Universidad de San Carlos de Guatemala

Facultad de Ingeniería
Área de Estadística

VARIABLES ALEATORIAS BIDIMENSIONALES

Concepto:
Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X, Y) es una asignación numérica
en 𝑅2 :

(X, Y): E → 𝑅2

ei −→ (X(ei), Y(ei)) ∈ 𝑅2

Tipos
 Variables aleatorias bidimensionales discretas
 Variables aleatorias bidimensionales continuas

Variables aleatorias bidimensionales discretas

Son aquellas variables aleatorias que sólo pueden tomar un número de valores finito o infinito
numerable.

(X, Y) : E −→ 𝑅2 ei −→ (X(ei), Y(ei)) ∈ 𝑅2

Las variables aleatorias bidimensionales discretas están caracterizadas por la función de probabilidad
conjunta y la función de distribución Además en este caso existen distribuciones marginales de las
variables y distribuciones condicionadas.

Función de probabilidad conjunta

1
Propiedades:

Función de probabilidad marginal

Función de probabilidad condicionada

Función de distribución

2
Variables aleatorias bidimensionales continuas

Sea una variable continúa, se dice que es su función de densidad conjunta si:

La función debe

verificar: 1.

2.

Representa una superficie de densidad, de tal forma que el área encerrada

entre la superficie “Z” y el plano “XY” vale la unidad.

La probabilidad de que la variable aleatoria tome valores dentro del rectángulo viene dada
por:

Si “A” representa cualquier suceso y la región del plano “XY” que se corresponde con
“A”, se define su probabilidad como:

La función de distribución conjunta viene dada por:

3
La relación entre F y f es:

Las funciones de distribución marginales son:

Derivando se obtienen las correspondientes funciones de densidad marginales:

Valor Esperado de las Variables aleatorias bidimensionales

Sea una variable aleatoria bidimensional (X,Y) cuya fdp conjunta es la función de
probabilidad conjunta p(xi,yj) si es discreta o la función de densidad de probabilidad conjunta
f( x,y ) si es continua y sea una función real de dos variables Z = H(x, y ) de manera que
podemos definir una variable aleatoria Z que es función de la variable aleatoria
bidimensional (X, Y ) de la forma Z = H(X, Y). Si la fdp de Z es q(zi) , si Z es discreta, o q(z) si es
continua, entonces la esperanza matemática de Z es, de acuerdo con la definición general:

4
Teorema
Sea (X,Y) una variable aleatoria bidimensional y sea Z=H(X,Y) una variable aleatoria que es función de
(X,Y).

a) Si Z es variable aleatoria discreta que proviene de la variable aleatoria bidimensional discreta (X,Y)
cuyo recorrido es RXY y su fdp conjunta es p(xi,yj), entonces:

b) Si Z es variable aleatoria continua que proviene de la variable aleatoria continua bidimensional

Covarianza

Es un valor que indica el grado de variación conjunta de dos variables aleatorias. Es el dato básico
para determinar si existe una dependencia entre ambas variables y además es el dato necesario para
estimar otros parámetros básicos, como el coeficiente de correlación lineal o la recta de regresión.
Sean X e Y dos variables aleatorias. La covarianza de X e Y se define:

Propiedades de la covarianza:

Coeficiente de Correlación

En realidad más que la covarianza aquí nos interesa considerar una cantidad relacionada con σXY y que
según veremos nos dará información sobre el grado de asociación que existe entre X e Y. Más
concretamente nos contará si existe algún grado de relación lineal entre X e Y. Esa cantidad es el
coeficiente de correlación lineal.

5
Propiedades del coeficiente de correlación

Propiedad 1

Propiedad 2

Propiedad 3

Propiedad 4

Independencia

Hemos visto que a partir de la distribución conjunta se puede hallar la distribución de cada
componente (estas eran las distribuciones marginales). Cabe preguntarse si a partir de las
distribuciones marginales es posible determinar la distribución conjunta. En general esto no es cierto,
solo en el caso particular que las variables sean independientes. Dadas dos variables X e Y son
independientes si y solo si:

6
Propiedades de variables independientes:

Problemas Resueltos
Variables Aleatorias Bidimensionales Discretas

7
8
9
10
Variables Aleatorias Bidimensionales Continuas
Ejemplo 1:
Si x, y son variables aleatorias continuas con función de densidad de probabilidad,

𝑅(𝑅, 𝑅) = 18𝑅2𝑅2 0 ≤ 𝑅 ≤ 1 ;0 ≤ 𝑅 ≤ 𝑅

Recorrido de xy:

Calcule lo siguiente:
1 1
a. Encuentre la probabilidad 𝑅(𝑅 < 2 , 𝑅 < )
3

Solución:
1 1 1 1 1 1
𝑅 (𝑅 < , 𝑅 < ) = 𝑅 (0 ≤ 𝑅 ≤ 3 , 0 ≤ 𝑅 ≤ 𝑅) + 𝑅 ( ≤𝑅≤ ,0≤𝑅≤ )
2 3 3 2 3
1/3 𝑅 1/2 1/3
= ∫ ∫ 18𝑅2𝑅2 𝑅𝑅 𝑅𝑅 + ∫ ∫ 18𝑅2𝑅2 𝑅𝑅 𝑅𝑅
0 0 1/3 0

= 0.0013717 + 0.0065157 = 𝑅. 𝑅𝑅𝑅𝑅𝑅𝑅

b. La distribución marginal de x.

Solución:
𝑅
18 5
𝑅(𝑅 = ∫ 18𝑅2𝑅2 0 𝑅𝑅 𝑅 0≤𝑅≤1
) = 3

c. La distribución marginal de y.

Solución:
1
ℎ(𝑅) = ∫ 18𝑅
𝑅
𝑅 𝑅𝑅 = 6𝑅2(1 − 𝑅 3 )
2 2
0 ≤ 𝑅 ≤1

11
Ejemplo 2:
Se supone que cada neumático delantero de un tipo particular de vehículo está inflado a una
presión de 26 lb/pulg2. Suponga que la presión de aire real en cada neumático es una
variable aleatoria ‘x’ para el neumático derecho y ‘y’ para el izquierdo con función de
densidad de probabilidad conjunta:

𝑅(𝑅 2 + 𝑅 2) 20 ≤𝑅 ≤ 30, 20 ≤ 𝑅 ≤ 30 0
𝑅(𝑅, 𝑅) = {
𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 𝑅𝑅𝑅𝑅
𝑅𝑅𝑅𝑅

a. ¿Cuál es el valor de K?

Solución:

Para que la función de probabilidad conjunta sea válida, se sabe que, al integrar a cada
variable dentro de sus límites el resultado debe ser 1 (probabilidad total).
30 30
𝑅∫ ∫ (𝑅2 + 𝑅 2) 𝑅𝑅 𝑅𝑅 = 1
20 20

30 30
30 𝑅3 19,000
𝑅∫ [ + 𝑅𝑅2] 𝑅𝑅 = 1 ; 𝑅∫ ( + 10𝑅2) 𝑅𝑅 = 1
20 3 20 20 3

19000 𝑅3
30 2 ∗ 19000 𝑅
𝑅[ ∗ 𝑅 + 10 ] = 1; 𝑅( ) =1; 𝑅= ;
3 3 20 3 𝑅𝑅𝑅𝑅𝑅

b. ¿Cuál es la probabilidad de que ambos neumáticos estén inflados a menos presión?

Solución:

Inflados a menos presión indicaría por tanto que ambos neumáticos pueden tener menos de
26 lb/pulg2.
26 26
𝑅(𝑅 < 26, 𝑅 < 26) = ∫ ∫ 𝑅(𝑅2 + 𝑅2 ) 𝑅𝑅 𝑅𝑅 = 0.3024
20 20

12
 Existe una probabilidad de 0.3024 de que ambos neumáticos tengan estén inflados a
menos presión.

c. Marginal de y: Determine la función marginal del neumático izquierdo.

Solución:
30
30 𝑅3
𝑅𝑅(𝑅) = ∫ 𝑅(𝑅 +𝑅 2 2)𝑅𝑅
= 𝑅[ + 𝑅𝑅 ]
2
20 3 20

𝑅 (6𝑅2 + 9576) 20 ≤ 𝑅 ≤ 30

d. Marginal de x: Determine la función marginal del neumático derecho.

Solución:
30
30 𝑅3
𝑅𝑅(𝑅) = ∫ 𝑅(𝑅 + 𝑅2 2)𝑅𝑅
= 𝑅[ + 𝑅𝑅 ]
2
20 3 20

𝑅 (6𝑅2 + 9576) 20 ≤ 𝑅 ≤ 30

e. Independencia: ¿Son ‘x’ y ‘y’ variables independientes?

Solución:

Si ‘x’ y ‘y’ son variables independientes, entonces su función conjunta f(x,y) debe ser igual al
producto de sus funciones marginales fx(x)*fy(y).

𝑅𝑅(𝑅)∗ 𝑅𝑅(𝑅)= 36𝑅2(1596+𝑅2)(1596 +𝑅 2 ) ≠ 𝑅(𝑅2 +𝑅 2 )

Debido a que no es cierto que el producto de ambas marginales provea la función conjunta
de ‘x’ y de ‘y’, se concluye que ‘x’ y ‘y’ no son independientes.

13
 f. Condicional: Si el neumático derecho tiene una presión de 26 lb/pulg2, determine la
probabilidad de que el neumático izquierdo tenga menos presión que la que presenta
el derecho.

Solución:

𝑅 < 26⁄
26
𝑅(𝑅,𝑅)
𝑅 𝑅 = 26) = ∫ 𝑅𝑅(𝑅)
𝑅𝑅, 𝑅𝑅𝑅𝑅𝑅: 𝑅 = 26
(
20

26
𝑅 (𝑅2 + 𝑅2 ) 26
262 +𝑅2 1 26
2 2
∫ 𝑅𝑅 = ∫ 𝑅𝑅 = ( 13632 ) ∫ (26 + 𝑅 ) 𝑅𝑅
20 𝑅 (6𝑅2 + 9576) 20
6 ∗ 262 + 9576 20

1 26
)[262𝑅 + 𝑅 ] = (
3 1
( 9576 − 4056) = 0.5317
)(
13632 3 20 13632 3

Existe una probabilidad de 0.5317 de que el neumático izquierdo tenga una presión menor
a la que presenta el neumático derecho.

Ejemplo 3:
La función de densidad de probabilidad conjunta de la cantidad X de almendras y la cantidad
Y de nueces de Acajú en una lata de 1 lb de nueces es:

24 𝑅𝑅 0 ≤ 𝑅 ≤ 1, 0 ≤ 𝑅 ≤ 1, 𝑅 + 𝑅 ≤ 1 0
𝑅(𝑅, 𝑅) = {
𝑅𝑅 𝑅𝑅 𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅

Si 1 lb de almendras le cuesta a la compañía Q1.00, 1 lb de nuez de Acajú le cuesta Q1.5 y 1 lb

ℎ(𝑅, 𝑅) = (1)𝑅 + (1.5)𝑅 + (0.5)(1 − 𝑅 − 𝑅) = 𝑅. 𝑅 + 𝑅. 𝑅𝑅 + 𝑅

(Puesto que 1-X-Y del peso se compone de manías). El costo esperado total es:
∞ ∞
𝑅[ℎ(𝑅, 𝑅)]= ∫ ∫ ℎ(𝑅, 𝑅) ∗ 𝑅(𝑅, 𝑅) 𝑅𝑅 𝑅𝑅
−∞ −∞

1 1−𝑅
𝑅[ℎ(𝑅, 𝑅)] = ∫ ∫ (0.5 + 0.5𝑅 + 𝑅) ∗ 24𝑅𝑅 𝑅𝑅 𝑅𝑅
14
0 0

15
 𝑅[ℎ(𝑅, 𝑅)] = 𝑅𝑅. 𝑅𝑅

Si se tiene una función marginal de X=Cantidad de almendras y Y=cantidad de nueces igual a:

𝑅𝑅 (𝑅) = {12𝑅(1 − 𝑅) 0 ≤ 𝑅 ≤1
2

0 𝑅𝑅 𝑅𝑅 𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅

Con 𝑅𝑅(𝑅) obtenida reemplazando “x” por “y” en 𝑅𝑅(𝑅). Es fácil verificar que 𝑅𝑅 = 𝑅𝑅 = 2 𝑅
5

∞ ∞ 1 1−𝑅
𝑅(𝑅𝑅) = ∫ ∫ 𝑅𝑅 𝑅(𝑅, 𝑅) 𝑅𝑅 𝑅𝑅 = ∫ ∫ 𝑅𝑅 ∗ 24𝑅𝑅 𝑅𝑅 𝑅𝑅
−∞ −∞ 0 0

1 𝑅
𝑅(𝑅𝑅 = 8 ∫ 𝑅2 (1 − 𝑅)3 𝑅𝑅 =
) 0 𝑅𝑅

Por lo tanto la Covarianza está dada por:

16