1

FUNCION DE DENSIDAD CONJUNTA:

Definicin
El estudio de variables aleatorias y su distribucin de probabilidad, en lo aprendido
anteriormente ha estado restringido a espacios mustrales unidimensionales en los que
registramos los resultados asumidos por una sola variable en un experimento. Sin
embargo habr situaciones en las que convenga registrar resultados simultneos de
diferentes variables aleatorias.
Se dice que dos variables aleatorias X e Y tienen una distribucin continua conjunta si
existe una funcin NO negativa f definida sobre todo el plano xy tal que para cualquier
subconjunto A del plano,


FUNCION DE DENSIDAD MARGINAL
Las funciones de densidad de probabilidad marginal de X y Y, denotadas por X (X) y Y(Y) ,
respectivamente, estn dada por
X(X) = f(x, y)dy, para -" <x < "
Y(Y) = f(x, y)dx, para -" <x < "
Caractersticas:
La distribucin marginal de X es simplemente la funcin de probabilidad de x, pero la
palabra marginal sirve para distinguirla de la distribucin conjunta de X e Y.
Una distribucin marginal nos da la idea de la forma como depende una probabilidad con
respecto a una sola variable.
Usos:
2

La f.d.p marginal es usada para hallar las diferentes distribuciones de probabilidad
estadstica de las variables individuales, con esta funcin podemos asignar diferentes
valores a las variables conjuntas sin tener que relacionarlas, por ello se amplia las
probabilidades de cada una de las variables.

Ventajas
La distribucin marginal de dos variables aleatorias se pueden obtener a partir de su
distribucin conjunta.
Para una variable aleatoria se puede especificar probabilidades para dicha variable sin
tener en cuenta los valores de cuales quiera otras variables aleatorias.

Desventajas
No es posible reconstruir la distribucin conjunta de dos variables aleatorias a partir de
sus distribuciones marginales sin informacin adicional.
La f.d.p. marginal representada en grafica no proporcionan informacin acerca de la
relacin entre las variables aleatorias conjuntas.

FUNCION DE DENSIDAD CONDICIONAL
Definicin:
Sean X y Y dos v.a continuas con p.d.f f(x, y) conjunta y p.d.f f x(x) marginal X. Entonces,
para cualquier valor x de X para el que fx(x) >0, la funcin de densidad de probabilidad
condicional de Y, dado que X = x es:

Para cada valor fijo y, la funcion
es una f.d.p para X sobre la recta real, puesto
que
>= 0 y
3



CARACTERSTICAS:
- La definicin es paralela a la P(B
| A), que es la probabilidad condicional de que B ocurra, dado que A ha ocurrido.
- La f.d.p Condicional g1(x|y) de X debe ser proporcional a f(x, yo). En otras palabras,
g1(x|y) es esencialmente igual que f(x, yo), pero incluye un factor constante 1/
[f2(yo)] que se necesita para que la integral de la f.d.p condicional sobre todos los
valores de X sea la unidad.
USO:
Sirve para estudiar la posibilidad de que ocurra un X, bajo la ocurrencia de Y; o viceversa.

VALOR ESPERADO CONDICIONAL
VALOR ESPERADO.
Cuando se realiza un experimento determinista el resultado del experimento es nico en
contraposicin con un experimento aleatorio en el cual existen un intervalo de valores,
segn la variable aleatoria definida, donde es posible que ocurra cualquier resultado. En
ocasiones, por simplicidad, se aproxima la forma de explicar un experimento aleatorio en
trminos de un experimento determinista pero con la dificultad de no tener argumentos
suficientes para escoger el resultado nico que se asociara al experimento determinista.
El conocimiento del concepto de valor esperado ayuda a eliminar la dificultad planteada.

Definicin.
El valor esperado de una variable aleatoria es su valor medio.

Notas: - El valor esperado de una variable aleatoria se denotar por E(X). Se colocar entre
parntesis el nombre de la variable aleatoria al que se le est calculando el valor
esperado.
- El valor esperado es un nmero. Ese nmero pertenece al conjunto cuyos
extremos son el mnimo valor y el mximo valor que toma la variable aleatoria.
- El valor esperado de una variable aleatoria se calcula utilizando la Ecuacin 4.1.
- En el caso particular de una variable aleatoria discreta la Ecuacin 4.1 se
simplifica como lo indica la Ecuacin 4.2.
4

- La Ecuacin 4.2 indica que el valor esperado de una variable discreta es el
promedio ponderado de sus valores.

Definicin: El valor esperado de una funcin g(x) de la variable aleatoria X es el valor
medio de g(x).

Notas: - El valor esperado de una funcin g(x) de la variable aleatoria X se denotar por
(g(X)). Se colocar entre parntesis el nombre de la funcin a la que se le est
calculando el valor esperado.
- El valor esperado de una funcin es un nmero. Ese nmero pertenece al
conjunto cuyos extremos son el mnimo valor y el mximo valor que toma esa
funcin de la variable aleatoria.
- El valor esperado de una funcin g(x) de la variable aleatoria X se calcula
utilizando la Ecuacin 4.3.



.VARIABLE ALEATORIA INDEPENDIENTE
- Discreta: Sea (X,Y) una variable aleatoria bidimensional, Y y Y son independientes, si y
solo s, p(x
i
,y
j
)=p(x
i
)q(y
j
), para todo i,j
- Continua: f(x,y)=g(x)h(y), para todo (x,y), f es la funcin de distribucin de
probabilidad conjunta y g y h son las funciones de probabilidad marginales de X y Y
respectivamente
(X,Y) es variable aleatoria discreta, X y Y son independientes si y solo s,
j , i ), y ( q ) x / y ( q
j , i ), x ( p ) y / x ( p
j i j
i j i
=
=


5

Y si (X,Y) es continua, entonces,
) y , x ( ), y ( h ) x / y ( h
) y , x ( ), x ( g ) y / x ( g
=
=


Definicin. Dadas X e Y, variables aleatorias con funciones de densidad de probabilidad f
x

y f
y
, respectivamente, se dice que son independientes si

donde f designa a la funcin de densidad conjunta de la variable bivariante (X,Y) .
Otra forma de exponer este concepto, pasa por considerar los sucesos A y B, de la
experiencia aleatoria, determinados por dos conjuntos de valores numricos de X e Y,
respectivamente. La independencia de X e Y se traduce en la independencia entre A y B,
es decir, la probabilidad de que tengan lugar los sucesos A y B simultneamente debe
coincidir con el producto de la probabilidad de realizacin de A por la de B :

Esta definicin puede extenderse a k variables aleatorias Y
1
, Y
2
, ... , Y
k
, donde la
independencia entre ellas est asegurada si

Donde f y f
i
designan las funciones de densidad conjunta de (Y
1
,Y
2
,...,Y
k
) y de Y
i
,
respectivamente.
VARIABLE ALEATORIA INDEPENDIENTE: Supongamos que "X" e "Y" son variables aleatorias
discretas. Si los eventos X = x / Y = y son variables aleatorias independientes. En tal caso:
P(X = x, Y = y) = P( X = x) P ( Y = y).
De manera equivalente: f(x,y) = f1(x).f2(y). Inversamente, si para todo "x" e "y" la funcin
de probabilidad conjunta f(x,y) no puede expresarse slo como el producto de una funcin
de "x" por una funcin de "y" (denominadas funciones de probabilidad marginal de "X" e
"Y" ), entonces "X" e "Y" son dependientes. Si "X" e "Y" son variables aleatorias continuas,
decimos que son variables aleatorias independientes si los eventos "X x", e "Y y" y son
eventos independientes para todo "x" e "y" . De manera equivalente: F(x,y) = F1(x).F2(y),
6

donde F1(x) y F2(y) son las funciones de distribucin (marginal) de "X" e "Y"
respectivamente. Inversamente, "X" e "Y" son variables aleatorias dependientes si para
todo "x" e "y" su funcin de distribucin conjunta F(x,y) no puede expresarse como el
producto de las funciones de distribucin marginales de "X" e "Y". Para variables
aleatorias independientes continuas, tambin es cierto que la funcin de densidad
conjunta f(x,y)es el producto de las funciones densidad de probabilidad marginales de "X",
f1(x), y de "Y", f2(y).
Variables aleatorias continuas. Si una variable toma los valores x
1
, ..., x
k.
Cuando la
variable es contina, no tiene sentido hacer una suma de las probabilidades de cada uno
de los trminos en el sentido anterior, ya que el conjunto de valores que puede tomar la
variable es no numerable.



Este concepto es el de funcin de densidad de una Variable Aleatoria continua, que se
define como una funcin en el conjunto de los nmeros reales y es integrable, que verifica
las dos propiedades siguientes:
}
= >
b
a
1 dx ) x ( f 0 ) x ( f
y que adems verifica que dado a<b, se tiene que
}
= = s s
b
a
curva la bajo rea f(x)dx b) X P(a

Por ser f una funcin integrable, la probabilidad de un punto es nula,
}
= = s s = =
a
a
0 f(x)dx a) X P(a a) P(X

La funcin de distribucin de la Variable Aleatoria continua, F, se define de modo que
dado x que pertenezca al conjunto de los reales, F(x) es la probabilidad de que X sea
menor o igual que x, es
}

= s =
x
dt ) t ( f ) x X ( P ) x ( F

7

Ahora bien, dado un intervalo de la forma (a,b], tenemos que
( | ( )
} } }

= = = e
b
a
b
def
a
Def
) a ( F ) b ( F dx ) x ( f dx ) x ( f dx ) x ( f b , a X P
Es decir, la cantidad F(b)-F(a) representa la masa de probabilidad extendida a lo largo de
dicho intervalo. Si dividimos esta cantidad por la longitud del intervalo, tenemos la masa
media de probabilidad por unidad de longitud en (a,b], es decir, su densidad media de
probabilidad. Si hacemos tender a hacia b, entonces,
) b ( f ) B ( F
a b
) a ( F ) b ( F
Lim
b a
= ' =

Y es la densidad de probabilidad del punto b (que como hemos mencionado no se ha de
confundir con la probabilidad de b).
La funcin de distribucin F, es no decreciente: si x
1
<x
2
, entonces, F(x
1
)F(x
2
). Adems, es
una funcin absolutamente continua
1 ) x ( F Lim ) ( F 0 ) x ( F Lim ) ( F
x x
= = + = =
+


Funcin de Masa de Probabilidad Discreta. FMP: ] x X [ P ) x ( p
x
= = , es una ley de
probabilidad que cumples tres axiomas:
- 1 ) x ( p 0
x
s s , para todo x
-

=
i
x
x
1 ) x ( p
-

s
>
= s s
b x
a x
x
i
i
) x ( p ] b X a [ P

Funcin de Distribucin Acumulada. FDA: F x
x
( ) es la probabilidad del suceso de que la
variable aleatoria tome valores menores o iguales a x

= s =
i
x
x x
) x ( p ] x X [ P ) x ( F en el caso discreto. Y para el caso continuo,
}
}

= s s =
= s s
x
x x
x
x
x 2 1
du ) u ( f ] X [ P ) x ( F
dx ) x ( f ] x X x [ P
2
1

8

se sabe que,
}

= =
x
x x
x
) x ( f dx ) x ( f
dx
d
dx
) x ( dF

Propiedades:
- 1 ) x ( F 0
x
s s
- 1 ) ( F y 0 ) ( F
x x
= =
- ) x ( F ) x ( F
x x
> c + para cualquier c >0
- ] x X x [ P ) x ( F ) x ( F
2 1 1 x 2 x
< < =
La FDA es una funcin montona creciente.

DISTRIBUCIONES CONJUNTA, MARGINAL Y CONDICIONAL
FMP Conjunta: Cuando dos o ms variables tienen comportamientos conjuntos
)] y Y ( ) x X [( P ) y , x ( P
xy
= =

s s

x x y y
i i xy xy
i i
) y , x ( p ) y , x ( F lo cual es igual a )] y Y ( ) x X [( P s s

FMP Marginal: Comportamiento de una variable sin considerar otra.
Para la variable aleatoria Y:

= =
i
y
i xy x
) y , x ( p ] x X [ P ) x ( P

s
= = s
x x
xy i x x
i
) , x ( F ) x ( p ] x X [ P ) x ( F lo cual es igual a

s x x y
i i xy
i i
) y , x ( p
Similarmente se hace para la variable aleatoria X
FMP Condicional: Si se conoce el valor de una de las variables aleatorias Y=y
0
, las
probabilidades relativas de los diferentes valores de la otra variable estn dados por
) y , x ( p
0 xy
, se tiene una fmp condicional de X dado Y
] y Y [ P
)] y Y ( ) x X [( P
] y Y / x X [ P ) y , x ( P
y / x
=
= =
= = = =

, lo cual equivale a
9

= =
i
x
i xy
xy
y
xy
y / x
) y , x ( p
) y , x ( p
)] y ( p
) y , x ( p
) y , x ( P .
Se cumple adems lo sealado anteriormente
1 ) y , x ( p y 1 o 0
i
x
i y / x y / x
= s s

.
Idem para Y dado X
FMP Conjunta a partir de las probabilidades Marginales y Condicionales
) x ( p ) x , y ( p ) y ( p ) y , x ( p ) y , x ( P
x x / y y y / x xy
= =
funcin de distribucin de probabilidad:
} }
= s s
2
1
2
1
x
x
y
y
xy
dydx ) y , x ( f ] 2 x X 1 x [ P
La Funcin de distribucin de probabilidad satisface:
0 ) y , x ( f
xy
> y
}}
=1 dxdy ) y , x ( f
xy
para todo el intervalo
Y la cumulada,
( ) ( )
} }

= s s . s s = = . = =
x y
0 0 0 0 xy
xy
dx dy ) y , x ( f
] y Y x X [ P )] y Y ( ) x X [( P ) y , x ( F

de donde, ) y , x ( F
y x
) y , x ( f
XY xy
c c
c
=
Funcin de distribucin de probabilidad marginal y Condicional. Densidad conjunta se
integra sobre valores de Y y se tiene funcin de distribucin de probabilidad marginal de
X:
dy ) y , x ( f ) x ( f
XY
X
}

=
) , x ( F dx ) x ( f ) x ( F
XY 0 0
X
x
X
= =
}

o sea, ) , x ( F
x
) x ( f
XY X

c
c
=
Y para la Condicional:
}

= dx ) y , x ( f ) y ( f
0 XY 0 Y

10

por lo cual,
) y ( f
) y , x ( f
) y , x ( f
Y
XY
Y / X
=
}

= = s =
x
Y / X Y / X
du ) y , u ( f ] y Y / x X [ P ) y , x ( F
Variables Independientes. Si Funcin distribucin condicional es igual a Funcin
distribucin marginal, entonces, X y Y son variables aleatorias independientes
) x ( p ) y , x ( p
X y / x
= , entonces, X y Y son independientes.
] x X [ P ] y Y / x X [ P = = = =
Por lo tanto, lo siguiente es vlido:
) x ( F ) y , x ( F
) y ( F ) x ( F ) y , x ( F ) y ( f ) x ( f ) y , x ( f
) y ( f ) x , y ( f ) x ( f ) y , x ( f
X Y / X
Y X XY Y X XY
Y Y / X X y / x
=
= =
= =

DISTRIBUCIONES DERIVADAS. Se trata de determinar la ley de probabilidad de una
variable aleatoria funcional. Hallar F
Y
(y) dado que Y=g(X) y dado que X tiene Funcin
distribucin acumulada f
X
(x), entonces,
] y Y [ P ) y ( F
Y
s = pero,
] y ) x ( g : x de valor un tomando solamente X [ P ] y Y [ P s = s
lo cual es,
}
Y
R
X
dx ) x ( f , para R
Y
la regin en la cual g(x) sy
FUNCIN DE DISTRIBUCIN ACUMULADA. Sea X una variable aleatoria discreta o
continua, F es la funcin de distribucin acumulada de X se define como F(x)=P(X=x),
X es variable aleatoria discreta,

s =
j
j
j x x ), x ( p ) x ( F
X es variable aleatoria continua,
}
+

= ds ) s ( f ) x ( F
Si F es no decreciente, esto es,
2 1
x x s , entonces, ) x ( F ) x ( F
2 1
s
) x ( F
dx
d
) x ( f =
11

para la funcin de densidad acumulada de variables aleatorias continuas con funcin de
densidad de probabilidad f
Sea X una variable aleatoria discreta con valores
n 1
x ,..., x y son .... x x
2 1
< < . Ser F la
funcin de distribucin acumulada de frecuencias, entonces,
) x ( F ) x ( F ) x X ( P ) x ( p
1 j j j j
= = =
DISTRIBUCIN DE PROBABILIDAD MARGINAL Y CONDICIONAL
- Discreto: Si X=x
i
debe ocurrir Y=y
j
tenemos

=
= = = = = = = =
1 j
j i 2 i 1 i i i
) y , x ( p ...) o y Y , x X o y Y , x X ( P ) x X ( P ) x ( p ,
entonces, p es la distribucin marginal de probabilidad de X.
Idem para Y:

=
== = =
1 i
j i j j
) y , x ( p ) y Y ( P ) y ( p
- Continuo: Sea f una funcin de densidad de probabilidad conjunta de la variable
aleatoria continua (X,Y). Definimos g y h como las funciones de probabilidad marginal
de X y Y as,

} }
+

+

= = dx ) y , x ( f ) y ( h dy ) y , x ( f ) x ( g
De otra forma,

} } }
+

= = + < < s s = s s
d
c
d
c
dx ) x ( g dydx ) y , x ( f ] Y , d X c [ P ) d X c ( P
Sea (X,Y) una variable bidimensional continua con funcin de distribucin de probabilidad
conjunta f. Y sean g y h son las funciones de probabilidad marginal de X y Y respectivamente.
Entonces, la funcin de distribucin de probabilidad condicional de X para Y=y es,
0 ) y ( h ,
) y ( h
) y , x ( f
) y / x ( g > =
similarmente
0 ) x ( g ,
) x ( g
) y , x ( f
) x / y ( h > =