Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VARIABLES ALEATORIAS N DIMENSIONALES
VARIABLES ALEATORIAS N DIMENSIONALES
1. Variable aleatoria
1.1. Definición
Preferentemente, las variables aleatorias se denotan por las últimas letras mayúsculas del
𝐴, 𝐵, 𝐶, ⋯ , 𝑋, 𝑌, 𝑍; y, los valores que toman por las letras minúsculas correspondientes.
𝑆 𝑅
𝑋
●𝑥
Experimento
aleatorio:
Experimento aleatorio:
Lanzar un dado
{1, 2, 3, 4, 5, 6}
Variable aleatoria 𝑋:
𝑋 = El doble del número de puntos que muestra la cara superior del dado.
1
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Rango de 𝑋:
1.2. Definición
Una variable aleatoria bidimensional (𝑋, 𝑌) es una función con dominio un espacio de
muestreo (𝑆) y codominio un espacio euclidiano bidimensional (𝑅 2 ).
𝑆
𝑅2
𝑌
●(𝑥, 𝑦)
Experimento
aleatorio: (𝑋, 𝑌)
1.3. Definición
Una variable aleatoria n-dimensional (𝑋1 , 𝑋2 , ⋯ , 𝑋𝑛 ) es una función con dominio un espacio
de muestreo (𝑆) y codominio un espacio euclidiano n-dimensional (𝑅 𝑛 ).
𝑆 𝑅𝑛
𝑋1
● (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 )
Experimento
aleatorio: (𝑋1 , 𝑋2 , ⋯ , 𝑋𝑛 ) 𝑋2
𝑋𝑛 ⋯ 𝑋3
2
MAT 1437 Estadística aplicada Rubén Medinaceli O.
2.1. Definición
𝐹𝑋 (𝑥) = 𝑃(𝑋 ≤ 𝑥)
Esta función permite asignar probabilidades a eventos de un espacio de muestreo, vía una
variable aleatoria.
𝑆 𝑅
𝑅
● 0
𝑋
𝑥
Experimento
aleatorio: 𝐹𝑋 (𝑥) = 𝑃(𝑋 ≤ 𝑥 )
1
• 𝐿𝑖𝑚𝑥→−∞ 𝐹𝑋 (𝑥) = 0
• 𝐿𝑖𝑚𝑥→∞ 𝐹𝑋 (𝑥) = 1
𝐿𝑖𝑚0<ℎ→0 𝐹𝑋 (𝑥 + ℎ) = 𝐹𝑋 (𝑥)
2.2. Definición
3
MAT 1437 Estadística aplicada Rubén Medinaceli O.
a)
b)
c)
𝐹𝑋,𝑌 (𝑥, 𝑦)
𝑥1 𝑥2
𝑋
𝑦1
𝑦2
2.3. Definición
Obviamente, las propiedades de esta función son similares a las anotadas para 𝐹𝑋,𝑌 (𝑥, 𝑦).
4
MAT 1437 Estadística aplicada Rubén Medinaceli O.
3.1. Definición
Rango contable significa que existe un conjunto finito o infinito de valores {𝑥1 , 𝑥2 ,
… , 𝑥𝑛 , 𝑥𝑛+1 … }; y la variable aleatoria puede tomar valores solamente de ese conjunto.
3.2. Definición
Una variable aleatoria bidimensional (𝑋, 𝑌) es discreta, si su rango es contable; vale decir,
existe un conjunto finito o infinito de puntos {(𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ), … , (𝑥𝑛 , 𝑦𝑛 ), (𝑥𝑛+1 , 𝑦𝑛+1 ), … } y la
variable aleatoria bi-dimensional toma valores solamente de este conjunto; también se dice
que 𝑋 y 𝑌 son variables aleatorias conjuntamente discretas.
3.3. Definición
4.1. Definición
= 0; 𝑑𝑒 𝑜𝑡𝑟𝑎 𝑚𝑎𝑛𝑒𝑟𝑎
5
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝑆 𝑅 𝐹𝑋 (𝑥 ) = 𝑃(𝑋 ≤ 𝑥 )
1
𝑅
●
𝑿
𝑥
Experimento 0
aleatorio: 𝑓𝑋 (𝑥) = 𝑃 (𝑋 = 𝑥 )
1
a)
𝑓(𝑥) ≥ 0
b)
∑ 𝑓𝑋 (𝑥𝑖 ) = 1
∀𝑥𝑖
c)
𝑏
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = ∑ 𝑓𝑋 (𝑥𝑖 )
𝑥𝑖 =𝑎
4.2. Definición
= 0; 𝑑𝑒 𝑜𝑡𝑟𝑎 𝑚𝑎𝑛𝑒𝑟𝑎
a)
𝑓𝑋,𝑌 (𝑥, 𝑦) ≥ 0
6
MAT 1437 Estadística aplicada Rubén Medinaceli O.
b)
∑ 𝑓𝑋,𝑌 (𝑥𝑖 , 𝑦𝑖 ) = 1
∀(𝑥𝑖 ,𝑦𝑖 )
c)
𝑏 𝑑
4.3. Definición
Esta función es igual a cero para puntos que no pertenecen al rango de (𝑋1 , 𝑋2 , … , 𝑋𝑛 );
a)
b)
c)
𝑃[𝑎1 ≤ 𝑋1 ≤ 𝑏1 ; 𝑎2 ≤ 𝑋2 ≤ 𝑏2 ; ⋯ ; 𝑎𝑛 ≤ 𝑋𝑛 ≤ 𝑏𝑛 ]
𝑏1 𝑏2 𝑏𝑛
4.4. Teorema
Luego,
7
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Esto es,
Si se conoce fX (x),
𝐹𝑋 (𝑥) = ∑ 𝑓𝑋 (𝑥𝑖 )
∀ 𝑥𝑖≤𝑥
Si se conoce FX (x),
Por ejemplo,
5.1. Definición
De igual manera, si (𝑋, 𝑌, 𝑍) es una variable aleatoria tridimensional discreta con función de
distribución de probabilidad 𝑓𝑋,𝑌,𝑍 (𝑥, 𝑦, 𝑧); por ejemplo, 𝑓𝑌,𝑍 (𝑦, 𝑧) también recibe el nombre
8
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Por supuesto que hay muchas más funciones de distribución de probabilidad marginal que
puede obtenerse a partir de la conjunta.
6. Ejercicio 1
Problema:
Donde,
𝐶 = “cara”
𝑆 = “sello”
El rango de la variable aleatoria (el conjunto de valores que la variable aleatoria puede
tomar) es el siguiente:
Rango de 𝑋 = {0, 1, 2}
Nótese que este rango es contable (ha sido posible hacer una lista de los valores que 𝑋
puede tomar). Por tanto, 𝑋 es una variable aleatoria discreta.
Se pide:
a) Obtener𝑓𝑋 (𝑥)
b) Graficar 𝑓𝑋 (𝑥)
c) Obtener𝐹𝑋 (𝑥)
d) Graficar 𝐹𝑋 (𝑥)
e) Calcular 𝑃(𝑋 ≤ 1), utilizando 𝑓𝑋 (𝑥)
9
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Solución:
a)
𝑋 0 1 2
𝑓𝑋 (𝑥) 1 1 1
4 2 4
Se cumplen todas las propiedades que 𝑓𝑋 (𝑥) debe cumplir; esto es,
b)
𝑓𝑋 (𝑥)
½ ●
¼ ● ●
0 1 2 𝑋
c)
𝐹𝑋 (0) = ∑ 𝑓𝑋 (𝑥𝑖 ) = 𝑓𝑋 (0) = 1⁄4
∀ 𝑥𝑖≤0
10
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝑋 0 1 2
𝐹𝑋 (𝑥) 1 3 1
4 4
d)
𝐹𝑋 (𝑥)
1/2
0 1 2 𝑋
e)
f)
7. Ejercicio 2
11
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Si,
Solución:
Tetraedro 2
(base)
4 ● ● ● ●
3 ● ● ● ●
2 ● ● ● ●
3 4
1 2 3 4 Tetraedro 1
(base)
Rango de X = {1, 2, 3, 4}
Rango de Y = {1, 2, 3, 4}
Rango de (X, Y) = {(1,1); (1,2); (1,3); (1,4); (2,2); (2,3); (2,4); (3,3); (3,4); (4,4)}
a)
𝑓𝑋,𝑌 (1,1) = 𝑃[𝑋 = 1; 𝑌 = 1] = 1⁄16
12
MAT 1437 Estadística aplicada Rubén Medinaceli O.
1 1
La probabilidad de este resultado es igual a 1 resultado sobre 16 posibles; vale decir 1/16.
𝑓𝑋,𝑌 (2,1) = 0
2 1
2 2
𝑓𝑋,𝑌 (3,1) = 0
𝑓𝑋,𝑌 (3,2) = 0
𝑓𝑋,𝑌 (3,3) = 𝑃[𝑋 = 3; 𝑌 = 3] = 3⁄16
𝑓𝑋,𝑌 (3,4) = 𝑃[𝑋 = 3; 𝑌 = 4] = 1⁄16
13
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝑓𝑋,𝑌 (4,1) = 0
𝑓𝑋,𝑌 (4,2) = 0
𝑓𝑋,𝑌 (4,3) = 0
𝑓𝑋,𝑌 (4,4) = 𝑃[𝑋 = 4; 𝑌 = 4] = 4⁄16
𝒇𝑿,𝒀 (𝒙, 𝒚)
X 1 2 3 4
Y
1 1/16 0 0 0
2 1/16 2/16 0 0
Nótese que 𝑓𝑋,𝑌 (𝑥, 𝑦) cumple las propiedades anotadas anteriormente, todos los valores de
𝑓𝑋,𝑌 (𝑥, 𝑦) son positivos y suman 1.
b)
𝑓𝑋,𝑌 (𝑥, 𝑦)
4/16
1 2 3 4
𝑌
1
14
MAT 1437 Estadística aplicada Rubén Medinaceli O.
c)
Se sabe que,
De esta manera,
𝐹𝑋,𝑌 (1,2) = ∑ ∑ 𝑓𝑋,𝑌 (𝑥𝑖 , 𝑦𝑖 ) = 𝑓𝑋,𝑌 (1,1) + 𝑓𝑋,𝑌 (1,2) = 1⁄16 + 1⁄16 = 2⁄16
∀𝑥𝑖 ≤1 ∀𝑦𝑖 ≤2
𝐹𝑋,𝑌 (2,2) = ∑ ∑ 𝑓𝑋,𝑌 (𝑥𝑖 , 𝑦𝑖 ) = 𝑓𝑋,𝑌 (1,1) + 𝑓𝑋,𝑌 (1,2) + 𝑓𝑋,𝑌 (2,1) + 𝑓𝑋,𝑌 (2,2) = 4⁄16
∀𝑥𝑖 ≤2 ∀𝑦𝑖 ≤2
𝑭𝑿,𝒀 (𝒙, 𝒚)
X 1 2 3 4
Y
d)
2 3
𝑃(1 ≤ 𝑋 ≤ 2; 2 ≤ 𝑌 ≤ 3) = ∑ ∑ 𝑓𝑋,𝑌 (𝑥𝑖 , 𝑦𝑖 ) = 𝑓𝑋,𝑌 (1,2) + 𝑓𝑋,𝑌 (1,3) + 𝑓𝑋,𝑌 (2,2) + 𝑓𝑋,𝑌 (2,3)
𝑥𝑖 =1 𝑦𝑖 =2
1 1 2 1 5
𝑃(1 ≤ 𝑋 ≤ 2; 2 ≤ 𝑌 ≤ 3) = + + + =
16 16 16 16 16
e)
Se sabe que,
15
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Por ejemplo,
1 1 1 1 4
𝑓𝑋 (1) = ∑ 𝑓𝑋,𝑌 (1, 𝑦𝑗 ) = 𝑓𝑋,𝑌 (1,1) + 𝑓𝑋,𝑌 (1,2) + 𝑓𝑋,𝑌 (1,3) + 𝑓𝑋,𝑌 (1,4) = + + + =
16 16 16 16 16
∀𝑗
Por ejemplo,
1 1
𝑓𝑌 (1) = ∑ 𝑓𝑋,𝑌 (𝑥𝑖 , 1) = 𝑓𝑋,𝑌 (1,1) + 𝑓𝑋,𝑌 (2,1) + 𝑓𝑋,𝑌 (3,1) + 𝑓𝑋,𝑌 (4,1) = +0+0+0 =
16 16
∀𝑖
X 1 2 3 4 𝒇𝒀 (𝒚)
Y
1 1/16 0 0 0 1/16
8. Ejercicio 3
Problema:
Se tiene una bolsa que contiene dos bolas de billar marcadas con el número 1, tres bolas
de billar marcadas con el número 2 y cuatro bolas de billar marcadas con el número 3.
Se selecciona tres (3) bolas de billar al azar.
Si,
𝑋 = El mayor de los números de las bolas seleccionadas
𝑌 = El menor de los números de las bolas seleccionadas
16
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Solución:
Experimento aleatorio: 1 2 2
1 1
2 2 2
3 3 3 3
Rango de 𝑋 = {2,3}
El mayor de los números de las bolas seleccionadas no podrá el 1 (hay solamente dos bolas
marcadas con el número 1.
Rango de 𝑌 = {1,2,3}
El menor de los números de las bolas seleccionadas será el 3, cuando las tres bolas
marcadas con el número 3 sean seleccionadas.
Rango de (𝑋, 𝑌) = {(2, 1); (2, 2); (3, 1); (3, 2); (3, 3)}
a)
1 1 2
1 2 2
Consecuentemente,
17
MAT 1437 Estadística aplicada Rubén Medinaceli O.
2 3 2 3
( )( ) + ( )( )
𝑓𝑋,𝑌 (2,1) = 𝑃(𝑋 = 2; 𝑌 = 1) = 2 1 1 2 = 9
9 84
( )
3
2 2 2
Consecuentemente,
3
( ) 1
𝑓𝑋,𝑌 (2,2) = 𝑃(𝑋 = 2; 𝑌 = 2) = 3 =
9
( ) 84
3
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑋 2 3
𝑌
1 9 40
84 84
2 1 30
84 84
3 0 4
84
b)
9 1 10
𝑓𝑋 (2) = ∑ 𝑓𝑋,𝑌 (2, 𝑦𝑗 ) = 𝑓𝑋,𝑌 (2, 1) + 𝑓𝑋,𝑌 (2,2) + 𝑓𝑋,𝑌 (2,3) = + +0 =
84 84 84
∀𝑗
9 40 49
𝑓𝑌 (1) = ∑ 𝑓𝑋,𝑌 (𝑥𝑖 , 1) = 𝑓𝑋,𝑌 (2, 1) + 𝑓𝑋,𝑌 (3,1) = + =
84 84 84
∀𝑖
18
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑋 2 3 𝑓𝑌 (𝑦)
𝑌
1 9 40 49
84 84 84
2 1 30 31
84 84 84
3 0 4 4
84 84
𝑓𝑋 (𝑥) 10 74
84 84
Nótese que 𝑓𝑋 (𝑥) y 𝑓𝑌 (𝑦) pueden obtenerse sumando valores en las columnas y luego en
las filas.
c)
2 2
9 1 10
𝑃[𝑋 ≤ 2; 𝑌 ≤ 2] = ∑ ∑ 𝑓𝑋,𝑌 (𝑥𝑖 , 𝑦𝑖 ) = 𝑓𝑋,𝑌 (2, 1) + 𝑓𝑋,𝑌 (2, 2) = + =
84 84 84
𝑥𝑖 =2 𝑦𝑖 =1
9.1. Definición
Si ,
𝑥
𝐹𝑋 (𝑥) = ∫ 𝑓𝑋 (𝑥)𝑑𝑥
−∞
En otras palabras, 𝑋 es una variable aleatoria continua si toma una serie continua de valores
en algún intervalo de la recta real (𝑅).
10.1. Definición
a)
𝑓𝑋 (𝑥) ≥ 0
b)
∞
∫ 𝑓𝑋 (𝑥)𝑑𝑥 = 1
−∞
c)
𝑃[𝑎 ≤ 𝑋 ≤ 𝑏] = ∫ 𝑓𝑋 (𝑥)𝑑𝑥
𝑎
En otras palabras,
𝑓𝑋 (𝑥)
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏)
𝑎 𝑏 𝑋
La primera propiedad indica que 𝑓𝑋 (𝑥) es siempre una función positiva. La segunda
propiedad señala que el área debajo de esta función es siempre igual a la unidad. La
probabilidad que la variable aleatoria 𝑋 tome valores entre 𝑎 y 𝑏 es igual al área con sombra
en la figura superior.
10.2. Teorema
Luego,
Esto es,
Si se conoce 𝑓𝑋 (𝑥),
20
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝐹𝑋 (𝑥) = ∫ 𝑓𝑋 (𝑥)𝑑𝑥
−∞
Si se conoce 𝐹𝑋 (𝑥),
𝑑 𝐹𝑋 (𝑥)
𝑓𝑋 (𝑥) =
𝑑𝑥
𝑓𝑋 (𝑥) = 𝑃(𝑋 = 𝑥)
Vale decir, la probabilidad que la variable aleatoria 𝑋 esté en un pequeño intervalo que
contiene al valor 𝑥 , es aproximadamente igual a 𝑓𝑋 (𝑥) multiplicado por el ancho del
intervalo.
11. Ejercicio 4
Problema:
Sea 𝑋 una variable aleatoria cuya función de densidad probabilística viene dada
por:
𝑓𝑋 (𝑥) = 𝑘𝑒 −𝑥 ; 𝑥 ≥ 0
Se pide:
a) Calcular el valor de 𝑘 para que 𝑓𝑋 (𝑥) sea realmente una función de densidad
de probabilidad
b) Graficar 𝑓𝑋 (𝑥)
c) Obtener 𝐹𝑋 (𝑥)
d) Graficar 𝐹𝑋 (𝑥)
e) Calcular 𝑃(1 ≤ 𝑋 ≤ 2), utilizando 𝑓𝑋 (𝑥)
f) Calcular 𝑃(1 ≤ 𝑋 ≤ 2), utilizando 𝐹𝑋 (𝑥)
21
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Solución:
Nótese que el rango de la variable aleatoria 𝑋 no es contable. 𝑋 puede tomar una serie
continua de valores en el intervalo (0, ∞). Por tanto, 𝑋 es una variable aleatoria continua.
a)
Se sabe que:
∞
∫ 𝑘𝑒 −𝑥 𝑑𝑥 = 1
0
∞
𝑘 ∫ 𝑒 −𝑥 𝑑𝑥 = 1
0
−𝑘𝑒 −𝑥 |∞
0 =1
𝑘(−𝑒 −∞ + 𝑒 0 ) = 1
𝑘=1
b)
𝑓𝑋 (𝑥)
0 𝑋
c)
𝑥
22
MAT 1437 Estadística aplicada Rubén Medinaceli O.
d)
𝐹𝑋 (𝑥)
0 𝑋
e)
𝑓𝑋 (𝑥)
𝑃(1 ≤ 𝑋 ≤ 2)
1 2 𝑋
2
𝑃(1 ≤ 𝑋 ≤ 2) = ∫ 𝑓𝑋 (𝑥) 𝑑𝑥
1
2
23
MAT 1437 Estadística aplicada Rubén Medinaceli O.
f)
𝐹𝑋 (𝑥)
𝐹𝑋 (2)
𝐹𝑋 (1)
0 1 2 𝑋
12.1. Definición
Si,
𝑥 𝑦
En general, si,
𝑥1 𝑥2 𝑥𝑛
13.1. Definición
𝑥 𝑦
24
MAT 1437 Estadística aplicada Rubén Medinaceli O.
a)
𝑓𝑋,𝑌 (𝑥, 𝑦) ≥ 0
b)
∞ ∞
c)
𝑏 𝑑
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑃[𝑎 ≤ 𝑋 ≤ 𝑏; 𝑐 ≤ 𝑌 ≤ 𝑑]
𝑐 𝑑
𝑌
𝑎
𝑥1 𝑥2 𝑥𝑛
25
MAT 1437 Estadística aplicada Rubén Medinaceli O.
a)
𝑓𝑋1,𝑋2,…,𝑋𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ≥ 0
b)
∞ ∞ ∞
c)
𝑃[𝑎1 ≤ 𝑋1 ≤ 𝑏1 ; 𝑎2 ≤ 𝑋2 ≤ 𝑏2 ⋯ 𝑎𝑛 ≤ 𝑋𝑛 ≤ 𝑏𝑛 ]
𝑏1 𝑏2 𝑏𝑛
13.2. Teorema
Por ejemplo,
𝑥 𝑦
𝜕 2 𝐹𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑋,𝑌 (𝑥, 𝑦) =
𝜕𝑥 𝜕𝑦
26
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝜕 𝑛 𝐹𝑋1,𝑋2,…,𝑋𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )
𝑓𝑋1,𝑋2,…,𝑋𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) =
𝜕𝑥1 𝜕𝑥2 ⋯ 𝜕𝑥𝑛
14.1. Definición
Por supuesto que hay otras funciones de densidad de probabilidad marginal que pueden
obtenerse a partir de la función de densidad de probabilidad conjunta 𝑓𝑋,𝑌,𝑍 (𝑥, 𝑦, 𝑧).
15. Ejercicio 5
Problema:
a) Obtener el valor de 𝑘
b) Obtener 𝑓𝑋 (𝑥)
c) Calcular 𝑃[𝑋 ≤ 1; 𝑌 ≤ 3]
27
MAT 1437 Estadística aplicada Rubén Medinaceli O.
d) Calcular 𝑃[𝑋 + 𝑌 ≤ 3]
Solución:
a)
Para que 𝑓𝑋,𝑌 (𝑥, 𝑦) sea una función de densidad de probabilidad conjunta, debe cumplirse
que:
2 4
∫ ∫ 𝑘(6 − 𝑥 − 𝑦)𝑑𝑥𝑑𝑦 = 1
0 2
Por tanto
2 4 2 4 2 4
8𝑘 = 1
1
𝑘=
8
b)
En general,
∞
En este caso,
4 4 4
4
1 1 1 1
𝑓𝑋 (𝑥) = ∫ (6 − 𝑥 − 𝑦)𝑑𝑦 = [6 ∫ 𝑑𝑦 − 𝑥 ∫ 𝑑𝑦 − ∫ 𝑦𝑑𝑦] = (6 − 2𝑥) = (3 − 𝑥)
8 8 2 8 4
2 2 2
1
𝑓𝑋 (𝑥) = (3 − 𝑥)
4
c)
1 3 1 3 1 3 1 3
1 1
𝑃[𝑋 ≤ 1; 𝑌 ≤ 3] = ∫ ∫ (6 − 𝑥 − 𝑦)𝑑𝑥𝑑𝑦 = [6 ∫ ∫ 𝑑𝑥𝑑𝑦 − ∫ ∫ 𝑥𝑑𝑥𝑑𝑦 − ∫ ∫ 𝑦𝑑𝑥𝑑𝑦]
8 8
0 2 0 2 0 2 0 2
3
𝑃[𝑋 ≤ 1; 𝑌 ≤ 3] =
8
28
MAT 1437 Estadística aplicada Rubén Medinaceli O.
d)
𝑥+𝑦 ≤3 2
0 1 2 3 4 𝑋
𝑥+𝑦 =3
𝑦 =3−𝑥
1 3−𝑥 1 3−𝑥 1 3−𝑥 1 3−𝑥
1 1
𝑃[𝑋 + 𝑌 ≤ 3] = ∫ ∫ (6 − 𝑥 − 𝑦)𝑑𝑥𝑑𝑦 = [6 ∫ ∫ 𝑑𝑥𝑑𝑦 − ∫ ∫ 𝑥𝑑𝑥𝑑𝑦 − ∫ ∫ 𝑦𝑑𝑥𝑑𝑦]
8 8
0 2 0 2 0 2 0 2
1 1 1
1
𝑃[𝑋 + 𝑌 ≤ 3] = [6 ∫ 𝑦|3−𝑥 3−𝑥 2 3−𝑥
2 𝑑𝑥 − ∫ 𝑥 𝑦|2 𝑑𝑥 − ∫ 𝑦 ⁄2|2 𝑑𝑥]
8
0 0 0
1 1 1
1 (3 − 𝑥)2 − 4
𝑃[𝑋 + 𝑌 ≤ 3] = [6 ∫(3 − 𝑥 − 2)𝑑𝑥 − ∫(3 − 𝑥 − 2)𝑥𝑑𝑥 − ∫ 𝑑𝑥 ]
8 2
0 0 0
19
𝑃[𝑋 + 𝑌 ≤ 3] =
48
16.1. Definición
29
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑋⁄𝑌 (𝑥 ⁄𝑦) =
𝑓𝑌 (𝑦)
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑌⁄𝑋 (𝑦⁄𝑥 ) =
𝑓𝑋 (𝑥)
Por otro lado, si (𝑋, 𝑌, 𝑍) es una variable aleatoria tridimensional discreta cuya función de
distribución de probabilidad conjunta es 𝑓𝑋,𝑌,𝑍 (𝑥, 𝑦, 𝑧),
𝑓𝑋,𝑌,𝑍 (𝑥, 𝑦, 𝑧)
𝑓𝑋⁄𝑌,𝑍 (𝑥 ⁄𝑦, 𝑧) =
𝑓𝑌,𝑍 (𝑦, 𝑧)
𝑓𝑋,𝑌,𝑍 (𝑥, 𝑦, 𝑧)
𝑓𝑋,𝑌⁄𝑍 (𝑥, 𝑦⁄𝑧) =
𝑓𝑍 (𝑧)
30
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝑏 𝑑
17. Ejercicio 6
Problema:
Se seleccionan al azar dos bolas de billar de una bolsa que contiene 3 bolas de billar azules,
2 bolas de billar rojas y 3 bolas de billar verdes.
Si,
Calcular la probabilidad que una de las bolas seleccionadas sea verde dado que la otra bola
de billar seleccionada es roja.
Solución:
?
Rango de X = {0, 1, 2}
Rango de Y = {0, 1, 2}
Por ejemplo,
(0,0); (X=0, Y=0) significa que las dos bolas de billar seleccionadas son verdes
(0,1); (X=0, Y=1) significa que una de las bolas seleccionadas es verde y la otra roja
(0,2); (X=0, Y=2) significa que las dos bolas seleccionadas son rojas
(1,1); (X=1, Y=1) significa que una de las bolas seleccionadas es azul y la otra es roja
Etc.
31
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Si,
𝑛 𝑛!
( ) = 𝐶𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑛 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑡𝑜𝑚𝑎𝑑𝑜𝑠 𝑑𝑒 𝑟 𝑒𝑛 𝑟 =
𝑟 (𝑛 − 𝑟)! 𝑟!
3
( ) 3
𝑓𝑋,𝑌 (0,0) = 𝑃[𝑋 = 0; 𝑌 = 0] = 2 =
8
( ) 28
2
3 2
( )( ) 6
𝑓𝑋,𝑌 (0,1) = 𝑃[𝑋 = 0; 𝑌 = 1] = 1 1 =
8 28
( )
2
2
( ) 1
𝑓𝑋,𝑌 (0,2) = 𝑃[𝑋 = 0; 𝑌 = 2] = 2 =
8
( ) 28
2
3 2
( )( ) 6
𝑓𝑋,𝑌 (1,1) = 𝑃[𝑋 = 1; 𝑌 = 1] = 1 1 =
8 28
( )
2
De esta manera se han calculado los restantes valores de 𝑓𝑋,𝑌 (𝑥, 𝑦); la siguiente tabla
resume los mismos,
𝒇𝑿,𝒀 (𝒙, 𝒚)
X 0 1 2 𝒇𝒀 (𝒚)
Y
0 3/28 9/28 3/28 15/28
2 1/28 0 0 1/28
32
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Y 0 1 2
𝒇𝒀(𝒚) 15/28 12/28 1/28
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑋⁄𝑌 (𝑥 ⁄𝑦) =
𝑓𝑌 (𝑦)
𝑓𝑋,𝑌 (2,1) 0
𝑓𝑋⁄𝑌 (2⁄1) = = =0
𝑓𝑌 (1) 12/28
Vale decir,
X 0 1 2
𝒇𝑿⁄𝒀 (𝒙⁄𝟏) 1/2 1/2 0
Por tanto,
1
𝑃[𝑋 = 0⁄𝑌 = 1)] = 𝑓𝑋⁄𝑌 (0⁄1) =
2
18. Ejercicio 7
Problema:
Se pide:
33
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Solución:
𝑛1 = 2 𝑛2 = 2 𝑛3 = 2
𝑛 = 𝑛1 × 𝑛2 × 𝑛3 = 2 × 2 × 2 = 8
C C C
C S C
S C C
C C S
S S S
S S C
S C S
C S S
34
MAT 1437 Estadística aplicada Rubén Medinaceli O.
a)
Rango de X = {0, 1, 2}
Rango de Y = {0, 1, 2}
𝑓𝑋,𝑌 (𝑥, 𝑦)
X 0 1 2 𝒇𝒀 (𝒚)
Y
0 0 1/8 1/8 2/8
b)
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑋⁄𝑌 =
𝑓𝑌 (𝑦)
En este caso,
35
MAT 1437 Estadística aplicada Rubén Medinaceli O.
2
𝑓𝑋,𝑌 (1,1) 8 1
𝑓𝑋⁄𝑌=1 (1⁄1) = = =
𝑓𝑌 (1) 4 2
8
19.1. Definición
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑋⁄𝑌 (𝑥 ⁄𝑦) =
𝑓𝑌 (𝑦)
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑌⁄𝑋 (𝑦⁄𝑥 ) =
𝑓𝑋 (𝑥)
20.
Y, la probabilidad que la variable aleatoria continua 𝑌 tome valores entre 𝑐 y 𝑑, cuando se
sabe que la variable aleatoria continua 𝑋 tomó un valor 𝑥, es igual a,
𝑓𝑋,𝑌,𝑍 (𝑥, 𝑦, 𝑧)
𝑓𝑋⁄𝑌,𝑍 (𝑥 ⁄𝑦, 𝑧) =
𝑓𝑌,𝑍 (𝑦, 𝑧)
36
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝑓𝑋,𝑌,𝑍 (𝑥, 𝑦, 𝑧)
𝑓𝑋,𝑌⁄𝑍 (𝑥, 𝑦⁄𝑧) =
𝑓𝑍 (𝑧)
𝑏 𝑑
20. Ejercicio 8
Problema:
Calcular la probabilidad que la variable aleatoria 𝑌 tome valores menores o iguales a 1⁄8,
dado que la variable aleatoria 𝑋 ha tomado un valor igual a 1⁄2
Solución:
1/8
1 1
𝑃 [𝑌 ≤ ⁄𝑋 = ] = ∫ 𝑓𝑌⁄𝑋 (𝑦⁄𝑥 = 1⁄2)𝑑𝑦
8 2
0
Se sabe que,
𝑓𝑋,𝑌 (𝑥, 𝑦)
𝑓𝑌⁄𝑋 (𝑦⁄𝑥) =
𝑓𝑋 (𝑥)
En general,
37
MAT 1437 Estadística aplicada Rubén Medinaceli O.
∞
𝑓𝑋 (𝑥) = ∫ 𝑓𝑋,𝑌 (𝑥, 𝑦)𝑑𝑦
−∞
En el presente caso,
𝑌 𝑦=𝑥
1 2 𝑋
𝑥 𝑥
𝑦2 𝑥
𝑓𝑋 (𝑥) = ∫ 8𝑥𝑦 𝑑𝑦 = 8𝑥 ∫ 𝑦𝑑𝑦 = 8𝑥 | = 4𝑥 3
2 0
0 0
Reemplazando valores,
8𝑥𝑦 2𝑦
𝑓𝑌⁄𝑋 (𝑦⁄𝑥) = =
4𝑥 3 𝑥 2
Luego,
2𝑦
𝑓𝑌⁄𝑋 (𝑦⁄𝑥 = 1⁄2) = = 8𝑦
(1⁄2)2
Por tanto,
1/8 1/8
1 1
𝑃 [𝑌 ≤ ⁄𝑋 = ] = ∫ 𝑓𝑌⁄𝑋 (𝑦⁄𝑥 = 1⁄2)𝑑𝑦 = ∫ 8𝑦𝑑𝑦
8 2
0 0
1 1 1
𝑃 [𝑌 ≤ ⁄𝑋 = ] =
8 2 16
38
MAT 1437 Estadística aplicada Rubén Medinaceli O.
21. Independencia
a. Definición
22. Ejercicio 9
Problema:
Se seleccionan al azar dos bolas de billar de una bolsa que contiene 3 bolas de billar azules,
2 bolas de billar rojas y 3 bolas de billar verdes.
Si,
Solución:
39
MAT 1437 Estadística aplicada Rubén Medinaceli O.
𝑓𝑋,𝑌 (𝑥, 𝑦)
X 0 1 2 𝒇𝒀 (𝒚)
Y
0 0 1/8 1/8 2/8
Por ejemplo,
10 15 75 3
𝑓𝑋,𝑌 (0,0) = 𝑓𝑋 (0)𝑓𝑌 (0) = ( ) ( ) = ≠
28 28 392 28
23. Ejercicio 10
Problema:
Solución:
𝑥 𝑥
𝑦2 𝑥
𝑓𝑋 (𝑥) = ∫ 8𝑥𝑦 𝑑𝑦 = 8𝑥 ∫ 𝑦𝑑𝑦 = 8𝑥 | = 4𝑥 3
2 0
0 0
De igual manera,
1 1
40
MAT 1437 Estadística aplicada Rubén Medinaceli O.
Ejercicios propuestos
1. Una bolsa contiene cuatro bolas de billar, dos de las cuales están marcadas con el
número 1 y las otras dos con el número 2. Se seleccionan dos bolas al azar.
Si,
X = El menor de los números de las bolas de billar seleccionadas
Y = El mayor de los números de las bolas de billar seleccionadas
a) Encontrar el valor de c
b) Calcular P(1 ≤ X ≤ 2; 2 ≤ Y ≤ 3)
c) Calcular P(X + Y ≤ 3)
d) Obtener 𝐹𝑋,𝑌 (𝑥, 𝑦)
e) Calcular P(X ≤ 2; Y ≤ 3) utilizando 𝐹𝑋,𝑌 (𝑋, 𝑌)
a) Obtener el valor de k
b) Calcular P(X ≤ 0,5; Y ≤ 0,25 / Z = 1)
c) Calcular P(Z ≤ 1 / X = 0,5; Y = 0,25)
d) Averiguar si las variables X, Y, Z son estadísticamente independientes.
41