Distribuciones Bivariadas

Logro

Al finalizar la unidad, el estudiante aplica las distribuciones bivariadas

discretas o continuas para hallar distribuciones marginales,
condicionales, covarianza, coeficiente de correlación con datos reales
de suentorno profesional.

Bibliografía

Wackerly, Dennis D. Mendenhall, William. Scheaffer, Richard L. (2010)

Estadística matemática conaplicaciones. México, DF. Cengage Learnig
Editores. Séptima edición. Capítulo5.

Variable aleatoria bidimensional

En muchas ocasiones es necesario estudiar conjuntamente dos
características de un fenómeno aleatorio, es decir el
comportamiento de dos variables aleatorias. Para estudiar las dos
variables aleatorias (X,Y) es necesario conocer la distribución de
probabilidad conjunta.
Dado un experimento aleatorio  y su espacio muestral asociado , las
funciones X, Yasignan a cada elemento wi de , los valores X(wi), Y(wi)

Rango de una variable aleatoria bidimensional

Dado el experimento aleatorio  y su espacio muestral asociado , el rango de
la variable aleatoriabidimensional es el conjunto de valores posibles de la
variable aleatoria (X,Y) y es denotada por R(X,Y).

Variable aleatoria bidimensional discreta

Si R(X,Y) es un conjunto finito o infinito numerable, la variable aleatoria bidimensional es
“discreta”.

Función de probabilidad conjunta

f (x, y)  P X  x, Y  y

 P w
i
i  / X(wi )  x, Y(wi )  y 
Condiciones:
a) b)
f (x, y)  0  (x, y)  R (X, Y)

x y
f (x, y)  1

EJEMPLO 1
𝑋+𝑌
La función de probabilidad conjunta de X e Y está dado por: 𝑓(𝑥, 𝑦) = ;𝑥 = 0,1,2,3 𝑦 =
𝑘
0,1,2 Sabiendo que k es una constante:

a. Calcule k

Para que f(x,y) sea una función de probabilidad conjunta sabemos que se tiene que
cumplir las condiciones de (a) debe ser no negativa para todos los valores de x e y (b) debe
de sumar 1 para todos los valores de x e y.

La condición no negativa se cumple, indicando que k es una constante no negativa.

Para verificar la condición de suma 1, se realiza lo siguiente:

2
3
∑ ∑ 𝑓(𝑥, 𝑦) = 1
𝑥=0
𝑦=0
2
3 𝑥+𝑦 3 𝑥+0 𝑥+1 𝑥+2
∑ ∑ =∑ + + =1
𝑥=0 𝑘 𝑥=0 𝑘 𝑘 𝑘
𝑦=0
3 3𝑥 + 3 3(0) + 3 3(1) + 3 3(2) + 3 3(3) + 3
∑ = + + + =1
𝑥=0 𝑘 𝑘 𝑘 𝑘 𝑘
3 6 9 12
+ + + =1
𝑘 𝑘 𝑘 𝑘
30
=1
𝑘

𝑘 = 30

b. Construyendo la función de probabilidad conjunta.

Para construir la función de probabilidad conjunta se, va a desarrollar de manera tabular,

en el cual mediante un cuadrito de doble entrada se indicará la probabilidad que puede
tomar en cada uno de los casos, tal como se detalla a continuación. Teniendo en cuenta
que ya se encontró el valor de “k”, la función se expresa de la siguiente manera:
𝑋+𝑌
𝑓(𝑥, 𝑦) = ; 𝑥 = 0,1,2,3 𝑦 = 0,1,2
30
Se va a construir la tabla de doble entrada, en el cual en la parte superior se pondrá los
valores que toma X, y en el lateral izquierdo los valores que toma Y, en consecuencia, para
cada valor que toma X e Y de manera conjunta se va a ir encontrando su probabilidad, y
esta probabilidad va a ser el valor que sale a remplanzar cada valor de X para cara valor de
Y en la función de densidad.
 y/x 0 1 2 3 p[Y=y]
0 0/30 1/30 2/30 3/30 6/30
1 1/30 2/30 3/30 4/30 10/30
2 2/30 3/30 4/30 5/30 14/30
p[X=x] 3/30 6/30 9/30 12/30 1

c. Hallar la probabilidad p(X>Y)

De la función de probabilidad conjunta expresada anteriormente buscaremos la

probabilidad que cumple lo solicitado

y/x 0 1 2 3 p[Y=y]
0 0/30 1/30 2/30 3/30 6/30
1 1/30 2/30 3/30 4/30 10/30
2 2/30 3/30 4/30 5/30 14/30
p[X=x] 3/30 6/30 9/30 12/30 1

Por lo tanto, la p(X>Y) = 1/30+2/30+3/30+3/30+4/30+5/30 = 18/30

Ejemplo 2.

Una urna contiene 03 bolas numeradas 1,2,3, respectivamente. De la urna se extraen 02

bolas al azar una a una con reposición. Sea X el número de la primera bola que se extrae e
Y el número de la segunda bola que se extrae, se tiene que el par (x,y) es una variable
aleatoria.

SOLUCIÓN

X: Primera extracción de la urna (1,2,3)

Y: Segunda extracción de la urna (1,2,3)

Rango.

R(x,y) = {(x,y)/x,y Є {1,2,3}}

Rxy = {(1,1);(1,2);(1,3);(2,1);(2,2);(2,3);(3,1);(3,2);(3,3)}

Hallando las probabilidades

p(1,1) = 1/9, (la probabilidad es 1/9 porque tenemos solo un caso favorable que tengamos
(1,1) y en total 9 casos.

P(1;2) = 1/9

P(1;3) = 1/9

P(2,1) = 1/9
P(2,2) = 1/9
P(2,3) = 1/9
P(3,1) = 1/9
P(3,2) = 1/9
P(3;3) = 1/9

y/x 1 2 3 p[Y=y]
1 1/9 1/9 1/9 3/9
2 1/9 1/9 1/9 3/9
3 1/9 1/9 1/9 3/9
p[X=x] 3/9 3/9 3/9 1

Ejercicio 3.

Se tienen dos líneas de producción I y II que manufacturan cierto tipo de artículo a

pequeña escala.

A continuación, se muestra la distribución conjunta de probabilidades de las variables:

X: Producción de artículos con la línea I

Y: Producción de artículos con la línea II

y/x 0 1 2 3
0 0 0.01 0.01 0.01
1 0.01 0.02 0.03 0.02
2 0.03 0.04 0.05 0.04
3 0.05 0.05 0.05 0.06
4 0.07 0.06 0.05 0.06
5 0.09 0.08 0.06 0.05

SOLUCIÓN

Para hallar la marginales lo que se tiene que hacer es realizar las sumas por filas y columnas
y/x 0 1 2 3 p[Y=y]
DISTRIBUCION MARGINAL DE Y

0 0 0.01 0.01 0.01 0.01

1 0.01 0.02 0.03 0.02 0.02
2 0.03 0.04 0.05 0.04 0.04
3 0.05 0.05 0.05 0.06 0.06
4 0.07 0.06 0.05 0.06 0.06
5 0.09 0.08 0.06 0.05 0.05
p[X=x] 0.25 0.26 0.25 0.24 1

DISTRIBUCION MARGINAL DE X
Ejercicio 4.

La función de probabilidad conjunta de la variable aleatoria (x,y) está definido por

𝑋+𝑌
𝑝(𝑥, 𝑦) = 𝑥 = 1,2 ; 𝑦 = 1,2,3,4
32

Halle la distribución de probabilidad marginal de X e Y

SOLUCIÓN

La función de probabilidad marginal para X

4
𝑥+𝑦
𝑝𝑥 (𝑥) = 𝑝[𝑋 = 𝑥] = ∑ 𝑝(𝑥, 𝑦) = ∑
32
𝑦∈𝑅𝑥⁄𝑌=𝑦 𝑦=1

4
𝑥+𝑦 𝑥+1 𝑥+2 𝑥+3 𝑥+4
𝑝𝑥 (𝑥) = ∑ = + + +
32 32 32 32 32
𝑦=1

2𝑥 + 15
𝑝𝑥 (𝑥) = 𝑝[𝑋 = 𝑥] =
16
X= 1,2

La función de probabilidad marginal para Y

2
𝑥+𝑦
𝑝𝑦 (𝑌) = 𝑝[𝑌 = 𝑦] = ∑ 𝑝(𝑥, 𝑦) = ∑
32
𝑥∈𝑅𝑦⁄𝑋=𝑥 𝑥=1

2
𝑥+𝑦 1+𝑦 2+𝑦
𝑝𝑦 (𝑦) = ∑ = +
32 32 32
𝑥=1

2𝑦 + 3
𝑝𝑦 (𝑌) = 𝑝[𝑌 = 𝑦] =
32
y= 1,2,3,4
Ejercicio 5

Del ejercicio anterior halle (a) la función de probabilidad condicional de X, dado Y=y, (b) la
función de probabilidad condicional de Y, dado X=x

SOLUCIÓN,

De la solución anterior tenemos las marginales

2𝑥 + 15
𝑝𝑥 (𝑥) = 𝑝[𝑋 = 𝑥] =
16
2𝑦 + 3
𝑝𝑦 (𝑌) = 𝑝[𝑌 = 𝑦] =
32

Entonces:

 La función de probabilidad condicional e X, dado Y = y va a ser igual a dividir la

función conjunta entre la función marginal, de la siguiente manera
𝑥+𝑦
𝑥+𝑦
𝑝(𝑥 ⁄𝑦) = 32 =
2𝑦 + 3 2𝑦 + 3
32
Cuando x=1,2 e Y=1 o 2, o 3 o 4

Por ejemplo
4
𝑝(𝑥 = 2⁄𝑦 = 2) =
7
 La función de probabilidad condicional de Y, dado X = x, es
𝑥+𝑦
𝑥+𝑦
𝑝(𝑦⁄𝑥 ) = 32 =
2𝑥 + 5 4𝑥 + 10
16
Cuando y=1,2,3,4 e X=1 o 2

Por ejemplo
2
𝑝(𝑦 = 3⁄𝑥 = 1) =
7

Ejercicio 6.

Se tiene la siguiente distribución conjunta de probabilidades de las variables:

X: Años de servicio laboral.

Y: compensación por tiempo de servicio (miles de soles)

X/Y 3 5 8 10
10 0.15 0 0.05 0.05
15 0.05 0.15 0.20 0.10
20 0.05 0.10 0 0.10

Determine si los años de servicio laboral y la compensación por tiempo de servicio son
independientes

SOLUCIÓN

Si son independientes debe de cumplir que: f(x1;x2)=f1(x1)f2(x2), entonces se hallará las

marginales

X/Y 3 5 8 10 P[X=x]
10 0.15 0 0.05 0.05 0.25
15 0.05 0.15 0.20 0.10 0.5
20 0.05 0.10 0 0.10 0.25
P[Y=y] 0.25 0.25 0.25 0.25 1

Se puede observar que f(10.3) = 0.15 esto es igual f(10)*f(3) = 0.25*0.25 = 0.625, y se
puede observar que f(10,3) ≠f(x1=10)f(y=3). Por lo tanto, no son independientes.

Teorema. Si X e Y son dos variables aleatorias bidimensional, entonces

𝑬[𝒂𝑯(𝑿) +/−𝒃𝑮(𝒀)] = 𝒂𝑬[𝑯(𝑿)] +/−𝒃𝑬[𝑮(𝒀)]

Una consecuencia inmediata de este teorema, cuando

H(X) = X y G(Y) = Y es
 E(X +/- Y) = E(X) +/- E(Y)

Teorema. Si X e Y son dos variables aleatorias independientes, entonces

a. E(XY) = E(X)E(Y)
b. VAR(X+Y) = VAR(X)+VAR(Y)

Ejercicio 7.

La variable aleatoria bidimensional (X, Y) tiene la siguiente distribución de probabilidad

conjunta.

Y/X 0 1
1 1/6 1/12
2 2/6 5/12

Calcular:

a. E (X + Y)

Para hacer el análisis se hallarán primero las marginales de la distribución conjunta

Y/X 0 1 P(Y=y)
1 1/6 1/12 3/12
2 2/6 5/12 9/12
P(X=x) 3/6 6/12 1

𝟑 𝟔 𝟔
𝑬(𝑿) = ∑ 𝒙𝒑(𝒙) = 𝟎 ∗ ( ) + 𝟏 ∗ ( ) =
𝟔 𝟏𝟐 𝟏𝟐
𝑿𝝐𝑹𝑿

𝟑 𝟗 𝟐𝟏
𝑬(𝒚) = ∑ 𝒚𝒑(𝒚) = 𝟏 ∗ ( ) + 𝟐 ∗ ( ) =
𝟏𝟐 𝟏𝟐 𝟏𝟐
𝒀𝝐𝑹𝒚

Por el teorema antes mencionado se tiene que

E(X+Y) = E(X)+E(Y) = 6/12+21/12 = 9/4

b. E(XY)

Se observa que X e Y no son independientes y por lo tanto no se puede aplicar el

teorema para varianzas de variables independientes por lo tanto se tiene que aplicar la
definición.
𝟏 𝟐 𝟏 𝟓 𝟏𝟏
∑ ∑ 𝒙𝒚𝒑(𝒙, 𝒚) = 𝟎 ∗ 𝟏 ∗ ( ) + 𝟎 ∗ 𝟐 ∗ ( ) + 𝟏 ∗ 𝟏 ∗ ( ) + 𝟏 ∗ 𝟐 ∗ ( ) =
𝟔 𝟔 𝟏𝟐 𝟏𝟐 𝟏𝟐
𝑹𝒙𝒚

c. E(XY2)

Similar al ejercicio anterior se aplicará la definición para hallar el valor esperado solicitado
 𝟏 𝟐 𝟏 𝟓 𝟐𝟏
∑ ∑ 𝒙𝒚𝟐 𝒑(𝒙, 𝒚) = 𝟎 ∗ 𝟏𝟐 ∗ ( ) + 𝟎 ∗ 𝟐𝟐 ∗ ( ) + 𝟏 ∗ 𝟏𝟐 ∗ ( ) + 𝟏 ∗ 𝟐𝟐 ∗ ( ) =
𝟔 𝟔 𝟏𝟐 𝟏𝟐 𝟏𝟐
𝑹𝒙𝒚

d. E(2XY+XY2)
𝟏𝟏 𝟐𝟏 𝟒𝟑
= 𝟐𝑬(𝑿𝒀) + 𝑬(𝑿𝒀𝟐 ) = 𝟐 ∗ ( ) + ( ) =
𝟏𝟐 𝟏𝟐 𝟏𝟐

 Teorema. Sea (X, Y) una variable aleatoria bidimensional, y sean a,b, e y números
reales, H(x,y). Entones.

a. E(aX+b/Y=y)=aE(X/Y=y)+b para todo y tal que p(y) >0

b. 𝑬[𝑯(𝑿, 𝒀)⁄𝒀 = 𝒚] = ∑𝒙𝝐𝑹𝒙 𝑯(𝑿, 𝒀)𝒑[𝑿 = 𝒙⁄𝒀 = 𝒚] = 𝑬[𝑯(𝑿, 𝒀)⁄𝒀 = 𝒚]

En (a) si b = 0, se tiene que E(aX/Y=y]=aE(X/Y=y)

 Teorema. Si X e y Son variables aleatorias independientes, entonces

E(X / Y 0 y) = E(X) para todo y que cumple p(y) >0

Ejercicio 8.

La distribución de probabilidad conjunta de (X,Y) está definida por la siguiente tabla.

Y/x -1 1
1 1/8 1/4
2 1/2 1/8

Calcular.

a. E(X / Y = 1)

Y/x -1 1 P(Y=y)
1 1/8 1/4 3/8
2 1/2 1/8 5/8
P(X=x) 5/8 3/8 1

Aplicando la teoría se expresaría de la siguiente manera.

𝑬(𝑿⁄𝒀 = 𝟏) = ∑ 𝒙𝒑[𝑿 = 𝒙⁄𝒀 = 𝟏]

𝑿𝝐𝑹𝑿
 (−𝟏)𝒑(𝑿 = −𝟏⁄𝒀 = 𝟏) + (𝟏)𝒑(𝑿 = 𝟏⁄𝒀 = 𝟏)
𝟏 𝟐 𝟏
(−𝟏) ( ) + (𝟏) ( ) = ( )
𝟑 𝟑 𝟑
Es preciso recordar que las probabilidades condicionales se hallan de esta manera:
𝒑[𝑿 = −𝟏, 𝒀 = 𝟏] 𝟏/𝟖
𝒑(𝑿 = −𝟏⁄𝒀 = 𝟏) = = = 𝟏/𝟑
𝒑[𝒀 = 𝟏] 𝟑/𝟖

𝒑[𝑿 = 𝟏, 𝒀 = 𝟏] 𝟏/𝟒
𝒑(𝑿 = 𝟏⁄𝒀 = 𝟏) = = = 𝟐/𝟑
𝒑[𝒀 = 𝟏] 𝟑/𝟖

b. E(2X / Y = 1)

Por el teorema anterior se puede sacar la constante quedando la expresión de la

siguiente manera:
𝟏
𝑬(𝟐𝑿⁄𝒀 = 𝟏) = 𝟐𝑬(𝑿⁄𝒀 = 𝟏) = 𝟐 ( ) = 𝟐/𝟑
𝟑

c. E(3X+4 / Y = 1)

Por el teorema anterior se puede expresar de la siguiente manera

𝟏
𝑬(𝟑𝑿 + 𝟒⁄𝒀 = 𝟏) = 𝟑𝑬(𝑿⁄𝒀 = 𝟏) + 𝟒 = 𝟑 ( ) + 𝟒 = 𝟓
𝟑
Ejercicio 9.

La función de probabilidad conjunta de (X,Y) está dado en la tabla.

Y /X 0 1 P[Y=y]
0 1/8 1/8 2/8
1 2/8 1/8 3/8
2 2/8 1/8 3/8
P[X=x] 5/8 3/8 1
Calcular lo siguiente:

a. COV(x,y)
𝟓 𝟑
𝑬(𝑿) = 𝟎 ( ) + 𝟏 ( ) = 𝟑/𝟖
𝟖 𝟖
𝟐 𝟑 𝟑
𝑬(𝒀) = 𝟎 ( ) + 𝟏 ( ) + 𝟐( ) = 𝟗/𝟖
𝟖 𝟖 𝟖
𝟏 𝟏 𝟐 𝟏 𝟐
𝑬(𝑿𝒀) = 𝟎 ∗ 𝟎 ∗ ( ) + 𝟎.∗ 𝟏 ∗ ( ) + 𝟏 ∗ 𝟎 ∗ ( ) + 𝟏 ∗ 𝟏 ∗ ( ) + 𝟐 ∗ 𝟎 ∗ ( ) + 𝟐 ∗ 𝟏
𝟖 𝟖 𝟖 𝟖 𝟖
𝟏
∗ ( ) = 𝟑/𝟖
𝟖
Por lo tanto COV(X,Y) = E(XY)-E(X)E(Y) = (3/8)-(3/8)(9/8) = -3/64

EXISTE UNA RELACIÓN LINEAL INVERSA ENTRE LAS VARIABLES X E Y

b. 𝜎𝑥2

5 3
𝐸(𝑋2 ) = 02 ∗ ( ) + 12 ∗ ( ) = 3/8
8 8
2 3 9
𝜎𝑥2 = 𝐸(𝑋2 ) − (𝐸(𝑋)) = ( ) − ( ) = 15/64
8 64
c. 𝜌(𝑥, 𝑦)
𝐶𝑂𝑉(𝑋, 𝑌) −3/64
= = −0.12
𝜎𝑋 𝜎𝑌 √(15/64)(39/64)
Esperanza condicional