Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Cálculo de probabilidades y funciones de densidad en variables aleatorias bidimensionales, Ejercicios de Probabilidad

La solución de diversos ejercicios relacionados con el cálculo de probabilidades y funciones de densidad en variables aleatorias bidimensionales, incluyendo el cálculo de medias, funciones de densidad marginales y condicionadas, coeficiente de correlación y transformaciones de variables.

Tipo: Ejercicios

2019/2020

Subido el 10/02/2024

junior-anthony-calderon-fiestas
junior-anthony-calderon-fiestas 🇵🇪

3 documentos

1 / 28

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
GestiónAeronáutica:EstadísticaTeórica
FacultadCienciasEconómicasyEmpresariales
DepartamentodeEconomíaAplicada
Profesor:SantiagodelaFuenteFernández
EJERCICIOS RESUELTOS
VARIABLE ALEATORIA BIDIMENSIONAL
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c

Vista previa parcial del texto

¡Descarga Cálculo de probabilidades y funciones de densidad en variables aleatorias bidimensionales y más Ejercicios en PDF de Probabilidad solo en Docsity!

Gestión Aeronáutica: Estadística Teórica Facultad Ciencias Económicas y Empresariales

Departamento de Economía Aplicada Profesor: Santiago de la Fuente Fernández

EJERCICIOS RESUELTOS

VARIABLE ALEATORIA BIDIMENSIONAL

b) Distribución marginal de la variable aleatoria X:

x (^) i pi (^)  x. pi i (^) 

2 xi

2 x. pi i (^) 

0 1 8^0 0

1 3 8^ 3 8^1 3 8

3 1 8^ 3 8^9 9 8

1 12 8^3

Media:

4

X 10 i i i 1

E(X) x. p 1, 8

 

Varianza: (^)  

2 2 2 X 20   Var(X)    E(X ) E(X)

4 2 2 20 i i i 1

E(X ) x. p 3  

 

2 2 2 2  (^) X  Var(X)   20  E(X )  E(X)  3  1,5  0,75  x  0,75 0,

 Distribución marginal de la variable aleatoria Y:

j y j p  j j y. p 

2 y (^) j

2 y. pj j

1 6 8^ 6 8^1 6 8

3 2 8^ 6 8^9 18 8

Media:

2

Y 01 j j j 1

E(Y) y. p 1, 8

 

Varianza: (^)  

2 2 2 Y  Var(Y)   02  E(Y ) E(Y)

2 2 2 02 j j j 1

E(Y ) y. p (^)  3

 

2 2 2 2  (^) Y  Var(Y)   02  E(Y )  E(Y)  3  1,5  0,75   (^) Y 0,75 0,

c) Covarianza y coeficiente de correlación

 La covarianza se define:  11   (^) XY  XY  Cov(X, Y)   11   10 . 01

donde

4 2

11 i j ij i 1 j 1

E(XY) x. y. p

 



Así pues,

11

con lo cual, XY 11 10 01   Cov(X, Y)    .   2,25  1,5. 1,5  0

Señalar que la covarianza  (^) XY  Cov(X, Y) puede ser negativa, nula o positiva, siendo

una medida de la fuerza de la relación lineal entre X e Y.

 El coeficiente de correlación lineal XY es un número abstracto (sin unidades) que

determina el grado en que las variables (X, Y) están relacionadas linealmente.

Se define:

XY XY x. Y

con lo cual,

XY XY x Y

Denotar que  1   (^) XY 1. Cuando XY  0 no existe relación lineal entre las variables X e

Y, diciendo que están incorreladas.

d) Para que X e Y sean independientes se tiene que verificar: p (^) ij  p. pi  j (x , y )i j

Y

X

1 3 pi^ 

0 p 11 ^0 1 8^ p 1  1 8

1 3 8^0 3 8

2 3 8^0 3 8

p j p (^)  1  6 8 2 8 (^1)

11 1 1

p 0. p .p 8 8

Las variables X e Y NO son independientes

Señalar que cuando dos variables X e Y son independientes, es decir, cuando pij p. pi  j

 (x , y ) i j , la covarianza es cero. El caso contrario no se verifica. Es decir:

X e Y independientes   11  Cov(X, Y)  0

 11  Cov(X, Y)  0  X e Y independientes

e) Distribución condicionada de X a Y  3 : (^)  

P X (^)  Y (^3)  P X / Y 3 P(Y 3)

Y

X

1 3 pi^  X P(X / Y^ 3)

0 0 1 8^ 1 8^0

1 3 8^0 3 8^1

2 3 8^0 3 8^2

p j 6 8 2 8 (^1 )

En general,

 (^) j

j j

P X Y y P X / Y y P(Y y )

Ejercicio 2.- Sea una variable aleatoria bidimensional con distribución de probabilidad

Y

X

1 1 6^ 1 3

2 1 12^ 1 4

Se pide:

a) ¿Son X e Y independientes?

b) Hallar las medias y desviaciones típicas de X e Y

c) Hallar las probabilidades: P X  2 ; Y  (^0)  P X  (^2)  P Y  (^0) 

d) Hallar el coeficiente de correlación

Solución:

a) Para analizar si X e Y son independientes hay que hallar las distribuciones marginales

de X e Y, y ver si verifica que pij  p. pi  j (x , y )i j

Y

X

 1 1 p^ i

2 1 12^ 1 4^ 1 3

p j 1 3 2 3 (^1)

11 1 1

p p. p. 6 2 3

21 2 1

p p. p. 12 3 3 9

31 3 1

p p. p. 12 6 3 18

 

12 1 2

p p. p. 3 2 3

22 2 2

p p. p. 4 3 3 9

32 3 2

p p. p. 12 6 3 9

 

Luego las variables X e Y no son independientes.

b) Para hallar las medias y desviaciones típicas de X e Y hay que considerar las

distribuciones marginales:

 Distribución marginal de la de la variable aleatoria X

X  xi i p  x. pi i^ 

2 i x

2 i i x. p 

1 1 2^ 1 2^1 1 2

3 1 6^ 3 6^9 9 6

1 10 6^ 20 6

Media:

3

10 X i i i 1

E(X) x. p 6

 

3 2 2 20 i i i 1

E(X ) x. p 6

 

Varianza: (^)  

2 2 2 2 20 X

Var(X) E(X ) E(X) 6 6 36 9

Desviación típica: (^) X

 Distribución marginal de la variable aleatoria Y

Y  yj p j y. pj j

2 y (^) j

2 y. pj j

 1 1 3^ 1 3^1 1 3

1 2 3^ 2 3^1 2 3

1 1 3^1

Media:

2

01 Y j j j 1

E(Y) y. p 3

 

     (^)  

2 2 2 02 j j j 1

E(Y ) y. p (^)  1

Varianza: (^)  

2 2 2 2 02 Y

Var(Y) E(Y ) E(Y) 1 3 9

Desviación típica: (^) Y

c) Probabilidades: P X  2 ; Y  (^0)  P X  (^2)  P Y  (^0) 

Ejercicio 3.- Sean (X, Y) los paquetes diarios que venden dos operadores de viajes,

cuya distribución de probabilidad conjunta se refleja en la tabla:

Y

X

Hallar la media, varianza y desviación típica de las variables: X, Y, X  Y, X Y

Solución:

Y

X

0 1 2 pi^  x. pi i^ 

2 x. pi i (^) 

j p  0,30^ 0,40^ 0,30^1 0,90^ 1,

y. pj  j 0 0,40 0,60 1

2 j j y. p  0 0,40^ 1,20^ 1,

 Distribución marginal de la variable X:

Media:

3

10 X i i i 1

E(X) x. p (^)  0, 

     (^)  

3 2 2 20 i i i 1

E(X ) x. p (^)  1,

Varianza:

2 2 2  20   (^) X  Var(X)   20   10  1,5  0,9 0,

Desviación típica: X  0,69 0,

 Distribución marginal de la variable Y:

Media:

3

01 Y j j j 1

E(Y) y. p (^)  1

3 2 2 02 j j j 1

E(Y ) y. p (^)  1,

Varianza:

2 2 2  02   (^) Y  Var(Y)   02   01  1,6  1 0,

Desviación típica: Y  0,6 0,

 Distribución de la variable (X  Y):

Media:  (^) X Y  E(X  Y)  E(X)  E(Y)  0,9  1 1,

 Se tiene:

3 3

X Y i j ij i 1 j 1

E(X Y) (x y ).p   



Y

X

X Y 0. 0,15^ 1. 0,15^ 2. 0,

Varianza:

2 X (^) Y  Var(X  Y)  Var(X)  Var(Y)  2 Cov(X, Y) X e Y no independientes

i j ij x. y. p

Y

X

3 3

11 i j ij i 1 j 1

E(XY) x. y. p 1

 



Covarianza: XY 11 10 01   Cov(X, Y)    .   1  0,9.1 0,

2 X (^) Y  Var(X  Y)  Var(X)  Var(Y)  2 Cov(X, Y)  0,69  0,6  2.0,1 1, 49

 Se tiene: (^)  

2 2 2 X  Y E (X^ Y)^ E(X^ Y)

  ^   

Y

X

2 E (X Y) 0. 0,15 1. 0,15 4. 0,

 

2 2 2 2 X  Y E (X^ Y)^ E(X^ Y)^ 5,1^ 1,9^1 , 49

  ^      

  x^ Y^

 Distribución de la variable (X  Y):

Media: X Y

E(X Y) E(X) E(Y) 0,9 1 0,

2 X Y Var(X Y) Var(X) Var(Y) 2 Cov(X, Y) 0,69 0,6 2.0,1 1, 

2

f(x, y) 2 f(x / y) 0 y 1 0 x 1 f (y) 2 2 y

1

f(x, y) 2 f(y / x) 0 x 1 0 y 1 f (x) 2 x

Ejercicio 5.- Sea (X, Y) una variable aleatoria bidimensional con función de densidad:

1 y x ; 0 x 1 f(x, y) 0 restantes valores

a) Comprobar que f(x, y) es función de densidad

b) Hallar las medias de X e Y

c) Hallar las probabilidades:

P X ; Y 0

y

P X ; Y

Solución:

a) f(x, y) es función de densidad si se verifica: f(x, y) dx dy 1

 

 

 

 

1 x 1 x 1 1 x 2 1

x (^0) 0 x 0 x 0 0

f(x, y) dx dy dx dy dy dx y dx 2 x dx x 1

 

    

       ^  

       

en consecuencia, f(x, y) es función de densidad.

b) Para hallar las medias de X e Y hay que calcular primero las funciones de densidad

marginales:

 

x x (^1 0) x x

f (x) f(x, y) dy dy y 2 x 0 x 1

  

 

 

 

1 1 y y (^2 ) 1 y y

dx x 1 y 1 y 0

f (y) f(x, y) dx

dx x 1 y 0 y 1

  



 ^ ^ ^ ^ ^ 

1 1 3

10 x 1 0 0

x 2 E(X) x f (x) dx x.2 x dx 2 3 3



 

0 1 0 1

01 y 2 2 2 1 0 1 0

0 1 2 3 0 2 3 1 2 2

(^1 0 1 )

E(Y) y f (y) dy y f (y) dy y f (y) dy y (1 y) dy y (1 y) dy

y y y y 1 1 1 1 (y y ) dy (y y ) dy 0 2 3 2 3 2 3 2 3

  

 (^) 

    

 

c) Probabilidades:

P X ; Y 0

y

P X ; Y

 

1 2 0 1 2 0 1 2 1 2 2 1 2 0 x 0 x 0 x (^0 0 )

1 x 1 P X ; Y 0 f(x, y) dx dy dy dx y dx x dx 2 2 8

  

  ^ ^ ^ 

   ^ ^  ^  ^   

   

1 1 2 1 1 2 1 2 1 1 2 1 1 2 1 2 1 2 1 2 1 2 1 2 0 1 2

P X ; Y f(x, y) dx dy dy dx y dx dx x 2 2 2 2

  

  ^ 

   ^ ^  ^  ^ 

Ejercicio 6.- La función de densidad asociada a la emisión de billetes de una compañía

área es:

x y 0 x 1 0 y 1 f(x, y) 0 en el resto

a) Hallar la función de distribución

b) Hallar las funciones de densidad marginales de X e Y

c) ¿Son X e Y independientes?

Solución:

a) (^)  

x y x y x y x 2 y y 0 (^0 0 0 0 0 )

v F(x, y) f(u,v) dv du (u v) du dv (u v) dv du u v du  ^2

  ^ 

        ^   

  ^ 

      

 

x 2 2 x 2 2 2 x (^2 ) 0 (^0 )

y u y y x y x 1 u y du y u (y x y x) 0 x 1 0 y 1 2 2 2 2 2 2

En consecuencia,

2 2

2 1

2 2

0 x 0 ó y 0

(y x y x) 0 x 1 0 y 1 2

1 F(x, y) (^) F (x) (x x) 0 x 1 , y 1 2

1 F (y) (y y ) 0 y 1 , x 1 2

1 x 1 , y 1

^ ^ 

 ^ ^ ^ ^ 

 ^ 

( x y ) x y x y x y x x (^1 ) 0 0 0

f (x) f(x, y) dy e dy e .e dy e e dy e e e .( 1) e

              



      ^     

( x y ) y x y x y x y y (^2 ) 0 0 0

f (y) f(x, y) dx e dx e .e dx e e dx e e e .( 1) e

              



      ^       

Adviértase que X e Y son independientes al verificarse f(x, y) f (x). f (y) 1 2

( x y) x y f(x, y) e f (x).f (y) 1 2 e .e

      

X e Y independientes  La covarianza

11 xy

c) Funciones de densidad condicionadas

( x y ) x y^1 2

f(x, y) e f(x / y) e f (x) f (y) e

        al ser X e Y independientes

( x y ) y x^2 1

f(x, y) e f(y / x) e f (y) f (x) e

        al ser X e Y independientes

d) El coeficiente de correlación 11 xy x. y

x x x x x 10 x (^1 0 ) 0 0

E(X) x.f (x) dx x.e dx x.e e dx x.e e 1

     ^    

 

      ^  ^   ^    

  ^ ^  ^ 

y y y y y 01 y (^2 0 ) 0 0

E(Y) y. f (y) dy y.e dy y.e e dy y.e e 1

     ^    

 

      ^  ^   ^    

Nota:

x x x x x 0 0 0 0

x.e dx x.e e dx x.e e

    ^                

donde se ha realizado el cambio x x x 0 0

u x du dx

dv e dx v e dx e

    

 ^ 

   ^  

( x y) x y 11 0 0 0 0 0 0

E(X. Y) x. y.f(x, y) dx dy x. y.e dx dy x.e dx. y.e dy 1

               

2 2 2 x 2 x x (^20 1 ) 0 0

E(X ) x. f (x) dx x .e dx x .e 2. x.e dx

      

 

    ^    

2 x x x 2 x x x 0 0 0

x .e 2 x.e e x .e 2. x.e 2.e 2

 ^   ^      ^  ^  ^   ^  ^           

Análogamente,

2 02

  E(Y )  2

2 2 x   20   10  2  1  1 x  1  1

2 2 y 02 01 y

covarianza:  11  xy   11   10.  01  1  1.1  0

coeficiente de correlación

11 xy x y

Las variables son incorreladas

Ejercicio 8.- La venta en un mercado de abastos lleva asociada la función:

x y k 1 0 x 1 1 y 1 f(x, y) 2

0 en el resto

 ^ ^ ^ ^ ^ 

a) Hallar k para que sea función de densidad

b) Hallar la función de distribución

c) Funciones de densidad marginales y condicionadas

d) Se considera la transformación Z  X  Y y T  X  2 Y, hallar la función de densidad

de la variable (Z,T)

Solución:

a) f(x, y)  0  k  0

Para que f(x, y) sea función de densidad debe verificarse que f(x, y) dx dy 1

 

 

1 1 1 1 1 2 1 1 1 (^0 1 0 1 0 )

x y x y y k 1 dx dy k 1 dy dx k x y dx 2 2 4

   (^) 

  ^   

    ^ 

   ^  

1 1 0 0

2k dx 2k x 2k 1 k 2

La función de densidad

x y 2 0 x 1 1 y 1 f(x, y) (^4)

0 en el resto

 ^ ^ ^ ^ 

b) Función de distribución

x y

F(x, y) P(X x, Y y) f(u,v) dv du  

 ^  

x y x y x y

0 1 0 1 0 1

u v 2 u v 2 1 F(x, y) dv du dv du u v 2 dv du  4  4 4 

 ^  ^    

2 2

2

0 x 0 ó y 1

x (y 1) x (y 1) 0 x 1 1 y 1 16 2

F(x, y) x 0 x 1 , y 1

y 8 y 7 1 y 1 , x 1 16

1 x 1 , y 1

^ ^  

 ^ 

c) Las funciones de densidad marginales se pueden hallar a partir de la función de

distribución conjunta:

1 1

F (x) f (x) (x) 1 x x

2 2 2

F (y) y 8 y 7 y 4 f (y) y y 16 8

  ^    

o bien, a partir de la función de densidad:

1 1 2 1 (^1 ) (^1 )

x y 1 x y 1 f (x) f(x, y) dy dy y 1 4 2 4 2 2

   (^) 

  ^ 

1 2 1 1 (^2 ) (^0 )

x y 1 y x 1 y 4 f (y) f(x, y) dx dx x 4 2 4 2 2 8



  ^ ^ 

  ^ 

 Funciones de densidad condicionadas:

2 1

f(x, y) (x y 2) 4 x y 2 f(y / x) f (y) f (x) 1 4

1 2

f(x, y) (x y 2) 4 2 x y 4 f(x / y) f (x) f (y) (y 4) 8 y 4

Las variables X e Y no son independientes al ser f(x, y) f (x). f (y) 1 2

d) En la transformación

Z X Y

T X 2 Y

^ ^ 

 ^ 

z z

(z,t) x^ y^1 J 3 0 (x, y) t t 1 2

x y

 ^ ^ 

por lo que existe la función de densidad g(z, t)

Despejando (X,Y) en la función de (Z,T) se calcula el jacobiano (^1)

x x

(x, y) z^ t J (z,t) y y

z t

 ^ 

2 Z T

X

Z X Y 2 Z 2 X 2 Y 3

T X 2 Y T X 2 Y Z T

Y

 ^ ^ ^ ^ ^ 

(x, y) 2 3^ 1 3 1 J (z,t) 1 3 1 3 3

La función de densidad g(z, t) f h (z, t), h (z, t). J 1 2  1

1

2 z t h (z, t) 3

2

z t h (z, t) 3

0 x 1 0 2 z t 3

1 y 1 3 z t 3

^ ^ ^ ^  ^ ^ 

2z t z t

3 3 1 (2z^ t)(^ z^ t) g(z, t). 4 3 108

 ^   ^  

    ^ ^ 

x y 2 0 x^1

f(x, y) 4 1 y 1

0 en el resto

 ^ ^ 

(2 z t)( z t)^0 2 z^ t^3

g(z,t) 108 3 z t 3

0 en el resto

   ^ ^ ^ 

Ejercicio 9.- Sea (X,Y) una variable aleatoria bidimensional con función de probabilidad

i j i j ij

c x y x 2, 1, 0,1,2 , y 2, 1, 0,1, p 0 en otro caso

a) Calcular el valor de la constante c

b) P X  0, Y  (^2) 

c) P X  (^1) 

d) P  X  Y  1   

Solución:

a) Para determinar el valor de la constante c se elabora la tabla, siendo ij i j p  c x y

Y

X

-2 -1 0 1 2 pi^ 

-2 4c 3c 2c c 0 10c

-1 3c 2c c 0 c 7c

0 2c c 0 c 2c 6c

1 c 0 c 2c 3c 7c

2 0 c 2c 3c 4c 10c

p j 10c 7c 6c 7c 10c 40c

5 5

ij i 1 j 1

p 40c 1 c  ^40



i i j ij j

1 x^ 2,^ 1, 0,1, x y p 40 y^ 2,^ 1, 0,1,

0 en otro caso

   ^ 

b) (^)  

P X 0, Y 2 0 2