UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

ASIGNATURA
: ESTADISTICA APLICADA I
PROFESORES
: ILMER CONDOR
PERIODO ACADEMICO : 2005 I

GUIA DE CLASE N 6
VARIABLES ALEATORIAS BIDIMENSIONALES
Introduccin
El uso de una variable nos permite hablar de la demanda de un producto (digamos latas de
esprragos). Podemos pensar en la demanda que esperamos que ocurra el prximo mes, de su
variabilidad, etc.; podemos hablar tambin de la oferta de dicho producto en el mercado
europeo.
El conocimiento que tenemos de las variables hasta ahora, no nos permite hablar de la
relacin que hay entre la oferta y la demanda de esprragos en el mercado europeo; es decir,
de cmo es uno respecto al otro, de su variabilidad conjunta, de su comportamiento (su
distribucin), etc.
Al estudiar este tipo de relacin podremos producir ms esprragos, slo si la probabilidad
de la demanda sea mayor que la oferta; es decir, si X representa la demanda y Y representa la
oferta, se producir ms latas de conservas de esprragos siempre que P(X > Y).
Este tipo de problema es lo que queremos estudiar a continuacin.
DEFINICIN
Sea un experimento aleatorio y el espacio muestral asociado a . Sean tambin X = X(s)
y Y = Y(s) dos funciones que asignan un nmero real a cada resultado s del experimento,
contenido en el espacio muestral; es decir, para cada s S existe un nmero real x para el
cual x = X(s) y tambin un nmero real y tal que y = Y(s). Bajo estas consideraciones
diremos que (X, Y) recibe el nombre de variable aleatoria bidimensional.
En la siguiente figura se muestra lo que queremos decir.
X

Ilmer Cndor

X=X(s)

Y=Y(s)

Pgina 1 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Observaciones:

su espacio rango; mientras

con su espacio rango.

a) X es una v.a. X tomar los valores x1, x2, ... xn con

que la v.a. Y tomar los valores y , y2, ... , ym
b) El espacio rango de (X, Y),

( X ,Y )

es un conjunto formado por pares ordenados

del plano cartesiano.

Tipos de Variable Aleatoria
Una variable aleatoria bidimensional (X, Y) puede ser Discreta o Continua.
VARIABLE ALEATORIA BIDIMENSIONAL DISCRETA
Diremos que (X, Y) es una variable aleatoria bidimensional discreta si el conjunto de los
valores posibles de la variable es finito o numerablemente infinito. Este conjunto, llamado
espacio rango

( X ,Y )

es un conjunto reticular.

. . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . .

( X ,Y )

Los valores posibles de (X, Y) pueden ser representados como pares ordenados (xi, yj) para i
= 1, 2, ..., n, ... y j = 1, 2, ..., m, ...

DISTRIBUCION DE PROBABILIDAD PARA (X, Y)

DEFINICIN
Sea (X, Y) una variable aleatoria bidimensional discreta, con

( X ,Y )

su espacio rango. Si

p(xi, yj) es una funcin tal que a cada par (xi, yj) le asigna el nmero real P(X = xi, Y = yj)
diremos entonces que p(xi, yj) es funcin de probabilidad conjunta de (X, Y), siempre que
cumpla las siguientes condiciones:
i)
ii)

p(xi, yj) 0 (xi, yj)

p( x , y
i

( X ,Y )

) 1

i 0 j 0

Observaciones
Ilmer Cndor

Pgina 2 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

1.

p(xi, yj) = P(X = xi, Y = yj) es la probabilidad de que ocurra el evento

compuesto { X = xi , Y = yj } i = 1, 2, 3, ..., n, ... ; j = 1, 2, 3, ..., m, ...
2.
p(x, y) es conocida tambin como la distribucin conjunta de probabilidades
de (X, Y)
3.
Si (X, Y) es una variable aleatoria bidimensional, diremos que F es la funcin
de DISTRIBUCION ACUMULADA de (X, Y) y se define por
F(x, y) = P(X y, Y y) =

p( x , y

x
i

y j y

En otras palabras, se suma todos los p(x, y) mientras se cumple X x, Y y.

4.

La grfica de la funcin de probabilidad de (X, Y), se muestra en la siguiente

figura. Como en este caso el espacio rango es un espacio reticulado, el valor de
probabilidad para un valor de la variable ser una barra perpendicular en el nodo
correspondiente, como se puede apreciar.
Y

( X ,Y )
y1

p(x3,y1)

. . .
. . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . .

Figura 85

x3

5.

La suma de todos los p(x, y) x y y, debe ser igual a 1. Observe tambin

que puede sumar cada fila y colocar el resultado en la ltima columna, pero de la misma
fila; o por el contrario, puede sumar cada columna y obtener el resultado en la ltima fila
disponible.

Y X
y1
y2
....
....
ym

x1

x2

x3

...

xn

p(x3,y2)

Ejemplo 1
Si se lanza al aire dos dados y definimos a X como El nmero obtenido con el primer dado
y definimos a Y como El nmero obtenido con el segundo dado, obtenga la distribucin de
probabilidad de la variable aleatoria (X, Y).
Solucin
Sea X: ........................................................... Valores de X: .......................................................
Sea Y: ........................................................... Valores de Y: .......................................................
Cmo define a (X, Y)?: ..............................................................................................................
Ilmer Cndor

Pgina 3 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Cul es el espacio rango de (X, Y)? : ........................................................................................

Qu significa p(1,1) = P(X = 1, Y = 1)?. A qu es igual p(1,1)? = .........................
Encuentre p(1,2) = ............ p(1,3) = ............
p(3, 4) = ............
p(6,3) = .............
Construya la tabla de distribucin para esta variable (X, Y) como se muestra lneas arriba.
Ejemplo 2
Se lanza una moneda tres veces. Sea X la variable aleatoria definida como el nmero de caras
obtenidas en los dos primeros lanzamientos y sea Y la variable definida como el nmero de
caras obtenidas en los dos ltimos lanzamientos. Obtenga la distribucin de probabilidad de
la variable aleatoria (X, Y).
Solucin
Sea X: ...................................................
Sea Y: ...................................................
Espacio rango de (X, Y): ................................................
Obtenga las siguientes probabilidades:
p(0,0) = P(X = 0, Y = 0) =P(SSS) = .............
p(1,0) = P(X = 1, Y = 0) =P(CSS) = .............
p(2,0) = P(X = 2, Y = 0) =P(CCS) = .............
p(0,1) = P(X = 0, Y = 1) =P(SSC) = .............
p(1,1) = P(X = 1, Y = 1) =P(SCS,
) = .........
p(1,2) = P(X = 1, Y = 2) =P(SCC) = .............
p(0,2) = P(X = 0, Y = 2) =P(SCC) = .............
p(1,2) = P(X = 1, Y = 2) =P(SCC) = .............
p(2,2) = P(X = 2, Y = 2) =P(
) = .............

Y X

0
1
2

Ejercicio 1
En un grupo de 6 ejecutivos de cierta empresa, 3 son economistas, 2 son abogados y uno es
ingeniero. Se debe seleccionar al azar a dos de estos ejecutivos para un ascenso. Sea X el
nmero de economistas e Y el nmero de abogados seleccionados. Obtener la distribucin de
probabilidad de X e Y.
Ejercicio 2
Una urna contiene tres bolas numeradas: 1, 2, 3, respectivamente. De esta urna se extrae
exactamente dos bolas, una a una y sin reemplazo. Sea X el nmero de que muestra la
primera bola extrada e Y, el nmero que muestra la segunda bola extrada. Hallar la
distribucin de probabilidad de (X, Y).
Ejercicio 3
Suponga que tres objetos no diferenciables se distribuyen al azar en tres celdas numeradas.
Sea X el nmero de celdas vacas e Y el nmero de objetos colocados en la primera celda.
Obtenga la distribucin de probabilidad de X e Y.
Ejemplo 3
Se elige uno de los nmeros enteros: 1, 2, 3, 4, 5. Despus de eliminar todos los enteros (si
los hubiera) menores que el elegido, se elige uno de los restantes. Sean X e Y los nmeros
obtenidos en la primera y segunda eleccin, respectivamente. Obtenga la distribucin de
probabilidad de X e Y.
Solucin

Ilmer Cndor

Pgina 4 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Sea X: ................................................................ Valores de X: .............................................

Sea Y: ................................................................ Valores de Y: .............................................
Rango de (X, Y): ............................................. .............................................
p(1, 1) es la probabilidad de elegir el 1 la primera vez y 1 la segunda vez. La probabilidad de
elegir 1 la primera es 1/5. Cuntos quedan despus de eliminar los menores a 1? .............
Cul es la probabilidad de elegir 1 la segunda vez? ..........
Luego p(1,1) = P(X=0, Y=0) = ............
p(1, 2) es la probabilidad de elegir 1 la primera vez y 2 la segunda; p(1, 2) = ........
p(1, 3) es la probabilidad de elegir 1 la primera vez y 3 la segunda; p(1, 2) = ........
p(2, 1) es la probabilidad de elegir 2 la primera vez y 1 la segunda. Si en la primera se elige
2, cuntos se elimina? ........ Cuntos quedan? .............................. p(2,1) = ....................
Complete la distribucin usando el mismo razonamiento.

X Y
1
2
3
4
5

3
1

Ejercicio 4
Se extraen al azar dos naipes sin reemplazo de una baraja de 52 naipes. Sea X el nmero de
ases e Y el nmero de espadas que aparecen. Obtenga p(x, y).
Ejercicio 5
En una urna hay 3 bolas negras y 7 bolas blancas. Se selecciona al azar dos bolas de la urna,
sin reemplazo. Sea X el nmero de bolas negras extradas, e Y el nmero de blancas. Obtener
la distribucin de probabilidad de X e Y.
Ejercicio 6
Cul es la probabilidad de obtener C y un nmero menor que 4 en el ejercicio 01?
Ejercicio 7
En el ejemplo 2, cul es la probabilidad de obtener ms caras en las dos primeras que en las
dos ltimas?. Cul es la probabilidad de obtener a lo ms, una cara en los dos primeros
lanzamientos y por lo menos una cara en los dos ltimos lanzamientos?
Ejercicio 8
Una tienda comercial tiene dos vendedores: Tuco y Tico. En ella se han vendido hasta dos
televisores por da. Sea X el nmero de televisores vendidos en un da por Tuco, e Y el
nmero de televisores vendidos en un da por Tico
a)
Obtenga el rango de la variable aleatoria (X, Y)
b)
Si se sabe que la distribucin conjunta de X e Y est dada por la siguiente tabla
Y 0
1
2
X
Ilmer Cndor

Pgina 5 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

0
1/16
1/16 1/8
1
1/8
1/8
1 /4
2
1/8
1/16 1/16
b.1 Hallar la probabilidad de que cada vendedor venda a lo ms, un televisor
b.2 Hallara la probabilidad de que Isabel venda ms televisores que Miguel

DISTRIBUCIONES MARGINALES
DEFINICIN
Sea (X, Y) una variable aleatoria bidimensional discreta con p(x i, yj) su funcin de
probabilidad conjunta, donde i = 1, 2, 3, ..., n y
j = 1, 2, 3, ..., m. Diremos que p(xi) es la
Distribucin de Probabilidad Marginal de X si p(xi) viene definida por
j m

p(xi) =

p( x , y
i

j)

j 1

, i = 1, 2, 3, , n

Del mismo modo, diremos que q(yj) es la Funcin de Probabilidad Marginal de Y si q(yj)
viene definida por
i n

q(yj) =

p( x , y
i

j)

, j = 1, 2, 3, ..., m

i 1

Observaciones
1.

Tomando en cuenta la siguiente tabla, la Distribucin de probabilidad

Marginal de X, p(x), la obtendremos en la ltima fila en el cuadro de distribucin de
probabilidad conjunta.
Igualmente, la Distribucin de probabilidad Marginal de Y estar ubicada en la ltima
columna de la misma.

Y X
x1

x2

x3

...

q ( y1 )

y1
p(x3,y2)

y2

q( y2 )

q( ym )

ym

p( x , y )
i

iin1

p( x , y )
i

i n

p( x , y
i

m)

i 1

p(x)

j m

q ( x2 )

j 1

Ilmer Cndor

in

i 1

....
....

Marginal de X

Marginal de Y

q(y)

xn

j m

p( x1 , y j )

q ( xn )

p( x , y )
n

j 1

Pgina 6 de 29

UNIVERSIDAD DE LIMA
2.

ESCUELA DE NEGOCIOS

La suma de todos los valores de p(xi) es 1, con i = 1, 2, 3, ..., n. Igualmente si

sumamos todos los valores de q(yj) , esto ser igual a 1, con j = 1, 2, 3, ..., m.

Ejemplo 4
Encuentre las distribuciones marginales de X e Y, del Ejercicio 3.
Solucin
Puesto que la distribucin de probabilidades conjunta de (X, Y) viene dada por

Y X
0
1
Marginal de X

2
3
p(x)

6/27

2/27

6/27

6/27

6/27

1/27

6/27

18/27

q(y)
8/27
12/27

Marginal de Y

6/27

3/27 1/27

Entonces
La distribucin Marginal de X es:
Si X = 0 entonces p(0) = p(0, 1) + p(0, 2) + p(0, 3) = 6/27
Si X = 1 entonces p(1) = p(1, 1) + p(1, 2) + p(1, 3) = 18/27
Si X = 2 entonces p(0) = p(2, 1) + p(2, 2) + p(2, 3) = 3/27
Por lo que la funcin marginal de X, dado en forma tabular, es
X
p(x)

6/27 18/27

3/27

Esta misma distribucin se aprecia en la ltima fila del cuadro de distribucin conjunta.
La distribucin Marginal de Y es:
Si Y = 0 entonces q(0) = q(0, 0) + q(1, 0) + q(2, 0) = 8/27
Si Y = 1 entonces q(1) = q(0, 1) + q(1, 1) + q(2, 1) = 12/27
Si Y = 2 entonces q(2) = q(0, 2) + q(1, 2) + q(2, 2) = 6/27
Si Y = 3 entonces q(3) = q(0, 3) + q(1, 3) + q(2, 3) = 1/27
Por lo que la funcin marginal de X, dado en forma tabular, es
Esta misma distribucin se aprecia en la ltima columna del cuadro de distribucin conjunta.
Y
q (y)
Ilmer Cndor

8/27 12/27

2
6/27

3
1/27

Pgina 7 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Ejemplo 5
La distribucin de probabilidad conjunta de la variable aleatoria (X, Y), est definida por
p ( x, y )

a)
b)
c)

x y
,
32

x = 1, 2;

y = 1, 2, 3, 4

Hallar la distribucin de probabilidad marginal de X

Hallar la distribucin de probabilidad marginal de Y
Encuentre las distribuciones condicionales de X, dado Y = 2 e Y, dado X = 1

Solucin
Sugerencia: Complete la siguiente tabla dando valores a X e Y, y reemplazando en p(x, y). A
continuacin sume hacia la derecha y tendr la distribucin de X; del mismo modo, sumando
hacia abajo tendr la distribucin de Y.
Y 1

X
1
2

.
Y

Algebraicamente:
a)

p(x) = p(x,1) + p(x, 2) + p(x, 3) + p(x, 4) =

b)

p(y) = p(1,y) + p(2, y) =

4 x 10
, x = 1, 2
32

3 2y
, y = 1, 2, 3, 4.
32

Ejercicio 9
Una compaa clasificadora de riesgo ha estimado una funcin de probabilidad conjunta para
las variables aleatorias: Rentabilidad (X) y Riesgo (Y), referidas a una accin comn de la
Compaa AB Hosting S.A., que cotiza en la Bolsa de Lima. Se pide determinar si se debe
invertir en esta accin, teniendo como regla de decisin que se invertir, slo en el caso de
que la rentabilidad promedio sea mayor al riesgo promedio. La funcin de probabilidad
conjunta de (X, Y), se define como
p ( x, y )

x 2y
,
18

x = 1, 2;

y = 1, 2

Ejercicio 10
Cierto supermercado tiene una caja de salida comn y una caja rpida. Sea X el nmero de
clientes que estn en espera en la caja comn en un momento particular del da; y sea Y el
nmero de clientes en espera en la caja rpida al mismo tiempo. Suponga que la distribucin
de probabilidad conjunta de X e Y se indica en la siguiente tabla:
Y 0

X
Ilmer Cndor

Pgina 8 de 29

UNIVERSIDAD DE LIMA
0
1
2
3
4

0.08
0.06
0.05
0.00
0.00

ESCUELA DE NEGOCIOS
0.07
0.15
0.04
0.03
0.01

0.04
0.05
0.10
0.04
0.05

0.00
0.04
0.06
0.07
0.06

a) Cul es la probabilidad de que haya igual nmero de clientes en las dos lneas?
b) Cul es la probabilidad de que haya por lo menos dos clientes ms en una lnea de
espera que en la otra?
c) Cul es la probabilidad de que el nmero de clientes de las dos lneas de espera sea
por lo menos cuatro?
d) Si hay dos clientes que estn en espera en la caja rpida, cul es la probabilidad de
que hay menos de dos clientes en la caja comn?
e) Cree Ud. que existe independencia entre X e Y?
VARIABLE ALEATORIA BIDIMENSIONAL CONTINUA
DEFINICIN
Sea (X, Y) una variable aleatoria bidimensional continua, con

( X ,Y )

R su espacio

rango. Diremos que f(x, y) es una funcin de densidad de probabilidad conjunta de (X, Y)
siempre que f cumpla las siguientes condiciones:
ii)
iii)

f(x , y) 0 (xi, yj)

( X ,Y )

f ( x, y ) dydx 1

Observaciones

1) De manera simplificada fdpc significar funcin de densidad de probabilidad conjunta.

( X ,Y )

Figura 86

Ilmer Cndor

Pgina 9 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

2) Sin duda el intervalo al que correspondan X e Y sern - < X < + y - < Y < + . En
particular, X pertenecer al intervalo (a, b) tal que a X b. Del mismo modo, Y
pertenecer al intervalo (c, d) tal que c Y d. La grfica de la funcin f determina una
superficie en el espacio tridimensional, como se muestra en la figura anterior.
3) Si B = {(x, y)/a x b, c y d } es un evento en el espacio rango de (X, Y), la
probabilidad de que ocurra este evento, es igual a
P ( a X b, c Y d )

f ( x, y )dydx
a

4) P(a X b, c Y d) = P(a < X b, c < Y < d) = P(a < X < b, c < Y d)

b

5) Si matemticamente la probabilidad P(a X b) =

f ( x)dx ,

geomtricamente

representa el rea de una superficie sobre el plano cartesiano. En el caso bidimensional la

probabilidad P(a X b, c Y d) geomtricamente representa el volumen de una
superficie en el espacio, definida por la grfica de la curva f(x,y) y limitada por los
intervalos a X b , c Y d y en el plano XY, por la regin

( X ,Y )

6) El orden de integracin (dydx dxdy) lo determina Ud. , segn su dominio.

7) Distribucin Acumulada de una variable aleatoria bidimensional continua
Si (X, Y) es una variable aleatoria bidimensional continua con f(x, y) su funcin de
densidad de probabilidad conjunta, diremos que F(x, y) es su funcin de distribucin
acumulada si
x
y
F(x, y) = P( X x, Y y) = f ( s, t ) dsdt
Ejemplo 6
Sea (X, Y) una variable aleatoria bidimensional continua con funcin de densidad de
probabilidad conjunta definida por

c( 2 2) 0 x 1; 0 y 1
x y

f ( x, y )

c)
d)
e)

otros

Determine el valor de la constante c

Calcule P(X < 0.5, Y > 0.5)
Calcule P(Y < 0.5)

Solucin
Segn vemos, la definicin de f depende del valor de c. Esto es lo que debemos determinar
primero.
a)
Para hallar el valor de c, debemos usar la segunda condicin en la definicin; es
decir,
b)
c)

1 1

c( x
0 0

y )dydx 1 .

Efectuando la integracin obtenemos: c = .............

P(X < 0.5, Y > 0.5 ) = ...............................................

P(Y < 0.5) = P(- < X < + , Y > 0.5 ) = .........................................

Ejercicio 11
Ilmer Cndor

Pgina 10 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

El precio X de compra de un artculo en miles de dlares y el precio Y de venta del artculo,

varan de acuerdo a la siguiente funcin de densidad conjunta:

a)
b)
c)
d)

1 0 x 1; 0.5 y 1.5
f ( x, y )
otros
0

Hallar la probabilidad de que el precio de compra sea mayor que el precio de venta.
Hallar la probabilidad de que el precio de venta sea superior a 1000 dlares
Hallar P(X 1.2 / X < 0.3)
Hallar P( Y > 1.2 / X = 0.3)

DISTRIBCION MARGINAL
DEFINICIN
Sea (X, Y) una variable aleatoria bidimensional continua donde f es su funcin de densidad de
probabilidad conjunta. Diremos que g es la funcin de distribucin marginal de X y la

definiremos como g ( x ) f ( x, y ) dy
Del mismo modo, diremos que h es la funcin de distribucin marginal de Y y la definiremos

como h( y ) f ( x, y )dx

Observaciones
1)

Siendo g y h son funciones de distribucin de probabilidad, debe suponerse

que ambas satisfacen las condiciones para ser funciones de densidad de probabilidad; es
decir, g ( x)dx 1 y del mismo modo h( y ) dy 1

Ejemplo 7
Suponga que (X, Y) es una variable aleatoria bidimensional continua con funcin de
densidad de probabilidad conjunta dada por

x xy

f ( x, y )

0 X 1, 0 Y 2
otros

Calcule lo siguiente:
a)
P(X > )
b)
P( Y < X )
c)
P( Y < / X < )

Solucin
Una fugaz mirada por las preguntas planteadas nos sugiere que debemos encontrar ante todo,
las distribuciones marginales de X e Y, respectivamente.
Procedamos:
Marginal de X: Integramos a f respecto de y, en todo el recorrido de Y

Ilmer Cndor

Pgina 11 de 29

UNIVERSIDAD DE LIMA
g(x) =

( x
0

xy
3

ESCUELA DE NEGOCIOS

) dy x y

xy 2
6 0

............

Marginal de Y: Integramos a f respecto de x, en todo el recorrido de X

h(y) =

( x
0

xy
3

x y

3
6

) dx x

.............
0

Con esta informacin:

P(X > ) = 1 P(X ) =1 -

a)
b)

1/ 2

(2 x

2
3

x ) dx .................

P(Y < X ). Esto lo resolveremos usando la funcin de densidad conjunta. La

regin que define el espacio rango de (X, Y) se muestra en la figura del costado. Por ello
y de acuerdo al anlisis matemtico, la probabilidad pedida es
p(Y< X) =

c)

( x

xy
3

0 0

) dydx

(...........)dx
0

7
24

P(Y< / X < ) =
P ( X 1 / 2, Y 1 / 2)

P ( X 1 / 2)

y=x

1/ 2

1/ 2

( x
1/ 6

xy
3

)dydx

1/ 6

5
32

En a) encontramos P(X > ), por ello, P(X < ) = P(X ) = 1/6

Ejercicio 12
Dada la funcin de densidad conjunta de la variable aleatoria (X, Y),

6 x y
0 x2 ; 2 y4

f ( x, y ) 8
0
otros
a)
b)

Calcule P(X 1; Y > 3)

Obtenga la funcin de distribucin marginal de X y de Y

DISTRIBUCIONES CONDICIONALES
CASO DISCRETO: DEFINICIN
Sea (X, Y) una variable aleatoria bidimensional discreta, cuya funcin de probabilidad
conjunta es p(xi, yj). Sea p(xi) y q(yj) , i =1, 2, ..., n, ...; j = 1, 2, ..., m, ... , las distribuciones
de probabilidad marginal de X e Y, respectivamente.
Diremos que pX/Y(xi/Y = yj) es la funcin de probabilidad condicional de X, dado Y = yj, si
p X Y ( xi / Y y j )

p ( xi , y j )
q( y y j )

q ( y y j ) 0, i 1, 2, ..., n, ...

Del mismo modo, diremos que pY/X(yj/X = xi) es la funcin de probabilidad condicional de Y,
dado X = xi , si
pY X ( y j / X xi )

Ilmer Cndor

p( x i , y j )
p( X x i )

p( X x i ) 0, j 1, 2, ..., m, ...

Pgina 12 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Observaciones

1.

La notacin simplificada que usaremos es p(x/Y=y) para la funcin de

probabilidad condicional de X, dado Y, y q(y/X=x) para la funcin de probabilidad de Y,
dado X.
2.
Observe con cuidado la definicin: En el caso de p(x/y), el evento que ha
ocurrido es { y / Y = yj }; es decir, deberemos encontrar la funcin de probabilidad
condicional de X dado Y, para un valor particular de Y; mientras que en el caso de la
funcin de probabilidad de Y dado X, el evento que ha ocurrido es {x / X = xi }.
3.
Igualmente observe que las funciones de probabilidad se definen simplemente
como un cociente entre la conjunta y la probabilidad del evento que ha ocurrido.
4.
Por lo expuesto, para obtener una de las distribuciones condicionales debemos
usar el siguiente procedimiento:
i)
Paso 1: Disponer de, o calcular, la distribucin de probabilidad
conjunta
ii)
Paso 2: Obtener la(s) distribucin(es) marginal(es) respectiva(s)
iii)
Paso 3: Obtener la(s) distribucin(es) condicional(es) respectiva(s)
iv)
Paso 4: Dividir a cada la conjunta entre el valor de probabilidad
puntual de la marginal correspondiente.
Ejemplo 8
La funcin de probabilidad conjunta de (X, Y) est dada por
p ( x, y )

x y
, x = 0, 1, 2, 3 ; y = 0, 1
32

Encuentre las distribuciones condicionales X e Y, respectivamente.

Solucin
Segn el problema, p ( x, y )

x y
, x = 0, 1, 2, 3 ; y = 0, 1
32

Para obtener la distribucin de probabilidad condicional de X dado Y = 1, debemos encontrar

primero la distribucin marginal de Y, de ella extraemos q(y = 1).
Del mismo modo, para obtener la distribucin de probabilidad condicional de Y dado X = 2,
debemos encontrar primero la distribucin marginal de X, de ella extraemos p(x = 2).
En consecuencia debemos encontrar las dos distribuciones marginales y luego proceder a
encontrar la condicional respectiva.
2 x 1
,
32
14 4 y
,
Distribucin Marginal de Y: q( y )
32

Distribucin Marginal de X: p ( x)

x 0, 1, 2, 3
y 0, 1

Distribucin Condicional de X, dado Y = 1:

x 1
p( x / y 1) 32 ...........,
18
32

x 0 , 1 , 2 , 3 Hemos reemplazado y = 1 en q(y)

Distribucin Condicional de Y, dado X = 2:

Ilmer Cndor

Pgina 13 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

4 y
p ( y / x 2) 32 ............,
9
32

y 0 ,1

Hemos reemplazado x = 2 en p(x)

CASO CONTINUO: DEFINICIN

Sea (X, Y) una variable aleatoria bidimensional continua. Si f(x, y) es su funcin de densidad
conjunta, y g(x) y h(y) sus distribuciones marginales correspondientes, definimos con
gX/Y(x/y) o g(x/y) como la funcin de densidad condicional de X, dado Y = y, tal que
g ( x / y)

f ( x, y )
,
h( y )

h( y ) 0

Del mismo modo, diremos que hY/X(y/x) o h(y/x) es la funcin de densidad condicional de
Y, dado X, tal que
h( y / x )

f ( x, y )
,
h( y )

g ( x) 0

Observaciones
1.

Usaremos g(x/y) y h(y/x) para representar las funciones condicionales

respectivas.
2.
Para obtener dichas condicionales es suficiente dividir la distribucin conjunta
entre la distribucin marginal que le corresponda. Es decir, para g(x/y), es suficiente la
divisin de la conjunta f entre la marginal de Y, h(y). Del mismo modo, para obtener
h(y/x) es suficiente dividir la conjunta entre la marginal de X, g(x).
Sea (X, Y) una variable aleatoria bidimensional continua cuya funcin de densidad de
probabilidad conjunta viene dada por

xy
x , 0 x 1, 0 y 2
f ( x, y ) 3
0
otros

Ejemplo 9
Encuentre las distribuciones condicionales de X, dado Y as como la distribucin condicional
condicionadle Y, dado X.
Solucin
Puesto que las distribuciones condicionales provienen del cociente de las conjuntas entre las
marginales, debemos hallar primero las distribuciones marginales.
Distribucin Marginal de X:
Ilmer Cndor

Pgina 14 de 29

UNIVERSIDAD DE LIMA
g ( x)

( x
0

ESCUELA DE NEGOCIOS

xy
) dy 2 x
3

2
3

Distribucin Marginal de Y:
h( y )

( x
0

xy
1 1
)dx y
3
3 6

Obtencin de la Distribucin condicional de X, dado Y:

xy
f ( x, y ) x 3 6 x 2 xy
g ( x / y)

1 1
h( y )
2 y .
y
3 6

6x 2xy
, 0 x 1, 0 y 2

Luego g ( x / y) 2 y
0
otros

Obtencin de la Distribucin condicional de Y, dado X:

h( y / x )

f ( x, y )
3x y
..............................
.
g ( x)
6x 2

3x y
, 0 x 1, 0 y 2
Luego h( x / y) 6 x 2
0
otros

ESPERANZA CONDICIONAL
DEFINICION
Caso discreto:
Sea (X, Y) una variable aleatoria bidimensional discreta con p(xi, yj) , i = 1, 2, ..., n, ...; j = 1,
2, ..., m, ... su funcin de probabilidad conjunta. Sea p(xi) y q(yj) las funciones de distribucin
marginal de X e Y, respectivamente.
Diremos que E[X/Y = yj] es la esperanza condicional de X, dado Y = yj, tal que
E[ X / Y

x p( x
i 1

/Y

Del mismo modo, E[Y/X = xi] es la esperanza condicional de Y, dado X = xi, tal que
E[Y / X

x ] y
i

ji 1

q(

/X

x)
i

Ejemplo 10
Sea (X, Y) una variable aleatoria bidimensional discreta cuya funcin de probabilidad
conjunta es
p ( x, y )

2x y
,
63

x 1, 2, 3;

y 2, 3, 4

Obtener las esperanzas condicionales E[X/Y] y E[Y/X], para todos los valores de X e Y.

Ilmer Cndor

Pgina 15 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Solucin
Como para E[X/Y] se requiere la marginal de Y y la probabilidad condicional de X, dado Y,
as como para E[Y/X] se requiere la marginal de X y luego la probabilidad condicional de Y,
dado X, procederemos de manera ordenada:
6x 9
, x 1, 2, 3
63
12 3 y
, y 2, 3, 4
Distribucin Marginal de Y: q( y )
63

Distribucin Marginal de X: p( x)

Distribucin condicional de X, dado Y:

p ( x , y 2)
x 1
.........
, x 1, 2, 3
q (2)
9
p ( x, y 3)
2x 3
p ( x / Y 3)
.............
, x 1, 2, 3
q (3)
21
p ( x, y 4)
x2
p( x / Y 4)
...........
, x 1, 2, 3
q (4)
12

p ( x / Y 2)

Distribucin condicional de Y, dado X:

p ( x 1, y )
2 y
..............
, y 2, 3, 4
p (1)
15
p ( x 2, y )
4 y
p ( y / X 2)
...........
, y 2, 3, 4
p (2)
21
p ( x 3, y )
6 y
p( y / X 3)
..............
, y 2, 3, 4
p(3)
27
p ( y / X 1)

Con toda esta informacin:

3

E[ X / Y 2]

xp( x / y 2) 1
x 1
3

E[ X / Y 3]

23
43
6 3 46
2
3

21
21
21
21

xp( x / y 3) 1
x 1
3

E[ X / Y 4 ]

xp( x / y 4) 1
x 1

11
2 1
3 1 20
2
3

9
9
9
9

1 2
22
3 2 26
2
3

12
12
12
12

Igualmente
4

E[Y / X 1]

yq( y / x 1) 2
y 2

E[Y / X 2]

yq( y / x 2) 2
y2
4

E[Y / X 3]

22
23
2 4 47
3
4

15
15
15
15

yq( y / x 3) 2
y 2

42
43
4 4 65
3
4

21
21
21
21
62
63
6 4 83
3
4

27
27
27
27

Ejemplo 11
Si la distribucin de probabilidad conjunta Y\X 0
de
0 .020
(X, Y) viene dada por la siguiente tabla,
calcule
1 .015
a)
E[X]

.050

.070

.045

.106

.146

.140

2 .140

.126

.121

.021

Ilmer Cndor

p(x)

.175

.282

q(y)
.185
.407

.408
Pgina
16
de
29
.337
.206

UNIVERSIDAD DE LIMA
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)

ESCUELA DE NEGOCIOS

E[Y]
E[3X + 4Y]
E[Y]
V[Y]
E[XY]
P(X = 1 / Y = 1)
E[X / Y = 1]
E[2X + 1/ Y = 1]
E[2X + Y / Y = 1 ]
E[ XY / Y = 1]

Solucin
Aprovechando el cuadro ya hemos calculado las distribuciones marginales de X e Y.
a)
E[X] = .. = 1.574
b)
E[Y] = .. = 1.223
c)
Sea Z = 3X + 4Y. Si X , Y = 0, 1, 2, 3, 4 entonces Z = 0, 3, 4, 6, 7, 8, 9, 10, 13, 14;
con lo cual su distribucin ser
Z

10

11

13

14

17

p(z) .020 .050 .015 .070 .106 .140 .045 .146 .126 .140 .121 .021
Luego E[Z] = .. = 9.614
d)
e)
f)

E[Y] = 0() + 1(..) + 2() = 2.039

V[Y] = E[Y] (E[Y]) = = 0.543271
Antes de evaluar E[XY], encontremos la distribucin de XY. Para ello, sea Z = XY.
Los valores que toma Z son
0 = {(0,0), (1, 0), (2, 0), (3, 0), (0, 1), (0, 2)},
1 = {(1, 1) }
2 = {(1, 2), (2, 1) }
3 = {(3, 1)},
4 = {(2, 2) }
6 = {(3, 2) }
Luego su distribucin es
0

.340

.106

.272

..140

.121

.021

De acuerdo a esto, E[XY] = E[Z] =

P(X = 1 / Y = 1) =

P ( X 1, Y 1)
p (1,1) .106

0.2604
p (Y 1)
q (1)
.407
x 3

g)

E[X / Y = 1] =

xp( x / Y 1) 0
x 0

p (0,1)
p (1,1)
p ( 2,1)
p (3,1)
1
2
3
2.0098
q (1)
q (1)
q (1)
q (1)

h)

E[2X + 1 / Y = 1 ]
Aplicando propiedades, E[2X + 1/Y= 1]= 2 E[X / Y = 1] + 1 = ..= 5.0196
i)
E[2X + Y / Y = 1]. Como ya ha ocurrido el evento { Y = 1 } entonces ya se conoce el
valor de Y, por ello E[2X + Y / Y = 1] = E[2X + 1 / Y = 1] = 5.0196
j)
Igualmente, E[XY / Y = 1 ] = E[X(1) / Y = 1] = E[X / Y = 1 ] =

Caso continuo:

Ilmer Cndor

Pgina 17 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Sea (X, Y) una variable aleatoria bidimensional continua con f su funcin de densidad de
probabilidad conjunta y sean tambin g(x) y h(y) las funciones de densidad marginales de X
e Y, respectivamente.
Diremos que E[X/Y] es la esperanza condicional de X, dado Y tal que

E[ X / Y ]
xg ( x / y ) dx

Del mismo modo, E[Y/X] es la esperanza condicional de Y, dado X tal que

E[Y / X ]
yh ( y / x ) dy

Ejemplo 12
Sea (X, Y) una variable aleatoria bidimensional continua cuya funcin de densidad de
probabilidad conjunta viene dada por

1 2
(3x 2 y) 0 x 1, 0 y 2
f ( x, y ) 6
0
otros

a)
b)

Encuentre E[X/Y = ]
Evale P(Y < / X = )

Solucin
Encontraremos primero las marginales y luego las condicionales.
6x2 4
6
1
1 2y
h( y ) 16 (3 x 2 2 y ) dx
0
6

Marginal de X: g ( x)

1
0 6

Marginal de Y:

(3 x 2 2 y ) dy

Distribucin condicional de X, dado Y: g ( x / y )

f ( x, y )
3x 2 2 y
............
h( y )
1 2y

Distribucin condicional de X, dado Y: h( y / x)

f ( x, y )
3x 2 2 y
..........
g ( x)
6x2 4

Respondiendo a las preguntas:

1

b) P(X < / Y = ] =

3x 3 x
dx .........
11

a) E[X/Y 12 ] 0xg(x/y 12 )dx 0

P( X 2 , Y 2)

h(Y 12 )
1

f ( x, y 12 )
1 2( 1 2 )

dx ................

5
96

Ejercicio 13
A continuacin se presenta la fdpc de la vabc (X, Y).

y 0 x 1 ; 0 y 2
f ( x, y ) x 3
0
otros
Ilmer Cndor

Pgina 18 de 29

UNIVERSIDAD DE LIMA
a)
b)
c)
d)
e)

ESCUELA DE NEGOCIOS

Hallar la fdp condicional de X, dado Y = y

Calcule P(X < 0.5 / Y = 1)
Hallar la fdp condicional de Y, dado X = x
Calcule P(Y > 1 / X = 0.25)
Calcule E(Y/X = x)
E( Y / X = 0.25 )

INDEPENDENCIA DE VARIABLES
DEFINCIN
Sea (X, Y) una variable aleatoria bidimensional. Diremos que X e Y son variables aleatorias
independientes si
a) Caso discreto: Si distribucin condicional es igual a la marginal de la variable
p(xi, / Y = yj) = p(xi) para todo i = 1, 2, ....., n ; j = 1, 2, ...... m
o
p(yj / X = xi,) = q(yj) para todo i = 1, 2, ....., n ; j = 1, 2, ...... m
b) Caso continuo: Si la distribucin condicional es igual a la marginal de la variable
f(x / Y = y) = g(x)
f(y / X = x ) = h(y)
Teorema
Las variables X e Y son independientes si y slo si la distribucin conjunta es igual al
producto de sus distribuciones marginales; es decir,
Caso discreto : p(xi, , yj) = p(xi) q(yj); para todo i = 1, 2, ....., n ; j = 1, 2, ...... m
Caso continuo: f(x, y) = g(x) h(y) para todo (x, y) en el espacio rango de (X, Y).
Teorema
Si X e Y son dos variables aleatorias independientes entonces
a)
E(XY) = E(X)E(Y)
b)
V(X Y) = V(X) + V(Y)
Ejemplo 13
Las variables aleatorias X e Y representan las proporciones de los mercados correspondientes
a dos productos distintos fabricados por la misma compaa y cuya funcin de densidad de
probabilidad conjunta est dada por

a)
b)

x y 0 x 1; 0 y 1
f ( x, y )
otros
0

Son independientes las variables X e Y? Justifique su respuesta

Si la produccin del mercado del producto X es de 20%(x = 0.2), obtenga la
funcin de densidad condicional de Y

Solucin

Ilmer Cndor

Pgina 19 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

a) Marginal de X: g(x) = .......................... h(y) = .............................

g(x)h(y) = .......................
Son independientes X e Y? ........................
b)
Qu es lo se nos est pidiendo? ...................................
Luego h(...../ X = ......) =

f ( x 0.2, y )
....................
g ( x 0.2)

Ejercicio 14
SEARS es una empresa de grandes almacenes. Cada semana, almacena miles de toneladas de
productos enlatados y despus los vende a ciertas empresas minoristas. Sea X la cantidad
almacenada (en miles de toneladas) del producto al inicio de la semana(X vara de semana en
semana). Sea Y la cantidad (en miles de toneladas) que se vende durante la semana. Si
tenemos la siguiente fdpc

a)
b)

3x 0 y x 1
f ( x, y )
0 otros

Calcular la probabilidad de que se almacene menos de 500 toneladas del producto,

pero se venda ms de 250 toneladas
Cree Ud. que existe dependencia estadstica entre la cantidad almacenada y la
cantidad vendida? Sustente.

Ejercicio 15
Sea (X, Y) una variable aleatoria bidimensional continua con fdpc definida por
24 xy
f ( x, y )
0 ,

x 0,

y0

otros

Adems x + y 1. Son independientes X e Y?

COEFICIENTE DE VARIACION
DEFINCIN
Sea X e Y dos variables aleatorias. Diremos que COV(X, Y) es la Covarianza de X e Y tal
que COV(X, Y) = E [(X E[X])(Y-E[Y]) ]
Teorema
COV(X, Y) = E(XY) E(X)E(Y)
Teorema
Si X e Y son variables aleatorias independientes entonces COV(X, Y) = 0
Interpretacin

Ilmer Cndor

Pgina 20 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

La covarianza de dos variables mide la co-variabilidad de dichas variables. Cmo vara una
respecto a la otra. Si Covar(X, Y) es positica entonces ambas aumentan o disminuyen;
mientras que si Cov(X, Y) es negativa, una variable aumenta y la otra disminuye. Si Cov(X,
Y) es 0, una no depende de la otra.
Abra el archivo DiagDisp.xls y luego analice y comente el diagrama de dispersin de las
variables del problema. Use las hojas DiagDisp y Ms diagramas.
Propiedades
COV(X,Y) = COV(X, Y)
COV(X+c,Y+d) = COV(X,Y)
Si X e Y son dos variables cualquiera V(X + Y) = V(X) + V(Y)

1.
2.
3.
+2COV(X,Y)
4.

Si X e Y son dos variables cualquiera V(X + Y) = V(X) +

V(Y) +2COV(X,Y)

COEFICIENTE DE CORRELACION
DEFINCIN
Sea X e Y dos variables aleatorias. Diremos que (X, Y) es el Coeficiente de Correlacin de
X e Y tal que

COV ( X , Y )

E ( XY ) E ( X ) E (Y )
V ( X )V (Y )

Observaciones
1.

El coeficiente de correlacin representa el grado de correlacin que

hay entre las variables

2.
3.
4.
5.

Por la forma cmo est definido, puede ser positivo o negativo

-1 1
Si 1 entre X e Y existe una correlacin casi perfecta
(aX + b, cY + d) = (X, Y)

Teorema
Si X e Y son dos variables aleatorias independientes entonces = 0
Interpretacin
El coeficiente de correlacin mide el grado de asociacin que hay entre dos variables. Es la
cuantificacin porcentual de cun relacionadas estn las dos variables,
Abra el archivo DiagDisp.xls y luego analice y comente el diagrama de dispersin de las
variables del problema. Use la hoja Clculos y realice todos los clculos que se pide en ella.

Ilmer Cndor

Pgina 21 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Ejercicio 16
Encuentre el coeficiente de correlacin en el problema 10.
Ejercicio 17
Encuentre el coeficiente de correlacin de (X, Y) del problema 12
Ejercicio 18
Encuentre el coeficiente de correlacin de (X, Y) del problema 13
Ejercicio 19
La funcin de probabilidad conjunta de (X, Y) esta dada por la siguiente tabla
Y 0
1
X
0
1/8 1/8
1
2/8 1/8
2
2/8 1/8
Calcular:
a) E(X), E(Y), V(X), V(Y), E(XY)
b) COV(X,Y)
c) (X,Y)
d) (2X,3Y+4)
e) E(X / Y = 1)
f) E(2X/Y = 1)
g) E(3X + 4 / Y = 1)
h) E(XY / Y = 1 )
i) E(2X + 3Y / Y = 1)
VARIABLES ALEATORIAS n DIMENSIONALES
Sea X1, X2, ...., Xn un conjunto de n variables aleatorias (discretas o continuas). Existir una
funcin f que ser su funcin de distribucin conjunta f(X 1, X2, ...., Xn ); del mismo existir
una variable aleatoria Z que es funcin de las X i tal que Z = f(X 1, X2, ...., Xn ) en la que
podamos tener
in

1. Z = f(X1, X2, ...., Xn ) = X1+ X2 + ....+ Xn =

X
i 1

o tambin

2. Z = f(X1, X2, ...., Xn ) = X1,X2 .... Xn

(producto de ellas)
3. Z = f(X1, X2, ...., Xn ) = Max(X1, X2, ...., Xn )
4. Z = f(X1, X2, ...., Xn ) = Min(X1, X2, ...., Xn )
X1, X2, ...., Xn sern independientes si f(X1, X2, ...., Xn ) = f(X1)f(X2)....f(Xn )
Si son independientes entonces

Ilmer Cndor

Pgina 22 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS
in

1.

E(X1+

X2 + ....+

= E[ X i ] = E(X1)+ E(X2 )+ ....+ E( Xn )

Xn )

i 1

in

E( X
i 1

)
in

2.

V(X1+ X2 + ....+ Xn ) = V( X i )=V(X1)+V(X2 )+ ....+ V(Xn ) =

i 1

in

VX
i 1

La gran pregunta :
De todo lo que hemos visto hasta ahora podemos decir que, dada la funcin de distribucin
de una o ms variables aleatorias, podemos saber el comportamiento de la poblacin a la cual
representa(n) dicha(s) variable(s).
Y si no se conoce su distribucin? Es momento de presentar nuevos conceptos que nos
permitan resolver esta pregunta y muchas otras ms, de manera general.
ADVERTENCIA
A partir de este punto las variables a ser usadas sern independientes ya que muchos
fenmenos reales se explican a travs de las variables aleatorias independientes. En ellos,
E(X1+ X2 + ....+ Xn ) = E(X1)+ E(X2 )+ ....+ E( Xn ) =1 + 2 + ... + n =

V(X1+ X2 + ....+ Xn ) = V(X1)+V(X2 )+ ....+ V(Xn) = 1 + 2 + ... + n =

PROPIEDAD REPRODUCTIVA

2
i

Teorema
Sea X1, X2, ...., Xn un conjunto de n variables aleatorias independientes. Supongamos que
cada una de ellas proviene de una poblacin cuya distribucin es conocida, con parmetros i
y i . Si definimos a T como una nueva variable tal que T
misma distribucin con

y T2
T

X
i 1

entonces S tiene la

2
i

Importancia de este teorema:

Si las Xi B(ni, pi ) y T

X
i 1

entonces T B(n, p) donde n = n 1 + n2 + ...+ nn y p =

p1 + p2 + ... pn .
Si las Xi E(i ) y T
Si las Xi P(i ) y T

X
i 1
n

X
i 1

entonces T E( = 1 + 2+ ...+ n )

entonces T ...............................

Teorema: Propiedad reproductiva de la Normal

Ilmer Cndor

Pgina 23 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Sea X1, X2, ...., Xn un conjunto de n variables aleatorias independientes. Supongamos que
cada una de ellas proviene de una poblacin cuya distribucin normal; es decir, X i N(i ,
i ). Si T

X
i 1

Si ahora definimos

entonces T N(T , T ) donde

y T2
T

2
i

entonces Z N(0, 1)

Corolario
Si X N( , ). Si T

X
i 1

Si ahora definimos

entonces T N(T = n , n)

T n
n

entonces Z N(0, 1)

Ejemplo 14
Sea Y = X1 + X2 + X3, donde X1 N(4, 3); X2 N(6, 4) y X3 N(8, 5) son variables
aleatorias normales e independientes
a)
Hallar la distribucin de probabilidad de la variable aleatoria Y
b)
Evale P(Y < 20)
Solucin
a) Para encontrar la distribucin de probabilidad de Y es suficiente encontrar su media Y y
su varianza Y. Si Y = X1 + X2 + X3 Y = E(Y) = E(X1 ) + E(X2 ) + E( X3 ) = .........
Del mismo modo Y = V(Y) = V(X1 + X2 + X3 ) = ...................................
b) Como por el teorema Y N(....., ......) entonces, usando la distribucin normal mediante
el programa Minitab o Excel, tenemos P(Y < 20 ) = ........................................
Ejercicio 20
Sea Y = 0.5X1 + 0.5X2 - X3 + 2; donde Xi N(i, i ), son variables aleatorias normales e
independientes
a)
Hallar la distribucin de probabilidad de Y
b)
Evale P(0 < Y < 3)
Ejemplo 15
El promedio diario de ventas que realiza una bodega es de S/. 8000 con una desviacin
estndar de S/. 1000. Si la distribucin de las ventas es normal, hallar
a)
la probabilidad de que una venta en un da cualquiera est entre los S/. 7000 y S/.
9000.
b)
la probabilidad de que el total de ventas en 50 das independientes sea menor que
S/. 378,000.

Ilmer Cndor

Pgina 24 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Solucin
Sea X: Las ventas diarias de la bodega
Segn esto, X N(........, .........)
a)
Aqu se pide P(................................). Usando Minitab o Execl P(.................)
= ................
b)
Creo
que
debemos
definir
otra
variable,
digamos
T: .........................................................
Por el teorema de la propiedad reproductiva de la normal, T N(T , T) donde
T = ................. y T = ................................
Luego P(T < ...................) = .....................................................
Ejercicio 21
El precio (en miles de $) que un propietario fija para cierto tipo de propiedad es una variable
aleatoria que tiene distribucin normal con una media de $ 50.0 y una desviacin de $ 5.0.
Los compradores desean pagar una cantidad (en miles de $) que tambin es una variable
aleatoria con distribucin normal donde su media es de $ 45.0 y su desviacin es de $ 2.50.
Cul es la probabilidad de que tenga lugar una transaccin?
Ejercicio 22
Un censo ha determinado que en las familias en donde tanto el esposo como la esposa
trabajan, el sueldo X del esposo sigue una distribucin normal con una media de 800 soles y
una desviacin estndar de 50 soles; mientras que el sueldo Y de la esposa sigue una
distribucin normal con una media de 700 soles y una desviacin de 70 soles. Si los sueldos
se consideran independientes:
a)
Hallar la probabilidad de que, en una familia de esposos que trabajan, el sueldo del
esposo sea mayor que el sueldo de la esposa
b)
Hallara la probabilidad de que, en una familia de esposos que trabajan, el sueldo
total(entre esposo y esposa) sea superior a 1800 soles
Ejercicio 23
Dos supermercados compiten por tomar el liderazgo del mercado. Un estudio reciente de una
compaa de mercadeo estim que las ventas diarias en miles de dlares de los dos
supermercados, se distribuyen normalmente con 1 = 15 y 1 = 3 y 2 = 17 y 2 = 4
respectivamente. Calcule la probabilidad de que el segundo mercado supere en ventas al
primer mercado.
Ejercicio 24
El FMI slo otorgar prstamos al Per siempre que la tasa de crecimiento de su PBI sea
mayor que la tasa de crecimiento de su poblacin. Si en el Per la tasa de crecimiento de
crecimiento del PBI es una v.a. normal N(5, 9), y la tasa de crecimiento poblacional es N(4,
4), cul es la probabilidad de que se otorgue el prstamo al Per?. Suponga que ambas
variables son independientes.
TEOREMA DEL LIMITE CENTRAL (TLC).
Algunas palabras previas:

Ilmer Cndor

Pgina 25 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Los teoremas relativos a la propiedad reproductiva de la distribucin de probabilidad de una

variable aleatoria, nos ha permitido resolver problemas relacionados con la generacin de
una nueva variable que resulta de la combinacin lineal de otras cuya distribucin es
conocida.
Ahora, reformulando la pregunta all planteada, surge otra interrogante: Y cmo procedemos
con variables de la forma T

X
i 1

si la distribucin de los Xi no es conocida?

La estadstica resuelve este problema tomando en cuenta el importante y conocido teorema

del Lmite Central (TLC).
Teorema
Sea X1, X2, ...., Xn un conjunto de n variables aleatorias independientes, con i y i ,
parmetros de la distribucin. Si definimos a T como una nueva variable aleatoria tal que
T

X
i 1

definida por

entonces, para un tamao de n, suficientemente grande, la variable Z,

tiene una distribucin aproximadamente normal N(0, 1) donde

y T2
T

2
i

Observacin
1.

El conjunto de las n variables aleatorias que, por lo general, constituye una

muestra aleatoria extrada de la poblacin.
2.
Supondremos que el tamao de n ser suficientemente grande si n 30. La
demostracin de tal afirmacin escapa al desarrollo de este curso.

3.

X
i 1

i 1

4.

i 1

2
i

Para resolver un problema, se debe obtener la T y T y aplicar Minitab o

Excel.

Teorema
Sea X1, X2, ...., Xn un conjunto de n variables aleatorias independientes, provenientes de la
misma poblacin con i = y i = . Si definimos a T como una nueva variable aleatoria tal
que T

X
i 1

Ilmer Cndor

entonces, para un tamao de n, suficientemente grande, la variable Z,

Pgina 26 de 29

UNIVERSIDAD DE LIMA

definida por
T = n

Z
y

ESCUELA DE NEGOCIOS

tiene una distribucin aproximadamente normal N(0, 1), donde

T = n

En este caso Z toma la forma Z

T n
N(0, 1)
n

Observacin
Abra el archivo TLC.xls. En la hoja Pob desconocida se tiene en la columna A, el registro
de los ingresos medios de 1000 trabajadores del sector textil. Se puede verificar que la
grfica no muestra ningn comportamiento definido. Se ha extrado 10 muestras de tamao
278. Se ha obtenido una variable T como la suma de cada uno de los ingresos que conforman
las muestras. A partir de ello, hemos encontrado la variable Z. La grfica de Z nos indica que,
cuando n 30, la variable T puede ser aproximada por una normal.
Ejemplo 16
La capacidad mxima de un mnibus es de 2,500 Kg. Si el peso de los pasajeros se distribuye
normalmente con una media de 65 Kg. y una desviacin estndar de 10 Kg., cul es la
probabilidad de que el peso total de 38 pasajeros sobrepase la capacidad del mnibus?.
Solucin
Sea X: ...........................................................
X N(65, 10).
n = .........
Como se pregunta por el peso total de pasajeros,
debemos definir otra variable, digamos T: ..........................................
Qu se pregunta?: .................................................
Podemos usar la propiedad reproductiva de la normal?: ................................
Podemos usar el TLC? .........................................
A qu es igual T? : T = ...................
Su varianza T ?: T = .............................
Use Minitab o Excel para encontrar la probabilidad pedida:
P( T > 2500) = ............................................................
Ejemplo 17
El tiempo que tarda un empleado en atender a un cliente es una variable aleatoria que se
distribuye normalmente con una media de 10 minutos y una desviacin estndar de 2
minutos.
a)
Si el empleado atiende a 15 clientes consecutivamente, cul es la probabilidad de
que demore a lo ms 2 horas con 20 minutos?
b)
Si el empleado dispone de 44 minutos para atender a n clientes, hallar n de tal
manera que esto sea posible con probabilidad 0.84134.
Solucin
Sea X: Tiempo que tarda el empleado en atender a un cliente. X N(...............)
a) Sea T: ...........................................
n = ......................
Ilmer Cndor

Pgina 27 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

A qu es igual T? : T = ...................
Su varianza T ?: T = .............................
Qu aplicamos el TLC o la propiedad reproductiva? .................................................
Encuentre P( T .............) = .......................
b)
Sea T: Tiempo total empleado en atender a n clientes.
Si ahora se trata de n clientes, T = ................... T = .............................
Debemos encontrar P( T .................) = 0.84134.
Se debe pasar a Z N(0, 1) para poder usar la opcin <Inverse...> en Minitab con media
0 y desviacin 1. En Excel se deber usar =Distr.Norm.Estand.Inv(0.84134).
Ejemplo 18
Un conjunto de productos que en promedio pesan 10 gramos, con una desviacin estndar de
2 gramos, son embalados en cajas de 50 unidades. Se sabe que las cajas vacas pesan en
promedio 500 gramos, con una desviacin estndar de 25 gramos. Suponiendo que los pesos
de los productos y el de las cajas son independientes, calcular la probabilidad de que una caja
llena pese ms de 1050 gramos.
Solucin
Sea X: ..................................................... X = ..............
X = ......................... n = ........
Usamos TLC o propiedad reproductiva? .....................................................................
Sea Y : Peso de la caja
Y = ..............................................
Tomando esperanza y varianza a Y, obtenemos: Y = ..............
Y = .............................
Ahora debemos encontrar: P(T > 1050) = .....................................
Ejercicio 25
El administrador de una tienda al menudeo afirma que la cajera de la tienda puede despachar
sin ningn inconveniente, a 100 clientes en menos de 2 horas. Para comprobar tal afirmacin,
se registr los tiempos de espera de los clientes que pasaron por la caja registradora y se
obtuvo una media de 1.5 minutos, con una desviacin estndar de 1 minuto. Cul es la
probabilidad de que la cajera pueda atender a 100 clientes en menos de 2 horas? Tiene razn
el administrador?
Sugerencia:
Defina a X:
Determine si se debe usar el TLC o la propiedad reproductiva. Observe que en este problema
nada se dice de la distribucin de X.
Ejercicio 26
Se sabe que el peso de ciertos caramelos es una variable aleatoria con distribucin uniforme
entre 10 y 12 gramos. Cul es la probabilidad aproximada de que una caja con 100
caramelos pese ms de 1.2 Kg.? (el peso de la caja es despreciable)
Ejercicio 27
En una compaa distribuidora de botellas de vino, se observa que el nmero de botellas de
vino que se distribuye mensualmente a un establecimiento comercial, es una variable con
media 257 y desviacin estndar de 20 botellas. Cada botella distribuido a un establecimiento
cuesta 5 nuevos soles. Si la cartera de clientes de la compaa distribuidora cuenta con 64
establecimientos comerciales ,
Ilmer Cndor

Pgina 28 de 29

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

a) Obtener la distribucin de probabilidad de la v.a. T, donde T es el monto total de dinero

obtenido mensualmente por la compaa distribuidora.
b) Calcular e interpretar P(T > 80000)
c) Calcule el valor mnimo de T tal que esto ocurra con probabilidad de 5%.
Ejercicio 28
Las ventas diarias de una empresa comercializadora se distribuyen exponencialmente con
una media de 1500 dlares. Si se observa las ventas de los ltimos 40 das y se calcula la
venta total de este perodo, encontrar el valor de esta venta total, tal que la probabilidad de no
sobrepasarla es de 95%
Ejercicio 29
Se empacan artculos pequeos a razn de 250 por caja de madera. Los pesos de los artculos
son variables aleatorias independientes normales con una media de 0.5 libras y una
desviacin estndar de 0.10 libras. Se colocan 20 cajas en una plataforma de transporte.
Calcule la probabilidad de que los artculos en la plataforma pesen ms de 2,510 libras.
Ejercicio 30
El contenido de nicotina de un solo cigarrillo de una marca en particular es una variable
aleatoria con media 0.8 mg y una desviacin estndar de 0.1 mg. Si un individuo fuma 5
cajetillas de estos cigarros por semana, cul es la probabilidad de que la cantidad total de
nicotina consumida en una semana sea por lo menos de 82 mg.?
Ejercicio 31
Hay 40 estudiantes den el curso de Anlisis Real. En base a estadsticas pasadas, el profesor
sabe que el tiempo necesario para calificar un examen seleccionado al azar, es una variable
aleatoria con media igual a 6 minutos y una desviacin estndar de 5 minutos. Si los tiempos
para calificar los exmenes son independientes y el profesor comienza a calificar a las 6:50
pm y lo hace en forma continua,
a)
cual es la probabilidad de que termine de calificar antes de que empiecen las
noticias de las 11:00 por TV?
b)
Si la seccin deportiva empieza a las 11:10 pm, cul es la probabilidad de que se
pierda parte de esa seccin, si espera hasta terminar, antes de encender el televisor?

Ilmer Cndor

Pgina 29 de 29