UNIDAD V

FUNCIONES DE VARIABLES
ALEATORIAS
Profesor
Abraham Gmez Avalos
1
VARIABLES ALEATORIAS CONJUNTAS
Existen problemas en los que deben estudiarse
simultneamente dos o ms variables. Por ejemplo, si
nos interesas el rendimiento de un circuito integrado;
tenemos que considerar cmo afecta la temperatura en
donde se encuentra, los componentes que estn
conectados a l y la constitucin fsico-qumica de ste?
entre otras variables.
2
Para el curso estudiaremos variables aleatorias
bidimensionales o bivariadas de los tipos discreto y
continuo, es decir veremos el clculo de probabilidades,
valor esperado y varianza con dos variables. Con los
cuales realizaremos el anlisis de regresin y correlacin
entre variables, es decir; encontraremos si entre dos
variables existe o no una relacin y en su caso que tan
fuerte o dbil es.
VARIABLES ALEATORIAS CONJUNTAS
Definicin

a) (X,Y) es una VARIABLE ALEATORIA BIDIMENSIONAL
DISCRETA, si los valores posibles de (X, Y) se pueden
representar como: (x
i
,y
j
), i=1,2,3,,n; j=1,2,3,,m

b) (X,Y) es una VARIABLE ALEATORIA BIDIMENSIONAL
CONTINUA, s (X,Y) puede tomar todos los valores en
un conjunto no numerable del plano cartesiano. Es
decir toma todos los valores en el rectngulo {(x,y) |
axb, cyd} o en cualquier otra regin en la que
no se pueden listar todos los valores de X y Y.
3
VARIABLE ALEATORIA CONJUNTA DISCRETA
EJEMPLO DE V.A. CONJUNTA DISCRETA
Supongamos que cierta empresa desea seleccionar de
entre sus departamentos de produccin, control de
calidad y ventas a dos personas para enviarlas a un
curso de capacitacin. El departamento de produccin
propone a tres personas, el departamento de C.C.
propone a dos personas y el departamento de ventas
propone a una persona. Obtengamos algunos valores de
la variable aleatoria conjunta:
Denotemos con:
X: El nmero de personas seleccionadas para
asistir al curso por parte de C.C.
X:0,1,2
Y: El nmero de personas seleccionadas para
asistir al curso por parte de produccin.
Y: 0,1,2
La variable aleatoria toma los valores: (0,1), (1,1), (1,0),
(2,0) y (0,2)
4
VARIABLES ALEATORIAS CONJUNTAS
DISTRIBUCIN DE PROBABILIDAD CONJUNTA PARA LA
V.A. (X,Y) DISCRETA.

Definicin
Sean X y Y dos variables aleatorias discretas, la
distribucin de probabilidad conjunta para la V.A. (X,Y)
esta dada por P(x,y)=P(X=x,Y=y).
Definida para todos los nmeros reales x, y,
cumpliendo las siguientes condiciones:
1) P(x,y) 0 para toda (x,y)
2) P(x,y)=1

Regresemos al ejemplo para obtener la distribucin de
probabilidad conjunta.
5
El total de personas es 6=3+2+1 y
nicamente se pueden elegir a 2
personas, para definir la distribucin de
probabilidad conjunta (X,Y) los posibles
resultados sern las intersecciones de
las columnas X y los renglones Y y en
cada cuadro de interseccin
colocaremos la probabilidad que
corresponda al valor (x,y).

Aunque no aparece el rea de ventas,
est considerada en forma implcita, ya
que cuando se elige una sola persona
de los departamentos de produccin o
de C.C. entonces la que se elegir en
segundo lugar es la persona de ventas.
X\Y 0 1 2
0
1
2
6
EJEMPLO DE V.A. CONJUNTA DISCRETA (CONT.)
Calculemos las probabilidades:
X\Y 0 1 2
0 0 3/15 3/15
1 2/15 6/15 0
2 1/15 0 0
Y los eventos imposibles:
P(X=1,Y=2)=0 P(X=2,Y=1)=0
P(X=2,Y=2)=0 P(X=0,Y=0)=0
15
1
) 0 , 2 ( ) 0 , 2 (
15
6
) 1 , 1 ( ) 1 , 1 (
15
2
) 0 , 1 ( ) 0 , 1 (
15
3
) 2 , 0 ( ) 2 , 0 (
15
3
) 1 , 0 ( ) 1 , 0 (
6
2
1
0
3
0
2
2
6
2
1
0
3
1
2
1
6
2
1
1
3
0
2
1
6
2
1
0
3
2
2
0
6
2
1
1
3
1
2
0
= = = = =
= = = = =
= = = = =
= = = = =
= = = = =
C
C C C
P Y X P
C
C C C
P Y X P
C
C C C
P Y X P
C
C C C
P Y X P
C
C C C
P Y X P
As que la distribucin de
probabilidad conjunta es:
7
EJEMPLO DE V.A. CONJUNTA DISCRETA (CONT.)
FUNCIN DE DISTRIBUCIN ACUMULADA
BIVARIADA DISCRETA.

DEFINICIN
Funcin de distribucin acumulada bivariada F(a,b) para
cualquier V.A. bivariada (X,Y) se define como:

= =
= s s =
a
x
b
y
y x P b Y a X P b a F ) , ( ) , ( ) , (
8
EJEMPLO DE V.A. CONJUNTA DISCRETA
Las bandejas de plstico rectangulares para un disco compacto
tienen especificaciones de longitud y de ancho. Sea X: la
longitud y Y: el ancho, cada una se mide al milmetro ms
cercano, de una bandeja seleccionada aleatoriamente.
Los valores posibles de X son 129, 130 y 131; y los valores
posibles para Y son 15 y 16. Tanto X como Y son V.A. discretas
por lo que (X,Y) es una V.A. conjunta discreta. A continuacin
se muestra la distribucin de probabilidad conjunta.
X Y P(x,y)
129 15 0.12
129 16 0.08
130 15 0.42
130 16 0.28
131 15 0.06
131 16 0.04
1. Calcular la probabilidad de
que la bandeja tenga una
longitud de 129 mm.
2. Determinar P(Y=16).
3. Calcular F(130,16)
1. P(X=129)=0.20, 2. P(Y=16)=0.4, 3. F(130,16)=0.90
9
EJERCICIO DE V.A. CONJUNTA DISCRETA
Un software puede hacer llamadas a dos subrutinas A y B, en
una ejecucin elegida aleatoriamente, X es el nmero de
llamadas hechas a la subrutina A y Y representa las
llamadas a la subrutina B. La distribucin de probabilidad
conjunta de (X,Y) est dada por la siguiente tabla:



a) Calcular P(X=1,Y=2).
b) Calcular F(2,1).
c) Determine la probabilidad de que el software llame en dos
o menos ocasin a la subrutina A y mximo en dos
ocasiones a la subrutina B.
d) Determine la probabilidad de que al menos llame en dos
ocasiones a la subrutina A y en dos veces a la subrutina B.
Y
X 1 2 3
1 0.15 0.10 0.10
2 0.10 0.20 0.15
3 0.05 0.05 0.10
a) 0.1, b) 0.25, c) F(2,2)=0.55, d) P(X>=2, Y=2)=0.25
10
DISTRIBUCIN DE PROBABILIDAD MARGINAL DE
X y Y
DEFINICIN
Sea (X,Y) V.A. discreta bivariada con distribucin de
probabilidad P(x,y)=P(X=x,Y=y), se definen las
funciones de probabilidad marginal de X y de Y
respectivamente, como:





Donde las sumatorias se toman sobre todos los valores
posibles de y y de x respectivamente.
= = =
= = =
x
j j j Y
y
i i i X
y x P y Y P y P
y x P x X P x P
) , ( ) ( ) (
) , ( ) ( ) (
11
EJEMPLO DE PROBABILIDAD MARGINAL
Sea X: el nmero de automviles y Y: el nmero de camiones
que pasan por cierta caseta de cobro en un minuto. La
distribucin de probabilidad conjunta de (X,Y) est dada por:

Y
X 0 1 2
0 0.10 0.05 0.05
1 0.10 0.10 0.05
2 0.05 0.20 0.10
3 0.05 0.05 0.10
Obtener las
probabilidades
marginales para X y Y
Y
X 0 1 2
Px(x)
0 0.10 0.05 0.05 0.20
1 0.10 0.10 0.05 0.25
2 0.05 0.20 0.10 0.35
3 0.05 0.05 0.10 0.20
PY(y)
0.30 0.40 0.30
12
Supongamos que cierta empresa desea seleccionar de
entre sus departamentos de produccin, control de
calidad y ventas a dos personas para enviarlas a un
curso de capacitacin. El departamento de produccin
propone a tres personas, el departamento de C.C.
propone a dos personas y el departamento de ventas
propone a una persona. Se presenta la distribucin de
probabilidad conjunta de (X,Y)







Encontrar las probabilidades marginales para X y Y.
X\Y 0 1 2
0 0 3/15 3/15
1 2/15 6/15 0
2 1/15 0 0
EJERCICIO DE PROBABILIDAD MARGINAL
X\Y 0 1 2 P
X
(x)
0 0 3/15 3/15 6/15
1 2/15 6/15 0 8/15
2 1/15 0 0 1/15
P
Y
(y) 3/15 9/15 3/15
13
FUNCIN DE PROBABILIDAD CONDICIONAL

DEFINICIN
Sea (X,Y) V.A. discreta bivariada, la funcin de
probabilidad condicional de que X=x
i
dado que Y=y
j

es:



La funcin de probabilidad condicional de que Y=y
j

dado que X=x
i
es:

,... 2 , 1 ,
) (
) , (
) ( = = j i
y P
y x P
y x P
j Y
j i
j i
,... 2 , 1 ,
) (
) , (
) ( = = j i
x P
y x P
x y P
i X
j i
i j
14
EJEMPLO DE PROBABILIDAD CONDICIONAL
Sea X: el nmero de automviles y Y: el nmero de camiones
que pasan por cierta caseta de cobro en un minuto. La
distribucin de probabilidad conjunta de (X,Y) est dada por:

Y
X 0 1 2
0 0.10 0.05 0.05
1 0.10 0.10 0.05
2 0.05 0.20 0.10
3 0.05 0.05 0.10
a) Calcular la probabilidad
de que pasen por cierta
caseta de cobro dos
automviles, dado que ya
ha pasado un camin.
b) Cul es la probabilidad
de que pasen dos
camiones, dado que ya
pasaron 3 autos?
a) P(X=2 / Y=1)=0.5, b) P(Y=2 / X=3)=0.5
15
VARIABLES ALEATORIAS INDEPENDIENTES

DEFINICIN
Sea (X,Y) V.A. bidimensional discreta, decimos que X
y Y son variables aleatorias independientes si y
slo s,
P(X=x
i
, Y=y
j
)=P(x
i
,y
j
)= P
X
(x
i
)P
Y
(y
j
)
Para toda i, j.

Observacin:
X y Y son variables aleatorias independientes si el
resultado de X de ninguna manera influye en el
resultado de Y y viceversa.
16
RELACIN ENTRE VARIABLES ALEATORIAS
INDEPENDIENTES

TEOREMA
Sea (X,Y) V.A. bidimensional discreta, entonces X y Y son
independientes si y slo s,
P(x
i
| y
j
)=P
X
(x
i
)
Para toda i, j.

Equivalentemente
P(y
j
|x
i
)=P
Y
(y
j
)
Para toda i, j.
17
EJEMPLO DE VARIABLES ALEATORIAS
INDEPENDIENTES
Suponga que una mquina se usa para un proceso de
produccin en el primer turno y para otro proceso de
produccin en el segundo turno. Si X: representa el nmero de
veces que la mquina falla en el primer turno y Y: representa el
nmero de veces que la mquina falla en el segundo turno. La
siguiente tabla muestra la distribucin de probabilidad conjunta
de la variable aleatoria (X,Y).
X
Y 0 1 2 3
0 0.08 0.07 0.04 0.00
1 0.06 0.15 0.05 0.04
2 0.05 0.04 0.10 0.06
3 0.00 0.03 0.04 0.07
4 0.00 0.01 0.05 0.06
Son X y Y variables
aleatorias
independientes?
No lo son, porque en particular P
X
(X=0)P
Y
(Y=2)=0.04750.05= P(X=0, Y=2)
18
EJERCICIO DE V.A. INDEPENDIENTES
Los dos tipos ms comunes de errores de los programadores
son los de sintaxis y de lgica. En el caso de un lenguaje
sencillo, como C++, suele ser bajo el nmero de dichos errores.
Sea X: el # de errores sintcticos y Y: el # de errores lgicos,
en la primera ejecucin de un programa escrito en C++. Sea la
distribucin de probabilidad conjunta de la variable aleatoria
(X,Y) la siguiente:
Y
X 0 1 2 3
0 0.4 0.1 0.02 0.005
1 0.3 0.04 0.01 0.004
2 0.04 0.01 0.009 0.003
3 0.009 0.008 0.007 0.003
4 0.008 0.007 0.005 0.002
5 0.005 0.002 0.002 0.001
Son X y Y variables
aleatorias
independientes?
No lo son, porque en particular
P
X
(X=1)P
Y
(Y=3)=0.0064 0.004= P(X=1, Y=3)
19
VALOR ESPERADO DE (X,Y)

DEFINICIN
Dada la V.A. bidimensional discreta (X,Y), con funcin de
distribucin de probabilidad P(X=x
i
,Y=y
j
)
Se llama valor esperado de (X,Y) al calculado por



Propiedades:
Si X y Y son variables aleatorias independientes entonces:
=
x y
y x xyP Y X E ) , ( ) , (
= =
=
y
Y
x
X
y yP Y E x xP X E donde
Y E X E Y X E
) ( ) ( , ) ( ) (
) ( ) ( ) , (
20
RECORDATORIO

VARIANZA DE CADA V.A.

=
=
=
=
) ( ) (
)] ( [ ) ( ) (
) ( ) (
)] ( [ ) ( ) (
2 2
2 2
2 2
2 2
y P y Y E donde
Y E Y E Y V
x P x X E donde
X E X E X V
21
EJERCICIO DE VALOR ESPERADO Y VARIANZAS
Suponga que una mquina se usa para un proceso de
produccin en el primer turno y para otro proceso de
produccin en el segundo turno. Si X: representa el nmero de
veces que la mquina falla en el primer turno y Y: representa el
nmero de veces que la mquina falla en el segundo turno. La
siguiente tabla muestra la distribucin de probabilidad conjunta
de la variable aleatoria (X,Y).
X
Y 0 1 2 3
0 0.08 0.07 0.04 0.00
1 0.06 0.15 0.05 0.04
2 0.05 0.04 0.10 0.06
3 0.00 0.03 0.04 0.07
4 0.00 0.01 0.05 0.06
1. Calcular el valor
esperado para la
variable aleatoria (X,Y),
para X y para Y e
interprete los resultados
de los valores esperados
de X y Y.
2. Determine los valores
de las varianzas para X
y Y.
1.- E(X,Y)= 3.18, E(X)= 1.55 la maquina en el 1er turno falla ms de una vez,
E(Y)= 1.7 la maquina falla casi dos vez en el segundo turno, 2.- V(X)=
3.49, V(Y)= 4.48
22
COEFICIENTE DE CORRELACIN Y COVARIANZA

Para saber si existe alguna relacin entre las variables X y
Y, como podra ser que cuando aumenta X aumenta Y o
en forma inversa aumenta una y la otra disminuye, o bien
no existe relacin entre ellas; utilizaremos la Covarianza y
el Coeficiente de Correlacin Lineal para determinar la
relacin entre las variables y su grado de interaccin.

DEFINICIN
La Covarianza se define como el valor esperado del
producto (X-
X
)(Y-
Y
) y se simboliza por Cov(X,Y).

Cov(X,Y) = E[(X-
X
)(Y-
Y
)]
23
Si la Cov(X,Y) es
positiva entonces los
valores de (X,Y) sern
ms frecuentes en el
primer y tercer
cuadrantes.
INTERPRETACIN DE LA COVARIANZA
TEOREMA
Dada la variable aleatoria conjunta (X,Y), la
covarianza de (X,Y) se calcula mediante
Cov(X,Y) = E(X,Y)- E(X)E(Y)

x
y
24
Si la Cov(X,Y) es
negativa es ms
probable que los puntos
de una muestra
aleatoria se encuentren
en el segundo y cuarto
cuadrantes.
INTERPRETACIN DE LA COVARIANZA
x
y
x
y
Si la Cov(X,Y) se
aproxima a 0, hay poca
tendencia a que valores
grandes de X se
equiparen con valores
pequeos o grandes de
Y.

25
EJEMPLO DE COVARIANZA
Las inspecciones de control de calidad de circuitos integrados
consisten en contar el nmero de imperfecciones que tiene
el circuito. Sea X: el # de imperfecciones de tipo elctrico
(constante dielctrica, resistividad, permisividad, etc.) y Y: el
# de imperfecciones de tipo fsicas (largo, ancho o espesor,
# de capas o ancho de lnea fuera de especificacin) que
aparecen en la superficie. La distribucin de probabilidad
conjunta de (X,Y) esta en la siguiente tabla:
Y
X 0 1 2
0 0.05 0.10 0.20
1 0.05 0.15 0.05
2 0.25 0.10 0.05
Determine si las variables
aleatorias X y Y estn
correlacionadas, usando la
covarianza.
Cov(X,Y)=-0.3475, como es negativa y cercana a cero; los valores de X no se equiparan con los de Y. Si
tuviramos los datos que generaron la distribucin de probabilidad y los graficamos, se vera como la tercera
grfica.
26
COEFICIENTE DE CORRELACIN

Como se pudo observar, utilizando la covarianza no se
tiene gran informacin sobre la relacin entre las
variables, entonces aplicaremos el concepto llamado
Coeficiente de Correlacin (que es una versin ajustada
de la covarianza)
xy
. El cual esta definido por:




Donde:
Y X
XY
Y X Cov
o o

) , (
=
) (
) (
Y V
X V
Y
X
=
=
o
o
27
COEFICIENTE DE CORRELACIN

CARACTERSTICAS DEL COEFICIENTE DE CORRELACIN:
-1
xy
1
Si
xy
= 0 se dice que no hay una relacin lineal entre
X y Y o bien X y Y no estn correlacionadas. As X y Y
son V. A. independientes.
Si
xy
1 se dice que hay una fuerte relacin positiva
lineal entre X y Y, es decir; cuando X crece Y crece y
viceversa.
Si
xy
-1 se dice que hay una fuerte relacin
negativa lineal entre X y Y, es decir; cuando X crece Y
decrece y viceversa.
Si
xy
= 1 Caso ideal de correlacin entre X y Y.
28
EJEMPLO DE CORRELACIN
Con el ejemplo de las inspecciones de control de calidad de
circuitos integrados ... Calcule el coeficiente de correlacin e
interprete el resultado, para indicar si las variables son o no
independientes.
Y
X 0 1 2
0 0.05 0.10 0.20
1 0.05 0.15 0.05
2 0.25 0.10 0.05

XY
=-0.4995, con
x
=0.8646,
y
=0.8047 existe una correlacin media negativa
entre las variables, por lo tanto no son independientes las variables.
29
EJERCICIO DE COEFICIENTE DE CORRELACIN
La distribucin de probabilidad conjunta para las variables
aleatorias X y Y est dada en la siguiente tabla:
Calcule el coeficiente de correlacin y determine si X y Y son
independientes.

Y
X 0 1 2
0 1/18 1/9 1/6
1 1/9 1/18 1/9
2 1/6 1/6 1/18

XY
=-0.3209, correlacin media positiva, las variables son dependientes.
30
EJERCICIO DE COEFICIENTE DE CORRELACIN
Sea X: el nmero de automviles y Y: el nmero de camiones
que pasan por cierta caseta de cobro en un minuto. La
distribucin de probabilidad conjunta de (X,Y) est dada por:

Y
X 0 1 2
0 0.10 0.05 0.05
1 0.10 0.10 0.05
2 0.05 0.20 0.10
3 0.05 0.05 0.10
Determine el coeficiente de
correlacin para indicar si
las variables son o no
independientes.
xy=0.2523 las variables son dependientes, aunque con un bajo grado.
31
FUNCIN DE DENSIDAD DE PROBABILIDAD CONJUNTA
PARA LA V.A. (X,Y) CONTINUA.

DEFINICIN
Sea la variable aleatoria bivariada continua (X,Y), que
toma todos los valores en una regin R del plano
euclidiano. La funcin de densidad de probabilidad
conjunta f(x,y) es la funcin que satisface las
siguientes condiciones:

1) f(x,y) 0 para toda (x,y)
2)
R
f(x,y)dxdy=1
32
VARIABLE ALEATORIA CONJUNTA CONTINUA
DEFINICIN (CONT.)
Convenimos que f(x,y)=0 si (x,y) e R, as que la condicin
2) se convierte en:




Y en particular si R= A ={(x,y)| a x b, c y d}

= 1 ) , ( dxdy y x f
= =
b
a
d
c
d
c
b
a
dydx y x f dxdy y x f A P ) , ( ) , ( ) (
33
VARIABLE ALEATORIA CONJUNTA CONTINUA
DEFINICIN
Si (X,Y) es una V.A. continua bivariada con funcin de
densidad f(x,y), la funcin de distribucin acumulativa
bivariada es:



DEFINICIN
Si (X,Y) es una V.A. bidimensional continua con funcin de
densidad de probabilidad conjunta f(x,y), las funciones
de densidad marginal para X y Y respectivamente son:


=
a b
dydx y x f b a F ) , ( ) , (
34
} }

= = dx y x f y h dy y x f x g ) , ( ) ( ) , ( ) (
VARIABLE ALEATORIA CONJUNTA CONTINUA
FUNCIONES DE DENSIDAD MARGINALES PARA LA V.A.
(X,Y) (CONT.)

OBSERVACIONES:

=
=
1 ) (
1 ) (
dy y h
dx x g
0 ) (
0 ) (
>
>
y h
x g
35
EJEMPLO DE UNA V.A. CONTINUA CONJUNTA
En un individuo sano con edad entre 20 y 29 aos, el valor
del calcio en la sangre X usualmente se ubica entre 8.5 y
10.5 miligramos por decilitros (mg/dl) y el de colesterol Y
entre 120 y 240 mg/dl. Suponga que en personas sanas
de ese grupo de edad, la variable aleatoria (X,Y) tiene la
funcin de densidad de probabilidad:
f(x,y)= c 8.5x10.5 120y240
a) Determine el valor de c para que la funcin sea de
densidad de probabilidad.
b) Calcular la probabilidad de que un individuo tenga el valor
del calcio entre 9 y 10 mg/dl y el colesterol entre 125 y 140.
c) Determine las funciones de densidad marginales continuas.
d) Determine la funcin de densidad acumulada y calcule
F(9,210).
a) c=1/240, b) 0.0625, c) g(x)=1/2, h(y)=1/120 en el intervalo resp. d) F(a,b)=(b-120)(a-8.5)/240 =0.1875
36
EJERCICIO DE UNA V.A. CONTINUA CONJUNTA
La siguiente funcin describe un modelo del movimiento de
una computadora mvil. Supngase que sta se mueve
dentro de una regin A delimitada por el eje X, la recta x=1 y
la recta y=x de tal forma que si (x,y) representa la posicin
de la computadora en determinado momento, la funcin de
densidad conjunta de (X,Y) esta dada por:
b) 0.375, c) g(x)=4x^3, 0=<x=<1, h(y)=4y^3, 0=<y=<1
a) Comprobar que la funcin es de densidad de probabilidad
conjunta.
b) Calcular P(x>0.5, y<0.5)
c) Determine las funciones de densidad marginal de X y Y.

e
e
=
A y x
A y x xy
y x f
) , ( 0
) , ( 8
) , (
37
DEFINICIN
Sea (X,Y) una V.A. bidimensional continua, con funcin de
densidad de probabilidad conjunta f(x,y). Sea g(x) y
h(y) las funciones de densidad marginales de X y Y
respectivamente.
La funcin de densidad de probabilidad condicional de y
dado que X=x, es:

FUNCIN DE DENSIDAD DE PROBABILIDAD
CONDICIONAL CONJUNTA

= = s

=
=
y
dt
x g
t x f
x X y Y P
x X g
y x f
x y h
) (
) , (
) (
) (
) , (
) (
38
DEFINICIN (CONT.)
La funcin de densidad de probabilidad condicional de x
dado que Y=y, es:

}

= = s

=
=
x
dt
y h
y t f
y Y x X P
y Y h
y x f
y x g
) (
) , (
) (
) (
) , (
) (
39
FUNCIN DE DENSIDAD DE PROBABILIDAD
CONDICIONAL CONJUNTA
Tomando el ejercicio, del modelo del movimiento de una
computadora mvil con la funcin de densidad conjunta de
(X,Y) dada por:
a) 0.25, b) 0.3906
a) Calcular la probabilidad de que la computadora se encuentre
en una posicin vertical menor o igual a 0.2 dado que se
encuentra en una posicin horizontal igual a 0.4.
b) Calcular P(x0.5 | y=0.8)

e
e
=
A y x
A y x xy
y x f
) , ( 0
) , ( 8
) , (
EJEMPLO DE FUNCIN DE DENSIDAD DE
PROBABILIDAD CONDICIONAL CONJUNTA
40
DEFINICIN
Sea (X,Y) una V.A. bidimensional continua, decimos que X
y Y son V.A. independientes si y slo si
f(x,y)=g(x)h(y)
Para toda (x,y), en donde esta definida la funcin de
densidad de probabilidad conjunta f(x,y).

TEOREMA
Sea (X,Y) una V.A. bidimensional continua entonces X y Y
son independientes si y slo si
g(x|y)=g(x) o h(y|x)=h(y)
Para todo (x,y)
VARIABLES ALEATORIAS INDEPENDIENTES
41
Para una copiadora, sea la variable aleatoria X que denota el
tiempo hasta la falla de un componente, en horas, y sea Y
que representa el tiempo hasta la falla de un componente
de repuesto, en horas. Cada variable mide el tiempo
hasta una falla a partir de un tiempo inicial comn. Sea la
funcin de densidad de probabilidad conjunta de (X,Y):


Para x0 y y0. Demuestre que X y Y son variables
aleatorias independientes.
EJEMPLO DE VARIABLES ALEATORIAS INDEPENDIENTES
y x
e y x f
002 . 0 001 . 0 6
10 2 ) , (

=
g(x)=0.001exp(-0.001x), h(y)=0.002exp(-0.002y) por lo que son variables independientes.
42
Sea la funcin de densidad de probabilidad conjunta
f(x,y)=1/6(x+y) con 1x2 y 4y5
Determine si X y Y son variables aleatorias independientes.
g(x)=1/6(x+9/2), h(y)=1/6(3/2+y), f(x,y)=1/6(x+y) por lo que no son variables independientes.
EJERCICIO DE VARIABLES ALEATORIAS
INDEPENDIENTES
43
DEFINICIN
Sea (X,Y) una V.A. bidimensional continua, se define el
valor esperado o esperanza matemtica de la V.A.
(X,Y) como:



Y los valores esperados para X y Y se definen por:
VALOR ESPERADO PARA UNA V.A. CONJUNTA
CONTINUA

= dydx y x f xy Y X E ) , ( ) , (

=
=
dxdy y x f y Y E
dxdy y x f x X E
) , ( ) (
) , ( ) (
44
DEFINICIN
Sea (X,Y) una V.A. bidimensional continua, se define la
varianza para las variables aleatorias X y Y como:




Donde
VARIANZA Y DESVIACIN ESTNDAR DE
VARIABLES ALEATORIAS CONTINUAS
2 2
2 2
)) ( ( ) ( ) (
)) ( ( ) ( ) (
Y E Y E Y V
X E X E X V
=
=
} }
} }

=
=
dxdy y x f y Y E
dxdy y x f x X E
) , ( ) (
) , ( ) (
2 2
2 2
45
) (
) (
Y V
X V
Y
X
=
=
o
o
COEFICIENTE DE CORRELACIN PARA VARIABLES
ALEATORIAS CONTINUAS CONJUNTAS

Tambin para las variables aleatorias continuas conjuntas
se requiere de conocer la relacin y el grado de
independencia entre las variables, por lo que el
Coeficiente de Correlacin
xy
se define como:




Teorema
Si X y Y son variables aleatorias independientes, entonces

Y X Y X
XY
Y E X E Y X E Y X Cov
o o o o

) ( ) ( ) , ( ) , (
= =
46
0 ) , ( = =
XY
Y X Cov
Dada la siguiente funcin de densidad de probabilidad
conjunta para la variable aleatoria (X,Y) continua.




Determine si las variables aleatorias X y Y son
independientes calculando el
XY
.
EJEMPLO DE COEFICIENTE DE CORRELACIN
E(X,Y)=32/9, E(X)=4/3, E(Y)=8/3,
Cov(X,Y)=
XY
=0 por lo que son variables
independientes.
4 0 , 2 0
16
1
) , ( < < < < = y x xy y x f
47
Suponga que (X,Y) es una variable aleatoria continua
conjunta con funcin de densidad de probabilidad






Determine la relacin y grado de independencia entre las
variables aleatorias X y Y, calculando el coeficiente de
correlacin.
E(X)=1/4 E(Y)=1/4, E(X,Y)=1/20, E(X
2
)=1/10, E(Y
2
)=1/10,

XY
=-1/3 por lo que no son variables independientes.
EJERCICIO DE COEFICIENTE DE CORRELACIN

< < < <