Gestión Aeronáutica: Estadística Teórica

Facultad Ciencias Económicas y Empresariales

Departamento de Economía Aplicada
Profesor: Santiago de la Fuente Fernández

EJERCICIOS RESUELTOS
VARIABLE ALEATORIA BIDIMENSIONAL
 Gestión Aeronáutica: Estadística Teórica
Facultad Ciencias Económicas y Empresariales
Departamento de Economía Aplicada
Profesor: Santiago de la Fuente Fernández

EJERCICIOS VARIABLES ALEATORIAS BIDIMENSIONALES

Ejercicio 1.- Un experimento consiste en lanzar tres veces una moneda. Sean las
variables aleatorias: X ="número de caras en las tres tiradas" e Y ="diferencia en valor
absoluto entre el número de caras y el de escudos en las tres tiradas". Se pide:
a) Distribución de probabilidad de (X, Y)
b) Media y desviación típica de las distribuciones marginales de X e Y
c) Covarianza y coeficiente de correlación
d) ¿Son X e Y independientes?
e) Distribución condicionada de X a Y  3
f) Distribución condicionada de Y a X  2
g) P  X  1; Y  0  , P  X  2 , P  Y  3

Solución:

a) Espacio muestral:   (c,c,c),(c,c,e),(c,e,c),(e,c,c),(c,e,e),(e,c,e),(e,e,c),(e,e,e) 

X(c,c,c)  3 Y(c,c,c)  3
X(c,c,e)  X(c,e,c)  X(e,c,c)  2 Y(c,c,e)  Y(c,e,c)  Y(e,c,c)  1
X(c,e,e)  X(e,c,e)  X(e,e,c)  1 Y(c,e,e)  Y(e,c,e)  Y(e,e,c)  1
X(e,e,e)  0 Y(e,e,e)  3

Distribución de probabilidad:

Y pi  Probabilidades marginales:
1 3
X 4

p
1 3 3 1
0 0 18 18 i  p1  p2   p3   p4      1
38 38 i 1 8 8 8 8
1 0
2 38 0 38 2

p
6 2
3 0 18 18 j  p 1  p  2   1
j 1 8 8
p j 68 28 1
Adviértase que la probabilidad conjunta:

 1 3  3   1
4 2

 p
i 1 j 1
ij  0      0    0  0    1
 8 8  8   8

4 2 4 2 n m n m
Siendo:  p   p   p
i 1 j 1
ij
i 1
i
j 1
j  1. En general,  p   p   p
i 1 j 1
ij
i 1
i
j 1
j 1

1
b) Distribución marginal de la variable aleatoria X:

xi pi  xi . pi xi2 xi2 . pi 4

x . p
12
0 18 0 0 0 Media:  X  E(X)  10  i i   1,5
i 1 8
1 38 38 1 38
Varianza:   Var(X)   20  E(X2 )  E(X)
2 2
X
2 38 68 4 12 8
4
3 18 38 9 98 E(X )   20 
2
x . p
i 1
2
i i 3
1 12 8 3

2X  Var(X)   20  E(X2 )  E(X)  3  1,52  0,75

2
 x  0,75  0,866

 Distribución marginal de la variable aleatoria Y:

yj p j y j . p j y 2j y 2j . p j 2

y . p
12
1 68 68 1 68 Media:  Y  E(Y)   01  j j   1,5
j 1 8
3 28 68 9 18 8
Varianza:   Var(Y)  02  E(Y 2 )  E(Y)
2 2
Y
1 12 8 3

2
E(Y 2 )  02  y . p
j 1
2
j j 3

2Y  Var(Y)  02  E(Y 2 )  E(Y)  3  1,52  0,75

2
 Y  0,75  0,866

c) Covarianza y coeficiente de correlación

 La covarianza se define: 11   XY   XY  Cov(X, Y)  11  10 .  01

4 2
donde 11  E(XY)   x . y . p
i 1 j 1
i j ij

Así pues,

 1  3   3   1  18
11   0.1.0  0.3.    1.1.  1.3.0    2.1.  2.3.0    3.1.0  3.3.    2,25
 8  8   8   8 8

con lo cual,  XY  Cov(X, Y)  11  10 . 01  2,25  1,5 . 1,5  0

Señalar que la covarianza  XY  Cov(X, Y) puede ser negativa, nula o positiva, siendo
una medida de la fuerza de la relación lineal entre X e Y.

 El coeficiente de correlación lineal  XY es un número abstracto (sin unidades) que

determina el grado en que las variables (X, Y) están relacionadas linealmente.

 XY
Se define:  XY 
x . Y

2
  XY 0
con lo cual,  XY   0
x . Y 0,75 . 0,75

Denotar que 1   XY  1 . Cuando  XY  0 no existe relación lineal entre las variables X e

Y, diciendo que están incorreladas.

d) Para que X e Y sean independientes se tiene que verificar: pij  pi . p j  (xi , y j )

Y pi 
1 3
X
0 p11  0 18 p1  1 8 1 6
p11  0  .  p1 .p1
1 38 0 38 8 8
2 38 0 38
Las variables X e Y NO son independientes
3 0 18 18
p j p1  6 8 28 1

Señalar que cuando dos variables X e Y son independientes, es decir, cuando pij  pi . p j
 (xi , y j ) , la covarianza es cero. El caso contrario no se verifica. Es decir:

X e Y independientes  11  Cov(X, Y)  0

11  Cov(X, Y)  0  X e Y independientes

P  X   Y  3  
e) Distribución condicionada de X a Y  3 : P  X / Y  3 
P(Y  3)

Y pi  P(X / Y  3)
1 3 X
X
18 1
0 0 18 18 0 
28 2
0
1 38 0 38 1 0
28
0
2 38 0 38 2 0
28
18 1
3 0 18 18 3 
28 2
p j 68 28 1 1

P  X   Y  y j  
En general, P  X / Y  y j  
P(Y  y j )

3
 P  Y   X  2  
f) Distribución condicionada de Y a X  2 : P  Y / X  2 
P(X  2)

Y pi  P(Y / X  2)
1 3 Y
X
38
0 0 18 18 1 1
38
0
1 38 0 38 3 0
38

2 38 0 38 1

3 0 18 18

p j 68 28 1

P  Y   X  x i  
En general, P  Y / X  xi  
P(X  x i )

g) P  X  1; Y  0 , P  X  2 , P  Y  3

Y Y Y
1 3 1 3 1 3
X X X
0 0 18 0 0 18 0 0 18
1 38 0 1 38 0 1 38 0
2 38 0 2 38 0 2 38 0
3 0 18 3 0 18 3 0 18

P  X  1; Y  0  P  X  0 ; Y  1  P  X  0 ; Y  3   P  X  1 ; Y  1  P  X  1 ; Y  3  
1 3 4 1
 p11  p12  p21  p22  0   0  
8 8 8 2

P  X  2  P  X  2 ; Y  1  P  X  2 ; Y  3  P  X  3 ; Y  1  P  X  3 ; Y  3  
3 1 4 1
 p31  p32  p 41  p42  00  
8 8 8 2

P  Y  3  P  X  0 ; Y  1  P  X  1 ; Y  1  P  X  2 ; Y  1  P  X  3 ; Y  1 
3 3 6 3
 p11  p21  p31  p41  0   0  
8 8 8 4

4
Ejercicio 2.- Sea una variable aleatoria bidimensional con distribución de probabilidad

Y
1 1
X
1 16 13
2 1 12 14
3 1 12 1 12

Se pide:
a) ¿Son X e Y independientes?
b) Hallar las medias y desviaciones típicas de X e Y

c) Hallar las probabilidades: P  X  2 ; Y  0 P  X  2 P  Y  0

d) Hallar el coeficiente de correlación

Solución:

a) Para analizar si X e Y son independientes hay que hallar las distribuciones marginales
de X e Y, y ver si verifica que pij  pi . p j  (x i , y j )

Y
1 1 pi 
X
1 16 13 12
2 1 12 14 13
3 1 12 1 12 16
p j 13 23 1

1 1 1 1 1 2
p11   p1  . p1  . p12   p1  . p 2  .
6 2 3 3 2 3

1 1 1 1 1 1 2 2
p21   p2  . p1  .  p22   p 2  . p 2  . 
12 3 3 9 4 3 3 9

1 1 1 1 1 1 2 1
p31   p3  . p1  .  p32   p3  . p 2  . 
12 6 3 18 12 6 3 9
Luego las variables X e Y no son independientes.

b) Para hallar las medias y desviaciones típicas de X e Y hay que considerar las
distribuciones marginales:

5
  Distribución marginal de la de la variable aleatoria X

X  xi pi  xi . pi xi2 xi2 . pi

1 12 12 1 12
2 13 23 4 43
3 16 36 9 96
1 10 6 20 6

x . p
10
Media: 10   X  E(X)  i i 
i 1 6
3

x . p
20
 20  E(X2 )  2
i i 
i 1 6
2
20  10  20 5
Varianza:  20    Var(X)  E(X )  E(X)
2
2
X
2
    
6  6  36 9

5
Desviación típica:  X   0,745
9

 Distribución marginal de la variable aleatoria Y

Y  yj p j y j . p j y 2j y 2j . p j
1 13 1 3 1 13
1 23 23 1 23
1 13 1

y . p
1
Media: 01   Y  E(Y)  j j 
j 1 3

2
02  E(Y 2 )  y . p
j 1
2
j j 1

2
 1 8
   Var(Y)  E(Y )  E(Y)  1    
2
Varianza: 02 2
Y
2

3 9

8
Desviación típica:  Y   0,943
9

c) Probabilidades: P  X  2 ; Y  0 P  X  2 P  Y  0

6
 Y Y Y
1 1 1 1 1 1
X X X
1 16 13 1 16 13 1 16 13
2 1 12 14 2 1 12 14 2 1 12 14
3 1 12 1 12 3 1 12 1 12 3 1 12 1 12

1 1 7
P  X  2 ; Y  0  P  X  1; Y  1  P  X  2 ; Y  1   
3 4 12

P  X  2  P  X  2 ; Y  1  P  X  2 ; Y  1  P  X  3 ; Y  1  P  X  3 ; Y  1 
1 1 1 1 6 1
     
12 4 12 12 12 2

1 1 1 1
P  Y  0  P  X  1; Y  1  P  X  2 ; Y  1  P  X  3 ; Y  1    
6 12 12 3

d) Coeficiente de correlación

xi . y j . pij
Y
1 1 1 1
X
1 16 13 1 6 13
2 1 12 14  2 12 24
3 1 12 1 12  3 12 3 12
 7 12 13 12 6 12

3 2

 x . y . p
6 1
11  E(XY)  i j ij  
i 1 j 1 12 2

1 10 1 1
Covarianza:  XY  Cov(X, Y)  11  10 . 01   .    0,555
2 6 3 18

 XY  0,555
Coeficiente de correlación:  XY     0,79
 x .  Y 0,745 . 0,943

Siendo  XY   0,79 , valor cercano a 1, existe una fuerte relación lineal entre las
variables X e Y.

7
Ejercicio 3.- Sean (X, Y) los paquetes diarios que venden dos operadores de viajes,
cuya distribución de probabilidad conjunta se refleja en la tabla:

Y
0 1 2
X
0 0,15 0,15 0,10
1 0,05 0,20 0,05
2 0,10 0,05 0,15

Hallar la media, varianza y desviación típica de las variables: X, Y, X  Y , X  Y

Solución:

Y
0 1 2 pi  xi . pi xi2 . pi
X
0 0,15 0,15 0,10 0,40 0 0
1 0,05 0,20 0,05 0,30 0,30 0,30
2 0,10 0,05 0,15 0,30 0,60 1,20
p j 0,30 0,40 0,30 1 0,90 1,50
y j . p j 0 0,40 0,60 1
2
y . p j
j 0 0,40 1,20 1,60

 Distribución marginal de la variable X:

3
Media: 10   X  E(X)  x . p
i 1
i i  0,9

3
 20  E(X2 )  x . p
i 1
2
i i  1,5

Varianza:  20  2X  Var(X)   20  10

2
 1,5  0,92  0,69

Desviación típica:  X  0,69  0,83

 Distribución marginal de la variable Y:

3
Media: 01   Y  E(Y)  y . p
j 1
j j 1

3
02  E(Y ) 
2
y . p
j 1
2
j j  1,6

Varianza: 02  2Y  Var(Y)   02   01

2
 1,6  12  0,6

Desviación típica:  Y  0,6  0,77

 Distribución de la variable (X  Y) :

8
Media:  X  Y  E(X  Y)  E(X)  E(Y)  0,9  1  1,9

3 3
 Se tiene:  X  Y  E(X  Y)   (x  y ).p
i 1 j 1
i j ij

Y
X
0 1 2  X  Y  0 . 0,15  1 . 0,15  2 . 0,10 
0 0,15 0,15 0,10 1 . 0,05  2 . 0,20  3 . 0,05 
1 0,05 0,20 0,05 2 . 0,10  3 . 0,05  4 . 0,15  1,9
2 0,10 0,05 0,15

Varianza: 2X  Y  Var(X  Y)  Var(X)  Var(Y)  2 Cov(X, Y) X e Y no independientes

xi . y j . pij
Y
0 1 2 0 1 2
X
0 0,15 0,15 0,10 0 0 0
1 0,05 0,20 0,05 0 0,20 0,10
2 0,10 0,05 0,15 0 0,10 0,60
0 0,30 0,7 1

3 3
11  E(XY)   x . y . p
i 1 j 1
i j ij 1

Covarianza:  XY  Cov(X, Y)  11  10 . 01  1  0,9.1  0,1

2X  Y  Var(X  Y)  Var(X)  Var(Y)  2 Cov(X, Y)  0,69  0,6  2.0,1  1, 49

 Se tiene:  X  Y  E (X  Y)   E(X  Y)  

2 2 2

Y
X
0 1 2 E (X  Y)2   0 . 0,15  1 . 0,15  4 . 0,10 
0 0,15 0,15 0,10 1 . 0,05  4 . 0,20  9 . 0,05 
1 0,05 0,20 0,05 4 . 0,10  9 . 0,05  16 . 0,15  5,1
2 0,10 0,05 0,15

2X  Y  E (X  Y)2   E(X  Y)  5,1  1,92  1, 49

2
 x  Y  1, 49  1,22

 Distribución de la variable (X  Y) :

Media:  X  Y  E(X  Y)  E(X)  E(Y)  0,9  1   0,1

2X  Y  Var(X  Y)  Var(X)  Var(Y)  2 Cov(X, Y)  0,69  0,6  2.0,1  1,09

9
Ejercicio 4.- Sea (X, Y) una variable aleatoria bidimensional con función de densidad:

k 0  y  x  1
f(x, y)  
0 restantes valores

a) Hallar k para que sea función de densidad

b) Hallar las funciones de densidad marginales. ¿Son X e Y independientes?
c) Hallar las funciones de distribución marginales
d) Hallar las funciones de densidad condicionadas

Solución:
 
a) Para que f(x, y) sea función de densidad tiene que verificarse:
 
 
f(x, y) dx dy  1

1
   x2 
    
1 x 1 x 1 1
k
k  y 0 dx  k x dx  k     1  k  2
x
k dx dy  k  dy  dx 
0 0 0  0  0 0  2 0 2

por tanto,

2 0  y  x  1
f(x, y)  
0 restantes valores

b) Funciones de densidad marginales:

 
x
2 dy  2  y 0  2 x
x
f1(x)  f(x, y) dy  0  x 1
 0

  2 dx  2  x
1
1
f2 (y)  f(x, y) dx  y
 2 2y 0  y 1
 y

X e Y son independientes cuando f(x, y)  f1(x). f2 (y)

f1(x). f2 (y)  2 x .(2  2 y)  4 x  4 x y  2  f(x, y) luego no son independientes

c) Funciones de distribución marginales:

  
x x x
x
F1(x)  f1(t) dt  f1(t) dt  2 t dt   t 2   x 2 0  x 1
0
 0 0

  
y y y
y
F2 (y)  f2 (t) dt  f2 (t) dt  (2  2 t) dt  2 t  t 2   2 y  y 2 0  y  1
0
 0 0

d) Funciones de densidad condicionadas:

10
 f(x, y) 2
f(x / y)   0  y 1 0  x 1
f2 (y) 22y

f(x, y) 2
f(y / x)   0  x 1 0  y 1
f1(x) 2x

Ejercicio 5.- Sea (X, Y) una variable aleatoria bidimensional con función de densidad:

1 y  x ; 0  x  1
f(x, y)  
0 restantes valores

a) Comprobar que f(x, y) es función de densidad

b) Hallar las medias de X e Y

 1   1 1 1
c) Hallar las probabilidades: P  X  ; Y  0  y P X  ;   Y  
 2   2 2 2

Solución:

 
a) f(x, y) es función de densidad si se verifica:
 
 
f(x, y) dx dy  1

 
 
       y  x dx  
1 x 1 x 1 1
1
2 x dx   x 2   1
x
f(x, y) dx dy  dx dy   dy  dx 
 
0
  0 x 0 x 0 0

en consecuencia, f(x, y) es función de densidad.

b) Para hallar las medias de X e Y hay que calcular primero las funciones de densidad
marginales:

 
x
dy   y 0  x  2 x
x
f1(x)  f(x, y) dy  0  x 1
 x



1
dx   x  y  1  y
1
  1 y  0


y
f2 (y)  f(x, y) dx  

 dx   x
1
  1
 1 y 0  y 1
 y
y

11
 1

 x3 
 
1
2
10   x  E(X)  x f1(x) dx  x .2 x dx  2   
 0  3 0 3

     y (1 y) dy 
0 1 0 1
01   y  E(Y)  y f2 (y) dy  y f2 (y) dy  y f2 (y) dy  y (1  y) dy 
 1 0 1 0
0 1
y y  y y 
 
0 1 2 3 2 3
1 1 1 1
 (y  y 2 ) dy  (y  y 2 ) dy               0
1 0 2 3  1  2 3 0 2 3 2 3

 1   1 1 1
c) Probabilidades: P  X  ; Y  0  y P X  ;   Y  
 2   2 2 2

12
     x2 
      y  x dx  
12 0 12 0 12 12
1 0 1
P  X  ; Y  0  f(x, y) dx dy   dy  dx  x dx    
 2  0 x 0  x  0 0  2 0 8

 1  
     y  1 2 dx  
1 12 1 12 12 1
1 1 1
dx   x 1 2 
12 1
P X  ;   Y    f(x, y) dx dy   dy  dx 
 2 2 2 12 1 2 12 1 2  0 12 2

Ejercicio 6.- La función de densidad asociada a la emisión de billetes de una compañía

área es:

x  y 0  x  1 0  y  1
f(x, y)  
 0 en el resto

a) Hallar la función de distribución

b) Hallar las funciones de densidad marginales de X e Y
c) ¿Son X e Y independientes?

Solución:

    v2  
y

    (u  v) du dv    
x y x y x y x
 u  v 0     du 
y
a) F(x, y)  f(u, v) dv du   (u  v) dv  du 
      2  0 
0 0 0 0 0

x
 y2   u2 

x
y2 y x2 y2 x 1
 
x
 u y   du  y    u 0
    (y x 2  y 2 x) 0  x 1 0  y 1
0  2   0
2 2 2 2 2

En consecuencia,

0 x0 ó y0
1
 (y x 2  y 2 x) 0  x 1 0  y 1
2
 1
F(x, y)  F1(x)  (x 2  x) 0  x 1 , y 1
 2
 1
F2 (y)  (y  y ) 0  y 1 , x 1
2

 2
 1 x 1 , y 1

12
Funciones de densidad marginales de X e Y

 1
 y2 
 
1
1
f(x, y) dy  (x  y) dy  x  y 0     x 
1
f1(x)  0  x 1
 0  2 0 2

 1
 x2 
 
1
1
f(x, y) dx  (x  y) dx     y  x 0   y
1
f2 (y)  0  y 1
 0  2 0 2

Adviértase que:

 F1(x)  1 2  1  F2 (y)  1  1
f1(x)    (x  x)  x  f2 (y)    (y  y 2 )   y
x  x 2  2 y  y 2  2

a) X e Y son independientes cuando se verifica f(x, y)  f1(x). f2 (y)

 1  1 
f1(x). f2 (y)   x   .   y   x  y  f(x, y)
 2 2 

luego no son independientes.

Ejercicio 7.- La función de distribución asociada a un fenómeno de la naturaleza es:

(1  e x ).(1  e  y ) x  0 , y  0
F(x, y)  
0 en el resto

a) Hallar la función de densidad

b) Hallar las funciones de densidad marginales de X e Y
c) Hallar las funciones de densidad condicionadas
d) Calcular el coeficiente de correlación

Solución:

a) f(x, y) 
2 F(x, y)

   F(x, y) 

   (1  e ).(1  e )

x y
       y  (1  e ) 
x

(1  e ) 
x y y  x  y  x y  x
  

  (1  e y ) 1
 (1  e y ).e x   e x .  e x .e y  e( x  y )  x  y x0 , y0
y y e

e ( x  y) x0 y0

Función de densidad f(x, y)  
0 en el resto

b) Funciones de densidad marginales

13
    

   

f1(x)  f(x, y) dy  e (xy)
dy  x
e .e dy  e y x
e  y dy   e  x e  y    e  x .( 1)  e  x
0
 0 0 0

   

   

f2 (y)  f(x, y) dx  e (xy)
dx  y
e .e dx  e x y
e x dx   e  y e  x    e  y .( 1)  e  y
0
 0 0 0

Adviértase que X e Y son independientes al verificarse f(x, y)  f1(x). f2 (y)

f(x, y)  e ( x  y)  f1(x). f2 (y)  e  x .e  y

X e Y independientes  La covarianza μ11 = σ xy = 0  ρ=0

c) Funciones de densidad condicionadas

f(x, y) e ( x  y )
f(x / y)   y
 e x  f1(x) al ser X e Y independientes
f2 (y) e

f(x, y) e ( x  y )
f(y / x)    e  y  f2 (y) al ser X e Y independientes
f1(x) e x

11
d) El coeficiente de correlación    xy 
x . y

  

  
 
10   x  E(X)  x . f1(x) dx  x .e dx    x.e  
x x
e  x dx    x.e  x  e  x   1
0 0
 0 0

  

  
 
01   y  E(Y)  y. f2 (y) dy  y .e dy    y .e  
y y
e  y dy    y .e  y  e  y   1
0 0
 0 0

 

 
 
Nota: x.e dx   x.e  
x x
e x dx   x.e  x  e x 
0 0
0 0

u  x du  dx
 


donde se ha realizado el cambio  
 dv  e x
dx v  e  x dx    e  x 
 0
0

     

11  E(X. Y) 

0 0
x . y . f(x, y) dx dy 
 0 0
x . y .e ( x  y) dx dy 
 0
x .e x dx .

0
y .e y dy  1

  

  

 20  E(X )  2
x . f1(x) dx 
2
x .e dx    x 2 .e  x  
2 x
2. x .e  x dx 
0
 0 0

  
   x 2 .e x   2   x.e x  e x     x 2 .e x  2. x .e x  2.e x   2
0 0 0

Análogamente, 02  E(Y 2 )  2

14
2x   20  10
2
 2 1  1 x  11

2y  02  01

2
 2 1  1 y  11

covarianza: 11   xy  11  10 . 01  1  1.1  0

11 0
coeficiente de correlación    xy   0  Las variables son incorreladas
 x .  y 1.1

Ejercicio 8.- La venta en un mercado de abastos lleva asociada la función:

 x y 
k   1 0  x 1 1 y  1
f(x, y)    2 

 0 en el resto

a) Hallar k para que sea función de densidad

b) Hallar la función de distribución
c) Funciones de densidad marginales y condicionadas
d) Se considera la transformación Z  X  Y y T  X  2 Y , hallar la función de densidad
de la variable (Z,T)

Solución:

a) f(x, y)  0  k  0
 
Para que f(x, y) sea función de densidad debe verificarse que
 
 
f(x, y) dx dy  1

 x y     y 2 1 
   
1 1 1 1 1
x y 
k  x     y 1  dx 
1
k  1 dx dy  k  2  1 dy  dx 
1  2   1      4  1 
0 0  0
 


1
1
2k dx  2k  x 0  2k  1 
1
 k
0 2

x y  2
 0  x 1 1 y  1
La función de densidad f(x, y)   4
 0 en el resto

 
x y
b) Función de distribución F(x, y)  P(X  x, Y  y)  f(u, v) dv du
 

u v  2   u v  2  
      u v  2 dv  du 
x y x y x y
1
F(x, y)   4  dv du    4  dv  du  4
0 1   0  1    0 1

15
   v2 y   u y2 u 
 
x x
1 1
u  2  v 1  du 
y
    2 y  2  du 
4   2  1  4  2 2 
0
  0

1  y 2  u 2  1  u2   x 2 (y 2  1) x (y  1)
x x

        2 y  u 0  2  u 0
x x
 
4  2  2 0 2  2 0  16 2


x 2 (y 2  1) x (y  1)
En consecuencia, F(x, y)   0  x 1 1 y  1
16 2

 Las funciones de distribución marginales, resultan:

 uv  2 
   
uv  2
x y x 1 x 1

F1(x)  P(X  x)  f(u, v) dv du  dv du   dv  du 

4 4 
  0 1 0  1 

  v 2 1 2 1 
 
x x
 u     v 1  du  du  u0  x
x
 0  x 1
  8  1 4 
0
  o

 uv  2 
   
uv  2
x y 1 y 1 y

F2 (y)  P(Y  y)  f(u, v) dv du  dv du   dv  du 

4 0  4 
  0 1 1 

  v2 y 2 y   y 2  1    y 2  1   u2 
1

 
1 1
2 2
u   v   du   u   y  1  du        y  1 u0 
1
 
  8  1 4 1   8  4   8   2 0 4
0
  0

y2  1 y  1 y2  8 y  7
   1 y  1
16 2 16

También se podrían haber hallado a través de las funciones de densidad marginales:

 1
x  y2 
 
1
 x y 1 1 1
f1(x)  f(x, y) dy   4  2  dy  4  2   2  y 1  1
 1     1

 1
y  x2 
 
1 1 y4
1
 x y 1
f2 (y)  f(x, y) dx  
 4 2 dx      x 0 
 0   4  2 0 2 8

 
x x

du  u0  x
x
F1(x)  P(X  x)  f1(u) du  0  x 1
 0

y
1  v2 
 
v  4 y2  8 y  7
y y

F2 (y)  P(Y  y)  f2 (v) dv    dv    4 v   1 y  1

 1  8  8 2  1 16

La función de distribución conjunta:

16
 0 x  0 ó y  1
 2 2
 x (y  1)  x (y  1) 0  x  1  1  y  1
 16 2

F(x, y)   x 0  x 1 , y 1
 2
 y 8y 7 1  y  1 , x  1
 16
1 x 1 , y 1


c) Las funciones de densidad marginales se pueden hallar a partir de la función de

distribución conjunta:
 F1(x)   F2 (y)   y 2  8 y  7  y  4
f1(x)   (x)  1 f2 (y)    
x x y y  16  8

o bien, a partir de la función de densidad:

 1
x  y2 
 
1
 x y 1 1 1
f1(x)  f(x, y) dy  
 4 2 dy      y 1  1
 1   4  2  1 2

 1
y  x2 
 
1 1 y4
1
 x y 1
f2 (y)  f(x, y) dx  
 4 2 dx      x 0 
 0   4  2 0 2 8

 Funciones de densidad condicionadas:

f(x, y) (x y  2) 4 x y  2
f(y / x)     f2 (y)
f1(x) 1 4

f(x, y) (x y  2) 4 2 x y  4
f(x / y)     f1(x)
f2 (y) (y  4) 8 y4

Las variables X e Y no son independientes al ser f(x, y)  f1(x). f2 (y)

z z
Z  X  Y  (z, t) x y 1 1
d) En la transformación  J   30
T  X  2 Y  (x, y) t t 1 2
x y

por lo que existe la función de densidad g(z, t)

x x
 (x, y)  z t
Despejando (X,Y) en la función de (Z,T) se calcula el jacobiano J1  
 (z, t) y y
z t
 2Z  T
Z  X  Y 2Z  2X  2Y  X  3  (x, y) 2 3 13 1
    J1   
T  X  2 Y T  X  2Y  Y  Z  T  (z, t) 1 3 1 3 3
 3

17
La función de densidad g(z, t)  f h1(z, t), h2 (z, t) . J1

2z  t z  t  0  x  1  0  2z  t  3
h1(z, t)  , h2 (z, t)  , 
3 3  1  y  1   3   z  t  3

 2z  t    z  t 
 3   3  1 (2z  t)( z  t)
g(z, t)     . 
4 3 108

x y  2 0  x  1  (2 z  t)( z  t) 0  2z  t  3
 
f(x, y)   4 1  y  1 g(z, t)   108 3   z  t  3
0 0
 en el resto  en el resto

Ejercicio 9.- Sea (X,Y) una variable aleatoria bidimensional con función de probabilidad

c x  y j xi  2,  1, 0,1,2 , y j  2,  1, 0,1,2

pij   i
 0 en otro caso

a) Calcular el valor de la constante c

b) P  X  0, Y  2

c) P  X  1

d) P  X  Y  1

Solución:

a) Para determinar el valor de la constante c se elabora la tabla, siendo pij  c x i  y j

Y pi 
-2 -1 0 1 2
X
-2 4c 3c 2c c 0 10c
-1 3c 2c c 0 c 7c
0 2c c 0 c 2c 6c
1 c 0 c 2c 3c 7c
2 0 c 2c 3c 4c 10c
p j 10c 7c 6c 7c 10c 40c

 1  xi  2,  1, 0,1,2
5 5
 x  yj 
 p
1
ij  40c  1  c
40
 pij   40 i  y j  2,  1, 0,1,2
i 1 j 1 
 0 en otro caso

1 1
b) P  X  0, Y  2  02 
40 20

18
 7
c) P  X  1  7c 
40

zona sombreada
28 7
d) P  X  Y  1  28c  
40 10

P  X  Y  1  P  X  2, Y  2  P  X  2, Y  1 

 P  X  1, Y  2  P  X  1, Y  1  P  X  1, Y  0  

 P  X  0, Y  1  P  X  0, Y  0  P  X  0, Y  1 

 P  X  1, Y  0  P  X  1, Y  1  P  X  1, Y  2 

 P  X  2, Y  1  P  X  2, Y  2  28c  28 40  7 10

Ejercicio 10.- Sean (X,Y) dos variables aleatorias independientes, cada una con la
función de densidad:

e  x x0 e  y y0
fX (x)   fY (y)  
 0 otro caso  0 otro caso

Calcular la función de densidad de la variable aleatoria X  Y

Solución:

Por ser variables aleatorias independientes, la función de densidad conjunta de la variable

aleatoria bidimensional X  Y es:

e  x  y x 0,y 0
fX,Y (x, y)  
 0 otro caso

U  X  Y u  0
La transformación a aplicar es  siendo x  0 e y  0  uv
V  X v  0

x x
 (x, y)  u v
Despejando (X,Y) en la función de (U,V) se calcula el jacobiano J1  
 (u, v) y y
u v
U  X  Y XV  (x, y) 0 1
   J1    1
V  X  Y  U V  (u, v) 1 1

Función de densidad de la transformación h1(u, v)  v ; h2 (u, v)  u  v  :

fU,V (u, v)  fX,Y h1(u, v), h2 (u, v) . J1  fX,Y  v , u  v  . J1  fX,Y  v , u  v  . 1  fX,Y  v , u  v 

19
 e v (u  v )  eu u 0,v 0 , u  v
fU,V (u, v)  fX,Y (v , u  v)  
0 otro caso

Como se quiere obtener la función de densidad de la variable aleatoria U  X  Y , se

calcula la función de densidad marginal de U:

u.e u u0
 
u u
e u dv  eu  v 0  u.e u
u
fU (u)  fU,V dv  fU (u)  
0 0
0 otro caso

Ejercicio 11.- Sea (X,Y) una variable aleatoria bidimensional absolutamente continua con
densidad uniforme en el cuadrante unitario 0,1 x 0,1 . Calcular la función de densidad
conjunta U  X  Y y V  X  Y

Solución:

 U V x x 1 1
 X
U  X  Y  2  (x, y)  u v 2 1
   El jacobiano J1    2
 V  X  Y Y  U  V  (u, v) y y 1 1 2

 2 u v 2 2

Función de densidad de la transformación h1(u, v)  (u  v) / 2 ; h2 (u, v)  (u  v) / 2 :

u  v u  v  u  v u  v  1
fU,V (u, v)  fX,Y h1(u, v), h2 (u, v) . J1  fX,Y  ,  . J1  fX,Y  ,  .  
 2 2   2 2  2
u  v u  v  1 1 1
 fX,Y  ,  .  1. 
 2 2  2 2 2

 uv
 X  2  0,1 0  u  v  2
Dominio para las variables X e Y:   
 Y  u  v  0,1 0  u  v  2
 2

1
 0  u  2 ; 1 v  1
fU,V (u, v)   2
 0 en otro caso

20
Ejercicio 12.- Dada la variable aleatoria bidimensional (X,Y) absolutamente continua con
función de densidad conjunta

cx 2 y x 2  y  1
f(x, y)  
 0 en otro caso

Calcular:

a) El valor de la constante c

b) P  X  Y 

c) Función de distribución conjunta

Solución:

a) Para el cálculo de la constante c se procede:

 
   cx 2 y 2 y 1
  cx 2 cx 6 
     
1 1 1 1
1 f(x, y) dy dx   cx y  dy  dx 
2
  dx     dx 
  1   1  2 2  1  2 2 
x2
 yx 

x 1
 cx 3 cx 7  c c  c c  4c 21
          c
 6 14  x 1 6 14  6 14  21 4

 21 2
 x y x  y 1
2
con lo cual, f(x, y)   4
 0 en otro caso

   21x 2 y 2 yx
  21x 4 21x 6 
   
1 x 1 1
21 2
b) P  X  Y    x y dy  dx    dx     dx 
0  4  0  8 2  0  8 8 
x2
 yx 

x 1
 21x 5 21x 7  21 21 42 21
      
 40 56  x  0 40 56 280 140


x y

c) F(x, y)  f(u, v) dv du
 

 1  x  1, 0  y  1

vy

u x vy
  21 u2 v 2   21 u2 y 2 21 u6 
   
x x
21 2
F(x, y)   u v dv  du    du     du 

u 1  v  u2 4  1  8  v u2 1  8 8 

21
 u x u x
 21 u3 y 2 21 u7   7 u3 y 2 3 u7   7 x3 y 2 3 x7   7 y2 3 
              
 24 56  u 1  8 8  u 1  8 8   8 8

7 3 2 3 7 7 2 3
 x y  x  y 
8 8 8 8

 1  x  1, y  1


u x v 1

 
21 2 7 3 7 3 7 3 1
F(x, y)   u v dv  du   x 3 y 2  x 7  y 2    x 3  x 7 
u 1  4  8 8 8 8  y 1 8 8 2
v  u2 

 x  1, 0  y  1


u 1 vy

 
21 2 7 3 7 3 7 3
F(x, y)   u v dv  du   x 3 y 2  x 7  y 2    y 2 
u 1  4  8 8 8 8  x 1 4 4
v  u2 

 x  1, y  1

u 1
 v 1

 
21 2 7 3 7 3
F(x, y)   u v dv  du   x 3 y 2  x 7  y 2   1
u 1  4  8 8 8 8  x 1, y 1
v  u2 

En consecuencia,

0 x  1
0 y0

7 3 2 3 7 7 2 3
 x y  x  y   1  x  1, 0  y  1
8 8 8 8
F(x, y)   7 3 3 7 1
8 x  8 x  2 1  x  1, y  1

7 2 3
4y  4 x  1, 0  y  1

1 x  1, y  1

22
Ejercicio 13.- Dada la variable aleatoria bidimensional (X,Y) con función de distribución

⎧0 x<0
⎪0 x ≥0,y ≤0
⎪
⎪ xy 0 ≤ x <1 , 0 ≤ y <1
F(x, y) = ⎨
⎪x 0 ≤ x <1 , y ≥1
⎪y x ≥1 , 0 ≤ y <1
⎪
⎩1 x ≥1 , y ≥1

Calcular la función de densidad conjunta de la v.a. bidimensional (X,Y)

Solución:

a)
⎧0 x<0 ⎧0 x<0
⎪0 x ≥0,y ≤0 ⎪0 x ≥0,y ≤0
⎪ ⎪
ϑF(x, y) ⎪ y 0 ≤ x <1 , 0 ≤ y <1 ϑ2 F(x, y) ⎪ 1 0 ≤ x <1 , 0 ≤ y <1
=⎨ f(x, y) = =⎨
ϑx ⎪1 0 ≤ x <1 , y ≥1 ϑx ϑy ⎪0 0 ≤ x <1 , y ≥1
⎪0 x ≥1 , 0 ≤ y <1 ⎪0 x ≥1 , 0 ≤ y <1
⎪ ⎪
⎩0 x ≥1 , y ≥1 ⎩0 x ≥1 , y ≥1

⎧1 0 ≤ x < 1 , 0 ≤ y < 1
Por consiguiente, f(x, y) = ⎨
⎩0 en otro caso

23
Ejercicio 14.- Sea (X,Y) una variable aleatoria bidimensional con función de probabilidad

⎧⎪c x + y j xi = −2, − 1, 0,1,2 , y j = −2, − 1, 0,1,2

pij = ⎨ i
⎪⎩ 0 en otro caso

a) Calcular el valor de la constante c

b) P [ X = 0, Y = 2]

c) P [ X = 1]

d) P ⎡⎣ X − Y ≤ 1⎤⎦

Solución:

a) Para determinar el valor de la constante c se elabora la tabla, siendo pij = c xi + y j

Y pi •
-2 -1 0 1 2
X
-2 4c 3c 2c c 0 10c
-1 3c 2c c 0 c 7c
0 2c c 0 c 2c 6c
1 c 0 c 2c 3c 7c
2 0 c 2c 3c 4c 10c
p• j 10c 7c 6c 7c 10c 40c

⎧ 1 ⎧ xi = −2, − 1, 0,1,2
5 5
⎪ x + yj ⎨
∑∑ p
1
ij = 40c = 1 6 c=
40
6 pij = ⎨ 40 i ⎩ y j = −2, − 1, 0,1,2
i =1 j =1 ⎪
⎩ 0 en otro caso

1 1
b) P [ X = 0, Y = 2] = 0+2 =
40 20

7
c) P [ X = 1] = 7c =
40

zona sombreada
28 7
d) P ⎡⎣ X − Y ≤ 1⎤⎦ = 28c = =
40 10

P ⎡⎣ X − Y ≤ 1⎤⎦ = P [ X = −2, Y = −2] + P [ X = −2, Y = −1] +

+ P [ X = −1, Y = −2] + P [ X = −1, Y = −1] + P [ X = −1, Y = 0] +

+ P [ X = 0, Y = −1] + P [ X = 0, Y = 0] + P [ X = 0, Y = 1] +

+ P [ X = 1, Y = 0] + P [ X = 1, Y = 1] + P [ X = 1, Y = 2] +

+ P [ X = 2, Y = 1] + P [ X = 2, Y = 2] = 28c = 28 40 = 7 10

24
Estadística Teórica
Facultad Ciencias Económicas y Empresariales
Departamento de Economía Aplicada
Profesor: Santiago de la Fuente Fernández