Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Probabilidad y Estadística
Profesor:
Villanueva Bailon Jose Ignacio
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.
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.
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 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.
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
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
Sea (X,Y) una variable aleatoria continua conjunta, podemos definir la esperanza
matemática como
∞
∞
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
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]
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
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