Upload
jimyhms-melgarejo-segura
View
22
Download
0
Embed Size (px)
Citation preview
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
1
Variables aleatorias distribuidas en forma conjunta
Vector Aleatorio
Un vector ( , ,..., )X X X k1 2 cuyos componentes son v. as. definidas en el mismo
espacio de probabilidad, , , (.)P , se llama vector aleatorio k-dimensional o variable
aleatoria k-dimensional.
: Rk
( ) , ,..., ( ) ( ), ( ),..., ( )X X X X X Xk k1 2 1 2
Función De Distribución Acumulativa Conjunta (F.D.A.C)
Sean las v. as. X X X k1 2, ,..., todas definidas en el espacio de probabilidad
, , (.)P . La F.D.A.C está definida por:
F x x x P X x X x x x x Rk k k k
k( , ,..., ) ,..., ; , ,...,1 2 1 1 1 2
Propiedades De La F.D.A.C (K=2)
1. F(x,y) es la F.D.A.C entonces:
F y Lim F x y y
F x Lim F x y x
F Lim F x y
X
Y
X Y
, , ;
, , ;
, ,,
0
0
1
2. Si x1 x2 , y1 y2 , entonces:
1 2 1 2 2 2 1 2 2 1 1 1, , , , , 0P x X x y Y y F x y F x y F x y F x y
Demostración
y2
y1 (x1 ,y1) (x2 ,y1)
x1 x2
(x2 ,y2) (x1 ,y2)
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
2
1 2 1 2 2 2 1 2 2 1
1 1
, , , ,
,
P x X x y Y y P X x Y y P X x Y y P X x Y y
P X x Y y
3. F(x,y) es contínua por la derecha en cada argumento o sea:
Lim F x h y Lim F x y h F x yh h0 0 0 0
, , ,
Ejemplo: Se tiene la siguiente función:
0 , 1
,1 , 1
si x yF x y
si x y
¿ Es la función anterior una función acumulativa conjunta ? Justifique.
Solución
Para que sea una función acumulativa conjunta debe cumplir con lo siguiente :
1. , , 0 , , 1
2. 0 3 , 0 3 3,3 0,3 3,0 0,0
1 1 1 0 1 0
, no es F.D.A.C
F y F x F
P X Y F F F F
no es
F x y
Función De Distribución Acumulada Marginal (F.D.A.M) K=2
Si F(x,y) es la F.D.A.C de (X,Y), entonces:
FX(x) es la F.D.A.M de X.
FY(y) es la F.D.A.M de Y.
Observación:
F x F x y F y F yX Y( ) ( , ) ( ) ( , ) ; esto es , el conocimiento de la F.D.A.C de X
e Y implica el conocimiento de la F.D.A.M pero la inversa, en general, no es cierto.
Función Densidad Conjunta
Caso Discreto
Variable Aleatoria Discreta Conjunta
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
3
Si X X X k1 2, , ... , es una v.a k-dimensional tal que es una v.a discretaiX (es
decir puede tomar un número contable de puntos) se dice que es una v.a discreta.
Si es una v.a k-dimensional discreta entonces su función densidad discreta conjunta
es:
1 1 1
1 2
,..., , si ,..., es un valor observadode, ,...,
0 , para otros valores
k k k
k
P X x X x x xf x x x
Observación
f x x xk1 2 1, , ,
Teorema
Si X Y, es una v.a bidimensional discreta entonces el conocimiento de F(x,y) es
equivalente al conocimiento de f(x,y). Este teorema se extiende a v.as k-
dimensionales.
F x y f x y y
f x y F x y lim F x h y lim F x y h lim F x h y h
i j
i j i jh
i jh
i jh
i j
, , ,
, , , , ,
0 0 0 0 0 0
Caso Continuo
La v.a k-dimensional X X k1, , es continua conjunta si y sólo si existe una
función f x xk1 0, , tal que:
1
1 1 1 1
1
, , , , , , ,
a , , se le llama función densidad de probabilidadesconjunta.
kXX
k k k k
k
F x x f u u du du x x
f x x
Propiedades de f x x k1 , ,
1 0
2 1
1 1
1 1
. , , , , ,
. , ,
f x x x x R
f x x dx dx
k k
k
k k
Observaciones
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
4
1. En el caso de 2 dimensiones, volúmenes dan probabilidades. Ejemplo: Sea la v.a
(X1 , X2 ) con función densidad f (x1 , x2 ) y sea A alguna región en el plano x1-x2 ,
entonces:
P X X A f x x dx dxA
1 2 2 1 21, ,
La probabilidad de que ( X1 , X2 ) caiga en la región A está dada por el volumen
bajo f(x1 , x2 ) sobre la región A.
1 1 1 1
1 1
2. Si , , / ; ;
Si , ,
k k k k
k k
S x x a x b a x b
A S P A f x x dx dx
A
Teorema
Si ( X, Y ) es un vector aleatorio bidimensional continuo, entonces el conocimiento de
F(x,y) es equivalente al conocimiento de f ( x, y ). Este teorema se puede extender a
v.as continuas k-dimensionales.
2
, ,
,,
y x
F x y f s t ds dt
F x yf x y
x y
Función Densidad Marginal ( K=2 )
Caso Discreto
Sea ( X , Y ) una v.a discreta bidimensional con función densidad conjunta f (x,y)
entonces las funciones densidad marginal serán:
( ) , , , es la f.d marginal de
( ) , , , es la f.d marginal de
Observación
,
,
,
i
j
X k k j k j
j j
Y k i k i k
i i
i j
x x j
i j
y y i
f x f x y P X x Y y X
f y f x y P X x Y y Y
F x P X x Y
F x P X x Y y
F y P X x Y y
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
5
Ejemplo: Con dos líneas de producción (A y B) de televisores puede ocurrir que sus
productos tengan cierto tipo de defecto leve que no impide su venta. La probabilidad de
que la línea A produzca un televisor con esa falla leve es 0.4 y para la línea B esta
probabilidad es 0.6. Para los tres siguientes defectos leves de ese tipo que se producirán
considere que: las líneas de producción trabajan independientemente y se define la
variable aleatoria X como el número de fallas de ese tipo ocasionados por la línea B y la
variable aleatoria Y como el número de fallas de ese tipo ocasionados por la línea B
considerándose sólo las dos primeras fallas que se producirán. Halle f(x,y), F(x,y) y
utilice F(x,y) para hallar f(2,1).
Solución
Determinación de f(x,y)
32 8n , P(A)=0.4 y P(B)=0.6
Resultados X Y Probabilidad
AAA 0 0 0.064
AAB 1 0 0.096
ABA 1 1 0.096
BAA 1 1 0.096
ABB 2 1 0.144
BAB 2 1 0.144
BBA 2 2 0.144
BBB 3 2 0.216
f(x,y)
X
f(y) 0 1 2 3
Y
0 0.064 0.096 0 0 0.160
1 0 0.192 0.288 0 0.480
2 0 0 0.144 0.216 0.360
f(x) 0.064 0.288 0.432 0.216
Obtención de F(x,y)
F(x,y)
0x 0 1x 1 2x 2 3x 3 x
0y 0 0 0 0 0
0 1y 0 0.064 0.160 0.160 0.160
1 2y 0 0.064 0.352 0.640 0.640
2 y 0 0.064 0.352 0.784 1
Cálculo de f(2,1) utilizando F(x,y)
hyhxFhyxFyhxFyxFyxf
yyxfyxF
jih
jih
jih
jiji
ji
,lim,lim,lim,,
,,,
000000
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
6
0 0 0 0 0 0
2,1 2,1 lim 2 ,1 lim 2,1 lim 2 ,1
0.640 0.352 0.160 0.160 0.288
h h hf F F h F h F h h
Distribución Multinomial
Recuerde que para la distribución Binomial se tienen n pruebas de Bernoulli y cada
prueba puede tener dos resultados posibles: Éxito y Fracaso. Para la distribución
Multinomial se tienen n pruebas independientes donde cada prueba tiene (k + 1)
resultados posibles 1 1, , ka a y se cumple que 1
1
1, , 1; y 1k
i i i
i
P a p i k p
.
Se definen las siguientes variables aleatorias:
El número de veces que se obtiene en las n pruebas 1, , 1i iX a i k . Entonces la
densidad discreta de la v.a 1 1, , kX X es:
11
1 , , 1 1 1
1 1
!, ,
! ! !k k
k
x xx
X X k k k
k k
nf x x p p p
x x x
donde 1
1
0,1, , ;k
i i
i
X n X n
1
1
k
k i
i
X n X
.
Distribución V Bivariada
Se tienen N elementos de los cuales A son de una clase I, B son de otra clase II y (N-A-
B) no son ni de la clase I ni II. El experimento aleatorio consiste en la selección al azar,
con reemplazo y sin considerar el orden de extracción de n elementos. Se definen las
v.as X= # de elementos de la clase I en la muestra y Y= # de elementos de la clase II en
la muestra, entonces la v.a bivariada (X,Y) tiene distribución V bivariada con
parámetros N,n,A y B si su función densidad conjunta es:
f x y
A x
x
B y
y
N A B n x y
n x y
N n
n
para x n y n x y n y n x
,
, ,
1 1 1
1
0 0 0
Obtención De La Función Densidad Marginal De X
0 0
1
11,
1
1pero en general se cumple que : entonces :
1
n x n x
y y
z
A x
N A B n x yB yxf x f x y
N n y n x y
n
H
H z z
z
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
7
f x
A
x
N
n
B
y
N A B
n x y
A
x
N
n
B N A B
y n x y
f x
A
x
N A
n x
N
n
A x
x
N A n x
n x
N n
x
n
y n x yy
n x
1
1
1 1
1 1
1
0
n
x n
, , , , ,0 1 2
Se concluye que X ~ V(N,n,A), por un procedimiento similar se determina que
Y~V(N,n,B).
Caso Continuo
Sea ( X , Y ) una v.a continua bidimensional con f. densidad conjunta f ( x , y ) ,
entonces:
, , es la f.d marginal de
, , es la f.d marginal de
Nota :
, ,
, ,
X
y
Y
x
x
y
f x f x y dy X
f y f x y dx Y
F x F x f u y du dy
F y F y f x v dx dv
Ejemplo. La calificación X de un estudiante de secundaria de cierto país en una prueba
de aptitud matemática es un número entre 0 y 100 y su calificación Y en una prueba de
aptitudes musicales también es un número entre 0 y 100. Además se conoce que en la
población de todos los estudiantes de secundaria de ese país, las calificaciones X e Y
(en centenas) se distribuyen según la siguiente función densidad conjunta:
2 3 , para 0 1 0 1
,0 , en otro caso
k x y x y yf x y
.
a. ¿Cuál es el valor de k?
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
8
1 1
0 0
0,1 0,1
5 22 3 1
2 5
2, 2 3
5
k x y dxdy k k
f x y x y I x I y
b. Halle , y ,f x f y F x y .
Determinación de las densidades marginales
1
0,1
0
1
0,1
0
2 2 32 3 2
5 5 2
2 22 3 1 3
5 5
f x x y dy x I x
f y x y dx y I y
Determinación de la densidad acumulada conjunta
Para 0, 0 , 0
Para 0, 0 , 0
Para 0, 0 , 0
x y F x y
x y F x y
x y F x y
2 2
0 0
Para la región A 0 1, 0 1
2 2 3, 2 3
5 5 2
y x
t s
x y
F x y s t dsdt x y xy
1
2
0 0
Para la región B 0 1, 1
2 2 3, 2 3
5 5 2
x
t s
x y
F x y s t dsdt x x
1
2
0 0
Para la región C 1 , 0 1
2 2 3, 2 3
5 5 2
y
t s
x y
F x y s t dsdt y y
1 1
0 0
Para la región D 1 , 1
2, 2 3 1
5t s
x y
F x y s t dsdt
Por ejemplo en la región C: 22 32, 0.5 2,0.5 0.5 0.5 0.35
5 2P X Y F
.
Se cumple que:
2
0,1 0,1
, 2, 2 3
5
d F x yf x y x y I x I y
dxdy
c. Calcule la probabilidad de que la calificación de un estudiante secundario en
aptitud matemática sea mayor que el doble de la calificación en aptitudes
musicales.
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
9
1/ 2 1
0 2
2 112 2 3 0.1833
5 60y x y
P x y x y dxdy
De otra manera
1 / 2
0 0
2 112 2 3 0.1833
2 5 60
x
x y
XP x y P Y x y dydx
Calcule la probabilidad de que la calificación de un estudiante secundario en aptitud
matemática sea mayor que el de la calificación en aptitudes musicales en más de 40
puntos.
0.6 1
0 0.4
20.4 0.4 2 3 0.1584
5y x y
P X Y P X Y x y dxdy
De otra manera
1 0.4
0.4 0
20.4 0.4 2 3 0.1584
5
x
x y
P X Y P Y X x y dydx
Ejemplo: Sea X el tiempo de vida en decenas de años de un componente electrónico 1,
e Y el tiempo de vida en decenas de años de un componente electrónico 2, de un equipo
de sonido. La densidad conjunta de X e Y es:
2 3 , para 0 1, 0 1, 0 1
,0 , en otro caso
k x y x y x yf x y
.
a. Halle el valor de k.
1 1 1
0 0 0
4 32 3 2 3 1
3 4
3, 2 3 , para 0 1, 0 1, 0 1
4
y
x
k x y dxdy k x y dydx k k
f x y x y x y x y
b. Obtenga y f x f y .
21 2
0,1
2
0,1
0
2 33 252 3
4 8 8
32 3 3
4
x
y
x xf x x y dy I x
f y x y dx y I y
La Distribución Gamma Bivariada
Nota : No es la generalización única del caso univariado.
La v.a.c bidimensional (X,Y) tiene distribución Gamma bivariada con parámetros r1 , r2
y si su función densidad conjunta es :
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
10
f x yr r
x y x e x y r rr r
r r y, , ; , ,
1 2
1 2
1 2
1 1
1 20 0
Determinación De La Función Densidad Marginal De X
f x f x y dyr r
xx y x e
xdy
f xx
r r
x
x
y
x xe dy
x
r r
y
xe
dy
x
y x
r rr r
r r y
r r
x
r r r r r r
y
x
r r r r r
y
x
, ( )( )
1 2
1 2
1 2
1 2
1 2 1 2 1 2 1 2 1 2 2
1 2
1
1 1
1
1
1 2
1 1 1
1 2
1
11
1
1 2 1 2 1 2 1 2
2
2
1 1
1 121
1 2 1 20
1
1
1
Haciendo 1 ;
, 0 ~ Gamma ,
r r r r r r r rx zrx x
r
r r x
y dyz dz y zx x
x x
rx xf x e z e dz e
r r r r x
x ef x x X r
r
Determinación De La Función Densidad Marginal De Y
211 2
1 2
1 2
1 21 2
1 2
11
1
1
1 20 0
1 1
1
1 2 0
,
1
Haciendo
ry y rr r yr r
r r
x
r ryr r yr r
x y xef y f x y dx y dx
r r y
e x x dxf y y
r r y y y
x dxw dw
y y
1 2 1 2 1 2 1 2
21
1 2 1 2
11 11 1 21
1 2 1 2 1 20
1
1 2
1
, 0
r r r r r r r ry yrr
BETA
r r r ry
r re y e yf y w w dw
r r r r r r
e yf y y
r r
Distribuciones Condicionales
Caso Discreto (k = 2)
Sea ,X Y una v.a bidimensional con función densidad discreta conjunta , ,X Yf x y
entonces la función densidad discreta condicional de Y dado X = x, denotada por
Y Xf y x es definida por:
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
11
, , ,
, 0X Y
Y X X
X
f x y P X x Y yf y x f x
f x P X x
Entonces la función densidad condicional de X dado Y = y es:
, , ,
, 0X Y
X Y Y
Y
f x y P X x Y yf x y f y
f y P Y y
Además la FDA discreta condicional de Y dado X = x será:
Y X Y X j
j
F y x P Y y X x f y x
Ejemplo: Con dos líneas de producción (A y B) de televisores puede ocurrir que sus
productos tengan cierto tipo de defecto leve que no impide su venta. Con los tres
siguientes defectos se define la variable aleatoria X como el número de fallas de ese tipo
ocasionados por la línea B y la variable aleatoria Y como el número de fallas de ese tipo
ocasionados por la línea B considerándose sólo las dos primeras fallas que se
producirán.
a. Halle la densidad del número de fallas de este tipo ocasionadas por la línea B dado
que en las dos primeras fallas la línea B no produjo fallas.
Solución
, ,0 , 0
00 0
X Y
X Y
Y
f x P X x Yf x y
f P Y
Con los datos del ejemplo que se desarrolló anteriormente:
0, 0 0.0640.4
0 0.16
1, 0 0.0960.6
0 0.16
P X Y
P Y
P X Y
P Y
2, 0 3, 0 00
0 0 0.16
P X Y P X Y
P Y P Y
0.4, si 0
0 0.6, si 1
0, para otros valores de
X Y
x
f x y x
x
0, si 0
0 0.4, si 0 1
1, para 1
X Y
x
F x y x
x
b. Ejercicio: Halle 2Y Xf y x
Caso continuo (k = 2)
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
12
Sea ,X Y una v.a bidimensional con función densidad continua conjunta , ,X Yf x y
entonces la función densidad condicional de Y dado X = x, denotada por Y Xf y x es
definida por:
, ,X Y
Y X
X
f x yf y x
f x
Entonces la función densidad condicional de X dado Y = y es:
, ,X Y
X Y
Y
f x yf x y
f y
Observación
,
,
, 1, 1
X
X Y
Y X X Y
X X
f x
f x yf y x dy f x y dy
f x f x
además la FDA condicional de Y dado X = x será:
y
Y X Y X
t
F y x f t x dt
y la FDA condicional de X dado Y =y será:
x
X Y X Y
s
F x y f s y ds
Ejemplo: Con los datos donde X e Y son los tiempos de vida de dos componentes y
2 3 , para 0 1, 0 1, 0 1
,0 , en otro caso
k x y x y x yf x y
a. Si se sabe que el componente 1 duró 7 años halle la densidad de Y.
Solución
,
0.7,12 2
2
0.7
32 0.7 30.7, 20040.7 3 1.4
0.7 2372 0.7 3 25 0.7
8 8
100 7 12253 , para 0.7 1200
0.7 3 1.4 711 5 711237
1, para 1
X Y
Y X
X
y
Y X
yf x yf y x y I y
f x
y yF y x t dt
y
b. Ejercicio: Obtenga 0.8X Yf x y
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
13
Independencia Estocástica
Sea 1 2( , ,..., )kX X X una v.a k-dimensional con función densidad conjunta f x x k1 , ,
y densidades marginales 1 2, , , kf x f x f x entonces 1, , kX X son
estocásticamente o probabilísticamente independientes si:
1 1 2
1
, ,k
k k i
i
f x x f x f x f x f x
.
Si X e Y con independientes se cumple: Y X Yf y x f y y X Y Xf x y f x .
Teorema
Si 1, , kX X son v.as independientes y se tienen las siguientes funciones
1, ,j j jY g X j k entonces las funciones 1, , kY Y son v.as independientes.
Ejemplo: Con dos líneas de producción (A y B) de televisores puede ocurrir que sus
productos tengan cierto tipo de defecto leve que no impide su venta. Con los tres
siguientes defectos se define la variable aleatoria X como el número de fallas de ese tipo
ocasionados por la línea B y la variable aleatoria Y como el número de fallas de ese tipo
ocasionados por la línea B considerándose sólo las dos primeras fallas que se
producirán.
a. ¿Son independientes X e Y?
Solución
Se halló anteriormente lo siguiente:
0.4, si 0
0 0.6, si 1
0, para otros valores de
X Y
x
f x y x
x
0 0 0.4 0 0.064 son dependientes.X Y Xf x y f x
También:
, 0, 0 0.064 0 0 0.064 0.16 son dependientes.X Y X Yf x y f x f y
b. Las variables 2 y también son dependientes.X Y
Ejemplo: Con los datos donde X e Y son los tiempos de vida de dos componentes.
¿Son independientes X e Y?
Solución
2
0.7,1 0,1
2000.7 3 1.4 3 son dependientes
237Y X Yf y x y I y f y y I y
También:
2 22
2 33 25, 2 3 3
4 8 8X Y
x xf x y x y f x f y y
entonces X e
Y son dependientes.
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
14
Esperanza Matemática o Valor Esperado
Sea 1 2( , ,..., )kX X X una v.a k-dimensional con función densidad conjunta f x x k1 , , ,
entonces si se tiene la función 1 2( , ,..., )kg X X X se tendrá que:
1
1 2 1 2 1 2
, ,
1 2 1 2 1 2 1
( , ,..., ) ( , ,..., ) ( , ,..., ), para el caso discreto
( , ,..., ) ( , ,..., ) ( , ,..., ) , en el caso continuo
k
k k k
x x
k k k k
E g X X X g x x x f x x x
E g X X X g x x x f x x x dx dx
Teorema
Se conoce que ( ) ( )E cg X cE g X . Generalizando lo anterior se tiene lo siguiente:
1 1
1 1
, , , ,m m
i i k i i k
i i
E c g X X c E g X X
.
Ejemplo: Con las líneas de producción se obtuvo:
f(x,y)
X
f(y) 0 1 2 3
Y
0 0.064 0.096 0 0 0.160
1 0 0.192 0.288 0 0.480
2 0 0 0.144 0.216 0.360
f(x) 0.064 0.288 0.432 0.216
Calcule 2 2, , , , ,E XY E X E Y E X E Y Var X y Var Y
, 0 0 0.064 1 0 0.096 0 0 0 1 1 0.192
2 1 0.288 0 0 0 2 2 0.144 3 2 0.216 2.64
E XY xy f x y
0 0.064 1 0.288 2 0.432 3 0.216 1.8
0 0.16 1 0.48 2 0.36 1.2
E X
E Y
2 2 2 2 2
2 2 2 2
0 0.064 1 0.288 2 0.432 3 0.216 3.96
0 0.16 1 0.48 2 0.36 1.92
E X
E Y
2
2
3.96 1.8 0.72
1.92 1.2 0.48
Var X
Var Y
Ejemplo: Con los tiempos de dos componentes:
Calcule 2 2, , , , ,E XY E X E Y E X E Y Var X y Var Y
1
0 0
3 132 3
4 40
y
E XY xy x y dxdy
1
0 0
3 132 3
4 32
y
E X x x y dxdy
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
15
1
0 0
3 32 3
4 4
y
E Y y x y dxdy
1
2 2
0 0
1
2 2
0 0
3 92 3
4 40
3 32 3
4 5
y
y
E X x x y dxdy
E Y y x y dxdy
2
2
9 13 307
40 32 5120
3 3 3
5 4 80
Var X
Var Y
La Covariancia
Si las v.as X e Y son tales que y X YE X E Y entonces la Covariancia de X e
Y se obtiene de la siguiente manera:
, X Y X YCov X Y E X Y E XY .
Teorema
Si X e Y son v.as independientes entonces se cumple que:
1 2 1 2
.
.
. , 0
X Ya E XY E X E Y
b E g X g Y E g X E g Y
c Cov X Y
Teorema
Si X e Y son v.as cualesquiera entonces se cumple que:
2 ,Var X Y Var X Var Y Cov X Y
Corolario
Si X e Y son v.as independientes entonces se cumple que:
Var X Y Var X Var Y .
Teorema
Si X e Y son v.as cualesquiera y a con b son constantes reales entonces se cumple que:
, ,Cov aX bY abCov X Y .
Ejemplo: Con las líneas de producción:
, 2.64 1.8 1.2 0.48X YCov X Y E XY
Ejemplo: Con los tiempos de dos componentes:
13 13 3 13
,40 32 4 640
X YCov X Y E XY
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
16
El Coeficiente de Correlación
Si las v.as X e Y son tales que y X YVar X Var Y entonces el coeficiente
de correlación de X e Y se obtiene de la siguiente manera:
,
,X Y
X Y X Y
E X YCov X YX Y
.
Teorema
Si X e Y son v.as cualesquiera y además * * y YX Y
X Y
X YX
entonces se
cumple que:
* *
* *
. , ,
. 2 1 ,
. 1 , 1
a Cov X Y X Y
b Var X Y X Y
c X Y
.
Ejemplo: Con las líneas de producción:
, 0.48
, 0.81650.72 0.48X Y
Cov X YX Y
Ejemplo: Con los tiempos de dos componentes:
13, 640, 0.4284
307 3
5120 80
X Y
Cov X YX Y
Teorema
Si X e Y son v.as independientes entonces se cumple que , , 0Cov X Y X Y
pero el hecho de que , , 0Cov X Y X Y , en general, no implica que X e Y sean
independientes.
Ejemplo: Este es un ejemplo de v.as dependientes pero no correlacionadas. Suponga
que 1,0,1
1
3f x I x
y sea 2Y X . Verifique que X e Y son dependientes pero no
correlacionadas.
Solución
Como 2Y X entonces X e Y son dependientes.
Cálculo de la covarianza:
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
17
32 3 3 31 1 11 0 1 0
3 3 3
1 1 11 0 1 0
3 3 3
E XY E XX E X
E X
22 2 21 1 1 2
1 0 13 3 3 3
E Y E X
2
, 0 0 03
X YCov X Y E XY
Se verifica que X e Y son dependientes pero no correlacionadas.
La Esperanza Condicional
Sea ,X Y una v.a bidimensional con densidad conjunta ,f x y y considérese a
,g X Y como una función de X e Y, entonces la esperanza condicional de ,g X Y
dado X = x se obtiene de la siguiente manera:
, , , en el caso discreto
, , , en el caso continuo
j Y X j
j
Y X
E g X Y X x g x y f y x
E g X Y X x g x y f y x dy
Ejemplo: Con las líneas de producción:
Se halló anteriormente lo siguiente:
0.4, si 0
0 0.6, si 1
0, para otros valores de
X Y
x
f x y x
x
2 2 2 2
0 / 0 0 0.4 1 0.6 0.6
0 / 0 0 0.4 1 0.6 0.6
E X Y x f x y
E X Y x f x y
Ejemplo: Con los tiempos de los componentes.
1 1
0.7 0.7
200 3380.7 0.7 3 1.4
237 395Y XE Y X yf y x dy y y dy
1 1
2 2 2
0.7 0.7
200 116870.7 0.7 3 1.4
237 15800Y XE Y X y f y x dy y y dy
Curva de Regresión
A la E Y X x se le llama la curva de regresión de Y sobre X y se suele utilizar la
siguiente notación: Y X x Y X E Y X x .
Teorema
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
18
Sea ,X Y una v.a bidimensional entonces se cumple que:
E g Y E E g Y X en particular E Y E E Y X .
Prueba (considerando el caso continuo)
/
/
/ /
/ /
X
Y x X
E g Y x h x
E h x E E g Y x E g Y x f x dx
E h x E E g Y x g y f y x dy f x dx
/ / ,
/
Y x XE h x g y f y x f x dydx g y f x y dydx
E h x E E g Y x E g y
Teorema
Sea ,X Y una v.a bidimensional entonces se cumple que:
1 2 1 2
1 2 2 1
.
.
a E g Y g Y X x E g Y X x E g Y X x
b E g Y g X X x g X E g Y X x
Variancia Condicional
Sea ,X Y una v.a bidimensional con densidad conjunta ,f x y entonces la variancia
condicional de Y dado X = x ae obtiene de la siguiente manera:
2
22
Var Y X x E Y E Y X x X x
Var Y X x E Y X x E Y X x
Ejemplo: Con las líneas de producción.
22 20 0 0 0.6 0.6 0.24Var X Y E X Y E X Y
Ejemplo: Con los tiempos de los componentes
.
2
22 11687 3380.7 0.7 0.7 0.0075
15800 395Var Y X E Y X E Y X
Teorema
Var Y E Var Y X Var E Y X .
Prueba
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
19
22
22
22
2 2 22
Var Y
Var Y X E Y X E Y X
E Var Y X E E Y X E E Y X
E Var Y X E Y E E Y X
E Var Y X E Y E Y E E Y X E Y
22
/E Var Y X Var Y E E Y X E E Y X
E Var Y X Var Y Var E Y X
Var Y E Var Y X Var E Y X
La Función Generatriz de Momentos Conjunta
La función generatriz de momentos conjunta de la v.a k-dimensional 1, , kX X se
obtiene de la siguiente forma:
1
1 , , 1, , , , 0, 1, ,
k
i i
i
k
t X
X X k it t E e h t h h i k
Observaciones
1 2
2
1
, 1 2
1 , 1 , 1 20
2 , 2 , 1 20
, 1 2 1 2
1. ,
2. ,0 lim ,
0, lim ,
3.Si e son independientes entonces ,
t X t Y
X Y
X X Y X Yt
Y X Y X Yt
X Y X Y
t t E e
t t t t
t t t t
X Y t t t t
La Distribución Normal Bivariada
Función Densidad
La v.a.c ,X Y tiene distribución normal bivariada si su densidad conjunta es:
2 2
2
2
1exp 2
2 1,
2 1
X X Y Y
X X Y Y
X Y
x x y y
f x y
, para
,x y , en donde , , , y son constantesX Y X Y
tales que , ; , 0 y -1 1X Y X Y .
Prueba de que ,f x y es una densidad conjunta
, 0 siempre se cumple.f x y
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
20
, 1. Se debe demostrar este resultado.I f x y dxdy
Para simplificar la doble integral (I) se reemplaza en ,f x y lo siguiente:
;X YX Y
X Y
x ys dx ds t dy dt
y se obtiene lo siguiente:
2 2
2
2
1exp 2
2 1
2 1
X Y
X Y
s st t ds dt
I
. Para completar cuadrados en el
exponente se suma y resta 2 2t y se obtiene:
2 2 2
2
2
1exp 1
2 1
2 1
s t t dsdt
I
. Haciendo: 21
s tv
21ds dv . Reemplazando en (I) se obtiene lo siguiente:
2 2 2 21 1 1
2 2 2
1 1 12 2 2
v t v t
e e eI dvdt dv dt
. Queda demostrado.
La Función Generatriz de Momentos de la distribución Normal Bivariada.
Teorema
La función generatriz de momentos de la distribución normal bivariada es:
2 2 2 2
1 2 1 2 1 1 2 2
1, exp 2
2X Y X X Y Yt t t t t t t t
.
Demostración
1 2 1 2
1 2, ,t X t Y t X t Yt t E e e f x y dxdy
Haciendo: ;X YX Y
X Y
x ys dx ds t dy dt
y reemplazando arriba:
1 2
2 2
1 2 2
1 22
1exp exp 2
2 1,
2 1
X Y
X Y X Y
t t
X Y
t s t t s st t ds dt
t t e
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
21
La función generatriz de momentos quedará así:
1 2
2 2 2 2
1 22
2
1exp 2 2 1 2 1
2 1
2 1
X Y
X Y
t t
s st t t s t t dsdt
e
Trabajando sólo en el exponente de la doble integral: Para completar cuadrados se
suma y resta 2 2t , 2 2 2 2
1 11 , 2 1X Xt t t obteniéndose:
2 22 2 2 2 2 2 2 2
1 2 1
22
1
1 2 1 11
2 1 2 1
X Y X
X
s t t t t t t t
t t
Nuevamente se suma y resta 2 2 2 2 2 2 2 2
1 2 1 21 , 1 ,2 1X Y X Yt t t t y queda:
2 22 2
1 1 2
22 2 2 2 2
1 2 1 2
1 11
2 1 1 2
X X Y
X Y X Y
s t t t t t
t t t t
Volviendo a la 1 2,t t y haciendo: 2
1 2
2
11
1
Xs t tv ds dv
y
1 2X Yw t t t dw dt se deduce que:
2 21
22 2 2 2
1 2 1 2 1 1 2 2
1 1 1
1, exp 2
2 2
v w
X Y X X Y Y
e dvdwt t t t t t t t
2 2 2 2
1 2 1 2 1 1 2 2
1, exp 2
2X Y X X Y Yt t t t t t t t
. Queda demostrado.
Teorema
Si la v.a.c ,X Y tiene distribución normal bivariada entonces:
2 2
,, , , , , y X Y X Y X Y X YE X E Y Var X Var Y Cov X Y
Teorema
Si la v.a.c ,X Y tiene distribución normal bivariada entonces X e Y son
independientes si y sólo si X e Y no están correlacionadas.
Densidades Marginales y Condicionales
Teorema
Si la v.a.c ,X Y tiene distribución normal bivariada entonces las distribuciones
marginales de X e Y son distribuciones normales univariadas.
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
22
Demostración
Se conoce que ,f x f x y dy
. Haciendo YY
Y
yr dy dr
y
reemplazando en la igualdad anterior queda:
2
2
2
2
1exp 2
2 1,
2 1
X XY
X X
X Y
s sr r dr
f x f x y dy dy
Trabajando en el exponente de e. Para completar cuadrados se suma y resta 2
2 x
X
x
obteniéndose:
22
2
1 1
2 1
x x
X X
x xx
.
Haciendo 2
2
11
1
x
X
xv r dr dv
y reemplazando en la
densidad marginal:
2
2 2
1
2
Uno
1 1exp exp
2 2
2 2 2
x x
v
X X
X X
x x
e dvf x
Teorema
Si la v.a.c ,X Y tiene distribución normal bivariada entonces la distribución
condicional de X dado Y = y es normal con media XX Y
Y
y
y variancia
2 21X . También la distribución condicional de Y dado X = x es normal con media
YY X
X
x
y variancia 2 21Y .
Demostración
2 2
2
2
2
,
1exp 2
2 1
2 1
X X Y Y
X X Y Y
X
f x yf x y
f y
x x y y
f x y
Operando en el exponente:
22 22
22 2
12
2 1
X XX X Y Y
Y YX
x x y y
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
23
Por lo tanto:
2
2 2
2
1exp
2 1
2 1
XX Y
YX
X
x y
f x y
De manera similar se obtiene:
2
2 2
2
1exp
2 1
2 1
YY X
XY
Y
y x
f y x
Ejemplo: X es el contenido en mg de vitamina B6 y, Y es el contenido en mg de
vitamina C en porciones de 200 g de tomate de árbol. Si se sabe que (X,Y) tienen
distribución normal bivariada con / 74
XE Y X y / 10E X Y Y
a. Halle ,X Y y X
Y
.
Solución
Cálculo de ,X Y
/ 7 74 4
E XXE Y E E Y X E
/ 10 10E X E E X Y E Y E Y
Resolviendo el sistema anterior resulta: 4 y 6E X E Y
De otro lado:
2 2
/ / 7 7 284 4 4
E X E XXE XY E E XY X E XE Y X E X E X
2 2/ / 10 10 60E XY E E XY Y E YE X Y E Y Y E Y E Y E Y
2
2 2 2Como 28 60 4 1284
E XE XY E XY E Y E X E Y
Se pide:
2
2 2 2 2 2 22 2
22
2 2
60 4 6
4 128 4 6
36 1
2 22 36 36
Y
Y X
E YE XY E X E Y
E Y E YE X E X E Y E Y
E Y
E Y E Y
Cálculo de X
Y
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
24
1
/ 4 62
13 4 10
2
1De donde: 1 2
2
X XX Y
Y Y
X X
Y Y
X X
Y Y
E X Y Y Y
Y Y
b. Si una porción de 200 g de tomate de árbol tiene 6.02 mg de vitamina C, calcule la
probabilidad de que el contenido de vitamina B6 esté comprendido entre 3.972 y 3.995
mg. Asuma que 0.01 mgX .
Solución
2 2
2
2
/
/
/ 6.02 ~ ; 1
1/ 6.02 4 2 6.02 6 3.98
2
1/ 6.02 0.01 1 0.000075
2
/3.972 3.98 3.995 3.983.972 3.995 / 6.02
0.000075 0.000075
0.
XX Y X
Y
X Y
X Y
X Y N Y
E X Y
Var X Y
X YP X Y P
P
92 1.73 0.7794Z
Variables Aleatorias con Coordenadas Mixtas
Supongamos que X e Y son v.as de nuestro experimento. X tiene distribución discreta y
toma valores en el conjunto contable S, mientras que Y tiene distribución continua
sobrenT R .
Usualmente (X,Y) tiene densidad f en el siguiente sentido:
, , ,x A B
P X Y A B f x y dy A B S T
Ejemplo: Si 1 0,1 2 0,2 3 0,3
1 1 1,
3 6 9f x y I x I y I x I y I x I y
a. ¿Es f una densidad mixta conjunta? Considere 1,2,3S y 0,3T .
Solución
1 2 3
0 0 0
1 1 1 1 2 3, 1
3 6 9 3 6 9x S T
f x y dy dy dy dy
, entonces f es una densidad
mixta conjunta.
b. Calcule 1, 1P X Y .
Solución
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
25
1, 1, 0 1
3
1, , 2, 0 2
6
1, 3, 0 3
9
x y
f x y x y
x y
,f x y
y
0 1y 0 2y 0 3y
x
1 1
3
0 0
2 0 1
6
0
3 0 0 1
9
1 1
1 1 0 0
1 1 1 1 51, 1 ,
6 9 6 9 18X Y
P X Y f x y dy dy dy
c. Halle la densidad marginal de X y de Y.
Solución
1
0
2
0
3
0
Obtención de :
1 11
3 3
1 12
6 3
1 13
9 3
Xf x P X x
P X dy
P X dy
P X dy
1 1 1
0 0 0
2 2
1 1
3
2
Obtención de :
1 1 1 11, para 0 1
3 6 9 18
1 1 5, para 1 2
6 9 18
1 1, para 2 3
9 9
Yf y
dy dy dy y
dy dy y
dy y
d. ¿Son independientes X e Y?
Solución
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
26
1 1 1
0 1 0 0 0
1 1 1 110 1 ,
3 6 9 18X x Y
P Y f x y dy dy dy dy
1 11 1
1 0 1 1,0 13 18 3
P X P Y f X y . Por lo tanto X e Y son
dependientes
Cálculo de Probabilidades
Cuarta Lista de Ejercicios
1. Se tienen dos cajas y cada caja contiene 4 tarjetas numeradas del 1 al 4. De cada
caja se extrae en forma aleatoria una tarjeta y se definen las siguientes v.as: X = El
número de la tarjeta obtenida de la primera caja; Y = El mayor valor de las tarjetas
extraídas. Halle , , , , , , 2 y 2f x y f x f y F x y f y x F y x .
2. Diga si 1,, 2.2F x y I x y
es una función de distribución acumulativa.
Justifique su respuesta.
3. Sea
1 si , 1, 1 , 1,0 , 0,1 , 1,0 , 1,1 , 0, 1
8
2, si , 0,0
8
0 de otro modo
x y
f x y x y
.
a. Diga si X e Y son independientes.
b. Si , 2 calcule ,g X Y X Y E g X Y .
c. Si , calcule ,g X Y XY E g X Y
4. Sea
1 si , 0,0 , 0,1 , 1,0 , 1,1
, 4
0 de otro modo
x yf x y
.
a. Diga si X e Y son independientes.
b. Si 2 5 y 8Z X W Y . ¿Son independientes Z y W?
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
27
5. Suponga que la v.a X puede tomar únicamente los valores -1, 0, 1 y que cada uno de
estos valores tiene la misma probabilidad. Sea la v.a Y definida como 2Y X .
Verifique que X e Y son dependientes pero no están correlacionadas.
6. Sea
1 si 2
2
12 si 3,4
4
0 de otro modo
y
f y x y
.
a. Si 2, calcule , 2g x y X Y E g x y x .
b. Si , calcule , 2g x y Y E g x y x .
c. Verifique que 2 22 2 2E X Y x E X x E Y x .
d. Obtenga 2Var Y x
7. Se asignan al azar dos contratos de construcción a una o más de tres empresas (I,II y
III). Sea X el número de contratos asignados a la empresa I, e Y el número asignado
a la empresa II. Una empresa puede recibir más de un contrato. Obtenga:
, , , , , , , , 1 y 1f x y f x f y F x F y F x y f y x F y x .
8. Cuatro mujeres (A, B, C y D) están embarazadas y se van a hacer un análisis para
determinar el sexo de sus hijos. Sea la v.a X definida como el número de varones en
las tres primeras madres y la v.a Y definida como el número de niñas en las tres
últimas madres. Asumiendo que las probabilidades de que nazcan niños o niñas son
las mismas determine , , , , , , ,f x y f x f y F x y F x
, 3 y 3F y f y x F y x .
9. Tres empresas (A,B y C) se presentan a tres licitaciones programadas por la
Municipalidad de Lima. Según los antecedentes la probabilidad de que la empresa
gane una licitación es ½ para A, 1/3 para B y 1/6 para C. Si las 3 empresas se
presentan independientemente a las tres licitaciones y se define la v.a X como el
número de licitaciones asignadas a la empresa A considerándose las tres licitaciones
y la v.a Y como el número de licitaciones ganadas por A pero considerando sólo las
2 primeras licitaciones. Halle f(x,y), F(x,y) y E(X/Y=1).
10. La empresa CajaBoba S.A. tiene tres líneas (A,B y C) de producción de TV.
Estos TV pueden tener cierto tipo de defecto que no impiden su venta. El
Departamento de control de calidad de la empresa estima que la probabilidad de que
una línea de producción tenga ese defecto es 1/8 para la línea A, 3/8 para la B y ½
para la C. Si el Departamento de Control de Calidad informa que se han producido
independientemente tres de esos defectos y se define la v.a X como el número de
defectos de la línea A al considerarse los tres defectos y la v.a Y como el número de
defectos de la línea A al considerarse el primer y el tercer defecto. Determine f(x,y),
F(x,y) y E(Y/X=3).
11. Una caja contiene 8 bolas azules, 5 blancas y 4 rojas, si se seleccionan 6 bolas al
azar y 1X denota el número de bolas azules seleccionadas mientras que 2X es el
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
28
número de bolas blancas seleccionadas. Halle 1 2,f x x y la probabilidad de que
sean seleccionadas 3 azule, 2 blancas y 1 roja, si la selección se hace:
a. Con reemplazo y considerando el orden de extracción. Además halle la
1 2,Cov X X y finalmente obtenga 1f x .
b. Sin reemplazo.
c. Con reemplazo y sin considerar el orden de extracción.
12. En promedio, el 25% de todos los vehículos que llegan a una intersección giran a
la izquierda, el 35% gira a la derecha y el resto sigue derecho. De una sucesión de 6
vehículos
a. Calcule la probabilidad 2 vehículos giren a la izquierda, uno a la derecha
y el resto siga derecho.
b. Si 1X es el número de vehículos que giran a la izquierda y 2X el número
de vehículos que giran a la derecha. Obtenga 1 2,f x x y de esta halle
1f x .
13. Suponga que el 16% de los estudiantes de cierta escuela son de primer grado, el
14% son de segundo grado, el 38% de cuarto y el 32% de quinto. Si se
seleccionan al azar 15 estudiantes del colegio y se definen las v. as X= Número
de estudiantes de cuarto grado en la muestra y Y= Número de estudiantes de
quinto grado en la muestra. Halle E(X-Y) y Var (X-Y).
14. Se dice que 1 2 1 2, ~ Binomial Negativa Bivariada , ,X X p p k si su densidad
conjunta es:
1 21 2
1 2 1 2 1 2 1 2
1 2
1 !, 1 ; , 0; 1
! ! 1 !
kx xx x kf x x p p p p x x k
x x k
.
Halle 1f x .
15. La probabilidad de que un equipo de fútbol gane es 0.7, de que empate es 0.2 y
de que pierda 0.1. Si el equipo va a jugar una serie de partidos y se define la v.a
1X como el número de juegos que empata hasta que gane por tercera vez y la
v.a 2X cono el número de juegos que pierde hasta que gane por tercera vez.
Calcule la probabilidad de que empate 2 veces y pierda 5 veces antes de que
gane per tercera vez.
16. El número X de personas que llegan a una agencia A de cierto banco en un
intervalo de tiempo t tiene distribución Poisson con variancia 4, mientras que el
número Y de personas que llegan a una agencia B de ese banco en el intervalo
de tiempo t depende de X y tiene distribución Poisson con media ln(1+x). Si se
considera normal que en un intervalo de tiempo t llegue al menos una persona a
la agencia A pero ninguna a la agencia B. Hallar la probabilidad de que al
seleccionar 8 intervalos de tamaño t, 3 de ellos estén en situación normal.
17. Sea la v.a X~Gamma(r,) con rN. Suponga que una v.a Y es tal que Y/X=x
sigue una distribución Poisson(x), x0. Demuestre que Y sigue una
distribución binomial negativa.
18. Suponga que la v.a bidimensional (X,Y) está distribuida uniformemente en el
triángulo de vértices (0,0) (-1,3) y (1,3). Obtenga: , , /f x f y f X Y
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
29
/ 1.8y Var X Y . Nota: La densidad conjunta en determinada área es igual a
la inversa del área considerada.
19. Sea ,X Y una v.a.c bidimensional con densidad conjunta dada por:
0,2 2,4, 6f x y c x y I x I y .
a. Calcule el valor de c .
b. Obtenga , , , , 2.5,3f x f y F x y F
20. Si si 0 1
,0 de otro modo
kxy x yf x y
a. Determine el valor de k .
b. Halle la densidad marginal de X e Y.
c. Obtenga y 0.2f y x F y x
21. Si 0,1 0,1,f x y x y I x I y . ¿Son independientes X e Y?
22. Si 0, 0,, x yf x y e I x I y
. ¿Son independientes X e Y?
23. Si , para 0x yf x y ke x y .
a. Halle el valor de k.
b. Obtenga la densidad marginal de X y de Y.
c. ¿Son independientes X e Y?
24. Sea 0,1 0,1 0,1,f x y k y x I y x I x I y .
a. Determine el valor de k.
b. Halle y f x f y .
c. Calcule 0.5P Y X .
d. Obtenga , y ,E Y x Var Y x Cov X Y .
25. En un estudio de la contaminación atmosférica por partículas, en muestras de gases
de una chimenea, X representa las partículas contaminantes por muestra cuando no
trabaja un equipo depurador e Y representa la cantidad cuando si trabaja el equipo
depurador. La densidad conjunta de X e Y es la siguiente:
si 0 2, 0 1, 2
,0 para otros valores
k x y y xf x y
.
a. Determine el valor de k.
b. Halle la densidad marginal de X y de Y y también la distribución acumulada
conjunta de X e Y.
c. Obtenga y F x F y .
d. Calcule la probabilidad de que el equipo depurador reduzca la cantidad de
partículas contaminantes en la tercera parte o más.
e. ¿Cuál es la probabilidad de que el contenido sin el depurador sea mayor que con
el depurador en más de 1.5?
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
30
26. La calificación X de un estudiante de secundaria de cierto país en una prueba de
Biología es un número entre 0 y 100 y su calificación Y en una prueba de Literatura
también es un número entre 0 y 100. Además se conoce que en la población de
todos los estudiantes de secundaria de ese país, las calificaciones X e Y (en
centenas) se distribuyen según la siguiente función densidad conjunta:
, para 0 1 0 1
,0 , en otro caso
kx x y yf x y
.
a. Halle el valor de k.
b. Sea la v.a Z=X+Y. Hallar un intervalo en el que estén los valores de Z por lo
menos en el 50% de los estudiantes.
c. Obtenga Var(Y/X=0.6).
27. Suponga que la función densidad conjunta de X e Y es:
2 2, para 1
,0 , en otro caso
cx y x yf x y
.
a. Calcule el valor de c.
b. Determine y f x f y .
c. Halle el valor de P X Y y 0.5P Y X .
d. Obtenga Var (X/Y=0.4).
28. Si 1 , para 0 1 0 1
,0 , en otro caso
x y yf x y
, calcule 2 2 1
4P X Y
1 y
2P XY
.
29. Se dice que (X,Y)~Beta bivariada si su función densidad conjunta es:
11 1 1 , 0 , 0 , 1,
0 , de otro modo
con , , 0
ca ba b c
x y x y x y x yf x y a b c
a b c
a. (Esta no es la única generalización del caso univariado). Halle las densidades
marginales de X e Y.
b. Obtenga y f x y E X Y y
30. Una máquina fabrica ejes de diámetro X y otra máquina fabrica orificios circulares
de diámetro interior Y. Suponga que la función densidad de X e Y es:
0.48,0.50 0.50,0.52, 2500f x y I x I y . Un orificio se adapta satisfactoriamente a
un eje si su diámetro excede al del eje en más de 0.006 pero no en más de 0.034.
¿Cuál es la probabilidad de que un orificio y un eje elegidos al azar se adapten
bien
31. Supóngase que X1 y X2 son v. as independientes y que Xi tiene distribución
exponencial con parámetro i (i=1,2). Hallar P(X1kX2), donde k0.
32. Si 0,1 0,1 0,1, , 2f x y z x y z I x I y I z , responda lo siguiente:
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
31
a. Halle la densidad de cada par de variables.
b. Obtenga la densidad de cada variable.
c. Determine la relación de dependencia entre las variables.
33. Sea la v.a.c tridimensional (X,Y,Z) con densidad conjunta:
0,1 0,1 0,1, , 8f x y z xyz I x I y I z . Calcule E(3X+2Y+6Z) y E(XY).
34. Suponga que X e Y son v.as tales que E (Y/X) = 7-0.25X y E (X/Y) = 10-Y.
Hallar (X,Y).
35. Si la v.a ,X Y tiene distribución normal bivariada con parámetros
2 2 43, 1, 16, 25 y
5X Y X Y , calcule lo siguiente 3 8P Y
, 3 8 7P Y X , 1.5 1.5 y 1.5 2X XP X P X Y .
36. Si la v.a ,X Y tiene distribución normal bivariada con
4 3, 316
yE Y X x x E X Y y , obtenga los valores numéricos de
, , y XX Y
Y
.
37. Suponga que (X,Y) tiene probabilidad 1
3distribuida uniformemente sobre
2
0,1,2 y probabilidad2
3uniformemente distribuida sobre
20,2 . Calcule P(Y>X).
38. Si 41
3, 6 1 , 0,1,2,3 y 0,1
kkf k p p p k pk
.
a. ¿Es f una densidad mixta conjunta?
b. Calcule 1
2,2
P k p
.
c. Halle la densidad marginal de k y de p.
d. Son independientes k y p.
39. Si p tiene densidad 0,16 1g p p p I p . Una moneda con probabilidad de
cara igual a p se lanza 3 veces y k es el número de caras que aparecen.
a. Si k y p son independientes halle la densidad conjunta de (k,p).
b. Obtenga la densidad marginal de k.
c. Determine la densidad de p dado k para 0,1,2,3y .
Universidad Nacional Agraria La Molina
Departamento de Estadística e Informática Curso: Cálculo de Probabilidades
Profesor: Fernando Miranda Villagómez
32
40. Suponga que X se distribuye uniformemente sobre 1,2,3 y dado X=x, Y se
distribuye uniformemente sobre el intervalo 0, x .
a. Halle ,f x y .
b. Determine la densidad marginal de y
c. Obtenga la densidad condicional de X dado Y=y para 0,3y