Page 1

Page 2
DISTRIBUCIONES DE PROBABILIDAD BIVARIABLES.
Se pueden definir variables aleatorias en el mismo espacio
muestral. Como ejemplo si consideramos el experimento de
lanzar un par de dados, el espacio muestral contiene 36
puntos muestrales que corresponde a los de mn=6*6=36
resultados de los nmeros de las caras de los dados. Los 36
puntos muestrales asociados con el experimento son
equiprobables y corresponden a los 36 eventos numricos
(y1,y2). As el resultado de un par de nmeros 1 ser el evento
simple(1,1). Obtener un 2 en el primer dado y un 3 en el
segundo dado seria el evento simple (2,3) ya que todos los
pares ocurren con la misma frecuencia relativa.
Para este ejemplo la interseccin (y1, y2) contiene solamente
un punto muestral. Por tanto la funcin de probabilidad
bivariable es.
P(y1,y2) = 1/36 y1=1,2,.6; y2=1,2..6;.
Page 3
En la figura se muestra
una representacin
grafica de la distribucin
de probabilidad bivariable
para el experimento del
lanzamiento de dos
dados. De tal manera se
asigna una probabilidad
diferente de cero
exactamente 36 puntos
del plano.
Esta figura se puede considerar como
un histograma terico, tridimensional,
de frecuencias relativas para los pares
de observaciones (y1,y2).
Page 4
Page 5
Una vez determinada la funcin de
probabilidad conjunta para las variables
aleatorias discretas y1 y y2, el clculo de las
probabilidades conjuntas que involucran a
y1 y y2 es directo.
Para el experimento del lanzamiento de los
dados. P( 2< y1< 3, 1< y2< 2) es.
P( 2< y1< 3, 1< y2< 2) = p(2,1) + p(2,2) + p(3,1)
+ p(3,2).
= 4/36 = 1/9.

La diferencia entre las variables aleatorias
conjuntas discretas y continuas se puede
describir en trminos de sus funciones de
distribucin (conjunta).
Page 6
Para dos variables discretas y1 y y2, F(a,b) tiene la forma.
Page 7
Las funciones de distribucin acumulativa bivariable
satisfacen una serie de propiedades similares a las
especificadas para la funcin de distribucin
acumulativa univariable.
Page 8
La expresin de la propiedad 3 es simplemente P(a1<y1< a2,
b1<y2< b2), no debe ser negativa.
F(-,) = 1 implica que la funcin de densidad conjunta
(y1,y2) debe ser de tal manera que la integral de (y1,y2),
para todos los valores (y1,y2) sea 1.
Page 9
La funcin de densidad de probabilidad (y1,y2) traza una superficie de
densidad de probabilidades sobre el plano (y1,y2) .
Los volmenes bajo esta superficie corresponden a las probabilidades.
As P(a1<y1< a2, b1<y2< b2) es el volumen sombreado
Page 10
Page 11
Page 12
Distribucin Normal bivariante
Decimos que un vector aleatorio X sigue distribucin
normal bivariante con vector de medias (m1,m2) y
matriz de
varianzas y covarianzas S si tiene funcin de
densidad
( )
)
`

|
|
.
|

\
|

E
E
=

2 2
1 1
1
2 2 1 1
2 / 1
2 1
,
2
1
exp
2
1
) , (

t
x
x
x x x x f
entonces , si
2
2 2 1
2 1
2
1
|
|
.
|

\
|
= E
o o o
o o o
( )

)

(
(

|
|
.
|

\
|

|
|
.
|

\
|

|
|
.
|

\
|

+
|
|
.
|

\
|

2
2 2
1
1 1
2
2
2 2
2
1
1 1
2
2
2 1
2
1 2
1
exp
1 2
1
o

o

o

o

o to
x x x x
Page 13
Distribucin Normal bivariante
Las marginales de una distribucin Normal
bivariante son normales unidimensionales,
X1~N(m1,s1) y X2~N(m2,s2) .

La correlacin r controla el grado de
dependencia lineal entre ellas.
Page 14
Distribucin Normal bivariante
Propiedades. Dado (X1,X2) un vector
aleatorio normal con vector de
medias (m1,m2) y matriz de varianzas
y covarianzas



si r = 0 entonces X1 y X2 son
independientes ;
dados a1,a2IR, aX1+aX2 es normal ;
X1|X2=x2 es normal y X2|X1=x1 es
normal .
|
|
.
|

\
|
= E
2
2 2 1
2 1
2
1
o o o
o o o
Page 15
GRAFICA
La siguiente grfica representa la funcin
de densidad conjunta de X e Y.