Chapter 4

Variables aleatorias múltiples

4.1. Distribución conjunta y marginal

Definición 4.1.1 Un vector aleatorio n-dimensional es una función que va
de un espacio muestral S a un espacio euclediano n-dimensional <n .

Ejemplo 4.1.1 Considere el experimento de lanzar 2 veces un dado. El

espacio muestral para este experimento tiene 36 puntos igualmente probables.
Sean las variables aleatorias X = suma de los dados, y Y =|diferencia de los
dados|, entonces el vector aleatorio (X, Y ) es llamado vector aleatorio discreto
ya que solo tiene un número finito de posibles valores.

Definición 4.1.2 Sea (X, Y ) un vector aleatorio discreto bivariado. En-

tonces la función f (X, Y ), que va de <2 hacia <, definido por f (x, y) =
Pr(X = x, Y = y) es llamado la función de probabilidad conjunta de (X, Y ).

Table 4.1: Valores de la función de probabilidad conjunta f (x, y)

x
2 3 4 5 6 7 8 9 10 11 12
1 1 1 1 1 1
0 36 36 36 36 36 36
1 1 1 1 1
1 18 18 18 18 18
1 1 1 1
y 2 18 18 18 18
1 1 1
3 18 18 18
1 1
4 18 18
1
5 18

42
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 43

> set.seed(100)
> dado1 <- sample(1:6, size=50000, prob=rep(1/6, 6), replace=T)
> set.seed(200)
> dado2 <- sample(1:6, size=50000, prob=rep(1/6, 6), replace=T)
> x <- dado1 + dado2
> y <- abs(dado1 - dado2)
> fxy <- table(y, x)/50000
> round(fxy, 3)

x
y 2 3 4 5 6 7 8 9 10 11 12
0 0.026 0.000 0.027 0.000 0.029 0.000 0.028 0.000 0.028 0.000 0.026
1 0.000 0.056 0.000 0.055 0.000 0.055 0.000 0.056 0.000 0.056 0.000
2 0.000 0.000 0.056 0.000 0.057 0.000 0.057 0.000 0.055 0.000 0.000
3 0.000 0.000 0.000 0.056 0.000 0.054 0.000 0.057 0.000 0.000 0.000
4 0.000 0.000 0.000 0.000 0.056 0.000 0.055 0.000 0.000 0.000 0.000
5 0.000 0.000 0.000 0.000 0.000 0.055 0.000 0.000 0.000 0.000 0.000

La función de probabilidad conjunta puede usarse en el cálculo de pro-

babilidades para cualquier evento definido en términos de (X, Y ). Sea A un
subconjunto de <2 . Entonces:
X
Pr ((X, Y ) ∈ A) = f (x, y)
(X,Y )∈A

Ejemplo 4.1.2 Para (X, Y ) cuya función de probabilidad conjunta se en-

cuentra en la Tabla 4.1, suponga que A = {(x, y) : x = 7, y ≤ 4}, entonces:

1 1 1
Pr(X = 7, Y ≤ 4) = Pr((X, Y ) ∈ A) = f (7, 1) + f (7, 3) = + =
18 18 9
Sea g(x, y) una función de valor real definido para todos los posibles va-
lores (x, y) de vector aleatorio discreto (X, Y ). Entonces g(X, Y ) es también
una variable aleatoria y su valor esperado se define por:
X
E[g(X, Y )] = g(x, y)f (x, y)
(x,y)∈<2
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 44

Ejemplo 4.1.3 Usando la Tabla 4.1 el valor esperado de g(X, Y ) = XY,

X 1 1 11
E[g(X, Y )] = xyf (x, y) = (2)(0) + · · · + (7)(5) = 13
36 18 18
Las propiedades vistas en el teorema 3.3.1 son válidas al reemplazar x
por (x, y). Por ejemplo, si g1 (x, y), g2 (x, y) son dos funciones; a, b y c son
constantes, entonces:

E[ag1 (X, Y ) + bg2 (X, Y ) + c] = aE[g1 (X, Y )] + bE[g2 (X, Y )] + c

La función de probabilidad conjunta del vector aleatorio (X, Y ) debe

cumplir con f (x, y) ≥ 0, para todo (x, y). Además:

f (x, y) = Pr((X, Y ) ∈ <2 ) = 1.

X

(x,y)∈<2

Teorema 4.1.1 Sea (X, Y ) un vector aleatorio discreto cuya función de pro-
babilidad conjunta es f (x, y), entonces la función de probabilidad marginal
de X, fX (x) = Pr(X = x), y de Y , fY (y) = Pr(Y = y), estan dadas por:
X X
fX (x) = f (x, y) y fY (y) = f (x, y)
y∈< x∈<

Ejemplo 4.1.4 Usando el teorema 4.1.1 se puede calcular las distribuciones

marginales de X y Y a partir de la distribución conjunta de la tabla 4.1:

1 5 2 1 1 1
fY (0) = fY (1) = fY (2) = fY (3) = fY (4) = fY (5) =
6 18 9 6 9 18

> fy <- apply(fxy, 1, sum)

> fx <- apply(fxy, 2, sum)
> fy

0 1 2 3 4 5
0.16498 0.27756 0.22390 0.16754 0.11066 0.05536
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 45

Ejemplo 4.1.5 Usando la función de probabilidad marginal de Y se puede

calcular:
2 11
Pr(Y < 3) = E[Y 3 ] = 20
3 18
Definición 4.1.3 Una función f (x, y) que va de <2 hacia < es llamada fun-
ción de densidad conjunta del vector aleatorio bivariado continuo (X, Y ) si,
para todo A ⊂ <2 :
¨
Pr ((X, Y ) ∈ A) = f (x, y)dxdy
A

Si g(x, y) es una función de valor real, entonces el valor esperado de

g(X, Y ) se define por:
ˆ ∞ˆ ∞
E[g(X, Y )] = g(x, y)f (x, y)dxdy (4.1.1)
−∞ −∞

Las funciones de densidad marginales de X y Y son definidas, reempla-

zando las sumatorias por las integrales. Estas funciones pueden usarse para
calcular probabilidades o valores esperados que involucran solo a X o Y .
Simplificando, las funciones de densidad marginales de X y Y son definidas
por:
ˆ ∞
fX (x) = f (x, y)dy, −∞ < x < ∞
ˆ ∞
−∞
(4.1.2)
fY (y) = f (x, y)dx, −∞ < y < ∞
−∞

Toda función f (x, y) que satisface f (x, y) ≥ 0, para todo (X, Y ) ∈ <2 , y:
ˆ ∞ˆ ∞
f (x, y)dxdy = 1
−∞ −∞

se dice que es la función de densidad conjunta para algún vector aleatorio

bivariado (X, Y ).

Ejemplo 4.1.6 Se define la función de densidad conjunta por:


6xy 2 0 < x < 1, 0 < y < 1
f (x, y) =
0 de otro modo
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 46

Si se desea calcular Pr(X + Y ≥ 1), entonces A = {(x, y) : x + y ≥ 1}:

¨ ˆ y=1 ˆ x=1
9
Pr(X + Y ≥ 1) = f (x, y)dxdy = 6xy 2 dxdy =
A y=0 x=1−y 10

Usando 4.1.2 puede obtenerse la función de densidad marginal de X y Y :

ˆ ∞ ˆ y=1 y=1
2 3

fX (x) = f (x, y)dxdy = 6xy dy = 2xy  = 2x
−∞ y=0 y=0

Esta función de densidad de X puede ser usada para calcular probabili-

dades, por ejemplo:
ˆ x=3/4
5
Pr(1/2 < X < 3/4) = 2xdx =
x=1/2 10

Ejemplo 4.1.7 Sea f (x, y) = e−y , 0 < x < y. Aparentemente f (x, y) no

depende de X sin embargo:

f (x, y) = e−y I{0<x<y} (x, y)

Para calcular Pr(X + Y ≥ 1) se define A = {(x, y) : x + y ≥ 1}. El

proceso de integración es mucho más sencillo si se hace sobre el conjunto
B = {(x, y) : x + y < 1}:

Pr(X + Y ≥ 1) = 1 − Pr(X + Y < 1)

ˆ x=1/2 ˆ y=1−x
= 1− e−y dydx
x=0 y=x
ˆ 1/2
= 1− (e−x − e−(1−x) )dx
0
= 0,845182
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 47

Figura 4.1: Regiones de integración para el ejemplo 4.1.7

2.0

x=y
1.5

A
y

1.0
0.5

B
x+y=1
0.0

0.0 0.5 1.0 1.5 2.0

La función de densidad conjunta de (X, Y ) puede describirse completa-

mente usando la función de distribución acumulada conjunta F (x, y) definida
por:
ˆ x ˆ y
F (x, y) = Pr(X ≤ x, Y ≤ y) = f (s, t)dtds
−∞ −∞
2
para todo (x, y) ∈ < . Usando el teorema fundamental del cálculo:

∂ 2 F (x, y)
= f (x, y) (4.1.3)
∂x∂y
para todos los puntos de continuidad de f (x, y).
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 48

4.2. Distribuciones condicionales e indepen-

dencia
Definición 4.2.1 Sea (X, Y ) un vector aleatorio bivariado discreto con fun-
ción de probabilidad conjunta f (x, y) y funciones de probabilidad marginales
fX (x) y fY (y). Para todo x tal que fX (x) > 0, la función de probabilidad
condicional de Y dado X = x es la función de y denotada por f (y|x) y
definida por:

f (x, y)
f (y|x) = Pr(Y = y|X = x) =
fX (x)
Para todo y tal que fY (y) > 0, la función de probabilidad condicional de
x dado que Y = y es la función de x denotada por f (x|y) y definida por:

f (x, y)
f (x|y) = Pr(X = x|Y = y) =
fY (y)

Definición 4.2.2 Sea (X, Y ) un vector aleatorio continuo bivariado con fun-
ción de densidad conjunta f (x, y) y funciones de densidad marginales fX (x)
y fY (y). Para todo x tal que fX (x) > 0, la función de densidad condicional
de Y dado que X = x es la función de y denotada por f (y|x) y definida por:

f (x, y)
f (y|x) =
fX (x)
Para todo y tal que fY (y) > 0, la función de densidad condicional de X
dado que Y = y es la función de x denotada por f (x|y) y definida por:

f (x, y)
f (x|y) =
fY (y)
Si g(Y ) es una función de Y , entonces el valor esperado condicional de
g(Y ) dado que X = x se denota por E[g(Y )|x] y se define por:

ˆ ∞
X
E[g(Y )|x] = g(y)f (y|x) y E[g(Y )|x] = g(y)f (y|x)dy
y −∞

El valor esperado condicional tiene todas las propiedades del valor espe-
rado vistas en el teorema 3.3.1.
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 49

Ejemplo 4.2.1 Como en el ejemplo 4.1.7, sea un vector aleatorio continuo

(X, Y ) con función de densidad conjunta f (x, y) = e−y , 0 < x < y. Suponga
se desea calcular la función de densidad condicional de Y dado X = x. La
función de densidad marginal de X se puede calcular como sigue:
ˆ ∞ ˆ y=∞
fX (x) = f (x, y)dy = e−y dy = e−x , x > 0
−∞ y=x

entonces X ∼ E(β = 1). Luego:

f (x, y) e−y
f (y|x) = = −x = e−(y−x) , y > x
fX (x) e
Dado X = x, la distribución de Y es exponencial donde x es el parámetro
de locación y β = 1 es el parámetro de escala. La distribución condicional de
Y es diferente para cada valor de x. Además:
ˆ y=∞
E[Y |X = x] = ye−(y−x) dy = 1 + x
y=x

La variancia de la función de densidad f (y|x) es llamada variancia con-

dicional de Y dado X = x. Usando la notación Var(Y |X) se tiene:

Var (Y |X) = E[Y 2 |X] − (E[Y |X])2

ˆ ∞ ˆ ∞
!2
2 −(y−x) −(y−x)
= y e dy − ye dy
x x
= 1

En este caso la variancia condicional de Y dado X = x es la misma para

todos los valores de x. Esta variancia condicional puede compararse con la
variancia no condicional de Y . La distribución marginal de Y es G (2, 1), la
cual tiene Var(Y ) = 2. Dado el valor X = x, la variabilidad en Y se reduce
considerablemente.

Definición 4.2.3 Sea (X, Y ) un vector aleatorio bivariado con función de

probabilidad o función de densidad conjunta f (x, y) y funciones de probabi-
lidad o densidad marginales fX (x) y fY (y). Entonces X y Y son llamadas
variables aleatorias independientes si, para todo x ∈ < y y ∈ <,

f (x, y) = fX (x)fY (y) (4.2.1)

CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 50

Si X y Y son independientes, la función de probabilidad o densidad con-

dicional Y dado X = x es:

f (x, y) fX (x)fY (y)

f (x|y) = = = fX (x)
fY (y) fY (y)
para cualquier valor de x. Ası́, para todo A ⊂ < y x ∈ <,
ˆ ˆ
Pr(Y ∈ A|x) = f (y|x)dy = fY (y)dy = Pr(Y ∈ A)
A A
El saber que X = x no brinda información adicional acerca de Y .

Lema 4.2.1 Sea (X, Y ) un vector aleatorio bivariado con función de proba-
bilidad o densidad conjunta f (x, y). Entonces X y Y son variables aleatorias
independientes sı́ y solo si existen funciones g(x) y h(y) tales que, para todo
x ∈ < y y ∈ <,

f (x, y) = g(x)h(y)
Prueba: Si se define g(x) = fX (x) y h(y) = fY (y) y usando 4.2.1 es fácil
probar una de las direcciones.´ Para probar la otra
´ ∞ dirección, suponga que
∞
f (x, y) = g(x)h(y). Se define −∞ g(x)dx = c y −∞ h(y)dy = d, donde las
constantes c y d satisfacen:
ˆ ∞ˆ ∞ ˆ ∞ˆ ∞
cd = g(x)h(y)dxdy = f (x, y)dxdy (4.2.2)
−∞ −∞ −∞ −∞

Además, las funciones de densidad marginales están dadas por:

ˆ ∞
fX (x) = g(x)h(y)dy = g(x)d
ˆ ∞
−∞
(4.2.3)
fY (y) = g(x)h(y)dx = h(y)c
−∞

Luego, usando 4.2.2 y 4.2.3, se tiene:

f (x, y) = g(x)h(y) = g(x)h(y)cd = fX (x)fY (y)

demostrando que X y Y son independientes. Reemplazando las integrales
por sumatorias se prueba el lema para vectores aleatorios discretos.
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 51

Ejemplo 4.2.2 Considere la función de densidad conjunta:

1 2 4 −y−(x/2)
f (x, y) = xy e , x > 0, y > 0
384
Si se definen: 
x2 e−x/2 x>0
g(x) =
0 x≤0

y 4 e−y /384 y>0
h(y) =
0 y≤0
entonces f (x, y) = g(x)h(y) para todo x ∈ < y y ∈ <. Por el lema 4.2.1,
se concluye que X y Y son variables aleatorias independientes. Notar que no
fué necesario calcular las funciones de densidad marginales.

Teorema 4.2.1 Sean X y Y variables aleatorias independientes:

a. Para todo A ⊂ < y B ⊂ <, Pr(X ∈ A, Y ∈ B) = Pr(X ∈ A) Pr(Y ∈

B), esto es, los eventos {X ∈ A} y {Y ∈ B} son independientes.

b. Sea g(x) una función que depende sólo de x y h(y) una función que
depende sólo y. Entonces:

E[g(X)h(Y )] = E[g(X)]E[h(Y )]
Prueba: Notar que:
ˆ ∞ ˆ ∞
E[g(X)h(Y )] = g(x)h(y)f (x, y)dxdy
ˆ−∞
∞ ˆ−∞
∞
= g(x)h(y)fX (x)fY (y)dxdy
ˆ−∞
∞
−∞
ˆ ∞
= h(y)fY (y) g(x)fX (x)dxdy
−∞ −∞
ˆ ∞ ! ˆ ∞ !
= g(x)fX (x)dx h(y)fY (y)dy
−∞ −∞
= E[g(X)]E[h(Y )]

Sea g(x) la función indicadora del conjunto A y sea h(y) la función in-
dicadora del conjunto B. Notar que g(x)h(y) es la función indicadora del
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 52

conjunto C ⊂ <2 definido por C = {(x, y) : x ∈ A, y ∈ B}. Notar que

para una función indicadora como g(x), E[g(X)] = Pr(X ∈ A). Usando el
resultado anterior se tiene:

Pr(X ∈ A, Y ∈ B) = Pr ((X, Y ) ∈ C) = E[g(X)h(Y )]

= E[g(X)]E[h(Y )] = Pr(X ∈ A) Pr(Y ∈ B)

Ejemplo 4.2.3 Sean X y Y variables aleatorias independientes con distri-

bución E (1). Por el teorema 4.3.1 se tiene:

Pr(X ≥ 4, Y < 3) = Pr(X ≥ 4) Pr(Y < 3)

Sean g(x) = x2 y h(y) = y, se tiene que:

 
E[X 2 Y ] = E[X 2 ]E[Y ] = Var (X) + E[X]2 E[Y ] = (1 + 12 )1 = 2

Teorema 4.2.2 Sean X y Y variables aleatorias independientes con funcio-

nes generatrices de momentos MX (t) y MY (t) respectivamente. Entonces la
función generatriz de momentos de la variable aleatoria Z = X + Y es:

MZ (t) = MX (t)MY (t)

Prueba: Usando la definición de función generatriz de momentos:

MZ (t) = E[etZ ] = E[et(X+Y ) ] = E[etX etY ] = E[etX ]E[etY ] = MX (t)MY (t)

Ejemplo 4.2.4 Sean X ∼ N (µ, σ 2 ) y Y ∼ N (γ, τ 2 ) variables aleatorias

independientes. Hallar la distribución de Z = X + Y .

4.3. Transformaciones bivariadas

Sea (X, Y ) un vector aleatorio bivariado con una distribución conoci-
da. Considere un nuevo vector aleatorio bivariado (U, V ) definido por U =
g1 (X, Y ) y V = g2 (X, Y ) donde g1 (x, y) y g2 (x, y) son funciones especı́-
ficas. Si B es cualquier subconjunto de <2 , entonces (U, V ) ∈ B sı́ y so-
lo si (X, Y ) ∈ A, donde A = {(x, y) : (g1 (x, y), g2 (x, y)) ∈ B}. Luego
Pr((U, V ) ∈ B) = Pr((X, Y ) ∈ A) y la distribución conjunta de (U, V )
se determina completamente usando la distribución conjunta de (X, Y ).
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 53

4.3.1. Caso discreto

Si (X, Y ) es un vector aleatorio bivariado discreto, entonces existe solo
un conjunto numerable de valores para los que la función de probabilidad
conjunta de (X, Y ) es positiva, digamos el conjunto A. Se define el conjunto
B = {(u, v) : u = g1 (x, y), v = g2 (x, y) para algún (x, y) ∈ A}. Entonces B
es el conjunto numerable de posibles valores para el vector aleatorio discreto
(U, V ). Si para todo (u, v) ∈ B, Auv se define como {(x, y) ∈ A : g1 (x, y) =
u, g2 (x, y) = v} entonces la función de probabilidad conjunta de (U, V ),
fU,V (u, v), puede calcularse a partir de la función de probabilidad conjunta
de (X, Y ) por:
X
fU,V (u, v) = Pr((x, y) ∈ Auv ) = fX,Y (x, y) (4.3.1)
(x,y)∈Auv

Ejemplo 4.3.1 Sean X ∼ P (θ) y Y ∼ P (λ) variables aleatorias indepen-

dientes. Hallar la función de probabilidad de X + Y .

4.3.2. Caso continuo

Si (X, Y ) es un vector aleatorio continuo con función de densidad conjunta
fX,Y (x, y), entonces la función de densidad conjunta de (U, V ) puede espre-
sarse en términos de fX,Y (x, y), en forma análoga a 3.2.1. Sea A = {(x, y) :
fX,Y (x, y) > 0} y B = {(u, v) : u = g1 (x, y), v = g2 (x, y) para todo (x, y) ∈
A}. La función de densidad conjunta fU,V (u, v) será positiva sobre el conjunto
B. Si se asume que u = g1 (x, y) y v = g2 (x, y) definen transformaciones uno a
uno de A hacia B entonces dichas transformaciones seran sobreyectivas según
la definición de B. Entonces para todo (u, v) ∈ B existe solo un (x, y) ∈ A
tal que (u, v) = (g1 (x, y), g2 (x, y)). Para cada transformación uno a uno y so-
breyectiva, se pueden resolver las ecuaciones u = g1 (x, y) y v = g2 (x, y) para
x y y en términos de u y v. Denotemos estas transformaciones inversas por
x = h1 (u, v) y y = h2 (u, v).
El rol que tuvo la derivada en el caso univariado ahora lo asume una
cantidad llamada el Jacobiano de la transformación. Esta función de (u, v),
denotada por J, es el determinante de la matriz de derivadas parciales. Se
define por:
 
 ∂x ∂x  ∂x ∂y ∂y ∂x
−
 ∂u ∂v
J= =

 ∂y ∂y 

∂u ∂v
 ∂u ∂v ∂u ∂v
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 54

donde:

∂x ∂h1 (u, v) ∂x ∂h1 (u, v) ∂y ∂h2 (u, v) ∂y ∂h2 (u, v)

= , = , = y =
∂u ∂u ∂v ∂v ∂u ∂u ∂v ∂v
Se asume que J es diferente de cero sobre B. Entonces la función de
densidad conjunta de (U, V ) está dada por:

fU,V (u, v) = fX,Y (h1 (u, v), h2 (u, v)) |J| (4.3.2)
donde |J| es el valor absoluto de J.

Ejemplo 4.3.2 Sean X y Y variables aleatorias independientes con dis-

tribución normal estándar. Se definen las transformaciones U = X + Y y
V = X − Y . Hallar f (u, v) y probar que U y V son variables aleatorias
independientes.

Teorema 4.3.1 Sean X y Y variables aleatorias independientes. Sea g(x)

una función que depende sólo de x y h(y) una función que sólo depende de y.
Entonces las variables aleatorias U = g(X) y V = h(Y ) son independientes.
En muchas situaciones las transformaciones de interés no son uno a uno.
Sea A = {(x, y) : fX,Y (x, y) > 0}. Suponga que A0 , A1 , · · · , Ak forma una
partición de A. El conjunto A0 , que podrı́a ser vacio, satisface Pr((X, Y ) ∈
A0 ) = 0. Las transformaciones U = g1 (X, Y ) y V = g2 (X, Y ) son uno a uno,
desde Ai hacia B para cada i = 1, 2, · · · , k. Entonces para cada i se pueden
hallar las funciones inversas desde B hacia Ai . Si se denotan las i-ésimas
inversas por x = h1i (u, v) y y = h2i (u, v), éstas dan para (u, v) ∈ B un único
(x, y) ∈ Ai tal que (u, v) = (g1 (x, y), g2 (x, y)). Sea Ji el Jacobiano calculado
a partir de las i-ésimas inversas. Entonces se tiene la siguiente representación
de la función de densidad conjunta fU,V (u, v):
k
X
fU,V (u, v) = fX,Y (h1i (u, v), h2i (u, v)) |Ji | (4.3.3)
i=1

Ejemplo 4.3.3 Sean X y Y variables aleatorias independientes con distribu-

ción normal estándar. Considere las transformaciones U = X/Y y V = |Y |.
Hallar la función de densidad conjunta de U y V . ¿Cuál es la distribución
marginal de U ?
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 55

4.4. Modelos jerárquicos y mixtura de distri-

buciones
En las secciones anteriores se consideraron variables aleatorias cuya dis-
tribución dependı́a de un conjunto de parámetros. Sin embargo, se puede
considerar la posibilidad de que algunos de estos parámetros sean también
variables aleatorias con una determinada distribución.

Ejemplo 4.4.1 Un insecto pone un número grande de huevos, cada uno con
probabilidad de supervivencia p. En promedio, ¿cuántos huevos sobrevivirán?
Sean X = Número de huevos sobrevivientes, y Y = Número de huevos
puestos. Se tiene el siguiente modelo jerárquico:

X|Y ∼ BI(Y, p) Y ∼ P(λ)

La variable de interés tiene la siguiente distribución:
∞
X
Pr(X = x) = Pr(X = x, Y = y)
y=x
X∞
= Pr(X = x|Y = y) Pr(Y = y)
y=x
∞
e−λ λy
" ! #" #
y x
p (1 − p)y−x
X
=
y=x x y!
∞
(λp)x e−λ X ((1 − p)λ)y−x
=
x! y=x (y − x)!
∞
(λp)x e−λ X ((1 − p)λ)t
=
x! t=0 t!
(λp)x e−λ (1−p)λ
= e
x!
(λp)x e−λp
=
x!
es decir que X ∼ P(λp). Todo proceso de inferencia marginal sobre X
se hace a través de la distribución de Poisson en la que Y no es parte del
proceso.
Respondiendo a la pregunta inicial, se tiene que en promedio sobrevivirán
E[X] = λp huevos.
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 56

Los cálculos anteriores se pueden simplicar de manera importante usando

el siguiente teorema.

Teorema 4.4.1 Si X y Y son variables aleatorias, entonces:

E[X] = EY [EX [X|Y ]] (4.4.1)

siempre que los esperados existan.
Prueba: Sea f (x, y) la función de densidad de X y Y . Por definición se
tiene:
ˆ ˆ
E[X] = xf (x, y)dxdy
y x
ˆ "ˆ #
= xf (x|y)dx fY (y)dy
ˆy x

= E [X|Y ] fY (y)dy
y
= EY [EX [X|Y ]]

Volviendo al ejemplo anterior:

E[X] = EY [EX [X|Y ]] = EY [Y p] = pEY [Y ] = pλ

Definición 4.4.1 Una variable aleatoria X se dice que tiene una mezcla de
distribuciones si su distribución depende de una cantidad que también tiene
distribución.
En el ejemplo 4.4.1 la distribución P(λp) es una mezcla de distribuciones
ya que es el resultado de combinar una distribución BI(Y, p) con Y ∼ P(λ).

Ejemplo 4.4.2 Considere una generalización del ejemplo 4.4.1:

X|Y ∼ BI(Y, p) Y |∧ ∼ P(∧) ∧ ∼ E(β)

entonces:

E[X] = EY [EX [X|Y ]] = EY [pY ] = pE∧ [EY [Y |∧]] = pE∧ [∧] = pβ

Este modelo de tres niveles también puede ser expresado como uno de
dos jerarquı́as combinando los últimos dos estados.
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 57

Se tiene que:

ˆ ∞
Pr(Y = y) = f (y, λ)dλ
ˆ0
∞
= f (y|λ)f (λ)dλ
ˆ0
∞
e−λ λy 1 −λ/β
= e dλ
y! β
0
ˆ ∞
1 −1
= λy e−λ(1+β ) dλ
βy! 0
!y
1 1
= 1−
1+β 1+β

La expresión para la función de probabilidad de Y pertenece a la distri-

bución binomial negativa.
La jerarquı́a de tres estados de este ejemplo es equivalente a la siguiente
jerarquı́a de dos estados:

X|Y ∼ BI(Y, p) Y ∼ BN (r = 1, p = (1 + β)−1 )

Ejemplo 4.4.3 Una generalización para ensayos de Bernoulli considera que

la probabilidad de éxito no es constante, manteniendo los ensayos indepen-
dientes. Un modelo estándar para esta situación es:

Xi |pi ∼ B(pi ) i = 1, 2, · · · , n pi ∼ BE(α, β)

Este modelo puede ser apropiado, por ejemplo, si se mide el éxito de una
droga en n pacientes y debido a que cada paciente es diferente no es posible
asumir que la probabilidad de éxito sea constante.
Una variable aleatoria de interés es Y = ni=i Xi , el número de éxitos,
P

cuya media es:

n n n n
X X X X α nα
E[Y ] = E[Xi ] = EP [EXi [Xi |pi ]] = EP [pi ] = =
i=1 i=1 i=1 i=1 α + β α+β

También es posible obtener una expresión para calcular Var (X) usando el
valor esperado y la variancia condicional de X|Y .
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 58

Teorema 4.4.2 Sean X y Y dos variables aleatorias, entonces:

Var (X) = E [Var (X|Y )] + Var (E[X|Y ]) (4.4.2)

Prueba: Por definición:

h i
Var[X] = E (X − E[X])2
h i
= E (X − E[X|Y ] + E[X|Y ] − E[X])2
h i
= E[(X − E[X|Y ])2 ] + E (E[X|Y ] − E[X])2
= E [Var (X|Y )] + Var (E[X|Y ])

Ejemplo 4.4.4 Calcular Var(Y ) del ejemplo 4.4.3.

4.5. Covarianza y correlación

En las secciones anteriores se mencionó sobre la presencia o ausencia de
relación entre dos variables aleatorias. En caso de existir relación esta podrı́a
ser fuerte o débil. En esta sección se presentan dos indicadores que miden de
la fuerza de la relación existente entre dos variables aleatorias, la covariancia
y la correlación.

Definición 4.5.1 La covarianza de X y Y es el número definido por:

Cov(X, Y ) = E [(X − µX )(Y − µY )]

Definición 4.5.2 La correlación de X y Y es el número definido por:

Cov(X, Y )
ρXY =
σX σY
El valor ρXY también es llamado coeficiente de correlación.

Teorema 4.5.1 Sean X y Y dos variables aleatorias, entonces:

Cov(X, Y ) = E [XY ] − µX µY

Teorema 4.5.2 Si X y Y son variables aleatorias independientes, entonces

Cov(X, Y ) = 0 y ρXY = 0.
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 59

Teorema 4.5.3 Si X y Y son variables aleatorias, a y b son constantes,

entonces:

Var(aX + bY ) = a2 Var(X) + b2 Var(Y ) + 2abCov(X, Y )

Teorema 4.5.4 Si X y Y son variables aleatorias entonces −1 ≤ ρXY ≤ 1.

Definición 4.5.3 Sean −∞ < µX < ∞, −∞ < µY < ∞, 0 < σX , 0 < σY ,

y −1 < ρ < 1 números reales. La función de densidad normal bivariada con
2
medias µX , µY varianzas σX , σY2 y coeficiente de correlación ρ esta dada
por:

 
2
1 1 x − µX
 
f (x, y) = √ exp −  −
2πσX σY 1 − ρ2  2(1 − ρ2 ) σX

2 
x − µX y − µY y − µY
   
− 2ρ + 
σX σY σY 

para −∞ < x < ∞,−∞ < y < ∞.

Algunas de las propiedades de la función de densidad conjunta anterior
son:
2
a. La distribución marginal de X es N (µX , σX ).

b. La distribución marginal de Y es N (µY , σY2 ).

c. El coeficiente de correlación entre X y Y es ρX,Y = ρ.

d. Para a y b constantes, la distribución de aX + bY es:

N (aµX + bµY , a2 σX
2
+ b2 σY2 + 2abρσX σY )

e. Todas las distribuciones condicionales también son normales. Por ejem-

plo:
σY
   
f (y|x) ∼ N µY + ρ (x − µX ), σY2 (1 − ρ2 )
σX
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 60

Figura 4.2: Distribución normal bivariada

Z rho=0.85 rho=0.5

Z
Y

Y
X X

rho=0.0 rho=−0.85
Z

Z
Y

X X

4.6. Distribuciones multivariadas

El vector aleatorio X = (X1 , · · · , Xn ) tiene un espacio muestral que es
subconjunto de <n . Si (X1 , · · · , Xn ) es un vector aleatorio discreto (el espa-
cio muestral es numerable) entonces la función de probabilidad conjunta de
(X1 , · · · , Xn ) es la función definida por f (x) = f (x1 , · · · , xn ) = Pr(X1 =
x1 , · · · , Xn = xn ) para cada (x1 , · · · , xn ) ∈ <n . Entonces para todo A ⊂ <n ,
X
Pr(X ∈ A) = f (x) (4.6.1)
x∈A

si (X1 , · · · , Xn ) es un vector aleatorio continuo, entonces la función de

CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 61

densidad conjunta de (x1 , · · · , xn ) es la función f (x1 , · · · , xn ) que satisface:

ˆ ˆ ˆ ˆ
Pr(X ∈ A) = ··· f (x)dx = ··· f (x1 , · · · , xn )dx1 · · · dxn (4.6.2)
A A

Sea g(x) = g(x1 , · · · , xn ) una función definida sobre el espacio muestral de

X. Entonces g(X) es una variable aleatoria y su valor esperado es:

ˆ ∞ ˆ ∞
X
E[g(X)] = g(x)f (x) y E[g(X)] = ··· g(x)f (x)dx (4.6.3)
x∈<n −∞ −∞

en el caso discreto y continuo respectivamente.

La función de probabilidad marginal o función de densidad marginal pa-
ra algún subconjunto de coordenadas de (X1 , · · · , Xn ) puede calcularse su-
mando o integrando la función de probabilidad o función de densidad con-
junta sobre las otras coordenadas. Por ejemplo, la distribución marginal de
(X1 , · · · , Xk ), las primeras k-coordenadas de (X1 , · · · , Xn ), está dada por la
función de probabilidad o función de densidad:

X
f (x1 , · · · , xk ) = f (x1 , · · · , xn ) (4.6.4)
(xk+1 ,··· ,xn )∈<n−k
ˆ ∞ ˆ ∞
f (x1 , · · · , xk ) = ··· f (x1 , · · · , xn )dxk+1 · · · dxn (4.6.5)
−∞ −∞

para todo (x1 , · · · , xk ) ∈ <k . La función de probabilidad o función de den-

sidad condicional de un subconjunto de coordenadas de (x1 , · · · , xn ), dados
los valores de las coordenadas restantes, se obtiene dividiendo la función de
probabilidad o función de densidad conjunta por la función de probabilidad
o función de densidad marginal de las coordenadas restantes. Ası́, por ejem-
plo, si f (x1 , · · · , xn ) > 0, la función de probabilidad o función de densidad
condicional de (xk+1 , · · · , xn ) dados X1 = x1 , · · · , Xk = xk es la función de
(xk+1 , · · · , xn ) definida por:

f (x1 , · · · , xn )
f (xk+1 , · · · , xn |x1 , · · · , xk ) = (4.6.6)
f (x1 , · · · , xk )

Ejemplo 4.6.1 Sea la función de densidad conjunta:

CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 62


 3 (x2 + x22 + x23 + x24 ) 0 < xi < 1
4 1
f (x1 , x2 , x3 , x4 ) =
0 de otro modo
del vector aleatorio (X1 , · · · , X4 ). Se puede obtener la función de densidad
marginal de (X1 , X2 ) integrando las variables X3 y X4 :
ˆ ∞ˆ ∞
f (x1 , x2 ) = f (x1 , · · · , x4 )dx3 dx4
−∞ −∞
ˆ 1ˆ 1
3 2
= (x1 + x22 + x23 + x24 )dx3 dx4
0 0 4
3 2 1
= (x1 + x22 ) +
4 2
para 0 < x1 < 1, 0 < x2 < 1. Cualquier probabilidad o valor esperado que
incluya solo X1 y X2 puede calcularse usando esta función de distribución
marginal. Por ejemplo:
ˆ ∞ˆ ∞
E[X1 X2 ] = x1 x2 f (x1 , x2 )dx1 dx2
−∞ −∞
ˆ 1ˆ 1
3 2 1
 
= x1 x2 (x1 + x22 ) + dx1 dx2
0 0 4 2
5
=
16
Para todo (x1 , x2 ) con 0 < x1 < 1, 0 < x2 < 1, f (x1 , x2 ) > 0 y la
función de densidad condicional de (X3 , X4 ) dados X1 = x1 y X2 = x2 puede
obtenerse usando 4.6.6:
f (x1 , x2 , x3 , x4 )
f (x3 , x4 |x1 , x2 ) =
f (x1 , x2 )
3
(x2 + x2 + x2 + x2 )
= 4 31 2 2 2 3 1 4
4
(x1 + x2 ) + 2
x + x2 + x2 + x2
2
= 1 2 2 2 3 2 4
x1 + x2 + 3
Definición 4.6.1 Sean n y m enteros positivos y sean p1 , · · · , pn números
tales que 0 ≤ pi ≤ 1, i = 1, · · · , n y ni=1 pi = 1. Entonces el vector aleatorio
P

(X1 , · · · , Xn ) tiene distribución multinomial con m ensayos y probabilidades

de celda p1 , · · · , pn si su función de probabilidad conjunta es:
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 63

m! n
pxi i
px1 1 · · · pxnn = m!
Y
f (x1 , · · · xn ) =
x 1 ! · · · xn ! i=1 xi !

sobre el conjunto de (x1 , · · · , xn ) tal que cada xi es un entero no negativo y

Pn
i=1 xi = m. El factor m!/(x1 ! · · · xn !) es llamado coeficiente multinomial.

Ejemplo 4.6.2 Considere el experiento aleatorio que consiste en lanzar 10

veces un dado. Suponga que el dado no se encuentra balanceado, tal que la
probabilidad de observar i es 21i . Sea el vector aleatorio (X1 , · · · , X6 ) tal que
Xi representa el número de lanzamientos en los que se observó el número
i, entonces su distribución es multinomial con m = 10 lanzamientos, n = 6
1 2 6
posibles resultados y probabilidades de celda p1 = 21 , p2 = 21 , · · · , p6 = 21 .
La fórmula anterior puede usarse para calcular la probabilidad de obtener
el número 6 en cuatro lanzamientos, el número 5 en tres lanzamientos, el
número 4 en dos lanzamientos y el número 3 en solo un lanzamiento:
0  0  1  2  3  4
10! 1 2 3 4 5 6

f (0, 0, 1, 2, 3, 4) =
0!0!1!2!3!4! 21 21 21 21 21 21
59
=
10000
Teorema 4.6.1 (Teorema Multinomial) Sean m y n enteros positivos.
Sea A el conjunto de vectores x = (x1 , · · · , xn ) tal que cada xi es un entero
no negativo y ni=1 xi = m. Entonces, para números reales p1 , p2 , · · · , pn :
P

m!
(p1 + · · · + pn )m = px1 1 · · · pxnn
X

x∈A x1 ! · · · xn !

Definición 4.6.2 Sean X1 , · · · , Xn vectores aleatorios con función de proba-

bilidad o función de densidad conjunta f (x1 , · · · , xn ). Sea fXi (xi ) la función
de probabilidad o función de densidad marginal de Xi . Entonces X1 , · · · , Xn
son vectores aleatorios mutuamente independientes si, para todo (x1 , · · · , xn ):
n
Y
f (x1 , · · · , xn ) = fX1 (x1 ) · · · fXn (xn ) = fXi (xi )
i=1

si todas las Xi ’s son unidimensionales, entonces X1 , · · · , Xn son llamadas

variables aleatorias mutuamente independientes.
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 64

Teorema 4.6.2 Sean X1 , · · · , Xn variables aleatorias mutuamente indepen-

dientes. Sean g1 , · · · , gn funciones tales que gi (xi ) es una función solo de xi ,
i = 1, 2, · · · , n, entonces:

E [g1 (X1 ) · · · gn (Xn )] = E [g1 (X1 )] · · · E [gn (Xn )]

Teorema 4.6.3 Sean X1 , · · · , Xn variables aleatorias mutuamente indepen-

dientes con funciones generatrices de momentos MX1 (t), · · · , MXn (t). Si Z =
X1 + · · · + Xn , entonces:

MZ (t) = MX1 (t) · · · MXn (t)

En particular, si las variables aleatorias X1 , · · · , Xn tienen la misma distri-
bución, con función generatriz de momentos MX (t), entonces:

MZ (t) = [MX (t)]n

Ejemplo 4.6.3 Suponga X1 , · · · , Xn son variables aleatorias mutuamente

independientes y la distribución de Xi ∼ G(αi , β). Hallar la distribución de
Z = X 1 + · · · + Xn .

Corolario 4.6.1 Sean X1 , · · · , Xn variables aleatorias mutuamente inde-

pendientes con funciones generatrices de momentos MX1 (t), · · · , MXn (t). Si
a1 , · · · , an y b1 , · · · , bn son constantes, entonces la función generatriz de mo-
mentos de Z = ni=1 (ai Xi + bi ) es:
P

P
MZ (t) = et bi
MX1 (a1 t) · · · MXn (an t)

Ejemplo 4.6.4 Sean X1 , · · · , Xn variables aleatorias mutuamente indepen-

dientes con Xi ∼ N (µi , σi2 ) . Si a1 , · · · , an y b1 , · · · , bn son constantes, hallar
la distribución de Z = ni=1 (ai Xi + bi ).
P

Teorema 4.6.4 (Generalización del teorema 4.3.1) Sean X1 , · · · , Xn

vectores aleatorios independientes. Sea gi (xi ) una función que solo depen-
de de xi , i = 1, · · · , n. Entonces las variables aleatorias Ui = gi (Xi ) son
mutuamente independientes.
CHAPTER 4. VARIABLES ALEATORIAS MÚLTIPLES 65

4.7. Transformaciones sobre un vector alea-

torio
Sea (X1 , · · · , Xn ) un vector aleatorio con función de densidad fX (x). Sea
A = {x : fX (x) > 0}. Considere un nuevo vector aleatorio (U1 , · · · , Un ) de-
finido por Ui = gi (X1 , · · · , Xn ), i = 1, · · · , n. Suponga que A0 , A1 , · · · , Ak
forman una partición de A. El conjunto A0 , el cual podrı́a ser vacio, satisface
Pr((X1 , · · · , Xn ) ∈ A0 ) = 0. La transformación (U1 , · · · , Un ) es una transfor-
mación 1 - 1 desde Ai hacia B . Entonces para cada i, se puede obtener las
funciones inversas desde B hacia Ai .
Denote la i-ésima inversa por x1 = h1i (u1 , · · · , un ), x2 = h2i (u1 , · · · , un ),
· · · , xn = hni (u1 , · · · , un ). Estas inversas dan un único (x1 , · · · , xn ) ∈ Ai tal
que (u1 , · · · , un ) = (g1 (x1 , · · · , xn ), · · · , gn (x1 , · · · , xn )). Sea Ji el jacobiano
calculado desde la i-ésima inversa, es decir:

   ∂h (u) ∂h1i (u) ∂h1i (u) 

∂x1 ∂x1 ∂x1

 ∂u1 ∂u2
··· ∂un


 1i
 ∂u1 ∂u2
··· ∂un


∂x2 ∂x2 ∂x2  ∂h2i (u) ∂h2i (u) ∂h2i (u)
··· ···
  
   
∂u1 ∂u2 ∂un  ∂u1 ∂u2 ∂un
Ji = 
 .. .. .. ..

 =  .. .. ... ..



 . . . . 


 . . . 

∂xn ∂xn ∂xn  ∂hni (u) ∂hni (u) ∂hni (u) 
···
 
 ∂u1 ∂u2 ∂un
 
∂u1 ∂u2
··· ∂un

es el determinante de la matriz n × n. Luego la función de densidad conjunta

para u ∈ B es:
k
X
fU (u1 , · · · , un ) = fX (h1i (u1 , · · · , un ), · · · , hni (u1 , · · · , un )) |Ji | (4.7.1)
i=1

Ejemplo 4.7.1 Sean X1 , X2 y X3 variables aleatorias independientes con

distribución E(β = 1). Probar que:

X1 X 1 + X2
U1 = U2 = U 3 = X 1 + X2 + X3
X1 + X2 X1 + X2 + X3
son variables aleatorias mutuamente independientes.