Trabajo Práctico 4

Distribuciones Conjuntas
Ejercicios Resueltos
Estadística I (LE)

FCE - UNCuyo

Curso 2022

IMPORTANTE
• En la resolución de los ejercicios de este documento se han utilizado Definiciones y Propiedades
presentadas en las Notas de Clase.
• Estas Definiciones y Propiedades NO se detallan en este documento. Es responsabilidad del
estudiante conocerlas.

1
Ejercicio 4.2
Considere dos variables aleatorias X e Y con distribución conjunta discreta definida por la siguiente tabla
para la funcion de probabilidad conjunta, donde h = 1/60.
X
0 1 2
0 h 2h 3h
Y 1 2h 4h 6h
2 3h 6h 9h
3 4h 8h 12h
Calcule las siguientes probabilidades:
a. P (X ≤ 1 ∧ Y ≤ 1)
b. P (X + Y > 2)
c. P (X + Y ≤ 1)
d. P (X < 2Y )
e. P (X > 1)
f. P (X =Y)
g. P (X + 2Y ≤ 1)
h. P (X ≥ Y |Y > 1)

a.

P (X ≤ 1 ∧ Y ≤ 1) = fX,Y (0, 0) + fX,Y (0, 1) + fX,Y (1, 0)

= h + 2h + 2h + 4h = 9h
= 9/60

b.

P (X + Y > 2) = fX,Y (2, 1) + fX,Y (1, 2) + fX,Y (2, 2) + fX,Y (0, 3) + fX,Y (1, 3) + fX,Y (2, 3)
= 6h + 6h + 9h + 4h + 8h + 12h = 45h = 45/60

c.

P (X + Y ≤ 1) = fX,Y (0, 0) + fX,Y (0, 1) + fX,Y (1, 0) = h + 2h + 2h = 5h = 5/60

d.

P (X < 2Y ) = fX,Y (0, 1) + fX,Y (1, 1) + fX,Y (0, 2) + fX,Y (1, 2) + fX,Y (2, 2) +
fX,Y (0, 3) + fX,Y (1, 3) + fX,Y (2, 3)
= 2h + 4h + 3h + 6h + 9h + 4h + 8h + 12h = 48/60

e.

P (X > 1) = P (X = 2) = fX (2) = fX,Y (2, 0) + fX,Y (2, 1) + fX,Y (2, 2) + fX,Y (2, 3)
= 3h + 6h + 9h + 12h = 30h = 30/60

f.

P (X = Y ) = P (X = 0 ∧ Y = 0) + P (X = 1 ∧ Y = 1) + P (X = 2 ∧ Y = 2)
= fX,Y (0, 0) + fX,Y (1, 1) + fX,Y (2, 2) = h + 4h + 9h = 14h = 14/60

2
g.

P (X + 2Y ≤ 1) = fX,Y (0, 0) + fX,Y (1, 0) = h + 2h = 3h = 3/60

h.
P (X ≥ Y ∧ Y > 1) P (X = 2 ∧ Y = 2) fX,Y (2, 2) 9/60
P (X ≥ Y |Y > 1) = = = = = 9/42
P (Y > 1) 42/60 2/60 42/60

3
Ejercicio 4.3
Sea X la variable aleatoria que mide la temperatura ambiental, en grados centígrados, que necesita un
motor diesel para encender, e Y la variable que mide el tiempo transcurrido, en minutos, hasta que enciende.
Suponiendo que la función densidad de probabilidad viene dada por:

fXY (x, y) = c(4x + 2y + 1) I(0,40) (x)I(0,2) (y).

a. Calcule el valor de la constante c.

b. Calcule la probabilidad de que la temperatura sea menor que 30 grados y el tiempo hasta que enciende
el motor sea mayor que 1 minuto.
c. Calcule la probabilidad que la temperatura sea de 30 y grados y el tiempo que tarda en encenderse el
motor sea menor a 1 minuto.
d. Calcule la probabilidad que la temperatura sea de 20 y grados y el tiempo que tarda en encenderse el
motor sea de 1 minuto.
e. Calcule las funciones de densidad marginales.
f. Calcule la probabilidad de que la temperatura sea menor a 35 grados.
g. Calcule la probabilidad de que el tiempo de encendido sea menor a medio minuto.
h. Calcule la probabilidad de que en un día donde la temperatura es 20 grados, el tiempo que demora el
motor en encenderse sea de más de un minuto.

a.
Z ∞ Z ∞ Z ∞ Z ∞
1 = c fXY (x, y)dxdy = c (4x + 2y + 1) I(0,40) (x)I(0,2) (y)dxdy
−∞ −∞ −∞ −∞
Z 40 Z 2  Z 40 Z 40
 2
2
= c (4x + 2y + 1)dy dx = c 4xy + y + y 0
dx = c (8x + 6) dx
0 0 0 0
40
= c 4x2 + 6x 0 = c (6400 + 240) = 6640 c


1
Luego, c =
6640
b.
Z 300 Z 2  Z 30
1 1 2
4xy + y 2 + y 1 dx

P (X < 30 ∧ Y > 1) = (4x + 2y + 1)dy dx =
6640 0 1 6640 0
Z 30
1 1  2 30 1
= (4x + 4) dx = 2x + 4x 0 = (1800 + 120)
6640 0 6640 6640
1920
= ≈ 0.29
6640

c.
P (X = 30 ∧ Y > 1) = 0

d.
P (X = 20 ∧ Y = 1) = 0

4
e.
Z ∞ Z ∞
1
fX (x) = fXY (x, y)dy = (4x + 2y + 1)I(0,40) (x)I(0,2) (y)dy
−∞ 6640 −∞
Z 2
1 1 2
I(0,40) (x) 4xy + y 2 + y 0

= I(0,40) (x) (4x + 2y + 1)dy =
6640 0 6640
1
= (8x + 6)I(0,40) (x)
6640
Z ∞ Z ∞
1
fY (y) = fXY (x, y)dx = (4x + 2y + 1)I(0,40) (x)I(0,2) (y)dx
−∞ 6640 −∞
Z 40
1 1 40
I(0,2) (x) 2x2 + 2xy + x 0

= I(0,2) (x) (4x + 2y + 1)dx =
6640 0 6640
1
= (80y + 3240)I(0,2) (y)
6640

f.
Z 35
1 1  2 35 1 5510
P (X < 35) = (8x + 6)dx = 4x + 6x 0 = (4900 + 210) = ≈ 0.77
6640 0 6640 6640 6640

g.
Z 0.5
1 1  0.5 1 1630
P (Y < 0.5) = (80y+3240) dy = 40y 2 + 3240y 0 = (10+1620) = ≈ 0.2455
6640 0 6640 6640 6640

h.

fXY (20, y) 1
fY |X=20 (y) = = (81 + 2y)I(0,2) (y)
fX (20) 166
Z +∞ Z 2
1 1  2
P (Y > 1|X = 20) = fY |X=20 (y)dy = (81 + 2y)dy = 81y + y 2 1
1 166 1 166
1 84
= (166 − 82) =
166 166

5
Ejercicio 4.6
Se lanza un dado y se observa el resultado. Se definen las siguientes variables aleatorias:

−1 si el resultado es impar
X=
1 si el resultado es par

 −2 si el resultado es 1 o 2 o 3
Y = 0 si el resultado es 4
3 si el resultado es 5 o 6.


a. Obtenga la función densidad conjunta de X e Y . Construya una tabla con las probabilidades conjuntas.
b. Calcule las funciones de densidad marginales y grafíquelas.
c. Calcule los parámetros: esperanza, varianza y desviación típica de cada una de estas variables.
d. En base a los dos incisos anteriores escriba las similitudes y diferencias de estas dos distribuciones.
e. Calcule la matriz de varianzas-covarianzas de este par de variables aleatorias conjuntas.
f. ¿Son estas variables aleatorias, variables correlacionadas? Justifique la respuesta.

S = {1, 2, 3, 4, 5, 6}; (X, Y )(S) = {(−1, −2), (1, −2), (1, 0), (−1, 3), (1, 3)}
a.
2
fXY (−1, −2) = P ({1}) + P ({3}) =
6
1
fXY (1, −2) = P ({2}) =
6
1
fXY (1, 0) = P ({4}) =
6
1
fXY (−1, 3) = P ({5}) =
6
1
fXY (1, 3) = P ({6}) =
6
HH X
HH -1 1 fY (y)
Y H
-2 2/6 1/6 3/6
0 0 1/6 1/6
3 1/6 1/6 2/6
fX (x) 3/6 3/6
Luego,
2 1
fXY (x, y) = I{(−1,−2)} + I{(1,−2),(1,0),(−1,3),(1,3)}
6 6
b.
3
fX (x) = I{−1,1} (x)
6
3 1 2
fY (y) = I{−2} (y) + I{0} (y) + I{3} (y)
6 6 6

6
 0.75

0.50 1/2
fX

fY
1/3
0.25
1/6

−4 −3 −2 −1 0 1 2 3 4 −4 −3 −2 −1 0 1 2 3 4

X Y

c.
3 3
E(X) = +1· =0
−1 · fX (−1) + 1 · fX (1) = −1 ·
6 6
3 3
E(X 2 ) = (−1)2 · fX (−1) + 12 · fX (1) = 1 · + 1 · = 1
6 6
2 2
var(X) = E(X ) − (E(X)) = 1 − 0 = 1
p √
σX = var(X) = 1 = 1

3 2
E(Y ) = +3· =0
(−2) · fY (−2) + 0 · fY (0) + 3 · fY (3) = (−2) ·
6 6
3 2
E(Y 2 ) = (−2)2 · fY (−2) + 02 · fY (0) + 32 · fY (3) = 4 · + 9 · = 5
6 6
var(Y ) = E(Y 2 ) − (E(Y ))2 = 5 − 0 = 5
p √
σY = var(Y ) = 5

d.
Similitudes
i. Ambas densidades tienen soportes que continen valores positivos y negativos: soporte(fX ) =
{−1, 1}, soporte(fY ) = {−2, 0, 3}.
ii. Ambas tienen máximo, 3/6.
iii. Ambas tienen esperanza nula.

Diferencias
i. fX es simétrica en relación al cero. fY no. √
ii. fX toma valores menos dispersos en torno al cero que fY . En efecto, σX = 1 < σY = 5.
iii. fX es una densidad bimodal (con modas en -1 y 1) mientras que fY es unimodal (con moda en
-2).

7
e.

E(XY ) = (−1) · (−2) · fXY (−1, −2) + (−1) · 0 · fXY (−1, 0) + (−1) · 3 · fXY (−1, 3)
+1 · (−2) · fXY (1, −2) + 1 · 0 · fXY (1, 0) + (1) · 3 · fXY (−1, 3)
2 1 1 1
= 2 · + (−2) · + (−3) · + 3 ·
6 6 6 6
2
=
6
2 2
cov(X, Y ) = E(XY ) − E(X) · E(Y ) = − 0 =
6 6
Luego, la matriz de varianzas-covarianzas es,
   
var(X) cov(X, Y ) 1 2/6
Σ= =
cov(X, Y ) var(Y ) 2/6 5

f.
Debido a que la covarianza es no nula, el coeficiente de correlación es no nulo y, en consecuencia,
las variables están correlacionadas.
Sin embargo,

cov(X, Y ) 2/6 1√
ρ(X, Y ) = = √ = 5 = 0.1490712
σX · σY 1· 5 15

es un valor relativamente pequeño. Luego, esta correlación es débil.

8
Ejercicio 4.7
Una empresa abre 30 nuevas sucursales al iniciar el año. El departamento de estudios ha establecido que
i. Las ventas anuales son variables aleatorias independientes.
ii. Una cualquiera de las tiendas vende una cantidad anual (en miles de pesos) Xi , i = 1, . . . , 30 cuya
distribución puede modelarse como una normal con media 350 y varianza 10000.
iii. El beneficio anual de una de las tiendas, Yi ; i = 1, . . . , 30 está relacionado con Xi por la expresión,

Yi = 0.2Xi − 25 en miles de pesos, i = 1, . . . , 30.

A partir de los supuestos anteriores, calcule la probabilidad de que,

a. el beneficio total de las 30 sucursales no supere el millón y medio de pesos.
b. dicho beneficio esté comprendido entre 1 y 2 millones de pesos.

a.
30
X
U = Yi ∼ N(1350, 12000)
i=1
P (U ≤ 1500) = pnorm(1500,1350,sqrt(12000)) = 0.9145482

b.

P (1000 ≤ U ≤ 2000) = pnorm(2000,1350,sqrt(12000)) - pnorm(1000,1350,sqrt(12000))

= 0.999301

9
Ejercicio 4.10
Consideremos un experimento aleatorio con espacio muestral

S = {s1 , s2 , . . . , s8 }

donde P ({s1 }) = 0.1 = P ({s2 }) = P ({s5 }) = P ({s6 }) = P ({s7 }) = P ({s8 }); P ({s3 }) = 0.2 = P ({s4 }). Sean
X, Y y Z las variables aleatorias definidas por la siguiente tabla:
s1 s2 s3 s4 s5 s6 s7 s8
X 1 2 1 2 1 2 1 2
Y 1 2 3 1 2 3 1 2
Z 1 2 3 4 1 2 3 4
Halle las distribuciones de probabilidad de:
a. (X, Y, Z)
b. (X, Y ),(X, Z), (Y, Z).
c. X,Y ,Z
d. Calcule la matriz de varianzas-covarianzas de (X, Y ), de (X, Z) y de (Y, Z).
e. Calcule la matriz de varianzas-covarianzas de (X, Y, Z).

a.

fXY Z (1, 1, 1) = fXY Z (2, 2, 2) = fXY Z (1, 2, 1) = fXY Z (2, 3, 2) = fXY Z (1, 1, 3) = fXY Z (2, 2, 4) = 0.1
fXY Z (1, 3, 3) = fXY Z (2, 1, 4) = 0.2

fXY Z (x, y, z) = 0.1 I{(1,1,1),(2,2,2),(1,2,1),(2,3,2),(1,1,3)} (x, y, z) + 0.2 I{(1,3,3),(2,1,4)} (x, y, z)

b.

(X, Y )(S) = {(1, 1), (2, 2), (1, 3), (2, 1), (1, 2)}
X
fXY (x, y) = fXY Z (x, y, zj )
zj ∈Z(S)

fXY (1, 1) = fXY Z (1, 1, 1) + fXY Z (1, 1, 3) = 0.1 + 0.1 = 0.2

fXY (2, 2) = fXY Z (2, 2, 2) + fXY Z (2, 2, 4) = 0.1 + 0.1 = 0.2
fXY (1, 3) = fXY Z (1, 3, 3) = 0.2
fXY (2, 1) = fXY Z (2, 1, 4) = 0.2
fXY (1, 2) = fXY Z (1, 2, 1) = 0.1
fXY (2, 3) = fXY Z (2, 3, 2) = 0.1

fXY (x, y) = 0.2 I{(1,1),(2,2),(1,3),(2,1)} (x, y) + 0.1 I{(1,2),(2,3)} (x, y)

10
 (X, Z)(S) = {(1, 1), (2, 2), (1, 3), (2, 4)}

X
fXZ (x, z) = fXY Z (x, yj , z)
yj ∈Y (S)

fXZ (1, 1) = fXY Z (1, 1, 1) + fXY Z (1, 2, 1) = 0.1 + 0.1 = 0.2

fXZ (2, 2) = fXY Z (2, 2, 2) + fXY Z (2, 3, 2) = 0.1 + 0.1 = 0.2
fXZ (1, 3) = fXY Z (1, 3, 3) + fXY Z (1, 1, 3) = 0.2 + 0.1 = 0.3
fXZ (2, 4) = fXY Z (2, 1, 4) + fXY Z (2, 2, 4) = 0.2 + 0.1 = 0.3

fXZ (x, z) = 0.2 I{(1,1),(2,2)} (x, z) + 0.3 I{(1,3),(2,4)} (x, z)

(Y, Z)(S) = {(1, 1), (2, 2), (3, 3), (1, 4), (2, 1), (3, 2), (1, 3), (2, 4)}
X
fY Z (y, z) = fXY Z (xj , y, z)
xj ∈X(S)

fY Z (1, 1) = fXY Z (1, 1, 1) = 0.1

fY Z (2, 2) = fXY Z (2, 2, 2) = 0.1
fY Z (3, 3) = fXY Z (1, 3, 3) = 0.2
fY Z (1, 4) = fXY Z (2, 1, 4) = 0.2
fY Z (2, 1) = fXY Z (1, 2, 1) = 0.1
fY Z (3, 2) = fXY Z (2, 3, 2) = 0.1
fY Z (1, 3) = fXY Z (1, 1, 3) = 0.1
fY Z (2, 4) = fXY Z (2, 2, 4) = 0.1

fY Z (y, z) = 0.1 I{(1,1),(2,2),(2,1),(3,2),(1,3),(2,4)} (y, z) + 0.2 I{(3,3),(1,4)} (y, z)

c.

X(S) = {1, 2}
X X
fX (x) = fXY (x, yj ) = fXZ (x, zj )
yj ∈Y (S) zj ∈Z(S)

fX (1) = fXY (1, 1) + fXY (1, 3) + fXY (1, 2) = 0.2 + 0.2 + 0.1 = 0.5
fX (2) = fXY (2, 1) + fXY (2, 2) + fXY (2, 3) = 0.2 + 0.2 + 0.1 = 0.5

fX (x) = 0.5 I{1,2} (x)

Y (S) = {1, 2, 3}
X X
fY (y) = fXY (xj , y) = fY Z (y, zj )
xj ∈X(S) zj ∈Z(S)

fY (1) = fY Z (1, 1) + fY Z (1, 4) + fY Z (1, 3) = 0.1 + 0.2 + 0.1 = 0.4

fY (2) = fY Z (2, 1) + fY Z (2, 2) + fY Z (2, 4) = 0.1 + 0.1 + 0.1 = 0.3
fY (3) = fY Z (3, 3) + fY Z (3, 2) = 0.2 + 0.1 = 0.3
11
 fY (y) = 0.4 I{1} (y) + 0.3 I{2,3} (y)

Z(S) = {1, 2, 3, 4}
X X
fZ (z) = fXZ (xj , z) = fY Z (y, zj )
xj ∈X(S) yj ∈Y (S)

fZ (1) = fY Z (1, 1) + fY Z (2, 1) = 0.1 + 0.1 = 0.2

fZ (2) = fY Z (2, 2) + fY Z (3, 2) = 0.1 + 0.1 = 0.2
fY (3) = fY Z (3, 3) + fY Z (1, 3) = 0.2 + 0.1 = 0.3
fY (4) = fY Z (1, 4) + fY Z (2, 4) = 0.2 + 0.1 = 0.3

fZ (z) = 0.2 I{1,2} (z) + 0.3 I{3,4} (z)

d.

E(X) = 0.5 · 1 + 0.5 · 2 = 1.5

E(X 2 ) = 0.5 · 1 + 0.5 · 4 = 2.5
var(X) = 2.5 − 1.52 = 0.25

E(Y ) = 0.4 · 1 + 0.3 · 2 + 0.3 · 3 = 0.4 + 0.6 + 0.9 = 1.9

E(Y 2 ) = 0.4 · 1 + 0.3 · 4 + 0.3 · 9 = 4.3
var(Y ) = 4.3 − 1.92 = 0.69

E(XY ) = 0.2 · (1 + 4 + 3 + 2) + 0.1 · (2 + 6) = 0.2 · 10 + 0.1 · 8 = 2 + 0.8 = 2.8

cov(X, Y ) = 2.8 − 1.5 · 1.9 = −0.05
   
var(X) cov(X, Y ) 0.25 −0.05
ΣXY = =
cov(X, Y ) var(Y ) −0.05 0.69

E(Z) = 0.2 · 1 + 0.2 · 2 + 0.3 · 3 + 0.3 · 4 = 2.7

2
E(Z ) = 1 · 0.2 + 4 · 0.2 + 9 · 0.3 + 16 · 0.3 = 8.5
var(Z) = 8.5 − 2.72 = 1.21

E(XZ) = 1 · 0.2 + 4 · 0.2 + 3 · 0.3 + 8 · 0.3 = 4.3

cov(X, Z) = 4.3 − 1.5 · 2.7 = 0.25
   
var(X) cov(X, Z) 0.25 0.25
ΣXZ = =
cov(X, Z) var(Z) 0.25 1.21

E(Y Z) = 1 · (1 + 4 + 2 + 6 + 3 + 8) + 0.2 · (9 + 4) = 5
cov(Y, Z) = 5 − 1.9 · 2.7 = −0.13

12
    
var(Y ) cov(Y, Z) 0.69 −0.13
ΣY Z = =
cov(Y, Z) var(Z) −0.13 1.21

e.
   
var(X) cov(X, Y ) cov(X, Z) 0.25 −0.05 0.25
ΣXY Z =  cov(X, Y ) var(Y ) cov(Y, Z)  =  −0.05 0.69 −0.13 
cov(X, Z) cov(Y, Z) var(Z) 0.25 −0.13 1.21

13
Ejercicio 4.11
A partir de una muestra de 100 familias se desea hacer un estudio sobre la relación entre el ingresos (X) y los
ahorros (Y ). Los datos obtenidos se recogen en la siguiente tabla, expresados en miles euros anuales:
X
4-8 8-15 15-20
0-1 30 3 0
Y 1-5 20 14 0
5-8 0 18 15
a. Obtenga las distribuciones marginales.
b. Calcule el ingreso anual medio, el ahorro anual medio y mida la representatividad de ambos valores
medios.
c. ¿Cuál es el valor más frecuente del ahorro para un ingreso comprendido entre 8000 y 15000 euros?
d. ¿Cuál es la probabilidad que una persona tenga un ingreso comprendido entre 8 y 15 mil euros y pueda
ahorrar más de 5000 euros?

a. Dado que tenemos una tabla de frecuencias construímos una función densidad discreta para un
vector aleatorio (X, Y ) donde definimos,
 
 1 si el ingreso está entre 4 y 8  1 si el ahorro está entre 0 y 1
X= 2 si el ingreso está entre 8 y 15 ; Y = 2 si el ahorro está entre 1 y 5
3 si el ingreso está entre 15 y 20 3 si el ahorro está entre 5 y 8
 

Con esta definición, la tabla de la distribución conjunta del vector (X, Y ) la podemos escribir,
X
1 2 3
1 0.30 0.03 0
Y 2 0.20 0.14 0
3 0 0.18 0.15

fX (x) = 0.50 I{1} (x) + 0.25 I{2} (x) + 0.15 I{3} (x) ∧ fY (y) = 0.33 I{1,3} (y) + 0.34 I{2} (y)

b.

E(X) = 0.50 · 1 + 0.35 · 2 + 0.15 · 3 = 1.65 ∧ E(Y ) = 0.33 · 1 + 0.34 · 2 + 0.33 · 3 = 2

El valor medio del ahorro de 1.65 lo podemos interpretar que está alrededor de 12 (mil euros). Por
otra parte el valor medio del ahorro entre 5 y 8 mil euros. Si consideramos un ahorro intermedio 6.5
(miles de euros) podemos concluir que el ahorro representa “en promedio” la mitad del ingreso.

c. El ahorro más frecuente está comprendido entre 5 y 8 mil euros.

d.
P (X = 2 ∧ Y = 3) = fXY (2, 3) = 0.18

14
Ejercicio 4.15
En dos conjuntos de países, llamémoslos A y B, se tiene analizada la proporción de familias que tienen una
casa adicional (de vacaciones) además de la vivienda propia. Si llamamos X a la proporción de estas familias
en A e Y a la correspondiente en B, la función densidad de probabilidad conjunta del vector (X, Y ) está
dada por,
fXY (x, y) = 6x(1 − y)2 I(0,1) (x) I(0,1) (y).
a. Factorice la expresión de la función anterior en dos factores: uno que contenga solo la variable x y otro
solo la y. Pruebe que la parte en x es la función densidad de X.
b. Indique cuál es la función densidad de Y y pruebe sin calcular ninguna integral que es una función
densidad.
c. Explique qué propiedad de las variables aleatorias le permite factorizar la función densidad conjunta.
d. Indique cuánto vale (sin calcularlo) el coeficiente de correlación entre estas variables y qué significa en
el contexto de este problema.
e. ¿Pertenecen estas densidades a alguna de las familas estudiadas en el curso?

a.

= 6 x (1 − y)2 I(0,1) (x) I(0,1) (y) = kX x I(0,1) (x) · kY (1 − y)2 I(0,1) (y) = fX (x) · fY (y)
   
fXY (x, y)

∞ 1 1
x2
Z Z 
1
1 = fX (x) dx = kX x dx = kX = kX · ⇒ kX = 2
∞ 0 2 0 2

fX (x) = 2 x I(0,1) (x)

fY (y) = 3 (1 − y)2 I(0,1) (y)

b.

fY (y) = 3 (1 − y)2 I(0,1) (y)

Z ∞Z ∞ Z 1 Z 1  Z 1 Z 1
2
1 = fXY (x, y) dx dy = 2 x dx 3(1 − y) dy = 2xdx 3(1 − y)2 dy
−∞ −∞ 0 0
| 0 {z } 0
=1
Z 1
= 3(1 − y)2 dy
0

c.
La propiedad que permite factorizar la función densidad conjunta es la independencia.

d.
Si las variables son independientes entonces la covarianza es nula y ,si la covarianza es nula entonces
la correlación es nula.

15
e.
Ya que ambas variables definen proporciones, la familia indicada es la Beta.

Γ(2 + 1) 2−1
fX (x) = 2 x I(0,1) (x) = x (1 − x)1−1 I(0,1) (x)
Γ(2)Γ(1)
X ∼ Beta(α = 2, β = 1)

Γ(1 + 3) 1−1
fY (x) = 3(1 − y)2 I(0,1) (y) = y (1 − y)3−1 I(0,1) (y)
Γ(1)Γ(3)
Y ∼ Beta(α = 1, β = 3)

16
Ejercicio 4.16
Una empresa tiene un solo proyecto de inversión, llamémoslo 1, y evalúa invertir en un proyecto adicional,2.
La tabla siguiente muestra los valores esperados, desviaciones estándares y coeficiente de correlación entre
ambos.
valor esperado desviación coeficiente
proyecto de valor de
presente neto estándar correlación

1 $12000 $14000
0.40
2 $8000 $6000

a. Calcule el valor esperado total, considerando la inversión en ambos proyectos.

b. Calcule la desviación típica (riesgo) de considerar ambos proyectos de inversión.
c. De acuerdo a los resultados anteriores, ¿piensa que le conviene a la empresa considerar ambos proyectos?
Justifique la respuesta.
d. Si ambos proyectos fueran independientes, el total ¿tendría mayor o menor riesgo que si tuvieran la
correlación anterior?

X: “rentabilidad del proyecto 1”

Y : “rentabilidad del proyecto 2”
W =X +Y

a.
E(X + Y ) = E(X) + E(Y ) = 20000

b.

var(X + Y ) = var(X) + var(Y ) + 2 · cov(X, Y ) = var(X) + var(Y ) + 2 ρ σX σY

= 140002 + 60002 + 2 · 0.40 · 14000 · 6000
= 196 · 106 + 36 · 106 + 0.80 · 84 · 106 = 299.2 · 106

√
σX+Y = 299.2 · 106 = 17297.4

c. La mejor inversión sería aquella que minimice el riesgo y maximice la ganancia. Esto en general
no es posible y la elección dependerá de a cuáles de ellos se prioriza. Una forma de considerar las dos
variables simultáneamente es el cociente entre la desviación típica (riesgo) y la esperanza (beneficio
medio), llamdo en general coeficiente de variación.

σX 14000
CVX = = ≈ 1.17
E(X) 12000
σY 6000
CVY = = = 0.75
E(Y ) 8000
σW 17297.4
CVW = = ≈ 0.86
E(W ) 20000

De acuerdo a estos resultados la elección estaría entre considerar sólo el proyecto 2. Otra buena
opción es W , es decir, la suma de ambos si se está dispuesto a incrementar un tanto el riesgo.

17
d.
Si las rentabilidades de ambos proyectos fueran independientes, entonces

var(X + Y ) = var(X) + var(Y ) = 140002 + 60002 = 232 · 106

√
σX+Y = 232 · 106 = 15.23155 · 103

σW 15.23155 · 103
CVW = = ≈ 0.76
E(W ) 20000

Así, si ambas rentabilidades son independientes, es aún mejor invertir en ambos proyectos.

18
Ejercicio 4.20
Un inversionista tiene 3 acciones de la empresa A y 4 de la B. Suponga que la cotización de una acción de la
empresa A tiene una media de 1000 pesos con una desiación típica de 200 y la de B tiene una media de 800
con una desviación típica de 100. Suponga además, que la distribución conjunta de ambas cotizaciones es la
normal,
4 · 104 −104
   
1000
(X, Y ) ∼ N ,
800 −104 104
a. Calcule el valor esperado de la rentabilidad del portafolio, W = 3X + 4Y , y su riesgo.
b. Compare la rentabilidad y el riesgo de este portafolio con las correspondientes a si comprara solamente
las 3 acciones de la empresa A.
c. El riesgo de comprar sólo tres acciones de A es mayor que el de agregar las 4 acciones de B. ¿Por qué
suscede este comportamiento? De una explicación desde el punto de vista probabilístico.

a.

E(W ) = 3 E(X) + 4 E(Y ) = 3 · 1000 + 4 · 800 = 3000 + 3200 = 6200

var(W ) = 32 var(X) + 42 var(Y ) + 2 · 3 · 4 cov(X, Y )
= 9 var(X) + 16 var(Y ) + 24 cov(X, Y ) = 104 (36 + 16 − 24) = 28 · 104
√ √
σW = 28 · 104 = 200 7

b.

E(W1 ) = 3 E(X) = 3 · 1000 = 3000

√
var(W1 ) = 33 var(X) = 9 var(X) = 36 · 104 ⇒ σW1 = 36 · 104 = 600

La rentabilidad de W es mayor que la de W1 y su riesgo es menor.

c.
La incorporación de Y , con covarianza negativa con X, disminuye el riesgo de considerar sólo X.

19
Ejercicio 4.22
Hay dos tipos diferentes de componentes en operaciones conjuntas, de los cuales un sistema electrónico tiene
un componente de cada tipo. Sean X e Y las vidas aleatorias (en días) de los componentes del tipo A y del
tipo B, respectivamente; entonces la función de densidad de probabilidad conjunta está dada por
1 − x+y
fXY (x, y) = x e 2 I(0,+∞) (x)I(0,+∞) (y).
8
a. Halle la distribuciones marginales. ¿Las puede identificar con alguna familia de distribuciones? ¿Con
cuál?
b. Calcule el vector de medias del vector (X, Y ).
c. Calcule la matriz de varianzas-covarianzas del vector (X, Y ).
d. ¿Son X e Y variables aleatorias correlacionadas? Justifique la respuesta.
e. Calcule la probabilidad de que el tiempo de vida de cada una de estas componentes supere los 30 días.
f. Calcule la probabilidad de que el tiempo de vida de la componente A supere los 10 días cuando el de la
B se sabe que fue de 1 día.

a.
1 − x+y 1  −x h y i
fXY (x, y) = x e 2 I(0,+∞) (x) I(0,+∞) (y) = x e 2 I(0,+∞) (x) e− 2 I(0,+∞) (y)
8 8
 −x
h − y2
i
= kX x e I(0,+∞) (x) kY e I(0,+∞) (y) = fX (x) · fY (y)
2

Z ∞ Z ∞ Z ∞ i+∞
y y y
1 = fY (y) dy = kY e− 2 I(0,+∞) (y) dy = kY e− 2 dy = kY (−2)e− 2
−∞ −∞ 0 0
1
= 2 kY ⇒ kY =
2
1 1
= kX · kY ⇒ kX =
8 4
1 −x
fX (x) = x e 2 I(0,+∞) (x) ⇒ X ∼ Gamma(α = 2, λ = 1/2)
4
1 −y
fY (y) = e 2 I(0,+∞) (y) ⇒ Y ∼ Exp(λ = 1/2)
2

b.    
α 2 1 µX 4
µX = E(X) = = =4 ∧ µY = E(Y ) = = 2 ⇒ µ = =
λ 1/2 λ µY 2

c.
2
   
α 2 1 σX σXY 8 0
var(X) = = = 8 ∧ var(Y ) = 2 = 4 ∧ cov(X, Y ) = 0 ⇒ Σ = =
λ2 1/4 λ σXY σY2 0 4

d.
X e Y son variables no correlacionadas (ρ(X, Y ) = 0) ya que son independientes.

e.
P (X > 30) = 1-pgamma(30,2,1/2) ≈ 4.89 · 10−6
P (Y > 30) = 1-pexp(30,1/2) ≈ 3.06 · 10−7

f.
P (X > 10|Y = 1) = P (X > 10) = 1-pgamma(10,2,1/2) ≈ 0.04
X,Y v.a. indep.

20
Ejercicio 4.27
Una caja contiene ocho bolas numeradas del 1 al 8. Las primeras cuatro son rojas y las otras blancas.
Seleccionamos dos bolas al azar (sin reposición) de la caja y definimos las siguientes variables:
X: número de bolas blancas en la muestra
Y : número de bolas pares
Z: número de bolas en la muestra cuyo número es menor que 6
a. Halle la distribución de la variable X, de la variable Y y de la variable Z.
b. Halle la distribución conjunta de las variables (X, Y ); (X, Z); (Y, Z).
c. Calcule a partir de las distribuciones bivariadas anteriores las distribuciones marginales y compárelas
con las halladas en (a).
d. Halle la distribución conjunta de (X, Y, Z).
e. Calcule la matriz de varianzas-covarianzas de la distribución trivariada.
f. Estudie la independencia de estas variables.

S = {(r1 , r2 ), (r1 , r3 ), (r1 , r4 ), (r2 , r1 ), (r3 , r1 ), (r4 , r1 ), . . . , (r4 , r3 ), (r1 , b5 ), (r1 , b6 ),

(r1 , b7 ), (r1 , b8 ), . . . , (b8 , r4 ), (b5 , b6 ), (b5 , b7 ), (b5 , b8 ), (b6 , b7 ), (b6 , b8 ), (b7 , b8 ), . . . , (b8 , b7 )}

a.

X(S) = {0, 1, 2}
4 3 12
fX (0) = P (X = 0) = P ((r1 , r2 ), (r1 , r3 ), (r1 , r4 ), (r3 , r1 ), . . . , (r4 , r3 )) = · =
8 7 56
4 4 32
fX (1) = P (X = 1) = P ((r1 , b5 ), (r1 , b6 ), (r1 , b7 ), (r1 , b8 ), . . . , (b8 , r4 )) = 2 · · =
8 7 56
4 3 12
fX (2) = P (X = 2) = P ((b5 , b6 ), (b5 , b7 ), (b5 , b8 ), . . . , (b6 , b5 ), . . . , (b8 , b5 )) = · =
8 7 56
12 32
fX (x) = I{0,2} (x) + I{1} (x)
56 56

Y (S) = {0, 1, 2}
4 3 12
fY (0) = P (Y = 0) = P ((r1 , r3 ), (r3 , r1 ), (r1 , b5 ), (r1 , b7 ), . . . , (b7 , b5 )) = · =
8 7 56
4 4 32
fY (1) = P (Y = 1) = P ((r1 , r2 ), (r1 , r4 ), (r1 , b6 ), (r1 , b8 ), . . . , (b8 , r1 ), (b8 , b5 )) = 2 ·
· =
8 7 56
4 3 12
fY (2) = P (Y = 2) = P ((r2 , r4 ), (r2 , b6 ), (r2 , b8 ), . . . , (b8 , r4 ), . . . , (b8 , b6 )) = · =
8 7 56
12 32
fY (y) = I{0,2} (y) + I{1} (y)
56 56

Z(S) = {0, 1, 2}
3 2 6
fZ (0) = P (Z = 0) = P ((b6 , b7 ), (b6 , b8 ), (b7 , b8 ), (b7 , b6 ), (b8 , b7 ), (b8 , b6 )) = · =
8 7 56
5 3 30
fZ (1) = P (Z = 1) = P ((r1 , b6 ), (r1 , b7 ), (r1 , b8 ), (r2 , b6 ), (r2 , b7 ), (r2 , b8 ), . . . , (b8 , b5 )} = 2 ·
· =
8 7 56
5 4 20
fZ (2) = P (Z = 2) = P ((r1 , r2 ), (r1 , r3 ), (r1 , r4 ), . . . , (r1 , b5 ), (r2 , b5 ), . . . , (b5 , r4 )) = · =
8 7 56
6 30 20
fZ (z) = I{0} (z) + I{1} (z) + I{2} (z)
56 56 56

21
b.

(X, Y )(S) = {(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)}
2 1 2
fXY (0, 0) = P (X = 0 ∧ Y = 0) = P ((r1 , r3 ), (r3 , r1 )) = · =
8 7 56
2 2 8
fXY (0, 1) = P (X = 0 ∧ Y = 1) = P ((r1 , r2 ), (r2 , r1 ), (r1 , r4 ), . . . , (r4 , r3 )) = 2 · · =
8 7 56
2 1 2
fXY (0, 2) = P (X = 0 ∧ Y = 2) = P ((r2 , r4 ), (r4 , r2 )) = · · =
8 7 56
2 2 8
fXY (1, 0) = P (X = 1 ∧ Y = 0) = P ((r1 , b5 ), (b5 , r1 ), (r1 , b7 ), . . . , (b7 , r3 )) = 2 · · =
8 7 56
2 2 16
fXY (1, 1) = P (X = 1 ∧ Y = 1) = P ((r1 , b6 ), (b6 , r1 ), (r1 , b8 ), . . . , (b7 , r4 )) = 4 · · =
8 7 56
2 2 8
fXY (1, 2) = P (X = 1 ∧ Y = 2) = P ((r2 , b6 ), (b6 , r2 ), (r2 , b8 ), . . . , (r4 , b8 )) = 2 · · =
8 7 56
2 1 2
fXY (2, 0) = P (X = 2 ∧ Y = 0) = P ((b5 , b7 ), (b7 , b5 )) = · =
8 7 56
2 1 2
fXY (2, 0) = P (X = 2 ∧ Y = 0) = P ((b5 , b7 ), (b7 , b5 )) = · =
8 7 56
2 2 8
fXY (2, 1) = P (X = 2 ∧ Y = 1) = P ((b5 , b6 ), (b6 , b5 ), (b5 , b8 ), (b8 , b5 ), . . . , (b8 , b7 )) = 2 · · =
8 7 56
2 1 2
fXY (2, 2) = P (X = 2 ∧ Y = 2) = P ((b6 , b8 ), (b8 , b6 )) = · =
8 7 56
2 8 16
fXY (x, y) = I{(0,0),(0,2),(2,0),(2,2)} (x, y) + I{(0,1),(1,0),(1,2),(2,1)} (x, y) + I{(1,1)} (x, y)
56 56 56

(X, Z)(S) = {(0, 2), (1, 1), (1, 2), (2, 0), (2, 1)}
4 3 12
fXZ (0, 2) = P (X = 0 ∧ Z = 2) = P ((r1 , r2 ), (r2 , r1 ), (r1 , r3 ), (r3 , r1 ), (r1 , r4 ), . . . , (r4 , r3 )) = · =
8 7 56
4 3 24
fXZ (1, 1) = P (X = 1 ∧ Z = 1) = P ((r1 , b6 ), (r1 , b7 ), (r1 , b8 ), (r2 , b6 ), . . . , (r4 , b6 )) = 2 · · =
8 7 56
4 1 8
fXZ (1, 2) = P (X = 1 ∧ Z = 1) = P ((r1 , b5 ), (r2 , b5 ), (r3 , b5 ), (r4 , b5 ), . . . , (b5 , r4 )) = 2 · · =
8 7 56
3 2 6
fXZ (2, 0) = P (X = 2 ∧ Z = 0) = P ((b6 , b7 ), (b6 , b8 ), (b7 , b8 ), . . . , (b8 , b7 )) = · =
8 7 56
3 2 6
fXZ (2, 1) = P (X = 2 ∧ Z = 1) = P ((b5 , b6 ), (b5 , b7 ), (b5 , b8 ), . . . , (b8 , b5 )) = · =
8 7 56
12 24 8 6
fXZ (x, z) = I{(0,2)} (x, z) + I{(1,1)} (x, z) + I{(1,2)} (x, z) + I{(2,0),(2,1)} (x, z)
56 56 56 56

(Y, Z)(S) = {(0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)}
3 1 6
fY Z (0, 1) = P (Y = 0 ∧ Z = 1) = P ((r1 , b7 ), (r3 , b7 ), (b5 , b7 ), . . . , (b7 , b5 )) = 2 · · =
8 7 56
3 2 6
fY Z (0, 2) = P (Y = 0 ∧ Z = 2) = P ((r1 , r3 ), (r1 , b5 ), (r3 , b5 ), . . . , (b5 , r3 )) = · =
8 7 56
2 1 4
fY Z (1, 0) = P (Y = 1 ∧ Z = 0) = P ((b6 , b7 ), (b7 , b8 ), (b7 , b6 ), (b8 , b7 )) = 2 · · =
8 7 56
fY Z (1, 1) = P (Y = 1 ∧ Z = 1) = P ((r1 , b6 ), (r1 , b8 ), (r2 , b7 ), (r3 , b6 ), (r3 , b8 ), (r4 , b7 ), (b5 , b6 ),
4 2 16
(b5 , b8 ), . . . , (b8 , b5 )) = 2 · · =
8 7 56

22
 3 2 12
fY Z (1, 2) = P (Y = 1 ∧ Z = 2) = P ((r1 , r2 ), (r1 , r4 ), (r2 , r3 ), (r2 , b5 ), . . . , (b5 , r2 )) = 2 · · =
8 7 56
2 1 2
fY Z (2, 0) = P (Y = 1 ∧ Z = 0) = P ((b6 , b8 ), (b8 )) = · =
8 7 56
2 2 8
fY Z (2, 1) = P (Y = 2 ∧ Z = 1) = P ((r2 , b6 ), (r2 , b8 ), (r4 , b6 ), (r4 , b8 ), . . . , (b8 , r4 )) = 2 · · =
8 7 56
2 1 2
fY Z (2, 2) = P (Y = 2 ∧ Z = 2) = P ((r2 , r4 ), (r4 , r2 )) = · · =
8 7 56
6 4 16 12
fY Z (y, z) = I{(0,1),(0,2)} (y, z) + I{(1,0)} (y, z) + I{(1,1)} (y, z) + I{(1,2)} (y, z)
56 56 56 56
2 8
+ I{(2,0),(2,2)} (y, z) + I{(2,1)} (y, z)
56 56

c.
HH X
H 0 1 2 fY (y)
Y HH
0 2/56 8/56 2/56 12/56
1 8/56 16/56 8/56 32/56
2 2/56 8/56 2/56 12/56
fX (x) 12/56 32/56 12/56 1
HH X
HH 0 1 2 fZ (z)
Z H
0 0 0 6/56 6/56
1 0 24/56 6/56 30/56
2 12/56 8/56 0 20/56
fX (x) 12/56 32/56 12/56 1
HH Y
H
0 1 2 fZ (z)
Z HH
0 0 4/56 2/56 6/56
1 6/56 16/56 8/56 30/56
2 6/56 12/56 2/56 20/56
fY (y) 12/56 32/56 12/56 1

d.

(X, Y, Z)(S) = {(1, 0, 1), (1, 0, 2), (1, 1, 2), (0, 0, 2), (2, 1, 0)(2, 1, 1), (0, 1, 2), (1, 2, 1), (1, 1, 1),
(2, 2, 0), (2, 0, 2), (0, 2, 2), (2, 0, 1)}
4
fXY Z (1, 0, 1) = P (X = 1 ∧ Y = 0 ∧ Z = 1) = P ({(b7 , r1 ), (b7 , r3 ), (r1 , b7 ), (r3 , b7 )}) =
56
4
fXY Z (1, 0, 2) = P (X = 1 ∧ Y = 0 ∧ Z = 2) = P ({(b5 , r1 ), (b5 , r3 ), (r1 , b5 ), (r3 , b5 )}) =
56
4
fXY Z (1, 1, 2) = P (X = 1 ∧ Y = 1 ∧ Z = 2) = P ({(b5 , r2 ), (b5 , r4 ), (r2 , b5 ), (r4 , b5 )}) =
56
2
fXY Z (0, 0, 2) = P (X = 0 ∧ Y = 0 ∧ Z = 2) = P ({(r1 , r3 ), (r3 , r1 )}) =
56
4
fXY Z (2, 1, 0) = P (X = 2 ∧ Y = 1 ∧ Z = 0) = P ({(b6 , b7 ), (b7 , b8 ), (b8 , b7 ), (b7 , b6 )}) =
56
4
fXY Z (2, 1, 1) = P (X = 2 ∧ Y = 1 ∧ Z = 1) = P ({(b5 , b6 ), (b5 , b8 ), (b6 , b5 ), (b8 , b5 )}) =
56
8
fXY Z (0, 1, 2) = P (X = 0 ∧ Y = 1 ∧ Z = 2) = P ({(r1 , r2 ), (r1 , r4 ), (r2 , r3 ), (r3 , r4 ), . . . , (r4 , r3 )}) =
56

23
 8
fXY Z (1, 2, 1) = P (X = 1 ∧ Y = 2 ∧ Z = 1) = P ({(r2 , b6 ), (r2 , b8 ), (r4 , b6 ), (r4 , b8 ), . . . , (b8 , r4 )}) =
56
fXY Z (1, 1, 1) = P (X = 1 ∧ Y = 1 ∧ Z = 1) = P ({(r1 , b6 ), (r2 , b7 ), (r1 , b8 ), (r4 , b7 ), (r3 , b6 ), (r3 , b8 ),
12
. . . , (b8 , r4 )}) =
56
2
fXY Z (2, 2, 0) = P (X = 2 ∧ Y = 2 ∧ Z = 0) = P ({(b6 , b8 ), (b8 , b6 )}) =
56
2
fXY Z (0, 2, 2) = P (X = 0 ∧ Y = 2 ∧ Z = 2) = P ({(r2 , r4 ), (r4 , r2 )}) =
56
2
fXY Z (2, 0, 1) = P (X = 2 ∧ Y = 0 ∧ Z = 1) = P ({(b5 , b7 ), (b7 , b5 )}) =
56
2
fXY Z (0, 0, 2) = P (X = 0 ∧ Y = 0 ∧ Z = 2) = P ({(r1 , r3 ), (r3 , r1 )}) =
56
2 4
fXY Z (x, y, z) = I{(2,2,0),(0,2,2),(0,0,2),(2,0,1)} (x, y, z) + I{(1,0,1),(1.,0,2),(1,1,2),(2,1,0),(2,1,1)} (x, y, z)
56 56
8 12
+ I{(0,1,2),(1,2,1)} (x, y, z) + I{(1,1,1)} (x, y, z)
56 56

e.
12 32
E(X) = ·2+ · 1 = 1 = E(Y )
56 56
12 32 80
E(X 2 ) = ·4+ ·1= = E(Y 2 )
56 56 56
80 24
var(X) = −1= = var(Y )
56 56
30 20 70
E(Z) = ·1+ ·2=
56 56 56
30 20 110
E(Z 2 ) = ·1+ ·4=
56 56 56
110 4900 45
var(Z) = − =
56 3136 112
16 8 8 2
E(XY ) = ·1+ ·2+ ·2+ ·4=1
56 56 56 56
cov(X, Y ) = E(XY ) − E(X) · E(Y ) = 1 − 1 · 1 = 0

24 6 8 52
E(XZ) = ·1+ ·2+ ·2=
56 56 56 56
52 70 18
cov(X, Z) = E(XZ) − E(X) · E(Z) = −1· =−
56 56 56
16 12 8 2 64
E(Y Z) ·1+
= ·2+ ·2+ ·4=
56 56 56 56 56
64 70 6
cov(Y, Z) = E(Y Z) − E(Y ) · E(Z) = −1· =−
56 56 56
 
12/56 0 −18/56
ΣXY Z =  0 12/56 −6/56 
−18/56 −6/56 45/112

24
f.
X, Y y Z no son variables aleatorias independientes ya que ni siquiera son independientes de a pares.
En efecto,
2 144
fXY (0, 0) = 6= fX (0) · fY (0) =
56 3136
Luego, X e Y no son variables aleatorias independientes y con ésto es suficiente para afirmar que X,
Y , y Z no son variablers aleatorias independientes. Además,
144
fXZ (0, 0) = 0 6= fX (0) · fZ (0) =
3136
Luego, X y Z no son variables aleatorias independientes.
72
fY Z (0, 0) = 0 6= fY (0) · fZ (0) =
3136
Luego, Y y Z no son variables aleatorias independientes.

25
Ejercicio 4.29
Sea X e Y las proporciones de tiempo, en un día de trabajo, que los obreros José y Pedro, respectivamente,
se ocupan en realizar un trabajo. La función de densidad que establece esta relación es:
fXY (x, y) = (x + y) I(0,1) (x) I(0,1) (y).
a. Calcule la probabilidad de que José trabaje menos de un cuarto del tiempo mientras Pedro trabaja más
de un cuarto.
b. Calcule las distribuciones marginales de X y de Y . Represéntelas.
c. Calcule esperanzas y varianzas.
d. Si Pedro trabaja la mitad del tiempo, ¿cuál es la proporción media del tiempo que trabaja José?

a.
1/4 1 1
1/4
y2
  Z Z  Z
1 1
P X< ∧Y > = (x + y) dy dx =
xy + dx
4 4 0 1/4 0 2 1/4
Z 1/4   Z 1/4  
1 1 1 3 15
= x+ − x− dx = x+ dx
0 2 4 32 0 4 32
 1/4
3 2 15 3 15 18
= x + x = + =
8 32 0 128 128 128

b.
1 1 
y2
Z  
1
fX (x) = (x + y)I(0,1) (x) dy = I(0,1) (x) xy + = x+ I(0,1) (x)
0 2 0 2

Por razones de simetría,

fY (u) ≡ fX (u), ∀u ∈ R
1.5
1.0
fX(u)

0.5
0.0

−1.0 −0.5 0.0 0.5 1.0 1.5 2.0

u
c.
1  3 1
x2
Z  
1 x 1 1 7
E(X) = x2 + x dx = + = + = = E(Y )
0 2 3 4 0 3 4 12
Z 1  4 1
x3

1 x 1 1 5
E(X 2 ) = x3 + x2 dx = + = + = = E(Y 2 )
0 6 4 4 0 4 6 12
5 49 11
var(X) = E(X 2 ) − E2 (X) = − = = var(Y )
12 144 144

26
d.
 
fXY (x, 1/2) fXY (x, 1/2) 1
fX|Y =1/2 = = = fXY (x, 1/2) = x+ I(0,1) (x)
fY (1/2) 1 2
= fX (x)

7
E (X|Y = 1/2) = E(X) =
12

27