DISTRIBUCIONES DE PROBABILIDAD CONJUNTA

Algunos experimentos estadsticos pueden incluir ms de una variable aleatoria las cuales
actan en forma conjunta, y es de inters determinar la probabilidad correspondiente a los
diferentes valores que estas variables puedan tomar.
En esta seccin revisamos las distribuciones de probabilidad para dos variables aleatorias que
intervienen en forma conjunta.
Caso discreto
Definicin
Sean X, Y: variables aleatorias discretas. Entonces su funcin de distribucin
de probabilidad conjunta es f(x,y)
Esta funcin satisface las siguientes propiedades
1) xy (f(x,y) 0)
2)


x y
1 y x f ) , (
3) P(X=x,Y=y) = f(x,y)
Tambin se puede definir la distribucin de probabilidad acumulada conjunta:
F(x,y) = P(X x,Y y) =

x s y t
t s f ) , (
, - x,y .
Ejemplo.
Una caja contiene 4 bateras defectuosas, 3 bateras en regular estado, y 2 bateras
aceptables. Se toman dos bateras al azar.
a) Encuentre la distribucin de probabilidad conjunta.
Solucin
Sean las variables aleatorias discretas
X: cantidad de bateras defectuosas
Y: cantidad de bateras en regular estado
2-X-Y: es la cantidad de bateras en buen estado que se obtienen en la
muestra.
Siguiendo el modelo hipergeomtrico, se tiene que la cantidad de formas diferentes de tomar x
bateras defectuosas de las 4 existentes,
y bateras en regular estado, de las 3 existentes, y
2-x-y bateras aceptables de las 2 existentes, es

,
`

.
|

,
`

.
|

,
`

.
|
y x 2
2
y
3
x
4
Adems hay

,
`

.
|
2
9
formas diferentes de tomar dos bateras de la caja. Por lo tanto, la distribucin
de probabilidad conjunta es
P(X=x, Y=y) = f(x,y) =

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|
2
9
y x 2
2
y
3
x
4
, x,y = 0,1,2; x+y 2
b) Calcule la probabilidad de obtener una defectuosa y una aceptable
Solucin
P(X=1, Y=0) = f(1,0) =

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|
2
9
0 1 2
2
0
3
1
4
= 0.2222
Caso continuo
Definicin
Sean X, Y: dos variables aleatorias continuas, entonces su funcin de densidad conjunta es
f(x,y)
Esta funcin satisface las siguientes propiedades
1) f(x,y) 0, x, y
2)

1 dxdy y x f ) , (
3) P(a X b, c Y d) =

d
c
b
a
dxdy y x f ) , (
La funcin de densidad de probabilidad de dos variables aleatorias continuas
X, Y, es una superficie en el espacio.

La probabilidad P(a X b, c Y d) es entonces una porcin del volumen debajo de la
superficie y sobre el rectngulo a X b, c Y d

La funcin de distribucin conjunta acumulada es:
P(X x, Y y) = F(x,y) =


y x
dudv v u f ) , (
.
Ejemplo.
Suponga que el tiempo de mantenimiento semanal de una mquina depende de dos variables
aleatorias contnuas (horas):
X: duracin del mantenimiento mecnico
Y: duracin el mantenimiento elctrico
Suponga que la densidad de probabilidad conjunta es
f(x,y) =

'

+
y x, otros 0,
1 y x, 0 y 2 x
3
2
), (
a) Verifique que es una funcin de densidad de probabilidad
Solucin
1) f(x,y) 0, x, y.
2)

1 dxdy y x f ) , ( :

+ +

1
0
1
0
1
0
1
0
dxdy ) y 2 x (
3
2
dxdy ) y 2 x (
3
2
dxdy ) y , x ( f
=

+ + +
1
0
1
0
2
1
0
1
0
2
1 ] y
2
y
[
3
2
dy ) y 2
2
1
(
3
2
dy ] xy 2
2
x
[
3
2
b) Calcule la probabilidad que en alguna semana, el mantenimiento mecnico dure menos de
15 minutos y el mantenimiento elctrico dure ms de 30 minutos
Solucin
P(X 1/4, Y 1/2) =
+
1
2 / 1
4 / 1
0
dxdy ) y 2 x (
3
2
= 13/96
DISTRIBUCIONES MARGINALES DE PROBABILIDAD
Estas definiciones corresponden a funciones de probabilidad de cada variable.
Definicin
Caso discreto (dos variables)
Sean X,Y variables aleatorias discretas y f(x,y) su funcin de probabilidad conjunta.
Entonces, las funciones de probabilidad
g(x)=P(X=x)=

y
y x f ) , (
h(y)=P(Y=y)=

x
y x f ) , (
Se denominan funciones marginales de probabilidad .
Caso continuo (dos variables)
Sean X,Y variables aleatorias continuas y f(x,y) su funcin de densidad de
probabilidad conjunta.
Entonces, las funciones de densidad de probabilidad
g(x)=

dy y x f ) , (
h(y)=

dx y x f ) , (
Se denominan funciones marginales de densidad de probabilidad .
Para cada variable la distribucin marginal se obtiene sumando la funcin de probabilidad sobre
la otra variable.
Ejemplo.
En el problema de las bateras, encuentre la distribucin marginal g(x) correspondiente a la
cantidad de bateras defectuosas.
Solucin:
g(0) =

2
0 y
y 0 f ) , (
=f(0,0)+f(0,1)+f(0,2) = 0.2778
g(1) =

2
0 y
y 1 f ) , (
=f(1,0)+f(1,1)+f(1,2) = 0.5556
g(2) =

2
0 y
y 2 f ) , (
=f(2,0)+f(2,1)+f(2,2) = 0.1667
En este ejemplo, tambin se puede expresar g(x) mediante una frmula similar al modelo
hipergeomtrico, separando las variables en dos grupos: X y las dems:
g(x) =

,
`

.
|

,
`

.
|

,
`

.
|
2
9
x 2
5
x
4
, x=0, 1, 2
Ejemplo.
Encuentre la densidad marginal g(x) para el problema del mantenimiento de la mquina:
Solucin:
g(x) =
[ ]

+ + +
1
0
1
0
2
1 x
3
2
y xy
3
2
dy y 2 x
3
2
dy y x f ), ( ) ( ) , (
0 x 1
Se puede ver que las distribuciones marginales g(x), h(y) son en realidad funciones de
probabilidad de X, Y en forma separada. Estas funciones deben cumplir las propiedades
respectivas. Por ejemplo, verifique g(x), X continua:
4) g(x) 0, x
5)

1 dx x g ) (
Son evidentes, al sustituir g(x) con la definicin correspondiente
Las distribuciones marginales pueden usarse para calcular probabilidad de cada variable.
Ejemplo. Calcule P(a X b):
P(a X b) =

b
a
dx x g ) (
DISTRIBUCIONES CONDICIONALES DE PROBABILIDAD
Recordemos la frmula de probabilidad condicional para eventos
P(A|B) = P(AB)/P(B)
Si definimos los eventos
A: X=x
B: Y=y
Siendo X, Y variables aleatorias discretas con distribucin de probabilidad conjunta f(x,y),
entonces,
P(X=x|Y=y) =
) (
) , (
y Y P
y Y x X P

Que se puede expresar con la notacin establecida para las distribuciones conjuntas:
f(x|y) =
) (
) , (
y h
y x f

f(x|y) tambin satisface las propiedades de las funciones de probabilidad
Definicin
Sean X, Y variables aleatorias discretas con distribucin de probabilidad f(x,y)
Entonces, la distribucin condicional de X dado que Y=y, es
f(x|y) =
) (
) , (
y h
y x f
Y la distribucin condicional de Y dado que X=x, es
f(y|x) =
) x ( g
) y , x ( f
.
Definicin
Sean X, Y variables aleatorias continuas con densidad de probabilidad f(x,y)
Entonces, la densidad condicional de X dado que Y=y, es
f(x|y) =
) (
) , (
y h
y x f
Y la densidad condicional de Y dado que X=x, es
f(y|x) =
) (
) , (
x g
y x f
.
Las distribuciones condicionales tambin se pueden usar para calcular probabilidad:
Caso discreto: P(a X b|Y=y) =

b
a x
y x f ) | (
Caso continuo: P(a X b|Y=y) =

b
a
dx y x f ) | (
Ejemplo.
En el ejemplo de las bateras, encuentre la distribucin condicional de X dado que Y=1
Solucin
f(x|1) = f(x,1)/h(1)
Pero, h(1) =

2
0 x
1 x f ) , (
=f(0,1)+f(1,1)+f(2,1)
Por lo tanto
f(x|1) =
) , ( ) , ( ) , (
) , (
1 2 f 1 1 f 1 0 f
1 x f
+ +
Calcule la probabilidad que la segunda batera sea defectuosa dado que la primera es regular:
Solucin
P(X=1|Y=1) =
) , ( ) , ( ) , (
) , (
1 2 f 1 1 f 1 0 f
1 1 f
+ +
=
5 0
3333 0
.
.
=0.6667
Para este ejemplo, se puede formular de manera general la probabilidad condicional. Ejemplo.
Determine f(x|y)
f(x|y) =

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|

y 2
6
y x 2
2
x
4
2
9
y 2
6
y
3
2
9
y x 2
2
y
3
x
4
) y ( h
) y , x ( f
, x,y=0,1,2; x+y 2
Ejemplo.
Calcule P(X=1|Y=1)
Solucin
P(X=1|Y=1) = f(1|1) =

,
`

.
|

,
`

.
|

,
`

.
|

1 2
6
1 1 2
2
1
4
) y ( h
) y , x ( f
= 0.6667
Ejemplo.
En el problema del mantenimiento de la mquina,
a) Encuentre la densidad condicional f(y|x)
Solucin
f(y|x) =
1 x
y 2 x
) 1 x (
3
2
) y 2 x (
3
2
) x ( g
) y , x ( f
+
+

+
+

, 0 x,y 1
b) Calcule la probabilidad que el mantenimiento elctrico (Y) dure menos de 15 minutos
dado que el mantenimiento mecnico (X) dur 30 minutos
Solucin
P(Y 0.25|X=0.5) =
+
+

25 . 0
0
25 . 0
0
dy
1 5 . 0
y 2 5 . 0
) 5 . 0 | y ( f
=0.125
VARIABLES ALEATORIAS ESTADSTICAMENTE INDEPENDIENTES
Sean X,Y variables aleatorias continuas y f(x,y) su distribucin de probabilidad conjunta.
Su densidad condicional es:
f(x|y) =
) (
) , (
y h
y x f
y su densidad marginal se define como:
g(x) =

dy y x f ) , (
Sustituyendo la densidad condicional en la densidad marginal:
g(x) =

dy y h y x f ) ( ) | (
Supongamos que f(x|y) no depende de y. Esto significa que la expresin f(x|y) no contendra a
la variable y. Por lo tanto, puede salir del integral:
g(x) = f(x|y)

dy y h ) (
Pero

1 dy y h ) ( pues h(y) es tambin una funcin de densidad de probabilidad .
Entonces g(x) = f(x|y).
Sustituyendo en la densidad condicional inicial se obtiene f(x,y) = g(x) h(y)
Definicin
Se dice que X, Y son variables aleatorias contnuas estadsticamente
independientes si y solo si
f(x,y) = g(x) h(y), en el dominio de x, y .
Esta definicin se puede extender a ms variables aleatorias continuas.
En el caso de variables aleatorias discretas, para que esta definicin sea cierta, debe
cumplirse que en cada punto, el producto de las distribuciones marginales
sea igual a la distribucin conjunta .
MEDIA Y VARIANZA PARA VARIABLES ALEATORIAS CONJUNTAS
Sean X, Y variables aleatorias con distribucin de probabilidad conjunta f(x,y)
Sea G(X,Y), alguna expresin con X,Y. Por lo tanto G tambin es una variable aleatoria.
Definicin
Si X, Y son variables aleatorias discretas
La media o valor esperado de G(X,Y), es
[ ]


X Y
Y X G
y x f y x G Y X G E ) , ( ) , ( ) , (
) , (
Si X, Y son variables aleatorias contnuas La media o
valor esperado de G(X,Y), es
[ ]

dxdy y x G Y X G E
Y X G
) , ( ) , (
) , (
. .
Ejemplo
Calcule la media de la suma de bateras defectuosas y bateras en estado regular en el ejemplo
anterior:
Solucin
G(X,Y) = X+Y;
[ ]


+ +
2
0 x
2
0 y
y x f y x Y X E ) , ( ) (
= (0+0)f(0,0) + (0+1)f(0,1) + ... + (2+2)f(2,2)
Siendo f(x,y) =

,
`

.
|

,
`

.
|

,
`

.
|

,
`

.
|
2
9
y x 2
2
y
3
x
4
, x, y = 0, 1, 2; x+y 2
Ejemplo
En el ejemplo del mantenimiento de la mquina, calcule la media de la duracin de la suma del
tiempo de mantenimiento semanal elctrico y mecnico:
Solucin
G(X,Y) = X+Y
[ ]

+ +
1
0
1
0
dxdy y x f y x Y X E ) , ( ) (
Siendo f(x,y) =
) ( y 2 x
3
2
+
, 0 x,y 1
CASO ESPECIAL
Si G(X,Y) = X
[ ] ) ( ) , ( ) , ( x g x y x f x y x xf X E
X Y x y x
X

Si G(X,Y) = Y
[ ]


X Y y x y
Y
y yh y x f y y x yf Y E ) ( ) , ( ) , (
.
en donde g(x), h(y) son las distribuciones marginales
Igualmente para el caso continuo:
Si G(X,Y) = X
[ ]

dx x xg X E
X
) (
Si G(X,Y) = Y
[ ]

dy y yh Y E
Y
) (
.
en donde g(x), h(y) son las densidades marginales
COVARIANZA
La definicin de varianza se extiende a variables aleatorias conjuntas y se denomina
covarianza

Definicin
Sean X, Y variables aleatorias discretas con distribucin conjunta f(x,y)
Entonces, la covarianza de X, Y es
[ ] [ ]


x y
Y X Y X XY
y x f y x Y X E Y X Cov ) , ( ) )( ( ) )( ( ,

Sean X, Y variables aleatorias continuas con densidad conjunta f(x,y)
Entonces, la covarianza de X, Y es
[ ] [ ]

dxdy y x f y x Y X E Y X Cov
Y X Y X XY
) , ( ) )( ( ) )( ( , .
Igualmente, se puede obtener una frmula alterna para calcular la covarianza:

[ ] [ ]
Y X XY
XY E Y X Cov ,
.
Demostracin
Cov[X,Y] = E[(X-
X
)(Y-
Y
)] = E[XY - X
Y
- Y
X
+
X

Y
]
= E[XY] -
Y
E[X] -
X
E[Y] +
X

Y

= E[XY] -
Y

X
-
X

Y
+
X

Y
= E[XY] -
X

Y
Propiedades de la covarianza
Si X, Y son variables aleatorias estadsticamente independientes,
entonces Cov[X,Y] = 0 .
Demostracin
Si X, Y son variables aleatorias estadsticamente independientes,
se tiene que f(x,y) = g(x) h(y)
Por lo tanto,
E[XY] =


x y x y x y
y yh x xg y h x xyg y x xyf ) ( ) ( ) ( ) ( ) , (
= E[X] E[Y]
sustituya en la frmula de la covarianza:
Cov[X,Y] = E[XY] -
X

Y
= E[X]E[Y] -
X

Y
=
X

Y
-
X

Y
= 0
La demostracin es similar si X, Y son variables aleatorias continuas.
Signos de la covarianza
La covarianza tiene signo positivo si valores grandes de X estn
asociados con valores grandes de Y, o si valores pequeos de X estn asociados con
valores pequeos de Y.
La covarianza tiene signo negativo si valores grandes de la una variable estn
asociados con valores pequeos de la otra variable.
Este comportamiento se puede observar en la definicin de covarianza:
[ ] [ ]


x y
Y X Y X
y x f y x Y X E Y X Cov ) , ( ) )( ( ) )( ( ,
Si los valores de X, Y son ambos grandes o ambos pequeos, el producto de sus diferencias
con respecto a sus medias tendr signo positivo, y la suma de estos trminos tendr signo
positivo. Tambin es cierto con variables continuas
Definicin
Sean X, Y variables aleatorias conjuntas (discretas o continuas)
entonces, el coeficiente de correlacin de X, Y es:
[ ]
Y X
XY
Y X
XY
Y X Cov

,
,
1 1
XY

.
El smbolo del alfabeto griego se lee ro y es una medida estandarizada de la covarianza.
Esta definicin puede extenderse a ms variables aleatorias conjuntas.