Republica Bolivariana de Venezuela Ministerio del Poder Popular para la Educación Superior Instituto Universitario de Tecnología ³Antonio José

de Sucre´ Independencia ± Yaracuy

VARIABLES ALEATORIAS BIDIMENSIONALES

García Yanesky CI. 22307015 Prof. Ángel Osorio

INDICE Pág.««««««««««««««««14 2 .04 Variables Bidimensionales continuas««««««««««««««««««.11 Conclusión««««««««««««««««««««««««««««.07 Momentos matemáticos«««««««««««««««««««««««. Introducción««««««««««««««««««««««««««««03 Variables Bidimensionales Discretas««««««««««««««««««...13 Bibliografía««««««««««««..

Además. cómo se mide y cómo se usa para realizar inferencias. ponderando las posibilidades de su ocurrencia y proporcionando métodos para tales ponderaciones. Sin embargo. existen aquellos sucesos que están directamente influidos por el azar. 3 . Es necesario precisar en que contextos se aplica. es decir. Muchos de los eventos que ocurren en la vida diaria no pueden ser predichos con exactitud desde antes por diversas razones. la probabilidad nos permite acercarnos a esos sucesos y estudiarlos. Esta interpretación práctica es aceptable. pues la mayoría de los hechos están influidos por factores externos.INTRODUCCIÓN El término probabilidad se utiliza en el lenguaje cotidiano para indicar la posibilidad de la ocurrencia de un evento futuro. por procesos que no se está seguro de lo que va a ocurrir. pero no suficiente para su uso en la estadística.

en general. Sea una función H: R2 R. Y) una variable aleatoria bidimensional discreta con rango RX. tal que H (X. Y) tales que H: R2 R Sea (X. un promedio de los valores de la función. que será a su vez una variable aleatoria. Se define la esperanza matemática 4 . Y y función de probabilidad PX. Ahora bien en las variables aleatorias bidimensionales. su esperanza matemática no es mas que una media ponderada de los valores de dicha variable o.VARIABLES ALEATORIAS BIDIMENSIONALES DISCRETAS Antes de adentrarnos en el tema es necesario aclarar ciertas dudas con respecto a la esperanza matemática de una función de una variable aleatoria o mas. Para una variable aleatoria o una función de variable aleatoria. Y. se definen esperanzas matemáticas de funciones H de una variable aleatoria bidimensional (X. Y) es también una variable aleatoria.

Y y función de densidad (fx. Definición. Y) una variable Aleatoria discreta. entonces Diremos que una variable aleatoria bidimensional es discreta.Si (X. Y) es una variable aleatoria Bidimensional continua con rango RX. Yj) le asocia un numero P(X = Xi Y = Yj) = P (xi. Sea (X. si su espacio muestral es finito o infinito numerable. YJ) = Pij. llamamos función de cuantía o de probabilidad conjunta a una función P que a cada par (Xi. y). satisfaciendo las siguientes condiciones Nótese que si es discreta: 5 .

La función es cuantía conjunta se designa por : Por el axioma 2 de Kolmogorov l suma de las probabilidades es igual a la unidad En tal caso su verificación exacta viene dada por: 6 .En resumen: Una variable aleatoria bidimensional es discreta cuando las dos variables que la componen siguen una distribución discreta.

y) se denomina función de distribución acumulada conjunta. y suponga. supongamos que existe y no es negativa excepto quizás en un numero finito de R2. además. y).c Satisface la condición Para (x. viene definida a través de la expresión: donde exista esta derivada e. y) R2. que la función (fx. cuya función de densidad de probabilidad conjunta es (fx.o. La función F (x.VARIABLES ALEATORIAS BIDIMENSIONALES CONTINUAS Mejor conocida como distribución bivariada continua. 7 . entonces se dice que las variables aleatorias continuas X y Y tienen una distribución de probabilidad conjunta. y). para las variables aleatorias continuas X y Y.

En el caso de una variable aleatoria bidimensional continua para una función de distribución acumulada conjunta F (x. y) tiene las siguientes propiedades La probabilidad de un suceso función de densidad conjunta se puede expresar mediante la La probabilidad que contiene un recinto rectangular cualquiera se obtiene a partir de 8 .

mediante un volumen el cual se muestra a través de la siguiente figura 9 . f(x. y). F(x. y la función de densidad conjunta. y).Si consideramos todo el campo de variación de la variable aleatoria bidimensional se obtiene que La utilización de la función de distribución conjunta. lleva a la probabilidad mediante un área.

y).TRANSFORMACIÓN DE VARIABLES ALEATORIAS BIDIMENSIONALES Teorema: Dada una variable aleatoria bidimensional transformación: . con función de distribución mediante la F (x. se obtiene una nueva variable bidimensional De tal forma que de esta ecuación esta dada por si y solo si Ahora bien la especificación Cuando la variable bidimensional es de tipo discreto se aplica que: 10 .

para distinguir el orden al que nos referimos en cada variable. los momentos irán acompañados de un doble subíndice. ahora los momentos poseen dos teorías las cuales vienen aplicadas de la siguiente manera: 11 .Para una variable aleatoria continua: Para demostrarlo a través de las siguientes transformaciones MOMENTOS MATEMÁTICOS ´ En los casos bidimensionales.

0) y (0.0) y (0. 2) representa la varianza de X e Y respectivamente.1). nos indican la esperanza matemática de X e Y.y Momento no centrado y Momento centrado Ahora su definición más lógica nos dice: Los momentos no cerrados de orden (1. 12 . Los momentos centrados de orden (2.

En principio cada variable lleva asociada su distribución de probabilidad.CONCLUSIÓN En estadística descriptiva. 13 . al conjunto de valores que toma una variable con sus correspondientes frecuencias se denomina distribución de frecuencias. pudiendo encuadrarlas dentro de determinados modelos probabilísticos. muchas de estas distribuciones presentaran entre si una gran similitud. las condiciones al supeditar el comportamiento probabilístico de una al de la otra. Las variables aleatorias que integran la bidimensional. Las variables aleatorias bidimensionales en este caso presentan dos tipos de distribuciones derivadas de interés las cuales son marginales y condicionales. sin embargo.

yahoo. Thomson Estadística Descriptiva.BIBLIOGRAFÍA Fundamentos de probabilidad. edit. Javier M. ESIC http://es.answers. Luis R. Santiago F edit.com/question/index?qid=20070626185341AAmTNxY 14 .