DISTRIBUCIONES DE

PROBABILIDAD
CONJUNTA
 VARIABLE ALEATORIA BIDIMENSIONAL

Sea un experimento aleatorio y un espacio muestral

asociado a él. Sean e , variables aleatorias discretas,
que a cada resultado le asignan el par de números
reales . Llamaremos a variable aleatoria
bidimensional discreta.
Al conjunto de valores que toma la variable aleatoria
lo llamaremos rango de la variable y lo denotaremos
con
 FUNCIÓN fdp CONJUNTA

Sea una variable aleatoria bidimensional discreta y sea su

rango. Sea una función tal que que verifica:

A la función la llamaremos función de probabilidad puntual

conjunta (fpd conjunta) de la variable bidimensional
 EJEMPLO

Supongamos que una máquina se usa para un trabajo específico a la mañana y para
uno diferente a la tarde. Representamos por e el número de veces que la máquina
falla en la mañana y en la tarde respectivamente. Supongamos que la tabla siguiente
es la distribución de probabilidades de la variable bidimensional discreta

a) Calcular
b) ¿Cuál es la probabilidad que de la máquina fallé al menos una vez a la
mañana?
c) ¿Cuál es la probabilidad de la máquina falle 2 veces a la tarde?
 EJEMPLO

a) Calcular
b) ¿Cuál es la probabilidad que de la máquina fallé al menos una vez a la
mañana?
c) ¿Cuál es la probabilidad de la máquina falle 2 veces a la tarde?

a)

b)

c)
 MARGINALES

Sea discreta y sea la función de probabilidad conjunta.

La función de probabilidad marginal de :

La función de probabilidad marginal de :

 EJEMPLO

Hallar las funciones de probabilidad marginal del ejemplo

anterior.
 VARIABLES INDEPENDIENTES

Sea una variable aleatoria bidimensional discreta. Sea su fdp

conjunta y y las correspondientes funciones de probabilidad

marginales de e . Decimos que e son variables aleatorias

independientes si y sólo si
 EJEMPLO

Decidir si las variables del ejemplo son independientes

p ( 0 , 0 )=0 ,1 𝑝 𝑋 ( 0 ) ∙ 𝑝 𝑌 ( 0 )=0 , 2∙ 0 ,5=0 ,1 → p ( 0 , 0 )=𝑝 𝑋 ( 0 ) ∙ 𝑝 𝑌 ( 0 )

p ( 0 , 1 )=0 , 04 𝑝 𝑋 ( 0 ) ∙𝑝 𝑌 ( 1 )=0 ,2 ∙ 0 , 2=0 , 04 → p ( 0 , 1 )=𝑝 𝑋 ( 0 ) ∙ 𝑝 𝑌 ( 1 )

p ( 0 , 2 )=0 , 06 𝑝 𝑋 ( 0 ) ∙𝑝 𝑌 ( 2 )=0 , 2∙ 0 ,3=0 , 06 → p ( 0 ,2 ) =𝑝 𝑋 ( 0 ) ∙ 𝑝 𝑌 ( 2 )

 EJEMPLO

p ( 1 ,0 )=0 , 2𝑝 𝑋 ( 1 ) ∙ 𝑝 𝑌 ( 0 )=0 , 4 ∙ 0 ,5=0 ,2 → p ( 1 , 0 )=𝑝 𝑋 ( 1 ) ∙ 𝑝 𝑌 ( 0 )

p ( 1 ,1 ) =0 , 08 𝑝 𝑋 (1 ) ∙ 𝑝 𝑌 ( 1 )=0 , 4 ∙ 0 , 2=0 , 08 → p ( 1 ,1 ) =𝑝 𝑋 ( 1 ) ∙ 𝑝𝑌 ( 1 )
p ( 1 ,2 ) =0 ,12 𝑝 𝑋 ( 1 ) ∙𝑝 𝑌 ( 2 )=0 , 4 ∙ 0 ,3=0 ,12 → p ( 1 , 2 )=𝑝 𝑋 ( 1 ) ∙ 𝑝 𝑌 ( 2 )
p ( 2 , 0 )=0 , 2 𝑝 𝑋 ( 2 ) ∙𝑝 𝑌 ( 0 ) =0 , 4 ∙ 0 , 5=0 , 2→ p ( 2 , 0 ) =𝑝 𝑋 ( 2 ) ∙𝑝 𝑌 ( 0 )
p ( 2 ,1 ) =0 ,08 𝑝 𝑋 ( 2 ) ∙ 𝑝 𝑌 (1 )=0 , 4 ∙ 0 , 2=0 , 08 → p ( 2 , 1 )=𝑝 𝑋 ( 2 ) ∙𝑝 𝑌 ( 1 )
p ( 2 , 2 )=0 ,12 𝑝 𝑋 ( 2 ) ∙ 𝑝 𝑌 ( 2 ) =0 , 4 ∙ 0 , 3=0 , 12→ p ( 2 ,2 )=𝑝 𝑋 ( 2 ) ∙ 𝑝 𝑌 ( 2 )

Por lo tanto e son variables independientes

 DISTRIBUCIONES CONDICIONALES

Sean e variables aleatorias conjuntas discretas, con una función

de probabilidad puntual . Sea la función de probabilidad
marginal de .
La función puntual de probabilidad condicional de dado es:
 DISTRIBUCIONES CONDICIONALES
EJEMPLO
Las imperfecciones de control de calidad de entrepaños de madera consisten en
contar el número de imperfecciones en la superficie de cada entrepaño. En uno de
éstos, de 2x8 pies, es el número de imperfecciones en la superficie provocadas por
una aplicación desigual de la última capa del material de acabado e representa el
número de imperfecciones en la superficie debidas a la inclusión de partículas
externas en el acabado. A continuación se presenta la distribución de probabilidades
de las variable aleatoria
 DISTRIBUCIONES CONDICIONALES
EJEMPLO
Calcular la distribución de probabilidad condicional de
sabiendo que hay una imperfección en la superficie provocada
por una aplicación desigual de la última capa del material de
acabado.
 DISTRIBUCIONES CONDICIONALES
EJEMPLO
Calcular la distribución de probabilidad condicional de
sabiendo que hay una imperfección en la superficie provocada
por una aplicación desigual de la última capa del material de
acabado.

𝑝 ( 1 , 0 ) 0 ,05 𝑝 ( 1 , 1 ) 0 , 15 𝑝 ( 1 , 2 ) 0 , 05
= =0 , 2 = =0 ,6 = =0 , 2
𝑝 𝑋 ( 1) 0 ,25 𝑝 𝑋 ( 1 ) 0 , 25 𝑝 𝑋 ( 1) 0 , 25
 ESPERANZA DE UNA FUNCIÓN DE
VARIABLE ALEATORIA BIDIMENSIONAL

Teorema: Sea una variable aleatoria discreta bidimensional y

sea una variable aleatoria que es función de . Entonces:

Donde es el rango de la variable y su fpd asociada

 ESPERANZA DE UNA FUNCIÓN DE
VARIABLE ALEATORIA BIDIMENSIONAL

Corolario: Sean e dos variables aleatorias arbitrarias.

Entonces:
 COVARIANZA

Cuando dos variables aleatorias no son independientes, es útil

tener una medida de la intensidad de relación entre ellas. La
covarianza representa una medida de la relación lineal que existe
entre ellas, cuando dichas variables están conjuntamente
distribuidas.

Sean e variables aleatorias con medias y . La covarianza de e

es:
 COVARIANZA
EJEMPLO
Las imperfecciones de control de calidad de entrepaños de madera consisten en
contar el número de imperfecciones en la superficie de cada entrepaño. En uno de
éstos, de 2x8 pies, es el número de imperfecciones en la superficie provocadas por
una aplicación desigual de la última capa del material de acabado e representa el
número de imperfecciones en la superficie debidas a la inclusión de partículas
externas en el acabado. A continuación se presenta la distribución de probabilidades
de las variable aleatoria , calcular la covarianza.
EJEMPLO
 CORRELACIÓN

Sean e variables aleatorias conjuntamente distribuidas con

desviaciones estándar y La correlación entre e se denota como
y está dada por:

Para cualesquiera dos variables aleatorias e :

 COVARIANZA, CORRELACIÓN E
INDEPENDENCIA

• Si , entonces se dice que y no están correlacionadas.

• Si e son independientes, entonces e no están
correlacionadas.
• Matemáticamente es posible que e no estén correlacionadas
ni sean independientes . Esto es poco común en la práctica