DISTRIBUCIONES BIDIMENSIONALES

Es de inters considerar experimentos aleatorios a los cuales se les asignan dos

variables aleatorias de entrada, relacionadas o no, que permiten definir las
Distribuciones de Probabilidad Bidimensionales o Bivariadas
Variable Aleatoria Bidimensional
Definicin: Sea S el espacio muestral asociado a un experimento aleatorio dado.
Sean X = X(s) y Y = Y(s) dos funciones que asignan un nmero real a cada
resultado sS. Llamaremos a (X,Y) variable aleatoria bidimensional vab-.
Simblicamente tenemos
Observaciones
1. Interesan ms que la naturaleza de las funciones X y Y los valores que asumen
as:
(X[s], Y[s]) (X,Y)
2. El recorrido de la v a b (X,Y) es R
2
3. P (X[s] a, Y[s] b) P (X a, Y b)
4. (X,Y) es

'

n u m e r a b l e n o i n f i n i t o e s R s i c o n t i n u a b a v
n u m e r a b l e e s R s i d i s c r e t a b a v
(X,Y) puede ser vab mixta, o sea, continua y discreta por tramos.
Funcin De Probabilidad Conjunta Bivariada
Definicin: La funcin que asocia a cada resultado (X, Y) R
2
un numero
real f(x,y) se denomina funcin de probabilidad conjunta bivariada si:
1. f(x,y) 0 para todo (x,y)
2

2. 1 =
( ) ( )
( ) ( )

'

c o n t i n u a e s Y X , s i d x d y y x , f
d i s c r e t a e s Y X , s i y , x f
1 i 1 j
j i
Observaciones
- El volumen acotado por la superficie z = f(x,y) y la regin R vale 1
- La proyeccin de z = f(x,y) sobre el plano x,y es la regin dominio R
2

donde f(x, y)>0 as es claro que
0

'

R y ) ( x , s i y ) f ( x , =
R y ) ( x , s i y ) f ( x , <
Ejemplo
Si f(x, y) es una fdp divariada definida positivamente para todo
(x,y)R=[5,10]X[4,9] en la figura siguiente, Halle c y P(XY).

) , ( y x f dxdy = 1 entonces

9
4
10
5
dxdy c = 1 C =
25
1

P(XY) =
25
1


9
5
y
5
dxdy
25
1


9
5
9
x
dydx
=
25
1
( )

9
5
5 y dy
25
1
( )

9
5
x 9 dx
=
25
1

9
5
2
5y
2
y
1
]
1

25
1

9
5
2
2
x
9x
1
]
1

P(X Y ) =
25
8

Obteniendo el mismo resultado.
Funcin De Probabilidad Acumulativa Bidimensional
Sea (X,Y) una v a b con fdp f(x,y), entonces su funcin de distribucin acumulada
es:
F (X,Y) = P (Xx, Yy)
Observacin
Asi como
( )
dx
x dF
= f(x) para X v a c unidimensional se tiene que
( )
y x
y x, F
2

=
f(x,y) donde quiera que F(x,y) es diferenciable.
Distribucin Uniforme Bivariada
Decimos que (X,Y) v a b se distribuye uniformemente en R
2
si
f(x,y) =

'

R y ) ( x , s i 0
R y ) ( x , s i
K
1


Es claro que: K es el nmero finito de puntos de R si (X, Y) es una v a b discreta
K es el inverso del rea finita de la regin R si (X, Y) es una vab
continua
Ejercicio
Sea R = {(x,y) : 0 x 1 x
2
y x } si f(x,y) es una fdp uniforme
bidimensional definida en R. Halle f y pruebe que:
a.

1
0
y) f(x, dy = g(x) = 6 (x-x
2
), 0 x 1
b.

1
0
y) f(x, dx = h(y) = 6 (
y
- y ), 0 y 1
Cmo es la grfica de f, g y h?
Funcin De Probabilidad Marginal
En el ejercicio anterior a g(x) y h(y) se les denomina fdp marginales de las vac
unidimensionales X y Y, diremos en general que si f(x,y) es la fdp conjunta de una
vac bibimensional (x,y) entonces
g(x) =

y) f(x, dy y h(y) =

y) f(x, dx
son la fdp marginales de las va unidimensionales x y y.
Asi P (c x d) = P (c x d, - Y )
=

d
c
y) f(x, dydx =

d
c
g(x) dx
Ejercicio
Sea f(x,y) = 2 (x+y-2xy) 0 x 1, 0 y 1. Halle las fdp marginales de las
vac X y Y, y pruebe que son fdp.
En efecto
1 dy h(y) dx g(x)
1
0
1
0


Ejercicio
Sea f(x,y) = x
2
+
3
xy
0 x 1, 0 y 2.
Grafique la regin R donde f es positiva, demuestre que f es una fdp, pruebe que
P (X + Y 1) =
72
65
y halle las fdp marginales de X y Y.
Funciones De Probabilidad Condicional
Sea (X,Y) una v a b c con una fdp conjunta f. Sean g(x) y h(y) las fdp marginales
de las v a c X y Y entonces las fdp condicionales de X dado Y = y, y de Y dado
X = x
Son
g(x/y) =
h(y)
y) f(x,
, h(y) > 0
h(y/x) =
g(x)
y) f(x,
, g(x) > 0
Observe que:
1.

g(x/y) dx =

h(y/x) dy = 1
es decir g y h marginales son fdp.
2. g(x/y) es la intercepcin de f con el plano Y=C. Observe que la grfica siguiente
Funciones De Probabilidad Bivariada Discreta
Basta, por analoga sustituir, en las definiciones del caso bidimensional continuo
las integrales por sumatorias.
Ejemplo
Supngase una fdp conjunta bivariada que asume valores de probabilidad
conjunta segn la siguiente tabla:
X1=2 X2=3 X3=4 X4=5 X5=6
Y1=2 1 2 3 0 1 7
Y2=3 4 1 4 2 0 11
Y3=4 3 2 1 0 1 7
8 5 8 2 2 25
Podemos calcular algunas probabilidades as:
a) P (X = Y) = f(x1,y1) + f(x2, y2) + f(x3, y3) =
25
3
b) P (X 3, Y 3) =

2
1 i
2
1 j
j i
25
8
) y , f(x
c) P (X Y) =

j i
y x
j i
25
12
) y , f(x
d) P (X = 3) = P (X = 3 ; Y = 2,3,4) =
25
5
Es decir g(xi ) = P (X = xi, Y = y1,y2,,yk)
g(xi ) =

1 j
j i
) y , f(x
h(yj ) =

1 i
j i
) y , f(x
De nuevo g y h son las fdp marginales de X y Y respectivamente
g (x / Y = 3) =
h(3)
f(x,3)
=
( ) 0 , 2 , 4 , 1 , 4
11
1
Aqu g (x / 1) es la probabilidad condicional de X dado Y = 1.
Anlogamente: h (y / X = 4) =
g(4)
y) f(4,
=
1
1
1
]
1

1
4
3
8
1
Ejercicio
Calcular en la misma tabla g (x / Y = 4) y h (y / X = 5)
Variables Aleatorias Independientes
Sea ( X, Y) una vab las siguientes son afirmaciones equivalentes:
X es independiente de y sii f(x, y) = g (x) h(y)

h(y) x) / h(y sii
g(x) / y) g(x sii

, 0
h ( y )
g ( x )
>

Observe que
Ejercicio
Asignar en la siguiente tabla probabilidades conjuntas f(x, y) de forma que X y Y
sean variables aleatorias independientes
y X 7 8 9
3 40
5 60
40 20
Ejercicio
Supngase que f(x, y) = 8xy, para 0 x y 1 son X y Y variables aleatorias
independientes?.
Covarianza
Sea X, Y una v a b con rango R
2
y fdp conjunta f(x, y), con E (X) = x y
E (Y) = y
Definimos la covarianza de las v a X y Y asi:
C (X, Y) = xy

= E [ (X - x) (Y - y) ] o sea
xy

=
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )

'



R
Y X
R
Y X
v a b c e s Y X , s i y x , f - y - x
v a b d e s Y X , s i y x , f y x
Observaciones
1) Las propiedades de operador lineal de la esperanza E permiten una definicin
alternativa para xy

, veamos:
xy

= E [ (X - x) (Y - y) ]
= E [XY - Xy - Yx + xy ]
= E (XY) - yx - xy + xy , asi:
C (X, Y) = E (XY) - xy
2) C (X, Y) es la medida de la relacion lineal entre las v a X y Y , en efecto
Si C (X, Y) > 0 entonces
(X - x) > 0 (Y - y) > 0 (X - x) < 0 (Y - y) < 0.
Que corresponde a la grafica lineal (1) de pendiente positiva
Puede ser tambin, C (X, Y) < 0, o sea
(X - x) > 0 (Y - y) < 0 (X - x) < 0 (Y - y) < 0.
que corresponde a la lnea de pendiente negativa, grafica (2)
Tambin puede ser C (X, Y) = 0 para distribuciones simtricas respecto al punto (

x,

y) como en las graficas (3) y (4)

Correlacin
Sean X y Y dos v a de forma que se pueden calcular V(X), V(Y) y C(X, Y).
Definimos el coeficiente de correlacin de las v a X y Y como
Corr (X, Y) = XY = =
Y X
XY

Como se puede observar en la definicin la correlacin permite escalar la

covarianza en unidades de la desviacin estndar de cada variable, precisando la
comparacin de la linealidad para v a de unidades distintas.
Para a,b,c y d constantes reales, a y c con el mismo signo, se puede probar
mediante las propiedades de la esperanza, la varianza y la covarianza que:
a) Corr (aX + b, cY + d) = Corr (X, Y). Es decir que el coeficiente de correlacin
es invariante ante un cambio de origen y escala de las variables aleatorias.
b) Para dos v a X y Y cualquiera
-1 Corr (X, Y) 1
es decir que la fuerza de la linealidad entre las v a X y Y se mueve entre -1 y 1 y
definimos el siguiente criterio.
Criterio De Correlacin Lineal
Diremos que la relacin lineal entre las v a X y Y es:
Inexistente si XY

= 0
Dbil si 0 < XY

0.5
Moderada si 0.5 < XY

< 0.8
Fuerte si 0.8 XY

Observaciones.
La relacin entre dos variables X y Y no est completamente explicada por
Corr(X,Y), solo su relacin lineal.
Si X y Y son independientes entonces la independencia implica que XY = 0. Pero
XY = 0 no implica que X y Y sean independientes
XY = t 1 sii Y = aX + b a y b reales a 0, o sea, todos los puntos estn sobre la
recta.
Ejemplo
Sea f( X, Y) =
4
1
( X, Y) =
( )
( )
( )
( )

'

2 2
2 2
1 4
1 4
,
,
,
,
y sea f(x,y)=
12
1
, (x,y) Z
2
x
2
+y
2
=25
Observe que E(X) = E(Y) = C(X, Y) = 0. pero X y Y no son independientes. X no se
relaciona linealmente con Y
Cmo es la simetra respecto a (

x,

y)?
En estos caso por la simetra XY = 0 pero no se puede afirmar que X y Y sean
independientes, solo que no estn relacionadas linealmente.
PROBLEMAS SELECCIONADOS
1. Una pareja se cita entre las 7 y las 8 de la tarde y llegan a la cita con
distribucin uniforme en dicho intervalo. Deciden esperarse un mximo de 15
minutos. Calcular la probabilidad de que se encuentren.
2. La variable bidimensional (x, y) tiene como funcin de densidad
y) (x
e y) f(x,
+
en el primer cuadrante; f(x, y)=0 en los otros tres. Si se toman
al azar tres puntos en el primer cuadrante calcular la probabilidad de que uno
al menos pertenezca al cuadrado
( ) 1 y 1;0 x 0
.
3. El tiempo total que un camin permanece en un almacn est definido por una
variable aleatoria x. Sea y la variable tiempo de espera en la cola, y z el tiempo
de descarga (x = y + z). La distribucin conjunta de x e y es:

'

<

c a s o o t r o e n 0
x y 0 e
4
1
y ) f ( x ,
2 x
Se pide:
a. Calcular el tiempo medio total que permanece un camin en la estacin.
b. Calcular el tiempo medio de descarga.
c. Calcular el coeficiente de correlacin entre el tiempo total y el tiempo de
espera en la cola.
4. Una mquina de empacado automtico deposita en cada paquete 81.5g, por
trmino medio, de cierto producto, con =8g. El peso medio del paquete vaco
es 14.5g, con =6g. Ambas distribuciones son normales e independientes. Se
pide:
a. Calcular la distribucin del peso de los paquetes llenos.
b. Escribir la distribucin conjunta del peso del paquete y el producto que
contiene.
5. En el problema anterior los paquetes se distribuyen en cajas de 40, cuyo peso
medio vacas es 520g, con =50g. Calcular:
a. La distribucin del peso de las cajas llenas.
b. La probabilidad de que un cajn vaco pese menos que 5 paquetes llenos.
6. Una lnea elctrica se avera cuando la tensin sobrepasa la capacidad de la
lnea. Si la tensin es N(100, 20) y la capacidad N(140, 10), calcular la
probabilidad de avera. Suponiendo que la tensin y la capacidad varan
independientemente.
7. Dada f(x, y)=3x (0<y<x; 0<x<1), obtener las distribuciones marginales y la
condicionada f(x/y).
8. La funcin de probabilidad de (x, y) es p(x,y)=1/30 para x=0, 1, 2, 3, 4, 5 e y=0,
1, 2, 3, 4; p(x,y)=0 en puntos distintos de los anteriores. Calcular la funcin de
distribucin en los puntos de la recta x-2y+2=0.
9. En un aparato de control actan dos variables x1, x2 independientes, ambas
con distribucin uniforme, la primera entre 1 y 9, la segunda entre 1 y a. El
aparato funciona bien cuando x1<4x2
2
. Calcular el valor de a para que
p(x1>4x2
2
) 0.01.
10. Se toman tres mediciones independientes y1, y2, y3 de la tensin en un circuito
con tres aparatos, cuyas varianzas son 1, 2 y 3. SDe forman dos ndices del
circuito por:
3 2 1 2
3 2 1 1
y
3
1
y
3
1
y
3
1
z
5y 2y 3y z
+ +
+ +
Calcular el coeficiente de correlacin entre z1 y z2.