Tema 5.

Variables aleatorias bidimensionales

5.1 Introducción
5.2 Distribución de probabilidad conjunta de variable discreta. Distribuciones
marginales y condicionales, independencia y transformaciones lineales,
vector de valores medios y matriz de varianzas covarianzas.
5.3 Distribución de probabilidad conjunta de variable continua.
Distribuciones marginales y condicionales, independencia y
transformaciones lineales, vector de valores medios y matriz de varianzas
covarianzas.

Profesor. Jesús Irles

1
 5.1 Introducción

Estamos ante una variable aleatoria bidimensional (X,Y) cuando sobre cada
unidad de observación tenemos dos características aleatorias X e Y. Por
ejemplo cuando medimos el grosor de una capa de pintura (X) y su
resistencia (Y). Este tema se puede considerar como una extensión del
tema 2 (variables aleatorias).

Tema 5. Variables aleatorias bidimensionales

2
5.2 Distribución de probabilidad conjunta de variable
discreta.
Una variable aleatoria bidimensional (X,Y) se dice que es discreta si X e Y son
discretas
La distribución de probabilidad de una variable aleatoria bidimensional discreta
viene dada por la siguiente tabla de doble entrada (ver la siguiente
diaspositiva) en la que se recogen las probabilidades conjuntas P(xi yj). La
suma de todas las probabilidades conjuntas vale 1.

Tema 5. Variableas aleatorias bidimensionales

3
5.2 Distribución de probabilidad conjunta de variable
discreta.
X\Y y1 y2 … yj … ys P Mg X
X1 P(x1 , y1) P(x1 , y2) … P(x1 , yj) P(x1 , ys) P(x1)

X2 P(x2 , y1) P(x2 , y2) … P(x2 , yj) … P(x2 , ys) P(x2)

… … … … … … …
Xi P(xi , y1) P(xi , y2) … P(xi , yj) … P(xi , ys) P(xi)

… … … … … … …
Xr P(xr , y1) P(xr , y2) … P(xr , yj) … P(xr , ys) P(xr)

P Mg Y P(y1) P(y2) … P(yj) … P(ys) 1

Tema 5. Variables aleatorias bidimensionales

4
5.2 Distribución de probabilidad conjunta de variable
discreta.
  partir de una distribución de probabilidad conjunta podemos obtener dos
A
marginales: la distribución marginal de X, que nos da la probabilidad de que X
tome un valor concreto sin tener en cuenta el valor que toma Y, y la distribución
marginal de Y que nos da la probabilidad de que Y tome un valor concreto sin
tener en cuenta el valor que toma Y.
Por otra parte, a partir de una distribución conjunta (X,Y) podemos obtener dos
tipos de distribuciones condicionales:
1ª) Distribución de X condicionada a Y. Nos da la probabilidad de que X tome
un valor sabiendo que Y ha tomado un valor concreto. Su expresión es:

Tema 5. Variables aleatorias bidimensionales

22
5.2 Distribución de probabilidad conjunta de variable
discreta.
  Distribución de Y condicionada a X. Nos da la probabilidad de que Y tome
2ª)
un valor sabiendo que X ha tomado un valor concreto. Su expresión es:

Ejemplo: Dada la distribución conjunta de probabilidad:

X\Y 0 1 2
0 0´1 0´4 0´1
1 0´2 0´2 0

Tema 5. Variables aleatorias bidimensionales

5.2 Distribución de probabilidad conjunta de variable
discreta.
Las distribuciónes marginales de X e Y son:

Y P(Y)
X P(X)
0 0´3
0 0´6
1 0´6
1 0´4
2 0´1
Por otra parte, la distribución de X condicionada a que Y valga 0 es:

X/Y=0 P(X/Y=0)
0 0´1/0´3=1/3
1 0´2/0´6=2/3

Tema 5. Variables aleatorias bidimensionales

5.2 Distribución de probabilidad conjunta de variable
discreta.
Y la distribución de X condicionada a que Y sea 2 será:

X/Y=2 P(X/Y=2)
0 0´1/0´1=1
1 0/0´1=0

De igual forma, la distribución de Y condicionada a que X sea 0 será:

Y/X=0 P(Y/X=0)
0 0´1/0´6=1/6
1 0´4/0´6=2/3
2 0´1/0´6=1/6

Tema 5. Variables aleatorias bidimensionales

5.2 Distribución de probabilidad conjunta de variable
discreta.
 
Independencia: Se dice que dos variables X e Y son independientes si se
cumple para todos los valores de X e Y que P(X,Y)=P(X)P(Y). Si dos variables
son independientes, no existe ningún tipo de relación entre X e Y
En el ejemplo anterior vemos que X e Y no son independientes ya que:

Un ejemplo de variables independientes es:

X\Y 1 2
0 0´4 0´1
1 0´4 0´1
Son independientes ya que:

Tema 5. Variables aleatorias bidimensionales

5.2 Distribución de probabilidad conjunta de variable
discreta.
P(X=0,Y=1)=P(X=0)P(Y=1)
P(X=0,Y=2)=P(X=0)P(Y=2)
P(X=1,Y=1)=P(X=1)P(Y=1)
P(X=1,Y=2)=P(X=1)P(Y=2)

Tema 5. Variables aleatorias bidimensionales

5.2 Distribución de probabilidad conjunta de variable
discreta.
 El vector de valores medios es el vector o en donde y

La matriz de varianzas covarianzas es con = y = . A o se le llama

covarianza. Su expresión es ( . Si la covarianza es mayor a 0 decimos que hay
relación lineal positiva, si es menor a 0 habrá relación lineal negativa y si vale 0
decimos que no hay relación lineal

Tema 5. Variables aleatorias bidimensionales

5.2 Distribución de probabilidad conjunta de variable
discreta.
  fórmula de la covarianza es
La
Por ejemplo, dados los datos:
X\Y 0 1 2
0 0´1 0´4 0´1
1 0´2 0´2 0
=0x0´6+1x0´4=0´4; =0x0´3+1x0´6+2x0´1=0´8
Por tanto el vector de valores medios es

Tema 5. Variables aleatorias bidimensionales

5.2 Distribución de probabilidad conjunta de variable
discreta.
 
==
==(
(-
Por tanto la matriz de varianzas covarianzas es
Transformaciones lineales. Dada una variable X discreta con media y varianza
y desviación típica , si definimos , se cumplirá que , y .

Tema 5. Variables aleatorias bidimensionales

 En nuestro ejemplo, si definimos , se cumplirá que:

Tema 5. Variables aleatorias bidimensionales

5.3 Distribución de probabilidad conjunta de variable
continua.
 
Para una variable continua (X,Y) podemos definir la función de densidad
conjunta f(X,Y). Esta función cumple dos propiedades:
1ª)
2ª)
La función de densidad conjunta f(X,Y) se utiliza para calcular probabilidades
conjuntas mediante integración, es decir:

Tema 5. Variables aleatorias bidimensionales

5.3 Distribución de probabilidad conjunta de variable
continua.
  partir de una función de densidad conjunta f(X,Y) podemos definir dos
A
funciones de densidad marginales:
1ª) Función de densidad marginal de X. Es Tiene dos propiedades:

Se utiliza para calcular probabilidades de X, es decir:

Tema 5. Variables aleatorias bidimensionales

5.3 Distribución de probabilidad conjunta de variable
continua.
 2ª) Función de densidad marginal de Y. Es Tiene dos propiedades:

Se utiliza para calcular probabilidades de Y, es decir:

Se dice que X e Y son independientes si

Tema 5. Variables aleatorias bidimensionales

5.3 Distribución de probabilidad conjunta de variable
continua.
 El vector de valores medios es el vector en donde y

La matriz de varianzas covarianzas es en donde:

,

Las transformaciones lineales operan de la misma forma que para v. discretas

Tema 5. Variables aleatorias bidimensionales

5.3 Distribución de probabilidad conjunta de variable
continua.
 Ejemplo. Dada una variable continua f(X,Y) con función de densidad:

1º) Comprueba que es función de densidad. Para que sea función de densidad
debe cumplir dos propiedades:
1ª)
2ª)
1ª)
2ª) Para los valores de X e Y, f(X,Y)

Tema 5. Variables aleatorias bidimensionales

5.3 Distribución de probabilidad conjunta de variable
continua.
 
Como se cumplen las dos propiedades, diremos que f(X,Y) es función de
densidad.
2º) Obtener las funciones de densidad marginales de X y de Y.
=
=
3º) ¿Son independientes X e Y?. Para ver si son X e E independientes la
condición es que . Sí que son independientes, pues se cumple que XY=2X0
´5Y=XY

Tema 5. Variables aleatorias bidimensionales

5.3 Distribución de probabilidad conjunta de variable
continua.
 4º) Obtener el vector de valores medios y la matriz de varianzas covarianzas.

Por tanto el vector de valores medios es

Tema 5. Variables aleatorias bidimensionales

5.3 Distribución de probabilidad conjunta de variable
continua.
 
=(
=0, cosa lógica, pues antes hemos visto que X e Y eran independientes.
(Independencia
Por tanto la matriz de varianzas covarianzas es
5º) Si definimos u=3X+1 v= y+2 Calcula la media, la varianza y la desviación
típica de u y de v.
10/3;

Tema 5. Variables aleatorias bidimensionales

22
 
Dadas dos variables independientes X e Y, si definimos V=aX+bY+C se
cumplirá que:
1º) La media o esperanza de V será
2º) La varianza de V será . Precisión: en la varianza siempre se pone el signo +
independientemente de que las variables se estén sumando o restando.