Vector Aleatorio Continuo

En determinadas situaciones el resultado de un experimento

aleatorio no es un solo valor numrico X, sin una coleccin de
resultados X1, . . . ,Xn.
Por ejemplo, sobre un individuo podemos medir su altura X y su
peso Y , en un rbol podemos medir la altura X y el permetro de
su tronco Y , el resultado de un anlisis de sangre es un conjunto
de medidas de concentraciones de ciertas substancias X1, . . . ,Xn.
Diremos que X = (X1, . . . ,Xn) es un vector aleatorio si cada una
de sus componentes es una variable aleatoria. Nos restringiremos
al caso n = 2 y escribiremos (X, Y ).

Aplicaciones
Las distribuciones conjuntas se encuentran de manera natural en
gran cantidad de aplicaciones en problemas de ingeniera, salud,
economa y empresa, algunos ejemplos podran ser:

En

estudios de mercado, el grado de exposicin a determinado

spot publicitario y la respuesta en trminos de disponibilidad de
compra o compra efectiva del producto.

En problemas de gestin de recursos humanos, algn indicador de

ausentismo y el sexo o edad de los trabajadores.

En

problemas de gestin de inventarios, la cantidad inventariada

de producto depender de la interaccin de produccin
proveedores) y demanda (clientes).

En

economa, la relacin entre la demanda de dos que

tericamente son considerados sustitutos.

En los vectores aleatorios continuos cada componente es una v. a.

de tipo continuo y anlogamente al caso unidimensional para
caracterizar su distribucin es conveniente emplear la funcin de
densidad.
FUNCIN DE DENSIDAD

Si p=2, se obtiene la funcin de densidad bivariada f(x,y)

FUNCION DE DISTRIBUCIN
El comportamiento conjunto de dos variables aleatorias X e Y
(continuas o discretas) est determinado por la funcin de
distribucin (o distribucin acumulada):

La funcin de distribucin indica la probabilidad (FDA) de que el

punto (X, Y ) se encuentre dentro de un rectngulo en R2. La
probabilidad de que (X, Y ) pertenezca a un rectngulo en particular
de R2, por ejemplo el definido por el conjunto de puntos {(x1, y1) ,
(x1, y2) , (x2, y1) , (x2, y2)}, est dada por:

Es decir, la probabilidad del rectngulo sombreado se puede

obtener restando las probabilidades de los rectngulos (x1, y2) y
(x2, y1) del rectngulo (x2, y2) y aadiendo la probabilidad del
rectngulo (x1, y1).

Sean X e Y variables aleatorias continuas con una funcin de

distribucin conjunta F(x,y). Entonces, su funcin de densidad
conjunta es una funcin continua (segmentada) de dos variables
f(x, y) tal que, para cualquier conjunto bi-dimensional A.

en particular, si

Propiedades

6. En los puntos de continuidad de la funcin de densidad se cumple:

2
f XY ( x, y ) =
FXY ( x, y )
x y

Ejemplo
Considerar la siguiente funcin de densidad bivariada

que se representa en el grfico a continuacin:

Hallar La probabilidad P (X > Y )

Solucin
La probabilidad P (X > Y ) se puede obtener integrando f sobre el
conjunto

El intevalo de integracin se ha obtenido

considerando todos aquellos valores en el
espacio de probabilidad de Y que
cumplen con la condicin de ser menores
que X, es decir, y x. Dado que en
nuestro ejemplo el menor valor que se
puede observar de Y es el cero, el lmite
inferior de integracin es 0. Finalmente, el
mximo valor de X es uno, con lo que
obtenemos el lmite superior.

yx

Ejemplo
Calcula el valor de c para que f(x, y) sea funcin de densidad.

Solucin

Ejercicio

Encontrar FDA

I:

II:

III:

IV:

Distribuciones Marginales
Las componentes de los vectores aleatorios son v. a. y resulta en
muchos casos de inters de estudiar el comportamiento de cada una
de esas variables por separado o de grupos de las mismas. Para
abordar este problemas se definen las distribuciones marginales.
La densidad marginal de X e Y, fX(x) y fY(y), respectivamente viene
dada por:

f X ( x) = f ( x, y ) dy, para < x <

fY ( y ) = f ( x, y ) dx, para < y < .

Ejemplo
Dada la densidad f(x, y).

a) Calcula la probabilidad de que P (X< 0,5 ; Y< 0,75).

b) Halla las distribuciones marginales de X e Y.

Solucin
a) La probabilidad de que P (X< 0,5 ; Y< 0,75) es:

b) Las distribuciones marginales de X e Y.

Distribuciones Condicionadas
En muchos problemas reales puede interesa estudiar el
comportamiento de una variable teniendo cierta informacin
complementaria sobre el experimento.
Por ejemplo sea (X, Y) un vector aleatorio cuyas componentes
representan, respectivamente, las intensidades de las seales
enviadas y recibidas a travs de un canal de informacin.
Un aspecto fundamental es este tipo de problemas es conocer el
comportamiento de la seal recibida Y condicionada a que se ha
enviado una seal (X=x), es decir, analizar la distribucin de (Y /
X=x). Otro problema muy interesante es el complementario del
anterior, o sea, estudiar la seal que se envi cuando se conoce la
seal recibida (X/ Y=y).

Distribucin condicionada de X / Y=y

f X |Y ( x ) =

f XY ( x , y )
fY ( y )

Distribucin condicionada de Y / X=x

fY |X ( y ) =

f XY ( x , y )
f X (x)

Las distribuciones condicionadas

probabilidad univariantes.

son

densidades

de

Ejemplo
Con la informacin del ejemplo anterior obtn las distribuciones
condicionadas de (Y/X=x) y (X/Y=y). Hallar P(X > 0.75 / Y = 0.5)
Solucin

Si

y = 0.5 f ( x / y ) = 0.5 + x

0.75

(0.5 + x)dx =

11
= 0.34375
32

Ejercicio
Sea (X, Y) un vector aleatorio continuo con funcin de
densidad conjunta

a) Halla las densidades marginales de X y de Y.

b) Calcula las probabilidades P(X 1/2, Y 1/3) y P(1/2 X 1).

Solucin
a)

La funcin de densidad de X se obtiene integrando la

densidad conjunta respecto de y, es decir:

b)

Esperanza condicionada
La manera en la que se calcula la esperanza:
Media condicionada de X dado Y=y

E ( X |Y = y) =

xf

X |Y

( x ) dx

Media condicionada de Y dado X=x

E (Y | X = x ) =

yf Y | X ( y ) dy

Ejemplo
Dada la densidad f(x, y).

Halla las medias condicionales de X e Y.

Solucin

Independencia
Si X e Y son continuas, sern independientes si:

f(x, y) = fX(x)fY(y).
Donde ahora estas funciones representan funciones de densidad. Si
no cumplen la relacin anterior, se dice que son dependientes.
Ejemplo
Considera la densidad conjunta: fX,Y(x, y) = x y e-(x + y) x > 0, y > 0.
Las distribuciones marginales: fX,(x) = x e-x x > 0, y fY(y) = y e- y y > 0,
Respectivamente. Entonces, fX,Y(x, y) = fX(x) fY(y). Por tanto, X e Y son
independientes.

Ejemplo

Solucin

Normal bivariante
Diremos que (X, Y) se distribuye como una normal
N2(,) si su fdp es:

Propiedades de la normal bivariante

Si (X, Y) es normal bivariante, entonces
1. Las distribuciones marginales de X e Y son tambin normales
2. Todas las distribuciones condicionales son tambin normales.
3. La esperanza condicional es lineal: E(Y|X)=aX+b
Donde a=-cov(X,Y)/var(X) y b=E(Y)-aE(X)
4. Cualquier combinacin lineal de X e Y es tambin normal.
Sea Z=aX+bY. Entonces Z es normal. de qu parmetros?
5. Si X e Y son normales y estn incorrelacionadas, entonces son
independientes. (recuerda que viceversa es siempre verdad para
cualquier tipo de v.a.)

Las distribuciones marginales y condicionales para X e Y

son variables aleatorias normales univariantes

Ejemplo
Suponga que X e Y son variables aleatorias con f.d.p normal
bivariada con

Calcule:
a) P(X<2), b) P(Y>1), c) E[Y| X]=1, d) E[X.Y] e) V[5X+ 2Y+1]

Solucin

Ejemplo
Las calificaciones obtenidas en dos pruebas distintas A y B por los
alumnos presentados a la Selectividad, son dependientes y siguen
las distribuciones normales: NA ( = 62; 2 = 202), NB ( = 52; 2 =
102). La covarianza entre ellas es 100. La prueba se considera
superada con 50 puntos. Calcular:
(a) La probabilidad de que un alumno en la prueba A haya obtenido
una puntuacin menor que 40.
(b) La probabilidad que haya superado la prueba B.
(c) Si para el acceso a una Universidad se necesita que la media
aritmtica de las dos notas anteriores sea mayor que 70, cul es la
probabilidad de que un alumno escogido al azar pueda acceder a
dicha Universidad?

Solucin

Ejemplo

Ejemplo