E S TA D Í S T I C A
II
CLASE N°1
VA R I A B L E S
ALEATORIAS
BIDIMENSIONALES
P R O F E S O R : C R I S T I Á N
P I N T O
C P I N T O D @ U D D . C L
VA R I A B L E S A L E A T O R I A S
BIDIMENSIONALES
• Un experimento aleatorio genera un determinado espacio muestral.
• Para cada punto del espacio muestral se definen las variables x e y obteniéndose un vector
aleatorio (x,y) que llamaremos variable aleatoria bidimensional.
• Si x e y son variables aleatorias discretas, entonces (x,y) será una variable aleatoria bidimensional
también discreta.
• Si x e y son variables aleatorias continuas, entonces (x,y) será una variable aleatoria
bidimensional también continua.
V. A . B . D I S C R E T A
• En caso que (x,y) sea una V.A.B.D es posible definir una función de probabilidad conjunta , la
cual nos indica la probabilidad asociada a cada par:
• Para que sea efectivamente una función de probabilidad conjunta se debe verificar que:
V. A . B . D : D I S T R I B U C I O N E S
MAGINALES
• A partir de la función de probabilidad conjunta es posible obtener la función de cuantía de la
variable x e y por si solas, las cuales llamaremos distribución marginal de x y distribución
marginal de y respectivamente.
PROBABILIDAD CONDICIONAL
La probabilidad de A dado B corresponde a la probabilidad que ocurra el evento A sujeto a la
condición que el evento B también ocurra
• Corresponde a la proporción que es la intersección de ambos
eventos respecto al evento que actúa como condición
𝑃 ( 𝐴
𝐵 ) =
𝑃 ( 𝐴∩ 𝐵)
𝑃 ( 𝐵)
𝑃 ( 𝐵
𝐴 ) =
𝑃 ( 𝐵 ∩ 𝐴)
𝑃 ( 𝐴)
V. A . B . D : D I S T R I B U C I O N E S
CONDICIONALES
• A partir de la función de probabilidad conjunta y las respectivas distribuciones marginales y y
𝑓 ( 𝑥
𝑦 ) =
𝑓 (𝑥, 𝑦 )
𝑓 (𝑦 )
𝑓 ( 𝑦
𝑥 ) =
𝑓 (𝑥, 𝑦 )
𝑓 (𝑥 )
V. A . B . D I N D E P E N D E N C I A D E
VA R I A B L E S
• Dos variables aleatorias x e y son independientes si se verifica que:
𝑓 ( 𝑥 , 𝑦 )= 𝑓 ( 𝑥 ) ∙ 𝑓 ( 𝑦 )
• En caso de una V.A.B.D esta igualdad debe verificarse para todos los pares (x,y)
• Si x e y son variables independientes además se verifica que:
𝑓 ( 𝑦
𝑥 )= 𝑓 ( 𝑦 )
C O VA R I A N Z A
• Es una medida de asociación que nos permite determinar el tipo de relación que existe entre dos
variables (x e y)
• Si Cov(x,y)>0 Existe una relación directa entre x e y.
• Si Cov(x,y)<0 Existe una relación inversa entre x e y.
• Si Cov(x,y)=0 Podría no existir relación entre x e y.
𝐶𝑜𝑣 ( 𝑥 , 𝑦 )= 𝑥𝑦 − 𝑥 ∙ 𝑦
COEFICIENTE DE CORRELACIÓN
• Nos permite determinar la fuerza o magnitud de la relación existente entre dos variables
Muy Muy Muy
Fuerte Débil Muy débil Débil Fuerte
fuerte débil fuerte
Relación inversa Relación directa
-1 -0,75 -0,5 0 -0,25 0,25 1 0,5 0,75
EJEMPLO
• En una clínica veterinaria, la cantidad de perros que llegan a urgencia durante un día cualquiera
(x) y la cantidad de gatos que llegan a urgencia durante el mismo período (y) es una variable
aleatoria con la siguiente función de probabilidad conjunta:
x y 0 1 2 3 4
0 0,2 0,15 0,05 0,04 0,02
1 0,2 0,06 0,08 0,03 0,01
2 0,06 0,02 0,02 0 0
3 f(x) 0,50,04
0,25 0,15 0,07 0,03
0,02 1 0 0 0
a) Encuentre la probabilidad que un día cualquiera lleguen a la urgencia de la clínica veterinaria más
perros que gatos
EJEMPLO
x y 0 1 2 3 4 f(x)
0 0,2 0,15 0,05 0,04 0,02 0,46
1 0,2 0,06 0,08 0,03 0,01 0,38
2 0,06 0,02 0,02 0 0 0,1
3 0,04 0,02 0 0 0 0,06
1
f(y) 0,5 0,25 0,15 0,07 0,03
b) Encuentre la probabilidad que un día cualquiera lleguen a la urgencia de la clínica veterinaria a lo
menos 2 perros
c) Determine la cantidad promedio de gatos que llegan diariamente a la urgencia de la clínica
EJEMPLO
x y 0 1 2 3 4 f(x)
0 0,2 0,15 0,05 0,04 0,02 0,46
1 0,2 0,06 0,08 0,03 0,01 0,38
2 0,06 0,02 0,02 0 0 0,1
3 0,04 0,02 0 0 0 0,06
1
f(y) 0,5 0,25 0,15 0,07 0,03
d) Si un día no llegan perros a la urgencia de la clínica veterinaria, ¿Cuántos gatos llegarán en
promedio?
EJEMPLO
x y 0 1 2 3 4 f(x)
0 0,2 0,15 0,05 0,04 0,02 0,46
1 0,2 0,06 0,08 0,03 0,01 0,38
2 0,06 0,02 0,02 0 0 0,1
3 0,04 0,02 0 0 0 0,06
1
f(y) 0,5 0,25 0,15 0,07 0,03
e) Determine el tipo de relación que existe entre las variables
EJEMPLO
x y 0 1 2 3 4 f(x)
0 0,2 0,15 0,05 0,04 0,02 0,46
1 0,2 0,06 0,08 0,03 0,01 0,38
2 0,06 0,02 0,02 0 0 0,1
3 0,04 0,02 0 0 0 0,06
1
f(y) 0,5 0,25 0,15 0,07 0,03
f) Determine la cantidad esperadas y la varianza de la cantidad de animales que llega diariamente a la
urgencia de la clínica veterinaria
V. A . B . C O N T I N U A
• En caso que (x,y) sea una V.A.B.D es posible definir una función de densidad conjunta , la cual
nos indica la probabilidad asociada a un conjunto de pares (x,y):
• Para que sea efectivamente una función de probabilidad conjunta se debe verificar que:
𝑥 𝑚𝑎𝑥 𝑦 𝑚𝑎𝑥
∫ ∫ 𝑓 ( 𝑥 , 𝑦 ) 𝑑𝑦𝑑𝑥 =1
𝑥 𝑚𝑖𝑛 𝑦 𝑚𝑖𝑛
V. A . B . C : D I S T R I B U C I O N E S
MAGINALES
• A partir de la función de probabilidad conjunta es posible obtener la función de cuantía de la
variable x e y por si solas, las cuales llamaremos distribución marginal de x y distribución
marginal de y respectivamente.
𝑦 𝑚𝑎𝑥
𝑓 ( 𝑥 )= ∫ 𝑓 ( 𝑥 , 𝑦 ) 𝑑𝑦
𝑦 𝑚𝑖𝑛
𝑥 𝑚𝑎𝑥
𝑓 ( 𝑦 )= ∫ 𝑓 ( 𝑥 , 𝑦 ) 𝑑𝑥
𝑥𝑚𝑖𝑛
V. A . B . C : D I S T R I B U C I O N E S
CONDICIONALES
• A partir de la función de probabilidad conjunta y las respectivas distribuciones marginales y y
𝑓 ( 𝑥
𝑦 ) =
𝑓 (𝑥, 𝑦 )
𝑓 (𝑦 )
𝑓 ( 𝑦
𝑥 ) =
𝑓 (𝑥, 𝑦 )
𝑓 (𝑥 )
V. A . B . C I N D E P E N D E N C I A D E
VA R I A B L E S
• Dos variables aleatorias x e y son independientes si se verifica que:
𝑓 ( 𝑥 , 𝑦 )= 𝑓 ( 𝑥 ) ∙ 𝑓 ( 𝑦 )
• En caso de una V.A.B.D esta igualdad debe verificarse para todos los pares (x,y)
• Si x e y son variables independientes además se verifica que:
𝑓 ( 𝑦
𝑥 )= 𝑓 ( 𝑦 )
C O VA R I A N Z A
• Es una medida de asociación que nos permite determinar el tipo de relación que existe entre dos
variables (x e y)
• Si Cov(x,y)>0 Existe una relación directa entre x e y.
• Si Cov(x,y)<0 Existe una relación inversa entre x e y.
• Si Cov(x,y)=0 Podría no existir relación entre x e y.
𝐶𝑜𝑣 ( 𝑥 , 𝑦 )= 𝑥𝑦 − 𝑥 ∙ 𝑦
COEFICIENTE DE CORRELACIÓN
• Nos permite determinar la fuerza o magnitud de la relación existente entre dos variables
Muy Muy Muy
Fuerte Débil Muy débil Débil Fuerte
fuerte débil fuerte
Relación inversa Relación directa
-1 -0,75 -0,5 0 -0,25 0,25 1 0,5 0,75
EJEMPLO
• Una fábrica de chocolates ofrece un producto que consiste en una barra de chocolate con
almendras y nueces. Sea x la cantidad de almendras que contiene una barra de chocolate y sea y
la cantidad de nueces que contiene una barra de chocolate, ambas expresadas en gramos. Estas
variables presentan la siguiente función de densidad conjunta:
{ ( ) 𝑠𝑖 20 ≤ 𝑥 ≤ 30 20 ≤ 𝑦 ≤ 30
2 2
𝑓 ( 𝑥 , 𝑦 )= ¿ 𝑘 𝑥 + 𝑦
¿ 0 𝑐 . 𝑜 .𝑐
a) Determine el valor de k.
EJEMPLO
{ ( ) 𝑠𝑖 20 ≤ 𝑥 ≤ 30 20 ≤ 𝑦 ≤ 30
2 2
𝑓 ( 𝑥 , 𝑦 )= ¿ 𝑘 𝑥 + 𝑦
¿ 0 𝑐 . 𝑜 .𝑐
b) Determine la cantidad esperada de almendras que tiene una barra de chocolate.
EJEMPLO
{ ( ) 𝑠𝑖 20 ≤ 𝑥 ≤ 30 20 ≤ 𝑦 ≤ 30
2 2
𝑓 ( 𝑥 , 𝑦 )= ¿ 𝑘 𝑥 + 𝑦
¿ 0 𝑐 . 𝑜 .𝑐
c) Determine la probabilidad que una barra de chocolate tenga ente 25 y 33 gramos de nueces.
EJEMPLO
{ ( ) 𝑠𝑖 20 ≤ 𝑥 ≤ 30 20 ≤ 𝑦 ≤ 30
2 2
𝑓 ( 𝑥 , 𝑦 )= ¿ 𝑘 𝑥 + 𝑦
¿ 0 𝑐 . 𝑜 .𝑐
d) Si una barra de chocolate tiene 26 gramos de almendras, ¿Cuál es la probabilidad que tenga
menos de 26 gramos de nueces.
EJEMPLO
{ ( ) 𝑠𝑖 20 ≤ 𝑥 ≤ 30 20 ≤ 𝑦 ≤ 30
2 2
𝑓 ( 𝑥 , 𝑦 )= ¿ 𝑘 𝑥 + 𝑦
¿ 0 𝑐 . 𝑜 .𝑐
e) ¿Cuál es la probabilidad que una barra de chocolate tenga más nueces que almendras?
EJEMPLO
{ ( ) 𝑠𝑖 20 ≤ 𝑥 ≤ 30 20 ≤ 𝑦 ≤ 30
2 2
𝑓 ( 𝑥 , 𝑦 )= ¿ 𝑘 𝑥 + 𝑦
¿ 0 𝑐 . 𝑜 .𝑐
b) Determine si las variables son o no independientes.
