DISTRIBUCIONES BIVARIADAS

Y MULTIVARIADAS
TEMA IV
Introduccin
Con frecuencia los investigadores estn interesados
en la ocurrencia simultnea o conjunta de dos o
ms eventos. Por ejemplo, el nmero de
estudiantes que toman macroeconoma cada ao (x)
y el nmero de estudiantes que aprueban
macroeconoma cada ao (y), son dos variables
aleatorias discretas. Podemos estar interesados en
averiguar la probabilidad de que en un ao dado se
inscriban entre 20 y 25 estudiantes y que
simultneamente aprueben el curso por lo menos
15.
Introduccin
Ntese que no estamos interesado solamente en la
probabilidad de que se inscriban entre 20 y 25
estudiantes. Tampoco nos interesa nicamente la
probabilidad de que aprueben el curso ms de 15
estudiantes. El inters est en la ocurrencia
simultnea de los dos eventos, es decir en la
Interseccin de los eventos. Otros ejemplos son:
La observacin del peso (x) y la estatura (y) de un
individuo, representa la interseccin de un par
especfico de mediciones estatura-peso (continuas)
Ejemplos adicionales
Las ventas mensuales de una empresa (x) y el nmero de
unidades devueltas por mes (y)
El tiempo de espera de un cliente en la cola de un banco (x)
y el tiempo que toma atender al cliente (y)
El nmero de accidentes al mes que se dan en una va en
particular (x) y el nmero de dichos accidentes que tienen
vctimas fatales (y)
En el lanzamiento de dos dados podemos estar interesados
en el nmero obtenido en el primer dado (x) y en el
segundo dado (y), as como en la suma de los dos dados (w)
y el producto de los mismos (z)

Funcin de Probabilidad Conjunta
Sean X y Y dos variables aleatorias discretas. La
funcin de probabilidad conjunta (o bivariada) para
X y Y est dada por


Es decir la probabilidad de que la variable aleatoria
X tome un valor puntual igual a x, y
simultneamente la variable aleatoria Y tome un
valor puntual igual a y, dentro del rango de valores
de X y Y.



( , ) ( ; ) p x y P X x Y y = = =
Ejemplo 1
En el lanzamiento de dos dados sea X el nmero observado en el
primer dado y Y el nmero observado en el segundo dado
representa la probabilidad de observar un 2 en el primer dado y un
cuatro en el segundo. La distribucin muestral correspondiente, a
diferencia de lo estudiado hasta ahora, no se restringe a un espacio
muestral unidimensional. Al contrario el espacio muestral
correspondiente a este experimento es un espacio bidimensional.

En este ejemplo sencillo todos los puntos muestrales (36) ocurren
con la misma probabilidad (1/36) y dado que cada interseccin (x,y)
contiene un solo punto muestral la funcin de probabilidad bivariada
es
(2, 4) p
( , ) 1/ 36 1, 2...6; 1, 2...6 p x y x y = = =
Ejemplo 2
De los mejores 9 estudiantes de ltimo ao (2 de economa, 4 de
ingeniera financiera y 3 de administracin) se debe seleccionar a 2
para asistir a un seminario en otra ciudad. Si se hace la seleccin
al azar encuentre la distribucin de probabilidad bivariada para X =
nmero de estudiantes seleccionados de economa y Y = nmero
de estudiantes seleccionados de ingeniera financiera.


Datos


Muestra n = 2 estudiantes seleccionados al azar.

2 de economa
9 4 ing.financiera
3 administracin
N =
Ejemplo 2
Solucin. El espacio muestral est conformado por los pares (0,0);
(0,1); (0,2); (1,0); (1,1); (2,0) con la variable X por delante. Para
calcular p(x,y) podemos utilizar la extensin del modelo
hipergeomtrico para el caso de una poblacin dividida en 3 grupos.

Como Frmula



Como Tabla
Y
0 1 2
0 0,083 0,166 0,083 0,33
1 0,333 0,222 0,56
2 0,166 0,17
0,58 0,39 0,08 1
X
( )( )( )
( )
2 4 2 4
9
2
( , ) ,
N
x y n x y
p x y


=

De los ejemplos anteriores se puede deducir que:

1.

2.



3.



( , ) 0 para todo x,y p x y >
( , )
( , ) 1 donde la suma se toma para todos
los valores (x,y) que tienen probabilidades diferentes
de cero
x y
p x y =

( ; ) ( , ) P X x Y y p x y = = =
Funcin de Distribucin Conjunta
La Funcin de distribucin conjunta bivariada
F(x,y) para cualquier par de variables aleatorias X y
Y est dada por
( , ) ( ; )
( , ) para V.A.D
( , ) para V.A.C
y
x
X Y
x y
F x y P X x Y y
p x y
f s t dsdt
= =

= s s
=
=

} }
Funcin de Distribucin Conjunta
De lo expuesto en las diapositivas anteriores se pueden
extraer dos propiedades de cualquier funcin de
distribucin conjunta F (x,y)

1.

2.




( , ) ( , ) ( , ) 0 F F y F x = = =
( , ) 1 F =
Ejemplos 3 y 4
En el ejemplo 1, encuentre F(3,2)
Solucin:




Del ejemplo 2 encuentre F(1,1)
Solucin:





(2, 2) (3, 1) (3, 2)
6(1/ 36) 1/ 6
(1,1) (1, 2) (2,1)
(3, 2) ( 3; 2)
p p p
p p p
F P X Y
+ + +
= =
= + +
= s s
(1,1) (0, 0) (0,1) (1, 0) (1,1)
0.083 0.333 0.166 0.222 0.804
F p p p p = + + +
= + + + =
Funcin de densidad conjunta
Sean X y Y dos variables aleatorias continuas con
Funcin de Distribucin Conjunta F(x,y). A la
funcin f(x,y) se la conoce como Funcin de
densidad conjunta, si cumple con las siguientes
propiedades:

1 1
0 0
0 1 0 1
1. ( , ) 0
2. ( , ) 1
3. ( ; ) ( , )
x y
x y
f x y
f x y dydx
P x X x y Y y f x y dydx


>
=
s s s s =
} }
} }
Ejemplo 5
X y Y tienen la funcin de densidad de probabilidad conjunta dada
por

a) Encontrar el valor de k que hace que sea una funcin de
densidad de probabilidad


, 0 1;0 1
( , )
0, . .
kxy x y
f x y
c ov
s s s s

1 1
0 0
1
1
2
0
0
1
0
1
2
0
( , ) 1
1
( / 2) 1
( / 2) 1
. 1 4
2 2 4
f x y dydx
kxydydx
kxy dx
kx dx
k x k
k


=
=
=
=
| |
| = = =
|
\ .
} }
} }
}
}
Ejemplo 5
b) Obtener la funcin de distribucin conjunta para X y Y





c) Calcular
Primera Forma

Segunda Forma


0 0
2 2
0
0 0
2 2 2 2
0
( , ) 4
4 ( / 2 ) 2
2 ( / 2 )
x y
x x
y
x
F x y stdtds
s t ds sy ds
y s y x
=
= =
= =
} }
} }
( 1/ 2; 3/ 4) P x y s s
2 2
(1/ 2;3/ 4) (1/ 2) *(3/ 4) 0.14 F = =
3/ 4
1/ 2 3/ 4 1/ 2
2
0 0 0 0
1/ 2 1/ 2
2
0 0
1/ 2
2
0
4 (4 / 2 )
2 (3/ 4) (9/ 8)
(9/ 8) 0.14
2
xydydx xy dx
x dx xdx
x
=
= =
| |
| = =
|
\ .
} } }
} }
Ejemplo 6
Grafique la siguiente funcin de densidad
, 0 1;0 1
( , )
0, . .
k x y
f x y
c ov
s s s s

1
1
f(x,y)
1
X
Y
Ntese que al ser
f(x,y) una constante
es independiente
de X y de Y
Distribuciones Marginales
Dada la funcin de probabilidad conjunta
p(x,y) de las variables aleatorias discretas X
y Y, la funcin de probabilidad px(x) de X sola
se obtiene al sumar p(x,y) sobre los valores
de Y. De la misma manera la funcin de
probabilidad py(y) de Y sola se obtiene al
sumar p(x,y) sobre los valores de X.
px(x) y py(y) se conocen como
Distribuciones Marginales
Distribuciones Marginales
En el caso de V.A.C las sumatorias se
reemplazan por integrales. Las distribuciones
marginales de X y Y son:



( ) ( , ) y ( ) ( , )
para el caso discreto, y
( ) ( , ) y ( ) ( , )
para el caso continuo
x y
y x
x y
p x p x y p y p x y
f x f x y dy f y f x y dx


= =
= =

} }
Ejemplo 7
Del ejemplo 2 obtenga










Que son exactamente los totales de la primera columna y el tercer
rengln de la Tabla del ejemplo 2


(0) y (2)
x y
p p
(0) ( 0) (0, ) (0, 0) (0,1) (0, 2)
0.083 0.333 0.166 0.58
x
y
p P X p y p p p = = = = + +
= + + =

(2) ( 2) ( , 2) (0, 2)
0.167
y
x
p P Y p x p = = = =
=

Ejemplo 8
Una fbrica de dulces distribuye cajas de chocolates blanco y oscuro. Para una
caja seleccionada al azar sea X la proporcin de chocolates claros y Y la
proporcin de chocolates oscuros y suponga que la funcin de densidad
conjunta es





a) Verifique que esta funcin de densidad conjunta cumple con la propiedad 2
b) Encuentre
c) Encuentre las distribuciones marginales de X y de Y
d) Encuentre P(X<0.3)




2
5
* (2 3 ), 0 1; 0 1
( , )
0, . .
x y x y
f x y
c o v

+ s s s s

(0 1/ 2;1/ 4 1/ 2) P X Y s s s s
Ejemplo 8
Solucin:

1
2
1 1 1
0 0 0
0
1
2
1
0
0
2
5
2 6
) (2 3 )
5 5
2 6 2 3
2/ 5 3/ 5 1
5 5 5 5
x xy
a x y dxdy dy
y y y
dy
+ = +
| |
= + = + = + =
|
\ .
} } }
}
1/ 2
2
1/ 2 1/ 2 1/ 2
1/ 4 0 1/ 4
0
1/ 2
2
1/ 2
1/ 4
1/ 4
) (0 1/ 2;1/ 4 1/ 2)
2 6
(2/ 5)(2 3 )
5 5
1 3 3
10 5 10 10
1 3 1 3
1/10 13/160 0.08215
2 4 4 16
b P x y
x xy
x y dxdy dy
y y y
dy
s s s s
= + = +
| |
= + = +
|
\ .
(
| | | |
= + + = =
| |
(
\ . \ .

} } }
}
1
0
1
2
0
1
0
2
5
2
5
) ( ) ( , ) (2 3 )
4 6 4 3
5 10 5
( ) ( , ) (2 3 )
2(1 3 )
5
x
y
c f x f x y dy x y dy
xy y x
f y f x y dx x y dx
y

= = + =
+
= + =
= = + =
+
=
} }
} }
0.3
0
4 3
) ( 0.3) 0.216
5
x
d P X dx
+
< = =
}
Distribuciones Condicionales
En teora de probabilidades Recuerda la ley
multiplicativa?




Si llevamos esta ley a la ocurrencia simultnea
(interseccin) de dos eventos numricos discretos
(Variables Aleatorias), tenemos:
( ) ( ) ( / ) P A B P A P B A =
Esta ley establece que la probabilidad de que se den dos
eventos A y B de manera simultnea es igual a la
probabilidad del primer evento (A), multiplicada por la
probabilidad condicional del segundo (probabilidad de B
dado que A ha ocurrido)
( , ) ( ) ( / )
( ) ( / )
x
y
p x y p x p y x
p y p x y
=
=
Distribuciones Condicionales
es la probabilidad condicional de X, y representan
la probabilidad de que la variable aleatoria X tome el valor
especfico x, dado que Y toma el valor y. Igual razonamiento
se puede aplicar a

Funcin de probabilidad condicional discreta para X
dado Y


( / ) p x y
( / ) p y x
( , )
( / ) ( / )
( )
y
p x y
p x y P X x Y y
p y
= = = =
Distribuciones Condicionales
En el caso de las variables aleatorias continuas el
concepto equivalente es el de Funcin de Densidad
Condicional.


( , )
( / ) es la funcin de densidad condiconal
( )
de X dado Y=y
y
f x y
f x y
f y
=
( , )
( / ) es la funcin de densidad condiconal
( )
de Y dado X=x
x
f x y
f y x
f x
=
Ejemplo 9

Con los datos del Ejemplo 2, calcule

Solucin:


Valores que son fcilmente identificables en la tabla



( 2/ 0) y P(X=0/Y>0) P X Y = =
(2, 0) 0.083
(2/ 0) 0.249
(0) 0.333
y
p
P
p
= = =
0.333 0.167
( 0/ 0) 0.6877
0.56 0.167 0.56 0.167
P X Y = > = + =
+ +
Ejemplo 10
Para la siguiente funcin de densidad conjunta

Encuentre:
a) f(Y/X)
b) P(Y>0.5/X=0.25)

Solucin: Para resolver el literal a) primero necesitamos encontrar


2
10 , 0 1
( , )
0, . .
xy x y
f x y
c o v
< < <
=

( )
x
f x
1
3
1
2
3
10
3
10
( ) 10
3
(1 )
x
x
x
xy
f x xy dy
x x
| |
| = =
|
\ .
=
}
Continuacin
Entonces:




2 2
3
3
10
3
( , ) 10 3
) ( / )
( ) (1 )
(1 )
x
f x y xy y
a f y x
f x x
x x
= = =

2
1
3
0.5
2
1
0.5
3
) ( 0.5/ 0.25)
1 (1/ 4)
3
0.89
0.98
y
b P Y X dy
y
dy
> = =
(

= =
}
}
Independencia Estadstica
Sean X y Y dos variables aleatorias discretas o
continuas, se dice que las variables X y Y son
estadsticamente independientes si y solo si:


( , ) ( ). ( ) para V.A.D
( , ) ( ). ( ) para V.A.C
Para todo X y Y dentro de sus rangos
x y
x y
p x y p x p y
f x y f x f y
=
=
DEMOSTRAR
Ejercicios Propuestos

De libro Estadstica Matemtica con Aplicaciones:
5.1; 5,4; 5.5; 5.8; 5.9; 5.11; 5.12; 5.19; 5.21; 5.23; 5.26;
5.32; 5.45; 5.47; 5.49

Del libro Probabilidad y Estadstica para Ingeniera y
Ciencias: 3.49; 3.54; 3.56; 3.57