Tema 4: Variables aleatorias bidimensionales

Estadı́stica (Grupo C)

Luismi Anguas

Departamento de Matemática e Informática Aplicadas a la Ingenierı́a Civil y Naval

2021-2022

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 1 / 29

Vector aleatorio bidimensional

Definición
Dadas dos variable aleatorias X e Y definidas sobre un mismo espa-
cio muestral Ω, definimos el vector aleatorio bidimensional como la
aplicación
→
−
X = (X, Y ) : Ω → R2 .

Generalizando para el caso n-dimensional obtendrı́amos

Definición
→
−
Un vector aleatorio n-dimensional es una n-upla X = (X1 , . . . , Xn )
donde X1 , . . . , Xn son variables aleatorias definidas sobre el mismo es-
pacio muestral Ω.

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 2 / 29

Función de distribución conjunta

Definición
→
−
Dado un vector aleatorio bidimensional X = (X, Y ) sobre Ω, llamamos
función de distribución conjunta de las dos variables a la función
real de dos variables reales:
− (x, y) = P (X ≤ x, Y ≤ y) = P ({ω ∈ Ω : X(ω) ≤ x} ∩ {ω ∈ Ω : Y (ω) ≤ y}).
F→
X

Además, definimos las distribuciones marginales como

FX (t) = lı́m F−
→ (t, y).
X
y→+∞

FY (t) = lı́m F−
→ (x, t).
X
x→+∞

Para las distribuciones marginales, se verifica

FX (t) = P (X ≤ t), FY (t) = P (Y ≤ t), ∀ t ∈ R.

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 3 / 29
Propiedades de las funciones de distribución conjuntas
Proposición
→
−
Sea F la función de distribución del vector aleatorio bidimensional X =
(X, Y ). Se verifica:
1 F (x, y) es creciente y continua por la derecha en cada una de sus
variables.
2 0 ≤ F (x, y) ≤ 1, ∀ (x, y) ∈ R2 .
3 lı́m F (x, y) = 1, lı́m F (x, y) = lı́m F (x, y) = 0.
(x,y)→(+∞,+∞) x→−∞ y→−∞

4 P (a < X ≤ b, c < Y ≤ d) = F (b, d) − F (a, d) − F (b, c) + F (a, c).

Demostración:
.......................................................................
.......................................................................
.......................................................................
.......................................................................
.......................................................................
. . . . . .Luismi
. . . . .Anguas
. . . . . . . . . . . . . . .Tema
. . . .4. . . . . .Estadı́stica
. . . . . . . .(C)
. . . . . . . . . . . .2021-2022
. . . . . . . . . . . . .4./.29
Contenido

1 Variables aleatorias bidimensionales discretas

2 Variables aleatorias bidimensionales continuas

3 Suma y producto de variables aleatorias

4 Independencia de variables aleatorias y covarianza

5 Función caracterı́stica

6 Variables aleatorias condicionadas

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 5 / 29

fmp conjunta

Definición
→
−
Sea X = (X, Y ) un vector aleatorio bidimensional. Si X e Y son variables
→
−
aleatorias discretas, decimos que X es un vector aleatorio discreto. Si
X toma los valores x1 , x2 , . . . e Y toma los valores y1 , y2 , . . . , definimos
la fmp conjunta como

pij = p(xi , yj ) = P (X = xi , Y = yj ).

Además, definimos las probabilidades marginales como

X
pi∗ = p(xi ) = P (X = xi ) = P (X = xi , Y = yj ), j = 1, 2, . . . .
j
X
p∗j = p(xj ) = P (X = xj ) = P (X = xi , Y = yj ), i = 1, 2, . . . .
i

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 6 / 29

Ejemplos de vectores aleatorios discretos
Ejemplo
→
−
Consideremos el experimento de lanzar una moneda y un dado y sea X
el vector aleatorio bidimensional formado por el resultado de la moneda
(X) y el del dado (Y ). ¿Cuál es la fmp conjunta?¿Y las marginales?
.......................................................................
.......................................................................
.......................................................................
.......................................................................
Ejemplo
Dos personas esconden entre 0 y 3 monedas en sus manos. Sea X el
número de monedas escondidas en total y sea Y el valor absoluto de la
diferencia entre las monedas que tienen en las manos ambos participan-
→
−
tes. ¿Cuál es la fmp conjunta de X = (X, Y )?¿Cuáles son las marginales?
.......................................................................
.......................................................................
.......................................................................
Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 7 / 29
Contenido

1 Variables aleatorias bidimensionales discretas

2 Variables aleatorias bidimensionales continuas

3 Suma y producto de variables aleatorias

4 Independencia de variables aleatorias y covarianza

5 Función caracterı́stica

6 Variables aleatorias condicionadas

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 8 / 29

Función de densidad conjunta
Definición
→
−
Sea X = (X, Y ) un vector aleatorio bidimensional. Si X e Y son va-
→
−
riables aleatorias continuas, decimos que X es un vector aleatorio
continuo. La función de densidad es la derivada doble de la función
de distribución conjunta:

∂2
f (x, y) = F (x, y).
∂x∂y
→
−
Para calcular la probabilidad de que X pertenezca a la región del plano
A:
→
−
ZZ
P ( X ∈ A) = f (x, y)dxdy.
A

Se verifica que ZZ
f (x, y) = 1.
R2
Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 9 / 29
Función de densidad conjunta

Definimos las funciones de densidad marginales como

Z Z
fX (t) = f (t, y)dy, fY (t) = f (x, t)dx.
R R

Se pueden calcular los momentos de orden k usando las funciones de

densidad marginales:
Z Z
k k k
E[X ] = t fX (t)dt, E[Y ] = tk fY (t)dt.
R R
(De manera análoga se puede usar para las variables aleatorias bidimen-
sionales discretas)

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 10 / 29

Contenido

1 Variables aleatorias bidimensionales discretas

2 Variables aleatorias bidimensionales continuas

3 Suma y producto de variables aleatorias

4 Independencia de variables aleatorias y covarianza

5 Función caracterı́stica

6 Variables aleatorias condicionadas

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 11 / 29

Idea

Sean X e Y dos variables aleatorias. Entonces Z = g(X, Y ) es otra

variable aleatoria. Si X e Y son discretas (resp. continuas), entonces Z
también es discreta (resp. continua). Si Z es discreta, su fmp es
X
pZ (z) = pX,Y (x, y).
g(x,y)=z

En particular, la fmp de la suma y el producto serı́a

X X
pX+Y (z) = pX,Y (x, y), pX·Y (z) = pX,Y (x, y).
x+y=z xy=z

Análogamente, si Z es continua, su función de densidad es

ZZ
fZ (z) = pX,Y (x, y)dxdy.
g(x,y)=z

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 12 / 29

Ejemplos

Ejemplo
Sean X e Y dos variables aleatorias que toman los valores 0 y 1 con las
siguientes probabilidades:

X\Y 0 1
0 1/3 1/6
1 1/4 1/4

Calcular la fmp de X + Y .
.......................................................................
.......................................................................
.......................................................................
.......................................................................
.......................................................................

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 13 / 29

Esperanza de la suma
Proposición
Sean X1 , . . . , Xn variables aleatorias y sean a1 , . . . , an ∈ R. Entonces,
" n # n
X X
E ai Xi = ai E[Xi ].
i=1 i=1

Demostración:
.......................................................................
.......................................................................
.......................................................................
.......................................................................
.......................................................................
.......................................................................
Sin embargo, no se verifica en general la siguiente relación

E[g(X1 , . . . , Xn )] = g(E[X1 ], . . . , E[Xn ]).

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 14 / 29
Contenido

1 Variables aleatorias bidimensionales discretas

2 Variables aleatorias bidimensionales continuas

3 Suma y producto de variables aleatorias

4 Independencia de variables aleatorias y covarianza

5 Función caracterı́stica

6 Variables aleatorias condicionadas

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 15 / 29

Definición

Definición
→
−
Sea X = (X, Y ) un vector aleatorio, sea F−
→ la función de distribución
X
conjunta y sean FX y FY las marginales. Decimos que X e Y son inde-
pendientes si

→ (x, y) = FX (x)FY (y) ∀ x, y ∈ R.

F−
X

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 16 / 29

Propiedades
Proposición
Sea (X, Y ) un vector aleatorio discreto y sean x1 , . . . , xn e y1 , . . . , ym los
valores que toman respectivamente X e Y . X e Y son independientes si
P (X = xi , Y = yj ) = P (X = xi )P (Y = yj ) ∀ 1 ≤ i ≤ n, ∀ 1 ≤ j ≤ m.

Demostración:
.......................................................................
.......................................................................
Proposición
→ (x, y) su función de den-
Sea (X, Y ) un vector aleatorio continuo, sea f−
X
sidad conjunta y sean fX (x) y fY (y) las correspondientes funciones de
densidad marginales. Entonces, X e Y son independientes si
→ (x, y) = fX (x)fY (y), ∀x, y ∈ R.
f−
X

Demostración:
.......................................................................
Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 17 / 29
Ejemplos de independencia
Ejemplo
→
−
Consideremos el experimento de lanzar una moneda y un dado y sea X
el vector aleatorio bidimensional formado por el resultado de la moneda
(X) y el del dado (Y ). ¿Son X e Y independientes?
.......................................................................
.......................................................................
.......................................................................
.......................................................................
Ejemplo
Dos personas esconden entre 0 y 3 monedas en sus manos. Sea X el
número de monedas escondidas en total y sea Y el valor absoluto de la
diferencia entre las monedas que tienen en las manos ambos participan-
tes. ¿Son X e Y independientes?
.......................................................................
.......................................................................
.......................................................................
Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 18 / 29
Covarianza

Definición
Sean X e Y dos variables. Definimos la covarianza de X y de Y como

Cov(X, Y ) = σXY = E[(X − E[X])(Y − E[Y ])].

Definición
Decimos que dos variables aleatorias X e Y son incorreladas cuando
su covarianza es nula.

Proposición
Sean X e Y dos variables aleatorias. La covarianza se puede calcular
como
Cov(X, Y ) = E[XY ] − E[X]E[Y ].

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 19 / 29

Covarianza e independencia
Proposición
Si X e Y son independientes, entonces, Cov(X, Y ) = 0, es decir

E[XY ] = E[X]E[Y ].

Demostración:
.......................................................................
.......................................................................
Sin embargo, no es cierto que si la Cov(X, Y ) = 0, entonces X e Y son
independientes.
Ejemplo
Consideremos el vector aleatorio (X, Y ) que toma los cuatro valores
(±1, 0) y (0, ±1). Calcular su covarianza y comprobar si son indepen-
dientes.
.......................................................................
.......................................................................
Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 20 / 29
Varianza de la suma

Proposición
Sean X e Y dos variables aleatorias. Entonces,

V [X ± Y ] = V [X] + V [Y ] ± 2Cov(X, Y ).

Demostración:
.......................................................................
.......................................................................
Por tanto, podemos deducir que si X e Y son incorreladas (en particular,
si son independientes), la suma de las varianzas es la varianza de la suma

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 21 / 29

Coeficiente de correlación

Definición
El coeficiente de correlación entre las variables X e Y se define como
σXY
ρXY = .
σX σY
Además, definimos el coeficiente de determinación como el cuadrado del
coeficiente de correlación, ρ2XY .

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 22 / 29

Contenido

1 Variables aleatorias bidimensionales discretas

2 Variables aleatorias bidimensionales continuas

3 Suma y producto de variables aleatorias

4 Independencia de variables aleatorias y covarianza

5 Función caracterı́stica

6 Variables aleatorias condicionadas

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 23 / 29

Definición

Definición
Dada una variable aleatoria bidimensional (X, Y ), su función carac-
terı́stica es la función definida por la fórmula

φ(t1 , t2 ) = E[eit1 X+it2 Y ].

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 24 / 29

Propiedades
Proposición
→
−
Sea X = (X, Y ) un vector aleatorio, sea φ−
→ la función caracterı́stica de
X
→
−
X y sean φX y φY las correspondientes funciones caracterı́sticas de X
y de Y . Se verifica:
1 φ−
→ (0, 0) = 1.
X
2 → (t, 0) = E[eitX ] = φX (t).
φ−
X
3 → (0, t) = E[eitY ] = φY (t).
φ−
X
4 φ−
→ (t, t) = φX+Y (t).
X
5 Si X e Y son independientes, entonces
φ−
→ (t, t) = φ−
X
→ (t, 0)φ−
X
→ (0, t).
X
6 Si X e Y son independientes, entonces φX+Y = φX φY .

Demostración:
.......................................................................
.......................................................................
Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 25 / 29
Contenido

1 Variables aleatorias bidimensionales discretas

2 Variables aleatorias bidimensionales continuas

3 Suma y producto de variables aleatorias

4 Independencia de variables aleatorias y covarianza

5 Función caracterı́stica

6 Variables aleatorias condicionadas

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 26 / 29

Caso discreto

Definición
Sea X una variable aleatoria discreta definida en el espacio muestral Ω
y sea A ⊂ Ω. Definimos la variable aleatoria X|A como aquella con fmp

P ((X = x) ∩ A)
pX|A (x) = P ((X = x)|A) = .
P (A)

Definición
Sean X e Y dos variables aleatorias discretas definidas en el espacio
muestral Ω. Definimos la variable aleatoria X|Y como aquella con fmp

P ((X = x) ∩ (Y = y)) pXY (x, y)

pX|Y (x|y) = P (X = x|Y = y) = = ,
P (Y = y) pY (y)

donde pXY es la fmp conjunta de (X, Y ) y pY es la fmp de Y .

Nótese que sólo puede definirse para aquellos y tales que pY (y) ̸= 0.
Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 27 / 29
Teorema de la esperanza total

Teorema
Sea X una variable aleatoria de un espacio muestral Ω y sea
{A1 , . . . , An } un sistema completo de sucesos. Entonces, la esperanza
de X es X
E[X] = E[X|Ai ]P (Ai ).
i

Demostración:
Ejemplo
Sea X el número de tiradas de un dado hasta que sale un 5 por primera
vez. Calcular su esperanza y su varianza.
.......................................................................
.......................................................................
.......................................................................
.......................................................................

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 28 / 29

Caso continuo

Las definiciones dadas para el caso discreto se pueden adaptar fácilmente

al caso continuo, reemplazando fmp por función de densidad y suma-
torios por integrales. Sin embargo, hay algunos detalles analı́ticos que
omitiremos. Teniendo esto en cuenta, la función de densidad de X|Y
serı́a
fXY (x, y)
fX|Y (x|y) = ,
fY (y)
donde fXY es la función de densidad conjunta de (X, Y ) y fY es la
función de densidad de Y . Como en el caso discreto, nótese que sólo
puede definirse para aquellos y tales que fY (y) ̸= 0.
Además, usando la notación anterior, se podrı́a probar que X e Y son
independientes si y sólo si

fX|Y (x|y) = fX (x) ∀ x, y.

Luismi Anguas Tema 4 Estadı́stica (C) 2021-2022 29 / 29