Distribución normal bivariada

2
(X, Y ) tiene distribución normal bivariada de parámetros µX , µY , σX , σY2 , ρ si su función de den-
sidad es
(x−µX )2 (y−µY )2 2ρ(x−µX )(y−µY )


1 − 1
2(1−ρ2 ) σ2
+
σ2
− σ X σY
fXY (x, y) = p e X Y (1)
2πσX σY 1 − ρ2
para (x, y) ∈ R2 . El parámetro ρ es el coeficiente de correlación de X e Y tal que
cov(X, Y )
ρ= (2)
σX σY
Completando cuadrados en (1) y reordenando elementos, la densidad conjunta puede escribirse:
ρσ

2 y−µY − σ Y (x−µX )
2
1 − 21
x−µX 1 − 21 √X
fXY (x, y) = √ e σX
√ p e σY 1−ρ2
= fX (x)fY |X=x (y) (3)
2πσX 2πσY 1 − ρ 2

o también
ρσ

2 x−µX − σ X (y−µY )
2
1 −1
y−µY 1 −1 √Y
fXY (x, y) = √ e 2 σY
√ p e 2 σX 1−ρ2
= fY (y)fX|Y =y (x) (4)
2πσY 2πσX 1 − ρ2
De (3) y (4) se deducen
1. Las distribuciones marginales son normales:
2
X ∼ N (µX , σX ) Y ∼ N (µY , σY2 ) (5)

2. Las distribuciones condicionales son normales y las funciones de regresión coinciden con las
rectas de regresión:
 ρσX 2

X|Y = y ∼ N µX + (y − µY ), σX (1 − ρ2 ) (6)
σY
 ρσY 
Y |X = x ∼ N µY + (x − µX ), σY2 (1 − ρ2 ) (7)
σX
ρσX cov(X, Y )
E[X|Y = y] = µX + (y − µY ) = µX + (y − µY ) (8)
σY σY2
ρσY cov(X, Y )
E[Y |X = x] = µY + (x − µX ) = µY + 2
(x − µX ) (9)
σX σX