Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MARCO TEÓRICO
Distribución conjunta.
La distribución de probabilidad conjunta de dos variables aleatorias discretas, X e Y, es la
probabilidad de que las dos variables aleatorias tomen valores concretos de forma simultánea, x e y.
Las probabilidades de todas las posibles combinaciones (x, y) suman 1. La distribución de
probabilidad puede escribirse como la función Pr (X = x, Y = y). Por ejemplo, las condiciones
meteorológicas —si está lloviendo o no— afectan al tiempo de desplazamiento de la estudiante que
se desplazaba. Sea Y una variable aleatoria binaria que es igual a 1 si el desplazamiento es corto
(menos de 20 minutos) e igual a 0 en otro caso y sea X una variable aleatoria binaria que es igual a
0 si llueve y 1 si no. Entre estas dos variables aleatorias, existen cuatro posibles resultados: lluvia y
tiempo de desplazamiento largo (X=0, Y =0); lluvia y tiempo de desplazamiento corto (X=0, Y=1);
sin lluvia y tiempo de desplazamiento largo (X =1, Y =0); y sin lluvia y tiempo de desplazamiento
corto (X=1, Y=1).
La distribución de probabilidad conjunta es la frecuencia con la que ocurre cada uno de estos sucesos
a lo largo de muchas repeticiones de desplazamientos. Se ofrece un ejemplo de una distribución
conjunta de esas dos variables en la Tabla a continuación. De acuerdo con esta distribución, a lo largo
de muchos desplazamientos, el 15 % de los días llueve y los desplazamientos son largos (X=0, Y=0);
es decir, la probabilidad de un desplazamiento largo y con lluvia es del 15 %, o Pr (X=0, Y=0) = 0,15.
Además, Pr (X=0, Y=1) = 0,15, Pr (X=1, Y=0) = 0,07, y Pr (X=1, Y=1) = 0,63. Estos cuatro posibles
resultados son mutuamente excluyentes y constituyen el espacio muestral y por tanto las cuatro
posibilidades suman 1.
DISTRIBUCIÓN DE PROBABILIDAD MARGINAL.
La distribución de probabilidad marginal de una variable aleatoria Y es solo otro nombre para su distribución de
probabilidad. Este término se utiliza para distinguir la distribución de Y en solitario (la distribución marginal) de la
distribución conjunta de Y y otra variable aleatoria.
La distribución marginal de Y puede calcularse a partir de la distribución conjunta de X e Y sumando todas las
probabilidades de todos los resultados posibles para los cuales Y toma un valor particular. Si X puede tomar l
diferentes valores x1, x2, ..., xl, entonces la probabilidad marginal de que Y tome el valor y es
Por ejemplo, en la Tabla anterior, la probabilidad de un desplazamiento largo y lluvioso es del 15 % y la probabilidad
de un desplazamiento largo sin lluvia es del 7 %, por tanto, la probabilidad de un desplazamiento largo (lluvioso o no)
es del 22 %. La distribución marginal del tiempo de desplazamiento se recoge en la columna final de la Tabla antes
presentada. De forma similar, la probabilidad marginal de lluvia es del 30 %, como se muestra en la última fila de la
Tabla.
(WATSON, 2012)
PROPIEDADES
PROPIEDADES
lo cual es imposible ya que una probabilidad no puede ser negativa. Por lo tanto, es necesario añadir la
condición de que el segundo miembro de la relación, a continuación, no sea negativo para ninguna
colección de números a < b, c < d.
Teorema
(ORTEGA, 2010)
EJEMPLOS
DISTRIBUCIÓN CONJUNTA
En una Financiera, se consideran variables aleatorias :
= Número de préstamos solicitados diariamente
= Número de solicitudes rechazadas diariamente, tal que su distribución de
probabilidad conjunta es:
Respuesta : si en la caja común hay dos personas esperando, entonces el numero esperado de clientes que
están en la caja rápida es 1.68
Distribución Condicional
En los temas anteriores estudiados establecimos que el valor x de la variable
aleatoria X representa un evento que es un subconjunto del espacio muestral. Si
utilizamos la definición de probabilidad condicional que la estudiamos con
anterioridad.
De manera similar la distribución condicional de la variable aleatoria X, dado que Y=y, es:
Si deseamos encontrar la probabilidad de que la variable aleatoria X caiga entre a y b cuando se sabe
que la variable discreta Y=y, evaluamos:
Donde la sumatoria se extiende a todos los valores de X entre a y b. Cuando X y Y son continuas,
evaluamos:
EJEMPLO
Se seleccionan al azar 2 repuestos para un bolígrafo de una caja que contiene 3 repuestos
azules, 2 rojos y 3 verdes. Si X es el número de repuestos azules y Y es el número de repuestos
rojos seleccionados.
La función de probabilidad conjunta de este ejercicio es:
Por lo tanto,
Por lo tanto, si se sabe que 1 de los 2 repuestos seleccionados es rojo, tenemos una
probabilidad igual a 1/2 de que el otro repuesto no sea azul.
FUNCION DE DENSIDAD CONJUNTA
donde x e y son todos los posibles resultados del evento A y del evento B
respectivamente. Lo anterior puede extenderse a un número mayor de variables
aleatorias la función de probabilidad conjunta en tal caso se puede denotar como:
i j
∞ ∞
i j
∀i ∀j –∞ –∞
d b
𝑃 𝑎 ≤ 𝑋 ≤ 𝑏, 𝑐 ≤ 𝑌 ≤ 𝑑 = ƒ ƒ 𝑓 𝑥, 𝑦
𝑑𝑥𝑑𝑦
c a
VARIABLES ALEATORIAS CONJUNTAS
Distribución de probabilidad acumulativa conjunta:
y x
Σ Σ 𝑃
𝑡, 𝑢 –∞ –∞
∀u≤y ∀t≤x
VARIABLES ALEATORIAS CONJUNTAS
Distribuciones de probabilidad marginales:
Σ 𝑃 x
𝑥, 𝑦 –∞
∀y
∞
Σ 𝑃
𝑥, 𝑦 y
∀x –∞
VARIABLES ALEATORIAS CONJUNTAS
Ejemplo 1:
Un fabricante de bombas para agua, somete sus productos terminados a una revisión final. Se le han
presentado dos tipos de defecto: eléctrico (en 3 diferentes componentes) y mecánico (en 2 diferentes
componentes), el número de cada tipo de defecto corresponderá a una variable; X a la ocurrencia de defectos
eléctricos e Y a la ocurrencia de defectos mecánicos.
x 0 1 2 3
f(x,y) y
0 8 3 2 1
8
20 20 20 20
20
1 3 1
20 20
3
2 2
3 20 2 20
20 1 20 1
2 20 20
X
20
1
0 1 2 3
a) Verificar que se trata de una distribución de probabilidad.
3
2
b) Encontrar la distribución marginal de X y la de Y.
c) Encontrar las distribuciones condicionales de X dado Y y de
Y
Y dado X.
VARIABLES ALEATORIAS CONJUNTAS
Ejemplo 2:
Una compañía distribuidora de música grabada, tiene para venta discos compactos y cintas. Considerando que X representa la
venta de discos compactos y Y representa la venta de cintas y suponiendo que f(x, y) representa la función distribución de
probabilidad de venta conjunta.:
La unidad representa la venta de
otro caso
= f(x,y)
(0,0,3)
a) Verificar que se trata de una
distribución de probabilidad.
(1,0,2)
b) Encontrar la distribución
marginal de X y la de Y.
(1,1,1
) c) Encontrar las distribuciones
(1,0,0)
0
X condicionales de X dado Y y de Y
(1,1,0)
dado X.
Y
y=x
VALOR ESPERADO DE UNA FUNCIÓN DOS VA CONJUNTAS
∞ ∞
–∞ –∞
∀y ∀K
–∞
Donde es la función de densidad condicional de
Y dado X
Ejemplo 3:
Caso particular: si
entonces:
bY)2]= ?
Var[aX + bY]=a2V[X]+b2V[Y]+2Cov[X,Y]
Caso particular: si X y Y son independientes, entonces: Cov[X,Y]=0 y Var[aX + bY]=a2V[X]+b2V[Y]
Covarianza
Hacemos una gráfica de dispersión que nos muestra como se relacionan las dos variables.
Supongamos que tenemos dos variables y las graficamos, con los valores de una en el eje
horizontal y los valores de la otra en el eje vertical. Podemos ver que cuando aumenta el valor
de una, el de la otra también aumenta, esto se conoce como covarianza, es decir co-varian, o
varían juntas.
Covarianza:
La covarianza es importante por que nos permite analizar la relación lineal
entre dos variables. Es una medida de la asociación lineal entre las
variables. Cuando trabajamos con la covarianza lo que nos interesa es el
signo del resultado, pues nos indica el tipo de relación que existe. No
verificamos la fuerza de esa relación sólo su dirección.
No debemos de olvidar que no lo que nos interesa es el signo y no la magnitud del valor.
La varianza y covarianza se usan en relaciones lineales, por lo que siempre es conveniente
hacer una gráfica para ver si existe o no una relación lineal.
Veamos algunas gráficas y es bueno compararlas contra signo, observamos que
gráficamente podemos distinguir bien si hay relación lineal o no. Hay que recordar que
valores cercanos a cero también nos indican como se relacionan las variables.
Correlación:
La covarianza tiene cierto parecido con la correlación. En la
correlación también observamos como se comportan
entres si dos variables pero con ésta tanto la dirección
como la magnitud nos dan datos útiles. La dirección la
obtenemos por medio del signo y el valor de la magnitud se
encuentra entre -1 a 1. Entre más grande sea el valor
absoluto de la correlación, nos indica que esas variables se
relacionan más fuertemente. No hay que olvidar que la
correlación solo se aplica a relaciones lineales.
En el mundo real no tendremos datos que se comporten exactamente como una línea recta,
la mayoría luce como la gráfica que tenemos a la izquierda.