Instituto Politécnico Nacional

Escuela Superior de Ingeniería Mecánica y Eléctrica

Unidad Ticomán

Ingeniería en Sistemas Automotrices

Probabilidad y Estadística

“Variables aleatorias continuas conjuntas,

Funciones de densidad para v.a.c. conjuntas y momentos”

Profesor:
Villanueva Bailon Jose Ignacio

Integrantes equipo 10:

Sandoval Fernandez Juan Fernando
2016370138
Trejo Larios Jared Alexander
2014011172

Grupo: 4SV1
16/Octubre/2018

Octubre 3, 2018
INDICE

INTRODUCCIÓN ..............................................................................................................................................1
OBJETIVO .........................................................................................................................................................1
VARIABLE ALEATORIA CONTINUA CONJUNTA .....................................................................................1
FUNCIONES DE DENSIDAD PARA V.A.C. CONJUNTAS Y MOMENTOS ...........................................1
Función de Probabilidad Conjunta .............................................................................................................1
Ejemplo 1: ..................................................................................................................................................2
Solución ejemplo 1: ..................................................................................................................................3
Función de densidad marginal ...................................................................................................................4
Función de densidad condicional ...............................................................................................................4
Ejemplo 2: ..................................................................................................................................................5
Solución ejemplo 2: ..................................................................................................................................5
MOMENTOS DE UNA V.A.C CONJUNTA ...................................................................................................6
Ejemplos ........................................................................................................................................................7
Solución ejemplo 3 .......................................................................................................................................7
REFERENCIAS: ......................................................................................................................................................9
INTRODUCCIÓN
En las secciones anteriores nuestro estudio de variables aleatorias y sus distribuciones de
probabilidad se restringió a espacios muestrales unidimensionales, donde registramos los
resultados de un experimento como los valores que toma una sola variable aleatoria. No
obstante, habrá situaciones en que encontramos deseable registrar los resultados
simultáneos de diversas variables aleatorias. Por ejemplo, podríamos medir la cantidad de
precipitado P y volumen V de gas liberado en un experimento químico controlado, que dan
lugar a un espacio muestral bidimensional que consiste en los resultados (p, v); o podría
interesarnos en la dureza H y en la Resistencia a la tensión T de cobre estirado en frio que
conducen a los resultados (h, t). En un estudio para determinar la probabilidad de éxito en
la universidad, que basa en los datos del nivel preparatoria, se puede utilizar un espacio
muestral tridimensional y registrar, para cada individuo, su clasificación de la prueba de
aptitudes, su clasificación de clase en preparatoria y el promedio en puntos al final del primer
año en la universidad.

OBJETIVO
El alumno podrá resolver problemas que tengan que ver con variables aleatorias continuas
conjuntas, así como conocer las distintas funciones de probabilidad que componen dichas
variables continuas.

VARIABLE ALEATORIA CONTINUA CONJUNTA

Una variable aleatoria es una función que asocia un número real con cada elemento del
espacio muestral, se dice que una variable aleatoria X o Y es continua si su conjunto de
posibles valores es todo un intervalo (finito o infinito) de números reales, que sea conjunta
es que consta del estudio de dos variables aleatorias que ocurren simultáneamente.

FUNCIONES DE DENSIDAD PARA V.A.C. CONJUNTAS Y MOMENTOS

Función de Probabilidad Conjunta
La probabilidad de que el valor observado de una va X continua se encuentre en un conjunto
A unidimensional (como lo es un intervalo) se obtiene al integrar la pdf f(x) sobre el conjunto
A. del mismo modo, la probabilidad de que el par (X,Y) de v.a. continuas caiga en un
conjunto A. bidimensional (como lo de un rectángulo) se obtiene al integrar un función
llamada función de densidad conjunta.
Sean X y Y v.a. continuas. Entonces f(x, y) es la función de densidad de probabilidad
conjunta para X y Y si para cualquier conjunto A bidimensional.

𝑃[(𝑋, 𝑌) ∈ 𝐴] = ∬ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦

A

En particular, si A es el rectángulo bidimensional {(𝑥. 𝑦): 𝑎 ≤ 𝑥 ≤ 𝑏, 𝑐 ≤ 𝑦 ≤ 𝑑},

entonces
𝑏 𝑑
𝑃[(𝑋, 𝑌) ∈ 𝐴] = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏, 𝑐 ≤ 𝑌 ≤ 𝑑) = ∫ ∫ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
𝑎 𝑐

1
Así, la función de probabilidad conjunta para las variables aleatorias continuas X y Y (o como
se denomina comúnmente, la función de densidad conjunta de X y Y) se define por.
1. 𝑓(𝑥, 𝑦) ≥ 0
∞ ∞
2. ∫−∞ ∫−∞ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = 1

Podemos considerar que 𝑓(𝑥. 𝑦) especifica una superficie de altura 𝑓(𝑥. 𝑦) sobre el punto
(𝑥. 𝑦) en un sistema coordenado tridimensional. Entonces 𝑃[(𝑋, 𝑌) ∈ 𝐴] es el volumen bajo
esta superficie y arriba de la región A, análoga al área bajo una curva en el caso de una
dimensión. Esto se ilustra en la siguiente figura.

Figura 1 𝑃[(𝑋, 𝑌) ∈ 𝐴] = volumen bajo la superficie de densidad arriba de A

Ejemplo 1:
Un banco funciona con una ventanilla para operaciones desde un automóvil y con una
ventanilla para personas a pie. En un día que se selecciona al azar, sea X = la proporción
del tiempo que la ventanilla para automovilistas está en uso (por lo menos se atiende a un
cliente o esté está en espera) y Y = la proporción del tiempo que la ventanilla para personas
a pie está en uso. Entonces el conjunto de valores posibles para (X, Y) es el rectángulo 𝐷 =
{(𝑥, 𝑦): 0 ≤ 𝑥 ≤ 1,0 ≤ 𝑦 ≤ 1}.
Suponga que la probabilidad de función conjunta de (X, Y) está dada por
6 2
𝑓(𝑥, 𝑦) = {5 (𝑥 + 𝑦 ) 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1
0 de otro modo

2
Encontrar:
a) Verificar que esta función de probabilidad conjunta es legitima
b) La probabilidad de que ninguna de las ventanillas este ocupada más de una cuarta parte
del tiempo
Solución ejemplo 1:
a) para verificar que esta función es legítima, observe que 𝑓(𝑥, 𝑦) ≥ 0 y
∞ ∞ 1 1
6
∫ ∫ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = ∫ ∫ (𝑥 + 𝑦 2 )𝑑𝑥𝑑𝑦
−∞ −∞ 0 0 5
1 1 1 1
6 6 6 6
= ∫ (∫ 𝑥𝑑𝑥 + ∫ 𝑦 2 𝑑𝑥)𝑑𝑦 = ∫ ( 𝑥 2 |10 + 𝑦 2 𝑥|10 ) 𝑑𝑦
0 0 5 0 5 0 10 5
1 1
3 3 6 6 3 6
= ∫ [( (1)2 − (0)2 ) + ( 𝑦 2 (1) − 𝑦 2 (0)]𝑑𝑦 = ∫ ( + 𝑦 2 ) 𝑑𝑦
0 5 5 5 5 0 5 5

3 1 6 1 3 6 3 3 2 2
= ∫ 𝑑𝑦 + ∫ 𝑦 2 𝑑𝑦 = 𝑦|10 + 𝑦 3 |10 = [( (1) − (1)) + ( (1)3 − (0)3 )]
5 0 5 0 5 15 5 5 5 5
3 2
= + =1
5 5
b) La probabilidad de que ninguna de las ventanillas este ocupada más de una cuarta parte
del tiempo es
1/4 1/4
1 1 6
𝑃 (0 ≤ 𝑋 ≤ , 0 ≤ 𝑌 ≤ ) = ∫ ∫ (𝑥 + 𝑦 2 )𝑑𝑥𝑑𝑦
4 4 0 0 5
1/4 1/4 1/4 1/4
6 6 2 6 1/4 6 1/4
=∫ (∫ 𝑥𝑑𝑥 + ∫ 𝑦 𝑑𝑥)𝑑𝑦 = ∫ ( 𝑥 2 |0 + 𝑦 2 𝑥|0 ) 𝑑𝑦
0 0 5 0 5 0 10 5
1/4
3 1 2 3 6 1 6 1/4
3 3
=∫ [( ( ) − (0)2 ) + ( 𝑦 2 ( ) − 𝑦 2 (0)]𝑑𝑦 = ∫ ( + 𝑦 2 ) 𝑑𝑦
0 5 4 5 5 4 5 0 80 10

3 1/4 3 1/4 3 1/4 3 3 1/4

= ∫ 𝑑𝑦 + ∫ 𝑦 2 𝑑𝑦 = 𝑦| + 𝑦 |0
80 0 10 0 80 0 30

3 1 3 3 1 3 3 3 1
= [( ( ) − (0)) + ( ( ) − (0)3 )] = + = 0.0109
80 4 80 30 4 10 320 640

3
Función de densidad marginal
Dada la distribución de probabilidad conjunta 𝑓(𝑥, 𝑦) de las variables aleatorias discretas X
y Y, la distribución de probabilidad 𝑔(𝑥) de X sola se obtiene al sumar 𝑓(𝑥, 𝑦) sobre los
valores de Y. de manera similar, la distribución de probabilidad ℎ(𝑦) de Y sola se obtiene al
sumar 𝑓(𝑥, 𝑦) sobre los valores de X. Definimos 𝑔(𝑥) 𝑦 ℎ(𝑦) como distribuciones
marginales de X y Y, respectivamente. Cuando X y Y son variables aleatorias continuas,
las sumatorias se reemplazan por integrales. Ahora podemos establecer la siguiente
definición general.

Las distribuciones marginales de X sola y de Y sola son

𝑔(𝑥) = ∑ 𝑓(𝑥, 𝑦) 𝑦 ℎ(𝑦) = ∑ 𝑓(𝑥, 𝑦),

𝑦 𝑥

Para el caso discreto, y

∞ ∞
𝑔(𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 𝑦 ℎ(𝑦) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑥
−∞ −∞

Para el caso continuo.

Función de densidad condicional

No es difícil mostrar que la función 𝑓(𝑥, 𝑦)/𝑔(𝑥), que es estrictamente una función de y con
x fija, satisface todas las condiciones de una distribución de probabilidad. Esto también es
cierto cuando 𝑓(𝑥, 𝑦) 𝑦 𝑔(𝑥) son la densidad conjunta y la distribución marginal,
respectivamente de variables aleatorias continuas. Como resultado es muy importante que
utilicemos el tipo especial de distribución de la forma 𝑓(𝑥, 𝑦)/𝑔(𝑥) con la finalidad de ser
capaces de calcular probabilidades condicionales de manera eficaz. Este tipo de distribución
se llama distribución de probabilidad condicional; la definición condicional es la
siguiente.

Sean X y Y dos variables aleatorias, discretas o continuas. La distribución

condicional de la variable aleatoria Y, dado que X = x, es
𝑓(𝑥, 𝑦)
𝑓(𝑦|𝑥) = , 𝑔(𝑥) > 0
𝑔(𝑥)

De manera similar, la distribución condicional de la variable aleatoria X, dado que Y

= y, es
𝑓(𝑥, 𝑦)
𝑓(𝑥|𝑦) = , ℎ(𝑦) > 0
ℎ(𝑦)

4
Si deseamos encontrar la probabilidad de que la variable aleatoria continua X caiga entre a
y b cuando se sabe que la variable continua Y = y, evaluamos
𝑏
𝑃(𝑎 < 𝑋 < 𝑏|𝑌 = 𝑦) = ∫ 𝑓(𝑥|𝑦)𝑑𝑥.
𝑎

Ejemplo 2:
La densidad conjunta para las variables aleatorias (X, Y), donde X es el cambio de
temperatura unitario y Y es la proporción de desplazamiento espectral que produce cierta
partícula atómica es
10𝑥𝑦 2 0<𝑥<𝑦<1
𝑓(𝑥. 𝑦) = {
0 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

a) Encuentre las densidades marginales 𝑔(𝑥), ℎ(𝑦) y la densidad condicional 𝑓(𝑦|𝑥).

b) Encuentre la probabilidad de que el espectro se desplace más de la mitad de las
observaciones totales, dado que la temperatura aumenta a 0.25 unidades.
Solución ejemplo 2: a) Por definición
∞ 1 1
𝑔(𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ 10𝑥𝑦 2 𝑑𝑦 = 10𝑥 ∫ 𝑦 2 𝑑𝑦
−∞ 𝑥 𝑥

10 3 1 10 10 10 10
= 𝑥𝑦 |𝑥 = [( 𝑥(1)3 − 𝑥(𝑥)3 )] = 𝑥 − 𝑥4
3 3 3 3 3
10
= 𝑥(1 − 𝑥 3 ), 0 < 𝑥 < 1,
3
∞ 𝑦 𝑦
ℎ(𝑦) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑥 = ∫ 10𝑥𝑦 2 𝑑𝑥 = 10𝑦 2 ∫ 𝑥𝑑𝑥
−∞ 0 0

10 2 2 𝑦 10 10 10 4
= 𝑥 𝑦 |0 = [( (𝑦)2 𝑦 2 − (0)2 𝑦)] = 𝑦
2 2 2 2
= 5𝑦 4 , 0 < 𝑦 < 1.

Entonces,
𝑓(𝑥, 𝑦) 10𝑥𝑦 2 10𝑦 2
𝑓(𝑥|𝑦) = = =
𝑔(𝑥) 10 10
𝑥(1 − 𝑥 3 ) (1 − 𝑥 3 )
3 3
30𝑦 2 3𝑦 2
= = . 0<𝑥<𝑦<1
10(1 − 𝑥 3 ) 1 − 𝑥 3

5
b) Por lo tanto,
1
1
𝑃 (𝑌 > 2 |𝑋 = 0.25) = ∫ 𝑓(𝑦|𝑥 = 0.25)𝑑𝑦
1/2

1
3𝑦 2 1
3𝑦 2 1
3𝑦 2
=∫ 𝑑𝑦 = ∫ 𝑑𝑦 = ∫ 𝑑𝑦
1/2 1 − 0.25
3
1/2 1 −
1 1/2
63
64 64
64 1 2 64 1 𝑦 3 64 3 1
= ∫ 𝑦 𝑑𝑦 = ∫ 𝑑𝑦 = 𝑦 |1/2
21 1/2 21 1/2 3 63

64 64 1 3 8
= [ (1)3 − ( ) ] = = 0.8888 ó 88.88 %
63 63 2 9

MOMENTOS DE UNA V.A.C CONJUNTA

 Esperanza matemática.

Sea (X,Y) una variable aleatoria continua conjunta, podemos definir la esperanza
matemática como
∞
∞

𝐸[𝑔(𝑥, 𝑦)] = ∫ ∫ 9(𝑥, 𝑦)𝑓(𝑥, 𝑦) ⅆ𝑥 ⅆ𝑦

−∞
−∞
Podemos decir que X e Y son independientes si

𝐸[𝑔(𝑥)𝑔(𝑦)] = 𝐸[𝑔(𝑥)]𝐸[𝑔(𝑦)]

En particular

𝐸[𝑥, 𝑦] = 𝐸(𝑥)𝐸(𝑦)

Dada una variable aleatoria continua conjunta podemos definir los siguientes momentos

 Momento no centrado de orden (r,s):

𝑚𝑟𝑠 = 𝐸[𝑋 𝑟 𝑌 s ]

 Momento centrado de orden (r,s):

𝑠
𝜇𝑟𝑠 = 𝐸[(X − 𝐸[𝑋])𝑟 (Y − 𝐸(𝑌)) ]

6
Al momento centrado de orden (1,1) se le llama covarianza, y se suele notar por Cov(X,Y)
o 𝜎𝑥, 𝑦. Y su expresión es:
𝐶𝑜𝑣(𝑥, 𝑦) = 𝐸[(𝑋 − 𝐸[𝑋])(𝑌 − 𝐸[𝑌])] = 𝐸[𝑋𝑌] − 𝐸[𝑋]𝐸[𝑌]

Diremos que dos variables son incorreladas si su covarianza es igual a 0.

Claramente si dos variables son independientes, también son incorreladas.

Ejemplos
Sea (X, Y ) una variable aleatoria continua conjunta con función de densidad:
1
f(x,y) = 4 (1 + xy(𝑥 2 − 𝑦 2 )); − 1 ≤ x ≤ 1, −1 ≤ y ≤ 1

¿Son X e Y independientes?
Solución ejemplo 3

1
𝑓𝑥𝑦 (𝑥, 𝑦) = 4 (1 + 𝑥𝑦(𝑥 2 − 𝑦 2 )) − 1 ≤ x ≤ 1, −1 ≤ y ≤ 1
1
1
𝑓𝑥 (𝑥) = ∫ (1 + 𝑥𝑦(𝑥 2 − 𝑦 2 )) 𝑑𝑦
4
−1
1
1 1 1
∫ 𝑥𝑦(𝑥 2 − 𝑦 2 ) 𝑑𝑦 + ∫ 𝑑𝑦
4 −1 4
−1
1 1
1 1 3 1 1
∫ 𝑥 𝑦 𝑑𝑦 − ∫ 𝑥𝑦 3 𝑑𝑦 + ∫ 𝑑𝑦
4 −1 4 4
−1 −1
1 1
𝑥3𝑦2 𝑥𝑦 4 𝑦1
| − | + |
8 −1 16 −1 4 −1
2
𝑥 3 (1)2 𝑥 3 (−1)2 𝑥(1)2 𝑥(−1) 1 −1 1
[ − ]−[ − ]+[ − ]=
8 8 16 16 4 4 2
1
𝑓𝑥 (𝑥) =
2
1
1
𝑓𝑦 (𝑦) = ∫ (1 + 𝑥𝑦(𝑥 2 − 𝑦 2 )) 𝑑𝑥
4
−1
1
1 1 1
∫ 𝑥𝑦(𝑥 2 − 𝑦 2 ) 𝑑𝑥 + ∫ 𝑑𝑥
4 −1 4
−1

7
 1 1
1 1 3 1 1
∫ 𝑥 𝑦 𝑑𝑥 − ∫ 𝑥𝑦 3 𝑑𝑥 + ∫ 𝑑𝑥
4 −1 4 4
−1 −1
1 1
𝑦𝑥 4 𝑦3𝑥2 𝑥1
| − | + |
16 −1 8 −1 4 −1

𝑦(1)4 𝑦(−1)4 𝑦 3 (1)2 𝑦 3 (−1)2 1 −1 1

[ − ]−[ − ]+[ − ]=
16 16 8 8 4 4 2
1
𝑓𝑦 (𝑦) =
2
𝑓(𝑥, 𝑦) = 𝑓𝑥 (𝑥)𝑓𝑦 (𝑦)
1 1
𝑓(𝑥, 𝑦) = 𝑥
2 2
1
𝑓(𝑥, 𝑦) = ≠0
4
Por lo tanto, no son independientes
1
1
1
∫ ∫ 𝑥𝑦 (2 + 𝑥𝑦(𝑥 2 − 𝑦 2 )) 𝑑𝑦 𝑑𝑥
4
−1
−1
1
1
1
∫ [ ∫ 𝑥𝑦 + 𝑥 4 𝑦 2 − 𝑥 2 𝑦 4 𝑑𝑦] 𝑑𝑥
4
−1
−1
1
1 1 1
𝑥 𝑥4 𝑥2
∫ [ ∫ 𝑦 𝑑𝑦 + ∫ 𝑦 2 𝑑𝑦 − ∫ 𝑦 4 𝑑𝑦] 𝑑𝑥
4 4 𝑦
−1 −1 −1
−1
1 1 1 1
𝑥𝑦 2 𝑥4𝑦3 𝑥2𝑦5
∫ [ | + | − ] 𝑑𝑥
8 −1 12 −1 20 −1
−1
1
2𝑥 4 2𝑥 2
∫ − 𝑑𝑥
12 20
−1

8
 1 1
4
𝑥 𝑥2
∫ 𝑑𝑥 − ∫ 𝑑𝑥
6 10
−1 −1
1 1
𝑥5 𝑥3
| − |
30 −1 30 −1

1 1 1 1
[ + ]−[ + ]
30 30 30 30
2 2
− =0
30 30
Cov(𝑥, 𝑦) = 0
Por lo tanto, son incorreladas

REFERENCIAS:
 Walpole, Ronald, Probabilidad y Estadística para Ingenieros, Pearson. Sexta edición.
México, 1999
 Probabilidad y estadística, Murray R. Spiegel, John R. Alu Srinivasan, segunda
edición, Mc Graw Hill