Distribuciones Bivariantes

Hasta ahora hemos estudiado herramientas que nos permiten

describir las caractersticas de un nico carcter. Sin embargo, en
muchos casos prcticos, es necesario estudiar conjuntamente dos o
ms caracteres, as como la relacin que hay entre ellos.
Por ejemplo, sobre un individuo u objeto podemos medir su altura X y
su peso Y, en un consumidor podemos registrar las veces que
compra en un establecimiento y el nmero de veces que reclama en
el.

Variable bidimensional discreta

De ahora en adelante supondremos que sobre cada individuo u
objeto se miden u observan dos caracteres X e Y, o
equivalentemente, que sobre cada objeto se observa el carcter
bidimensional (X; Y).
Cada observacin puede venir dado por un par (xi; yi), i = 1,,n, y
por tanto ahora los datos observados sern los n pares (x1; y1), (x2;
y2), ..., (xn; yn). Denotaremos por x1,,,xr a las r modalidades
distintas observadas del carcter X; y por y1,,ys a las s
modalidades distintas observadas del carcter Y. En general r y s no
tienen porque coincidir.

Distribucin de probabilidad conjunta

Es una funcin P(x,y) que asigna las probabilidades a los diferentes
valores conjuntos de la v.a. bidimensional (X,Y), de tal manera que se
verifiquen las dos condiciones siguientes:

Funcin de Distribucin Acumulada

Se define la suma de las probabilidades puntuales P(xi,yi) hasta el valor
(x, y) inclusive de la v.a. bidimensional (X,Y).

Ley de distribucin o cuanta bivariada

pij =p(x,y)

Ejemplo
Distribucin Multinomial
Dado un experimento aleatorio con k resultados posibles, de tal
modo que la probabilidad de cada
resultado p1, p2,, pk se
mantiene constante, un vector aleatorio (X1,X2,,Xk) sigue
distribucin multinomial si cada Xi representa el nmero de veces
que ocurre el resultado i-simo en n experimentos independientes.

Dados 0 x1,x2,,xk n y 0 p1,p2,,pk 1 con

x1+x2++xk = n y p1+p2++pk = 1. Si (X1,X2,,Xk)
sigue distribucin multinomial, tenemos

n!
x1
x2
xk
P( X1 = x1, X2 = x2 ,...,Xk = xk ) =
p1 p2 ...pk
x1!x2!...xk !

Ejemplo
Se visita diversas pginas cientficas y, entre ellas, se encuentra 3
referentes a temas matemticos, 1 de Fsica y 2 de Biologa que
resultan especialmente interesantes. Al da siguiente, se visita
solamente dos de las pginas elegidas al azar entre las que ms le
gustaron. Si se define, X: nmero de pginas de Matemticas
visitadas el segundo da y, Y: nmero de pginas de Biologa
visitadas. Obtener la distribucin conjunta de (X,Y).

Solucin

Ejercicio
Una urna contiene 3 bolas rojas, 4 bolas blancas y 2
azules. Se extraen al azar y sin reemplazo 3 bolas de la
urna. Sea X : el nmero de bolas blancas en la muestra y
sea Y : el nmero de bolas rojas en la muestra. Halle la
cuanta bivariada.

Solucin

10

DISTRIBUCIONES MARGINALES

11

12

Ejemplo
Sean X e Y variables aleatoria discretas con distribucin
de probabilidad conjunta dada por:

Obtener las distribuciones marginales

13

Solucin

14

Ejemplo
Se lanzan dos dados y se denota por X el nmero de unos obtenidos
y, por Y el nmero de puntuaciones impares. Hallar las funciones de
probabilidad conjunta y marginales.
Solucin
X e Y slo pueden tomar valores 0,1,2. Las probabilidades conjuntas
del vector (X, Y ) son:

15

Funcin de probabilidad
conjunta de las v.a.

16

Ejercicio
Una moneda honesta se lanza tres veces. Sea X = nmero de caras
en el primer lanzamiento y, Y = nmero total de caras. Obtener la
distribucin conjunta de X e Y y distribuciones marginales.
Solucin
El espacio muestral asociado es:
= {sss, ssc, scs, css, scc, csc, ccs, ccc}

17

DISTRIBUCIONES CONDICIONADAS

18

19

20

Ejemplo
Sean X e Y variables aleatoria discretas con distribucin de
probabilidad fxy dada por:

Obtener las distribuciones marginales y condicionales

21

Solucin
Las distribuciones marginales son:

Las distribuciones condicionales son:

22

INDEPENDENCIA DE VARIABLES ALEATORIAS

23

Vector de Medias

24

Esperanza de g(X, Y)

25

Covarianza

26

Matriz de Varianzas y Covarianzas

27

Correlacin

Ejemplo
La correlacin con los datos anteriores es:

xy =

0.24
0.3036
0.49 1.2751
28

Propiedades de Correlacin

29

Esperanzas condicionadas

30

Ley de las esperanzas iteradas

31

Ejemplo
Sean X e Y variables aleatoria discretas con distribucin
conjunta dada por:

32

Solucin

33

Ejercicio:

34

35