜇𝑥 𝑌−𝜇𝑦 𝐸 𝑋−𝜇𝑥 𝑌−𝜇𝑦

f) 𝐸 𝑍 = 𝜎𝑥 𝜎𝑦
= 𝜎𝑥 𝜎𝑦
𝐶𝑜𝑣(𝑋,𝑌
= = 𝜌𝑋𝑌 ; 𝜎𝑥 > 0; 𝜎𝑦 > 0
𝜎𝑥 𝜎𝑦
Coeficiente de correlación entre X e Y

E(Z=W(X,Y)) : Ejemplo
Considerando la siguiente tabla de probabilidad conjunta del Promedio
Muestral (X) y de la Mediana Muestral (Y), determinar el grado de
Correlación entre los estadísticos.
31/3 1/20 0 0 1/20
32/3 2/20 0 0 2/20
11 1/20 4/20 0 5/20
34/3 0 2/20 2/20 4/20
35/3 0 0 5/20 5/20
12 0 0 2/20 2/20
37/3 0 0 1/20 1/20
f2(y) 4/20 6/20 10/20 1
Var(X)=0.244444 Var(Y)=0.61 Cov(X,Y)=0.333337 𝜌𝑋𝑌 =0.8632

TEOREMA SOBRE LA INDEPENDENCIA Y EL COEFICIENTE
DE CORRELACIÓN ENTRE DOS VARIABLES ALEATORIAS
Si X e Y son variables aleatorias independientes; entonces, el coeficiente de
correlación entre las dos variables es igual a cero.
Necesariamente
X e Y son
independientes
𝜌𝑋𝑌  0
No necesariamente
X e Y son
independientes
𝜌𝑋𝑌  0

TEOREMA SOBRE LA INDEPENDENCIA Y EL
COEFICIENTE DE CORRELACIÓN : EJEMPLO
Se proporciona la siguiente tabla de probabilidad conjunta entre X e Y.
X/Y -1 0 1
-1 1/8 1/8 1/8
0 1/8 0 1/8
1 1/8 1/8 1/8
a) ¿Cuál es el valor del coeficiente de correlación entre X e Y?

b) ¿Son independientes X e Y?
CERO No son independientes

MEDIA DE UNA DISTRIBUCIÓN CONDICIONAL
(X/y) h(x/y) (Y/x) g(y/x)
μX/y E[X/y]  x h(x/y) Y/x E[Y/x]  y g(y/x)

VARIANCIA DE UNA DISTRIBUCIÓN CONDICIONAL
(X/y) h(x/y)
2 2 2
𝜎𝑋.𝑦 = 𝑉 𝑋 𝑦 = 𝐸 𝑋 − 𝜇𝑋.𝑦 = 𝑋 − 𝜇𝑋.𝑦 ℎ(𝑥 𝑦
2 2
= 𝐸 𝑋 2 𝑦 − 𝜇𝑋.𝑦 = 𝑥𝑋
2
ℎ(𝑥 𝑦 − 𝜇𝑋.𝑦
(Y/x) g(y/x)
2 2
𝜎𝑌.𝑥 = 𝑉 𝑌 𝑥 = 𝐸 𝑌 − 𝜇𝑌.𝑥 = 𝑌 − 𝜇𝑌.𝑥 2 𝑔(𝑦 𝑥
2 2
= 𝐸 𝑌 2 𝑥 − 𝜇𝑌.𝑥 = 𝑦𝑌
2
𝑔(𝑦 𝑥 − 𝜇𝑌.𝑥

VARIABLE ALEATORIA
BIDIMENSIONAL CONTINUA

FUNCIÓN DE DENSIDAD DE PROBABILIDAD
DE (X, Y)
Es aquella función “ f ”, integrable, que cumple con las condiciones
siguientes:
a) f(x,y) ≥ 0, para todo (x,y) ε Re x Re
∞ ∞
𝑏 𝑓 𝑥, 𝑦 𝑑𝑦𝑑𝑥 = 1
−∞ −∞
𝑐 𝑃𝑎𝑟𝑎 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴 𝜀 𝑅(𝑥,𝑦 , 𝑃 𝐴 = 𝑓 𝑥, 𝑦 𝑑𝑦𝑑𝑥

FUNCIÓN DE DENSIDAD DE PROBABILIDAD DE (X,Y) :
Ejemplo
Las cotizaciones diarias (en decenas de nuevos soles) de las acciones comunes de las
empresas A y B, se distribuyen uniformemente, según Ω= { (CA, CB) / 0 < CA ≤ 1 ,
0 < CB ≤1 , CA ≥ CB }. Determine la función de probabilidad correspondiente. Luego,
determine la probabilidad de que ambas cotizaciones sean mayores a 5 soles
CB CA = X CB= Y
Y
1 1
Ω R(x.y)
0 1 CA 0 1 X

FUNCIÓN DE DENSIDAD DE PROBABILIDAD DE (X,Y) :
Ejemplo
𝑘 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1; 𝑥 ≥ 𝑦
𝑓 𝑥, 𝑦 =
Respuestas
2 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1; 𝑥 ≥ 𝑦
𝑓 𝑥, 𝑦 =
1
𝑃 𝑋 > 0.5, 𝑌 > 0.5 =
4

Gráfico de la función de densidad de probabilidad
de (X,Y): Ejemplo
f(x,y)
1
x=y
0.5
0 0.5 1 X
Las utilidades netas (X, Y), en decenas de millones de nuevos soles) de las
empresas A y B, de un grupo económico, tienen un comportamiento que se
expresa matemáticamente por:
𝑥𝑦 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1
𝑔 𝑥, 𝑦 =
Determine la función de probabilidad conjunta de X e Y.

Respuesta
4𝑥𝑦 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1

𝑓 𝑥, 𝑦 = 𝐾 𝑔 𝑥, 𝑦 =

FUNCIONES DE PROBABILIDADES MARGINALES
(X,Y) ⇒ f(x,y)
∞ ∞
𝑓1 𝑥 = 𝑓 𝑥, 𝑦 𝑑𝑦 𝑓2 𝑦 = 𝑓 𝑥, 𝑦 𝑑𝑥
−∞ −∞
Función de prob. Marginal de X Función de prob. Marginal de Y

Ejemplo
Las cotizaciones diarias de las acciones comunes de las empresas A y B (en
decenas de soles), denotados por X e Y, respectivamente, se distribuyen
conjuntamente según la siguiente función de probabilidad.
2 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1; 𝑥 ≥ 𝑦
𝑓 𝑥, 𝑦 =
a) Determine las funciones de probabilidades marginales de X e Y. de las

cotizaciones diarias de las acciones comunes de las empresas A y B (en
decenas de soles), denotados por X e Y, respectivamente, se distribuyen
conjuntamente según la siguiente función de probabilidad.
b) Halle las funciones de probabilidades acumulativas marginales de X e Y.
c) Determine los valores de las medianas de las distribuciones de
marginales de X e Y.

Ejemplo
Respuestas
2𝑥 ; 0 < 𝑥 ≤ 1 2(1 − 𝑦 ; 0<𝑦≤1

𝑎 𝑓1 𝑥 = 𝑓2 𝑦 =
0 ; 𝑥≤0 0 ; 𝑦≤0
𝑏 𝐹1 𝑥 = 𝑥 2 ; 0 < 𝑥 ≤ 1 𝐹2 𝑦 = 𝑦(2 − 𝑦 ; 0 < 𝑦 ≤ 1
1 ; 𝑥>1 1 ; 𝑦>1
1 2− 2
𝑐 𝑀𝑒𝑥 = 𝑀𝑒𝑦 =
2 2

FUNCIONES DE PROBABILIDADES CONDICIONALES
(X, Y)
Dado el Dado el
valor de “y” valor de “x”
𝑓(𝑥, 𝑦 𝑓 𝑥, 𝑦
ℎ 𝑥 𝑦 = ; 𝑓2 𝑦 > 0 𝑔 𝑦 𝑥 = ; 𝑓1 𝑥 > 0
𝑓2 𝑦 𝑓1 𝑥
Función de probabilidad Función de probabilidad

Condicional de X dado Y=y Condicional de Y dado X=x

Ejemplo
Las cotizaciones diarias de las acciones comunes de las empresas A y B
(en decenas de soles), denotados por X e Y, respectivamente, se
distribuyen conjuntamente según la siguiente función de probabilidad.
2 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1; 𝑥 ≥ 𝑦
𝑓 𝑥, 𝑦 =
a) Determine las funciones de probabilidades condicionales de X dado

Y=y, y de Y dado X=x.
b) Halle las funciones de probabilidades acumulativas condicionales de X

dado Y=0.5, y de Y dado X= 0.5

Ejemplo
1 1
; 0<𝑦≤𝑥≤1
𝑎 ℎ 𝑥 𝑦 = 1−𝑦 𝑔 𝑦 𝑥 = 𝑥 ; 0<𝑦≤𝑥≤1
0 ; 𝑥 < 0.5
𝑏 𝐻 𝑥 𝑦 = 0.5 = 2(𝑥 − 0.5 ; 0.5 ≤ 𝑥 ≤ 1
1 ; 𝑥>1
0 ; 𝑦<0
𝐺 𝑦 𝑥 = 0.5 = 2𝑦 ; 0 ≤ 𝑦 ≤ 0.5
1 ; 𝑦 > 0.5

INDEPENDENCIA DE LAS VARIABLES
ALEATORIAS X e Y
Las variables X e Y son independientes si y sólo si
𝑓 𝑥, 𝑦 = 𝑓1 𝑥 ∗ 𝑓2 (𝑦
También se considera que X e Y son independientes si:
h(x/y) = f (x) g(y/x) = f (y)

Ejemplo
Considerando que las cotizaciones diarias de las acciones comunes de
las empresas A y B (en decenas de soles), denotados por X e Y,
respectivamente, se distribuyen conjuntamente según la siguiente función
de probabilidad.
2 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1; 𝑥 ≥ 𝑦
𝑓 𝑥, 𝑦 =
y las funciones de probabilidades marginales son, respectivamente:

2𝑥 ; 0 < 𝑥 ≤ 1 2(1 − 𝑦 ; 0<𝑦≤1
𝑓1 𝑥 = 𝑓2 𝑦 =
Determine si X e Y son independientes.
Respuesta: X e Y no son independientes. Son dependientes

Ejemplo
Las utilidades netas (X, Y, en decenas de millones de nuevos soles) de las
empresas A y B, de un grupo económico, se distribuyen conjuntamente según:
4𝑥𝑦 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1

𝑓 𝑥, 𝑦 =
Determine si X e Y son independientes.
Respuesta: Sí son independientes X e Y.

ESPERANZA MATEMÁTICA DE UNA FUNCIÓN DE
LA VARIABLE ALEATORIA Z= w(X, Y)
(X,Y) ⇒ f(x,y)
∞ ∞
𝐸 𝑍 = 𝑤(𝑋, 𝑌 = 𝑤 𝑥, 𝑦 𝑓 𝑥, 𝑦 𝑑𝑦𝑑𝑥
𝑦=−∞ 𝑥=−∞

a) E (Z=X + Y) = E(X) + E(Y) = 𝜇𝑥 +𝜇𝑦
b) E (Z=X -Y) = E(X) - E(Y) = 𝜇𝑥 − 𝜇𝑦
c) E [Z=(X -𝜇𝑥 )(Y-𝜇𝑦 )] = E(XY) - 𝜇𝑥 𝜇𝑦 = Cov(X, Y) = 𝜎𝑥,𝑦

Covariancia entre X e Y
d) E[Z= [(X + Y) –E(X+Y)]2] = Var(X)+Var(Y)+2 Cov(X,Y)

Var [Z=(X+Y)] = Variancia de la suma de las variables X e Y

e) E[Z= [(X -Y) –E(X-Y)]2] = Var(X)+Var(Y)-2Cov(X,Y)

Var [Z=(X-Y)] = Variancia de la diferencia de las variables X e Y
𝑋−𝜇𝑥 𝑌−𝜇𝑦 𝐸 𝑋−𝜇𝑥 𝑌−𝜇𝑦

f) 𝐸 𝑍 = 𝜎𝑥 𝜎𝑦
= 𝜎𝑥 𝜎𝑦
𝐶𝑜𝑣(𝑋,𝑌
= = 𝜌𝑋𝑌 ; 𝜎𝑥 > 0; 𝜎𝑦 > 0
𝜎𝑥 𝜎𝑦
Coeficiente de correlación entre X e Y

E(Z=W(X,Y)) : Ejemplo
Considerando que las cotizaciones diarias de las acciones comunes
de las empresas A y B (en decenas de soles), denotados por X e Y,
respectivamente, se distribuyen conjuntamente según la siguiente
función de probabilidad.
2 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1; 𝑥 ≥ 𝑦
𝑓 𝑥, 𝑦 =
Determine la media y la variancia de la distribución de la diferencia

entre la cotización diaria de las acciones comunes de la empresa A y
la cotización de las acciones comunes de la empresa B.
E(X)=2/3 Var(X)=Var (Y) = 1/18 E(XY)=1/4 Cov(X,Y)=1/36
E(Y)=1/3 E(X-Y)=1/3 Var(X-Y)=1/18

TEOREMA SOBRE LA INDEPENDENCIA Y EL COEFICIENTE
DE CORRELACIÓN ENTRE DOS VARIABLES ALEATORIAS
Si X e Y son variables aleatorias independientes; entonces, el coeficiente de correlación

entre las dos variables es igual a cero.
Necesariamente
X e Y son
independientes
𝜌𝑋𝑌  0
No necesariamente
X e Y son 𝜌𝑋𝑌  0
independientes

TEOREMA SOBRE LA INDEPENDENCIA Y EL
COEFICIENTE DE CORRELACIÓN : Ejemplo
Las utilidades netas (X, Y, en decenas de millones de nuevos soles) de las

empresas A y B, de un grupo económico, se distribuyen conjuntamente según:
4𝑥𝑦 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1

𝑓 𝑥, 𝑦 =
¿Cuál es el valor del coeficiente de correlación entre X e Y?
Respuesta: CERO

MEDIA DE UNA DISTRIBUCIÓN CONDICIONAL
(X/y) h(x/y) (Y/x) g(y/x)
∞ ∞
𝜇𝑋.𝑦 = 𝐸 𝑋 𝑦 = 𝑥 ℎ(𝑥 𝑦 𝑑𝑥 𝜇𝑌.𝑥 = 𝐸 𝑌 𝑥 = 𝑦 𝑔(𝑦 𝑥 𝑑𝑦

−∞ −∞

VARIANCIA DE UNA DISTRIBUCIÓN CONDICIONAL
(X/y) h(x/y)
∞
2 2 2
𝜎𝑋.𝑦 = 𝑉 𝑋 𝑦 = 𝐸 𝑋 − 𝜇𝑋.𝑦 = 𝑋 − 𝜇𝑋.𝑦 ℎ(𝑥 𝑦 𝑑𝑥
−∞
2 ∞ 2
= 𝐸 𝑋2 𝑦 − 𝜇𝑋.𝑦 = −∞
𝑋2ℎ 𝑥 𝑦 𝑑𝑥 − 𝜇𝑋.𝑦
(Y/x) g(y/x)
∞
2 2
𝜎𝑌.x = 𝑉 𝑌 𝑥 = 𝐸 𝑌 − 𝜇𝑌.x = Y − 𝜇𝑌.x 2 𝑔(𝑦 𝑥 𝑑𝑦
−∞
2 2 ∞ 2 2
=𝐸 𝑌 𝑥 − 𝜇𝑌.𝑥 = −∞
𝑌 𝑔 𝑦 𝑥 𝑑𝑦 − 𝜇𝑌.𝑥

ESPERANZA MATEMÁTICA Y VARIANCIA DE UNA
DISTRIBUCIÓN CONDICIONAL DISCRETA: Ejemplo
El promedio muestral (X) cuando la mediana muestral es igual a 10, se

distribuye según:
1
; 𝑥 = 31 3, 11
4
ℎ 𝑥 𝑦 = 10 = 1
; 𝑥 = 32 3
2
Determine los valores de la media y la variancia de la distribución

condicional.
E(X/Y=10) = 64/6 Var (X/Y=10) = 1/18

ESPERANZA MATEMÁTICA Y VARIANCIA DE UNA
DISTRIBUCIÓN CONDICIONAL : Ejemplo
La cotización diaria de las acciones comunes de la empresa B (Y) cuando la
cotización diaria de las acciones comunes de la empresa A es X= x decenas
de soles, se distribuye según
1
𝑔 𝑦 𝑥 = 𝑥 ; 0<𝑦≤𝑥≤1
a) Determine las expresiones generales de E(Y/x) y de Var(Y/x).

b) Halle los valores de la media y variancia de la distribución condicional de
La cotización diaria de las acciones comunes de la empresa B cuando la
Cotización diaria de las acciones comunes de la empresa A es 5 soles
𝑥 𝑥2 1
𝑎 𝐸𝑌 𝑥 = 𝑉𝑌 𝑥 = 𝑏 𝐸 𝑌 𝑥 = 0.5 = 0.25 𝑉 𝑌 𝑥 = 0.5 =
2 12 48

Gráfico de la distribución condicional de Y cuando X=0.5
f(x,y)
x=y
1
0.5
Y.x=x/2
0
0.5 1 (0.5, 0.25) X
Esperanza Matemática de la expresión general
de la media de la distribución condicional
Y.x=W(X) E[μY.x]=E[W(X)] = μY
X.y=V(Y) E[μX.y]=E[V(Y)] = μX

Esperanza Matemática de la expresión general
de la media de la distribución condicional:
Ejemplo
Considerando que las cotizaciones diarias de las acciones comunes de
las empresas A y B (en decenas de soles), denotados por X e Y,
respectivamente, se distribuyen conjuntamente según la siguiente
función de probabilidad.
2 ; 0 < 𝑥 ≤ 1; 0 < 𝑦 ≤ 1; 𝑥 ≥ 𝑦
𝑓 𝑥, 𝑦 =
Si E(Y/x) = μY.x = x/2, y Var(Y/x) = x2/12; determine los valores esperados de μY.x y
de Var (Y/x). Compare los valores hallados con E(Y) y Var (Y)
E(μY.x) = 1/3 E[Var(Y/x)] = 1/24

Ejercicio
1. Suponga que el siguiente cuadro muestra la distribución conjunta de probabilidades de
las variables: X = Número diario de emergencias cardiacas, Y= Número diario de
emergencias por accidentes de tránsito, que ocurren en la clínica AB.
X\Y 0 1 2 Total
0 5 / 33 4 / 33 1 / 33 10 / 33
1 9 / 33 5 / 33 1 / 33 15 / 33
2 4 / 33 1 / 33 0 5 / 33
3 3 / 33 0 0 3 / 33
Total 21 / 33 10 / 33 2 / 33 1.00
Halle e interprete el valor del coeficiente de correlación.

Ejercicio
2. Suponga que en una empresa textil, los polos producidos son clasificados en tres
categorías A, B y C, y que el siguiente cuadro muestra la distribución conjunta de
probabilidades de las variables: X = Número de polos de calidad A, Y= Número de polos
de calidad B
X\Y 0 1 2 Total
0 50 / 308 45 / 308 10 / 308 105 / 308
1 90 / 308 50 / 308 4 / 308 144 / 308
2 45 / 308 10 / 308 0 55 / 308
3 4 / 308 0 0 4 / 308
Total 189 / 308 105 / 308 14 / 308 1.00
Determine la función de probabilidad acumulativa del número de polos de calidad B, si se

conoce que el número de polos de calidad A es dos.

Ejercicio
3. Suponga que el tiempo de espera (X en decenas de minutos) y el tiempo de
atención (Y, en decenas de minutos) de los clientes de la clínica AB, tienen
como función de densidad conjunta:
𝑥 𝑥
; 𝑠𝑖 0 ≤ 𝑥 ≤ 6; 0 ≤ 𝑦 ≤
𝑓 𝑥, 𝑦 = 36 2
a) Halle e interprete el valor del coeficiente de correlación

b) Si se elige un paciente al azar, halle la probabilidad el tiempo total para
su atención (tiempo de espera y tiempo de atención) sea menor de una
hora.

Ejercicio
4. Suponga que las utilidades netas de las empresas X, Y, (en millones de
soles) de un grupo económico, tienen como función de densidad conjunta:
2𝑥 ; 𝑠𝑖 0 ≤ 𝑥 ≤ 1; 0 ≤ 𝑦 ≤ 1
𝑓 𝑥, 𝑦 =
a) Halle e interprete el valor del coeficiente de correlación

b) Halle la probabilidad de que la utilidad neta de X sea mayor que 0.3, si se
sabe que la utilidad neta de Y es de 0.4 millones de soles.

Ejercicio
5. Suponga que los precios de dos insumos X e Y (en soles por kilogramo) utilizados por una
empresa para fabricar sus artículos, tienen como función de densidad conjunta:
𝟏 𝟒 𝒔𝒊 𝟐 ≤ 𝒙 ≤ 𝟔; 𝟒 ≤ 𝒚 ≤ 𝟔; 𝟖 − 𝒚 ≤ 𝒙 ≤ 𝒚
𝒇 𝒙, 𝒚 =
𝟎 𝒅𝒆 𝒐𝒕𝒓𝒐 𝒎𝒐𝒅𝒐
(𝑥 − 2 4 𝑠𝑖 2 ≤ 𝑥 ≤ 4
donde 𝑓1 𝑥 = (6 − 𝑥 4 𝑠𝑖 4 < 𝑥 ≤ 6
0 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜
a) Halle la función de probabilidad acumulativa del insumo X. Luego halle la mediana de la

distribución X
b) Halle e interprete el valor del coeficiente de variabilidad del insumo X.
c) Halle e interprete el valor del coeficiente de correlación.
d) Si se elige un día al azar, halle la probabilidad de que la suma de los precios sea menor
de 10 soles.
Me= 4 CV= 20.4124196% c) 0 d) 0.75

Gráfico de f(x,y)
X+Y=8 X=Y
Y=6
Y=4
(4, 4)
X=2 X=6

DISTRIBUCIÓN NORMAL
BIVARIADA

DISTRIBUCIÓN NORMAL BIVARIADA
𝑋1 , 𝑋2 ~𝑁𝐵 𝜇1 , 𝜇2 , 𝜎12 , 𝜎22 , 𝜌
𝟏 𝑿𝟏 −𝝁𝟏 𝟐 𝑿 −𝝁 𝑿𝟐 −𝝁𝟐 𝑿𝟐 −𝝁𝟐 𝟐

𝟏 − −𝟐𝝆 𝟏 𝟏 +
𝟐 𝝈𝟏 𝝈𝟏 𝝈𝟐 𝝈𝟐
𝒇 𝑿𝟏 , 𝑿𝟐 = 𝒆 𝟐 𝟏−𝝆
𝟐𝝅 𝝈𝟏 𝝈𝟐 𝟏 − 𝝆𝟐
𝒑𝒂𝒓𝒂 − ∞ < 𝑿𝟏 < ∞ − ∞ < 𝑿𝟐 < ∞

−∞ < 𝝁𝟏 < ∞ ; −∞ < 𝝁𝟐 < ∞ ; 𝝈𝟏 > 𝟎 ; 𝝈𝟐 > 𝟎 ; −𝟏 < 𝝆 < 𝟏

Gráfico de la Distribución Normal Bivariada
f(x ,y )

FORMA MATRICIAL DE LA FUNCIÓN DE
PROBABILIDAD DE LA NORMAL BIVARIADA
Matriz de la forma cuadrática Determinante de R Matriz variancia

covariancia
1 −1
1 − 𝜌2 𝜎12 1 − 𝜌2 𝜎1 𝜎2 1 𝜎12 𝜎1,2
𝑅=
−1 1 𝑅 = 𝑉= 𝑅 −1 =
1 − 𝜌2 𝜎1 𝜎2 𝜎1,2 𝜎22
1 − 𝜌2 𝜎1 𝜎2 1 − 𝜌2 𝜎22
𝑅 1 2 −1 𝑋−𝜇 ` 𝑅 𝑋−𝜇
𝑓 𝑋1 , 𝑋2 = 𝑒 2
2𝜋
1 1
−2 𝑋−𝜇 ` 𝑉 −1 𝑋−𝜇
𝑓 𝑋1 , 𝑋2 = 1 2
𝑒
2𝜋 𝑉

DISTRIBUCIONES MARGINALES QUE SE ORIGINAN
DE LA NORMAL BIVARIADA
∞
𝟐 𝟏 𝑿𝟏 −𝝁𝟏 𝟐
−
𝒇𝟏 𝑿𝟏 = 𝒇 𝑿𝟏 , 𝑿𝟐 𝒅 𝑿𝟐 = 𝒆 𝟐 𝝈𝟏 ⟹ 𝑿𝟏 ∼ 𝑵 𝝁𝟏 , 𝝈𝟐𝟏
𝟐𝝅𝝈𝟏
−∞
∞
𝟐 𝟏 𝑿𝟐 −𝝁𝟐 𝟐
−
𝒇𝟐 𝑿𝟐 = 𝒇 𝑿𝟏 , 𝑿𝟐 𝒅 𝑿𝟏 = 𝒆 𝟐 𝝈𝟐 ⟹ 𝑿𝟐 ∼ 𝑵 𝝁𝟐 , 𝝈𝟐𝟐
𝟐𝝅𝝈𝟐
−∞

DISTRIBUCIÓN CONDICIONAL DE X1 DADO X2=x2,
QUE SE ORIGINA DE LA NORMAL BIVARIADA
𝟐
𝟏 𝑿𝟏 −𝝁𝟏,𝟐
𝒇 𝑿𝟏 , 𝑿𝟐 𝟏 −
𝒉 𝑿𝟏 𝑿𝟐 = = 𝒆 𝟐 𝝈𝟏,𝟐 ⟹ 𝑿𝟏 𝑿𝟐 ∼ 𝑵 𝝁𝟏,𝟐 , 𝝈𝟐𝟏,𝟐
𝒇𝟐 𝑿𝟐 𝟐𝝅
𝜎1 2
𝜇1,2 = 𝜇1 + 𝜌 𝑋2 − 𝜇2 ; 𝜎1,2 = 𝜎12 1 − 𝜌2
𝜎2

DISTRIBUCIÓN CONDICIONAL DE X2 DADO X1=x1,
QUE SE ORIGINA DE LA NORMAL BIVARIADA
𝟐
𝟏 𝑿𝟐 −𝝁𝟐,𝟏
𝒇 𝑿𝟏 , 𝑿𝟐 𝟏 −
𝒉 𝑿𝟐 𝑿𝟏 = = 𝒆 𝟐 𝝈𝟐,𝟏 ⟹ 𝑿𝟐 𝑿𝟏 ∼ 𝑵 𝝁𝟐,𝟏 , 𝝈𝟐𝟐,𝟏
𝒇𝟏 𝑿𝟏 𝟐𝝅
𝜎2 2
𝜇2,1 = 𝜇2 + 𝜌 𝑋1 − 𝜇1 ; 𝜎2,1 = 𝜎22 1 − 𝜌2
𝜎1

DISTRIBUCIÓN NORMAL BIVARIADA, INDEPENDENCIA
DE VARIABLES ALEATORIAS Y CORRELACIÓN
𝑋1 , 𝑋2 ~𝑁𝐵 𝜇1 , 𝜇2 , 𝜎12 , 𝜎22 , 𝜌
X1 y X2 son Independientes necesariamente (x1,x2)=0

f(x1,x2) = [f1(x1)] [f2(x2)]

DISTRIBUCIÓN NORMAL BIVARIADA: EJEMPLO
1. Suponga que el costo variable de producción semanal (X1, en centenas

de dólares) y la producción semanal de fideos ( X2, en toneladas), se
distribuyen conjuntamente según la normal bivariadacon forma cuadrática:
𝟏 𝟐 𝟐
𝑸= 𝟒𝟗 𝑿𝟏 − 𝟐𝟓 − 𝟒𝟖 𝑿𝟏 − 𝟐𝟓 𝑿𝟐 − 𝟐𝟎 + 𝟐𝟓 𝑿𝟐 − 𝟐𝟎
𝟔𝟒𝟗
a) Determine la matriz variancia-covariancia.
b) Establezca la ecuación de regresión del costo variable de producción
semanal sobre la producción semanal de fideos. Interprete los
coeficientes.
c) Halle el percentil 90 de la distribución de costos variables para
producciones semanales de 22 toneladas. Interprete

DISTRIBUCIÓN NORMAL BIVARIADA : EJEMPLO
Respuesta
25 24
𝑎 𝑉= 𝑅−1 =
24 49
745 24
𝑏 𝜇1,2 = 𝐸 𝑋1 𝑋2 = + 𝑋2 = 15.2041 + 0.44898 𝑋2
49 49
𝑐 𝑃90,(𝑋1 𝑋2 =22 = 30.62921

Ejercicio
1. Suponga que en un distrito el ingreso mensual de las familias ( X,
expresado en centenas de soles ) y el gasto familiar mensual en carnes
(carnes rojas, pescado, etc) ( Y, expresado en centenas de soles ), se
distribuyen conjuntamente según la normal bivariada cuya forma cuadrática
es la siguiente:
𝑿 − 𝟏𝟐 𝟐 𝟑 𝒙 − 𝟏𝟐 𝒀 − 𝟐 𝟏𝟔 𝒀 − 𝟐 𝟐
𝑸= − +
𝟐𝟖 𝟑𝟓 𝟏𝟕𝟓
a) Halle la ecuación de regresión del gasto familiar mensual en carnes sobre

el ingreso mensual. Interprete los valores de los coeficientes de la ecuación
de regresión.

Ejercicio (continuación)
b) Si en el distrito se toma una muestra aleatoria con reemplazo de 6 familias, entre

aquellas que tienen un ingreso mensual de 900 nuevos soles. Determine la
probabilidad que para más de una familia de la muestra: se tengan un consumo
mensual en carnes inferior a la media de su distribución en al menos 150 soles, o
que el consumo mensual supere a la moda de su distribución en menos de 80 soles.
c) Suponga que el gasto mensual en alimentos sin considerar carnes (en centenas de
soles) de las familias del distrito es determinado por: C = 2.5 + 0.3 X – 0.8 Y. Halle e
interprete el valor del coeficiente de variabilidad de los gastos mensuales en
alimentos

Ejercicio
2. Suponga que en una pequeña empresa el monto de venta mensual (X, en decenas de
miles de soles) y la utilidad mensual de la empresa (Y, en miles de soles), se distribuye
conjuntamente según la normal bivariada cuya forma cuadrática es la siguiente:
𝟔𝟒 𝟐
𝟏𝟒 𝟏 𝟐
𝑸= 𝒙 − 𝟑𝟓 − 𝒙 − 𝟑𝟓 𝒚 − 𝟒𝟎 + 𝒚 − 𝟒𝟎
𝟑𝟕𝟓 𝟕𝟓 𝟏𝟓
a) Determine la ecuación de regresión de la utilidad mensual sobre el monto de venta

mensual. Interprete los valores de los coeficientes según enunciado
b) Suponga que se obtienen tres muestras aleatorias de 8 meses cada una, en los que el
monto de venta mensual fue de 36000 soles. Determine la probabilidad que en una de las
muestras la utilidad promedio de la muestra sea inferior a la media de su distribución en al
menos 1500 soles.
a) 𝜇𝑌.𝑥 = -9+1.4 x b) 0.304109598

MOMENTOS
R-ésimo Momento
respecto al valor E(X –a)R
real «a»
R-ésimo Momento
respecto al origen E(X)R
(a=0)
R-ésimo Momento
respecto a la media E(X –μX)R
(a=μX)

MOMENTOS
QR-ésimo Momento
mixto en relación a los
E[(X –a)Q(Y -b)R]
valores reales «a» y
«b», respectivamente
QR-ésimo Momento
mixto respecto E[XQYR]
al origen (a=0, b=0)
R-ésimo Momento
Mixto en relación a las
E[(X –μX)Q(Y-μY)R]
medias respectivas
(a=μX, b=μY)

MOMENTOS: Ejemplo
Suponga que la variable aleatoria X se distribuye según la exponencial
con Parámetro 8, y que otra variable aleatoria Y, independiente de X,
se distribuye según la normal con parámetros 10 y 16. ¿Cuáles son
los valores de
a) El primer momento de X respecto al origen.
b) El segundo momento de Y respecto al origen
c) El segundo momento de X respecto a la media
d) El primer momento mixto de X e Y respecto a las medias
e) El primer momento mixto de X e Y respecto al origen
Respuestas:
a) 8 ; b) 116 ; c) 64 ; d) 0 ; e) 80

4VABidimensionales 2021

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

4VABidimensionales 2021

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA II

CAP. 2: DISTRIBUCIONES BIVARIADAS

UNIVERSIDAD DEL PACÍFICO 1

UNIVERSIDAD DEL PACÍFICO 2

UNIVERSIDAD DEL PACÍFICO 3

UNIVERSIDAD DEL PACÍFICO 4

R(X,Y) es numerable R(X,Y) no es numerable

(X, Y) es DISCRETA (X, Y) es CONTINUA

UNIVERSIDAD DEL PACÍFICO 5

UNIVERSIDAD DEL PACÍFICO 6

f(x,y)  P[X  x, Y  y]   P [Oi  / (X,Y)(Oi )  (x, y)]

y cumple con las siguientes condiciones:

a) f(x,y) ≥0 , para todo (x,y) ε R(x,y)

UNIVERSIDAD DEL PACÍFICO 7

A esta población, se le aplica MSRSO, con n=3; determinar la función de

UNIVERSIDAD DEL PACÍFICO 8

UNIVERSIDAD DEL PACÍFICO 9

UNIVERSIDAD DEL PACÍFICO 10

Tabla de probabilidad conjunta de X e Y

UNIVERSIDAD DEL PACÍFICO 11

UNIVERSIDAD DEL PACÍFICO 12

UNIVERSIDAD DEL PACÍFICO 13

Gráfica de dispersión de 3D de f(x,y) vs. Y vs. X

0.1 11.3 11 f(x,y)

0.1 11.3 12 0.12

UNIVERSIDAD DEL PACÍFICO 14

Función de prob. Marginal de X Función de prob. Marginal de Y

UNIVERSIDAD DEL PACÍFICO 15

UNIVERSIDAD DEL PACÍFICO 16

UNIVERSIDAD DEL PACÍFICO 17

Función de probabilidad Función de probabilidad

UNIVERSIDAD DEL PACÍFICO 18

Promedio Mediana Muestral (Y)

UNIVERSIDAD DEL PACÍFICO 19

UNIVERSIDAD DEL PACÍFICO 20

También se considera que X e Y son independientes si:

h(x/y) = f (x) g(y/x) = f (y)

UNIVERSIDAD DEL PACÍFICO 21

Promedio Mediana Muestral (Y)

UNIVERSIDAD DEL PACÍFICO 22

UNIVERSIDAD DEL PACÍFICO 23

a) E (Z=X + Y) = E(X) + E(Y) = 𝜇𝑥 +𝜇𝑦

b) E (Z=X -Y) = E(X) - E(Y) = 𝜇𝑥 − 𝜇𝑦

c) E [Z=(X -𝜇𝑥 )(Y-𝜇𝑦 )] = E(XY) - 𝜇𝑥 𝜇𝑦 = Cov(X, Y) = 𝜎𝑥,𝑦

d) E[Z= [(X + Y) –E(X+Y)]2] = Var(X)+Var(Y)+2 Cov(X,Y)

UNIVERSIDAD DEL PACÍFICO 24

e) E[Z= [(X -Y) –E(X-Y)]2] = Var(X)+Var(Y)-2Cov(X,Y)

𝑋−𝜇𝑥 𝑌−𝜇𝑦 𝐸 𝑋−𝜇𝑥 𝑌−𝜇𝑦

UNIVERSIDAD DEL PACÍFICO 25

Var(X)=0.244444 Var(Y)=0.61 Cov(X,Y)=0.333337 𝜌𝑋𝑌 =0.8632

UNIVERSIDAD DEL PACÍFICO 26

UNIVERSIDAD DEL PACÍFICO 27

a) ¿Cuál es el valor del coeficiente de correlación entre X e Y?

CERO No son independientes

UNIVERSIDAD DEL PACÍFICO 28

(X/y) h(x/y) (Y/x) g(y/x)

μX/y E[X/y]  x h(x/y) Y/x E[Y/x]  y g(y/x)

UNIVERSIDAD DEL PACÍFICO 29

UNIVERSIDAD DEL PACÍFICO 30

UNIVERSIDAD DEL PACÍFICO 31

a) f(x,y) ≥ 0, para todo (x,y) ε Re x Re

𝑐 𝑃𝑎𝑟𝑎 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴 𝜀 𝑅(𝑥,𝑦 , 𝑃 𝐴 = 𝑓 𝑥, 𝑦 𝑑𝑦𝑑𝑥

UNIVERSIDAD DEL PACÍFICO 32