Estadística general

Distribuciones
bivariantes

Mg. Olga Solano Dávila

El objetivo de la siguiente
presentación es estudiar
las distribuciones
bivariantes.
 Distribución Bivariante

Hasta aquí solo hemos considerado variables

aleatorias unidimensionales. Un experimento
aleatorio puede generar dos o más variables
aleatorias de importancia. Un investigador
puede estar interesado en el comportamiento
simultáneo , de dos o más características
numéricas de un experimento aleatorio. Por
ejemplo, se extrae aleatoriamente un
estudiante de la Universidad de Lima , y se
anota el gasto en movilidad y gasto en
alimentación de una semana.
 Distribución Bivariante

Es importante estudiar la distribución de

probabilidad conjunta de las variables
aleatorias bidimensionales denotado por
(X,Y). Asimismo estudiaremos las
distribuciones marginales, es decir, la
distribución marginal de cada una de las
variables X e Y , luego la distribución
condicional.
En esta parte del curso estudiaremos
los siguientes temas:

Distribución conjunta

Distribución marginal

Distribución
condicional
En esta parte del curso estudiaremos
los siguientes temas:

Valor esperado marginal

Valor esperado conjunto

La varianza y covarianza

El coeficiente de correlación
 Ejemplos:
Dos variables cuantitativas

X: Salario de los trabajadores en la

empresa ABC

Y : Tiempo de servicios de los trabajadores

en la empresa ABC.
 Ejemplos:
Dos variables discretas

X: Nº de hijos de los trabajadores de la

empresa ABC

Y : Nº de hijos de los trabajadores de la

empresa ABC que están estudiando en la
Universidad
 Ejemplos:
Una variable discreta y otra continua

X: Nº de bebidas gaseosas vendidas de la

empresa Inca Kola en el mes de mayo.

Y : Monto de venta de bebidas de la

empresa Inca Kola en el mes de mayo.
 VARIABLE ALEATORIA
BIDIMENSIONAL DISCRETA

Si los posibles valores de (X,Y) son finitas o infinito

numerable, entonces (X, Y) se llama variable aleatoria
bidimensional discreta.
El rango de la v.a.b.d. es dado por :

Rx,y =  (X1, Y1) , (X2, Y2) , ... ,(Xn , Yn) 

 VARIABLE ALEATORIA
BIDIMENSIONAL DISCRETA
FUNCIÓN DE PROBABILIDAD CONJUNTA
Sea (X,Y) una variable aleatoria bidimensional discreta, con rango
RXxY . A cada posible resultado (x,y) de (X,Y), asociamos un número,
P(x,y) = P(X=x, Y= y) ,

Llamado la función de probabilidad conjunta, que cumple las

siguientes condiciones,

i) P(x,y) ≥ 0, (x,y)  Rx,y

ii)  P (x , y ) = 1, (x,y)  Rx,y

 FUNCIÓN DE PROBABILIDAD CONJUNTA

La función de probabilidad conjunta se

representa en una tabla de dos entradas, como se
muestra a continuación:

X Y y1 y2 … yc

x1 p(x1,y1) p(x1,y2)   p(x1,yc)

x2 p(x2,y1) p(x2,y2)   p(x2,yc)

…        
xc p(xc,y1) p(xc,y2)   p(xc,yc)
 PROBABILIDAD MARGINAL

Probabilidades marginales

X Y y1 y2 yc
… P(X=x)
c
x1 p(x1,y1) p(x1,y2)   p(x1,yc) p(x1) P( x1 )   P( x , y )
i 1
1 c

x2 p(x2,y1) p(x2,y2)   p(x2,yc) p(x2)

… … … … … …
xc p(xc,y1) p(xc,y2)   p(xc,yc) p(xc)
P(Y=y) p(y1) p(y2) … p(yc) 1

r
P( y1 )   P( x , y )
j 1
j 1
 DISTRIBUCIÓN MARGINAL

Distribución de probabilidad Distribución de probabilidad

marginal de X. marginal de Y.

X P(xi) Y P(yi)

x1 p(x1) y1 p(y1)
x2 p(x2) y2 p(y2)
… … … …
xc p(xc) yc p(yc)
Total 1
Total 1
 DISTRIBUCIONES CONDICIONALES

A veces los investigadores necesitan condicionar los valores de la variable Y a

un determinado valor de X. Estas distribuciones así obtenidas se denominan:
distribución de la variable Y condicionada a un valor de X o distribución de la
variable X condicionada a un valor de Y.

La función de probabilidad condicional de X dado Y= y, se

denota por
P ( x, y )
PX / Y ( x / y ) 
PY ( y )
La función de probabilidad condicional de Y dado X = x, se denota
por
P ( x, y )
PY / X ( y / x) 
PX ( x)
 ESPERANZAS MARGINALES

La esperanza marginal de la v.a. X es dada por

r
E( X )   x px 
i 1
i i

La esperanza marginal de la v.a. Y es dada pores

c
E (Y )   y py 
j1
j j
 ESPERANZAS CONDICIONALES

La esperanza de la v.a. X dado un valor de Y es

r
E( X / Y  y j )   x px
i 1
i i /Y  y j 
La esperanza de la v.a. Y dado un valor de X es

c
E (Y / X  xi )   y Py
j1
j j / X  xi 
 VARIANZAS CONDICIONALES

La varianza condicional de la v.a. X dado un valor de Y es

V ( X / Y )  E ( X 2 / Y )  E X / Y 2

La varianza condicional de la v.a. Y dado un valor de X es

V (Y / X )  E (Y 2 / X )  E Y / X 2
 VARIABLES ALEATORIAS INDEPENDIENTES

Si la probabilidad conjunta es igual al producto de la

probabilidad marginal de X y la probabilidad marginal de
Y, para todo el recorrido de las variables, entonces las
variables X e Y son independientes:

P(X= x , Y= y) = P(X=x)P(Y= y)

(x,y)  Rx,y
 COVARIANZA

Este valor sirve para medir la fuerza de la relación lineal

entre las variables X e Y.

COV  X,Y   E  XY  – E  X  E(Y)

E(XY) =   xy P(X=x,Y=y)

Nota: Si Cov (X,Y)=0, entonces X e Y

son variables independientes
 COEFICIENTE DE CORRELACIÓN

Este valor sirve para medir la fuerza de la relación lineal

entre las variables X e Y. Los valores del coeficiente de
correlación van desde -1 a 1.

COV  X,Y 
ρ XY 
V X  V Y 
COEFICIENTE DE CORRELACIÓN

Cuando ρ es positivo la relación lineal entre X e Y

es directa (positiva).

Cuando ρ es negativo la relación lineal entre X e Y

es inversa (negativa).

Cuando ρ = 0 no existe relación lineal entre las

variables (Incorrelación) .

Cuando más se acerca el valor absoluto de ρ a uno,

la relación es más fuerte y cuando más se acerca a
cero la relación es más débil.
COEFICIENTE DE CORRELACIÓN

Cuando ρ =1 la relación lineal

entre X e Y es perfecta y positiva
(directa) .

Cuando ρ = -1 la relación lineal

entre X e Y es perfecta e inversa
(negativa).
 Ejemplo

Una empresa comercializa impresoras de dos marcas A y B.

Sea X el número de unidades de la marca A vendidas por
día. Sea Y la variable que indica el número de unidades de la
marca B, vendidas por día. La función de probabilidad conjunta
de X e Y viene dada por:
(x  1) (y  2)
P(X  x, Y  y)  x  0,1,2 ; y  0,1,2,3
84
a)Presente la tabla de probabilidades conjuntas.
b) Construya la distribución de probabilidad marginal para
cada variable.
c) Calcule P(X  1 , Y ≤ 2).
d) Hallar E(X / Y = 1).
e) Hallar la COV(X,Y) ¿X e Y son variables independientes?.
Utilizando el Programa Excel

Fórmula
 Utilizando el Programa Excel
a)Presente la tabla de probabilidades conjuntas.
Y
0 1 2 3
X
0 0.024 0.036 0.048 0.060

1 0.048 0.071 0.095 0.119

2 0.071 0.107 0.143 0.179

(x  1) (y  2)
P(X  x, Y  y)  x  0,1,2 ; y  0,1,2,3
84
• P(X=0,Y=0)= (0+1)(0+2)/84 =2/84= 0.024
• P(X=0,Y=1)= (0+1)(1+2)/84 =3/84= 0.036
• P(X=0,Y=2)= (0+1)(2+2)/84 =4/84= 0.048
• P(X=0,Y=3)= (0+1)(3+2)/84 =5/84= 0.060
 Utilizando el Programa Excel
b) Construya la distribución de probabilidad marginal
para cada variable.
Distribución de
Distribución de probabilidad
probabilidad marginal para Y
marginal para X
Y P(Y = y)
X P(X=x)

0 0.143
0
0.167
1 0.214
1
0.333 2 0.286
2
0.500 3 0.357

Total 1 Total 1
 Utilizando el Programa Excel
c) Calcule P(X  1 , Y ≤ 2).

P(X  1 , Y ≤ 2) = 0.048+0.071+0.095
0.071+0.107+0.143 = 0.535

Y
0 1 2 3
X

0 0.024 0.036 0.048 0.060

1 0.048 0.071 0.095 0.119

2 0.071 0.107 0.143 0.179

 d) Hallar E(X / Y = 1)
2
E ( X / Y  1)   x pxi i / Y  1

 
i 0
px i , Y  1 p0, Y  1 p1, Y  1
2
p 2 ,Y  1
 
i 0
xi
P(Y  1)
0
P (Y  1)
1
P(Y  1)
2
P(Y  1)

0(0.036)  1(0.071)  2(0.107)

  1.33
0.214
e) Hallar la COV(X,Y) ¿X e Y son variables
independientes?.
COV(X,Y) = E(XY) – E(X)E(Y)
Calcularemos E(XY):
X Y XY P(X,Y) XY*P(X,Y)

0 0 0 0.0238 0.0000
1 0 0 0.0476 0.0000
2 0 0 0.0714 0.0000
0 1 0 0.0357 0.0000
1 1 1 0.0714 0.0714
2 1 2 0.1071 0.2143
0 2 0 0.0476 0.0000
1 2 2 0.0952 0.1905
2 2 4 0.1429 0.5714
0 3 0 0.0595 0.0000
1
2
3
3
3
6
0.1190
0.1786
0.3571
1.0714
E(XY)=2.4762
1 2.4762
e) Hallar la COV(X,Y) ¿X e Y son variables
independientes?.
COV(X,Y) = E(XY) – E(X)E(Y)
Calcularemos E(X) y E(Y) :
    Y  
X 0 1 2 3 P(X=x) XP(X=x)
0 0.0238 0.0357 0.0476 0.0595 0.1667 0.0000
1 0.0476 0.0714 0.0952 0.119 0.3333 0.3333
2 0.0714 0.1071 0.1429 0.1786 0.5 1.0000
P(Y=y) 0.1429 0.2143 0.2857 0.3571 1 1.3333
YP(Y=y) 0 0.2143 0.5714 1.0714 1.8571  
E(X) = 0*0.1667+1*0.3333+2*0.5 = 1.3333
E(Y) = 0*0.1429+1*0.2143+2*0.2857+3*0.3571=1.8571
E(X) *E (Y) = 1.3333*1.8571 = 2.476
Cov (X,Y) = E(XY) – E(X)*E(Y) = 2.476 - 2.476 = 0
Luego, X e Y son variables independientes.
 ¡Resolvamos los ejercicios
de la Guía!

¡Que Dios los bendiga y proporcione sabiduría e

inteligencia de lo alto!
https://www.youtube.com/watch?v=tTImgUfeH9E
Como las águilas