Estadística

Variables Aleatorias Bidimensionales

13-7-2022
Natalia SALABERRY
  Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Conjunta
Definición de Probabilidad Conjunta
Sean X e Y dos variables aleatorias. La probabilidad conjunta del par (X,Y) se define
como
𝑝𝑋𝑌 𝑥, 𝑦 = 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦)

Si X e Y son variables aleatorias discretas entonces satisface:

1- 𝑝𝑋𝑌 𝑥, 𝑦 ≥ 0

2-σ𝑥∈𝑋 σ𝑦∈𝑌 𝑝𝑋𝑌 𝑥, 𝑦 = 1

Ejemplo
De una urna que contiene 6 bolillas blancas y 4 negras, se extraen 3 sin reposición.
Entonces definimos:
X=“Número de bolillas blancas extraídas”
Y=1 si el número de bolillas negras extraídas es par o cero.
Y=0 si el número de bolillas negras extraídas es impar.
Total de bolillas 10 2

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Probabilidad Conjunta

Calculamos la función de probabilidad conjunta:

𝑝𝑋𝑌 0,0 = 𝑃 0 𝑏𝑙𝑎𝑛𝑐𝑎𝑠, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒊𝒎𝒑𝒂𝒓 = 𝑃 3 𝑛𝑒𝑔𝑟𝑎𝑠 =

4 3 2 1
= ∗ ∗ =
10 9 8 30
𝑝𝑋𝑌 1,0 = 𝑃 1 𝑏𝑙𝑎𝑛𝑐𝑎, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒊𝒎𝒑𝒂𝒓 = 0 porque de tres bolitas
extraídas me restan 2 que es par => no pueden ser negras impar.

𝑝𝑋𝑌 2,0 = 𝑃 2 𝑏𝑙𝑎𝑛𝑐𝑎𝑠, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒊𝒎𝒑𝒂𝒓

= 𝑃(2 𝑏𝑙𝑎𝑛𝑐𝑎𝑠 𝑦 1 𝑛𝑒𝑔𝑟𝑎)
6 5 4 6 4 5 4 6 5 1
= ∗ ∗ + ∗ ∗ + ∗ ∗ =
10 9 8 10 9 8 10 9 8 2

BBN BNB NBB

𝑝𝑋𝑌 3,0 = 𝑃 3 𝑏𝑙𝑎𝑛𝑐𝑎, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒊𝒎𝒑𝒂𝒓 = 0 porque de tres

bolitas extraídas todas son blancas y ninguna negra.
3

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Probabilidad Conjunta
𝑝𝑋𝑌 0,1 = 𝑃 0 𝑏𝑙𝑎𝑛𝑐𝑎, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒑𝒂𝒓 = 0 porque de tres bolitas
extraídas todas serán negras => negras impar.

𝑝𝑋𝑌 1,1 = 𝑃 1 𝑏𝑙𝑎𝑛𝑐𝑎𝑠, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒑𝒂𝒓 = 𝑃(1 𝑏𝑙𝑎𝑛𝑐𝑎𝑠 𝑦 2 𝑛𝑒𝑔𝑟𝑎)

6 4 3 4 6 3 4 3 6 3
= ∗ ∗ + ∗ ∗ + ∗ ∗ =
10 9 8 10 9 8 10 9 8 10

BNN NBN NNB

𝑝𝑋𝑌 2,1 = 𝑃 2 𝑏𝑙𝑎𝑛𝑐𝑎, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒑𝒂𝒓 = 0 porque si de 3 bolitas
extraídas 2 son blancas, me resta 1 posible negra => negra impar

𝑝𝑋𝑌 3,1 = 𝑃 3 𝑏𝑙𝑎𝑛𝑐𝑎𝑠, 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑒𝑔𝑟𝑎𝑠 𝒑𝒂𝒓 = 𝑃 3 𝑏𝑙𝑎𝑛𝑐𝑎𝑠 =

6 5 4 1
= ∗ ∗ = X
10 9 8 6
0 1 2 3
Resumimos todos los resultados 0 1/30 0 1/2 0 8/15
en una tabla Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1 4

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Probabilidad Marginal
Definición de Función de Probabilidad Marginal

Sean X e Y dos variables aleatorias discretas con probabilidad conjunta 𝑝𝑋𝑌 𝑥, 𝑦 .

Las funciones de probabilidad marginal de X e Y están dadas por:

𝑝𝑋 𝑥 = ෍ 𝑝𝑋𝑌 𝑥, 𝑦
𝑦∈𝑌

𝑝𝑌 𝑦 = ෍ 𝑝𝑋𝑌 𝑥, 𝑦
𝑥∈𝑋

Es decir que las probabilidades marginales se obtienen sumando las funciones de

probabilidad conjunta, esto es sobre filas y columnas (de la tabla construida).

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Probabilidad Marginal

X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1
1 1 3 3
𝑝𝑋 0 = 𝑝𝑋𝑌 0,0 + 𝑝𝑋𝑌 0,1 = + 0 = 30 𝑝𝑋 1 = 𝑝𝑋𝑌 1,0 + 𝑝𝑋𝑌 1,1 = 0 + 10 = 10
30

1 1 1 1
𝑝𝑋 2 = 𝑝𝑋𝑌 2,0 + 𝑝𝑋𝑌 2,1 = 2 + 0 = 2 𝑝𝑋 3 = 𝑝𝑋𝑌 3,0 + 𝑝𝑋𝑌 3,1 = 0 + 6 = 6

1 1 8
𝑝𝑌 0 = 𝑝𝑋𝑌 0,0 + 𝑝𝑋𝑌 1,0 + 𝑝𝑋𝑌 2,0 + 𝑝𝑋𝑌 3,0 = +0+ +0=
30 2 15

3 1 7
𝑝𝑌 1 = 𝑝𝑋𝑌 0,1 + 𝑝𝑋𝑌 1,1 + 𝑝𝑋𝑌 2,1 + 𝑝𝑋𝑌 3,1 = 0 + +0+ =
10 6 15

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Probabilidad Acumulada Conjunta

Definición de Función de Distribución de Probabilidad Acumulada Conjunta

Sean X e Y dos variables aleatorias discretas con probabilidad conjunta 𝑝𝑋𝑌 𝑥, 𝑦 .

Las funciones de distribución de probabilidad acumulada conjunta esta dada por:

𝐹𝑋𝑌 𝑥, 𝑦 = ෍ ෍ 𝑝𝑋𝑌 𝑠, 𝑡
𝑠≤𝑥 𝑡≤𝑦

Ejemplo: para las variables X e Y del ejemplo anterior

𝐹𝑋𝑌 2,1 = ෍ ෍ 𝑝𝑋𝑌 𝑠, 𝑡 =
𝑠≤2 𝑡≤1

=𝑝𝑋𝑌 0,0 + 𝑝𝑋𝑌 0,1 + 𝑝𝑋𝑌 1,0 + 𝑝𝑋𝑌 1,1 + 𝑝𝑋𝑌 2,0 + 𝑝𝑋𝑌 2,1 =

1 3 1 5
= +0+0+ + +0=
30 10 2 6
7

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Probabilidad Condicional
Definición de Función de Probabilidad Condicional

Sean X e Y dos variables aleatorias discretas con probabilidad conjunta 𝑝𝑋𝑌 𝑥, 𝑦 y

marginales 𝑝𝑋 𝑥 𝑦 𝑝𝑌 𝑦 .
Sea a tal que 𝑝𝑋 𝑎 > 0 entonces, la función de probabilidad condicional de Y dado
X=a está dada por:

𝑝𝑋𝑌 𝑥, 𝑦
𝑃𝑌/𝑋=𝑎 𝑦 =
𝑝𝑋 𝑎

Del mismo modo, sea b tal que 𝑝𝑌 𝑏 > 0 entonces, la función de probabilidad
condicional de X dado Y=b está dada por:

𝑝𝑋𝑌 𝑥, 𝑦
𝑃𝑋/𝑌=𝑏 𝑥 =
𝑝𝑌 𝑏

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Condicional

X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1

𝑝𝑋𝑌 0,0 1/30 𝑝𝑋𝑌 1,0 0

𝑃𝑋/𝑌=0 0 = = = 1/16 𝑃𝑋/𝑌=0 1 = = =0
𝑝𝑌 0 8/15 𝑝𝑌 0 8/15

𝑝𝑋𝑌 2,0 1/2 𝑝𝑋𝑌 3,0 0

𝑃𝑋/𝑌=0 2 = = = 15/16 𝑃𝑋/𝑌=0 3 = = =0
𝑝𝑌 0 8/15 𝑝𝑌 0 8/15

𝑝𝑋𝑌 0,1 0 𝑝𝑋𝑌 1,1 3/10

𝑃𝑋/𝑌=1 0 = = =0 𝑃𝑋/𝑌=1 1 = = = 9/14
𝑝𝑌 1 7/15 𝑝𝑌 1 7/15

𝑝𝑋𝑌 2,1 0 𝑝𝑋𝑌 3,1 1/6

𝑃𝑋/𝑌=1 2 = = =0 𝑃𝑋/𝑌=1 3 = = = 5/14
𝑝𝑌 1 7/15 𝑝𝑌 1 7/15 9

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación
Probabilidad Condicional

X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1

𝑝𝑋𝑌 0,0 1/30 𝑝𝑋𝑌 0,1 0

𝑃𝑌/𝑋=0 0 = = =1 𝑃𝑌/𝑋=0 1 = = =0
𝑝𝑋 0 1/30 𝑝𝑋 0 1/30

𝑝𝑋𝑌 1,0 0 𝑝𝑋𝑌 1,1 3/10

𝑃𝑌/𝑋=1 0 = = =0 𝑃𝑌/𝑋=1 1 = = =1
𝑝𝑋 1 3/10 𝑝𝑋 1 3/10

𝑝𝑋𝑌 2,0 1/2 𝑝𝑋𝑌 2,1 0

𝑃𝑌/𝑋=2 0 = = =1 𝑃𝑌/𝑋=2 1 = = =0
𝑝𝑋 2 1/2 𝑝𝑋 2 1/2

𝑝𝑋𝑌 3,0 0 𝑝𝑋𝑌 3,1 1/6

𝑃𝑌/𝑋=3 0 = = =0 𝑃𝑌/𝑋=3 1 = = =1
𝑝𝑋 3 1/6 𝑝𝑋 3 1/6 10

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Independencia de variables aleatorias discretas

Definición

Sean X e Y dos variables aleatorias discretas. Decimos que X e Y son independientes si

y sólo si
𝑝𝑋𝑌 𝑥, 𝑦 = 𝑝𝑋 𝑥 ∗ 𝑝𝑌 𝑦

Para el ejemplo que venimos trabajando:

𝑝𝑋𝑌 0,0 ¿ ? 𝑝𝑋 0 ∗ 𝑝𝑌 0

1 1 8
¿? ∗
30 30 15

1 4
≠
30 225

Por lo tanto, X e Y no son independientes

11

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Valor Esperado

Definición
Sean X e Y dos variables aleatorias discretas con probabilidad conjunta 𝑝𝑋𝑌 𝑥, 𝑦 y
h(X,Y) una variable aleatoria, entonces

𝐸[ℎ 𝑋, 𝑌 ] = ෍ ෍ ℎ 𝑥, 𝑦 𝑝𝑋𝑌 𝑥, 𝑦
𝑥∈𝑋 𝑦∈𝑌

Propiedades:
1-E( aX + bY)= aE(X) + bE(Y)

2- Si X e Y son independientes entonces E(XY)= E(X) *E(Y)

12

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Valor Esperado
Ejemplo

Para el ejemplo que venimos trabajando X

0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1

calculamos el valor esperado considerando que ℎ 𝑥, 𝑦 =2x + 3y

𝐸 2𝑋 + 3𝑌 = 2 ∗ 0 + 3 ∗ 0 𝑝𝑋𝑌 0,0 + 2 ∗ 0 + 3 ∗ 1 𝑝𝑋𝑌 0,1 +

2 ∗ 1 + 3 ∗ 0 𝑝𝑋𝑌 1,0 + 2 ∗ 1 + 3 ∗ 1 𝑝𝑋𝑌 1,1 +
2 ∗ 2 + 3 ∗ 0 𝑝𝑋𝑌 2,0 + 2 ∗ 2 + 3 ∗ 1 𝑝𝑋𝑌 2,1 +
2 ∗ 3 + 3 ∗ 0 𝑝𝑋𝑌 3,0 + 2 ∗ 3 + 3 ∗ 1 𝑝𝑋𝑌 3,1
3 1 1
= 0 + 0 + 0 + 5* + 4* + 0 + 9* = 5
10 2 6
13

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Covarianza
Definición
Sean X e Y dos variables aleatorias discretas con valor esperado 𝜇𝑥 y 𝜇𝑦
respectivamente. La covarianza entre X e Y se define como

𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸[(𝑋 − 𝜇𝑥 )(Y- 𝜇𝑦 )] = σ𝑥∈𝑋 σ𝑦∈𝑌(𝑋 − 𝜇𝑥 )(Y− 𝜇𝑦 )𝑝𝑋𝑌 𝑥, 𝑦

De donde se desprende que la COV(X,X) = V(X) y COV(Y,Y) = V(Y)

Propiedades:
1- 𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸(𝑋𝑌) - 𝐸 𝑋 𝐸(𝑌) siendo la forma mas utilizada.
Demostración:
𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸[(𝑋 − 𝜇𝑥 )(𝑌 − 𝜇𝑦 )]=𝐸[(𝑋𝑌 − 𝑋𝜇𝑦 − 𝜇𝑥 Y + 𝜇𝑥 𝜇𝑦 )]
= 𝐸(𝑋𝑌) − 𝐸(𝜇𝑦 𝑋) − 𝐸(𝜇𝑥 Y)+ 𝐸( 𝜇𝑥 𝜇𝑦 )
= 𝐸 𝑋𝑌 − 𝜇𝑦 𝐸(𝑋) − 𝜇𝑥 𝐸(Y) + 𝜇𝑥 𝜇𝑦
= 𝐸 𝑋𝑌 − 𝐸(𝑌)𝐸(𝑋) − 𝐸(𝑋)𝐸(Y) +𝐸(𝑋)𝐸(Y)
= 𝐸 𝑋𝑌 − 𝐸 𝑋 𝐸(𝑌)
2- Si X e Y son independientes entonces Cov( X,Y)=0 mientras que el recíproco no es
cierto. 14

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Covarianza

Interpretación de la Covarianza:
Y -
-La Cov(X,Y) > 0 si la relación entre X e Y es fuertemente positiva. +

Esto es, a valores grandes de X suceden conjuntamente con + -

X
valores grandes de Y (y viceversa).

-La Cov(X,Y) < 0 si la relación entre X e Y es fuertemente negativa. Y - +

Esto es, a valores grandes de X suceden conjuntamente -
+ X
con valores pequeños de Y (y viceversa).

Y - +
-La Cov(X,Y)=0 si no existe relación fuerte entre X e Y
+ -
X

15

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación
Covarianza
X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1
𝐸 𝑋𝑌 = 0 ∗ 0 𝑝𝑋𝑌 0,0 + 0 ∗ 1 𝑝𝑋𝑌 0,1 + 1 ∗ 0 𝑝𝑋𝑌 1,0 + 1 ∗ 1 𝑝𝑋𝑌 1,1 +
2 ∗ 0 𝑝𝑋𝑌 2,0 + 2 ∗ 1 𝑝𝑋𝑌 2,1 + 3 ∗ 0 𝑝𝑋𝑌 3,0 + 3 ∗ 1 𝑝𝑋𝑌 3,1 =

3 1 4
=0+0+0+1* +0+0+3* =
10 6 5
3 1 1 9
𝐸 𝑋 = 0 ∗ 𝑝𝑋 0 + 1 ∗ 𝑝𝑋 1 + 2 ∗ 𝑝𝑋 2 + 3 ∗ 𝑝𝑋 3 =0+ 1* + 2 * +3 * =
10 2 6 5

7 7
𝐸 𝑌 = 0 ∗ 𝑝𝑌 0 + 1 ∗ 𝑝𝑌 1 = 0 + 1 * =
15 15
4 9 7 1
Cov( X,Y)= E(XY) – E(X)E(Y)= - [ * ]= - => La relación entre X e Y es fuertemente
5 5 15 25
negativa 16

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Varianza
Definición
Sean X e Y dos variables aleatorias discretas.

1. Si X e Y NO son independientes, entonces

V(aX + bY) = 𝑎2 𝑉 𝑋 + 𝑏 2 𝑉 𝑌 + 2 ∗ a ∗ b ∗ 𝐶𝑜𝑣 𝑋, 𝑌

Demostración:
V(aX + bY) = 𝐸(𝑎𝑋 + 𝑏𝑌)2 − [𝐸 𝑎𝑋 + 𝑏𝑌 ]2
=𝐸(𝑎2 𝑋 2 + 2𝑎𝑏𝑋𝑌 + 𝑏 2 𝑌 2 ) − [𝑎𝐸(𝑋) + 𝑏𝐸(𝑌)]2
=𝑎2 𝐸 𝑋 2 + 2𝑎𝑏𝐸 𝑋𝑌 + 𝑏 2 𝐸 𝑌 2 − 𝑎2 𝐸 𝑋 2 − 2𝑎𝑏𝐸 𝑋 𝐸 𝑌 − 𝑏 2 𝐸 𝑌 2
=𝑎2 𝐸 𝑋 2 − 𝑎2 𝐸 𝑋 2 + 𝑏 2 𝐸 𝑌 2 − 𝑏 2 𝐸 𝑌 2 + 2𝑎𝑏𝐸 𝑋𝑌 − 2𝑎𝑏𝐸 𝑋 𝐸 𝑌
=𝑎2 (𝐸 𝑋 2 − 𝐸 𝑋 2 ) + 𝑏 2 (𝐸 𝑌 2 − 𝐸 𝑌 2 ) + 2𝑎𝑏(𝐸 𝑋𝑌 − 𝐸 𝑋 𝐸 𝑌 )

= 𝑎2 𝑉 𝑋 + 𝑏2 𝑉 𝑌 + 2𝑎𝑏𝐶𝑜𝑣(𝑋, 𝑌)

2. Si X e Y son independientes, entonces

V(aX + bY) = 𝑎2 𝑉 𝑋 + 𝑏 2 𝑉 𝑌 17

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Coeficiente de Correlación

Definición
Sean X e Y dos variables aleatorias discretas con desvío estándar 𝜎𝑥 y 𝜎𝑦
respectivamente.
El coeficiente de correlación entre X e Y se define como

𝐶𝑜𝑣(𝑋,𝑌)
𝞺 𝑋, 𝑌 =
𝜎𝑥 𝜎𝑦
Por lo tanto, mide el grado de asociación lineal entre X e Y.

Propiedades:
1- -1≤ 𝞺 𝑋, 𝑌 ≤1

2- Si X e Y son independientes entonces 𝞺 𝑋, 𝑌 =0 mientras que el recíproco no es

cierto.

18

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Coeficiente de Correlación

Interpretación del coeficiente de correlación

𝞺 𝑋, 𝑌 =1 relación lineal perfectamente positiva. Esto sucederá cuando X e Y estén

fuertemente relacionadas de manera positiva.

𝞺 𝑋, 𝑌 = -1 relación lineal perfectamente negativa. Esto sucederá cuando X e Y estén

fuertemente relacionadas de manera negativa.

|𝞺 𝑋, 𝑌 |<1 indica que la relación no es completamente lineal, es decir, los valores

grandes (chicos) de X están asociados con valores grandes (chicos) de Y.

𝞺 𝑋, 𝑌 =0 indica que existe una ausencia completa de relación lineal entre X e Y. Es

decir, no están correlacionadas. Pero pueden estar fuertemente relacionadas
mediante una relación no lineal.

19

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación
Coeficiente de Correlación

X
0 1 2 3
0 1/30 0 1/2 0 8/15
Y
1 0 3/10 0 1/6 7/15
1/30 3/10 1/2 1/6 1
4 9 7 1 9 7
Teníamos que Cov( X,Y)= E(XY) – E(X)E(Y)= - [ * ]= - 𝐸 𝑋 = 𝐸 𝑌 =
5 5 15 25 5 15

V(X) = E(𝑋 2 ) − [𝐸 𝑋 ] 2 = 02 ∗ 𝑝𝑋 0 + 12 ∗ 𝑝𝑋 1 + 22 ∗ 𝑝𝑋 2 + 32 ∗ 𝑝𝑋 3 -
9
[ ] 2 = 0,56
5
𝜎𝑥 = 0,56 ≈ 0,748

7
V(Y) = E(𝑌 2 ) − [𝐸 𝑌 ] 2 = 02 ∗ 𝑝𝑌 0 + 12 ∗ 𝑝𝑌 1 − [ ] 2 = 0,249
15
𝜎𝑦 = 0,249 ≈ 0,499
1
− 25
𝞺 𝑋, 𝑌 = = − 0,107 20
0,748∗0,499
Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

EJEMPLO

Sean X e Y dos variables aleatorias discretas tales que X sólo toma los valores 1 y 3 e Y
sólo toma valores 2 y 4.

1. Determinar el valor de c de manera que la función p(x,y) = cxy represente la

distribución de probabilidad conjunta de las variables aleatorias X e Y .

2. Calcular las distribuciones de probabilidad marginal de X e Y .

3. ¿Son independientes las variables X e Y?

4. ¿Cuáles son la covarianza y el coeficiente de correlación de X e Y ?

5. Calcular la media y la varianza de las variables aleatorias X, Y

y W = 5X-3Y

21

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

EJEMPLO

1. Determinar el valor de c de manera que la función p(x,y) = cxy represente la

distribución de probabilidad conjunta de las variables aleatorias X e Y .

Probabilidades X
Conjuntas 1 3
2 2c 6c
Y
4 4c 12c

Sabemos que la suma de las probabilidades conjuntas debe dar 1, es decir,

p(1, 2)+p(1,4)+p(3,2)+p(3, 4) = 2c +4c +6c +12c = 24c = 1 = > c=1/24

1
Luego la función de probabilidad conjunta es 𝑝𝑋𝑌 𝑥, 𝑦 = 24 𝑥𝑦

22

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

EJEMPLO

2. Calcular las distribuciones de probabilidad marginal de X e Y .

Probabilidades X
Conjuntas 1 3
2 2c=2*1/24=1/12 6c=6*1/24=1/4 1/3
Y 4 4c=4*1/24=1/6 12c=12*1/24=1/2 2/3
1/4 3/4 1

𝑝𝑋 1 = 1/4 𝑝𝑌 2 = 1/3

𝑝𝑋 3 = 3/4 𝑝𝑌 4 = 2/3

23

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

EJEMPLO

3. ¿Son independientes las variables X e Y?

Probabilidades X
Conjuntas 1 3
2 2c=2*1/24=1/12 6c=6*1/24=1/4 1/3
Y 4 4c=4*1/24=1/6 12c=12*1/24=1/2 2/3
1/4 3/4 1

𝑝𝑋𝑌 1,2 ¿ ? 𝑝𝑋 1 ∗ 𝑝𝑌 2

1 1 1
¿? ∗
12 4 3

1 1
=
12 12
Entonces X e Y son independientes 24

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

EJEMPLO

4. ¿Cuáles son la covarianza y el coeficiente de correlación de X e Y ?

Probabilidades X
Conjuntas 1 3
2 2c=2*1/24=1/12 6c=6*1/24=1/4 1/3
Y 4 4c=4*1/24=1/6 12c=12*1/24=1/2 2/3
1/4 3/4 1

Como X e Y son independientes la covarianza y el

coeficiente de correlación son 0.

25

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

EJEMPLO
5. Calcular la media y la varianza de las variables aleatorias X, Y y W = 5X-3Y
X
Probabilidades
Conjuntas 1 3
2 2c=2*1/24=1/12 6c=6*1/24=1/4 1/3
Y 4 4c=4*1/24=1/6 12c=12*1/24=1/2 2/3
1/4 3/4 1

1 3
10 5
𝐸 𝑋 = 1 ∗ 𝑝𝑋 1 + 3 ∗ 𝑝𝑋 3 =1* 4 + 3*4 = =
4 2
1 3 28
E(𝑋 2 ) = 12 ∗ 𝑝𝑋 1 + 32 ∗ 𝑝𝑋 3 = 1* 4 + 9*4 = 4 = 7
5 3
V(X) = E(𝑋 2 ) − [𝐸 𝑋 ] 2 = 7- [2] 2 = 4
1 2 10
𝐸 𝑌 = 2 ∗ 𝑝𝑌 2 + 4 ∗ 𝑝𝑌 4 = 2* 3 + 4*3 = 3
1 2 36
E(𝑌 2 ) = 22 ∗ 𝑝𝑌 2 + 42 ∗ 𝑝𝑌 4 = 4* 3 + 16*3 = = 12
3
10 8
V(Y) = E(𝑌 2 ) − [𝐸 𝑌 ] 2 = 12- [ 3 ] 2 = 9
5 10 5
E(W)= E( 5X-3Y)= 5*E(X) – 3*E(Y) = 5* 2 - 3* =2
3
3 8 107
V(W)= V( 5X-3Y)= 25*V(X) – 9*V(Y) = 25* 4 - 9* 9 =
4 26

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso
  Facultad
Taller de Ciencias Económicas UBA
de Programación

Pueden realizar la práctica 3

27

Estadística – R. Del
M. Conocchiari - M. SperanzaNatalia Salaberry
Rosso