Colín Sánchez Eduardo

Tarea I
Estadística I
I.- Variables aleatorias multidimensionales.
1 2
1.- Sea la función P { ( 1,2 ) }=P { ( 1,3 ) }=P {( 2,2 ) } =P { ( 2,3 ) }= , P { ( 3,3 ) } = . Calcular.
6 6
a) La función de distribución bivariada asociada.

X Y 2 3
1 1
1
6 6
1 1
2
6 6
2
3 0
6

b) P {(x , y) ∈ R 2 : x+ y=4 }.

1 1 1
P ( 1,3 )+ P ( 2,2 ) = + =
6 6 3
1
P {( x , y ) ∈ R2 : x+ y=4 }=
3
c) Calcular las funciones de probabilidad marginales y condicionadas de la variable
aleatoria X por la Y =2 y a la de Y condicionada por X =3.

f x ( x ) =∑ f xy (x , y )

2 1
f x ( 3 )=0+ =
6 3

f y ( y ) =∑ f xy ( x , y)

1 1 1
f y ( 2) = + =
6 6 3
f xy (x ,2)
f x∨ y ( X=x|Y =2 )=
f y ( 2)
Colín Sánchez Eduardo

1 1
f ( 1,2 ) 6 3 1 f ( 2,2 ) 6 3 1
f x∨ y ( X=1|Y =2 )= xy = = = f x∨ y ( X=2|Y =2 )= xy = = =
f y (2) 1 6 2 f y ( 2) 1 6 2
3 3
f ( 3,2 ) 0
f x∨ y ( X=3|Y =2 )= xy = =0
f y ( 2) 1
3

f xy ( 3 , y )
f y∨x ( Y = y|X =3 )=
f x (3 )
2
f xy ( 3,2 ) 0
f y∨x ( Y =2|X =3 )= f
= =0 f ( Y =3| X=3 ) = xy ( 3,3 ) 6 6
f x (3) 1 y∨x = = =1
f x (3) 1 6
3 3

{
1
x =1
2
f x∨ y ( X=x|Y =2 )= 1
x =2
2
0 x=3

f y∨x ( Y = y|X =3 )= {01 y=2

y=3

2.- Dada la variable aleatoria (X , Y , Z ) con función de densidad.

f xyz ( x , y , z )= {kxyz si0( xresto

, y , z )∈ C

Donde C={ ( x , y , z ) :0 ≤ x ≤ 1,0 ≤ y ≤ 2,0≤ z ≤3 }.

a) Calcular el valor de k, tal que f xyz ( x , y , z ) se función de densidad.

Para que sea función de densidad se debe cumplir que:

∞ ∞ ∞

∫ ∫ ∫ f xyz ( x , y , z ) dA=1
−∞ −∞ −∞

Para este caso en particular quedaría:

∞ ∞ ∞

∫ ∫ ∫ kxyz dx dy dz=1
−∞ −∞ −∞
Colín Sánchez Eduardo

La función está delimitada por el conjunto de elementos pertenecientes a C por lo que integrar en
otra región que no sea eso daría como resultado cero por lo que la integral a resolver quedaría
como:
3 2 1

∫∫∫ kxyz dx dy dz=1

0 0 0

[ ] [ ] [ ]
3 2 1 3 2 3 2 3 2 3
x2 1 kyz k y2 z 2 k z2 3 9
∫∫∫ kxyz dx dy dz=∫∫ k
2
yz dy dz=∫∫
0
dy dz=∫∫ dz=∫ kz dz= =k
0 0 0 0 0 0 0 2 0 0 4 0 0 2 0 2

9 2
k =1k =
2 9

2
Para que f xyz ( x , y , z ) sea función de densidad k debe ser igual a .
9

{
2
xyz si ( x , y , z ) ∈C
f xyz ( x , y , z )= 9
0 resto

1 1
b) Calcular P( X < ,Y > , 1< Z< 2).
2 2
1

[ ] [ ]
2 2 2 2 2 2 1 2 2 2 2 2 2 2

∫∫∫ 9 xyz dx dy dz= 9 ∫∫ 2 yz 2 dy dz= 9 ∫∫ 8 dy dz= 9 ∫ 16 1 dz = 9 ∫ 4 − 64 dz= 9 ∫ 64 dz= 29

2 2 x 2 yz 2 y z 2 z z 2 15 z
1 1 0
2
1 1
2
0 1 1
2
1
2 1 1

( 1 1
P X < ,Y > ,1< Z< 2 =
2 2
5
64 )
c) Calcular las funciones de densidad marginal de ( X , Y ) ,(Y , Z ).
∞
f xy ( x , y )= ∫ f xyz ( x , y , z ) dz
−∞

[ ]
∞ 3 2
2 2 2 xy z 3 18 xy
f xy ( x , y )= ∫ xyz dz= ∫ xyz dz= = =xy
−∞ 9 9 0 9 2 0 18

f xy ( x , y )=xy
∞
f yz ( y , z )= ∫ f xyz ( x , y , z ) dx
−∞
Colín Sánchez Eduardo

[ ]
∞ 1 2
2 2 2 x yz 1 2 yz yz
f yz ( y , z )= ∫ xyz dx= ∫ xyz dx= = =
−∞ 9 9 0 9 2 0 18 9

yz
f yz ( y , z )=
9
d) Calcular la función de densidad marginal de la variable aleatoria (X , Y ) condicionada
por la variable Z .

f xyz ( x , y , z )
f xy∨ z ( x , y|z )=
f z ( z)
∞ ∞
f z ( z )= ∫ ∫ f xyz ( x , y , z ) dx dy
−∞ −∞

[ ] [ ]
∞ ∞ 2 1 2 2 2 2
2 2 2 x yz 1 2 yz 2 y z 2 8z 2
f z ( z )= ∫ ∫ xyz dx dy= ∫ ∫ xyz dx dy= ∫ dy= ∫ dy= = = z
−∞ −∞ 9 9 0 0 90 2 0 9 0 2 9 4 0 36 9

2
xyz
f xyz ( x , y , z ) 9
f xy∨ z ( x , y|z )= = =xy
f z ( z) 2
z
9
f xy∨ z ( x , y|z )=xy

4.- El problema 5 del cap. IV del Mood. (3era edición)

5) If X and Y have joint distribution given by

f xy ( x , y )=2 I (0 , y ) (x) I ( 0,1) ( y )

a) Find cov [ X , Y ].

La covarianza se define como:

Cov ( X , Y )=E ( XY )−E ( X ) E(Y )

∞ ∞
E ( XY )= ∫ ∫ xyf xy ( x , y ) dx dy
−∞ −∞

[ ]
∞ ∞ 1 y 1 1 4
y y 1 1
E ( XY )= ∫ ∫ xy 2 I (0 , y ) ( x ) I ( 0,1) ( y ) dx dy=∫ ∫ 2 xy dx dy =∫ [ x y ] dy =∫ y dy =
3 2
=
−∞ −∞ 0 0 0 0 0 4 0 4
∞ ∞
E ( X ) =∫ ∫ xf xy ( x , y ) dx dy
−∞ −∞

[ ]
∞ ∞ 1 y 1 1 3
y 1 1
E ( X ) =∫ ∫ x 2 I (0 , y ) ( x ) I ( 0,1) ( y ) dx dy=∫ ∫ 2 x dx dy=∫ [ x
2
] y dy =∫ y 2 dy = =
−∞ −∞ 0 0 0 0 0 3 0 3
Colín Sánchez Eduardo

∞ ∞
E ( Y )= ∫ ∫ yf xy ( x , y ) dx dy
−∞ −∞

[ ]
∞ ∞ 1 y 1 1 3
y 2y 1 2
E ( X ) =∫ ∫ y 2 I (0 , y ) ( x ) I ( 0,1) ( y ) dx dy =∫ ∫ 2 y dx dy=∫ [ 2 xy ] dy=∫ 2 y dy =
2
=
−∞ −∞ 0 0 0 0 0 3 0 3

1 1
Cov ( X , Y )= −
4 3 ( )( 23 )= 14 − 29 = 361
1
Cov ( X , Y )=
36

b) Find the conditional distribution of Y given X =x .

f xy ( x , y )
f y∨x ( y| x ) =
f x (x)
∞
f x ( x ) =∫ f xy ( x , y ) dy
−∞

∞ 1
1
f x ( x ) =∫ 2 I (0 , y ) ( x ) I ( 0,1) ( y ) dy =2 I (0 , y ) ( x )∫ dy=2 I (0 , y ) ( x ) [ y ] =2 I (0 , y ) ( x )
−∞ 0 0

2 I (0 , y ) ( x ) I ( 0,1) ( y )
f y∨x ( y| x ) = =I (0,1 ) ( y )
2 I( 0 , y ) ( x )

5.- El problema 6 del cap. IV del Mood. (3era edición).

6) Consider a sample of size 2 drawn without replacement forma n urn containing three
balls, numbered 1,2 and 3. Let X be the number om the first ball drawn and Y the larger
of the two numbers drawn.

a) Find the joint discrete density function of X and Y.

Como el enunciado indica, Y es la probabilidad de que el numero sea el mas grande de los dos y X
es la probabilidad de obtener una de las tres bolas en el primer intento por lo que Y solo puede
tener como elementos a 2 y 3 ya que como es sin remplazo, la bola uno no se puede repetir en
ambas muestras de tal manera que la bola 1 no puede ser la mayor de las dos bolas.

La función de densidad discreta quedaría como:

X Y 2 3
Colín Sánchez Eduardo

1 1
1
6 6
1 1
2
6 6
2
3 0
6
b) Find P[ X =1∨Y =3 ].

P( X =1, Y =3)
P [ X=1|Y =3 ] =
P(Y =3)
1 1 1 2
P ( Y =3 ) =P ( 1,3 )+ P ( 2,3 ) + P ( 3,3 )= + + =
6 6 3 3
1
P( X =1, Y =3) 6 3 1
P [ X=1|Y =3 ] = = = =
P(Y =3) 2 12 4
3
1
P [ X=1|Y =3 ] =
4

c) Find Cov [ X ,Y ].

Cov ( X , Y )=E ( XY )−E ( X ) E ( Y )

( 16 )+( 1) ( 3) ( 16 )+( 2) ( 2) ( 16 )+( 2) ( 3) ( 16 )+ ( 3)( 3 )( 62 )=( 26 )+( 36 )+( 46 )+( 66 )+( 186 )= 336
E ( XY )= (1 ) ( 2 )

E ( X ) =( 1 ) ( ) + ( 1 ) ( ) + ( 2 ) ( ) + ( 2 ) ( ) + ( 3 ) ( )=( ) +( ) +( )+ ( ) + ( ) =
1 1 1 1 2 1 1 2 2 6 12
6 6 6 6 6 6 6 6 6 6 6

E ( Y )=( 2 ) ( )+ ( 3 ) ( ) + ( 2 ) ( ) + ( 3 ) ( )+ ( 3 )( )=( )+ ( )+( ) +( )+ ( )=

1 1 1 1 2 2 3 2 3 6 16
6 6 6 6 6 6 6 6 6 6 6

Cov ( X , Y )=E ( XY )−E ( X ) E ( Y )= −( )( ) =

33 12 16 198 192 6 1
− = =
6 6 6 36 36 36 6
1
Cov ( X , Y )=
6
6.- El problema 7 del cap. IV del Mood. (3era edición).

7) Consider two random variables X and Y having a joint probability density function

1
f xy ( x , y )= xy I (0 , x ) ( y ) I (0,2 )( x)
2
Colín Sánchez Eduardo

a) Find the marginal distribution of X and Y

∞
f x ( x ) =∫ f xy ( x , y ) dy
−∞

[ ]
∞ x
1 1 1 x y2 x x4
f x ( x ) =∫ xy I ( 0 , x ) ( y ) I ( 0,2) ( x ) dy = I (0,2 ) ( x )∫ xy dy = I ( 0,2) ( x ) = I (x)
−∞ 2 2 0 2 2 0 4 (0,2 )
∞
f y ( y ) =∫ f xy ( x , y ) dx
−∞

[ ]
∞ 2
1 1 1 x2 y 2
f y ( y ) =∫ xy I ( 0 , x ) ( y ) I (0,2) ( x ) dx= I (0 , x ) ( y )∫ xy dx= I (0 , x ) ( y ) = y I (0 , x ) ( y )
−∞ 2 2 0 2 2 0

x4
f x ( x) = I (x )
4 ( 0,2)
f y ( y ) = y I (0 , x ) ( y )

b) Are X and Y independent?

¿ f xy ( x , y )=f x ( x ) f y ( y ) ?

x4 y
f x ( x ) f y ( y )= I ( x ) I (0 , x ) ( y )
4 (0,2 )
1
f xy ( x , y )= xy I (0 , x ) ( y ) I (0,2 )( x)
2
f xy ( x , y ) ≠ f x ( x ) f y ( y )

X y Y son variables no son independientes.

7.- El problema 8 del cap. IV del Mood. (3era edición).

8) If X has a Bernoulli distribution with parameter p (that is, P [ X=1 ] = p=1−P[ X =0]),
E [ Y |X =0 ] =1, and E [ Y |X =1 ] =2 , what is E [Y ]?
La Esperanza de Y se define como:

E [ Y ] =∑ y P[Y = y ]

Ya que estamos haablando de una distribucion de Bernoulli solo hay dos posibilidades, el exito o el
fracaso.

E [ Y ] =0 P [ Y =0 ] +1 P [ Y =1 ] E [ Y ] =P [ Y =1 ]
Colín Sánchez Eduardo

1 1
P [ X =0 , Y = y ]
E [ Y |X =0 ] =∑ yP [ Y = y| X=0 ] =1E [ Y |X =0 ] =∑ y
0 0 P [ X =0 ]
P [ X =0 , Y =0 ] P [ X=0 ,Y =1 ]
E [ Y |X =0 ] =0 +1
P [ X=0 ] P [ X=0 ]
P [ X =0 , Y =1 ] P [ X =0 , Y =1 ]
E [ Y |X =0 ] = =
P [ X =0 ] 1−P

P [ X =0 , Y =1 ]
=1 P [ X=0 , Y =1 ] =1− p
1− p
1 1
P [ X=1 , Y = y ]
E [ Y |X =1 ] =∑ yP [ Y = y|X =1 ] =2E [ Y |X =1 ] =∑ y
0 0 P [ X=1 ]
P [ X=1, Y =0 ] P [ X=1, Y =1 ]
E [ Y |X =1 ] =0 +1
P [ X =1 ] P [ X=1 ]
P [ X=1, Y =1 ] P [ X =1 ,Y =1 ]
E [ Y |X =1 ] = =
P [ X=1 ] p

P [ X =1 ,Y =1 ]
=2 P [ X=1 , Y =1 ] =2 p
p

P [ Y =1 ] =P [ X=0 , Y =1 ] + P [ X=1, Y =1 ] P [ Y =1 ] =( 1− p )+ ( 2 p ) P [ Y =1 ] =1+ p

E [ Y ] =P [ Y =1 ]
E [ Y ] =1+ p
8.- El problema 12 del cap. IV del Mood. (3era edición).

12) Prove

F x ( x ) + F y ( y ) −1≤ F x , y ( x , y ) ≤ √ F x ( x ) F y ( y ) for all x,y

9.- El problema 13 del cap. IV del Mood. (3era edición)

13) Three fair coin are tossed. Let X denote the number of head son the first two coins,
and let Y denote the number of tails on the last two coins.

a) Find the joint distribution of X and Y.

Los casos posibles al tirar tres monedas son:

cara : ocruz : x

( x , x , x ) , ( x , x , o ), ( x , o , x ) , ( x , o , o ), (o , x , x ) , (o , x , o ), ( o , o , x ) ,( o , o , o)
El tamaño de espacio muestral es de 8.
Colín Sánchez Eduardo

Ahora definimos las variables aleatorias discretas como:

X :numero de caras en las primeras dos monedas ( 0,1,2 )

Y :numero de cruces enlas ultimas dos monedas(0,1,2)
La función de distribución quedaría como:

x 0 1 2
y
1 1
0 0
8 8
1 2 1
1
8 8 8
1 1
2 0
8 8

b) Find the conditional distribution of Y given that X =1.

f xy ( x , y )
f y∨x ( y| x ) =
f x(x)

1
f (1,0) 8 8 1
f y∨x ( 0|1 )= xy = = =
f x (1) 4 32 4
8
2
f (1,1) 8 16 1
f y∨x ( 1|1 )= xy = = =
f x (1) 4 32 2
8

1
f xy (1,2) 8 8 1
f y∨x ( 2|1 )= = = =
f x (1) 4 32 4
8

{
1
y=0
4
1
f y∨x ( Y = y|X =1 )= y =1
2
1
y=2
4
Colín Sánchez Eduardo

c) Find Cov [ X ,Y ]

Cov [ X , Y ] =E [ XY ] −E [ X ] E[ Y ]

( 18 )+( 0 )( 2) ( 18 )+ ( 1)( 0) ( 18 )+( 1)( 1) ( 28 )+ (1) ( 2) ( 18 )+( 2) ( 0) ( 18 )+ ( 2)( 1) ( 18 )+( 2) ( 2) ( 0)=( 28 )+(
E [ XY ] =( 0 ) ( 0 ) ( 0 ) + ( 0 )( 1 )

E [ X ] =( 0 )( 0 )+ ( 0 ) ( )+ ( 0 )( ) + ( 1 ) ( )+ ( 1 ) ( )+ ( 1 ) ( )+ ( 2 ) ( ) + ( 2 ) ( ) + ( 2 ) ( 0 )=( )+ ( ) +( ) +( )+ ( ) =
1 1 1 2 1 1 1 1 2 1 2 2 8
8 8 8 8 8 8 8 8 8 8 8 8 8

E [ Y ] =( 0 ) ( 0 ) + ( 1 ) ( )+ (2 )( )+ ( 0 ) ( )+ ( 1 ) ( )+ ( 2 ) ( )+ ( 0 ) ( )+ ( 1 ) ( ) + ( 2 ) ( 0 )=( ) +( )+ ( ) + ( ) + ( )=
1 1 1 2 1 1 1 1 2 2 2 1 8
8 8 8 8 8 8 8 8 8 8 8 8 8

Cov [ X , Y ] =E [ XY ] −E [ X ] E [ Y ]= −( )( )=
6 8 8 −2 −1
=
8 8 8 8 4
−1
Cov [ X , Y ] =
4
10.- El problema 29 del cap. IV del Mood. (3era edición).

29.- Let the joint density function of X and Y be given by f xy ( x , y )=8 xy for 0< x < y <1 and be 0
elsewhere

a) Find E [Y ∨X=x ].

f x ( x ) =∫ f xy ( x , y ) dy

[ ] ( )( ) 8 x−8 x 2 ( 4 x−4 x )
1 2 3 3 3
8xy 1 8x 8x
f x ( x ) =∫ 8 xy dy =
2
= − = = =4 x (1−x )
x 2 x 2 2 2 2

f xy ( x , y )
f y∨x ( y∨x )=
f x( x)
8 xy 2y
f y∨x ( y∨x )= 2
= 2
4 x (1−x ) (1−x )

E [ Y |X =x ]=∫ ( y ) ( f y∨ x ( y∨x ) ) dy

[ ] [ ] [ ] ( )( )
1 1

( )
2 3 3 3 3
2y 2y 1 2y 1 1 2 2x 1 2−2 x 2 1−x
E [ Y |X =x ]=∫ ( y ) dy=∫ dy= = − = = =
1−x 3 x 1−x 3 3 3 3
2 2 2 2
x ( 1−x )
2
x ( 1−x )
2
1−x 1−x

2 ( x 2+ x +1 )
E [ Y |X =x ]=
3 ( 1+ x )
b) Find E [ X Y ∨X=x ].

E [ XY |X =x ] =x E [ Y |X =x ]
Colín Sánchez Eduardo

xE [ Y |X =x ] =x
( 3 ( 1+ x )
=
)
2 ( x 2+ x+1 ) 2 ( x 3 + x 2+ x )
3 ( 1+ x )

2(x + x +x)
3 2
E [ XY |X =x ] =
3 ( 1+ x )
c) Find var [Y ∨X =x ].

var [ Y | X=x ] =E [ Y 2|X =x ]−( E [ Y | X=x ])

2

( ) [ ] [ ] [ ] ( )( ) (
1 1
2y 2 y3 1 y4 1 1 1 x4 1 1−x 4 1 1−x 4
E [ Y |X =x ] =∫ ( y ) ∫
2 2
dy= dy= = − = = =
x ( 1−x )
2
x ( 1−x )
2
1−x 2 x 1−x 2 2
2 2
1−x 2
2 2 1−x 2

(( )
2
2 x + x + x)
2 3 2
1+ x
E [ Y |X =x ] −( E [ Y| X=x ]) =
2 2
−
2 3 ( 1+ x )

( )
2
1+ x 2 2 ( x + x + x )
3 2
v ar [ Y |X =x ] = −
2 3 ( 1+ x )