Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Prof. Dr. Antonio Jos Sez Castillo Dpto de Estadstica e Investigacin Operativa Universidad de Jan
Esta obra est bajo una licencia Reconocimiento-No comercial-Sin obras derivadas 3.0 Espaa de Creative Commons. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by-nc-nd/3.0/es/ o envie una carta a Creative Commons, 171 Second Street, Suite 300, San Francisco, California 94105, USA.
ndice general
1. Introduccin
1.1. Qu signica Estadstica? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. La Estadstica en el mbito de la Ciencia y la Ingeniera . . . . . . . . . . . . . . . . . . . . . 1.2.1. Ejemplo de las capas de xido de silicio . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.2. Ejemplo de la bombilla de bajo consumo . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.3. Ejemplo de los niveles de plomo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.4. Ejemplo de los cojinetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.5. Ejemplo de la absorcin de un compuesto a distintas dosis y en distintos tiempos de absorcin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.6. Ejemplo de los accidentes laborales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.7. Ejemplo de la cobertura de la antena de telefona mvil . . . . . . . . . . . . . . . . . 1.2.8. Ejemplo de la seal aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3. Deniciones bsicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
11 12 12 12 14 14 14 15 15 15 15
I Estadstica descriptiva
2. El tratamiento de los datos. Estadstica descriptiva
2.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Tipos de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3. Mtodos grcos y numricos para describir datos cualitativos . . . . . . . . . . . . . . . . . . 2.4. Mtodos grcos para describir datos cuantitativos . . . . . . . . . . . . . . . . . . . . . . . . 2.5. Mtodos numricos para describir datos cuantitativos . . . . . . . . . . . . . . . . . . . . . . 2.5.1. Medidas de tendencia central . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.1.1. Media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.1.2. Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.1.3. Moda o intervalo modal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.2. Cuantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.3. Medidas de variacin o dispersin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
17
19
19 19 20 21 25 25 25 26 26 27 28
2.5.3.1. Varianza muestral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.3.2. Desviacin tpica o estandar muestral . . . . . . . . . . . . . . . . . . . . . . 2.5.3.3. Coeciente de variacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.4. Medidas de forma. Coeciente de asimetra . . . . . . . . . . . . . . . . . . . . . . . . 2.5.5. Parmetros muestrales y parmetros poblacionales . . . . . . . . . . . . . . . . . . . . 2.6. Mtodos para detectar datos cuantitativos atpicos o fuera de rango . . . . . . . . . . . . . . 2.6.1. Mediante la regla emprica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.2. Mediante los percentiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7. Sobre el ejemplo de las capas de dixido de silicio . . . . . . . . . . . . . . . . . . . . . . . . .
28 29 30 31 32 33 33 33 34
II Clculo de Probabilidades
3. Probabilidad
3.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Experimentos aleatorios y experimentos determinsticos . . . . . . . . . . . . . . . . . . . . . 3.3. Denicin de probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.1. lgebra de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.2. Espacio muestral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.3. Funcin de probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4. Interpretacin frecuentista de la probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5. Interpretacin subjetiva de la probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6. Espacio muestral con resultados equiprobables. Frmula de Laplace . . . . . . . . . . . . . . 3.7. Probabilidad condicionada. Independencia de sucesos . . . . . . . . . . . . . . . . . . . . . . . 3.8. Teorema de la probabilidad total y Teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . 3.9. Ms sobre el Teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.9.1. Ejemplo del juez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.9.2. Ejemplo de la mquina de deteccin de fallos . . . . . . . . . . . . . . . . . . . . . . .
37
39
39 40 40 40 41 43 45 45 46 46 51 55 56 57
61
61 62 62 62 63 63 64 65
4.3.2. Distribucin de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.3. Distribucin geomtrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.4. Distribucin binomial negativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4. Variable aleatoria continua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.2. Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.3. Funcin de densidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.4. Funcin de distribucin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.5. Funcin de distribucin emprica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.6. Media y varianza de una v.a. continua . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5. Modelos de distribuciones de probabilidad para variables continuas . . . . . . . . . . . . . . . 4.5.1. Distribucin uniforme (continua) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.2. Distribucin exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.3. Distribucin Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.4. Distribucin normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6. Cuantiles de una distribucin. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6.1. La bombilla de bajo consumo marca ANTE . . . . . . . . . . . . . . . . . . . . . . . . 4.6.2. Las visitas al pediatra de los padres preocupados . . . . . . . . . . . . . . . . . . . . .
68 70 71 73 73 73 75 76 77 78 82 82 82 84 86 92 93 94
97
97 99 99
5.2.2. Distribuciones marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 5.2.3. Distribuciones condicionadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 5.3. Independencia estadstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 5.4. Medias, varianzas y covarianzas asociadas a un vector aleatorio . . . . . . . . . . . . . . . . . 111 5.4.1. Covarianza y coeciente de correlacin lineal . . . . . . . . . . . . . . . . . . . . . . . 111 5.4.2. Vector de medias y matriz de varianzas-covarianzas de un vector . . . . . . . . . . . . 118 5.5. Distribucin normal multivariante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
125
127
6.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 6.2. Muestreo aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 6.3. Distribuciones en el muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 6.4. Distribuciones en el muestreo relacionadas con la distribucin normal . . . . . . . . . . . . . . 129
Prof. Dr. Antonio Jos Sez Castillo
133
7.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 7.2. Estimacin puntual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134 7.2.1. Denicin y propiedades deseables de los estimadores puntuales . . . . . . . . . . . . . 134 7.2.2. Estimacin de la media de una v.a. La media muestral . . . . . . . . . . . . . . . . . . 135 7.2.3. Estimacin de la varianza de una v.a. Varianza muestral . . . . . . . . . . . . . . . . . 135 7.2.4. Estimacin de una proporcin poblacional . . . . . . . . . . . . . . . . . . . . . . . . . 137 7.2.5. Obtencin de estimadores puntuales. Mtodos de estimacin . . . . . . . . . . . . . . . 138 7.2.5.1. Mtodo de los momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 7.2.5.2. Mtodo de mxima verosimilitud . . . . . . . . . . . . . . . . . . . . . . . . . 139 7.2.6. Tabla resumen de los estimadores de los parmetros de las distribuciones ms comunes 142 7.3. Estimacin por intervalos de conanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 7.3.1. Intervalos de conanza para la media . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 7.3.2. Intervalos de conanza para una proporcin . . . . . . . . . . . . . . . . . . . . . . . . 146 7.3.3. Intervalos de conanza para la varianza . . . . . . . . . . . . . . . . . . . . . . . . . . 146 7.3.4. Otros intervalos de conanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 7.4. Resolucin del ejemplo de los niveles de plomo . . . . . . . . . . . . . . . . . . . . . . . . . . 148
149
8.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 8.2. Errores en un contraste de hiptesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 8.3. p-valor de un contraste de hiptesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 8.3.1. Denicin de p-valor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 8.3.2. Clculo del p-valor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 8.4. Contraste para la media de una poblacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 8.4.1. Con muestras grandes (n 30) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 8.4.2. Con muestras pequeas (n < 30) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 8.5. Contraste para la diferencia de medias de poblaciones independientes . . . . . . . . . . . . . . 159 8.5.1. Con muestras grandes (n1 , n2 30) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 8.5.2. Con muestras pequeas (n1 < 30 o n2 < 30) y varianzas iguales . . . . . . . . . . . . . 160 8.5.3. Con muestras pequeas, varianzas distintas y mismo tamao muestral . . . . . . . . . 161 8.5.4. Con muestras pequeas, varianzas distintas y distinto tamao muestral . . . . . . . . 161 8.6. Contraste para la diferencia de medias de poblaciones apareadas . . . . . . . . . . . . . . . . 162 8.6.1. Con muestras grandes (n 30) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 8.6.2. Con muestras pequeas (n < 30) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 8.7. Contraste para la proporcin en una poblacin . . . . . . . . . . . . . . . . . . . . . . . . . . 164 8.8. Contraste para la diferencia de proporciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
8.9. Contraste para la varianza de una poblacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 8.10. Contraste para el cociente de varianzas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 8.11. Contraste para las medias de ms de dos poblaciones independientes. ANOVA . . . . . . . . . 168 8.12. El problemas de las pruebas mltiples. Mtodo de Bonferroni . . . . . . . . . . . . . . . . . . 171 8.13. Resolucin del ejemplo del del dimetro de los cojinetes . . . . . . . . . . . . . . . . . . . . . 172
173
9.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 9.2. Contrastes de bondad de ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 9.2.1. Test 2 de bondad de ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174 9.2.2. Test de Kolmogorov-Smirno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 9.3. Contraste de independencia 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 9.4. Resolucin del ejemplo de los accidentes laborales . . . . . . . . . . . . . . . . . . . . . . . . . 183
185
10.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185 10.2. Estimacin de los coecientes del modelo por mnimos cuadrados . . . . . . . . . . . . . . . . 188 10.3. Supuestos adicionales para los estimadores de mnimos cuadrados . . . . . . . . . . . . . . . 192 10.4. Inferencias sobre el modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193 10.4.1. Inferencia sobre la pendiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193 10.4.2. Inferencia sobre la ordenada en el origen . . . . . . . . . . . . . . . . . . . . . . . . . . 197 10.5. El coeciente de correlacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 10.6. Fiabilidad de la recta de regresin. El coeciente de determinacin lineal . . . . . . . . . . . . 202 10.7. Prediccin y estimacin a partir del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 10.8. Diagnosis del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206 10.8.1. Normalidad de los residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206 10.8.2. Grca de residuos frente a valores ajustados . . . . . . . . . . . . . . . . . . . . . . . 206
IV Procesos aleatorios
11.Procesos aleatorios
209
211
11.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 11.1.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212 11.1.2. Tipos de procesos aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212 11.2. Descripcin de un proceso aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215 11.2.1. Descripcin estadstica mediante distribuciones multidimensionales . . . . . . . . . . . 215 11.2.2. Funcin media y funciones de autocorrelacin y autocovarianza . . . . . . . . . . . . . 215 11.3. Tipos ms comunes de procesos aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
Prof. Dr. Antonio Jos Sez Castillo
11.3.1. Procesos independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 11.3.2. Procesos con incrementos independientes . . . . . . . . . . . . . . . . . . . . . . . . . 218 11.3.3. Procesos de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 11.3.4. Procesos dbilmente estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 11.3.5. Procesos ergdicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 11.4. Ejemplos de procesos aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 11.4.1. Ruidos blancos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 11.4.2. Procesos gaussianos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 11.4.3. Procesos de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
Prlogo
El objeto fundamental de la edicin de este documento es facilitar a los alumnos de ingeniera de la Escuela Politcnica Superior de Linares el desarrollo de los contenidos tericos de la asignatura Estadstica. Desde un punto de vista menos local, espero que sea til, en alguna medida, a todo aquel que necesite conocimientos bsicos de las tcnicas estadsticas ms usuales en el ambiente cientco-tecnolgico. A todos ellos, alumnos y lectores en general, quiero facilitarles el privilegio de aprender de quienes yo he aprendido, sugirindoles cuatro manuales que para m han sido referencias fundamentales. Se trata, en primer lugar, del magnco libro de Sheldon M. Ross,
Introduccin a la Estadstica.
En l puede encontrarse la
mayor parte de lo que vamos a estudiar aqu, explicado de forma sencilla y clara, pero tambin comentarios histricos, reseas bibliogrcas sobre matemticos y estadsticos relevantes y ejemplos muy apropiados. En segundo lugar, recomiendo los trabajos de William Navidi, Jay Devore,
Estadstica para ingenieros y cientcos,
de sus ejemplos y por cmo enfatizan el carcter aplicado, prctico, de la Estadstica en el mbito de la Ciencia y la Tecnologa. Finalmente, debo mencionar tambin el libro de Mendenhal & Sincich,
y Estadstica para Ingeniera y Ciencias,
propuestos magncos. En el actual contexto del Espacio Europeo de Educacin Superior, la asignatura Estadstica tiene, en la mayor parte de los grados en ingeniera, un carcter bsico y una dotacin de 6 crditos ECTS. As ocurre, por ejemplo, en las ramas de industriales o telecomunicaciones que se imparten en la Universidad de Jan. Otras ramas, como la de ingeniera civil/minera, han optado por incluirla como asignatura obligatoria, compartida con una asignatura de ampliacin de matemticas en la que se proponen 3 crditos ECTS de estadstica. Con todo, creo que estos apuntes pueden adaptarse a esos distintos contextos, aclarando qu temas pueden ser ms adecuados para cada titulacin. En concreto: 1. Para las distintas especialidades de la rama de industriales seran oportunos los captulos 1, 2, 3, 4, 6, 7, 8, 9 y 10. El captulo 9, sobre contrastes no paramtricos puede darse a modo de seminario, si el desarrollo de la docencia as lo sugiere. Sin embargo, el captulo 10, sobre regresin lineal simple, me parece imprescindible en la formacin de un futuro ingeniero industrial. 2. En los grados de la rama de telecomunicaciones, creo que son necesarios los captulos 1, 2, 3, 4, 5, 6, 7, 8 y 11. Resulta as el temario quiz ms exigente, debido a la necesidad de introducir un captulo sobre vectores aleatorios previo a otro sobre procesos estocsticos. Queda a iniciativa del docente la posibilidad de recortar algunos aspectos en los temas tratados en aras a hacer ms ligera la carga docente. 3. Finalmente, en los grados de la rama civil y minera, donde la dotacin de crditos es menor, creo que 9
son adecuados los captulos 1, 2, 3, 4, 6, 7, 8 y 10, si bien eliminando algunos de sus apartados, cuestin sta que dejo, de nuevo, a juicio del docente. Tambin sugiero que se trabajen los problemas sobre estos captulos directamente en el contexto de unas prcticas con ordenador. Slo me queda pedir disculpas de antemano por las erratas que, probablemente, contienen estas pginas. Os ruego que me las hagis llegar para corregirlas en posteriores ediciones. Linares, junio de 2012.
10
Captulo 1
Introduccin
Llegar un da en el que el razonamiento estadstico ser tan necesario para el ciudadano como ahora lo es la habilidad de leer y escribir H.G. Wells (1866-1946)
Resumen. El captulo incluye una introduccin del trmino Estadstica y presenta los conceptos ms bsicos
relativos a poblaciones y muestras.
Palabras clave: estadstica, poblacin, poblacin tangible, poblacin conceptual, variable, muestra, muestra
aleatoria simple.
Estudio de los datos cuantitativos de la poblacin, de los recursos naturales e industriales, del trco o de cualquier otra manifestacin de las sociedades humanas.
2. 3.
Conjunto de estos datos. Rama de la matemtica que utiliza grandes conjuntos de datos numricos para obtener inferencias basadas en el clculo de probabilidades.
Probablemente el ms comn de los signicados conocidos de la palabra sea el segundo, y por ello solemos ver en los medios de comunicacin que cualquier recopilacin de cifras referentes a algn asunto es llamado (de forma muy reduccionista)
estadstica
estadsticas.
Estadstica
acepcin del DRAE. Concretamente, el primero de los signicados se corresponde con lo que vamos a estudiar donde la Estadstica se utiliza para resumir, describir y explorar datos, y el
Inferencia Estadstica,
11
es utilizar datos de un conjunto reducido de casos para inferir caractersticas de stos al conjunto de todos ellos.
un proceso para el crecimiento de una capa delgada de dixido de silicio sobre placas de silicio que se usan en la fabricacin de semiconductores. En l aparecen datos relativos a las mediciones del espesor, en angstroms (A), de la capa de xido para pruebas realizadas en 24 placas: en concreto, se realizaron 9 mediciones en cada una de las 24 placas. Las placas se fabricaron en dos series distintas, 12 placas en cada serie. Estas placas eran de distintos tipos y se procesaron en distintas posiciones en el horno, ya que entre otros aspectos, el propsito de la recopilacin de los datos era determinar si el espesor de la capa de xido estaba afectado por el tipo de placa y por la posicin en el horno. Por el contrario, el experimento se dise de tal manera que no se esperaba ninguna diferencia sistemtica entre las dos series. Los datos se muestran en la Tabla 1.1. Lo primero que salta a la vista al mirar esos datos es que es muy complicado hacerse una idea global de los resultados. Parecen estar en torno a 90 A, pero con variaciones importantes respecto de ese valor. Algunas de esas variaciones son especialmente llamativas (77.5, 106.7, ...): qu pas en esas placas? En suma, es evidente que se hace necesaria una manera sistemtica de analizar los datos, tratando de describirlos de forma precisa y objetiva, respondiendo a las preguntas que subyacen en el diseo del experimento: son las dos series de experimentos homogneas? afecta el tipo de placa? afecta la posicin en el horno? ...
Debo reconocer de que tengo mis dudas. Para empezar, es que a los 8 aos, de repente, la lmpara se rompe? Por otra parte, creo que todos nosotros hemos experimentado el hecho de que stas lmparas que supuestamente tienen una duracin mayor que las tradicionales lmparas incandescentes (segn el envoltorio, 8 veces mayor), sin embargo, se rompen con facilidad. Luego, qu quiere decir exactamente el envoltorio al armar que su duracin es de 8 aos?
12
Serie 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2
Placa 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
90.00 91.80 90.30 92.60 91.10 76.10 92.40 91.30 96.70 92.00 94.10 91.70 93.00 91.40 91.90 90.60 93.10 90.80 88.00 88.30 94.20 101.50 92.80 92.10
92.20 94.50 91.10 90.30 89.80 90.20 91.70 90.10 93.70 94.60 91.50 97.40 89.90 90.60 91.80 91.30 91.80 91.50 91.80 96.00 92.20 103.10 90.80 93.40
94.90 93.90 93.30 92.80 91.50 96.80 91.60 95.40 93.90 93.70 95.30 95.10 93.60 92.20 92.80 94.90 94.60 91.50 90.50 92.80 95.80 103.20 92.20 94.00
92.70 77.30 93.50 91.60 91.50 84.60 91.10 89.60 87.90 94.00 92.80 96.70 89.00 91.90 96.40 88.30 88.90 91.50 90.40 93.70 92.50 103.50 91.70 94.70
A 91.6 92.0 87.2 92.7 90.6 93.3 88.0 90.7 90.4 89.3 93.4 77.5 93.6 92.4 93.8 87.9 90.0 94.0 90.3 89.6 91.0 96.1 89.0 90.8
88.20 89.90 88.10 91.70 93.10 95.70 92.40 95.80 92.00 90.10 92.20 91.40 90.90 87.60 86.50 92.20 97.90 91.00 91.50 89.60 91.40 102.50 88.50 92.10
92.00 87.90 90.10 89.30 88.90 90.90 88.70 91.70 90.50 91.30 89.40 90.50 89.80 88.90 92.70 90.70 92.10 92.10 89.40 90.20 92.80 102.00 87.50 91.20
98.20 92.80 91.90 95.50 92.50 100.30 92.90 97.90 95.20 92.70 94.50 95.20 92.40 90.90 90.90 91.30 91.60 91.80 93.20 95.30 93.60 106.70 93.80 92.30
96.00 93.30 94.50 93.60 92.40 95.20 92.60 95.70 94.30 94.50 95.40 93.10 93.00 92.80 92.80 93.60 98.40 94.00 93.90 93.00 91.00 105.40 91.40 91.10
13
En realidad, nosotros deberemos aprender a analizar este problema, asumiendo que la duracin de esta bombilla no es un valor jo y conocido, sino que est sujeto a incertidumbre. Lo que haremos ser dotarnos de un modelo matemtico que nos permita valorar si es probable o no que una lmpara ANTE se rompa antes de un ao, despus de tres aos, etc.
posed Residential Construction Waste, presenta un estudio de la contaminacin en basureros que contienen desechos de construccin y desperdicios de demoliciones. De un sitio de prueba se tomaron 42 muestras de lixiado, de las cuales 26 contienen niveles detectables de plomo. Se pone as de maniesto que slo una parte de los basureros est contaminada por plomo. La cuestin es qu proporcin supone esta parte contaminada de la supercie total de los basureros? Si una ingeniera desea obtener a partir de esos datos una estimacin de la proporcin de los basureros que contiene niveles detectables de plomo debe ser consciente de dos cuestiones: 1. Es imposible analizar todos los rincones de todos los basureros. 2. Si se basa slo en los datos del artculo, esa estimacin ser slo eso, una estimacin basada en esa muestra, que es de slo 42 datos. Debera, por tanto obtener tambin una estimacin del error que est cometiendo al hacer la estimacin. Con ambos resultados, la estimacin en s y una cuanticacin del error que podra cometer con ella, incluso podr obtener un rango donde la verdadera proporcin se encuentra, con un alto nivel de conanza.
14
Lo que los investigadores se cuestionan es si la cantidad de compuesto por un lado y el tiempo de exposicin al que se somete por otro, inuyen en el porcentaje que se absorbe. De ser as, sera interesante estimar el porcentaje de absorcin de personas que se sometan a una exposicin de una determinada cantidad, por ejemplo, durante 8 horas.
Con esa informacin, los responsables de seguridad de la empresa deben decidir si hay franjas horarias donde los accidentes son ms probables o si, por el contrario, stos ocurren absolutamente al azar.
si nos centramos en la distancia a la antena, cualquier distancia es decir de las coordenadas en un momento concreto del mvil?
Y qu podemos
15
Se denomina
Por ejemplo, si estamos considerando el estudio de la altura de los alumnos de la Escuela, el conjunto de estos alumnos es una poblacin tangible. Una poblacin experimento. Por ejemplo, cuando plantebamos las pruebas sobre placas de silicio, vemos que hay tantos casos como pruebas puedan hacerse, lo que supone un conjunto innito de casos. En poblaciones conceptuales es imposible, por tanto, conocer todos los casos, y tenemos que conformarnos con muestras de los mismos. Una
conceptual no tiene elementos reales, sino que sus casos se obtienen por la repeticin de un
Por ejemplo: Si consideramos la poblacin de todos los alumnos de la Escuela, podemos jarnos en la variable altura. Si consideramos el supuesto de las pruebas sobre placas de silicio, podemos considerar la variable espesor
de la capa de xido de silicio generada.
Se denomina
muestra a cualquier subconjunto de datos seleccionados de una poblacin. representen al conjunto de todos los elementos de la poblacin. Esta cuestin, la aleatorias
El objetivo de una muestra, ya sea en una poblacin tangible o en una poblacin conceptual es que los elementos de la muestra
construccin de muestras adecuadas, representativas, es uno de los aspectos ms delicados de la Estadstica. Nosotros vamos a considerar en esta asignatura slo un tipo de muestras, denominadas muestras
simples.
En una muestra aleatoria simple, todos los elementos de la poblacin deben tener las mismas
posibilidades de salir en la muestra y, adems, los elementos de la muestra deben ser independientes: el que salga un resultado en la muestra no debe afectar a que ningn otro resultado salga en la muestra. Por ejemplo, podramos estar interesados en la poblacin de todos los espaoles con derecho a voto (poblacin tangible, pero enorme), de los que querramos conocer un dato o variable, su intencin de voto en las prximas elecciones generales. Dado que estamos hablando de millones de personas, probablemente deberemos escoger una muestra, es decir, un subconjunto de espaoles a los que se les realizara una encuesta. Si queremos que esa muestra sea aleatoria simple, deberemos tener cuidado de que todos los espaoles con derecho a voto tengan las mismas posibilidades de caer en la muestra y de que la respuesta de un entrevistado no afecte a la de ningn otro. Como nota curiosa, sabed que la mayora de las encuestas nacionales se hacen va telefnica, lo cual es una pequea violacin de las hiptesis de muestra aleatoria simple, ya que hay espaoles con derecho a voto que no tienen telfono, luego es imposible que salgan en la muestra.
16
Parte I
Estadstica descriptiva
17
Captulo 2
El tratamiento de los datos. Estadstica descriptiva
Es un error capital el teorizar antes de poseer datos. Insensiblemente uno comienza a alterar los hechos para encajarlos en las teoras, en lugar encajar las teoras en los hechos Sherlock Holmes (A. C. Doyle), en
Un escndalo en Bohemia
Resumen. En este captulo aprenderemos mtodos para resumir y describir conjuntos de datos a travs de
distintos tipos de tablas, grcos y medidas estadsticas.
Palabras clave:
frecuencias, diagrama de barras, diagrama de sectores, histograma, media, mediana, moda, cuantiles, varianza, desviacin tpica, asimetra, datos atpicos.
2.1. Introduccin
Obtenidos a travs de encuestas, experimentos o cualquier otro conjunto de medidas, los datos estadsticos suelen ser tan numerosos que resultan prcticamente intiles si no son resumidos de forma adecuada. Para ello la Estadstica utiliza tanto tcnicas grcas como numricas, algunas de las cuales describimos en este captulo. Podemos decir que existe una clasicacin, un tanto articial, de los datos, segn se reeran a una poblacin tangible, en cuyo caso se conocern todos los casos, o a una poblacin conceptual, en cuyo caso slo se conocer una muestra (aleatoria simple). Sin embargo, esta clasicacin no tiene ningn efecto en lo relativo a lo que vamos a estudiar en este captulo.
cuantitativos y cualitativos.
19
cuantitativos son los que representan una cantidad reejada en una escala numrica. A su vez, pueden clasicarse como datos cuantitativos discretos si se reeren al conteo de alguna caracterstica, o datos cuantitativos continuos si se reeren a una medida.
Los datos Los datos
a cantidades con signicado numrico, sino a caractersticas que slo pueden clasicarse.
En el ejemplo de los niveles de plomo, se est analizando si una muestra contiene niveles detectables o no. Se trata, por tanto, de una variable cualitativa con dos categoras:
detectables s contiene niveles
es cuantitativa
discreta, mientras que las franjas horarias constituyen una variable cualitativa.
Las representaciones grcas ms usuales son los diagramas de barras y los diagramas de sectores. Los diagramas Los
de barras son una representacin de cada una de las categoras de la variable mediante una
barra colocada sobre el eje X y cuya altura sea la frecuencia o la frecuencia relativa de dichas categoras.
diagramas de sectores son crculos divididos en tantos sectores como categoras, sectores cuyo ngulo
20
Categora Pas Blgica Francia Finlandia Alemania Holanda Japn Suecia Suiza Estados Unidos TOTAL
Frecuencia relativa Proporcin 0.041 0.225 0.020 0.071 0.010 0.112 0.031 0.010 0.480 1.000
Ejemplo.
Tomamos como poblacin los 98 reactores nucleares ms grandes en todo el mundo. Nos
jamos en la variable o dato referente al pas donde estn localizados. Los datos seran
Blgica, Blgica, Blgica, Blgica, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Francia, Finlandia, Finlandia, Alemania, Alemania, Alemania, Alemania, Alemania, Alemania, Alemania, Holanda, Japn, Japn, Japn, Japn, Japn, Japn, Japn, Japn, Japn, Japn, Japn, Suecia, Suecia, Suecia, Suiza, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos, Estados Unidos.
tabla de fre-
Por su parte, las representaciones mediante diagramas de barras y sectores de estos datos aparecen en la
Ejemplo.
En una empresa con cadena de montaje donde se empaquetan piezas en cajas se realiza
un estudio sobre la calidad de produccin. Los datos siguientes informan sobre el nmero de piezas defectuosas encontradas en una muestra de cajas examinadas: 000000111111111222222222233333334444444555566666777889
Prof. Dr. Antonio Jos Sez Castillo
21
10
20
30
40
Alemania
Blgica
EEUU
Finlandia
Francia
Holanda
Japn
Suecia
Suiza
EEUU
Blgica
Alemania
Suiza Suecia
Finlandia
Japn
Holanda Francia
El diagrama de barras asociado aparecen en la Figura 2.3. Sin embargo, la mayora de variables cuantitativas son de tipo continuo, de manera que toman demasiados valores como para que la representacin de su distribucin de frecuencias sea til1 . Por ello el mtodo grco ms comn y tradicional para datos cuantitativos es el histograma. El histograma es una variante del diagrama de barras donde se agrupan los valores de la variable en intervalos para que estos intervalos tengan frecuencias mayores que uno. Para obtener un histograma de forma manual deben seguirse los siguientes pasos: 1. Calculamos el nmero, N , de intervalos que vamos a utilizar. Se recomienda que sea aproximadamente igual a la raz cuadrada del nmero de datos. Sin embargo, los programas estadsticos suelen utilizar otro mtodo, llamado
Mtodo de Sturges,
22
Figura 2.3: Diagrama de barras. 2. Calculamos el rango, R, del histograma, que ser ligeramente ms amplio que el rango de los datos. El histograma debe comenzar en un nmero (xm ) ligeramente por debajo del mnimo de los datos y terminar en un nmero (xM ) ligeramente por encima del mximo. El rango del histograma ser, por tanto, R = xM xm . 3. Calculamos la longitud, L, de los intervalos, como el cociente entre el rango del histograma y el nmero de intervalos, es decir, L =
R N.
Nota. Por cuestiones que detallaremos ms adelante es importante destacar que el porcentaje de datos
que cae dentro de un intervalo es proporcional al rea de la barra que se construye sobre ese intervalo. Por ejemplo, si el rea de una barra es el 30 % del rea total del intervalo, entonces el 30 % de los datos estn en dicho intervalo.
Prof. Dr. Antonio Jos Sez Castillo
23
Tiempos de procesado
9 Frecuencia 1 0.00 2 3 4 5 6 7 8
0.96
1.92
2.88
3.84
4.80
Por otra parte, qu pasara si tomamos un nmero muy grande de datos? El nmero de intervalos del histograma sera tambin muy grande, y las barras seran muy estrechas, de manera que en vez de parecer un diagrama de barras, parecera la grca de una funcin real de variable real. Hablaremos de esta funcin y del rea debajo de ella en breve. Por cierto, cmo se calcula el rea bajo esta funcin?
Ejemplo. Los datos siguientes corresponden al tiempo necesario para procesar 25 trabajos en una CPU.
1.17 0.15 0.92 1.61 2.41 0.75 1.16 0.71 2.59 1.38 0.02 3.07 3.53 1.59 1.4 1.23 0.19 3.76 0.82 1.94 0.47 0.96 2.16 4.75 2.01
25 = 5, utilizaremos 5 intervalos.
2. El mnimo de los datos es 0.02 y el mximo 4.75, de manera que podemos considerar como rango del histograma el intervalo [0, 4.8], cuya longitud (rango del histograma) es 4.8. 3. La longitud de los intervalos es, en ese caso, 4. Construimos los intervalos:
4.8 5
= 0.96.
I1 = [0, 0.96) I2 = [0.96, 1.92) I3 = [1.92, 2.88) I4 = [2.88, 3.84) I5 = [3.84, 4.8)
24
[0, 0.96) [0.96, 1.92) [1.92, 2.88) [2.88, 3.84) [3.84, 4.8)
(medidas de posicin),
(medidas de dispersin) y
(medidas de forma).
medidas de tendencia central son medidas de posicin que tratan de establecer un valor que pueda
el centro
considerarse
2.5.1.1. Media
Sea un conjunto de datos de una variable cuantitativa, x1 , ..., xn . La
x =
n i=1
xi
centro de gravedad
de los
Es inmediato comprobar que si se realiza un cambio de origen y escala sobre los datos, del tipo y = ax + b, la media sufre el mismo cambio, es decir, y = ax + b. De igual forma, si tenemos datos de la suma de dos o ms variables, la media de la suma es la suma de las medias de cada variable.
Prof. Dr. Antonio Jos Sez Castillo
25
2.5.1.2. Mediana
Sea un conjunto de datos de una variable cuantitativa, x1 , ..., xn . Ordenemos la muestra de menor a mayor,
mediana es el valor de la variable que deja el mismo nmero de datos antes y despus que l, una vez
ordenados estos.
El clculo de la mediana depender de si el nmero de datos, n, es par o impar: Si n es impar, la mediana es el valor que ocupa la posicin
n+1 2
(en orden creciente o decreciente), porque ste es el valor central. Es decir: Me = x( n+1 ) . 2 Si n es par, la mediana es la media aritmtica de las dos observaciones centrales. Cuando n es par, los dos x n +x n ( 2 ) ( 2 +1) n datos que estn en el centro de la muestra ocupan las posiciones n y +1 . Es decir: M = . e 2 2 2 La mediana corresponde exactamente con la idea de valor central de los datos. De hecho, puede ser un valor ms representativo de stos que la media, ya que es ms un ejemplo.
robusta
= 2.1429, y su mediana 2.
Pero imaginemos que por error o por casualidad obtenemos un nuevo dato enormemente grande en relacin al resto de datos, 80. En ese caso, la media sera
0 + 0 + 1 + 2 + 3 + 4 + 5 + 80 = 11.875 8
y la mediana 2.5. Es decir, un solo dato puede desplazar enormemente la media, hasta convertirla en una medida poco representativa, pero slo desplazar ligeramente la mediana. Ese es el motivo por el que se dice que la mediana es una medida
robusta.
moda se dene como el valor ms frecuente de los datos. Lo que ocurre es que si stos son intervalo modal, aqul con mayor frecuencia asociada.
datos de una variable continua o discreta con muchos valores, puede que los datos apenas se repitan. En ese caso, en el que, como vimos en las representaciones grcas, se debe agrupar por intervalos, no debe darse un valor como moda, sino un
26
2.5.2. Cuantiles
Los
que responden es muy sencilla y muy prctica. Se trata de valorar de forma relativa cmo es un dato respecto del conjunto global de todos los datos. Si, por ejemplo, un nio de 4 aos pesa 13 kilos, est desnutrido? est sano? La respuesta debe ser que
depende.
Dnde vive el nio? Es importante porque, por ejemplo, en Estados Unidos los nios son en general
ms grandes que, por ejemplo, en Japn. Quiz ms que el peso nos interese saber qu posicin relativa tiene el peso del nio dentro de la poblacin de la que forma parte. Por ejemplo, si nos dicen que el nio est entre el 1 % de los nios que menos pesan, probablemente tiene un problema de crecimiento. El
cuantil p (Qp ) de unos datos (0 p 1), sera un valor de la variable situado de modo que el 100p % de
No obstante, en la prctica vamos a encontrar un problema para encontrar cuantiles, sobre todo con pocos datos: lo ms habitual es que no exista el valor exacto que deje a la izquierda el 100p % de los valores y el resto a la derecha. Por ese motivo, los programas estadsticos utilizan unas frmulas de interpolacin para obtener el valor del cuantil entre los dos valores de los datos que lo contienen. En nuestro caso, a la hora de obtener cuantiles, la aplicacin de esas frmulas de interpolacin correspondiente de la siguiente forma: 1. Si el 100p % de n, donde n es el nmero de datos, es un entero, k , entonces Qp =
x(k) +x(k+1) . 2
a mano
los clculos, por lo que vamos a aplicar un convenio mucho ms sencillo: aproximaremos el valor del cuantil
2. Si el 100p % de n no es un entero, lo redondeamos al entero siguiente, k , y entonces Qp = x(k) . No olvidemos, sin embargo, que los programas estadsticos van a utilizar las frmulas de interpolacin para calcular el valor de los cuantiles, de manera que no debe extraar si se observan pequeas diferencias al comparar nuestros resultados
a mano
Existen diversos nombres para referirse a algunos tipos de cuantiles. Entre ellos: Los
percentiles
son los cuantiles que dividen la muestra en 100 partes, es decir, son los cuantiles
0.01 (percentil 1), 0.02 (percentil 2), ..., 0.99 (percentil 99). Si notamos por P al percentil , con
cuartiles
Ejemplo. Consideremos de nuevo los datos correspondientes al tiempo de procesado de 25 tareas en una
CPU. Ahora los hemos ordenado de menor a mayor (en 5 las):
27
Vamos a calcular distintas medidas de posicin y a comentarlas. En primer lugar, la media es 1.63. La mediana ocupa el lugar 13 en la muestra ordenada, y su valor es 1.38. Obsrvese que la media es algo mayor que la mediana: esto es debido a la presencia de algunos valores signicativamente ms altos que el resto, como pudimos ver en el histograma. Por su parte, el P25 o cuantil 0.25 ocupa la posicin 7, ya que el 25 % de 25 es 6.25. Por tanto, P25 = 0.82. De igual forma, P75 = Q0.75 = 2.16, el valor que ocupa la posicin 19. Podemos ver, por tanto, que los valores ms bajos estn muy agrupados al principio, y se van dispersando ms conforme se hacen ms altos.
medidas de variacin o dispersin estn relacionadas con las medidas de tendencia central, ya que
lo que pretenden es cuanticar cmo de concentrados o dispersos estn los datos respecto a estas medidas. Nosotros nos vamos a limitar a dar medidas de dispersin asociadas a la media. La idea de estas medidas es valorar en qu medida los datos estn agrupados en torno a la media. Esta cuestin tan simple es uno de los motivos ms absurdos de la mala prensa que tiene la Estadstica en la sociedad en general. La gente no se fa de lo que ellos llaman
la Estadstica
el mundo cree que una media tiene que ser un valor vlido para todos, y eso es materialmente imposible.
Ejemplo. Pensemos en la media del salario de los espaoles. En 2005 fue de 18.750 euros al ao. Ahora bien,
esa media incluye tanto a las regiones ms desarrolladas como a las ms desfavorecidas y, evidentemente, la cifra generar mucho malestar en gran parte de la poblacin (con toda seguridad, ms del 50 %), cuyo salario est por debajo.
Ejemplo. Existe una frase muy conocida que dice que la Estadstica es el arte por el cul si un espaol se
come un pollo y otro no se come ninguno, se ha comido medio pollo cada uno .
ocasiones para ridiculizar a la Estadstica, cuando en realidad debera servir para desacreditar a quien la dice, por su ignorancia. Hay que decir que la Estadstica no tiene la culpa de que la gente espere de una media ms de lo que es capaz de dar, ni de que muy poca gente conozca medidas de dispersin asociadas a la media.
s2 n1 =
n i=1
(xi x ) . n1
28
Nota. Para calcular a mano la varianza resulta ms cmodo desarrollar un poco su frmula, como vamos
a ver:
s2 n1 = =
x )2 = n1 n 2 2 i=1 xi nx . n1
n i=1 (xi
n i=1
x i=1 xi + nx 2 x2 i 2 = n1
n i=1
xnx + nx 2 x2 i 2 n1
Cuanto mayor sea la varianza de unos datos, ms dispersos, heterogneos o variables son esos datos. Cuanto ms pequea sea una varianza de unos datos, ms agrupados u homogneos son dichos datos.
Ejemplo. Una muestra aleatoria simple de la altura de 5 personas arroja los siguientes resultados:
1.76 1.72 1.80 1.73 1.79
xi = 8.8 y
5 i=1
x =
y
8.8 = 1.76 5
s2 n1 =
En lo que respecta al comportamiento de la varianza muestral frente a cambios de origen y escala, slo le
2 2 afectan los segundos. Es decir, si tenemos que y = ax + b, se verica que s2 y ;n1 = a sx;n1 .
Finalmente, si bien habamos comentado que en el caso de la media, si tenemos la suma de varias variables, la media total es la suma de las medias de cada variable, no ocurre as con la varianza en general.
s2 n1 ,
29
Regla Emprica:
1. Aproximadamente el 68 % de los datos estar en el intervalo ( x sn1 , x + sn1 ) . 2. Aproximadamente el 95 % de los datos estar en el intervalo ( x 2sn1 , x + 2sn1 ) . 3. Casi todos los datos estarn en el intervalo ( x 3sn1 , x + 3sn1 ) .
coeciente de variacin.
de variacin como
CV =
sn1 . |x |
La principal ventaja del coeciente de variacin es que no tiene unidades de medida, lo que hace ms fcil su interpretacin.
30
Ejemplo. Para los datos de tiempo de procesado en una CPU de 25 tareas, la varianza es 1.42, luego su
desviacin estandar es 1.19, y el coeciente de variacin
1.19 1.63
algo ms del 70 % de la media. Esto indica que los datos no estn muy concentrados en torno a la media, probablemente debido a la presencia de los valores altos que hemos comentado antes.
Nota.
El coeciente de variacin, tal y como est denido, slo tiene sentido para conjuntos de datos
con el mismo signo, es decir, todos positivos o todos negativos. Si hubiera datos de distinto signo, la media podra estar prxima a cero o ser cero, imposibilitando que aparezca en el denominador.
Nota. Suele ser frecuente el error de pensar que el coeciente de variacin no puede ser mayor que 1, lo
cual es rigurosamente falso. Si lo expresamos en porcentaje, el coeciente de variacin puede ser superior al 100 % sin ms que la desviacin tpica sea mayor que la media, cosa bastante frecuente, por cierto.
depende del contexto de los datos que estemos analizando. Si, por ejemplo, estamos analizando unos datos que por su naturaleza deben ser muy homogneos, un coeciente de variacin del 10 % sera enorme, pero si por el contrario estamos analizando datos que por su naturaleza son muy variables, un coeciente de variacin del 10 % sera muy pequeo. Por todo ello, lo recomendable es analizar el coeciente de variacin entendiendo su signicado numrico, es decir, entendiendo que se reere a la comparacin de la desviacin tpica con la media, e interpretando su valor en relacin al contexto en el que estemos trabajando.
medidas de forma comparan la forma que tiene la representacin grca, bien sea el histograma o el
diagrama de barras de la distribucin, con una situacin ideal en la que los datos se reparten en igual medida a la derecha y a la izquierda de la media. Esa situacin en la que los datos estn repartidos de igual forma a uno y otro lado de la media se conoce como mediana, su moda y su media coinciden. Por contra, se dice que una distribucin es asimtrica
simetra, y se dice en ese caso que la distribucin de los datos es simtrica. En ese caso, adems, su a la derecha si las frecuencias (absolutas o relativas) asimtrica a la izquierda.
descienden ms lentamente por la derecha que por la izquierda. Si las frecuencias descienden ms lentamente por la izquierda que por la derecha diremos que la distribucin es Para valorar la simetra de unos datos se suele utilizar el
n )3 i=1 (xi x
As =
Prof. Dr. Antonio Jos Sez Castillo
n1
s3 n1
31
Obsrvese que para evitar el problema de la unidad y hacer que la medida sea escalar y por lo tanto relativa, dividimos por el cubo de su desviacin tpica. De esta forma podemos valorar si unos datos son ms o menos simtricos que otros, aunque no estn medidos en la misma unidad de medida. La interpretacin de este coeciente de asimetra es la siguiente: Tanto mayor sea el coeciente en valor absoluto, ms asimtricos sern los datos. El signo del coeciente nos indica el sentido de la asimetra: Si es positivo indica que la asimetra es a la derecha. Si es negativo, indica que la asimetra es a la izquierda.
Ejemplo. Para los datos de tiempo de procesado en una CPU de 25 tareas, el coeciente de asimetra
de Fisher es 0.91, lo que, como habamos visto y comentado con anterioridad, pone de maniesto que la distribucin es asimtrica a la derecha, debido a la presencia de tiempos de procesado bastante altos en relacin al resto.
parmetros muestrales.
prcticamente siempre se trabaja con muestras, ya que o bien trabajamos con poblaciones conceptuales o con poblaciones tangibles (nitas, por tanto), pero con muchsimos elementos. Frente a estos parmetros muestrales se encuentran los parmetros anlogos referidos a toda la poblacin. Estos parmetros, llamados parmetros
plo, la media poblacional se calculara igual que la media muestral de unos datos, pero aplicada la frmula a todos los elementos de la poblacin. Como eso es prcticamente imposible de poner en la prctica, veremos
3 Salvo
32
en captulos posteriores que los parmetros muestrales se utilizan en la prctica para aproximar o estimar los parmetros poblacionales.
Estos valores son atribuibles, por lo general, a una de las siguientes causas: 1. El valor ha sido introducido en la base de datos incorrectamente. 2. El valor proviene de una poblacin distinta a la que estamos estudiando. 3. El valor es correcto pero representa un suceso muy poco comn. A continuacin vamos a proponer dos maneras de determinar si un dato es un valor fuera de rango.
Segn ella, el 99.5 % de los datos estn en el intervalo [ x 3sn1 , x + 3sn1 ], luego
xi
[ x 3sn1 , x + 3sn1 ] .
(IR o
RI ),
IR = P75 P25 .
2. Se consideran
33
Serie 1 Serie 2
CV 25.40 24.86
Ejemplo. Vamos a ver si hay algn dato atpico entre los datos de tiempo de procesado en una CPU de
25 tareas. Dado que el histograma no tena forma de campana, el mtodo de la regla emprica no es el mtodo ms adecuado para la deteccin de valores atpicos. Por su parte, P50 = 1.38, P25 = 0.82 y P75 = 2.16. Por tanto, IR = 2.16 0.82 = 1.34, y el intervalo fuera del cal consideramos valores fuera de rango es [0.82 1.5 1.34, 2.16 + 1.5 1.34] = [1.19, 4.17]. De esta forma, el valor 4.75 es un valor fuera de rango. Hay una versin grca de este mtodo para detectar valores atpicos mediante los percentiles: se llama
diagrama de caja o diagrama de cajas y bigotes o (en ingls) boxplot. Este diagrama incluye en un
grco: 1. El valor de la mediana (o segundo cuartil, Q2 ): ese es el centro de la caja.
2. El valor de los percentiles 25 y 75, cuartiles primero y tercero respectivamente (Q1 y Q3 ): son los lados inferior y superior de la caja. 3. El diagrama no representa los lmites P25 1.5 IR y P75 + 1.5 IR. En su lugar, seala los ltimos puntos no atpicos por debajo (Li ) y por encima (Ls ), es decir, seala el ltimo dato por encima de
P25 1.5 IR y el ltimo dato por debajo de P75 + 1.5 IR, y los representa como
de la caja. 4. Normalmente representa con crculos los datos atpicos.
bigotes
que salen
34
Figura 2.7: Descripcin de un diagrama de caja. Fuente: http://es.wikipedia.org/wiki/Diagrama_de_caja asimetria de -1.79), mientras que los de la segunda serie son claramente asimtricos a la derecha (coeciente de asimetra de 1.71). Dado que no era esperable que surgieran diferencias entre las dos series, debemos preguntarnos qu pas. Para tratar de analizar ms profundamente los datos, vamos a proporcionar tambin los dos diagramas de caja de ambas series. Aparecen en la Figura 2.8. Con ellas, vamos a resumir ahora las decisiones que los autores tomaron en vista de los resultados y las conclusiones a las que llegaron. Obsrvese que las diferencias entre las series no afectan sorprendentemente al conjunto de las muestras, sino slo a los valores atpicos que se ven en ambos diagramas de caja. Eso probara que, en efecto, no hay ninguna diferencia sistemtica entre las series. La siguiente tarea es la de inspeccionar los datos atpicos. Si miramos con atencin los datos, vemos que las 8 mediciones ms grandes de la segunda serie ocurrieron en la placa 10. Al ver este hecho, los autores del trabajo inspeccionaron esta placa y descubrieron que se haba contaminado con un residuo de la pelcula, lo que ocasion esas mediciones tan grandes del espesor. De hecho, los ingenieros eliminaron esa placa y toda la serie entera por razones tcnicas. En la primera serie, encontraron tambin que las tres mediciones ms bajas se haban debido a un calibrador mal congurado, por lo que las eliminaron. No se pudo determinar causa alguna a la existencia de los dos datos atpicos restantes, por lo que permanecieron en el anlisis. Por ltimo, ntese que despus de este proceso de depuracin de los datos que el anlisis mediante Estadstica Descriptiva ha motivado, la distribucin de los datos tiene una evidente forma de campana.
Prof. Dr. Antonio Jos Sez Castillo
35
Figura 2.8: Diagramas de caja de los datos del espesor de las capas de dixido de silicio
36
Parte II
Clculo de Probabilidades
37
Captulo 3
Probabilidad
Vemos que la teora de la probabilidad en el fondo slo es sentido comn reducido a clculo; nos hace apreciar con exactitud lo que las mentes razonables toman por un tipo de instinto, incluso sin ser capaces de darse cuenta[...] Es sorprendente que esta ciencia, que surgi del anlisis de los juegos de azar, llegara a ser el objeto ms importante del conocimiento humano[...] Las principales cuestiones de la vida son, en gran medida, meros problemas de probabilidad. Pierre Simon, Marqus de Laplace
Resumen. El captulo proporciona un tratamiento de los experimentos cuyos resultados no se pueden predecir
con certeza a travs del concepto de probabilidad. Se analizan las propiedades de la probabilidad y se introduce tambin el concepto de probabilidad condicionada, que surge cuando un suceso modica la asignacin de probabilidades previa.
Palabras clave: experimento aleatorio, experimento determinstico, espacio muestral, suceso, probabilidad,
probabilidad condicionada, independencia de sucesos.
3.1. Introduccin
considerando
probables aquellos eventos en los que tenemos un alto grado de creencia en su ocurrencia. En esta lnea, Probabilidad es un concepto asociado a la medida del azar. Tambin pensamos en el azar
vinculado, fundamentalmente, con los juegos de azar, pero desde esa ptica tan reducida se nos escapan otros muchsimos ejemplos de fenmenos de la vida cotidiana o asociados a disciplinas de distintas ciencias donde el azar juega un papel fundamental. Por citar algunos: Qu nmero de unidades de produccin salen cada da de una cadena de montaje? No existe un nmero jo que pueda ser conocido a priori, sino un conjunto de posibles valores que podran darse, cada uno de ellos con un cierto grado de certeza. Cul es el tamao de un paquete de informacin que se transmite a travs de HTTP? No existe en realidad un nmero jo, sino que ste es desconocido a priori. 39
Cul es la posicin de un objeto detectado mediante GPS? Dicho sistema obtiene, realmente, una estimacin de dicha posicin, pero existen mrgenes de error que determinan una regin del plano donde el objeto se encuentra con alta probabilidad. Qu ruido se adhiere a una seal que se enva desde un emisor a un receptor? Dependiendo de las caractersticas del canal, dicho ruido ser ms o menos relevante, pero su presencia no podr ser conocida a priori, y deber ser diferenciada de la seal primitiva, sin que se conozca sta, teniendo en cuenta que se trata de un ruido
aleatorio.
En todos estos ejemplos el azar es un factor insoslayable para conocer el comportamiento del fenmeno en estudio.
experimento aleatorio.
1.
que
conjunto es una coleccin de elementos. Se dice que B es un subconjunto de A si todos sus elementos lo son tambin de A, y se notar B A.
1 Es mejor que aceptemos desde el principio que la Estadstica no es la ciencia de la adivinacin: tan slo se ocupa de cuanticar cmo de incierto es un evento y, ocasionalmente, de proponer estrategias de prediccin basadas en dicha medida de la incertidumbre.
40
unin
interseccin
particin
Ac , est formado por todos los elementos de que conjunto complementario de un conjunto A, A
= AA = AA (Ac ) = A = B Si B A A = B. Si A = B A
Finalmente, mencionemos las llamadas Leyes de Morgan:
c
B AB =A
B. AB =A
41
El conjunto formado por todos los posibles resultados del experimento aleatorio recibe el nombre de espacio
ensayo o realizacin
suceso o evento.
si se observa en dicho ensayo cualquier
ocurre un suceso A
Una observacin importante es que el espacio muestral no tiene por qu ser nico, sino que depender de lo que deseemos observar del experimento aleatorio. Vamos a poner este hecho de maniesto en los siguientes ejemplos.
Ejemplo. Un experimento habitual en Biologa consiste en extraer, por ejemplo, peces de un ro, hasta
dar con un pez de una especie que se desea estudiar. El nmero de peces que habra que extraer hasta conseguir el ejemplar deseado de la especie en estudio formara el espacio muestral, = {1, 2, 3, ...}, si es que el investigador desea observar exactamente el nmero de peces hasta extraer ese ejemplar deseado. Obsrvese que se trata de un conjunto no acotado, pero numerable. Como ejemplos de posibles sucesos de inters podramos poner los eventos {1,2,3,4,5}, {mayor o igual a 5},... Supongamos ahora que el investigador slo est interesado en comprobar si hacen falta ms de 5 extracciones para obtener un ejemplar de la especie en estudio. En ese caso, el espacio muestral sera
= {> 5, 5}.
Ejemplo.
azar entre 0 y 1, un espacio muestral sera = [0, 1]. A diferencia de los anteriores ejemplos, este espacio muestral no es nito, ni siquiera numerable. Como ejemplo de sucesos posibles en este espacio muestral podemos destacar, entre otros, {menor que 0.5} , {mayor que 0.25}, {menor que 0.75} ,... Otro espacio muestral podra ser observar el valor decimal mayor ms cercano. Por ejemplo, si sale 0.25, me interesa 0.3. En ese caso el espacio muestral sera = 0.1, 0.2, ...1. Este espacio muestral servira, por ejemplo, para sortear nmeros entre 1 y 10, sin ms que multiplicar el resultado obtenido por 10.
42
En estos ltimos ejemplos podemos ver que hay dos grandes tipos de espacios muestrales segn el nmero de sucesos elementales. Un espacio muestral se dice elementales. Por el contrario, un espacio muestral se dice sucesos elementales.
discreto si est formado por un conjunto nito o innito numerable de sucesos continuo
si est formado por un conjunto no numerable de
funcin de probabilidad
para ese espacio muestral es cualquier funcin que asigne a cada suceso un nmero en el intervalo [0, 1] y que
P [n i=1 Ai ] =
i=1
P [Ai ] .
Nota. Hay que notar que se puede dar ms de una funcin de probabilidad asociada al mismo espacio
muestral. Por ejemplo, asociado al espacio muestral = {cara, cruz }, del lanzamiento de una moneda, pueden darse un nmero innito no numerable de medidas de la probabilidad; concretamente, asociadas a cada eleccin
P [cara] = p P [cruz ] = 1 p,
para cada p [0, 1] . Aunque si la moneda no est cargada, como sucede habitualmente, se considera el caso en que p = 1 2.
Ejemplo. Volviendo sobre el lanzamiento del dado, si ste no est cargado, podemos denir la siguiente
funcin de probabilidad:
P [{i}] =
1 , i = 1, 2, ..., 6. 6
43
P [] = 0. = 1 P [A] . Sea A un suceso cualquiera. Entonces, P A = P [A] P [A B ] . Sean A y B dos sucesos cualesquiera. Entonces, P A B
Sean A y B dos sucesos cualesquiera. Entonces, P [A B ] = P [A] + P [B ] P [A B ] .
Ejemplo. El circuito que aparece en la Figura 3.1 est constituido por dos interruptores (switches ) en
paralelo. La probabilidad de que cualquiera de ellos est cerrado es de 1 2. Para que pase corriente a travs del circuito basta con que pase corriente por alguno de los dos interruptores, esto es, que al menos uno de ellos est cerrado. Por tanto, si notamos por
corriente a travs del circuito E
al suceso
que pase
Ei
al suceso
que el interruptor
est cerrado,
entonces,
44
N de lanzamientos N de caras
N. de caras N. de lanzamientos
10 4 0.4
100 46 0.46
P [A] = l m
nA , n n
donde nA es el nmero de ocurrencias de A en n ensayos del experimento. Esta interpretacin se conoce como
denicin frecuentista de la probabilidad.
de carcter eminentemente prctico porque permite una aproximacin fsica al concepto de probabilidad, pero se ve limitada por las complicaciones que supone la denicin en trminos de un lmite que, como tal, slo se alcanza
en el innito.
Ejemplo. Se han realizado 1000 lanzamientos de una moneda. En el Cuadro 3.1 aparece un resumen de ese
proceso. Puede observarse como cuanto mayor es el nmero de lanzamientos, ms se aproxima la frecuencia
1 relativa al valor 2 , de manera que podramos pensar que la probabilidad de cara es igual que la probabilidad
1 2,
aunque esto slo es una suposicin, o una aproximacin, ya que para aplicar
estrictamente la denicin frecuentista deberamos continuar hasta el innito, lo que resulta imposible. Esta interpretacin frecuentista de la probabilidad permite inferir lo que podemos llamar
radas. frecuencias espe-
Si un evento A tiene asignada una probabilidad P [A], entonces, si repetimos el experimento aleatorio
lo ms esperable
n veces,
Ejemplo. Siguiendo con el ejemplo de la moneda, si la lanzamos 348 veces, lo esperable es que salgan
alrededor de 348 0.5 = 174 caras.
muchas veces y
contar cuntas veces llueve. Podramos pensar si hubiera muchos das como el de maana, aproximadamente Pero eso no tiene sentido porque el da de maana es nico.
45
La interpretacin subjetiva de la probabilidad tiene que ver con la vinculacin de este concepto con el grado de incertidumbre que tenemos sobre las cosas. Si tenemos un experimento aleatorio, el resultado de dicho experimento es incierto. La probabilidad de un resultado del experimento es el grado de creencia que yo tengo en la ocurrencia de dicho resultado. Ese grado de creencia es personal, luego es subjetivo, pero lgicamente, deber estar acorde con la informacin que tenemos sobre el experimento.
de cara y la probabilidad de cruz son ambas del 50 %. En general, si el espacio muestral est formado por N resultados posibles y todos ellos tienen la misma probabilidad (equiprobables), podramos decir que la probabilidad de un evento A, P [A] , es
P [A] =
NA , N
donde NA es el nmero de resultados favorables a la ocurrencia de A. Esta frmula, conocida como permite deducir que
frmula de Laplace
P [cara] =
1 2
en el lanzamiento de una moneda sin tener que lanzar la moneda un gran nmero de veces. Sin embargo, la denicin tiene dos grandes inconvenientes: el conjunto de resultados posibles, N , tiene que ser nito y, adems, todos los resultados posibles deben tener la misma probabilidad (con lo cual, lo denido queda implcitamente inmerso en la denicin).
Obviamente, la probabilidad P [A] ser menor que la probabilidad P [A | B ] , ya que el hecho de que est
46
Ejemplo. Consideremos el experimento aleatorio de extraer una carta de una baraja espaola. Sea el suceso
A : obtener una sota, el suceso B1 : obtener una gura y el suceso B2 : obtener una carta de copas.
Las distintas probabilidades, condicionadas o no, bajo la denicin clsica, son las siguientes:
siempre que P [B ] = 0. Una funcin de probabilidad condicionada P [/B ] es una funcin de probabilidad en toda regla: por tanto, cumple las mismas propiedades que cualquier funcin de probabilidad sin condicionar. Como hemos comentado, la idea de la probabilidad condicionada es utilizar la informacin que nos da un suceso conocido sobre la ocurrencia de otro suceso. Pero, como ya hemos puesto de maniesto en un ejemplo, Por tanto: Dos sucesos A y B se dicen independientes si P [A | B ] = P [A] , o equivalentemente si P [B | A] = P [B ], o equivalentemente si P [A B ] = P [A] P [B ] . no siempre un suceso da informacin sobre otro. En este caso se dice que ambos sucesos son independientes.
Ejemplo. Continuando con el Ejemplo 3.3.3, lo ms lgico es pensar que los dos interruptores actan
de forma independiente, en cuyo caso P [E1 E2 ] = P [E1 ] P [E2 ] y tenemos que,
P [E ] =
1 1 + P [E1 E1 ] 2 2 1 1 11 3 = + = . 2 2 22 4
Nota. Es muy importante no confundir la probabilidad condicionada de un suceso a otro con la probabilidad de la interseccin de ambos sucesos. En la Figura 3.2 puede verse la diferencia entre las probabilidades condicionadas entre dos sucesos y la probabilidad de su interseccin. En trminos coloquiales, podemos
47
una parte
un todo.
Cuando la probabilidad es
todo
es la interseccin.
Nota. Tambin suele ser bastante comn la confusin entre sucesos independientes y sucesos incompatibles o mutuamente excluyentes. En este sentido, recordemos que dos sucesos A y B son incompatibles o mutuamente excluyentes si
A B = , en cuyo caso P [A B ] = 0.
Por su parte, A y B sern independientes si P [A B ] = P [A] P [B ]. Las diferencias entre ambos conceptos son obvias.
Ejemplo. La probabilidad de que el producto no sea elaborado a tiempo es 0.05. Se solicitan tres pedidos
del producto con la suciente separacin en el tiempo como para considerarlos eventos independientes. 1. Cul es la probabilidad de que todos los pedidos se enven a tiempo? En primer lugar, notemos Ei al suceso enviar
a tiempo el pedido i-simo.
P [Ei ] = 0.95.
Por su parte, nos piden
48
1 E2 E3 E1 E 2 E3 E1 E2 E 3 P E
1 E2 E3 + P E1 E 2 E3 + P E1 E2 E 3 =P E
= 0.05 0.952 + 0.05 0.952 + 0.05 0.952 = 0.135, 1 E2 E3 , E1 E 2 E3 y E1 E2 E 3 son incompatibles. donde se ha utilizado que los sucesos E
3. Cul es la probabilidad de que dos o ms pedidos no se enven a tiempo? Tengamos en cuenta que ya hemos calculado la probabilidad de que todos se enven a tiempo y de que todos menos uno se enven a tiempo. Entonces,
Ejemplo.
esquema se pone de maniesto que una unidad ser producidad con xito si pasa en primer lugar un chequeo previo (A); despus puede ser montada directamente (B), redimensionada (C) y despus montada (D) o adaptada (E) y despus montada (F); posteriormente debe ser pintada (G) y nalmente embalada (H). Consideremos que las probabilidades de pasar exitosamente cada subproceso son todas ellas iguales a 0.95, y que los subprocesos tienen lugar de forma independiente unos de otros. Vamos a calcular en esas condiciones la probabilidad de que una unidad sea exitosamente producida. Si nos damos cuenta, A, G y H son ineludibles, mientras que una unidad puede ser producida si pasa por B, por C y D o por E y F. En notacin de conjuntos, la unidad ser producida si se da
A (B C D E F ) G H.
Como los procesos son independientes unos de otros, no tenemos problemas con las probabilidades de las intersecciones, pero tenemos que calcular la probabilidad de una unin de tres conjuntos, B C D E F . En general,
P [A1 A2 A3 ] = P [(A1 A2 ) A3 ] = P [A1 A2 ] + P [A3 ] P [(A1 A2 ) A3 ] = P [A1 ] + P [A2 ] P [A1 A2 ] + P [A3 ] P [A1 A3 A2 A3 ]
49
En estos ejemplos, el clculo de la probabilidad de las intersecciones ha resultado trivial porque los sucesos son independientes. Son embargo, esto no siempre ocurre. Cmo podemos, en general, obtener la probabilidad de la interseccin de dos o ms sucesos no necesariamente independientes? En el caso de slo dos sucesos, A y B , podemos deducir que
P [A B ] = P [A|B ] P [B ]
directamente de la denicin de probabilidad condicionada. A partir de esta frmula, por induccin, se puede obtener la llamada frmula producto, que se enuncia de la siguiente forma: si A1 , A2 , ..., An son sucesos de un espacio muestral no necesariamente independientes, se verica
P [A1 A2 ... An ] = P [A1 ]P [A2 |A1 ]...P [An |A1 A2 ... An1 ]
50
Ejemplo. Un lote de 50 arandelas contiene 30 arandelas cuyo grosor excede las especicaciones de diseo.
Suponga que se seleccionan 3 arandelas al azar y sin reemplazo del lote. 1. Cul es la probabilidad de que las tres arandelas seleccionadas sean ms gruesas que las especicaciones de diseo? Comenzamos notando los sucesos Ai : la -sima arandela extraida es ms gruesa que las especicaciones de diseo, i = 1, 2, 3. Entonces, nos piden
P A3 /A 1 A 2 =
30 . 48
respectivamente, y juegan un importante papel a la hora de calcular probabilidades. Los dos utilizan como
Prof. Dr. Antonio Jos Sez Castillo
{A1 , ..., AN } F una particin del espacio muestral y sea B un suceso cualquiera. Entonces, P [B ] = P [B | A1 ] P [A1 ] + ... + P [B | AN ] P [AN ] .
Ejemplo.
Supongamos que tenemos 4 cajas con componentes electrnicas dentro. La caja 1 contiene
2000 componentes, con un 5 % de defectuosas; la caja 2 contiene 500 componentes, con un 40 % de defectuosas; las cajas 3 y 4 contienen 1000 componentes, con un 10 % de defectuosas. 1. Cul es la probabilidad de escoger al azar una componente defectuosa? Notemos D : componente defectuosa y Ci : componente de la caja i-sima. Entonces, se tiene que
P [C1 ] =
2000 2000 + 500 + 1000 + 1000 500 P [C2 ] = 2000 + 500 + 1000 + 1000 1000 P [C3 ] = 2000 + 500 + 1000 + 1000 1000 P [C4 ] = 2000 + 500 + 1000 + 1000
4 9 1 = 9 2 = 9 2 = 9 =
P [D] = P [D | C1 ] P [C1 ] + P [D | C2 ] P [C2 ] + P [D | C3 ] P [C3 ] + P [D | C4 ] P [C4 ] 4 1 2 2 = 0.05 + 0.4 + 0.1 + 0.1 = 0. 11111 9 9 9 9
2. Si se escoge una componente al azar y resulta ser defectuosa, cul es la probabilidad de que pertenezca a la caja 1?
P [C1 | D] =
52
Nmero 1 20 55 70 145
en cada 2 95 35 80 210
Ejemplo. Se disponen tres cajas donde se almacenan acumuladores segn aparece en el Cuadro 3.2.
Se escoge al azar una caja y de ella, a su vez, un acumulador. 1. Cul es la probabilidad de que se haya seleccionado un acumulador de 0.01F ? Notemos 0.01F, 0.1F y 1.0F a los sucesos
caja 3, extraer un acumulador de
P [0.01F ] = P [0.01F / c1] P [c1] + P [0.01F / c2] P [c2] + P [0.01F / c3] P [c3] 95 1 25 1 5903 20 1 + + = = 0.23078. = 145 3 210 3 245 3 25 578
2. Si ha sido seleccionado un acumulador de 1.0F , cul es la probabilidad de que proceda de la caja 1? Utilizando el teorema de Bayes,
P [c1 / 1.0F ] =
Por su parte,
P [1.0F ] = P [1.0F / c1] P [c1] + P [1.0F / c2] P [c2] + P [1.0F / c3] P [c3] 70 1 80 1 145 1 6205 = + + = = 0.48518, 145 3 210 3 245 3 12 789
luego
70 1 145 3 6205 12 789
P [c1 / 1.0F ] =
Ejemplo. Siguiendo con el ejemplo de las arandelas con grosor fuera de las especicaciones de diseo,
cul es la probabilidad de que la tercera arandela seleccionada sea ms gruesa que las especicaciones de diseo?
53
Ejemplo.
que el dgito 3 es enviado tres veces ms frecuentemente que 1, y 2 dos veces ms frecuentemente que 1. Calculemos la probabilidad de que un dgito cualquiera enviado a travs del canal sea recibido correctamente. En primer lugar, si notamos P [X = 1] = p, entonces P [X = 2] = 2p y P [X = 3] = 3p. Por otra parte, como
1 = P [X = 1] + P [X = 2] + P [X = 3] = 6p,
se tiene que
P [X = 1] =
1 1 1 , P [X = 2] = y P [X = 3] = . 6 3 2
Ejemplo.
P [X = 1 / Y = 1] =
P [Y = 1 / X = 1] P [X = 1] . P [Y = 1]
54
Por su parte,
P [Y = 1] = P [Y = 1 / X = 1] P [X = 1] + P [Y = 1 / X = 2] P [X = 2] + P [Y = 1 / X = 3] P [X = 3] =
luego
1 + + , 6 6 4
1 6 1 + 6 6
P [X = 1 / Y = 1] =
=2
1 + . 2 + 2 2 3
Es posible que no tengamos, en principio, datos para conocer de forma exacta cul es la probabilidad de A. An as, podramos atrevernos, como A esta probabilidad inicial que damos la vamos a llamar
probabilidad a priori.
Ahora bien, hemos dado una probabilidad a priori P [A] sin ninguna informacin sobre A. Supongamos ahora
Prof. Dr. Antonio Jos Sez Castillo
55
que tenemos nueva informacin que nos dar pistas acerca de si A ha ocurrido o no, y que dicha informacin est recogida en un suceso que llamaremos B1 . En ese caso, podramos y deberamos actualizar la probabilidad de A basndonos en esta nueva informacin, proporcionando una nueva probabilidad de A que tenga en cuenta
probabilidad a posteriori.
P [A |B1 ] =
Obsrvese que la probabilidad a posteriori es proporcional a la probabilidad a priori. Finalmente, es muy importante ver que podemos extender esta forma de trabajar aplicando el teorema de una forma recursiva. Despus de conocer B1 , nuestra nueva probabilidad para A es P [A |B1 ]. Abusando de la notacin, podemos decir que esa es nuestra nueva probabilidad a priori y si, por ejemplo, tenemos ms informacin sobre A, dada por otro suceso B2 , a posteriori sera
P [A |B1 B2 ] = =
P [B2 |AB1 ] P [A |B1 ] |B P [B2 |AB1 ] P [A |B1 ] + P B2 |A B1 P A 1 P [B2 |A ] P [A |B1 ] |B . P [B2 |A ] P [A |B1 ] + P [B2 |A ] P A 1
Es muy importante observar que en este cociente P [A |B1 ] ocupa el lugar que antes ocupaba la probabilidad a priori. Adems, esta segunda probabilidad a posteriori podra considerarse como la nueva probabilidad a priori para una nueva aplicacin del teorema basada en el conocimiento de nueva informacin dada por un suceso B3 . Este proceso de actualizacin de las probabilidades a priori basada en la informacin disponible puede realizarse cuantas veces sea necesario. Vamos a ilustrar esto en un par de ejemplos.
56
P [culpable |ADN + ] =
P [ADN + |culpable ] P [culpable] P [ADN + |culpable ] P [culpable] + P [ADN + |inocente ] P [inocente] 0.995 0.1 = = 0.999548 0.995 0.1 + 0.00005 0.9
Es decir, ahora piensa que el sospechoso es culpable con un 99.9548 % de certeza. Fijmonos en que nuestra probabilidad a priori aparece en los trminos 0.1 en el numerador y 0.1 y 0.9 en el denominador. Esa, 0.1, era la probabilidad que tenamos
despus de la prueba esa probabilidad es 0.999548 de que sea culpable (y 0.000452 de que sea inocente).
Sin embargo, el sospechoso insiste en su inocencia, y propone someterse a una prueba de un detector de mentiras. Los expertos saben que un culpable es capaz de engaar a esta mquina en el 10 % de las veces, y que la mquina dir el 1 % de las veces que un inocente miente. Nuestro sospechoso se somete a la mquina y sta dice que es inocente. Cul ser ahora la probabilidad que el juez asigna a la culpabilidad del sospechoso? Teniendo en cuenta que:
P [culpable |maquina ] =
P [maquina |culpable ] P [culpable] P [maquina |culpable ] P [culpable] + P [maquina |inocente ] P [inocente] 0.1 0.999548 = 0.9955431. = 0.1 0.999548 + (1 0.01) (1 0.999548)
Es decir, an con esa prueba negativa, el juez an tiene un 99.55431 % de certidumbre de que el sospechoso es culpable. De nuevo, podemos resumir este paso diciendo que probabilidad a priori), mientras que
nuestra
probabilidad de que fuera culpable era de 0.999548 (que aparece en la frmula ocupando la posicin de la
57
Antes de la prueba
0.1 0.999548
P [Culpable]
P [ADN +|culpable ]0.1 P [ADN +|culpable ]0.1+P [ADN +|inocente ](10.1) = 0.999548 P [maquina|culpable ]0.999548 P [maquina|culpable ]0.999548+P [maquina|inocente ](10.999548) = 0.9955431
Despus de la prueba
Cuadro 3.3: Esquema del proceso iterativo del teorema de Bayes en el ejemplo del juez. La probabilidad a (antes de cada prueba) es la que se utiliza en la frmula para obtener la probabilidad a posteriori (desps de cada prueba). La probabilidad a posteriori (despus) de una prueba es la probabilidad a priori (antes) de la siguiente prueba. Supongamos que una pieza pasa las tres veces y da no defectuosa: cul es la probabilidad de que realmente sea no defectuosa? Vamos a empezar notando adecuadamente los sucesos. Notaremos D al suceso ser defectuosa y por + a dar positivo como defectuosa en la prueba de la mquina. Sabemos que:
|+ P D =
Esa probabilidad pasa a ser la probabilidad a priori para la segunda vez que da no defectuosa. Por tanto, la probabilidad de que sea no defectuosa si da negativo por segunda vez es
|+ P D + =
|D P [+ ] 0.9944904 |D ] (1 0.9944904) P [+ |D ] 0.9944904 + P [+ 0.95 0.9944904 = = 0.9994172. 0.95 0.9944904 + 0.1 (1 0.9944904)
|+ P D + + =
|D P [+ ] 0.9994172 |D |D ] (1 0.9994172) P [+ ] 0.9994172 + P [+ 0.95 0.9994172 = = 0.9999386. 0.95 0.9994172 + 0.1 (1 0.9994172)
Como podemos ver, si una pieza da no defectuosa tres veces, la probabilidad de que sea realmente no defectuosa es altsima, del orden del 99.99 %, as que el mtodo ideado por el responsable de calidad parece consistente.
58
Antes de la prueba
0.95 0.9944904 0.9994172
P D
|D P [+ ]0.95 |D |D ](10.95) = 0.9944904 P [+ ]0.95+P [+ |D ]0 .9944904 P [+ |D ](10.9944904) = 0.9994172 |D P [+ ]0.9944904+P [+ |D P [+ ]0.9994172 |D |D ](10.9994172) = 0.9999386 P [+ ]0.9994172+P [+
Despus de la prueba
Cuadro 3.4: Esquema del proceso iterativo del teorema de Bayes en el ejemplo de la mquina de deteccin de fallos. La probabilidad a priori (antes de cada prueba) es la que se utiliza en la frmula para obtener la probabilidad a posteriori (desps de cada prueba). La probabilidad a posteriori (despus) de una prueba es la probabilidad a priori (antes) de la siguiente prueba.
59
60
Captulo 4
Variable aleatoria. Modelos de distribuciones de probabilidad
Mas a pesar de todo eso, aunque la mala suerte exista, muy pocos reporteros veteranos creen de verdad en ella. En la guerra, las cosas suelen discurrir ms bien segn la ley de las probabilidades: tanto va el cntaro a la fuente que al nal hace bang. Arturo Prez Reverte, en
Territorio Comanche
Resumen. En este captulo continuamos con el estudio de la probabilidad, utilizando el concepto de variable
aleatoria para referirnos a experimentos donde el resultado queda caracterizado por un valor numrico. Se presentan algunos de los modelos ms habituales de asignacin de probabilidades y sus propiedades ms relevantes.
Palabras clave: variable aleatoria, variable discreta, funcin masa de probabilidad, variable continua, funcin
de densidad de probabilidad, funcin de distribucin, media, varianza, distribucin binomial, distribucin de Poisson, distribucin geomtrica, distribucin uniforme, distribucin exponencial, distribucin Gamma, distribucin normal.
4.1. Introduccin
En el tema anterior hemos visto que la Estadstica se ocupa de experimentos aleatorios. En general, en Ciencia y Tecnologa se suele analizar cualquier experimento mediante una o varias medidas del mismo. Por ejemplo, se analiza un objeto segn su peso, su volumen, su densidad, su contenido de agua...; o se analiza el trco de Internet segn el nmero de conexiones a un servidor, el volumen total de trco generado, la velocidad... En estos sencillos ejemplos observamos que se ha descrito un fenmeno fsico, como puede ser un objeto o el estado de una red de comunicaciones en un momento dado, mediante uno o varios nmeros o variables. Cuando ese fenmeno es de tipo aleatorio, vamos a llamar a esa asignacin de probabilidad P [] . 61
variable aleatoria .
Consideremos un experimento probabilstico con un espacio muestral en el que se ha denido una funcin
Una
variable aleatoria (a partir de ahora v.a.) es un nmero real asociado al resultado de un experimento
aleatorio. Se trata, por tanto, de una funcin real con dominio en el espacio muestral, X : R. Podemos pensar en una v.a. como en una variable asociada a una poblacin conceptual, ya que slo podr observarse cuando se tomen muestras suyas. En la notacin que vamos a utilizar representaremos las variables aleatorias como funciones siempre en maysculas, y a sus valores concretos siempre en minscula. Es decir, si queremos referirnos a una v.a. antes de observar su valor, podemos notarla como X, por ejemplo; pero una vez que se observa el valor de dicha variable (ya no es, por tanto, algo aleatorio), debemos notar a ese valor en minscula, por ejemplo, como x. Por ejemplo, podemos decir que la variable aleatoria X que corresponde a la puntuacin obtenida al lanzar el dado puede tomar los valores x = 1, 2, 3, 4, 5, 6. Podremos preguntarnos por la probabilidad de que X tome el valor x = 4 o de que X 6. Si lanzamos el dado y observamos que ha salido un 6, diremos que x = 6. No olvidemos que el objeto de la Estadstica con respecto a la observacin de fenmenos aleatorios es medir la certidumbre o la incertidumbre asociada a sus posibles resultados. Al describir estos resultados mediante variables aleatorias, lo que tenemos son resultados numricos sujetos a incertidumbre. El objetivo ahora es cuanticar la probabilidad de esos resultados numricos de alguna forma.
discreta
para cada x R.
62
Nota. Obsrvese que una funcin masa de una v.a. discreta est denida en todos los puntos de la recta
real, pero slo valdr distinto de cero en un conjunto, a lo sumo, numerable, que corresponde con los nicos valores que pueden darse de la variable. Sea X una v.a. discreta y f (x) su funcin masa. Entonces: 1. f (x) 0 para todo x R. 2.
xR
f (x) = 1.
P [X B ] =
xi B
f ( xi ) ,
Si tenemos una coleccin de posibles resultados de la variable X , x1 , ..., xN , esta funcin asigna al valor x la frecuencia con la que dicho valor se da en la muestra, es decir,
femp (x) =
Si el tamao, N , de la muestra es grande, esta funcin tiende a la autntica, es decir, para cada x R.
Ejemplo. En la Figura 4.1 aparece la funcin masa emprica correspondiente al lanzamiento de un dado
600 veces. Esta funcin emprica aparece representada en barras verticales, mientras que la funcin masa
terica,
se cmo proporcionan probabilidades tericas y empricas bastante parecidas. No obstante, deberamos concluir a la luz de estos 600 datos que el dado no est cargado?
EX =
x
x f (x).
63
Figura 4.1: Funcin masa emprica de una muestra de 600 lanzamientos de un dado. Como en el caso de la media muestral de unos datos, la media de una v.a. se interpreta como el centro de gravedad de los valores que puede tomar la variable, con la diferencia que en una media muestral, el cada valor lo da la frecuencia de dicho valor en los datos y aqu el por la funcin masa. Dada una v.a. discreta, X , con funcin masa de probabilidad f (x), se dene su varianza como
peso peso
de
V arX =
x
(x EX )2 f (x).
La forma ms cmoda de calcular en la prctica la varianza es desarrollando previamente el cuadrado que aparece en su denicin, ya que
V arX =
x
(x EX )2 f (x) =
x
=
x
x2 f (x) 2EX
f (x)
=E [X 2 ] 2EX 2 + EX 2 = E [X 2 ] EX 2 .
Al igual que ocurre con la varianza muestral es conveniente denir la desviacin tpica de una v.a., como = V arX , que tiene las mismas unidades que la media y que se puede interpretar como una media del grado de variacin del conjunto de valores que puede tomar la v.a. respecto del valor de la media.
64
probabilidad asociada a los resultados de la variable la vamos a llamar a partir de ahora distribucin de probabilidad de una v.a. Dmonos cuenta que, como acabamos de comentar, para determinar la distribucin de probabilidad de una v.a. slo tenemos que dar su funcin funcin masa de probabilidad. Sin embargo, debemos tener en cuenta que en la vida real nadie conoce cul es la autntica distribucin de probabilidad de una v.a., porque nadie sabe a priori cul es la funcin masa de dicha variable. Todo lo ms, podemos calcular la funcin masa emprica a partir de los datos de una muestra. An as, llegar el momento de
pasar al lmite,
que proponemos y que se parezca a la distribucin emprica de los datos de la muestra. Para ayudar a ese
babilidad. Se trata de frmulas tericas de funciones masa que pueden resultar adecuadas para determinadas
variables aleatorias. Hay una metfora que puede ayudar a entender cmo se asigna una distribucin de probabilidad y sobre la que abundaremos en lo sucesivo: qu ocurre cuando queremos comprar unos pantalones? En general acudimos a una tienda de moda y: 1. De entre una serie de modelos, elegimos el modelo que creemos que mejor nos va. 2. Buscamos la talla que hace que mejor se ajuste a nosotros, segn nuestras caractersticas. Pues bien, en el caso de las v.a.
nuestras caractersticas
en Estadstica se estudian
son las posibles observaciones que tenemos sobre la v.a. que, por ejemplo,
de la tienda, entre los que elegimos el que ms nos gusta, son los modelos tericos que
que hace que los pantalones se ajusten a nosotros adecuadamente son los parmetros de los
modelos tericos. En lo que resta de este captulo vamos a describir algunos de los modelos tericos de probabilidad ms habituales en el mbito de las Ingenieras, comenzando por el caso de v.a. discretas.
f (x) = =
px (1 p)
n! nx px (1 p) , x = 0, 1, 2, ..., n. x! (n x)!
65
0.4 B(10,0.25) 0.3 0.2 0.1 0 0.4 B(10,0.5) 0.3 0.2 0.1 0 0.4 B(10,0.75) 0.3 0.2 0.1 0 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Figura 4.2: Funciones masa de distribuciones binomiales. Sea X B (n, p). Entonces
EX = np V arX = np (1 p) .
se repite n veces de forma independiente y que en ese experimento hay un suceso que denominamos
que ocurre con probabilidad constante p. En ese caso, la variable aleatoria X que mide el nmero de xitos En esta caracterizacin es importante observar que las dos hiptesis fundamentales de esta distribucin son: los experimentos se repiten de forma la probabilidad de xito es
independiente y
constante.
En la medida en que estas dos hiptesis no sean vlidas, la distribucin binomial no ser adecuada para la variable que cuenta el nmero de xitos. Un ejemplo particular de distribucin binomial lo constituye la denominada Se trata de una distribucin B (1, p), con funcin masa
distribucin de Bernouilli.
f (x) =
1 p si x = 0 p si x = 1
66
x P [X = x]
4 0
1
0 4 4 1
2
1 3 4 2
3
2 2 4 3
4
3 1 4 4
Ejemplo.
Consideremos como v.a. el nmero de das a la semana que un joven de hoy consuProbablemente no, porque
me alcohol. Podramos pensar que se trata de una v.a. con distribucin B (7, p), donde p =
nu mero medio de d as de consumo ? 7
1. Puede darse el efecto resaca, es decir, si se consume mucho un da, huir del alcohol al da siguiente; o el efecto inverso un clavo quita otro clavo ; o ...; en denitiva, circunstancias que rompan la hiptesis de independencia en el consumo en das distintos. 2. Est claro que la probabilidad de consumir un martes no es, en general, la misma que un sbado. Tampoco todos los jvenes tienen la misma probabilidad de consumir alcohol un da cualquiera.
Ejemplo.
nicaciones bastante imperfecto. Por estudios previos, estima que la probabilidad de que un dgito se transmita incorrectamente es del 20 %. El ingeniero enva un mensaje de 4 dgitos y se pregunta cuntos se recibirn incorrectamente. Desde el punto de vista estadstico nosotros no podemos responder a esa pregunta. En realidad, nadie puede responder a esa pregunta con certeza, porque existe incertidumbre latente en ella: el azar determinar cuntos dgitos se cruzan. Lo que s podemos hacer es facilitarle el grado de certeza, es decir, la probabilidad, de cada uno de los posibles resultados. Concretamente, si analizamos la variable X :
nmero de dgitos que se reciben incorrectamente,
teniendo
en cuenta que el ensayo de cada envo de cada dgito se har de forma independiente y que nos ha dicho que la probabilidad de que un dgito se reciba incorrectamente es 0.2, podemos armar que un modelo de probabilidad adecuado para dicha variable es una distribucin B (4, 0.2). Esta distribucin nos permite calcular la probabilidad de que se crucen 0, 1, 2, 3 o 4 de los dgitos. Lo esquematizamos en la tabla adjunta. Vistos los resultados, debemos decirle al ingeniero que es hartamente improbable que le fallen los 4 dgitos, pero que tiene una probabilidad (ver Cuadro 4.1) de
67
distribucin
EX = V arX = .
tiempo donde los xitos acontecen a razn de veces por unidad de tiempo (en promedio) y de forma
el promedio
Ejemplo. La distribucin de Poisson suele utilizarse como modelo para el nmero de accidentes ocurridos
en los individuos de una poblacin a lo largo de un periodo de tiempo. Lo que mucha gente no termina de asumir es que hacer esa suposicin equivale a decir que todos esos individuos tienen el mismo riesgo de tener un accidente y que el hecho de que un individuo tenga un accidente no modica para nada la probabilidad de sufrir un nuevo accidente. Es evidente que en muchas situaciones de la vida real eso no es cierto, as que el modelo no ser adecuado en ellas.
Ejemplo. Otra aplicacin muy comn de la distribucin de Poisson es al nmero de partculas por unidad
de volumen en un uido cuando una disolucin est realmente bien disuelta. En caso de que los datos indiquen que la distribucin de Poisson no es adecuada, podramos de hecho inferir que la disolucin no est bien disuelta.
Ejemplo.
Poisson es en el mbito del nmero de solicitudes de servicio a un servidor. Por ejemplo, se suele considerar que el n de llamadas a una centralita o el n de conexiones a un servidor sigue una distribucin de Poisson.
68
Sin embargo, hay que decir que aunque este uso de la distribucin de Poisson es muy comn, es evidente que la hiptesis de que el promedio debe ser constante, no se da en estas aplicaciones, ya que uno de los fenmenos ms conocidos en telecomunicaciones es el de la
hora cargada :
no es el mismo promedio de
algo
llamadas el que se produce a las 12 del medioda que a las 3 de la maana. Lo que se suele hacer es aplicar uno de los principios ms importantes aunque menos escritos de la ingeniera, la ley de Murphy (si
puede ir mal, preprate para ello, porque en algun momento ir mal ):
suelen dimensionarse para ser capaces de funcionar en el peor de los escenarios posibles, es decir, cuando el promedio de solicitudes es el que se da en la hora cargada.
Adicionalmente, supongamos que el experimento se repite un gran nmero de veces, es decir, n es grande y que el xito es un suceso raro, es decir, p es pequeo, siendo el promedio de ocurrencias, = np. En ese caso, la variable aleatoria X que mide el nmero de xitos sigue (aproximadamente) una P (). En esta segunda caracterizacin se suele considerar aceptable la aproximacin si n > 20 y p < 0.05. Si
n > 100, la aproximacin es generalmente excelente siempre y cuando np < 10. Hay que tener en cuenta que
para esos valores de los parmetros, la distribucin binomial tendra bastantes problemas para ser computada, ya que se exigira, entre otros clculos, el clculo de n! para un valor de n alto, por lo que la aproximacin es muy til.
Ejemplo.
es de
1 1200 ,
Supongamos que un fabricante de maquinaria pesada tiene instalados en el campo 3840 determinemos la probabilidad de que
generadores de gran tamao. Si la probabilidad de que cualquiera de ellos falle durante el ao en curso
a. b.
El promedio de motores que fallan en el ao es = np = (3840)(1/1200) = 3.2. Sea X la variable que dene el nmero de motores que pueden fallar en el ao, con valores x =
0, 1, 2, 3, ...., 3840.
En principio, X B (3840, 1/1200) , pero dado que n es muy grande y p muy pequeo, podemos considerar que X P (3.2). Por tanto,
P [X = 4] =
Por su parte,
P [X > 1] = 1 P [X = 0, 1] = 1
69
0.4 P(1) 0.3 0.2 0.1 0 5 0.2 P(5) 0.15 0.1 0.05 0 5 0.2 P(10) 0.15 0.1 0.05 0 5 0 5 10 15 20 25 0 5 10 15 20 25 0 5 10 15 20 25
geomtrica de parmetro p (y se nota X Geo (p)), con 0 < p < 1, si su funcin masa es
f (x) = p (1 p) , para x = 0, 1, 2, ...
Sea X Geo (p). Entonces,
x
distribucin
1p p 1p V arX = . p2 EX =
que ocurre con probabilidad constante p. En ese caso, la variable aleatoria X que cuenta el nmero de
fracasos hasta que ocurre el primer xito sigue una Geo (p).
70
0.4 Geo(0.25) 0.3 0.2 0.1 0 5 0.8 Geo(0.5) 0.6 0.4 0.2 0 5 0.8 Geo(0.75) 0.6 0.4 0.2 0 5 0 5 10 15 20 25 0 5 10 15 20 25 0 5 10 15 20 25
Ejemplo. Siguiendo con un ejemplo anterior, sobre el ingeniero que enva dgitos a travs de un canal
imperfecto, ahora se plantea cuntos dgitos se recibirn correctamente hasta que uno se cruce, sabiendo que la probabilidad de que uno cualquiera lo haga es de 0.2. La variable de inters ahora es Y : n
de dgitos que se reciben bien hasta el primero que se cruza.
Esta
variable tiene como modelo de probabilidad una distribucin Geo(0.2). Gracias a este modelo, podemos decirle, por ejemplo, que la probabilidad de que enve bien dos y que falle el tercero es de
distribucin
f (x) =
donde (x) =
71
1p p 1p V arX = a 2 p EX = a
que ocurre
con probabilidad constante p. En ese caso, la variable aleatoria X que cuenta el nmero de fracasos hasta xito sigue una BN (k, p). En este caso, adems, y dado que (r) = (r 1)! si r es un
f ( x) = =
para x = 0, 1, 2, ...
Caracterizacin de la distribucin binomial negativa. Sean X1 , ..., Xn v.a. independientesa con distribucin Geo (p). En ese caso, X = es un entero.
a Podemos quedarnos por ahora con la idea de que v.a. independientes son aquellas tales que el resultado de cualquiera de ellas no afecta al resto.
n i=1
Ejemplo.
to, cuntos dgitos se transmitirn correctamente hasta que dos lo hagan incorrectamente? De nuevo tenemos que asumir que no hay una respuesta para esto, pero s podemos considerar un modelo de probabilidad para ello que nos ayude a tomar decisiones. Sea Z :
n de dgitos que se reciben bien hasta que dos se cruzan.
BN (2, 0.2). Gracias a este modelo, podemos decirle al ingeniero, por ejemplo, que la probabilidad de
que se le crucen 2 dgitos con 10 o menos envos es
8
P [Z 8] =
z =0
P [Z = z ] =
72
0.1 BN(2.5,0.25)
0.05 0.02 0 10 0.4 BN(2.5,0.5) 0.3 0.2 0.1 0 10 0.8 BN(2.5,0.75) 0.6 0.4 0.2 0 10 0 10 20 30 40 0.3 0.2 0.1 0 10 0 10 20 30 40 0 10 20 30 40 0.15 0.1 0.05 0 10 0.4 BN(5,0.75) 0 10 20 30 40 0 10 0.2 BN(5,0.5)
10
20
30
40
10
20
30
40
continua
intervalos, formando, por tanto, un conjunto con un nmero innito no numerable de elementos.
4.4.2. Histograma
Hay una diferencia fundamental entre las variables discretas y las continuas: en las discretas podemos, al menos, numerar los posibles valores y contar el nmero de veces que sale cada valor posible en una muestra. Sin embargo, por el carcter que tienen los intervalos de nmeros reales, por muy grande que fuera la muestra
Prof. Dr. Antonio Jos Sez Castillo
73
0.8
Densidad
0.6
Densidad 0 1 2 3 4 5 6
0.4
0.0
0.2
0.0 0
0.2
0.4
0.6
0.8
Figura 4.6: Histogramas. que tomramos de una variable continua, jams tendramos ms de un valor de algunos puntos que puede tomar la variable1 . Por esa razn, en una variable continua no podemos denir una funcin masa emprica, precisamente porque los valores de una variable continua no tienen masa de probabilidad. Sin embargo, como sabemos, existe una representacin anloga a la funcin masa emprica que permite aproximar las probabilidades de los valores de una variable continua: el histograma. Vamos a considerar un sencillo ejemplo para ilustrar esta cuestin: mediante R simulamos dos muestras de una variable, una con N = 100 valores y otra con N = 1000. Histogramas asociados a estas muestras, con 10 y 31 intervalos, respectivamente, aparecen en la Figura 4.6. Teniendo en cuenta que el rea de las barras representa la frecuencia relativa con que se dan los valores de los sucesivos intervalos en la muestra, en estos histogramas podemos ver que la variable toma mayoritariamente valores cercanos a cero; tanto ms lejano al cero es un valor, menos probable parece ser. Este descenso de la probabilidad es adems, muy acusado, casi exponencial. Por otra parte, obsrvese que al pasar de 100 datos en la muestra a 1000 datos, el histograma esboza la forma de una funcin real de variable real. En general, cuanto mayor es N ms se aproximan los histogramas a la forma de una funcin continua. Vamos a ir viendo cul es la utilidad de esa funcin desde el punto de vista del Clculo de Probabilidades. Si en el histograma de la izquierda de la Figura 4.6 quisiramos calcular la probabilidad en la muestra de alguno de los intervalos que denen el grco, la respuesta sera el rea de la barra sobre dicho intervalo. Si quisiramos la probabilidad en la muestra de varios intervalos, sumaramos las reas de las barras. El problema es que para que las probabilidades en la muestra se parezcan a las verdaderas probabilidades es necesario que el tamao de la muestra sea grande, cuanto mayor, mejor. En ese caso, tendramos un
1 Esto
74
histograma ms parecido al de la derecha de la Figura 4.6. En l, de nuevo, si queremos, por ejemplo, calcular
P [a < X < b] ,
deberamos sumar las reas de las barras que forman el intervalo (a, b), si es que hay intervalos que forman, exactamente, el intervalo (a, b) . Pero si el tamao de la muestra es lo sucientemente amplio para poder
pasar al lmite
y encontrar una
funcin real de variable real f (x) que represente la lnea que dene el histograma, calcular una probabilidad del tipo P [a < X < b] sumando las reas de las barras de los intervalos innitesimales que forman el intervalo
(a, b) equivale a integrar dicha funcin en el intervalo (a, b), es decir, P [a < X < b ] =
a b
f (x) dx.
f (x) dx
Nota.
Dado que a efectos del clculo de integrales un punto no afecta al resultado de la integral, si
Este hecho pone de maniesto que los valores concretos de una variable aleatoria continua no tienen masa de probabilidad, ya que
P [X = x0 ] =
x0
f (x) dx = 0,
x0
pero s tienen densidad de probabilidad, f (x0 ). Esta densidad de probabilidad representa la probabilidad de los intervalos innitesimales de valores alrededor de x0 . As, aunque P [X = x0 ] = 0, si f (x0 ) toma un valor alto, querr decir que los valores alrededor de x0 son muy probables.
75
f ( x) = 1 .
P [X B ] =
B
f (x) dx.
como
f (t) dt.
Si X es una v.a. continua con funcin de densidad f (x) y funcin de distribucin F (x), entonces 1. l mx F (x) = 0. 2. l mx F (x) = 1. 3. F es creciente. 4. F es continua. 5. f (x) = F (x) .
Ejemplo.
Considrese una variable aleatoria continua, X, con funcin de densidad f (x) = cea|x| .
1=
f (x) dx =
f (x) dx +
0 0
f (x) dx 2c , a
c exp (ax) dx +
c exp (ax) dx =
F (x) =
f (t) dt =
1 ax si x < 0 2e 1 1eax si x 2 + 2
Por ltimo, P [X 0] =
f (x) dx = 1 2.
76
Ejemplo. Consideremos una v.a. continua con funcin de distribucin dada por
F (x) =
En ese caso, la funcin de densidad es
0 si x < 0 x si 0 x < 1 . 1 si x 1
f (x) = F (x) =
1 si 0 x 1 0 en otro caso
Grcamente, ambas funciones aparecen en la Figura 4.8. En esta variable, todos los puntos tienen la misma densidad de probabilidad, indicando que todos los intervalos de la misma longitud, dentro de
Concretamente, si tenemos una variable aleatoria X y una muestra suya de tamao N, (x1 , ..., xN ) , la funcin
SN (x) =
nu mero de valores x . N
Esta funcin se utiliza para aproximarse a la funcin de distribucin, ya que para un gran nmero de valores,
Prof. Dr. Antonio Jos Sez Castillo
77
Figura 4.8: Funcin de densidad (izquierda) y de distribucin (derecha). la curva emprica se parecer bastante a la funcin de distribucin. Dicho de otra forma,
l m SN (x) = F (x) ,
para cada x.
Ejemplo. En el ejemplo anterior se hablaba de una variable aleatoria continua cuya funcin de distribucin es
F (x) =
En la Figura 4.9 hemos representado dos funciones de distribucin empricas asociadas a sendas muestras de tamao N = 10 (izquierda) y N = 100 (derecha). Obsrvese que cuando aumenta el tamao de la muestra (N ), la funcin de distribucin emprica se parece cada vez ms a la funcin de distribucin.
EX =
x f (x)dx.
La interpretacin de la media de una v.a. continua es, de nuevo, la de un valor central alrededor del que se dan el conjunto de realizaciones de la v.a. Otra interpretacin es la de
78
si x1 x x2
0 en otro caso
EX =
x2
x
x1
1 dx x2 x1
x2
x2 1 x2 x1 2
=
x1
1 x2 x2 1 2 2 x2 x1
1 ( x2 x1 ) ( x2 + x1 ) 1 = (x1 + x2 ) , = 2 x2 x1 2
es decir, el punto medio del intervalo [x1 , x2 ].
79
Calculemos su media:
EX =
0
x ex dx u=x +
0
dv = ex dx = 1 = 0 + ex
0
x ex 1 = .
ex dx
Vamos a introducir ahora el concepto de varianza de una v.a. continua, que de nuevo se interpreta como una medida de la concentracin de los valores de la v.a. en torno a su media.
varianza como V ar [X ] = E
(X EX )
Es decir, es la media de las desviaciones al cuadrado de los valores de la variable respecto de su media.
V ar [X ] se conoce como
desviacin tpica.
Como en el caso de las v.a. discretas, existe un mtodo ms cmodo para el clculo de cualquier varianza. En concreto,
V ar [X ] = E (X EX )
= E X 2 2X EX + (EX )
2
2 2
= E X 2 2 EX EX + (EX ) = E X 2 (EX ) .
Como se comentaba anteriormente, la interpretacin de la varianza es la de un promedio que mide la distancia de los valores de la variable a la media de sta. Si la varianza es pequea, indica una alta concentracin de los valores de la variable en torno a la media; y viceversa, si la varianza es grande, indica alta dispersin de los valores de la variable respecto de la media.
si x1 x x2
0 en otro caso
E X
2
x2
=
x1
x2
3 1 1 x3 2 x1 dx = x2 x1 3 x2 x1
x2 + x1 x2 + x2 1 = 2 . 3
80
EX =
por tanto,
x1 + x2 , 2
V ar [X ] = E X 2 EX 2 =
2 ( x1 + x2 ) (x2 x1 ) x2 2 + x1 x2 + x1 = . 3 4 12 2 2
Nota. Si tenemos una coleccin de variables aleatorias independientes, es decir, que son observadas sin
que ninguna de ellas pueda inuir sobre las otras, es muy til plantearse en ocasiones por la media y la varianza de la suma de todas ellas. Vamos a considerar las variables X1 , ..., Xn , que pueden ser discretas o continuas. Pues bien, se tiene que la media de la suma es la suma de las medias y que la varianza de la suma es la suma de las varianzas;
81
es decir,
E [X1 + ... + Xn ] = EX1 + ... + EXn V ar [X1 + ... + Xn ] = V arX1 + ... + V arXn
f (x) =
1 x 2 x 1
si x1 < x < x2
0 en otro caso
x1 + x2 2 2 (x2 x1 ) V arX = . 12 EX =
82
Sea X una v.a. continua que puede tomar valores x 0. Se dice que X sigue una distribucin
exponencial
F (x) = P [X x] =
Sea X exp (). Entonces,
1 ex si x 0 . 0 en otro caso
1 1 V arX = 2 . EX =
Caracterizacin de la distribucin exponencial. Sea X P () una v.a. discreta que cuenta el nmero
de xitos en un determinado periodo de tiempo. En ese caso, el tiempo que pasa entre dos xitos consecutivos,
Ejemplo. Un elemento radiactivo emite partculas segn una variable de Poisson con un promedio de
15 partculas por minuto. En ese caso, el tiempo, T , que transcurre entre la emisin de una partcula y la siguiente sigue una distribucin exponencial de parmetro = 15 partculas por minuto. Este modelo nos permite, por ejemplo, calcular la probabilidad de que entre partcula y partcula pasen ms de 10 segundos, dado por
P [T > 10/60] =
15e15t dt = e15/6 .
1/6
Ejemplo.
contexto de las redes de comunicaciones como modelo para el nmero de solicitudes a un servidor por unidad de tiempo. Segn esta caracterizacin que acabamos de ver, eso equivale a decir que el tiempo que pasa entre dos solicitudes a un servidor sigue una distribucin exponencial. Por ejemplo, supongamos que el nmero de conexiones a un servidor FTP sigue una distribucin de Poisson de media 2.5 conexiones a la hora. En ese caso, podramos preguntarnos cul es la probabilidad de que pasen ms de dos horas sin que se produzca ninguna conexin. Teniendo en cuenta que el tiempo entre conexiones seguira una distribucin exponencial de parmetro 2.5, esa probabilidad sera
P [T > 2] =
2
2.5e2.5x dx = e5
83
o bien
propiedad de no
Si X es una v.a. con distribucin exp() y t y s son dos nmeros positivos. Entonces:
Ejemplo. El tiempo de vida, T , de un circuito, sigue una distribucin exponencial de media dos aos.
Calculemos la probabilidad de que un circuito dure ms de tres aos:
P [T > 3] = e 2 3
Supongamos que un circuito lleva 5 aos funcionando, y que nos planteamos la probabilidad de que an funcione 3 aos ms. Segn la propiedad de no memoria, esa probabilidad es la misma que si el circuito acabara de comenzar a funcionar, es decir,
distribucin Gamma de
f (x) =
donde (x) =
a1
84
1 exp(1)
0.5
0 0.2
10
12
14
16
18 exp(5)
20
0.05
10
12
14
16
18
20
En el contexto de las telecomunicaciones, hay un caso especialmente interesante. Si a = n, nmero natural, la distribucin se denomina del tiempo que pasa entre n llamadas telefnicas, por ejemplo. Otro caso particular lo constituye la
Erlang. Lo que la hace interesante es que esta distribucin se utiliza como modelo distribucin 2 con r grados de libertad, que no es ms que una
Gamma
r 1 2, 2
. Esta distribucin se utiliza, por ejemplo, para evaluar la bondad del ajuste de una distribucin
terica a unos datos, como veremos ms adelante. Sea X Gamma (a, ). Entonces
a a V arX = 2 . EX =
Caracterizacin de la distribucin Gamma. Sea X P () una v.a. discreta que cuenta el nmero de
xitos en un determinado periodo de tiempo. En ese caso, el tiempo que pasa entre el k simo xito y el
k + r, T , es una v.a. que sigue una Gamma (r, ). Dado que r es un entero, en realidad es una Erlang (r, ).
Caracterizacin de la distribucin Gamma. Sean X1 , ..., Xn v.a. independientes con distribucin exp ().
En ese caso, X =
n i=1
Xi sigue una Gamma (n, ). De nuevo obsrvese que el primer parmetro es un entero,
85
Gamma(2.5,1) 0.20
Gamma(5,1)
0.00
0.10
10
15
20
25
30
10
15
20
25
30
Gamma(2.5,0.2) 0.04
0.02
0.06
Gamma(5,0.2)
0.00
10
15
20
25
30
10
15
20
25
30
0.030
Gamma(2.5,0.1)
0.010
0.020
Gamma(5,0.1)
0.000
10
15
20
25
30
10
15
20
25
30
para todo x R.
Obsrvese que es la nica distribucin que hemos visto hasta ahora que toma todos los valores entre y
+ .
Sea X N (, ). Entonces
EX = V arX = 2 .
El propio nombre de la distribucin normal indica su frecuente uso en cualquier mbito cientco y tecnolgico. Este uso tan extendido se justica por la frecuencia o normalidad con la que ciertos fenmenos tienden a parecerse en su comportamiento a esta distribucin, ya que muchas variables aleatorias continuas presentan una funcin de densidad cuya grca tiene forma de campana. Esto, a su vez, es debido a que hay muchas variables asociadas a fenmenos naturales cuyas caractersticas son compatibles con el modelo aleatorio que supone el modelo de la normal: Caracteres morfolgicos de individuos (personas, animales, plantas, ...) de una especie (tallas, pesos, envergaduras, dimetros, permetros, ...).
86
0.4 N(0,1) 0.3 0.2 0.1 0 10 0.4 N(1,1) 0.3 0.2 0.1 0 10 0.4 N(1,1) 0.3 0.2 0.1 0 10 5 0 5 10 5 0 5 10 5 0 5 10
0.1 N(0,4)
0.05
0 10 0.1
10 N(1,4)
0.05
0 10 0.1
10 N(1,4)
0.05
0 10
10
Figura 4.12: Funciones de densidad de la distribucin normal Caracteres siolgicos (efecto de una misma dosis de un frmaco, o de una misma cantidad de abono). Caracteres sociolgicos (consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen...). Caracteres psicolgicos (cociente intelectual, grado de adaptacin a un medio, ...). Errores cometidos al medir ciertas magnitudes. Valores estadsticos muestrales, como por ejemplo la media. Otras distribuciones como la binomial o la de Poisson son aproximadas por la normal, ... En general, como veremos enseguida, cualquier caracterstica que se obtenga como suma de muchos factores independientes encuentra en la distribucin normal un modelo adecuado. Existe otra razn ms pragmtica para el uso tan extendido de la distribucin normal: sus propiedades matemticas son, como iremos viendo, casi inmejorables. Eso conduce a que casi siempre se trate de forzar al modelo normal como modelo para cualquier variable aleatoria, lo cual, en ocasiones puede conducir a errores importantes en las aplicaciones prcticas. Lo cierto es que tambin son frecuentes las aplicaciones en las que los datos no siguen una distribucin normal. En ese caso puede ser relevante estudiar qu factores son los que provocan la prdida de la normalidad y, en cualquier caso, pueden aplicarse tcnicas estadsticas que no requieran de esa hiptesis.
Prof. Dr. Antonio Jos Sez Castillo
87
Sea X N (, ). Entonces,
Z=
propiedad que suele conocerse como
X N (0, 1) ,
tipicacin de la normal.
Esta conocida propiedad tiene una aplicacin prctica muy usual. Dadas las caractersticas de la densidad gaussiana, no es posible calcular probabilidades asociadas a la normal de forma exacta, ya que las integrales del tipo
1 2 2
exp
(x ) 2 2
dx
no pueden ser expresadas en trminos de las funciones usuales, y slo pueden calcularse por mtodos numricos. No obstante, existen tablas donde aparecen multitud de valores de la funcin de distribucin de la distribucin N (0, 1) y a partir de ellos se pueden calcular otras tantas probabilidades, utilizando la propiedad de tipicacin. Por ejemplo, si queremos calcular la probabilidad de que una variable X N (, ) est en el intervalo [a, b], tenemos
P [a X b] = P
a X b = FZ
FZ
donde FZ () es la funcin de distribucin de una variable Z N (0, 1), que puede evaluarse mediante el uso de tablas. Vamos a verlo en un ejemplo.
Ejemplo. En el artculo ndices de relacin peso-talla como indicadores de masa muscular en el adulto del sexo masculino de la revista Revista Cubana Aliment. Nutr. (1998;12(2):91-5) aparece un
colectivo de varones con un peso cuya media y desviacin estndar son, respectivamente, 65.6 y 11.7. 1. Cmo podemos, mediante las tablas de la N (0, 1), calcular, por ejemplo, la probabilidad de que uno de esos varones pese ms de 76.25 kilos?
P [X > 76.25] = P
P [X < 60] = P
P [60 < X < 76.25] = P [X < 76.25] P [X < 60] = 0.819 (1 0.684)
88
Figura 4.13: Bsqueda de probabilidades en la tabla de la N (0, 1). Valor de la probabilidad a la izquierda de 0.91
4. Cunto pesar aquel varn tal que un 5 % de varones de ese colectivo pesan ms que l? Es decir, cul ser el valor de x tal que P [X > x] = 0.05 o, equivalentemente, P [X < x] = 0.95. Dado que
P [ X < x] = P
tan slo tenemos que buscar el valor z = en cuyo caso, x = 65.6 + 11.7 1.645.
89
Figura 4.14: Bsqueda de valores z en la tabla de la N (0, 1). Valor de Z que deja a la derecha una probabilidad de 0.95
de probabilidad, distribucin de media X y desviacin tpica X . En ese caso, la suma de estas variables sigue aproximadamente una distribucin normal cuando N es elevado, es decir,
N
Xi N N X , N X .
i=1
Xi N X N (0, 1) . N X
Este teorema es el que proporciona una justicacin matemtica del porqu la distribucin gaussiana es un modelo adecuado para un gran nmero de fenmenos reales en donde la v.a. observada en un momento dado es el resultado de sumar un gran nmero de sucesos aleatorios elementales.
Xi N 0.5N,
Xi , dibujando su histograma
90
0.5
1.5
100 50 0 0 1 2 3 4 5
100 50 0 0 2 4 6 8 10
en cada caso. Estos histogramas aparecen en la Figura 4.15. En ella se pone de maniesto como segn
Ejemplo. Supongamos que estamos realizando un examen de 150 preguntas, cada una de ellas con una
puntuacin de 1 punto y que en funcin de cmo hemos estudiado, consideramos que la probabilidad de contestar acertadamente una pregunta cualquiera es de 0.7. Dmonos cuenta que el resultado de una pregunta cualquiera sigue una distribucin B (1, 0.7), cuya media es 1 0.7 = 0.7 y cuya varianza es
, de las variables X1 , ..., XN , podemos Enunciando el Teorema Central del Lmite en trminos de la media, X
decir que si N es grande,
N (, / N ) X
91
Ejemplo. Un ingeniero disea un aparato de medida que realiza una aproximacin ms imprecisa que
el aparato tradicional pero mucho ms barata. Para reducir el margen de error de la medida realizada, el ingeniero propondr que se realicen un nmero determinado de medidas sobre el mismo objeto y que se considere la media de estas medidas como valor nal de la medida del objeto. Inicialmente, el ingeniero hace una valoracin que le lleva a concluir que el aparato est bien calibrado, es decir, que la media de la medida del aparato coincide con la medida real, y que la desviacin tpica de las medidas del aparato es igual a 0.75. Cuntas medidas debe proponer el ingeniero para que el error de medida sea inferior a 0.1 con un 95 % de probabilidad? Empecemos considerando que cada medida, Xi , tiene como media el verdadero valor de la medida del n = i=1 Xi , donde realmente nos objeto, x0 , y desviacin tpica 0.75. Por su parte, la medida nal ser X
n
interesa conocer el valor de n. Para ello, tengamos en cuenta que se nos pide que
x0 < 0.1 = P x0 0.1 < X < x0 + 0.1 = P 0.1 n < Z < 0.1 n X 0.75 0.75 0.1 n . =12 1P Z < 0.75 x0 < 0.1 0.95, entonces P Z < X
0.1 n 0.75
Si queremos que P
0.975, de donde
0.1 n 0.75
1.96 y
entonces, n 216.09. Como conclusin, ms le vale al ingeniero disminuir la desviacin tpica del aparato de medida.
sntesis de ellas.
cuantil
de una v.a. X . Sea sta discreta o continua, denominemos f (x) a su funcin masa o de densidad. Se dene el cuantil p, Qp de su distribucin como el primer valor, x, de la variable tal que P [X x] p: Si la variable es discreta, Qp ser, por tanto, el primer valor tal que
f (x) p.
xi x
92
Ntese que, al ser la variable discreta, puede que no logremos obtener una igualdad del tipo
xi x
f (x) =
p.
Si la variable es continua, Qp s puede obtenerse como el valor x tal que
f (t) dt = p,
o lo que es lo mismo, como el valor x tal que F (x) = p, siendo F la funcin de distribucin de la variable. Es muy frecuente que la probabilidad p a la que se asocia un cuantil se exprese en porcentaje. En ese caso, los cuantiles tambin se pueden llamar percentiles. Por ejemplo, el cuantil 0.5 es el percentil 50, la mediana. Desde luego, lo ms importante es que interpretemos qu signica el cuantil p de una v.a. Como en Estadstica Descriptiva, se reere al valor de la variable que deja por debajo de s una proporcin p de valores de la variable. Entonces, si un valor concreto corresponde con un cuantil ejemplos.
alto,
alto
dentro de la distribucin de probabilidad de la variable, y viceversa. Vamos a tratar de aclararlo con algunos
duracin media
es de 8 aos (lo cul, por cierto, tambin podra ser objeto de controversia).
En segundo lugar, dado que tenemos que proponer un modelo de distribucin de probabilidad para la duracin de la lmpara, vamos a considerar el ms sencillo que suele emplearse en este tipo de aplicaciones: la distribucin exponencial. Esta hiptesis tambin podra ser discutida, pero otros modelos ms complejos, como la distribucin Weibull, complicaran bastante nuestros clculos que, por otra parte, tienen slo nes ilustrativos. Por tanto, vamos a suponer que la duracin de la bombilla es una variable aleatoria, D, con distribucin exponencial de media 8 aos y, por tanto, con parmetro = 1/8. Ahora que ya tenemos un modelo probabilstico podemos plantearnos muchas cosas: Es muy probable que la lmpara alcance su vida media?
P [D > 8] =
8
1 x e 8 dx = e8/8 = 0.3678794. 8
Obsrvese que eso es algo que ocurrir con cualquier exponencial: la probabilidad de que se supere la media es slo del 36.79 %. Dicho de otra forma, la media es el percentil 63 aproximadamente, lo que implica que slo el 37 % aproximadamente de las lmparas superan su vida media... sorprendente?
Prof. Dr. Antonio Jos Sez Castillo
93
Y cul es el valor que superan el 50 % de las lmparas? Se trata de la mediana, M e = F 1 (0.5) , donde F () es la funcin de distribucin. Por tanto, la mediana es la solucin de la ecuacin
1 eM e = 0.5,
que resulta ser M e =
log 0.5
se rompen antes de 5.545 aos. Para terminar, animo a los lectores interesados a que busquen informacin sobre el cmputo de la vida media de este tipo de lmparas, basado en la realizacin de pruebas aceleradas sobre una muestra (bastante reducida, por cierto) de lmparas.
basta con que me diga cunto pesa y mide mi hijo o mi hija, sino que me diga cunto pesa y cunto mide en relacin con los nios o nias de su misma edad. En esa cuestin es dnde entran los percentiles. En este caso jugamos con la ventaja de que se han hecho multitud de estudios previos que determinan que tanto el peso como la altura son variables que siguen una distribucin normal. Ms an, se han determinado las medias y las desviaciones tpicas de nios y nias desde los 0 meses hasta la edad adulta. Vamos a ponernos en una situacin concreta, centrndonos en el peso. Tengo un hijo de tres meses que pesa 5.6 kilos. La pregunta es sabe por estudios
est gordo? es bajito?
En cualquier caso,
El pediatra
previos2
que el peso de nios de tres meses es una N (6, 1.2). Lo que se plantea es en qu
posicin se sita el peso de mi hijo, 5.6 kilos, dentro de esa distribucin. Si X es el peso, dado que
P [X 5.6] = 0.369,
el pediatra me dir que mi hijo est en el percentil 37, lo que quiere decir que es un peln bajo de peso, pero dentro de niveles razonables.
2 Fuente:
http://www.familia.cl/salud/curvas_de_crecimiento/curvas_de_crecimiento.htm
Prof. Dr. Antonio Jos Sez Castillo
94
95
96
Captulo 5
Variables aleatorias con distribucin conjunta
Resumen. En el estudio de las variables aleatorias hemos pasado por alto el hecho de que un conjunto de
dos o ms variables puede verse afectado por una serie de relaciones entre ellas. El anlisis desde el punto de vista estadstico de estas relaciones es el objetivo de este captulo. Como caso especial, describiremos de forma detallada el modelo que para estas relaciones proporciona la distribucin normal multivariante
Palabras clave: distribucin conjunta, distribucin marginal, distribucin condicionada, covarianza, coeciente de correlacin, normal multivariante.
5.1. Introduccin
El mundo real est repleto de relaciones a todos los niveles. Nosotros, por razones obvias, estaremos interesados principalmente en las relaciones que afectan a variables que describen fenmenos propios del ambiente cientco-tecnolgico. Estas relaciones pueden tener muy diversas tipologias. Por ejemplo, podramos pensar en relaciones causa-efecto, como la que, por ejemplo, explicara que una pgina Web tenga un tamao considerable
debido
a que lleva incrustado varios archivos de vdeo y audio, o la que se establece entre la edad
en aos de un vestigio y su contenido en carbono 141 . Pero no slo tendremos relaciones causa-efecto: por ejemplo, sabemos que el peso y la estatura de un ser humano son variables muy relacionadas, hasta el punto que no podemos decir que una persona este obesa slo con saber su peso, sino que debemos valorarlo
relacin a en
su estatura.
Por otra parte, cuando un fenmeno es determinstico y est bien estudiado, las relaciones entre variables son leyes ms o menos sencillas, pero, en cualquier caso, son inmutables. Por ejemplo,
densidad =
1 Relacin
masa . vol.
97
Pero, qu ocurre cuando el fenmeno es aleatorio? Las variables en ese caso son aleatorias y las relaciones que se puedan dar entre ellas no siempre tienen por qu obedecer a una ley objetiva e inamovible. Por ejemplo, todos somos conscientes de que, como decamos, existe una relacin entre el peso y la altura de una persona, pero no existe una
razn de conversin evidente ?
capaz de calcular el peso exacto de alguien a partir de su altura. Es y de qu forma es esa relacin? Ambas preguntas tratarn de ser
evidente que el tiempo de descarga de una pgina web estar relacionado con el tamao de los archivos que la conguran, pero cmo de contestadas a lo largo de este captulo. Sean X1 , ..., XN variables aleatorias. El vector ordenado
X1 . . . XN
es un
vector aleatorio de dimensin N . vectores aleatorios continuos o vectores aleatorios discretos cuando cada una de sus
vectores mixtos,
Hablaremos de
variables sean continuas o discretas, respectivamente. Podran darse estadstico no nos interesa por ahora.
pero su tratamiento
Ejemplo. Consideremos el valor de una seal analgica que depende del tiempo, x (t). En esta notacin,
entendemos que el valor de la seal podra ser distinto en cada instante de tiempo t. Es muy frecuente que la seal se observe realmente contaminada por un ruido aleatorio que tambin depender del tiempo,
N (t). En ese caso, si observamos la seal en los instantes t1 , ..., tN , el vector x (t1 ) + N (t1 ) . . . x (tn ) + N (tn )
es un vector aleatorio.
Ejemplo. Se estudia el tiempo que un usuario de Internet dedica a ver una pgina WEB (T ) en relacin
con variables como la cantidad de texto que contiene (T x), el nmero de imgenes (I ) y animaciones Flash (F ) de la pgina. Entonces, el vector
Tx I F
es un vector aleatorio.
98
Ejemplo. Se contabiliza la duracin de las llamadas telefnicas a una centralita. Para cada conjunto de
n-usuarios
de la centralita, cada uno de ellos ocupa un tiempo Ti en su llamada. En ese caso, el vector
T1 . . . Tn
es un vector aleatorio.
se reparte la probabilidad entre todos los posibles resultados del vector. Para describirla vamos a denir los conceptos de funcin de densidad o funcin masa anlogos a los asociados a una variable aleatoria. Sea (X1 , ..., XN ) un vector aleatorio discreto. Entonces, se dene su
Por su parte, si (X1 , ..., XN ) es un vector aleatorio continuo, entonces, su es una funcin tal que
P (X1 , ..., XN ) A RN =
ARN
99
Por ello,
1=
0
ce
x y
dy dx =
0
cex 1 ex dx =
c , 2
P [X + Y 1] = =
0 0
1y
2ex ey dxdy
1
2ey ey e(1y) dy 1 2e + e2 . e2
=
(ver Figura 5.1)
si 0 x 3, 0 y 5
0 en otro caso
Esta densidad constante en el rectngulo denido indica que la distribucin de probabilidad es uniforme en dicho rectngulo. Vamos a calcular la probabilidad de que Y sea mayor que X (ver Figura 5.2)
P [Y > X ] =
0
x 3
1 dy dx 15
5x = dx 15 0 x x2 3 7 = | = . 3 30 0 10
100
distribucin marginal.
Sea (X1 , ..., XN ) un vector aleatorio y (Xi1 , ..., Xik ) un subvector de variables suyo. En ese caso: Si el vector es continuo,
...
xj / (xi1 ,...,xik )
dxj .
Ejemplo. Sea el vector bidimensional (X, Y ) con funcin de densidad conjunta fX,Y
para x, y > 0. La funcin de densidad marginal de X ,
(x, y ) = x ex(y+1)
fX (x) =
fX,Y (x, y ) dy =
0
xex(y+1) dy = ex
fY (y ) =
fX,Y (x, y ) dx =
0
xex(y+1) dx =
1 (1 + y )
2
para y > 0.
101
Ejemplo. Consideremos dos variables discretas, Q y G, cuya funcin masa, fQ,G (q, g) , viene dada por
fQ,G (q, g ) q=0 q=1
Sus marginales respectivas son:
fQ (q ) =
g
fQ,G (q, g ) 0.06 + 0.18 + 0.24 + 0.12 si q = 0 0.04 + 0.12 + 0.16 + 0.08 si q = 1 0.6 si q = 0 0.4 si q = 1
si g = 0 si g = 1 si g = 2 si g = 3
=
y
si 0 x 3, 0 y 5
0 en otro caso
fX (x) = =
fX,Y (x, y ) dy 5 1 dy si 0 x 0 15
1 3
0 en otro caso
si 0 x 3
0 en otro caso
102
fY (y ) = =
fX,Y (x, y ) dx 3 1 dx si 0 y 0 15
1 5
0 en otro caso
si 0 y 5
0 en otro caso
e Y es
fX,Y (x, y ) =
Calculemos ambas marginales:
fX (x) =
fX,Y (x, y ) dy
x2
x2
2xdy si 0 x 1
fY ( y ) = =
fX,Y (x, y ) dx
1 |y |
1 |y | si 1 y 1 0 en otro caso
103
Esta distribucin vendr caracterizada por su funcin masa o su funcin de densidad sea el vector discreto o continuo, y tendr la expresin
condicionadas, segn
fXi1 ,...,Xik ,Xj1 ,...,Xjl (xi1 , ..., xik , xj1 , ..., xjl ) fXj1 ,...,Xjl (xj1 , ..., xjl )
donde fXi1 ,...,Xik ,Xj1 ,...,Xjl (xi1 , ..., xik , xj1 , ..., xjl ) es la funcin masa o la funcin de densidad conjunta de las variables Xi1 , ..., Xik , Xj1 , ..., Xjl y fXj1 ,...,Xjl (xj1 , ..., xjl ) es la funcin masa o la funcin de densidad conjunta de las variables Xj1 , ..., Xjl . En el caso ms habitual en el que el vector tenga dimensin dos, tenemos la densidad o la funcin masa de
fY |X =x (y ) =
e Y con la funcin masa conjunta siguiente: y\x 0 1 2 0 3/28 3/14 1/28 1 9/28 3/14 0 2 3/28 0 0
fX (x) =
y
3 3 1 28 + 14 + 28 si x = 0 9 3 28 + 14 + 0 si x = 1 3 28 + 0 + 0 si x = 2 3 9 3 28 + 28 + 28 si y = 0 3 3 14 + 14 + 0 si y = 1 1 28 + 0 + 0 si y = 2
fY (y ) =
Como ejemplos de las condicionadas (hay 6 en total) calculemos la funcin masa de X condicionada a
Y = 1 y la de Y condicionada a X = 1.
3 14 6 14 3 14 6 14
si x = 0 si x = 1 . si x = 2 si y = 0 si x = 1 . si x = 2
Prof. Dr. Antonio Jos Sez Castillo
fX |Y =1 (x) =
0
6 14
fY |X =1 (y ) =
9 28 15 28 3 14 15 28
0
15 28
104
Como es evidente, una vez que tenemos caracterizada la distribucin condicionada de una variable aleatoria al valor de otra, cualquier caracterstica de dicha distribucin, como la media o la varianza, puede calcularse a partir de su funcin masa o su funcin de densidad.
Ejemplo. Tal y como plantebamos al comienzo del captulo, supongamos que la posicin (X, Y ) de un
telfono mvil que recibe cobertura de una antena de telefona se encuentra dentro de un crculo de radio
r alrededor de esa antena, que supondremos sin prdida de generalidad que se encuentra en el origen
del plano. Vamos a suponer que esa posicin es es evidente que
completamente al azar
considerar que la densidad conjunta debe ser constante en el crculo; para que su integral sea la unidad,
fX,Y (x, y ) =
1 r2
si x2 + y 2 r2 y cero en cualquier punto fuera del crculo. Vamos a ver qu podemos averiguar sobre las coordenadas X e Y por separado (marginales) y sobre cmo afectan la una a la otra (condicionadas). En primer lugar,
fX (x) =
r 2 x 2
r 2 x 2
2 r 2 x2 1 dy = r2 r2
fY (y ) =
r2 y2 r2
densos, ms probables,
si r < y < r. Est claro que para cada coordenada por separado, los puntos ms son los cercanos al origen, que es donde se da el mximo de ambas funciones.
Ahora supongamos que conocemos una de las coordenadas y veamos qu podemos decir sobre la otra:
fX |Y =y0 (x) =
si
2 <x< r 2 y0
1 r2
2 y0
2 . Anlogamente, r 2 y0
fY |X =x0 (y ) =
si
1 r 2 x2 0
r 2 x2 0 <y <
a decir que saber una coordenada no me da ninguna informacin sobre la otra coordenada.
Ejemplo. A las 12 de la noche de un da de la semana comienzan a ser registrados las nuevas llamadas
a un switch de telefona. Sea X el instante de llegada de la primera llamada, medida en segundos transcurridos tras la medianoche. Sea Y el instante de llegada de la segunda llamada. En el modelo ms
105
habitual utilizado en telefona, X e Y son variables aleatorias continuas con densidad conjunta dada por
fX,Y (x, y ) =
donde es una constante positiva. Vamos a calcular las distribuciones marginales y condicionadas que pueden darse: Marginal de X :
fX (x) =
2 ey dy = ex si 0 x,
x
fY ( y ) =
0
2 ey dx = 2 yey si y 0.
Si nos jamos, esta densidad es una Gamma (2, ), es decir una Erlang de parmetros 2 y . Condicionada de Y a los valores de X :
fY /X =x (y ) =
En esta expresin no debe olvidarse que x es un valor jo, dado. Condicionada de X a los valores de Y :
fX/Y =y (x) =
Es decir, conocido el instante en que lleg la segunda llamada (y ), no se sabe nada de cundo lleg la primera llamada, ya que la distribucin de X condicionada a Y = y es uniforme en (0, y ).
Ejemplo. Consideremos que la variable X representa el input de un canal de comunicacin, con posibles
valores +1 y 1 equiprobables, y sea Y el dgito que llega al destino, con valores tambin +1 y 1. El canal es un canal binario simtrico con probabilidad de cruce del 5 %. Con los datos expuestos podemos caracterizar mediante sus funciones masa las distribuciones marginales de X e Y , la distribucin conjunta de ambos y las dos distribuciones condicionadas posibles de cada variable respecto de la otra. La distribucin marginal de X viene dada por
fX (x) =
1 2 si x = 1 1 2 si x = 1
106
fY ( y ) =
1 2 si y = 1 1 2 si y = 1
fY |X =+1 (y ) =
0.95 si y = 1 0.05 si y = 1
fY |X =1 (y ) =
La distribucin conjunta de X e Y viene dada por
0.95 si y = 1 0.05 si y = 1
fX,Y (x, y ) = P [Y = y | X = x] P [X = x] 0.95 0.5 si x = +1, y = +1 0.05 0.5 si x = +1, y = 1 = 0.05 0.5 si x = 1, y = +1 0.95 0.5 si x = 1, y = 1 0 en otro caso
La distribucin de X condicionada al suceso Y = +1 viene dada por
fX |Y =+1 (x) =
0.95 si x = 1 . 0.05 si x = 1
fX |Y =1 (x) =
0.05 si x = 1 0.95 si x = 1
107
Esta denicin puede extenderse al caso en que tengamos dos variables aleatorias X e Y .
donde fX,Y (), fX () y fY () son funcin de densidad o funcin masa, dependiendo de si las variables son discretas o continuas. La interpretacin del hecho de que dos variables aleatorias sean estadsticamente independientes es que el comportamiento de una no tiene ningn efecto sobre la otra y viceversa. Cabe preguntarse en ese caso, qu sentido tiene una distribucin condicionada de una variable a otra que no guarda ninguna relacin con ella. Vamos a comprobarlo calculando las distribuciones condicionadas de variables aleatorias estadsticamente independientes:
fX |Y =y (x) =
es decir, el comportamiento aleatorio de una variable aleatoria condicionada al valor de otra que es estadsticamente independiente de ella (descrito mediante la funcin fX |Y =y (x)) es completamente igual que si no se condiciona a dicho valor (descrito por la funcin fX (x)).
fX (x) =
0
1x
24xy dy = 12x (1 x) si 0 x 1
fY (y ) =
0
1y
24xy dx = 12y (1 y ) si 0 y 1.
Como
108
fX (x) =
0
4xy dy = 2x si 0 x 1
fY (y ) =
0
4xy dx = 2y si 0 y 1.
Como
Ejemplo. Supongamos que dos componentes electrnicas tienen una duracin cuya distribucin de probabilidad puede considerarse exponencial de parmetro = 2 horas1 . Las componentes funcionan en paralelo, por lo que podemos considerar que son independientes. Por lo tanto, su funcin de densidad conjunta ser
P [X > 2 Y > 2] = P [X > 2] + P [Y > 2] P [X > 2 Y > 2] = P [X > 2] + P [Y > 2] P [X > 2] P [Y > 2] ,
donde se ha utilizado en la probabilidad de la interseccin el hecho de que las variables son independientes. Ahora slo bastara recordar que P [X > 2] = e22 y P [Y > 2] = e22 . Cul sera la probabilidad de que la duracin total de ambas componentes sea inferior a dos horas? La duracin total vendra dada por X + Y , luego se nos pregunta por
P [X + Y < 2] = = =
0 0 0
2x
4e2(x+y) dydx
2
2e2x 1 e2(2x)
2
dx
2e2x 2e4 dx
= 1 e4 2e4 2 = 1 5e4
De la interpretacin que hemos dado de variables independientes se sigue de manera inmediata que si dos variables aleatorias son independientes, esto es, no mantienen ninguna relacin, tampoco lo harn funciones
Prof. Dr. Antonio Jos Sez Castillo
109
suyas. Este hecho se recoge en el siguiente resultado. Lo podemos enunciar ms formalmente diciendo que si
X e Y son variables aleatorias independientes y V = g (X ) y W = h (Y ) son funciones suyas, entonces, V y W tambin son independientes.
En el mbito de las Telecomunicaciones se dan numerosas situaciones donde aparece una variable aleatoria
de convolucin.
Concretamente, sean X e Y dos variables aleatorias independientes y sea W = X + Y . Entonces: Si X e Y son continuas,
fW (w) =
fY (y ) fX (w y ) dy
= fX fY (w)
donde fX y fY son las funciones de densidad de X e Y , respectivamente. Si X e Y son discretas,
fW (w) =
y
fY (y ) fX (w y )
= fX fY (w)
donde fX y fY son las funciones masa de X e Y , respectivamente.
Ejemplo.
Un sistema opera con una componente clave cuya duracin, T1 , sigue una distribucin ex-
ponencial de parmetro . Si esta componente falla, inmediatamente se pone en funcionamiento una componente exactamente igual que hasta entonces ha funcionado en standby, cuya duracin notamos por
fTi (x) = ex , i = 1, 2,
para x > 0. Por tanto,
fT (z ) =
0
ex e(zx) dx = 2 zez
para z > 0. Como vemos, se trata de una distribucin Erlang de parmetros 2 y . Si recordamos, esta era una de las caracterizaciones de la distribucin Erlang, suma de exponenciales independientes.
En el caso de que en vez de dos variables aleatorias se tenga un vector X = (X1 , ..., XN ) , la manera natural de extender el concepto de independencia es inmediata.
110
componentes independientes si
independientes si
...
E [g (X1 , ..., XN )] =
donde fX1 ,...,XN (x1 , ..., xN ) es la funcin de densidad o la funcin masa del vector aleatorio (entendiendo en este ltimo caso la integral como una suma). Como consecuencia inmediata de esta denicin, tenemos una primera e importante propiedad: este operador esperanza multivariante tambin es lineal, en el sentido que se recoge en el siguiente resultado. Concretamente, podemos formalizarlo diciendo que si tenemos un vector aleatorio (X1 , ..., XN ) y 1 , ..., N escalares cualesquiera, entonces
111
correlacin entre X
e Y como
covarianza entre
X e Y como
Cov [X, Y ] V ar [X ] V ar [Y ]
Vamos a detallar claramente los posibles valores de y su interpretacin: Este coeciente es siempre un nmero real entre -1 y 1. Si es cero, indica una ausencia total de relacin lineal entre las variables. Si es uno o menos uno indica una relacin lineal total entre las variables, directa o inversa segn lo indique el signo (esto lo veremos enseguida). En la medida en que est ms lejos del cero indica una relacin lineal ms intensa entre las variables.
incorreladas. Por su parte, si dos variables aleatorias son tales que RXY
Si dos variables aleatorias tienen covarianza cero o equivalentemente, si RXY = EX EY, se dicen que son
ortogonales.
Dos variables aleatorias son incorreladas si carecen de cualquier tipo de relacin lineal. Por otra parte, denimos anteriormente el concepto de independencia entre variable aleatoria, que implicaba la ausencia de relacin entre ellas. Tenemos, as, dos conceptos, independencia e incorrelacin, que estn bastante relacionados. En concreto, dos variable aleatoria independientes, X e Y , son siempre incorreladas, es decir, X,Y = 0. La razn es que, por ser independientes,
112
luego
RXY =
en cuyo caso Cov [X, Y ] = 0. La pregunta obvia que surge a la luz de este resultado es: y al contrario? Dos variable aleatoria incorreladas sern independientes? O equivalentemente, si dos variable aleatoria no tienen ninguna relacin de tipo lineal (incorreladas), ocurrir que tampoco tienen ninguna relacin de ningn tipo (independientes)? La respuesta es que no en general.
Ejemplo. Sea una variable aleatoria con distribucin uniforme en (0, 2). Sean
X = cos Y = sin .
Se tiene que
EX = EY = E [XY ] =
0 0 0
cos
2
1 d = 0 2 1 d = 0 2 1 d 2
sin
2
sin cos
0 2
1 = 2
sin 2d = 0,
por lo que X e Y son variables incorreladas. Sin embargo, puede demostrarse fcilmente que no son independientes.
Nota.
La relacin ms fuerte de tipo lineal que puede darse corresponde al caso en que una variable
XY = 1 signo (a) .
La demostracin es muy sencilla. Tengamos en cuenta que
113
luego
Cov (X, Y ) = E [XY ] EX EY = aE X 2 + bE [X ] EX (aEX + b) = a E X 2 EX 2 = aV arX V arY = E ((aX + b) (aEX + b)) = E (aX aEX ) = a2 E (X EX )
y
2 2 2
= E a2 (X EX ) = a2 V arX,
XY =
Nota. Es importante insistir en que la covarianza y su versin estandarizada, el coeciente de correlacin lineal, proporcionan una medida de la relacin lineal, no de otro tipo. Por ejemplo, supongamos que la
Figura 5.3 representa los valores conjuntos de dos variables X e Y . Est claro que ambas guardan una clarsima relacin dada por una parbola: de hecho, Y = X 2 . Sin embargo, el coeciente de correlacin lineal entre ambas ser muy bajo, ya que en realidad, la relacin que las une no es lineal en absoluto, sino parablica. En este caso, lo recomendable sera, a la vista del grco, decir que s existe una fuerte relacin lineal entre X e Y .
Figura 5.3: Muestra conjunta de valores de dos variables aleatorias. Cuando se tienen muestras de pares de variables aleatorias, podemos calcular la versin muestral del coeciente de correlacin lineal. Esa versin muestral dar una estimacin del verdadero valor del coeciente de correlacin (poblacional). Esta cuestin se aborda con ms detalle en el captulo de regresin. Aqu tan slo queremos plasmar con ejemplos cmo se traduce el hecho de que dos variables tengan un mayor o menor coeciente de correlacin. En la Figura 5.4 observamos representaciones conjuntas de muestras de pares de variables en unos ejes cartesianos (nubes de puntos). Cada punto de cada eje cartesiano representa un valor
114
dado de la muestra del par (X, Y ). Aparecen 4 guras, correspondientes a 4 simulaciones de pares de variables
ro=1 8 6 4 2 2 0 2 4 4 2 0 2 4 1 0 1 4 2 6 5 4 3
ro=1
ro=0 4 3 2 1 0 1 2 3 4 2 0 2 4 2 4 4 2 0 6 4
ro=0.7075
Figura 5.4: Nubes de puntos correspondientes a distintos posibles coecientes de correlacin lineal.
Ejemplo. Sean X
e Y las variable aleatoria que miden el tiempo que transcurre hasta la primera y la
segunda llamada, respectivamente, a una centralita telefnica. La densidad conjunta de estas variables es fX,Y (x, y ) = ey para 0 < x < y . En un ejemplo anterior ya vimos que, lgicamente, el tiempo hasta la segunda llamada depende del tiempo hasta la primera llamada, pero en qu grado? Vamos a abordar este problema calculando el coeciente de correlacin lineal entre ambas variables.
115
Como X,Y =
, tenemos que calcular Cov (X, Y ), V arX y V arY. E [XY ] = xyfX,Y (x, y ) dxdy y xyey dxdy = = =
0 0
yey
y y e dy = 3. 2
0 3
x2 2
dy
0
fX (x) =
luego
fX,Y (x, y ) dy =
x
ey dy = ex , para x > 0,
EX = fY (y ) = fX,Y (x, y ) dx =
0
xfX (x) dx =
0
xex dx = 1.
luego
EY = yfY (y ) dy =
y 2 ey dy = 2.
0
Por tanto,
Cov (X, Y ) = 3 1 2 = 1.
Por su parte,
E X
2
x fX (x) dx =
0 2
x2 ex dx = 2
V arX = 2 12 = 1
y
E Y2 = y 2 fY (y ) dy = V arY = 6 22 = 2,
as que, nalmente,
y 3 ey dy = 6
X,Y =
1 = 0.707. 12
Las propiedades del operador esperanza son muy tiles en la prctica, por ejemplo, cuando se trata de conocer la varianza de combinaciones lineales de varias variables. Veamos algn ejemplo al respecto y despus un resultado general que los englobe todos.
116
V ar (X1 + X2 ) = E (X1 + X2 )
E [X1 + X2 ]
2 2
2 2 2 2 + E X2 + 2E [X1 X2 ] EX1 = E X1 EX2 2EX1 EX2 2 2 2 2 = E X1 EX1 + E X2 EX2 + 2 (E [X1 X2 EX1 EX2 ])
V ar (X1 X2 ) = E (X1 X2 )
E [X1 X2 ]
2 2
2 2 2 2 = E X1 + E X2 2E [X1 X2 ] EX1 EX2 + 2EX1 EX2 2 2 2 2 = E X1 EX1 + E X2 EX2 2 (E [X1 X2 EX1 EX2 ])
Podemos generalizar estos ejemplos en el siguiente resultado. Sea una suma de N variables, X = Entonces,
N N
N i=1
i Xi .
V ar [X ] =
i=1 j =1
i j Cov (Xi , Xj ) ,
117
N i=1 2
i EXi ,
X X
N
i i Xi X
i=1
i i Xi X j Xj X
=
i=1 j =1 N N
i j E
i Xi X
=
i=1 j =1
i j Cov (Xi , Xj )
V ar [X ] =
i=1 j =1
i j Cov (Xi , Xj ) =
i=1
2 i V ar [Xi ] ,
ya que
Cov [X, Y ] =
0 si i = j V ar [Xi ] si i = j
E [X1 ] . , . = . E [XN ]
y su
donde
Ci,j =
Esta matriz contiene las varianzas de cada variable del vector en la diagonal y en el elemento (i, j ) la covarianza entre la isima y la j sima variable. En forma matricial, la matriz de covarianzas puede denirse como
CX N N = E (X X )N 1 (X X )1N .
Por otra parte,
CX = E (X X ) (X X ) = E [XX ] X X ,
118
Ambas matrices, CX y RX , son matrices simtricas. La linealidad del operador media facilita rpidamente la expresin del vector de medias y la matriz de varianzas-covarianzas de combinaciones lineales de vectores, como se recoge en el siguiente resultado. Concretamente, si tenemos el vector aleatorio XN 1 con vector de medias X y matriz de varianzas covarianzas CX y el vector YM 1 = AM N XN 1 + bM 1 , entonces, el vector de medias y la matriz de varianzas covarianzas de Y vienen dadas por
Y = AX + b CY = ACX A .
Ejemplo.
Vamos a ver que la aplicacin de este resultado facilita bastante determinados clculos. Por
X1 + X2 =
de manera que
X1 X2
V ar (X1 + X2 ) =
1 1
5X1 3X2 =
se tiene que
X1 X2
V ar (5X1 3X2 ) =
5 3
119
estar seguros de que se trata del caso ms interesante por dos motivos: porque aparece como modelo adecuado en un gran nmero de fenmenos de la naturaleza y porque sus propiedades matemticas on inmejorables. Un vector formado por N variables aleatorias X = (X1 , ..., XN ) se dice que sigue una distribucin
normal
con vector de
fX (x) =
1 1 exp (x X ) CX (x x ) , 2
(i1 , ..., iM ) y matriz de covarianzas constituida por las las y las columnas de CX correspondientes a las
variables Xi1 , ..., XiM .
1 3 1
1 0
1 . 1
En aplicacin del resultado anterior, las marginales univariantes siguen las distribuciones siguientes:
120
0 0 0 0 0 0
2 1 2 0 3 1
1 3 0 1 1 1
En cuanto a las distribuciones condicionales, cualquier subconjunto de variables de un vector gaussiano condicionado a los valores de cualquier otro subconjunto de variables del propio vector sigue distribucin conjuntamente gaussiana. Concretamente, la distribucin de XN 1 condicionada a YM 1 = yM 1 , siendo
yM 1 Y M 1
y matriz de varianzas-covarianzas
1 V ar X |Y=y = CX CXY CY CXY ,
condicionada a
X3 =0.25 ]
=0+
3 1
1 1
0.5 0 0.25 0
= 0.125
X3 =0.25 )
=2
3 1
1 1
1 0
= 1.5
Ejemplo. Como caso particular, vamos a describir con ms detalle el caso bivariante, tanto en lo que
respecta a su densidad como a las distribuciones marginales y condicionadas. Sea por tanto un vector (X, Y )21 , con distribucin conjuntamente gaussiana de vector de medias
121
X Y
2 Y
X Y
1 C( X,Y ) =
1 1 2
XY
1 2 Y
fX,Y (x, y ) =
1 2X Y 1 2
2 2
exp
2 (x x ) (y Y ) (y Y ) (x X ) 1 + 2 2 2 (1 2 ) X X Y Y
1 , 2X Y 12
en el punto (X , Y ).
En lo que respecta a las distribuciones condicionadas, aplicando el ltimo resultado tenemos que
X | Y = y0 N Y | X = x0 N
X +
X 2 (y0 Y ) ; X 1 2 Y Y 2 (x0 X ) ; Y 1 2 Y + X
Obsrvese que, curiosamente, la varianza condicionada no depende del valor que condiciona. Esto tendr importantes repercusiones ms adelante.
Continuando con las propiedades, una de las ms tiles es su invarianza frente a transformaciones lineales. Concretamente, si tenemos un vector aleatorio XN 1 = (X1 , ..., XN ) con distribucin gaussiana, vector de medias X y matriz de covarianzas CX , entonces una combinacin lineal suya,
YM 1 = AM N XN 1 + bM 1
tiene distribucin gaussiana de vector de medias Y = A X + b y matriz de covarianzas CY = A CX A .
Ejemplo.
Sean dos variable aleatoria X1 y X2 con distribucin conjuntamente gaussiana con medias
122
Figura 5.5: Ejemplos de densidades de la normal bivariantes con X = Y = 0, X = Y = 1 y = 0, 0.5, 0.5 y 0.9. (En http://www.ilri.org/InfoServ/Webpub/Fulldocs/Linear_Mixed_Models/AppendixD.htm).
Prof. Dr. Antonio Jos Sez Castillo
123
en las variables
(Y1 , Y2 ) =
y matriz de covarianzas
2 Y 1
1 3
2 4
0 0
0 0
cY1 ,Y2
2 Y 2
cY1 ,Y2
1 3
2 4
4 3
3 9
1 2
3 4
28 66
66 252
Otra de las ms importantes propiedades es que se trata del nico caso en el que independencia e incorrelacin son equivalentes. Es decir, si XN 1 es un vector con distribucin conjuntamente gaussiana, entonces sus componentes son incorreladas si y slo si son independientes. La demostracin es sencilla. Ya sabemos que si son independientes son incorreladas (incluso si la distribucin no es conjuntamente gaussiana). Por su parte, para probar que si son incorreladas entonces son independientes slo hay que tener en cuenta que si son incorreladas, la matriz de covarianzas es diagonal y la densidad conjunta puede expresarse como producto de las marginales, ya que
fX (x1 , ..., xN ) =
1 (2 ) det (CX )
N
1 1 exp (x X ) CX (x X ) 2
N
=
N
1
2 ... 2 (2 ) 1 N N
1 exp 2
i=1
xi i i
=
i=1
fXi (xi ) .
CX
... .. . ...
0 . . . . 2 N
124
Parte III
Inferencia estadstica
125
Captulo 6
Distribuciones en el muestreo
Pocas observaciones y mucho razonamiento conducen al error; muchas observaciones y poco razonamiento, a la verdad. Alexis Carrel
Resumen.
En este captulo se pretende llamar la atencin acerca de que los parmetros muestrales son
en realidad variables aleatorias. Se analiza as la distribucin de probabilidad de la media muestral y de la varianza muestral en diversas situaciones.
6.1. Introduccin
Al estudiar el concepto de variable aleatoria, dijimos que viene motivado porque muchas de las variables que se observan en la vida real, en el ambiente de las Ingenieras en particular, estn sujetas a incertidumbre. Eso quiere decir que si nosotros obtenemos algunas observaciones de esas variables (muestras), los datos no son iguales. Es ms, si obtenemos otras observaciones, las dos muestras tampoco sern ni mucho menos idnticas. Por tanto, al hablar de distribuciones tericas de probabilidad, lo que pretendamos era proponer un modelo que permitiera calcular probabilidades asociadas, no a una muestra en particular de datos, sino a todas las posibles muestras, con todos los posibles datos de la variable. Recordemos el ejemplo que pusimos: las distribuciones de probabilidad son como un traje que elegimos para ponernos cualquier da durante un periodo de tiempo amplio. En la medida que el traje de una variable, su distribucin,
le quede bien,
los resultados que obtengamos mediante el clculo de probabilidades podrn a una variable, los resultados tericos, obtenidos a partir de una
aplicarse a cualquier dato o conjunto de datos de la variable. Pero igualmente, si un traje (una distribucin de probabilidad terica)
no le queda bien
funcin masa o una funcin de densidad tericas, pueden no ser realistas respecto a los resultados empricos que se obtengan mediante muestras de la variable. Qu nos queda por hacer a lo largo del curso? Dado que, en general, las distribuciones tericas de probabilidad dependen de uno o ms parmetros, lo que nos ocupar gran parte del resto del curso es tratar de elegir 127
adecuadamente esos parmetros. En el ejemplo de los trajes podamos pensar que esto es como aprender a escoger la talla del traje. En este captulo vamos a comenzar con algunas cuestiones tericas acerca de lo que implica el proceso de muestreo, previo a la eleccin de los parmetros y, posteriormente, nos vamos a centrar en resultados que implica el muestreo de datos de variables que siguen una distribucin normal.
vando una variable aleatoria, X , en una poblacin determinada. Ya dijimos que una muestra aleatoria simple de X consiste en la recopilacin de datos de la variable, mediante la repeticin del experimento al que est asociada, con dos condiciones bsicas: 1. Que todos los elementos de la poblacin tengan las mismas posibilidades de salir en la muestra. 2. Que las distintas observaciones de la muestra sean independientes entre s. En ese caso, los valores que toma la variable en cada una de las observaciones de una muestra de tamao
n, X1 , ..., Xn , son en s mismos, variables aleatorias independientes que siguen la misma distribucin de
probabilidad, llamada distribucin.
distribucin poblacional.
que se intentar utilizar la muestra para hacer inferencia sobre ella y, al menos, aproximar la forma de esta
la muestra, s1 , por ejemplo. Pero debemos ser conscientes de lo que signica muestra
1 x1 1 , ..., xn
aleatoria.
2 es fruto del azar. De hecho, si obtenemos otra muestra, x2 2 y 1 , ..., xn , obtendremos otra media, x
128
Y si, sucesivamente, obtenemos una y otra muestra, obtendremos una y otra media muestral, y una y otra desviacin tpica muestral. Por lo tanto, en realidad, lo que estamos viendo es que la media y la varianza muestrales (y en general, cualquier parmetro de una muestra aleatoria simple) son, en realidad, variables aleatorias que, como tales, deben tener su distribucin, su media, su varianza... Vamos a recordar dos deniciones que ya introdujimos al comienzo del curso. Un Un
parmetro muestral
aleatoria.
una variable aleatoria. Pues bien, asociados a estos dos conceptos tenemos ahora las siguientes deniciones. La El
distribucin en el muestreo de un parmetro muestral es su distribucin de probabilidad. error estandar de un parmetro muestral es la desviacin tpica de su distribucin en el muestreo.
El problema es que, en general, es bastante difcil conocer la distribucin en el muestreo de los parmetros muestrales. Sin embargo, el caso en el que resulta ms sencillo hacerlo es probablemente el ms importante. Como vamos a ver, si la variable que observamos sigue una distribucin normal, podremos conocer de forma exacta las distribuciones en el muestreo de los dos parmetros ms importantes, la media y la varianza. Y si la variable no es normal? Si lo que pretendemos es estudiar la media y la varianza muestrales, recordemos que el Teorema Central del Lmite nos dice que si una variable es suma de otras variables, su distribucin es aproximadamente normal, y la media es suma de las variables de la muestra. Es decir, si la variable no es normal, todava podemos tener conanza de que lo que hagamos para variables normales puede ser vlido.
Nota. Una de las primeras distribuciones en el muestreo ser la 2 . Recordemos que una distribucin 2 con
n grados de libertad es una distribucin Gamma de parmetros
Prof. Dr. Antonio Jos Sez Castillo
n 2
y 1 2.
129
Si Z es una variable aleatoria normal estandar y S una 2 con n grados de libertad, siendo ambas independientes, entonces
t=
sigue una distribucin llamada t
Z S/n
Si S1 y S2 son variables aleatorias con distribucin 2 con n1 y n2 grados de libertad independientes, entonces
F =
sigue una distribucin que se denomina F importantes asociados a la normal:
S1 /n1 S2 /n2
Con estas deniciones ya podemos dar las distribuciones en el muestreo de algunos parmetros muestrales
Sea X1 , ..., Xn una muestra aleatoria simple de una variable N (, ). Entonces, el parmetro muestral
t=
X Sn1 / n
sigue una t de Student con n 1 grados de libertad. Sea una muestra X1 , ..., Xn una muestra aleatoria simple de una variable N (, ). Entonces, el parmetro muestral
2 =
sigue una 2 con n 1 grados de libertad.
2 (n 1) Sn 1 2
Sean X1 , ..., Xn1 e Y1 , ..., Yn2 muestras aleatorias simples de variables independientes con distribuciones
1 n2
1 2 (n1 1) Sn + (n2 1) Sn 1 1 n1 + n2 2
sigue una t de Student con n1 + n2 2 grados de libertad. Sean X1 , ..., Xn1 e Y1 , ..., Yn2 muestras aleatorias simples de variables independientes con distribuciones
130
131
132
Captulo 7
Estimacin de parmetros de una distribucin
Datos, datos, datos! -grit impacientemente-. No puedo hacer ladrillos sin arcilla. Sherlock Holmes (A. C. Doyle), en
Las aventuras de los bombachos de cobre
Resumen.
Se describen las tcnicas ms usuales para estimar la media, la varianza y otros parmetros
Palabras clave: estimador puntual, mtodo de los momentos, mtodo de mxima verosimilitud, intervalo
de conanza, nivel de conanza.
7.1. Introduccin
En Estadstica hay tres formas de inferir un valor a un parmetro de una poblacin: Estimando el valor concreto de ese parmetro. Estimando una regin de conanza para el valor del parmetro. Tomando una decisin sobre un valor hipottico del parmetro.
Ejemplo. El rendimiento de un equipo de trabajo en una cadena de produccin puede estar representado
por el nmero medio de componentes producidas. Supongamos que un ingeniero pretende proporcionar informacin acerca de este promedio en su equipo. Existen varias posibilidades: Podra simplemente tratar de estimar el promedio de componentes producidas a travs de un nico valor estimado. Podra proporcionar un intervalo de valores en el que tenga mucha conanza que se encuentra el valor promedio. 133
Podra comparar el valor promedio de su equipo con un valor hipottico para, por ejemplo, demostrar a la empresa que tiene un mejor rendimiento que el promedio general de la empresa.
En este captulo nos centraremos en la primera y la segunda forma, que consisten en proporcionar un valor que creemos que est cerca del parmetro (estimacin puntual) o en proporcionar un intervalo en el que conamos que se encuentra el parmetro desconocido (estimacin por intervalos de conanza). La tercera posibilidad se estudiar en el captulo de contrastes de hiptesis.
estimacin puntual.
Ejemplo. Si deseamos obtener estimaciones de la media de una variable aleatoria, lo que parece ms lgico
sera utilizar como estimador la media muestral. Cada media muestral de cada muestra sera una estimacin puntual de la media poblacional. Qu sera deseable que le pasara a cualquier estimador? Qu buenas propiedades debera tener un buen estimador? Vamos a ver dos de ellas. En primer lugar, parece lgico pensar que si bien el estimador no proporcionar siempre el valor exacto del parmetro, al menos deber establecer estimaciones que defecto. Este tipo de estimadores se denominan
se equivoquen
insesgados .
insesgado si
= . E
Se denomina
sesgo de un estimador a
. E
Observemos que para comprobar si un estimador es insesgado, en principio es necesario conocer su distribucin en el muestreo, para poder calcular su esperanza matemtica. Adems de la falta de sesgo, nos gustara que la distribucin de muestreo de un estimador tuviera poca varianza, es decir, que la dispersin de las estimaciones con respecto al valor del parmetro poblacional, fuera baja. En este sentido, se dene el error y se nota
s.e.
134
El
ms pequea de entre todos los estimadores insesgados. Hay que decir que no siempre es fcil encontrar este estimador, y que en ocasiones se admite un ligero sesgo con tal que la varianza del estimador sea mnima.
= X1 + ... + XN X N
es un estimador insesgado de E [X ] y su error estandar es
X ) = . s.e.(X N
El resultado establece algo que poda haberse intuido desde la denicin de la media o esperanza matemtica de una distribucin de probabilidad: si tenemos unos datos (mas ) de una v.a., una estimacin adecuada de la media de la v.a. es la media de los datos. Hay que tener mucho cuidado con no confundir la media de la v.a., es decir, la media poblacional, con la media de los datos de la muestra, es decir, con la media muestral. Por otra parte, el error estandar hace referencia a X , que es un parmetro poblacional y, por lo tanto, desconocido. Lo que se suele hacer es considerar la desviacin tpica muestral como una aproximacin de la poblacional para evaluar este error estandar.
Xi X N 1
es un estimador insesgado de V ar [X ].
Nota. Al hilo del comentario previo que hicimos sobre la media muestral como estimador natural
En este sentido, si consideramos el estimador
2 SX,N
de la
N i=1
Xi X N
135
cuasivarianza muestral. Ojo, hay que advertir que en algunos libros la manera de nombrar a la
Nota.
2 2 El que la varianza muestral, SN 1 , sea un estimador insesgado de la varianza, , no implica que la 2 SN 1 , sea un estimador insesgado de , pero en este caso s ocurre as.
Ejemplo. Mediante R hemos generado una muestra aleatoria simple de 1000 valores de una distribucin
N (0, 1). Sabemos, por tanto, que la media (poblacional) de los datos es 0 y que la varianza (poblacional)
es 1. No obstante, vamos a suponer que desconocemos de qu distribucin proceden los datos y vamos a tratar de
ajustar
x = 0.0133
y
s999 = 0.9813,
por lo que ajustaramos los datos de la muestra x mediante una distribucin
N (0.0133, 0.9813) .
La densidad de esta distribucin aparece tambin en la Figura 7.1, en trazo continuo, y se observa que ajusta muy bien la forma del histograma.
136
Histograma de la muestra
0.5 Densidad 0.0 0.1 0.2 0.3 0.4
Figura 7.1: Histograma para la muestra x11000 con 30 intervalos y funcin de densidad de la distribucin N (0.0133, 0.9813).
p =
k , N
s.e.( p) =
p(1 p) N
Sobre el error estandar, obsrvese de nuevo que, dado que p es desconocido, en realidad la expresin de s.e.( p) no puede evaluarse. Sin embargo, es bastante comn que si el tamao de la muestra, N , es grande, se utilice el valor de la estimacin, p , en lugar de p en esa expresin. De todas formas, obsrvese tambin que la funcin f (p) = p(1 p) es menor que
1 4
si 0 p 1, luego
s.e.( p)
Es por ello que siempre podemos dar esta cantidad,
1 1 = . 4N 2 N
1 , 2 N
Ejemplo. Si el nmero de varones en una muestra de 1000 individuos de una poblacin es 507, podemos
aproximar la verdadera proporcin de varones en toda la poblacin mediante
p =
con un error estandar por debajo de
1 2 1000
137
estimacin sera
1 , 2 x =f s2 n1 = g 1 , 2 .
EX n .
Por cierto, este estimador coincide con el que habamos considerado en un principio, que era la proporcin muestral, es decir, p = k/N , pero puede haber alguna confusin en la notacin. Veamos porqu. Se supone que tenemos una muestra de tamao N de datos de una binomial de parmetro n, es decir, tenemos n experimentos, N veces, o sea, un total de n N experimentos, con efecto,
i
xi xitos. Luego, en
p =
x i xi = , n nN
es decir, la proporcin muestral, cociente del n de xitos entre el n total de experimentos. No debemos confundirnos con la expresin k/N que pusimos antes porque N no signica lo mismo en ambos casos.
138
1 p
1, de donde p =
1 1+EX ,
luego el mtodo
p =
1 . 1+x
EX = p, V arX
se tiene que
EX p EX 2 = EX V arX = 1p V arX EX 1 VEX arX
a = EX
p = a =
x s2 X,N 1 x 2 s2 X,N 1 x .
Para desarrollar el mtodo debemos tener en cuenta que si tenemos una muestra aleatoria simple de una variable X , x1 , ..., xn , y la funcin masa o densidad de la variable es p (x), entonces la funcin masa o densidad de la muestra es
Dada una variable aleatoria X con funcin masa o funcin de densidad p (x) , que depende de uno o dos parmetros, y una muestra aleatoria simple de X , x1 , ..., xn , la verosimilitud de la muestra es la funcin
139
Dada la verosimilitud de una muestra, L, si L depende de un slo parmetro, , entonces el estimador mximo-verosmil de se obtiene resolviendo el problema de mximo siguiente:
= arg m ax L .
Nota.
Dado que el mximo de una funcin coincide con el mximo de su logaritmo, suele ser muy til
Ejemplo. Vamos a calcular el estimador mximo verosmil del parmetro p de una distribucin B (n, p)
basado en una muestra x1 , ..., xN . En primer lugar, la funcin de verosimilitud es
N
n xi nxi p (1 p) xi n xi p
N i=1
=
i=1
xi
(1 p)
nN
N i=1
xi
Su logaritmo resulta
N
n xi
+
i=1
xi
ln p +
nN
i=1
xi
ln (1 p) .
xi
p
de donde
nN i=1 xi = 0, 1p
x p x i=1 xi n = = = N 1p nx 1 nN i=1 xi
x n
Luego el estimador es
p =
x . n
Obsrvese que coincide con el estimador que obtuvimos por el mtodo de los momentos.
Ejemplo. Vamos a calcular el estimador mximo verosmil del parmetro de una distribucin exp ()
basado en una muestra x1 , ..., xN .
140
Funcin de verosimilitud:
Lx1 ,...,xN () =
i=1
exi = N e
N i=1
xi
ln Lx1 ,...,xN () = N ln
i=1
xi .
N xi = 0, i=1
de donde
N
N i=1
xi
1 . x
De nuevo el estimador mximo verosmil coincide con el proporcionado por el mtodo de los momentos.
Ejemplo. En el caso de la distribucin normal, tenemos dos parmetros. Veamos cmo proceder en esta
situacin. Vamos a preocuparnos por los estimadores de la media y de la varianza: La funcin de verosimilitud:
N
Lx1 ,...,xN , 2 =
i=1
1 2 2
(xi )2
2 2
1 2 2
2 n i=1 (xi ) 2 2
Su logaritmo:
ln Lx1 ,...,xN , 2 =
variables e igualamos a cero:
N N ln (2 ) ln 2 2 2
N i=1
(xi ) . 2 2
Debemos maximizar esta funcin como funcin de y 2 . Para ello, derivamos respecto de ambas
d ln Lx1 ,...,xN , 2 = d
N i=1
(xi ) =0 2
N i=1
d N 1 ln Lx1 ,...,xN , 2 = 2 + 2 d 2 2
De la primera ecuacin se sigue
N N
(xi )
2
( 2 )
=0
(xi ) =
i=1 i=1
xi N = 0,
de donde
N i=1
xi
=x .
141
Modelo
B (n, p) P () Geo (p) BN (a, p) exp () Gamma (a, ) N (, )
=x , = sn1
=x , = sn
Cuadro 7.1: Estimadores por el mtodo de los momentos y de mxima verosimilitud de los parmetros de las distribuciones ms usuales.
(xi x )
2 ( 2 )
N , 2
de donde
2 =
N i=1
( xi x ) = s2 n. N
Nota.
De nuevo hay que llamar la atencin sobre el hecho de que hemos buscado un estimador, de
mxima verosimilitud, de 2 , no de . Sin embargo, no es muy difcil demostrar que el estimador de mxima verosimilitud de en la distribucin normal es la cuasidesviacin tpica muestral, sn .
7.2.6. Tabla resumen de los estimadores de los parmetros de las distribuciones ms comunes
En toda esta seccin, supongamos que tenemos una muestra x1 , ..., xN de una variable aleatoria X . Los estimadores segn el mtodo de los momentos y de mxima verosimilitud de los parmetros segn las distribuciones que hemos descrito aparecen en el Cuadro 7.1.
. Un
intervalo de conanza para con un nivel de signicacin , I (x1 , ..., xN ) , es un intervalo real
P [ I (x1 , ..., xN )] = 1 .
nivel de conanza.
Prof. Dr. Antonio Jos Sez Castillo
142
50
50
| | | | | | | | | |
| | | | | | | | | |
50
| | | | | | | | | |
40
40
| | | | | | | | | |
| | | | | | | | | |
40
| | | | | | | | | |
30
30
| | | | | | | | | |
| | | | | | | | | Index |
30
| | | | | | | | | |
Index
20
Index 20
| | | | | | | | | |
| | | | | | | | | |
20
| | | | | | | | | |
10
10
| | | | | | | | | |
| | | | | | | | | |
10
| | | | | | | | | |
0.4
0.2
0.0
0.2
0.4
0.6
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0 1.0
0.5
0.5
1.0
Confidence Interval
Confidence Interval
Figura 7.2: Distintos intervalos de conanza para una media a un 68 % (izquierda), a un 90 % (centro) y a un 99 % (derecha). Puede observarse que aumentar el nivel de conanza hace ms amplios los intervalos. Tambin puede observarse que no todos los intervalos contienen a la media poblacional (0), pero que el n de stos malos intervalos disminuye conforme aumentamos el nivel de conanza.
Obsrvese que la losofa de cualquier intervalo de conanza es proporcionar, basndonos en los datos, una regin donde tengamos un determinado nivel de conanza en que el parmetro se encuentra. Como en el caso de los estimadores puntuales, el intervalo de conanza es aleatorio, ya que depende de los datos de una muestra. Adems, se da por hecho que existe la posibilidad de que el
verdadero
parmetro no quede
encerrado dentro del intervalo de conanza, cosa que ocurrira con probabilidad .
Nota. Al respecto de la interpretacin del nivel de conanza, tenemos que decir que, dado que desde el
comienzo del curso hemos adoptado una interpretacin frecuentista de la probabilidad, un intervalo de conanza al 95 %, por ejemplo, garantiza que si tomamos 100 muestras el parmetro poblacional estar dentro del intervalo en aproximadamente 95 intervalos construidos. Sin embargo, esta interpretacin es absurda en la prctica, porque nosotros no tenemos 100 muestras, sino slo una. Nosotros tenemos los datos de una muestra. Con ellos construimos un intervalo de conanza. Y ahora slo caben dos posibilidades: o el parmetro est dentro del intervalo o no lo est. El parmetro es constante, y el intervalo tambin. No podemos repetir el experimento! Es por ello que se habla de intervalos
conanza , de
conanza
143
= 1 ,
,x x z1 + z1 2 2 N N
con un (1 ) % de conanza. No obstante, hay que reconocer que en la prctica es poco probable que se desconozca el valor de la media y s se conozca el de la varianza, de manera que la aplicacin de este teorema es muy limitada. El siguiente resultado responde precisamente a la necesidad de extender el anterior cuando se desconoce el valor de la varianza. Sea X una v.a. con distribucin normal de media y varianza 2 , ambas desconocidas. Sea una muestra
x = (x1 , ..., xN ) de X , la media muestral x y la varianza muestral s2 X,N 1 . Entonces, s2 X,N 1 N s2 X,N 1 N = 1 ,
P x t1 2 ; N 1
,x + t1 2 ;N 1
grados de libertad.
2
donde t;N a es el valor tal que FTN (t;N ) = , siendo TN una v.a. con distribucin T de Student con N
x t1 2 ;N 1
contiene a la media, que es desconocida.
s2 X,N 1 N
,x + t1 2 ; N 1
s2 X,N 1 N
Ejemplo.
Mediante R habamos simulado 1000 valores de una distribucin N (0, 1). La media y la
desviacin tpica muestrales de esos 1000 valores resultaron ser x = 0.0133 y s999 = 0.9813. Por tanto, el intervalo de conanza que se establece al 95 % de conanza para la media es
= (0.074, 0.0475)
144
Los dos resultados que acabamos de enunciar se basan en que se conoce la distribucin exacta de la muestra, normal, lo que permite deducir que la media muestral sigue tambin, y de forma exacta, una distribucin normal de media y varianza
2 N .
Sin embargo, gracias al teorema central del lmite se sabe que sea cual
2 N ,
sea la distribucin de las variables de la muestra aleatoria simple, la media muestral sigue aproximadamente una distribucin normal de media y varianza ya que se obtiene como suma de v.a. independientes con
aproximado
la misma distribucin. Por lo tanto, podemos obtener un intervalo de conanza media de cualquier distribucin, como se recoge en el siguiente resultado.
para cualquier
Sea X una v.a. con distribucin cualquiera de media , desconocida, y con varianza, 2 . Sea una muestra
x = (x1 , ..., xN ) de X y la media muestral, x . Entonces, si N es sucientemente elevado (N > 30 es suciente), + z1/2 P x z1/2 , x N N 1 .
En esta expresin, si es desconocida, puede sustituirse por la desviacin tpica muestral, sn1 .
Ejemplo. Para dimensionar el tamao del buer de un modem ADSL es necesario estimar el promedio
de paquetes de datos por milisegundo que recibe el modem. Se considera que el tiempo (en milisegundos) que transcurre entre paquete y paquete sigue una distribucin exponencial de parmetro . Obsrvese que la media de esta distribucin es =
1 ,
tiempo medio
entre paquetes, por lo que es precisamente el promedio de paquetes por milisegundo que recibe el modem. Por lo tanto, el objetivo es estimar el parmetro , que es el que se utilizar para dimensionar el modem. Mediante un snier acoplado al modem para capturar datos del trco, se toman datos de los tiempos entre paquetes de 1001 paquetes, por lo que se tienen 1000 datos de tiempos entre paquetes. La media de estos tiempos resulta ser x = 2.025, siendo la desviacin tpica muestral de 1.921. En primer lugar, vamos a calcular un intervalo de conanza (al 95 %) para la media de la distribucin,
el intervalo de conanza al 95 % de es
= (0.466, 0.525) .
A ttulo informativo, el valor que se considera en el dimensionamiento del modem es un mltiplo (el doble, por ejemplo) del extremo superior del intervalo, en este caso 0.525.
145
P p
p z1/2
p (1 p ) ,p + z1/2 N
p (1 p ) N
1 .
Ejemplo. La Junta de Andaluca pretende implantar un programa de ayuda a familias con familiares
dependientes. Dado que la mayor parte de los Servicios Sociales son competencia de los municipios, la Junta proporcionar los medios econmicos, pero sern stos los encargados de ejecutar el programa. Los Servicios Sociales de cualquier municipio asumen que, por errores inevitables, no todas las familias a las que subvencionan reunen los requisitos exigidos, pero la Junta les responsabiliza de que esto no ocurra en ms del 4 % de ellas. Si se supera este porcentaje, penalizar al municipio. En un municipio se muestrean 200 familias y se detecta que 12 de ellas (6 %) no cumplen las condiciones exigidas. Debe la Junta sancionar al municipio? Si nos jamos slo en el valor de la estimacin puntual, 6 %, s debera hacerlo, pero no sera justo: 12 errores en una muestra de 200 pueden no ser una evidencia suciente de que el porcentaje superara el 4 %. Consideremos un un intervalo de conanza para la proporcin de errores (5 % de signicacin) con los datos obtenidos:
0.06 1.96
Por tanto, no hay evidencias de que el porcentaje sea superior al 4 % y no debe sancionarse al municipio.
< 2 <
N i=1 (Xi 2 2 ;N 1
x )
= 1 .
a El valor de 2 2 y debe buscarse en las tablas de la distribucin 2 u obtenerse mediante el ordenador. /2;N 1 1/2;N 1
146
cuadrado con N grados de libertad. Nota. Un intervalo de conanza para la desviacin tpica puede obtenerse trivialmente como la raiz cuadrada
del intervalo de conanza para la varianza.
Ejemplo. En el ejemplo donde consideramos 1000 valores simulados de una N (0, 1) tenamos que x =
0.0133 y s999 = 0.9813. Por tanto, teniendo en cuenta que
N
= (0.8838, 1.0533) .
Obsrvese que = 1 pertenece al intervalo de conanza al 95 %. Puede que alguno de vosotros est pensando cul puede ser el inters de las estimaciones puntuales y, sobre todo, mediante intervalos de conanza de la varianza. Probablemente todos tenemos muy claro qu es una media, incluso una proporcin, pero quiz se nos escape la importancia prctica del concepto de varianza. En este sentido, hay que decir que en el mbito de la Ingeniera la varianza se utiliza muchsimo en lo que se conoce como
control de calidad.
Los japoneses son, en esto, los pioneros y quiz los mejores expertos. A
ellos se les atribuye un principio bsico del control de calidad en cualquier proceso bsico de produccin:
la
Pensemos en cualquier proceso de fabricacin genrico. En l se tratar de obtener un producto sujeto a unas especicaciones concretas. Sin embargo, el error inherente a cualquier proceso experimental provocar: 1. Un aumento o una disminucin estructurales del producto con respecto a un valor objetivo. Esto podra detectarse como un sesgo en la media de lo producido con respecto al valor objetivo. 2. Unas diferencias ms o menos importantes en los productos resultantes, que podran ser evaluadas mediante la varianza. De esas dos posibles problemticas, la ms compleja, sin duda es la segunda. Probablemente no es un grave problema
calibrar
la mquina que produce para que la media se site en el valor objetivo, pero ser sin duda
bilaterales
147
No obstante, no vamos a detallarlos aqu, aunque su interpretacin es anloga a la de los intervalos de conanza que hemos visto. Cualquier paquete de software estadstico puede facilitar estos intervalos sin dicultad.
en 2002, titulado Leachate from Land Disposed Residential Consun sitio de prueba se tomaron 42 muestras
truction Waste, en el que se presenta un estudio de la contaminacin en basureros que contienen desechos de construccin y desperdicios de demoliciones. Decamos all que De
de lixiado, de las cuales 26 contienen niveles detectables de plomo. Una ingeniera desea obtener a partir de esos datos una estimacin de la probabilidad de que una muestra de un basurero contenga niveles detectables de plomo. No obstante, es consciente de que esa estimacin estar basada en esa muestra, que es de slo 42 datos, luego querr tambin obtener una estimacin del error que est cometiendo al hacer la estimacin. Finalmente, se plantea si con la estimacin y el error de sta, podr obtener un rango donde la verdadera probabilidad se encuentre con un alto nivel de conanza.
problema. En primer lugar, tenemos que obtener una estimacin de la proporcin de muestras (o probabilidad) que contienen niveles detectables de plomo. Hemos visto que un estimador insesgado de mnima varianza, que adems coincide con el estimador de mxima verosimilitud, de la proporcin es la proporcin muestral. En nuestro caso, por tanto, podemos estimar la proporcin en p = error estndar de esta estimacin en s.e.( p) = error estandar ser inferior a estandar inferior a un 7.71 %. que el intervalo
1 2 42 0.6190(10.6190) 42 26 42
Por ltimo, en funcin de esta estimacin y de su error estandar, puede armar con un 95 % de conanza
148
Captulo 8
Contrastes de hiptesis paramtricas
La gran tragedia de la ciencia: la destruccin de una bella hiptesis por un antiesttico conjunto de datos. Thomas H. Huxley. La Estadstica puede probar todo, incluso la verdad. N. Moynihan
Resumen. En este captulo explicamos qu se entiende por contraste de hiptesis estadstica y aprendemos
a realizar contrastes de este tipo a partir de datos, referidos a algn parmetro poblacional desconocido.
Palabras clave: contraste de hiptesis, error tipo I, error tipo II, estadstico de contraste, p-valor, nivel de
signicacin, nivel de conanza.
8.1. Introduccin
tesis se utilizan para inferir decisiones que se reeren a un parmetro poblacional basndose en muestras de
la variable. Vamos a comenzar a explicar el funcionamiento de un contraste de hiptesis con un ejemplo. Como apuntbamos en la introduccin del captulo anterior, las llamadas
Ejemplo. Los cientcos recomiendan que para prever el calentamiento global, la concentracin de gases
de efecto invernadero no debe exceder las 350 partes por milln. Una organizacin de proteccin del medio ambiente quiere determinar si el nivel medio, , de gases de efecto invernadero en una regin cumple con las pautas requeridas, que establecen un lmite mximo de 350 partes por milln. Para ello tomar una muestra de mediciones diarias de aire para decidir si se supera el lmite, es decir, si > 350 o no. Por tanto, la organizacin desea encontrar apoyo para la hiptesis > 350, llamada
hiptesis alternativa,
obteniendo pruebas en la muestra que indiquen que la hiptesis contraria, = 350 (o 350), llamada
Dicho de otra forma, la organizacin va a someter a juicio a la hiptesis nula 350. Partir de
su
suponiendo que es cierta, es decir, suponiendo que, en principio, no se superan los lmites de 149
presencia de gases de efecto invernadero, y slo la rechazar en favor de H1 si hay pruebas evidentes en los datos de la muestra para ello. La decisin de rechazar o no la hiptesis nula en favor de la alternativa deber basarse en la informacin que da la muestra, a travs de alguna medida asociada a ella, que se denomina estadstico de contraste. Por ejemplo, si se toman 30 lecturas de aire y la media muestral es mucho mayor que 350, lo lgico ser rechazar la hiptesis nula en favor de > 350, pero si la media muestral es slo ligeramente mayor que 350 o menor que 350, no habr pruebas sucientes para rechazar 350 en favor de > 350. La cuestin clave es en qu momento se decide rechazar la hiptesis nula en favor de la alternativa. En nuestro ejemplo, en qu momento podemos decir que la media muestral es sucientemente mayor que 350. El conjunto de estos valores del estadstico de contraste, que permiten rechazar = 350 en favor de
regin de rechazo.
A la luz de este ejemplo, vamos a tratar de denir de forma general los conceptos que acabamos de introducir. Un contraste
de hiptesis es una prueba que se basa en los datos de una muestra de una variable aleatoria mediante la cul podemos rechazar una hiptesis sobre un parmetro de la poblacin, llamada hiptesis nula (H0 ), en favor de una hiptesis contraria, llamada hiptesis alternativa (H1 ). estadstico de
contraste.
Se rechazar la hiptesis nula en favor de la alternativa cuando el valor del estadstico de contraste se site en una determinada regin, llamada
regin de rechazo.
La hiptesis H0 se suele expresar como una igualdada , del tipo H0 : = 0 , donde es un parmetro de una poblacin y 0 es un valor hipottico para ese parmetro. Por su parte, H1 puede tener tener dos formas:
H1 : > 0 , en cuyo caso se habla de contraste unilateral a la derecha o de una cola a la derecha o de un extremo a la derecha, o H1 : < 0 , en cuyo caso se habla de contraste unilateral a la izquierda o de una cola a la izquierda o de un extremo a la izquierda. H1 : = 0 , en cuyo caso se habla de contraste bilateral o de dos colas o de dos extremos.
a De todas formas, tambin es frecuente expresar H0 como negacin exacta de H1 , en cuyo caso s puede ser una desigualdad no estricta. Matemticamente no hay diferencias en estas dos posibilidades.
Uno de los aspectos ms importantes y que se suele prestar a mayor confusin se reere a qu hiptesis considerar como H0 y cul como H1 . Una regla prctica para hacerlo correctamente puede ser la siguiente: 1. Si estamos intentando probar una hiptesis, sta debe considerarse como la hiptesis alternativa. 2. Por el contrario, si deseamos desacreditar una hiptesis, debemos incluir sta como hiptesis nula.
Ejemplo. Para una determinada edicacin se exige que los tubos de agua tengan una resistencia media
a la ruptura, , por encima de 30 kg por centmetro.
150
Como primera situacin, supongamos que un proveedor quiere facilitar un nuevo tipo de tubo para ser utilizado en esta edicacin. Lo que deber hacer es poner a trabajar a sus ingenieros, que deben realizar una prueba para decidir si esos tubos cumplen con las especicaciones requeridas. En ese caso, deben proponer un contraste que incluya como hiptesis nula H0 : 30 frente a la alternativa H1 : > 30. Si al realizar el contraste de hiptesis se rechaza H0 en favor de H1 , el tubo podr ser utilizado, pero si no se puede rechazar H0 en favor de H1 , no se tienen sucientes garantas sobre la calidad del tubo y no ser utilizado. Como segunda situacin, un proveedor lleva suministrando su tipo de tubo desde hace aos, sin que se hayan detectado, en principio, problemas con ellos. Sin embargo, un ingeniero que trabaja para el gobierno controlando la calidad en las edicaciones viene teniendo sospechas de que ese tipo de tubo no cumple con las exigencias requeridas. En ese caso, si quiere probar su hiptesis, el ingeniero deber considerar un contraste de la hiptesis nula H0 : 30 frente a H1 : < 30. Dicho de otra forma, slo podr contrastar su hiptesis si encuentra datos empricos que permitan rechazar esa hiptesis nula en favor de su alternativa, que demuestren con un alto nivel de abilidad que el proveedor que estaba siendo aceptado ahora no cumple con los requisitos.
De hecho, es importantsimo que desde el principio tengamos claro qu tipo de decisiones puede proporcionarnos un contraste de hiptesis. Aunque ya las hemos comentado, vamos a insistir en ellas. Son las dos siguientes: 1. Si el valor del estadstico de contraste para los datos de la muestra cae en la regin de rechazo, podremos armar hiptesis nula en favor de la alternativa. 2. Si el valor del estadstico de contraste para los datos de la muestra no cae en la regin de rechazo, no podremos armar
con un determinado nivel de conanza que los datos de la muestra permiten rechazar la
con el nivel de conanza exigido que los datos de la muestra permiten rechazar
la hiptesis nula en favor de la alternativa. La clave radica en que entendamos desde el principio que la hiptesis nula carece de conanza. Es asumida slo como punto de partida, pero ser abandonada cuando los datos empricos muestren evidencias claras en su contra y a favor de la alternativa. La carga de la prueba de hiptesis radica siempre en la hiptesis alternativa, que es la nica hiptesis en la que podremos garantizar un determinado nivel de conanza.
error tipo I o falso negativo a rechazar la hiptesis nula cuando es cierta, y su probabilidad se nota por , llamado nivel de signicacin. nivel de conanza a la probabilidad de aceptar la hiptesis nula cuando es cierta, es decir, 1 . 151
Se llama
Se llama
error tipo II o falso positivo a aceptar la hiptesis nula cuando es falsa, y su probabilidad se potencia a la probabilidad de rechazar la hiptesis nula cuando es falsa, es decir, 1 .
Cul de los dos errores es ms grave? Probablemente eso depende de cada contraste, pero en general, lo que se pretende es acotar el error tipo I y tratar de minimizar el error tipo II, es decir, tratar de elegir contrastes lo ms potentes posibles garantizando que la probabilidad del error tipo I es inferior a un determinado nivel.
Ejemplo. Un fabricante de minicomputadoras cree que puede vender cierto paquete de software a ms
del 20 % de quienes compran sus computadoras. Se seleccionaron al azar 10 posibles compradores de la computadora y se les pregunt si estaban interesados en el paquete de software. De estas personas, 4 indicaron que pensaban comprar el paquete. Proporciona esta muestra sucientes pruebas de que ms del 20 % de los compradores de la computadora adquirirn el paquete de software? Si p es la verdadera proporcin de compradores que adquirirn el paquete de software, dado que deseamos demostrar p > 0.2, tenemos que H0 : p = 0.2 y H1 : p > 0.2. Sea X : nmero de posibles compradores de la muestra, en cuyo caso, X B (10, p). Utilizaremos el valor de X como estadstico del contraste, rechazando H0 si X es grande. Supongamos que establecemos como regin de rechazo x 4. En ese caso, dado que en la muestra x = 4, rechazaramos H0 en favor de H1 , llegando a la conclusin de que el fabricante tiene razn. Pero, cul es el nivel de conanza de este contraste? Calculemos la probabilidad de error tipo I. Para ello, en el Cuadro 8.2 aparece la distribucin de probabilidad del estadstico de contraste que hemos elegido, suponiendo que H0 es cierta, ya que debemos calcular
= P [Rechazar H0 |H0
es cierta ]
2
= P [X 4|p=0.2 ]
= 0.08808 + 2.6424 10
a la luz de los datos podemos armar con un 87.913 % de conanza que p > 0.2.
Y si queremos un nivel de conanza mayor, es decir, una probabilidad de error tipo I menor? Debemos reducir la regin de rechazo. Si ponemos como regin de rechazo x 5, ya no podremos rechazar H0 en
152
x 0 1 2 3 4 5 6 7 8 9 10
P [X = x] 0.20 0.810 = 0.10737 0.21 0.89 = 0.26844 0.22 0.88 = 0.30199 0.23 0.87 = 0.20133 0.24 0.86 = 0.08808 10 5 5 2 5 0.2 0.8 = 2.6424 10 10 6 4 3 6 0.2 0.8 = 5.505 10 10 7 3 4 7 0.2 0.8 = 7.8643 10 10 8 2 5 8 0.2 0.8 = 7.3728 10 10 9 1 6 9 0.2 0.8 = 4.096 10 10 10 0 7 10 0.2 0.8 = 1.024 10
10 0 10 1 10 2 10 3 10 4
Regin de aceptacin
Regin de rechazo
Cuadro 8.2: Funcin masa del estadstico de contraste suponiendo cierta H0 , es decir, suponiendo que p = 0.2.
= 2.6424 102 + 5.505 103 + 7.864 3 104 + 7.3728 105 + 4.096 106 + 1.024 107 = 3.2793 102 ,
luego el nivel de conanza sera 1 3.2793 102 100 % = 96.721 %, y la conclusin sera que
luz de los datos no podemos armar que p > 0.2 con un 96.721 % de conanza.
a la
p-valor.
153
que el contraste se realiza mediante un estadstico que notaremos S , y que el valor del estadstico para la muestra es s. El
p-valor asociado al contraste se dene como el mnimo nivel de signicacin con el que la hiptesis nula
Ejemplo. En el Ejemplo 8.2 hemos visto cmo podemos rechazar la hiptesis nula con un 87.913 % de
conanza, pero no con un 96.721 %. Dicho de otra forma, podemos rechazar la hiptesis nula con un nivel de signicacin del 12.087 %, pero no con un nivel de signicacin del 3.279 %. Esto implica que el p-valor estar justo entre estos dos ltimos valores.
Dado que normalmente se elige como nivel de signicacin mximo = 0.05, se tiene que la regla de decisin en un contraste con ese nivel de signicacin, dado el p-valor, sera la siguiente: Si p < 0.05, rechazamos H0 en favor de H1 con ms de un 95 % de conanza. Si p 0.05, no podemos rechazar H0 en favor de H1 con al menos un 95 % de conanza. Sin embargo, esta regla de decisin, que es la ms habitual, es demasiado reduccionista si no se proporciona el valor exacto del p-valor. La razn es que no es lo mismo rechazar una hiptesis con que eso permite a cada lector decidir por s mismo. En resumen, el p-valor permite utilizar cualquier otro nivel de signicacin, ya que si consideramos un nivel de signicacin : Si p < , rechazamos H0 en favor de H1 con ms de un (1 ) % de conanza. Si p , no podemos rechazar H0 en favor de H1 con al menos un (1 ) % de conanza. Como conclusin, siempre que hagamos un contraste de hiptesis, debemos facilitar el p-valor asociado. Como nota nal sobre el concepto de p-valor, es importante sealar que, al contrario de lo que errneamente se piensa en demasiadas ocasiones, el p-valor no es la probabilidad de la hiptesis nula. Mucha gente piensa esto porque es cierto que cuando el p-valor es pequeo es cuando se rechaza la hiptesis nula. Sin embargo, para empezar, no tiene sentido plantearnos la
probabilidad al menos
un 95 % de
conanza si el p-valor es 0.049 que si es 0.001. Hay que proporcionar siempre el p-valor de un contraste, ya
falsa: desde una perspectiva clsica de la probabilidad, se habla de la probabilidad de un suceso porque a veces ocurre y a veces no, pero en este caso no podemos pensar as, ya que la hiptesis nula o se da o no se da. En realidad, el p-valor lo que da es un indicio de la certidumbre que tenemos, de la conanza en que la hiptesis nula sea verdad, teniendo en cuenta los datos de la muestra. Esta interpretacin tiene ms que ver con la interpretacin subjetiva de la probabilidad de la que hablamos al principio de curso. Hay que decir que, en relacin a esta interpretacin subjetiva de la probabilidad, existe una visin de la Estadstica, llamada Estadstica Bayesiana, en la que el p-valor s puede entenderse como la probabilidad de la hiptesis nula, pero entendiendo que medimos la probabilidad de la hiptesis nula, no porque pueda ocurrir o no ocurrir en funcin del azar, sino porque tenemos incertidumbre sobre ella.
154
0.4
0.3
0.2
Regin de aceptacin
0.2
0.3
0.4
Regin de aceptacin
0.1
0.0
0.1
1
0.0
0.2
0.3
0.4
Regin de aceptacin
0.1
0.0
o de dos colas, ya que el rechazo de la hiptesis nula en favor de la alternativa puede producirse porque el
estadstico de contraste toma valores muy altos o muy bajos. Por contra, los contrastes del tipo H0 : = 0 , frente a H1 : > 0 o H1 : < 0 son altos (cuando H1 : > 0 , llamado
contrastes bilaterales
ya que el rechazo de la
hiptesis nula en favor de la alternativa puede producirse slo si el estadstico de contraste toma valores muy
contraste a la izquierda).
: < 0 ,
llamado 155
Por tanto, teniendo en cuenta la denicin de p-valor, su clculo se realiza de la siguiente forma: Si el contraste es unilateral a la izquierda (H1 : < 0 ),
p = P [S s/H0 ] .
Si el contraste es unilateral a la derecha (H1 : > 0 ),
p = P [S > s/H0 ] .
Si el contraste es bilateral (H1 : = 0 ),
estadsticos proporcionan el p-valor como dato para la toma de las decisiones. En lo que resta del tema lo que vamos a hacer es enunciar distintos contrastes de hiptesis para la media, la varianza o la proporcin de una poblacin y para comparar las medias, las varianzas y las proporciones en dos poblaciones distintas. No nos vamos a centrar en los detalles de cmo se deducen sino slo en cmo se utilizan en la prctica. De todas formas, es importante hacer una aclaracin: cuando los datos proceden de una distribucin normal, es muy sencillo obtener la distribucin del estadstico del contraste, gracias a los resultados que vimos en el captulo de distribuciones en el muestreo. Sin embargo, si los datos no proceden de variables normales, esta cuestin es muchsimo ms difcil. Afortunadamente, si el tamao de la muestra es grande, el Teorema Central del Lmite garantiza que los parmetros que se basan en sumas basadas en las muestras siguen aproximadamente una distribucin normal. Es por ello que en cada tipo de contraste que vamos a describir a continuacin se distinguen aquellos que se basan en muestras grandes y los que se basan en muestras reducidas, que slo podrn ser utilizados si la variable es normal. En cada caso, vamos a acompaar el contraste con un ejemplo que comentaremos extensamente.
156
A la izquierda H0 : = 0 H1 : < 0
z < z P [Z < z ]
A la derecha H0 : = 0 H1 : > 0
z > z1 P [Z > z ]
Cuadro 8.3: Contraste para la media con muestras grandes 9.23 12.57 8.42 9.59 11.37 10.38 8.71 7.84 8.63 10.06 9.76 9.16 9.16 7.48 8.09 7.58 10.80 9.40 7.75 9.19 9.99 9.86 9.03 8.92 10.79 9.46 7.61 9.00 12.85 9.82 10.18 8.98 9.25 11.01 9.37 9.08 10.81 10.39 8.19 9.66 7.09 9.05 8.50 7.44 9.75 9.25 9.39 9.51 11.66 9.66
Cuadro 8.4: Datos del ejemplo de las especies para tratar de discernir si los hmeros fsiles que encuentran en un yacimiento corresponden o no a una nueva especie. Supongamos que una especie comn en la zona donde se enclava un yacimiento, la
Bichus localis,
tiene una
razn media longitud/anchura de 9. Los arquelogos encargados del yacimiento han hallado 50 hmeros fsiles, cuyos datos aparecen en el Cuadro 8.4. Tienen los arquelogos indicios sucientes para concluir que han descubierto en el yacimiento una especie distinta de la
Bichus localis ?
En primer lugar, observemos que no nos han especicado ningn nivel de signicacin en el enunciado. En este caso, lo habitual es considerar = 0.05. En caso de que la decisin sea muy relevante, elegiramos un nivel ms bajo. A continuacin debemos plantear las hiptesis del contraste. En principio, la zona de la excavacin indica que la especie del yacimiento debera ser la especie
Bichus localis,
la hiptesis nula es H0 : = 9, donde por estamos notando la media de la razn longitud/anchura del hmero de la especie del yacimiento. Como hiptesis alternativa nos planteamos que se trate de otra especie, es decir H1 : = 9. Se trata, por tanto, de un contraste de dos colas. Para realizarlo, debemos calcular en primer lugar el estadstico de contraste. ste, a su vez, requiere del clculo de la media y de la desviacin tpica muestral de los datos. Estos valores son, respectivamente, 9.414 y 1.239. Por tanto,
z=
Ahora tenemos que plantearnos si este valor del estadstico nos permite rechazar la hiptesis nula en favor de la alternativa o no. Podemos hacerlo de dos formas: 1. Obteniendo la regin de rechazo. Dado que z10.05/2 = 1.96, la regin de rechazo es |z | > 1.96. Vemos que, en efecto, 2.363 > 1.96, por lo que podemos rechazar la hiptesis nula en favor de la alternativa con un 95 % de conanza, concluyendo con ese nivel de conanza que se trata de una nueva especie. Nos queda, sin embargo, la duda de saber qu hubiera pasado de tomar un nivel de signicacin ms exigente; por ejemplo, = 0.01.
Prof. Dr. Antonio Jos Sez Castillo
157
Bilateral A la derecha H0 : = 0 H0 : = 0 H1 : = 0 H1 : > 0 x 0 t = sn1 / n t < t;n1 |t| > t1/2;n1 t > t1;n1 P [Tn1 < t] 2P [Tn1 > |t|] P [Tn1 > t] Distribucin de probabilidad aproximadamente normal
A la izquierda H0 : = 0 H1 : < 0
Cuadro 8.5: Contraste para la media con muestras pequeas 2. Mediante el p-valor. Tenemos que
signicacin)1 .
en el Campo de Gibraltar. La
noticia slo indicaba que el estudio se basaba en una muestra, dando el valor medio muestral en varias zonas del Campo de Gibraltar, pero no el tamao ni la desviacin tpica muestral. Para realizar el ejemplo, nosotros vamos a imaginar unos datos correspondientes a una muestra de 20 hogares donde se midi la concentracin de benceno, arrojando una media muestral de 5.1 microgramos por metro cbico y una desviacin tpica muestral de 1.7. Estoy seguro de que, en ese caso, el peridico habra sacado grandes titulares sobre la contaminacin por benceno en los hogares del Campo de Gibraltar pero, podemos armar que, en efecto, se superan los lmites de la Directiva Europea de Calidad del Aire? En primer lugar, de nuevo no nos indican un nivel de signicacin con el que realizar la prueba. Escogemos, en principio, = 0.05. Tenemos que tener cuidado, porque el planteamiento de la prueba, tal y como se nos ha planteado, ser contrastar la hiptesis nula H0 : = 5 frente a H1 : > 5, en cuyo caso, un error tipo I se traduce en concluir que se viola la normativa cuando en realidad no lo hace, lo cul es grave porque genera alarma injusticada en la poblacin, mientras que el error tipo II, el que no controlamos con el , es concluir que
1 Debe quedar claro que, estadsticamente, lo que hemos demostrado es que la razn media es distinta de 9. Son los arquelogos los que deciden que eso implica una nueva especie.
158
se cumple la normativa cuando en realidad no lo hace, lo cual es gravsimo para la poblacin! Con esto quiero incidir en una cuestin importante respecto a lo que se nos pide que demostremos: se nos dice que nos planteemos si se superan los lmites de la normativa, en cuyo caso H1 debe ser > 5, pero en realidad, deberamos plantearnos la pregunta de si podemos estar seguros de que se est por debajo de los lmites mximos permitidos, es decir, deberamos probar H1 : < 5. Centrndonos exclusivamente en lo que se nos pide en el enunciado, tenemos que H1 : > 5 determina que se trata de una prueba unilateral a la derecha. El estadstico de contraste es
t=
1. Si queremos concluir con la regin de rechazo, sta est formada por los valores t > t0.95;19 = 1.729, luego, dado que 0.263 < 1.729, no podemos armar con un 95 % de conanza que se est incumpliendo la normativa. 2. El p-valor es an ms informativo. Su valor es p = P [T19 > 0.263] = 0.398, por lo que tendramos que llegar hasta casi un 40 % de signicacin para rechazar la hiptesis nula en favor de la alternativa armando que se incumple la normativa. Por lo tanto, tal y como est planteado el problema, no podemos armar que se est incumpliendo la normativa (con un 5 % de signicacin), por ms que un valor muestral de la media, 5.1, parezca indicar que s. Lo que yo recomendara a los responsables del cumplimiento la normativa es que aumentaran el tamao de la muestra, ya que, por ejemplo, si esos mismos datos correspondieran a 1000 hogares en vez de a 20, s se podra armar con un 95 % de conanza que se incumple la normativa.
Sean x , y , s1 n1
y s2 n1
159
Bilateral
H0 : 1 2 = D0 H1 : 1 2 = D0 z=
( x y )D0
( s1 n1 )
n1
(s2 n1 )
n2
z < z
|z | > z1/2
z > z1
Cuadro 8.6: Contraste para la diferencia de medias con muestras grandes Proceso nuevo n1 = 50 y 1 = 1255 s1 = 215 Proceso antiguo n2 = 30 y 2 = 1330 s2 = 238
Cuadro 8.7: Datos del ejemplo del nuevo proceso de produccin El estadstico es
z=
1255 1330
2152 50
= 1.41.
2382 30
Para tomar la decisin podemos obtener la regin crtica o el p-valor: 1. La regin de rechazo es z < z0.05 = 1.65. Dado que z = 1.41 no cae en esta regin, no podemos rechazar la hiptesis nula en favor de la alternativa con = 0.05, es decir, no tenemos un 95 % de conanza en que el nuevo proceso haya disminuido el tiempo medio de produccin. No obstante, esta respuesta deja abierta la pregunta, si no un 95 % de conanza, cunta?. 2. Dado que el p-valor es p = P [Z < 1.41] = 0.079 > 0.05, no podemos rechazar la hiptesis nula en favor de la alternativa con el nivel de signicacin = 0.05. Hay que decir que no hemos podido probar lo que se sospechaba, que el nuevo proceso reduca el tiempo medio de produccin, pero los datos apuntan en esta direccin. Desde el punto de vista estadstico, deberamos recomendar al ingeniero que aumente el tamao de las muestras porque es posible que en ese caso s pueda probar esa hiptesis.
8.5.2. Con muestras pequeas (n1 < 30 o n2 < 30) y varianzas iguales
El resumen aparece en el Cuadro 8.8. A propsito de la hiptesis de la igualdad de las varianzas, sta debe basarse en razones no estadsticas. Lo habitual es que se suponga que son iguales porque el experto que est realizando el contraste tiene razones experimentales para hacerlo, razones ajenas a la estadstica. Vamos a considerar como ejemplo el de un ingeniero que desea comparar dos equipos de trabajo para analizar si se comportan de forma homognea. Para ello realiza una prueba de destreza entre los trabajadores de ambos equipos: 13 del equipo 1 y 15 del equipo 2, cuyas puntuaciones aparecen en el Cuadro 8.9. Hay indicios sucientes de que existan diferencias entre las puntuaciones medias de los dos equipos? ( = 0.05).
160
A la izquierda H0 : 1 2 = D0 H1 : 1 2 < D0
t=
( xy )D0 s2 p
1 n1 1 +n 2
P [Tn1 +n2 2 < t] 2P [Tn1 +n2 2 > |t|] P [Tn1 +n2 2 > t] Muestreo independiente y aleatorio. Variables normales. 2 2 1 = 2
Cuadro 8.8: Contraste para la igualdad de medias con muestras pequeas Equipo 1 Equipo 2 59 71 73 63 74 40 61 34 92 38 60 48 84 60 54 75 73 47 47 41 102 44 75 86 33 53 68 39
Cuadro 8.9: Datos de las puntuaciones de los dos equipos de trabajo Nos piden que contrastemos la igualdad de las medias (H0 : 1 = 2 ), frente a la alternativa H1 : 1 = 2 , por lo que se trata de un contraste bilateral. En primer lugar, obtenemos los estadsticos muestrales de ambos equipos. Las medias son, respectivamente, 68.2 y 53.8, mientras que las desviaciones tpicas muestrales son 18.6 y 15.8. Con estos valores podemos calcular s2 p:
s2 p =
t=
68.2 53.8
1 294.09( 13 + 1 15 )
= 2.22.
Aunque no hemos dicho nada al respecto, vamos a suponer que las varianzas son iguales. Esto no parece descabellado si admitimos que las condiciones en que trabajan ambos equipos determinan que no debe haber diferencias en la variabilidad de sus puntuaciones. Esta hiptesis debe ser admitida y propuesta por el experto (en este caso, el ingeniero) que maneja los datos. Para obtener la conclusin, como siempre, vamos a obtener la regin de rechazo y valorar el p-valor: 1. La regin de rechazo es |t| > t0.975;26 = 2.055. Dado que t = 2.22 cae en esa regin, podemos rechazar la igualdad de las medias con un 95 % de conanza. 2. Dado que el p-valor, p = 2P [T26 > 2.22] = 0.035 es inferior a 0.05, podemos rechazar la igualdad de las medias con un 95 % de conanza. De hecho, podramos llegar a un 96.5 %.
161
Bilateral
H0 : 1 2 = D0 H1 : 1 2 = D0 t=
1 n
( xy )D0
2 (s1 n1 ) +(sn1 ) 2
t < t;2(n1)
t > t1;2(n1)
P [T;2(n1) < t] 2P [T;2(n1) > |t|] P [T;2(n1) > t] Las dos muestras se recogen de forma independiente y aleatoria Ambas variables siguen distribuciones aproximadamente normales Las muestras tienen el mismo tamao, n1 = n2 = n
Cuadro 8.10: Contraste para la igualdad de medias con muestras pequeas varianzas distintas y mismo tamao muestral Tipo de prueba Hiptesis Estadstico de contraste Regin de rechazo p-valor Supuestos Unilateral a la izquierda H0 : 1 2 = D0 H1 : 1 2 < D0 Unilateral a la derecha H0 : 1 2 = D0 H0 : 1 2 = D0 H1 : 1 2 = D0 H1 : 1 2 > D0 2 2 2 s2 (s1 ( n1 ) n1 ) + Bilateral
n1 n2 2
t=
( xy )D0
(s1 n1 )
n1
( s2 ) + n1
n2
,v =
2 2 s1 n1 n1
(s2 n1 )
n2
2 2
n1 1
n2 1
t < t;v
t > t1;v
P [Tv < t] 2P [Tv > |t|] P [Tv > t] Las dos muestras se recogen de forma independiente y aleatoria Ambas variables siguen distribuciones aproximadamente normales
Cuadro 8.11: Contraste para la igualdad de medias con muestras pequeas, varianzas distintas y distinto tamao muestral
apareadas,
(x1 , y1 ) , ..., (xn , yn ). Para comparar ambas variables se considera una nueva variable, D = X Y . Notamos 2 a la media muestral de x1 y1 , ..., xn yn y sd a su varianza muestral. d n1
162
A la izquierda H0 : 1 2 = D0 H1 : 1 2 < D0
Bilateral H0 : 1 2 = D0 H1 : 1 2 = D0 0 z = sddD / n
n1
A la derecha H0 : 1 2 = D0 H1 : 1 2 > D0
z < z P [Z < z ]
z > z1 P [Z > z ]
Cuadro 8.12: Contraste para la igualdad de medias en poblaciones apareadas con muestra grande Tipo Hiptesis Estadstico Rechazo p-valor Supuestos A la izquierda H0 : 1 2 = D0 H1 : 1 2 < D0 Bilateral H0 : 1 2 = D0 H1 : 1 2 = D0 0 t = sddD / n
n1
A la derecha H0 : 1 2 = D0 H1 : 1 2 > D0
t < t;n1 |t| > t1/2;n1 t > t1;n1 P [Tn1 < t] 2P [Tn1 > |t|] P [Tn1 > t] D = X Y , es aproximadamente normal
Cuadro 8.13: Contraste para la igualdad de medias en poblaciones apareadas y muestra pequea ponente no deseado2 . Antes de sacarlo al mercado necesita un estudio de casos-controles que demuestre su ecacia. El estudio de casos controles consiste en encontrar un nmero determinado de parejas de personas con caractersticas siolgicas parecidas; en este caso, la ms importante de estas caractersticas sera que las parejas caso-control tengan al inicio del estudio el mismo o muy parecido nivel de presencia en sangre del componente no deseado: en cada una de esas parejas, una acta como caso, tomando la medicacin en estudio, y la otra como control, tomando un producto inocuo llamado placebo. Ninguna de las dos personas, ni siquiera el mdico o el farmacetico que controla el proceso, sabe quin es el caso y quin el control. Slo quien recopila y analiza los resultados, sin contacto alguno con el paciente, tiene esos datos. Esta metodologa se conoce como
doble ciego
en s mismo. Los datos aparecen en el Cuadro 8.14. Un anlisis costo-benecio de la empresa farmacetica muestra que ser benecioso sacar al mercado el producto si la disminucin media del componente perjudicial es de al menos 2 puntos. Realicemos una nueva prueba para ayudar a la compaa a tomar la decisin correcta. Los datos son la disminucin de presencia en sangre del componente no deseado despus de tomar el medicamento o el placebo. Empecemos por la notacin. Vamos a llamar muestra 1 a la del medicamento y muestra 2 a la del placebo. Con esta notacin, nos piden que contrastemos H0 : 1 2 = 2 frente a H1 : 1 > 2 +2, o equivalentemente,
y el p-valor asociado es p = P [T9 > 3.375] = 0.004. Vemos que la signicacin determina un p-valor inferior, por ejemplo, a = 0.05, por lo que podemos concluir con ese nivel de signicacin que la mejora es superior, en media, a 2 puntos y, por tanto, el medicamento es rentable.
2 Podra
163
Pareja 1 2 3 4 5 6 7 8 9 10
Medicamento 32.10 36.10 32.30 29.50 34.30 31.90 33.40 34.60 35.20 32.70
Placebo 27.10 31.50 30.40 26.90 29.90 28.70 30.20 31.80 33.60 29.90
Diferencia 5.00 4.60 1.90 2.60 4.40 3.20 3.20 2.80 1.60 2.80
Cuadro 8.14: Datos del ejemplo de la compaa farmacetica Tipo de prueba Hiptesis Estadstico de contraste p-valor Regin de rechazo Supuestos Unilateral a la izquierda H0 : p = p0 H1 : p < p0 Bilateral Unilateral a la derecha H0 : p = p0 H1 : p > p0
H0 : p = p 0 H1 : p = p 0 z=
p p0 p0 (1p0 ) n
P [Z < z ] z < z
P [Z > z ] z > z1
ello seleccionamos una muestra aleatoria simple de tamao n y contabilizamos la proporcin de xitos en la muestra, p . El resumen del contraste aparece en el Cuadro 8.15. Vamos a considerar un primer ejempo relativo a la relacin entre el gnero y los accidentes de trco. Se estima que el 60 % de los conductores son varones. Por otra parte, un estudio realizado sobre los datos de 120 accidentes de trco muestra que en ellos el 70 % de los accidentes fueron provocados por un varn conductor. Podemos, con esos datos, conrmar que los hombres son ms peligrosos al volante? Si notamos por p a la proporcin de varones causantes de accidentes de trco, la pregunta se responder armativamente si logramos contrastar la hiptesis H1 : p > 0.6. El valor del estadstico es
z=
0.7 0.6
0.60.4 120
= 2.236.
Por su parte, la regin de rechazo sera |z | > 1.96 para un = 0.05, luego en efecto, podemos concluir que la proporcin de varones causantes de accidentes es superior a la proporcin de varones conductores en general. El p-valor, de hecho, es 0.013. Vamos a analizar con mucho detalle otro ejemplo sobre igualdad de proporciones. De todas formas, lo que quiero enfatizaros con el ejemplo no est relacionado en s con el hecho de que se reera a una proporcin.
Una marca de nueces arma que, como mximo, el 6 % de las nueces estn vacas. Se eligieron 300 nueces
164
al azar y se detectaron 21 vacas. Con un nivel de signicacin del 5 %, se puede aceptar la armacin de la marca?
En primer lugar, pedir un nivel de signicacin del 5 % es equivalente a pedir un nivel de conanza del 95 % ... sobre qu? Nos preguntan si se puede aceptar la armacin de la marca
signicacin del 5 %, es decir, con un nivel de conanza del 95 %. Eso implica que queremos
probar con amplias garantas que la marca no miente, y la nica forma de hacerlo es poner su hiptesis (p < 0.06) en la hiptesis alternativa. Por tanto, tendramos H0 : p 0.06 frente a lo que arma la marca, H1 : p < 0.06.
con un nivel de
Ahora bien, jmonos que la proporcin muestral de nueces vacas es p = 21/300 = 0.07. Es decir, nos piden que veamos si una proporcin muestral de 0.07 da suciente conanza (95 % para ser exactos) de que p < 0.06... No da ninguna! Ni siquiera hace falta hacer el contraste con nmeros. Jams podremos rechazar la hiptesis nula en favor de la hiptesis de la marca, es decir, en absoluto podemos armar lo que dice la marca, p < 0.06, con un 95 % de conanza. De todas formas, por si hay algn incrdulo, 0.070.06 el estadstico de contraste sera z = = 0.729. La regin de rechazo, dado que es un test a la 0.060.94 izquierda, sera z < z0.05 = 1.645. Como vemos, el valor del estadstico de contraste est en la cola de la derecha y la regin de rechazo en la de la izquierda. Por eso deca antes que es imposible rechazar la hiptesis nula en favor de la alternativa, independientemente del nivel de conanza requerido. Hasta ahora hemos demostrado que la marca no puede armar que la proporcin de nueces vacas es inferior al 6 % con un 95 % de conanza. De hecho, no lo puede armar con ningn nivel de conanza, porque los datos tomados proporcionan una estimacin de 0.07 que va justo en contra de su hiptesis. Pero vamos a suponer que nos ponemos gallitos y decimos: es
la proporcin de nueces vacas superior al 6 % . ms, podra demostrar que hay eviden300
cias empricas que proporcionan un 95 % de conanza en que la compaa miente, siendo en realidad
armamos p > 0.06 con un 95 % de conanza, lo que equivale a decir que hemos planteado un nuevo contraste de hiptesis en el que H0 : p 0.06 frente a H1 : p > 0.06. Las cuentas estn casi hechas, ya que el valor del estadstico de contraste es el mismo, z = 0.729, mientras que la regin de rechazo es
z > z0.95 = 1.645. Ahora el valor del estadstico, es decir, la informacin que nos dan los datos (21 de
300 nueces vacas), s es coherente con la hiptesis alternativa, de ah que est en la misma cola que la regin de rechazo... pero no cae en ella!. Por lo tanto, no tenemos sucientes evidencias en los datos para rechazar la hiptesis nula en favor de la alternativa con un 95 % de conanza, as que no podemos demostrar con ese nivel de conanza que la marca miente. En resumen, aunque parezca paradjico, no tenemos sucientes evidencias en los datos para armar que la compaa dice la verdad, pero tampoco para demostrar que miente. La diferencia entre ambas hiptesis radica en que no tenemos ninguna conanza en la armacin de la compaa, y s alguna conanza en la armacin contraria. Cunta conanza tenemos en la armacin contraria p > 0.06? Ese valor viene dado por el p-valor, P [Z > 0.729] = 0.233, que determina que el nivel de conanza en
lo nico que podemos recomendar es aumentar el tamao de la muestra, es decir, romper ms de 300 nueces para tomar la decisin. Aparentemente, la informacin recogida con 300 nueces parece indicar
Prof. Dr. Antonio Jos Sez Castillo
165
Bilateral
H0 : p1 p2 = D0 H1 : p1 p2 = D0
p 1 p 2 D0 p (1p )
1 n1 1 +n 2
z= z < z P [Z < z ]
, p =
n1 p 1 +n2 p 2 n1 +n2
z > z1 P [Z > z ]
Cuadro 8.16: Contraste para la diferencia de proporciones que la marca miente. De hecho, si la proporcin muestral de 0.07 proviniera de una muestra de 1600 nueces en vez de 300, s hubiramos podido demostrar con un 95 % de conanza que la marca miente.
z=
88+15 274+1044 (1
88 274
15 1044
= 904.29. +
1 1044 )
Est claro que el valor del estadstico es bestial, sin necesidad de valorar la regin de rechazo, que sera
z > z0.95 = 1.645, luego podemos rechazar la hiptesis nula en favor de la alternativa con, al menos, el 95 %
de conanza. El p-valor, p = P [Z > 904.29] = 0 indica que la conanza es, de hecho, bastante mayor. No puedo resistirme a concluir el ejemplo sin recordar que lo que la DGT realmente querr dar a entender es que el alcohol es el causante de los accidentes de trco, pero que eso no puede ser demostrado con el contraste.
3 http://www.dgt.es/educacionvial/imagenes/educacionvial/recursos/dgt/EduVial/50/40/index.htm
166
Bilateral
2 H0 : 2 = 0 2 H1 : 2 = 0
2 = 2 < 2 ;n1
(n1)s2 n1 2 0
2 < 2 /2;n1 o 2 > 2 1;n1 2 > 2 1/2;n1 2 2 2 2 2 2 2 P [n1 < ] 2min(P [n1 < ], P [n1 > ]) P [n1 > 2 ] Distribucin de probabilidad aproximadamente normal
Cuadro 8.17: Contraste para la varianza
es que ahora no podemos aplicar el Teorema Central del Lmite, por lo que slo utilizar los contrastes cuando
2 2 2 la variable X es normal. 2 p;v es el valor de una de v grados de libertad tal que P < p;v = p.
Las empresa Sidel arma que su mquina de llenado HEMA posee una desviacin tpica en el llenado de contenedores de 500ml de producto homogneo inferior a 0.8 gr.4 Vamos a suponer que el supervisor de control de calidad quiere realizar una comprobacin al respecto. Recopila para ello una muestra del llenado de 50 contenedores, obteniendo una varianza muestral de 0.6 Esta informacin proporciona pruebas sucientes de que la desviacin tpica de su proceso de llenado es realmente inferior a 0.8gr.? Planteamos, en primer lugar, las hiptesis del contraste. Se nos pide que contrastemos H0 : = 0.8 o, equivalentemente, H0 : 2 = 0.64 frente a la alternativa H1 : 2 < 0.64. Se trata, por tanto, de un test unilateral a la izquierda. El estadstico de contraste es
2 =
95 % de conanza que, en efecto, la desviacin tpica de la cantidad de llenado es inferior a 0.8gr. 2. Dado que el p-valor es p = P [2 49 < 45.938] = 0.4, bastante alto, tenemos muy serias dudas acerca de que, en efecto, la desviacin tpica sea realmente inferior a 0.8gr.
Ojo: antes de que la empresa Sidel se enfade con nosotros, no olvidemos que los datos son imaginarios: slo
son reales las especicaciones tcnicas de < 0.8gr.
4 http://www.sidel.com/es/products/equipment/the-art-of-lling/hema-gw
Prof. Dr. Antonio Jos Sez Castillo
167
Unilateral a la izquierda
Bilateral
Unilateral a la derecha
H0 : H1 :
2 1 2 2 2 1 2 2
=1 <1
H0 : H1 : f=
2 1 2 = 1 2 2 1 2 = 1 2 2 (s1 n1 )
H0 : H1 :
2 1 2 2 2 1 2 2
=1 >1
f < f/2;n1 1,n2 1 o f > f1;n1 1,n2 1 f > f1/2;n1 1,n2 1 P [Fn1 1,n2 1 < f ] 2min(P [Fn1 1,n2 1 < f ], P [Fn1 1,n2 1 > f ]) P [Fn1 1,n2 1 > f ] Las dos muestras se recogen de forma independiente y aleatoria Ambas variables siguen distribuciones aproximadamente normales f < f;n1 1,n2 1
Cuadro 8.18: Contraste para el cociente de varianzas
(s2 n1 )
si ambas variables son normales. El resumen del contraste aparece en el Cuadro 8.18. En l, fp;v1 ,v2 es el valor de una F de v1 y v2 grados de libertad5 tal que P [F < fp;v1 ,v2 ] = p. Para practicar sobre el contraste, consideremos que se han realizado 20 mediciones de la dureza en la escala Vickers de acero con alto contenido en cromo y otras 20 mediciones independientes de la dureza de una soldadura producida sobre ese metal. Las desviaciones estndar de las muestras de dureza del metal y de dureza de la soldadura sobre ste fue de 12.06HV y 11.41HV , respectivamente. Podemos suponer que las durezas corresponden a variables normales e independientes. Podemos concluir que la dureza del metal bsico es ms variable que la dureza medida en la soldadura? Vamos a llamar a la dureza sobre el acero, X , y a la dureza sobre la soldadura, Y . Se nos pide que contrastemos
2 2 2 2 H0 : X = Y frente a la alternativa H1 : X > Y o, equivalentemente, H1 : una prueba unilateral a la derecha. El estadstico de contraste es
2 X 2 Y
f=
Vamos a tomar un nivel de signicacin de = 0.05. La regin crtica viene delimitada por el valor f0.95;19,19 =
2.168. Dado que f = 1.1172 < f0.95;19,19 = 2.168, no podemos concluir al nivel de signicacin = 0.05 que
la dureza del metal bsico sea ms variable que la dureza medida en la soldadura. El p-valor, por su parte, es p = P [F19,19 > 1.1172] = 0.4058.
factor
ni 6 . Supongamos tambin que cada una de las muestras provienen de poblaciones con distribucin normal
5 De 6 No
cara al uso de las tablas hay una propiedad bastante til: fp;v1 ,v2 = 1/f1p;v2 ,v1 es necesario, aunque s deseable, que todas las muestras tengan el mismo tamao.
Prof. Dr. Antonio Jos Sez Castillo
168
H0 : 1 = ... = m
frente a
i = 1, ..., m.
Este contraste se denomina ANOVA como acrnimo de las poblaciones de las que proceden las muestras. Supongamos que
juntamos Analysis of Variance,
basa en analizar a qu se debe la variabilidad total que presentan los datos, si al azar o a las diferencias entre todas las muestras, obteniendo una nica muestra global de tamao
m
N=
i=1
ni ,
y calculamos su media,
x =
Ahora, vamos a preguntarnos por las
m i=1
ni j =1
xi j
1. En primer lugar, los datos varan globalmente respecto a la media total. Una medida de esta variacin es la
ni
SCT =
i=1 j =1
xi j x
2. Por otro lado, puede haber diferencias entre las medias de cada grupo y la media total. Podemos medir estas diferencias con la
SCE =
i=1
ni ( xi x ) .
muestrales
Si la hiptesis nula fuera cierta, slo habra pequeas diferencias muestra, en cuyo caso, la
SCE
sera pequea. Si fuera falsa, habra muchas diferencias entre las medias
SCE
sera grande.
3. Por ltimo, debido a la variabilidad inherente a toda muestra, los datos de cada muestra van a variar respecto a su media particular. Como medida de esta variacin consideramos la
suma de los
SCD =
i=1 j =1
xi i j x
=
i=1
(ni 1) s2 i,ni 1 .
169
de la varianza:
teorema de particin
Para ello basta considerar que, suponiendo que la hiptesis nula es cierta: sigue una 2 con N 1 grados de libertad. sigue una 2 con m 1 grados de libertad. sigue una 2 con N m grados de libertad.
F =
SCE m 1 SCD N m
que, suponiendo que la hiptesis nula es cierta, sigue una F de Snedecor con m 1 y N m grados de libertad. Por lo tanto, el test podemos resumirlo de la siguiente forma: 1. Calculamos
m i=1 ni j =1
x =
y con ella
m
xi j
N
m 2
SCE =
i=1
ni ( xi x ) =
i=1
ni x 2 2 . i Nx
2. Calculamos
ni
SCD =
i=1 j =1
xi i j x
=
i=1
(ni 1) s2 i,ni 1 .
F =
4. Tomamos la decisin:
a)
SCE m1 SCD N m
Si F Fm1,N m;1 , no rechazamos la hiptesis nula en favor de la alternativa con un nivel de signicacin . Si F > Fm1,N m;1 , rechazamos la hiptesis nula en favor de la alternativa con un nivel de signicacin .
b)
170
Composicin A B C D
En primer lugar, observemos que los tamaos muestrales son iguales: n1 = ... = n4 = 5. Por otra parte, tenemos:
x =
F =
= 3.8734.
Por su parte, el valor de F3,16;0.95 es 3.2389, de manera que podemos armar que existen diferencias signicativas entre las durezas de los 4 compuestos, con un 95 % de conanza.
Ejemplo. En Biologa Molecular se estudia la relacin que puede tener el nivel de expresin de un gen
con la posibilidad de padecer un tipo de cncer. Un investigador consigue analizar el nivel de expresin de 10 genes en una muestra de pacientes y realiza 10 contrastes de hiptesis donde la hiptesis alternativa de cada uno de ellos dice que un gen est relacionado con la posibilidad de padecer ese cncer. Los p-valores obtenidos son los siguientes:
(0.1, 0.01, 0.21, 0.06, 0.32, 0.24, 0.45, 0.7, 0.08, 0.0003)
171
En principio, tendramos evidencias de que el 2 y el ltimo gen estn signicativamente relacionados con ese tipo de cncer. Sin embargo, debemos corregir el efecto de la realizacin de las 10 pruebas simultneas. Aplicando el mtodo de Bonferroni, debemos multiplicar por 10 los p-valores. En ese caso, el segundo gen ya no puede ser considerado estadsticamente signicativo para el riesgo de padecer el cncer (0.01
10 > 0.05); por el contrario, dado que 0.0003 10 < 0.05, el ltimo gen sigue siendo considerado
signicativamente relacionado con el cncer.
En este caso, afortunadamente tenemos un tamao muestral que va a permitir obviar la hiptesis de normalidad. Vemos que se plantea un supuesto que puede ser analizado a travs de la media, en concreto, comparando la media de ambas mquinas. Si llamamos X al dimetro de la mquina A e Y al dimetro de la mquina B, tenemos que contrastar H0 : X = Y frente a H1 : X = Y . El estadstico de contraste es
z=
5.068 5.072
0.0112 120
= 3.013.
0.0072 65
El p-valor asociado es 2 P [Z < 3.361] = 0.002, luego tenemos evidencias de que, en efecto, el dimetro medio de ambas mquinas es distinto.
172
Captulo 9
Contrastes de hiptesis no paramtricas
Todos aprendemos de la experiencia, y la leccin en esta ocasin es que nunca se debe perder de vista la alternativa. Sherlock Holmes (A. C. Doyle), en Las Aventuras de Black Peter
Resumen. Continuando con los contraste de hiptesis, presentamos en este captulo nuevos contrastes que
permitirn decidir si un ajuste mediante una distribucin terica es vlido y valorar si existe relacin entre variables cualitativas.
9.1. Introduccin
Todos los contrastes que hemos descrito en el captulo anterior se basan, directa o indirectamente (a travs del teorema central del lmite) en que los datos se ajustan a la distribucin normal, haciendo inferencia de una u otra forma sobre sus parmetros. En este captulo vamos a considerar contrastes que no necesitan de tal hiptesis, por lo que no se enuncian como contrastes sobre algn parmetro desconocido: de ah que formen parte de los llamados contrastes
si ese
ajuste es bueno o malo, o cmo de bueno es. De hecho, en la relacin de problemas correspondiente dejamos mediante representaciones grcas, lo que slo nos dio una visin parcial del problema, que puede ser muy subjetiva. Los dos contrastes de hiptesis que vamos a describir ahora van a permitir contrastar como hiptesis nula
Resultado 1 2 3 4 5 6 Total
Cuadro 9.1: Frecuencias observadas y esperadas en 600 lanzamientos del dado. frente a la alternativa
H0 : p1 = ... = p6 =
frente a la alternativa de H1 que algn pi sea distinta de 1 6.
1 6
Para realizar la prueba, lanzar el dado 600 veces, anotando el nmero de veces que se da cada resultado. Estas cantidades se denominan
frecuencias observadas.
Por otra parte, si el dado fuera justo (hiptesis H0 ), en 600 lanzamientos deberan darse aproximadamente 100 de cada resultado posible. stas frecuencias se denominan
frecuencias esperadas.
El tahur tomar la decisin con respecto al dado a partir de la comparacin de las frecuencias observadas y las esperadas (ver Cuadro 9.1). Qu decidiras t a la luz de esos datos?
A continuacin, vamos a describir el test 2 , que permite realizar pruebas de este tipo. Como hemos comentado en la introduccin, con ella podremos
juzgar
puntual, pero tambin podremos utilizarla en ejemplos como el que acabamos de ver, en el que el experto est interesado en contrastar datos experimentales con respecto a una distribucin terica que le resulta de inters. En primer lugar y de forma ms general, supongamos que tenemos una muestra de tamao N de una v.a. discreta o cualitativa, X , ajustada a un modelo dado por una distribucin.
174
Consideremos una particin del conjunto de valores que puede tomar la variable: S1 , ..., Sr . En principio, esta particin podran ser simplemente todos y cada uno de los valores que toma la variable X , pero, como veremos, es posible que tengamos que agrupar algunos de ellos. Seguidamente, consideremos la probabilidad, segn la distribucin dada por el ajuste que queremos evaluar, de cada una de estas partes,
pi = P [X Si /H0 ] > 0.
De igual forma, calculemos Oi , el nmero de observaciones de la muestra que caen en cada conjunto Si . La idea del test es comparar el nmero de observaciones Oi que caen realmente en cada conjunto Si con el nmero esperado de observaciones que deberan caer en Si si el ajuste es el dado por nuestro modelo, que sera N pi . Para ello, una medida que compara estas dos cantidades viene dada por
r
D=
i=1
(Oi N pi ) . N pi
no cuadran
Si, para una muestra dada, esta v.a. toma un valor d muy alto, indica que los valores observados
con el ajuste que hemos propuesto (con lo cul se rechazara la hiptesis nula en favor de la alternativa); si, por el contrario, toma un valor d bajo, indica que nuestro ajuste corresponde bien con los datos de la muestra, por lo que es
aceptable
la hiptesis nula.
El problema nal es decidir cundo el valor de la v.a. D, d, es lo sucientemente alto como para que nos resulte inaceptable el ajuste. Para decidirlo hay que tener en cuenta que cuando N es razonablemente alto y la hiptesis H 0 es cierta, la distribucin de probabilidad de D es 2 con r k 1 grados de libertad, es decir,
D/H0 2 r k1 ,
donde k es el nmero de parmetros que han sido estimados en el ajuste. Teniendo en cuenta este resultado, se calcula bajo esta distribucin la probabilidad de que se de un valor todava ms alto que d (el p-valor, por tanto),
N >>
p = P [D > d/H0 ] .
Si esta probabilidad es inferior al 5 %, se rechaza la hiptesis nula en favor de la alternativa con un 95 % de conanza. Dicho de otra forma, se acepta la hiptesis nula slo si el valor de D entra dentro del 95 % de resultados ms favorables a ella. Esquemticamente, el proceso es el siguiente: 1. Se enuncia el test:
H0 : los datos siguen la distribucin dada por nuestro ajuste H1 : los datos no siguen la distribucin dada por nuestro ajuste
2. Si en la muestra se dan los valores x1 , ..., xm , se calculan las frecuencias esperadas segn el ajuste propuesto de cada valor xi , N P [X = xi ], i = 1, ..., m. Si alguna de estas frecuencias es inferior a 5, se agrupa con alguna de la ms cercana hasta que sumen una frecuencia mayor o igual a 5. Se construye as la particin del conjunto de valores posibles para X , S1 , ...Sr , cuyas frecuencias esperadas
Prof. Dr. Antonio Jos Sez Castillo
175
xi Frec. obs.
0 42
1 28
2 13
3 5
4 7
5 3
6 2
Cuadro 9.2: Frecuencias observadas en la muestra de tiempos entre llegadas. son todas mayores o iguales a 5. En realidad, esto es slo una recomendacin que puede relajarse: si alguna frecuencia esperada es slo ligeramente inferior a 5, no es especialmente grave. 3. Se calculan las frecuencias observadas de cada Si , y lo notamos como Oi . 4. Se calcula el estadstico del test en la muestra
r
d=
i=1
(Oi N pi ) . N pi
p = P [D > d/H0 ] ,
segn una distribucin 2 con r k 1 grados de libertad. 6. Se toma la decisin (para un nivel de conanza del 95 %):
a) b)
Si p < 0.05, se rechaza la hiptesis nula en favor de la alternativa, con un 95 % de conanza. Si p 0.05, se concluye que no hay evidencias en contra de armar que los datos se ajustan a la distribucin dada.
Ejemplo.
Los datos que se presentan en el Cuadro 9.2 constituyen una muestra aleatoria simple del
tiempo en ms. que transcurre entre la llegada de paquetes transmitidos por un determinado protocolo. En la tabla aparecen los valores junto al nmero de veces que han sido observados en la muestra. Se sospecha que una distribucin geomtrica puede ajustar bien esos datos. Vamos a realizar ese ajuste y contrastar si es aceptable mediante el test de la chi-cuadrado. En primer lugar, para ajustar una distribucin geomtrica debemos estimar el parmetro de la misma. Vamos a hacerlo de forma sencilla por el mtodo de los momentos. El valor de la media de la distribucin es $EX= de donde p =
1 1+EX .
p =
1 . 1+x
Por su parte,
x =
luego $
0 42 + 1 28 + 2 13 + 3 5 + 4 7 + 5 3 + 6 2 = 1.24, 100
176
As pues, deseamos contrastar en qu medida el ajuste de una Geo (0.4464) es vlido para los datos de la muestra. Es decir, deseamos contrastar H0 : X Geo (0.4464) frente a la alternativa H1 : X
Geo (0.4464) .
Vamos a calcular cules son las probabilidades tericas segn esa distribucin de los valores observados en la muestra:
d=
6.9696 0.0841 0.4624 6.6049 6.8644 + + + + = 1.7973. 44.64 27.71 13.68 7.57 9.38
Finalmente, el p-valor se calcula como P [D > 1.7973] , donde D sigue una 2 511 , es decir, una Gamma de parmetros (5 1 1)/2 y 1/2. Por tanto,
p valor =
1 2
1 2x
3 2 1
e 2 x
1.7973
3 2
dx = 0.61552.
Al ser superior (muy superior, de hecho) a 0.05, podemos armar que no hay evidencias en los datos de la muestra en contra de que stos sigan una distribucin Geo (0.4464).
177
xi 0 1 2 3 4
Oi 42 28 13 5 12
(Oi N pi )
2
(42 44.64) = 6.969 6 2 (28 27.71) = 0 .0841 2 (13 13.68) = 0.462 4 2 (5 7.57) = 6.604 9 2 (12 9.38) = 6.864 4
A la hora de calcular este mximo debemos tener en cuenta que la variable x es de tipo continuo. La hiptesis nula a contrastar es
SN x(i) =
dN = m ax
1iN
m ax
F x(i) SN x(i)
, F x(i) SN x(i1)
4. Se rechazar la hiptesis nula en favor de la alternativa si p = P [DN > dN ] < 0.05, con un (1 p)
100 % de conanza.
La distribucin de probabilidad de DN , necesaria para calcular el p-valor, no es muy conocida. Adems, para evaluar esta probabilidad hay que tener en cuenta el nmero de parmetros de la distribucin en el
178
ajuste. Una metodologa adecuada para ello es conocida como Mtodos de Monte Carlo, aunque excede los contenidos de estos apuntes. Debo advertir que muchos de los paquetes estadsticos ms habituales pueden inducir a error en el clculo de este p-valor, ya que proporcionan por defecto aqul correspondiente a un ajuste en el que no se estime ningn parmetro en la distribucin bajo la hiptesis nula, dando lugar a una sobreestimacin de dicho p-valor. 1.4647 0.2333 0.4995 0.0814 0.7216 0.3035 0.1151 1.7358 0.2717 0.9021 0.7842 0.0667 3.9898 0.0868 0.1967 0.8909 0.8103 0.1124 0.4854 0.0512
Ejemplo. Los datos que aparecen en el Cuadro 9.4 corresponden al tiempo en sec. entre conexiones a
un servidor. Nos planteamos si una distribucin exponencial es adecuada para su ajuste. En primer lugar hemos de decidir cul es el ajuste propuesto. El estimador mximo verosmil del par = 1 . En este metro de una exponencial coincide con el estimador del mtodo de los momentos,
m1
x(i) 0.0512 0.0667 0.0814 0.0868 0.1124 0.1151 0.1967 0.2333 0.2717 0.3035
F x(i) 7.1499 102 9.2119 102 0.11125 0.11818 0.15029 0.1536 0.24798 0.28682 0.32542 0.3558
i 20
i1 20
0.05 0.1 0.15 0.2 0.25 0.3 0.25 0.4 0.45 0.5
x(i) 0.4854 0.4995 0.7216 0.7842 0.8103 0.8909 0.9021 1.4647 1.7358 3.9898
F x(i) 0.50505 0.51506 0.64849 0.67897 0.69089 0.72496 0.72938 0.88023 0.91914 0.99691
i 20
i1 20
0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95
179
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.5
1.5
2.5
3.5
Figura 9.1: Funciones de distribucin terica y emprica. Valor donde se da el estadstico de KolmogorovSmirnof.
Ejemplo.
Est relacionada la ideologa poltica con el gnero del votante? Es decir, nos planteamos si
el que una persona se declare de izquierdas o de derechas depende de si es varn o mujer. Existen dos variables cualitativas o caractersticas que dividen a la poblacin. Lo que nos interesa es si esa divisin est o no relacionada. Sern ms conservadoras las mujeres?
Consideremos en general una poblacin en la que cada individuo se clasica de acuerdo con dos caractersticas, designadas como X e Y . Supongamos que los posibles valores de X son x1 , ..., xr y los posibles valores de Y son y1 , ..., ys . Denotemos por pij a la proporcin de individuos de la poblacin cuyas caractersticas son simultneamente
xi e yj . Denotemos adems, como pi. a la proporcin de individuos con caracterstica xi y p.j a la proporcin
de individuos con caracterstica yj . En trminos de probabilidades, tendremos que si se elige un individuo al azar,
P [X = xi , Y = yj ] = pij
s
P [X = xi ] = pi. =
j =1
pij
Prof. Dr. Antonio Jos Sez Castillo
180
P [Y = yj ] = p.j =
i=1
pij .
Lo que pretendemos contrastar es si las dos caractersticas son independientes, es decir, si para todo i y para todo j ,
P [X = xi , Y = yj ] = P [X = xi ] P [Y = yj ] ,
es decir, si
observadas),
ni. = yj .
s j =1
r i=1
De esta forma,
p ij =
ser un estimador basado en la muestra de pij ,
nij n
p i. =
ser un estimador basado en la muestra de pi. y
ni. n
p .j =
ser un estimador basado en la muestra de p.j .
n.j n
Por otra parte, si la hiptesis nula fuera cierta, el nmero de individuos en la muestra, de tamao n, que toman simultneamente los valores xi y yj sera
eij = n pi . p.j .
Basado en la muestra, los valores
e ij = n p i. p .j ni. n.j = n
(frecuencias
Finalmente, el estadstico del contraste se basa en comparar los valores reales en la muestra de nij con los valores e ij que se daran si la hiptesis nula fuera cierta, es decir, si las caractersticas X e Y fueran
Prof. Dr. Antonio Jos Sez Castillo
181
d=
i=1 j =1
(nij e ij ) . e ij
Suponiendo que la hiptesis nula es cierta, la distribucin del estadstico del contraste es 2 con (r 1) (s 1) grados de libertad, por lo que decidiremos en funcin del p-valor asociado,
p = P [D > d/H0 ] ,
donde D 2 (r 1)(s1) o bien: Rechazaremos H0 con nivel de signicacin si d > 2 (r 1)(s1);1 . No rechazaremos H0 con nivel de signicacin si d < 2 (r 1)(s1);1 . Hay que hacer una ltima observacin: para que en efecto D 2 con (r 1) (s 1) es necesario que todas (o casi todas) las frecuencias esperadas e ij sean mayores o iguales a 5. Si alguna o algunas de ellas no lo son, la distribucin 2 podra no ser adecuada y el resultado del test incorrecto. Para que esto no ocurra es recomendable que el tamao de la muestra sea grande.
nij y, en los mrgenes inferior y lateral derecho, los valores ni. y n.j .
Vamos a ver si el gnero est relacionado con la ideologa. Si no fuera as, si la ideologa fuera independiente del gnero, se tendra en una muestra de 300 individuos las frecuencias esperadas seran Izquierda Mujeres Hombres Total
156 300 300 144 300 300 120 300 120 300
Derecha
156 300 300 144 300 300 128 300 128 300
Centro
156 300 300 144 300 300 52 300 52 300
120 Izquierda
182
D=
(68 62.40) (56 66.56) (32 27.04) + + + 62.40 66.56 27.04 2 2 2 (52 57.60) (72 61.44) (20 24.96) + + + = 6.433. 57.60 61.44 24.96
Por su parte, 2 (21)(31);0.95 = 5.991, de manera que podemos rechazar la hiptesis nula en favor de la alternativa, armando con un 95 % de conanza que el genero est relacionado con la ideologa. En qu sentido lo estar? Si nos centramos slo en los de izquierdas, tenemos que el porcentaje de hombres y mujeres es de
68 120
100 % = 56.667 % y de
52 120
Si nos centramos slo en los de derechas, tenemos que el porcentaje de hombres y mujeres es de
56 128
100 % = 43.75 % y de
72 128
Finalmente, si nos centramos slo en los de centro, tenemos que el porcentaje de hombres y mujeres es de
32 52
100 = 61.538 % y de
20 52
Lo que parece que ocurre es que las mujeres tienen mayor preferencia por la derecha. Sin embargo, esta armacin no se ha contrastado, sino que se basa simplemente en datos descriptivos1 .
Nmero de accidentes 47 52 57 63
Con esa informacin, los responsables de seguridad de la empresa deben decidir si hay franjas horarias donde los accidentes son ms probables o si, por el contrario, stos ocurren absolutamente al azar.
En primer lugar debemos plantearnos la hiptesis que queremos contrastar. El hecho de que ocurran los accidentes absolutamente al azar vendra a decir que la probabilidad de ocurrencia es la misma en cada franja horaria (puesto que todas ellas tienen la misma amplitud). Por ello, si notamos pi a la probabilidad de que ocurra un accidente en la i-sima franja horaria, nos planteamos como hiptesis nula H0 : p1 = ... = p4 = frente a la alternativa de que no todas las probabilidades sean iguales. Para realizar el contraste podemos considerar un contraste de bondad de ajuste en el que la distribucin de probabilidad sea una uniforme discreta, que no tiene parmetros.
Prof. Dr. Antonio Jos Sez Castillo
1 4
183
2 =
(47 219 (1/4))2 (52 219 (1/4))2 (57 219 (1/4))2 (63 219 (1/4))2 + + + = 2.571. 219 (1/4) 219 (1/4) 219 (1/4) 219 (1/4)
Por su parte, el p-valor es p = P [2 401 > 2.571] = 0.462, por lo que no tenemos evidencias en estos datos que hagan pensar en que hay franjas horarias ms propicias a los accidentes.
184
Captulo 10
Regresin lineal simple
Un poltico debe ser capaz de predecir lo que pasar maana, y la semana, el mes y el ao prximos. Y tambin debe ser capaz de explicar por qu no acert. Winston Churchill
Resumen. En este captulo se describe el modelo de regresin lineal simple, que asume que entre dos variables
dadas existe una relacin de tipo lineal contaminada por un error aleatorio. Aprenderemos a estimar dicho modelo y, a partir de estas estimaciones y bajo determinadas hiptesis, podremos extraer predicciones del modelo e inferir la fortaleza de dicha relacin lineal.
Palabras clave: regresin lineal simple, variable dependiente, variable independiente, error aleatorio, nube
de puntos, principio de mnimos cuadrados, coeciente de correlacin lineal, coeciente de determinacin lineal, bondad del ajuste, prediccin, estimacin.
10.1. Introduccin
Uno de los aspectos ms relevantes que aborda la Estadstica se reere al anlisis de las relaciones que se dan entre dos variables aleatorias. El anlisis de estas relaciones est muy frecuentemente ligado al anlisis de una variable, llamada variable
dependiente (Y ) , y del efecto que sobre ella tiene otra (u otras) variable(s), llamada(s) variable(s) independiente(s) (X ), y permite responder a dos cuestiones bsicas:
Es signicativa la inuencia que tiene la variable independiente sobre la variable dependiente?
Si, en efecto, esa relacin es signicativa, cmo es? y podemos aprovechar esa relacin para predecir valores de la variable dependiente a partir de valores observados de la variable independiente? Ms an, podemos inferir caractersticas sobre esa relacin y con el fenmeno que subyace a ella?
Ejemplo. Un equipo de investigadores que trabajan en seguridad en el trabajo est tratando de analizar
cmo la piel absorbe un cierto componente qumico peligroso. Para ello, coloca diferentes volmenes del compuesto qumico sobre diferentes segmentos de piel durante distintos intervalos de tiempo, midiendo al cabo de ese tiempo el porcentaje de volumen absorbido del compuesto. El diseo del experimento se ha 185
realizado para que la interaccin esperable entre el tiempo y el volumen no inuya sobre los resultados. Los datos aparecen en el Cuadro 10.1 Lo que los investigadores se cuestionan es si la cantidad de compuesto por un lado y el tiempo de exposicin al que se somete por otro, inuyen en el porcentaje que se absorbe. De ser as, sera interesante estimar el porcentaje de absorcin de personas que se sometan a una exposicin de una determinada cantidad, por ejemplo, durante 8 horas. En una primera aproximacin al problema, podemos observar una representacin grca de los datos en los diagramas de dispersin o nubes de puntos de la Figura 10.1. Qu armaramos? Parece que s hay una relacin lineal ms o menos clara (pero no denitiva) entre el tiempo de exposicin y el porcentaje de absorcin, pero la hay entre el volumen y el porcentaje de absorcin?
Experimento 1 2 3 4 5 6 7 8 9
Volumen 0.05 0.05 0.05 2.00 2.00 2.00 5.00 5.00 5.00
Tiempo 2 10 24 2 10 24 2 10 24
Porcentaje Absorbido 50.88 49.96 83.66 54.09 68.27 85.65 48.39 64.88 88.01
(variable
Un modelo de regresin lineal simple para una variable, Y (variable dependiente), dada otra variable, X
independiente), es un modelo matemtico que permite obtener una frmula capaz de relacionar
Y = 0 + 1 X + .
En esta expresin:
Y representa a la variable dependiente, es decir, a aquella variable que deseamos estudiar en relacin
con otras.
X representa a la variable independiente, es decir, aquellas que creemos que puede afectar en alguna
medida a la variable dependiente. La estamos notando en mayscula, indicando que podra ser una variable aleatoria, pero habitualmente se considera que es una constante que el investigador puede jar a su antojo en distintos valores.
representa el error
aleatorio, es decir, aquella cantidad (aleatoria) que provoca que la relacin entre
Prof. Dr. Antonio Jos Sez Castillo
la variable dependiente y la variable independiente no sea perfecta, sino que est sujeta a incertidumbre.
186
Porcentaje.Absorbido
Porcentaje.Absorbido 5 15 Tiempo
80
70
60
50
50 0
60
70
80
Volumen
Figura 10.1: Nube de puntos Hay que tener en cuenta que el valor de ser siempre desconocido hasta que se observen los valores de X e
E [Y /X =x ] = 0 + 1 x + E [/X =x ] = 0 + 1 x.
Es decir, las medias de los valores de Y para un valor de X dado son una recta. La Figura 10.2 representa una nube de puntos y la recta de regresin que los ajusta de unos datos genricos. Podemos ver el valor concreto de = y E [Y /X =x ] para un dato, supuesto que hemos obtenido un modelo de regresin. En ella se puede ver tambin la interpretacin de los coecientes del modelo:
0 es
la ordenada al origen del modelo, es decir, el punto donde la recta intercepta o corta al eje y. la pendiente
de la lnea y, por tanto, puede interpretarse como el incremento de la
1 representa
187
100
105
yi
95 y
0 + 1xi
85
90
xi
50 60 70 x 80 90 100
Nota. Es evidente que la utilidad de un modelo de regresin lineal tiene sentido siempre que la relacin
hipottica entre X e Y sea de tipo lineal, pero qu ocurre si en vez de ser de este tipo es de otro tipo (exponencial, logartmico, hiperblico...)? En primer lugar, es absolutamente conveniente dibujar el diagrama de dispersin antes de comenzar a tratar de obtener un modelo de regresin lineal, ya que si la forma de este diagrama sugiere un perl distinto al de una recta quiz deberamos plantearnos otro tipo de modelo. Y, por otra parte, si se observa que el diagrama de dispersin es de otro tipo conocido, puede optarse por realizar un cambio de variable para considerar un modelo lineal. Existen tcnicas muy sencillas para esta cuestin, pero no las veremos aqu.
deberemos
estimar los coecientes 0 y 1 del modelo. Para obtener estimadores de estos coecientes vamos a considerar
bajo determinados supuestos que veremos en breve, los estimadores de mnimos cuadrados coinciden con los
188
(x1 , y1 ) , ..., (xn , yn ) , 0 y 1 , de manera que en el modelo ajustado, buscaremos valores estimados de 0 y 1 , que notaremos por 0 + 1 x y x =
minimice la suma de los cuadrados de los errores observados. Recordemos que
E [Y /X =x ] = 0 + 1 x,
luego y x puede interpretarse de dos formas: 1. Como una prediccin del valor que tomar Y si X = x.
2. Como una estimacin del valor medio de Y cuando X = x. Concretando, lo que buscamos es minimizar la
SSE =
i=1
0 + 1 xi ) yi (
es decir buscamos
0 , 1 = arg m n SSE .
0 ,1
dada X
Se llama
0 La solucin de ese problema de mnimo se obtiene por el mecanismo habitual: se deriva SSE respecto de SS xy 1 , se iguala a cero y se despejan estos. La solucin es 1 = 1 x , donde y SSxx y 0 = y
n n
SSxy =
i=1 n
( xi x ) (yi y ) =
i=1 n
xi yi nx y
SSxx =
i=1
( xi x ) =
i=1
x2 2 . i nx
SSE =
i=1
0 + 1 xi ) yi (
=SSyy
189
En este sentido, se dene como medida de la calidad del ajuste de la recta de regresin el ajuste como
se = =
SSE = n2
0 + 1 x yi n2
1 SSxy SSyy . n2
Cuanto mayor sea esta cantidad, peor son las predicciones de la recta de regresin.
Ejemplo. Para los datos sobre el ejemplo de la absorcin del compuesto, vamos a calcular e interpretar
las dos rectas de regresin posibles. En primer lugar, vamos a considerar la recta de regresin para explicar el porcentaje de absorcin (y ) conocido el volumen de sustancia (x):
y x = 63.69 + 0.97 x. 1 = 0.97 es que el porcentaje de absorcin, Y , aumenta en promedio 0.97 por cada La interpretacin de 0 = 63.69 sera la del valor incremento de 1 unidad de volumen de compuesto. La interpretacin de
promedio de Y cuando x = 0, pero es que en este caso este supuesto no tiene sentido, as que no debe tenerse en cuenta. Vamos con la recta de regresin para explicar el porcentaje de absorcin (y ) en funcin del tiempo de exposicin (x):
190
y x = 46.82 + 1.60 x.
Por cada incremento de una unidad del tiempo de exposicin, el porcentaje de absorcin aumenta en media 1.60. Ahora vamos a representar las nubes de puntos de nuevo con sus rectas de regresin ajustadas. De esa manera podremos comprobar de una forma grca cmo de buenas son las rectas en cuanto a su capacidad de ajuste de los datos. Los resultados aparecen en la Figura 10.3. Podemos ver que el ajuste es mucho mejor cuando la variable explicativa es el tiempo de absorcin, mientras que si la variable explicativa es el volumen, la recta no puede pasar cerca de los datos.
Nota. Hay que hacer una observacin importante que suele conducir a frecuentes errores. La recta de
regresin para la variable dependiente Y , dada la variable independiente X no es la misma que la recta de regresin de X dada Y . La razn es muy sencilla: para obtener la recta de regresin de Y dado X debemos minimizar
n
0 + 1 xi yi
i=1
191
0 + 1 yi xi
i=1
despejando.
0 y 1 son slo estimaciones de 0 y 1 , Es importante que, para terminar este apartado, recordemos que
estimaciones basadas en los datos que se han obtenido en la muestra. Una forma de hacernos conscientes de que se trata de estimaciones y no de valores exactos (es imposible conocer el valor exacto de ningn parmetro poblacional) es proporcionar las estimaciones de los errores estandar de las estimaciones de 0 y 1 . Se conoce que dichas estimaciones son:
1 = s.e. 0 = s.e.
s2 e SSxx s2 e x 2 1 + n SSxx
Ejemplo.
En el ejemplo de los datos de absorcin hemos estimado los coecientes de las dos rectas
de regresin del porcentaje de absorcin en funcin del volumen y del tiempo de absorcin. Vamos a completar ese anlisis con el clculo de los errores estandares de esas estimaciones. Los resultados aparecen resumidos en la siguiente tabla: Modelo
0
63.69 46.82
0 s.e.
8.80 3.16
1
0.97 1.60
1 s.e.
2.83 0.21
Obsrvese que los errores estandar en el modelo en funcin del volumen son mayores proporcionalmente que en el modelo en funcin del tiempo de absorcin.
192
ms o menos
comprobable con una nube de puntos. Si el aspecto de esta nube no recuerda a una lnea recta sino a otro tipo de funcin, lgicamente no haremos regresin lineal. 2. Que los errores tengan media cero, independientemente del valor de x, lo que, por otra parte, no es una hiptesis sino ms bien un requerimiento lgico al modelo. Lo que ahora vamos a hacer es aadir algunos supuestos al modelo de manera que cuando stos se cumplan, las propiedades de los estimadores de los coecientes del modelo sean muy buenas. Esto nos va a permitir hacer inferencia sobre estos coecientes y sobre las estimaciones que pueden darse de los valores de la variable dependiente. Los supuestos que podemos aadir se reeren al error del modelo, la variable .
es normal.
absoluto en la magnitud de otros errores. En resumen, todos los supuestos pueden resumirse diciendo que |X =x N (0, 2 ) y son independientes entre s. Estos supuestos son restrictivos, por lo que deben comprobarse cuando se aplica la tcnica. Si el tamao de la muestra es grande, la hiptesis de normalidad de los residuos estar bastante garantizada por el teorema central del lmite. En cuanto a la varianza constante respecto a los valores de x, un incumplimiento moderado no es grave, pero s si las diferencias son evidentes. Existen tcnicas especcas para evaluar en qu medida se cumplen estas hiptesis. Tambin existen procedimientos para corregir el incumplimiento de estos supuestos. Estos aspectos sern tratados al nal del tema.
entre x e y con un buen ajuste de la recta de regresin? Cabra pensar que s, pero
193
Figura 10.4: Nubes de puntos y rectas de regresin que las ajustan estaramos equivocados: si la recta de regresin trata de explicar y en funcin de x, cunto vara y conforme vara x? Dado que la pendiente de esa recta es cero o prcticamente cero, por mucho que cambies x, eso no afecta al valor de y , es decir, x
derecha, a pesar de que aparentemente el ajuste es peor, la recta ajustada s tiene pendiente distinta de cero, luego el hecho de que y vare viene dado en buena parte por el hecho de que x vara, y ello ocurre porque la pendiente de esa recta es distinta de cero. As pues, no lo olvidemos: decir que dos variables estn relacionadas linealmente equivale a decir que la pendiente de la recta de regresin que ajusta una en funcin de la otra es distinta de cero. Pues bien, dados los supuestos descritos en la seccin anterior, es posible obtener un contraste de este tipo, tal y como se resumen en el Cuadro 10.2. En ella, si, en efecto, lo que deseamos es contrastar si el efecto de la variable independiente es o no signicativo para la variable dependiente, el valor de b1 ser cero.
Ejemplo. Para los datos del ejemplo sobre la absorcin, partamos del deseo de comprobar si al volumen
y/o el tiempo de exposicin inuan sobre el porcentaje de absorcin. Las nubes de puntos y el ajuste de la recta ya nos dieron pistas: daba la impresin de que el tiempo de absorcin s inua en el porcentaje de absorcin, pero no quedaba tan claro si el volumen lo haca. Es el momento de comprobarlo. Nos planteamos en primer lugar si el tiempo de exposicin inuye o no sobre el porcentaje de absorcin, es decir, nos planteamos si en el modelo lineal
194
Bilateral
H0 : 1 = b1 H1 : 1 = b1 , s2 e =
se /SSxx
1 SSxy SSyy n2
SSE n2
t < t;n2
t > t1;n2
P [Tn2 < t] 2P [Tn2 > |t|] P [T > t] Los dados en la Seccin 10.3
Cuadro 10.2: Contraste sobre 1
0.34] = 0.741.
En vista de los resultados, a partir de ahora dejaremos de considerar el efecto del volumen sobre el porcentaje de absorcin, y slo tendremos en cuenta el efecto del tiempo de exposicin.
195
entre la concentracin verdadera de CO (x) y la concentracin medida por el espectrmetro (y ). Para ello toma 11 muestras de aire en las que conoce su verdadera concentracin de CO y las compara con la concentracin medida por el espectrmetro. Los datos son los siguientes (las unidades son ppm):
x y
0 1
10 12
20 20
30 29
40 38
50 48
60 61
70 68
80 79
90 91
100 97
Lo ideal, lo deseado, sera que y = x, es decir, que el modelo lineal que explica y en funcin de x tuviera coecientes 0 = 0 y 1 = 1. Por ahora vamos a centrarnos en el primer paso en la comprobacin de que el espectrmetro est bien calibrado, que implica contrastar que 1 = 1. Para ello,
SSxx = 11000; SSyy = 10506.73; SSxy = 10740 1 = 10460 = 0.976 11000 SS yy 1 SSxy s2 = 2.286 e = n2
por lo tanto,
t=
0.976 1 1.964/11000
= 1.639.
05 Dado que t1 0.2 ;112 = t0.975;9 = 2.262 y |1.639| < 2.262, no hay razones para concluir que 1 = 1.
y = 0 + x,
aunque lo deseado, insistamos, sera que fuera
y = x,
es decir, que lo que mida el espectrmetro coincida con la cantidad real de CO en el aire. Como hemos dicho, eso ocurrira si 0 = 0, lo que equivale a decir que en ausencia de CO, el espectrmetro est a cero.
Adems del contraste de hiptesis, es trivial proporcionar un intervalo de conanza para la pendiente, ya que conocemos su estimacin, su error estandar y la distribucin en el muestreo (t-student, como aparece en el contraste). Concretamente,
= 1 .
Ejemplo.
conanza para 1 es (0.94, 1.01). Como podemos ver, el valor 1 = 1 es un valor conable del intervalo, luego raticamos que no podemos armar que el espectrmetro est mal calibrado.
196
Bilateral
H0 : 0 = b0 H1 : 0 = b0 , s2 e =
t=
s2 e
0 b0
1 x 2 n + SSxx
1 SSxy SSyy n2
SSE n2
t < t;n2
t > t1;n2
P [Tn2 < t] 2P [Tn2 > |t|] P [T > t] Los dados en la Seccin 10.3
Cuadro 10.3: Contraste sobre 0
Ejemplo. En el ejemplo anterior, vamos a contrastar si, en efecto, 0 = 0, lo que equivaldr a concluir
que no hay razones para pensar que el espectrmetro est mal calibrado. Para ello,
0 = y 1 x = 0.636
por lo tanto,
t=
0.636 0 2.286
1 11
= 0.746.
502 11000
Comoquiera que 0.746 < t0.975;9 = 2.261, tampoco tenemos razones para pensar que 0 = 0 con un 95 % de conanza, luego, en resumen, no existen razones para pensar que el espectrmetro est mal calibrado.
Ejemplo.
Imaginemos que deseamos comprobar experimentalmente que, tal y como predice la ley de
Ohm, la tensin (V ) entre los extremos de una resistencia y la intensidad de corriente (I ) que circula por ella se relacionan siguiendo la ley
V = R I,
donde R es el valor de la resistencia. Nosotros vamos a realizar la comprobacin con una misma resistencia, variando los valores de la intensidad, por lo que la ecuacin equivale a
V = 0 + 1 I,
siendo 0 = 0 y 1 = R. Los datos son los que aparecen en el Cuadro 10.4. Tenemos que realizar un contraste, H0 : 0 = 0 frente a H1 : 0 = 0 que equivale a contrastar en realidad
197
Observacin 1 2 3 4 5 6 7 8 9 10 11
I (mA) 0.16 6.54 12.76 19.26 25.63 31.81 38.21 47.40 54.00 60.80 68.00
V (V) 0.26 1.04 2.02 3.05 4.06 5.03 6.03 7.03 8.06 8.99 10.01
que nuestros aparatos de medida estn bien calibrados, puesto que la ley de Ohm obliga a que 0 = 0. Vamos all:
t=
0.25 0 0.022
1 11
= 3.531.
33.142 5105.90
Ohm! Lo que este anlisis pone de maniesto es que tenemos algn problema en nuestras mediciones.
contradice la ley de
Dejemos un poco de lado este ltimo resultado. Si queremos estimar el valor de la resistencia, una 1 = 0.14, y un intervalo de conanza al 95 % de conanza = estimacin puntual es, como hemos visto, R (omitimos los detalles de los clculos) resulta ser (0.141, 0.149). Finalmente, podemos tambin proporcionar un intervalo de conanza para la ordenada en el origen, dado por
= 1 .
Ejemplo.
(1.29, 2.57), luego es conable pensar que 0 = 0. En suma, hemos comprobado que es posible 1 = 1 y 0 = 0, luego hemos comprobado que la ecuacin y = x no puede ser rechazada con los datos disponibles,
es decir, que no hay razones para pensar que el espectrmetro est mal calibrado.
198
entre s.
coeciente de correlacin lineal, que ofrece una medida 1 , es cuantitativa de la fortaleza de la relacin lineal entre X e Y en la muestra, pero que a diferencia de
En esta seccin vamos a denir el llamado adimensional, ya que sus valores siempre estn entre 1 y 1, sean cuales sean las unidades de medida de las variables. Dada una muestra de valores de dos variables (x1 , y1 ) , ..., (xn , yn ), el
r=
SSxx 1 . SSyy
Nota.
En la Figura 10.5 aparecen algunos de los supuestos que acabamos de enunciar respecto a los
distintos valores de r. Hay que hacer hincapi en que r slo es capaz de descubrir la presencia de relacin de tipo lineal. Si, como en el ltimo grco a la derecha de esta gura, la relacin entre X e Y no es de tipo lineal, r no es adecuado como indicador de la fuerza de esa relacin.
Nota. En la Figura 10.6 aparece un valor atpico entre un conjunto de datos con una relacin lineal ms
que evidente. Por culpa de este dato, el coeciente de correlacin lineal ser bajo. Qu debe hacerse en
199
100
20
60 40 20
80
60
10
40
10
100
30
20
60
100
20
60
100
20
60
100
0 0
2000
20
20
6000
10000
20
60
100
Correlacin parablica
este caso? En general, no se deben eliminar datos de una muestra, pero podra ocurrir que datos atpicos correspondan a errores en la toma de las muestras, en el registro de los datos o, incluso, que realmente no procedan de la misma poblacin que el resto de los datos: en ese caso, eliminarlos podra estar justicado de cara a analizar de una forma ms precisa la relacin lineal entre los datos.
Nota.
Correlacin frente a causalidad. Hay que hacer una advertencia importante acerca de las inter-
pretaciones del coeciente de correlacin lineal. Es muy frecuente que se utilice para justicar relaciones causa-efecto, y eso es un grave error. r slo indica presencia de relacin entre las variables, pero eso no permite inferir, por ejemplo, que un incremento de X sea la causa de un incremento o una disminucin de Y .
Ejemplo. Para los datos del ejemplo sobre la absorcin, calculemos r e interpretmoslo.
En el caso del porcentaje de absorcin en funcin del volumen de compuesto,
r=
vemos que la relacin es muy pequea; de hecho, comprobamos mediante un contraste de hiptesis sobre
r=
Esta relacin s resulta ser muy fuerte y en sentido directo. Por eso al realizar el test sobre 1 , ste s result ser signicativo. No podemos olvidar que el coeciente de correlacin lineal muestral, r, mide la correlacin entre los valores
200
LS Line
Add Point 4
Delete Point
4 x
10
Move Point
de X y de Y en la muestra. Existe un coeciente de correlacin lineal similar pero que se reere a todos los posibles valores de la variable. Evidentemente, r es un estimador de este coeciente poblacional.
Inmediatamente surge la cuestin de las inferencias. Podemos y debemos utilizar r para hacer inferencias sobre . De todas formas, en realidad estas inferencias son equivalentes a las que hacemos sobre 1 , ya que la relacin entre 1 y provoca que la hiptesis H0 : 1 = 0 sea equivalente a la hiptesis H0 : = 0. Podemos, por lo tanto, utilizar el contraste resumido en el Cuadro 10.2 para b1 = 0 y teniendo en cuenta que
r n2 t= . 1 r2
0 .944 92 10.9442
: = 0 frente a H1 : = 0 de nuevo en el ejemplo de la absorcin. = 7.60, que coincide con el valor de t cuando contrastamos
201
SSyy =
i=1
(yi y ) ,
de tal manera que cuanto ms varen los datos de Y mayor ser SSyy . Por otra parte, cuando ajustamos por 0 + 1 x, medimos el error que cometemos en el ajuste con la recta de regresin y x =
n
SSE =
i=1
(yi y x ) .
Vamos a ponernos en las dos situaciones lmite que pueden darse en cuanto a la precisin de una recta de regresin: Si X no tiene ningn tipo de relacin lineal con Y , entonces = 0, en cuyo caso 1 = la recta es simplemente
V arY V arX
=0y
y i = 0 + 1 xi =y .
Es decir, si X no tiene ningn tipo de relacin lineal con Y , entonces la mejor prediccin que podemos dar por el mtodo de mnimos cuadrados es la media. Adems, en ese caso
n
SSE =
i=1 n
(yi y i )
=
i=1
(yi y ) = SSyy ,
es decir, SSE es el total de la variacin de los valores de Y . Est claro que esta es la peor de las situaciones posibles de cara a la precisin. Si la relacin lineal entre X e Y es total, entonces = 1, en cuyo caso 1 =
V arY . V arX
Adems, si la
202
SSE =
i=1
(yi y i ) = 0.
Esta, desde luego, es la mejor de las situaciones posibles. La idea de la medida que vamos a utilizar es cuanticar en qu medida estamos ms cerca o ms lejos de estas dos situaciones. Dado que SSE , que es la medida del error de la recta de regresin, puede ir de 0 (mejor situacin posible) a SSyy (peor situacin posible), tan slo tenemos que relativizar en una escala cmoda una medida de este error. Se dene el
Ntese que la notacin es r al cuadrado, ya que, en efecto, en una regresin lineal simple coincide con el coeciente de correlacin lineal al cuadrado. Por lo tanto, la interpretacin de r2 es la medida en que X contribuye a la explicacin de Y en una escala de 0 a 1, donde el 0 indica que el error es el total de la variacin de los valores de Y y el 1 es la precisin total, el error 0. La medida suele darse en porcentaje. Dicho de otra forma:
Aproximadamente 100 r2 % de la variacin total de los valores de pueden ser explicada mediante la recta de regresin de Y dada X .
respecto de su media
0 + 1 x y x =
y, por otro lado,
E [Y /X =x ] = 0 + 1 x,
luego y x puede interpretarse de dos formas: 1. Como
cuando X = x.
203
2. Como
Ambas cantidades estn sujetas a incertidumbre, que ser tanto mayor cuanto ms variabilidad tenga Y, y/o peor sea el ajuste mediante la recta de regresin. Lo que vamos a ver en esta seccin para concluir el tema es cmo establecer
regiones de conanza
para estas
predicciones de los valores de Y y para las estimaciones de los valores medios de Y dados valores de X . Estos resultados requieren que se veriquen los supuestos adicionales sobre los errores dados en la seccin 10.3. Podemos garantizar con un (1 ) 100 % de conanza que cuando X = x, el valor medio de Y se encuentra en el intervalo
y x t1/2;n2 se
es decir, podemos garantizar que
1 (x x ) + ,y x + t1/2;n2 se n SSxx
1 (x x ) + , n SSxx
P E [Y /X =x ] y x t1/2;n2 se
(x x )2 1 + |X =x = 1 . n SSxx
Asimismo, podemos garantizar con un (1 ) 100 % de conanza que cuando X = x, el valor Y se encuentra en el intervalo
y x t1/2;n2 se
es decir, podemos garantizar que
1 (x x ) 1+ + ,y x + t1/2;n2 se n SSxx
2 1 (x x ) 1+ + , n SSxx
P Y y x t1/2;n2 se
1 (x x )2 1+ + |X =x = 1 n SSxx
Nota. No debemos olvidar que los modelos de regresin que podemos estimar lo son a partir de los datos
de una muestra de valores de X e Y . A partir de estos modelos podemos obtener, como acabamos de recordar, predicciones y estimaciones para valores dados de X. Dado que el modelo se basa precisamente en
Ejemplo. En la Figura 10.7 aparece la recta de regresin para los datos del ejemplo sobre la absorcin
del compuesto junto con lneas que contienen los intervalos de conanza al 95 % para las predicciones y las estimaciones asociadas a los distintos valores de X .
204
110
105
100
Resistencia
95
90
85
80
50
60
70
80
90
100
Velocidad
Figura 10.7: Recta de regresin con intervalos de conanza al 95 % para las predicciones (franjas ms exteriores) y para las estimaciones (franjas interiores) en el ejemplo de la absorcin.
Obsrvese que la amplitud de los intervalos se hace mayor en los valores ms extremos de X . Es decir, los errores en las estimaciones y en las predicciones son mayores en estos valores ms extremos. Esto debe ser un motivo a aadir al comentario anterior para no hacer estimaciones ni predicciones fuera del rango de valores de X en la muestra. Por otra parte, nos plantebamos al comienzo de captulo que sera de inters estimar el porcentaje de absorcin que tendr alguien que se someta a un tiempo de exposicin al compuesto de 8 horas. Eso es una prediccin, as que como estimacin puntual daremos
y x t1/2;n2 se
Por el contrario, imaginemos que los trabajadores de una empresa van a estar sometidos todos ellos a un tiempo de exposicin de 8 horas. En ese caso, no tiene sentido que nos planteemos una prediccin para saber cul va a ser su porcentaje de absorcin, ya que cada uno de ellos tendr un porcentaje distinto; lo que s tiene sentido es que nos planteemos cul va a ser el porcentaje medio de absorcin de los trabajadores sometidos a 8 horas de exposicin al compuesto. Esto es un ejemplo de la estimacin de un valor promedio. La estimacin puntual es la misma que en la prediccin, es decir, 59.59, pero el intervalo de conanza al 95 % es
y x t1/2;n2 se
x )2
205
= yi y i
siguen una distribucin normal. Ni que decir tiene que comprobar esta hiptesis en trivial: bastar con calcular los residuos, ajustarles una distribucin normal y realizar un contraste de bondad de ajuste mediante, por ejemplo, el test de KolmogorovSmirno.
= yi y i .
Habitualmente, se le aade a esta grca la recta de regresin de la nube de puntos resultante. Vamos a ir viendo cmo debe ser esta grca en el caso de que se cumplan cada uno de los supuestos: 1. Si la media de los residuos es cero, la nube de puntos de la grca debe hacernos pensar en una recta de regresin horizontal situada en el cero, indicando que sea cual sea el valor y i , la media de los residuos es cero. 2. Si los errores son independientes, no debe observarse ningn patrn en la grca, es decir, ningn efecto en ella que haga pensar en algn tipo de relacin entre y i y
i.
homocedasticidad), la dispersin
vertical de los puntos de la grca no debe variar segn vare el eje X. En caso contrario, se habla de
heterocedasticidad.
Una ltima observacin: si se dan todas las condiciones que acabamos de mencionar sobre la grca de residuos frente a valores ajustados, entonces es del modelo sean ciertos.
probable,
206
Residuals vs Fitted 5
5 4
Residuals
15 10
50
55
60
65
70
75
80
85
Ejemplo.
requeridas:
Por ltima vez vamos a considerar el ejemplo de la absorcin. En la Figura 10.8 aparece el
grco de residuos vs valores ajustados y podemos ver que a primer vista parece que se dan las condiciones
1. Los puntos se sitan en torno al eje Y = 0, indicando que la media de los residuos parece ser cero. 2. No se observan patrones en los residuos. 3. No se observa mayor variabilidad en algunas partes del grco. Hay que tener en cuenta que son muy pocos datos para sacar conclusiones.
207
208
Parte IV
Procesos aleatorios
209
Captulo 11
Procesos aleatorios
The best material model of a cat is another, or preferably the same, cat. Norbert Wiener,
Philosophy of Science
Resumen.
Los procesos aleatorios suponen el ltimo paso en la utilizacin de modelos matemticos para
describir fenmenos reales no determinsticos: concretamente, se trata de fenmenos aleatorios que dependen del tiempo. Se describen principalmente en trminos de sus medias y sus covarianzas. En este captulo se incluyen adems algunos de los ejemplos ms comunes de tipos de procesos y su comportamiento cuando se transmiten a travs de sistemas lineales invariantes en el tiempo.
Palabras clave.
potencia.
za, procesos estacionarios, procesos gaussianos, proceso de Poisson, sistemas lineales, densidad espectral de
11.1. Introduccin
En muchos experimentos de tipo aleatorio el resultado es una funcin del tiempo (o del espacio). Por ejemplo, en sistemas de reconocimiento de voz las decisiones se toman sobre la base de una onda que reproduce las caractersticas de la voz del interlocutor, pero la forma en que el mismo interlocutor dice una misma palabra sufre ligeras variaciones cada vez que lo hace; en un sistema de cola, por ejemplo, en un servidor de telecomunicaciones, el nmero de clientes en el sistema a la espera de ser atendidos evoluciona con el tiempo y est sujeto a condiciones tales que su comportamiento es
impredecible ;
en un sistema de comunicacin tpico, la seal de entrada es una onda que evoluciona con el tiempo y que se introduce en un canal donde es contaminada por un ruido aleatorio, de tal manera que es imposible separar cul es el mensaje original con absoluta ... 211
certeza.
Desde un punto de vista matemtico, todos estos ejemplos tienen en comn que el fenmeno puede ser visto como unas funciones que dependen del tiempo, pero que son desconocidas a priori, porque dependen del
azar.
En este contexto vamos a denir el concepto de proceso aleatorio. Nuestro objetivo, como en captulos
anteriores dedicados a variables y vectores aleatorios, es describir desde un punto de vista estadstico el fenmeno, proporcionando medidas de posicin, medidas sobre la variabilidad, etc.
11.1.1. Denicin
Consideremos un experimento aleatorio sobre un espacio muestral . Supongamos que para cada resultado posible, A, tenemos una observacin del fenmeno dada por una funcin real de variable real, x (t, A), con
t I R. Habitualmente, t representa al tiempo, pero tambin puede referirse a otras magnitudes fsicas.
Para cada A vamos a denominar a x (t, A)
Obsrvese que para cada t0 I , X (t, ) es una variable aleatoria. Pues bien, al conjunto
{X (t, A) : t I, A }
lo denominamos
Si recordamos las deniciones de variable aleatoria y vector aleatorio, podemos ver en qu sentido estn relacionados los conceptos de variable, vector y proceso aleatorio. Concretamente, si es un espacio muestral, una variable aleatoria es una funcin
X:R
que a cada suceso posible le asigna funcin
un vector real.
De cara a escribir de ahora en adelante un p.a., lo notaremos normalmente, por ejemplo, como X (t), obviando as la variable que hace referencia al elemento del espacio muestral al que va asociada la funcin muestral. Este convenio es el mismo que nos lleva a escribir X rerindonos a una v.a. o a un vector.
Por eso,
en el mbito de los procesos (no slo estocsticos) es importante preguntarse si el fenmeno que representa o slo
en momentos concretos del tiempo.
Prof. Dr. Antonio Jos Sez Castillo
212
{X (t, A) : t I, A } ,
se dice que el proceso es un
es un conjunto numerable.
En el caso de procesos en tiempo discreto se suele escribir Xn o X [n] rerindonos a la notacin ms general
X (n). Por otra parte, el conjunto I normalmente es el conjunto de los enteros o de los enteros positivos,
aunque tambin puede ser un subconjunto de stos. En algunos libros los procesos en tiempo discreto tambin son denominados Dado un espacio muestral y un p.a. denido en l,
secuencias aleatorias.
{X (t, A) : t I, A } ,
se dice que el proceso es un junto de stos. Si nos damos cuenta, esta primera clasicacin de los p.a. la hemos hecho en funcin del carcter discreto o continuo del tiempo, es decir, del conjunto I . Existe otra clasicacin posible en funcin de cmo son las variables aleatorias del proceso, discretas o continuas. Sin embargo, ambos tipos de procesos, con variables discretas o con variables continuas, pueden estudiarse casi siempre de forma conjunta. Por ello slo distinProf. Dr. Antonio Jos Sez Castillo
es un intervalo.
En el caso de procesos en tiempo continuo, I es normalmente el conjunto de los reales positivos o un subcon-
213
Figura 11.3: Distintas funciones muestrales de un proceso. guiremos p.a. con variables discretas y p.a. con variables continuas si es necesario. En este sentido, cuando nos reramos a la funcin masa (si el p.a. es de variables discretas) o a la funcin de densidad (si el p.a. es de variables continuas), hablaremos en general de funcin de densidad.
Ejemplo.
Sea una variable aleatoria uniforme en (1, 1). Denimos el proceso en tiempo continuo
Ejemplo.
214
para cada t I. Ntese que, como su nombre indica, se trata de una funcin determinstica. No tiene ninguna componente aleatoria. Ntese tambin que aunque se est escribiendo el smbolo integral, podramos estar rerindonos a una variable discreta, en cuyo caso se tratara de una suma.
Se dene la
funcin de autocovarianza
o simplemente la
CX (t, s) = Cov [X (t) , X (s)] = E [(X (t) mX (t)) (X (s) mX (s))] = (x1 x (t)) (x2 x (s)) fX (t),X (s) (x1 , x2 ) dx2 dx1
215
Se dene la
funcin de autocorrelacin
o simplemente la
Ntese, de cara al clculo, que la diferencia entre ambas funciones tan slo es el producto de las medias1 .
centrado en media,
V ar (X (t)) = CX (t, t) .
La interpretacin de la funcin de autocovarianza CX (t, s) es la de una funcin que proporciona una medida de la interdependencia lineal entre dos v.a. del proceso, X (t) y X (s), que distan = s t unidades de tiempo. De hecho, ya sabemos que podramos analizar esta relacin mediante el coeciente de correlacin lineal
X (t, s) =
Aparentemente es esperable que tanto ms rpidamente cambie el proceso, ms decrezca la autocorrelacin conforme aumenta , aunque por ejemplo, los procesos peridicos no cumplen esa propiedad. En el campo de la teora de la seal aletatoria, a partir de la funcin de autocorrelacin se puede distinguir una seal cuyos valores cambian muy rpidamente frente a una seal con variaciones ms suaves. En el primer caso, la funcin de autocorrelacin y de autocovarianza en instantes t y t + decrecern lentamente con , mientras que en el segundo, ese descenso ser mucho ms rpido. En otras palabras, cuando la autocorrelacin (o la autocovarianza) es alta, entre dos instantes cercanos del proceso tendremos valorer similares, pero cuando es baja, podremos tener fuertes diferencias entre valores cercanos en el tiempo. La gran importancia de estas funciones asociadas a un proceso, media y autocovarianza (o autocorrelacin), es por tanto que aportan toda la informacin acerca de la relacin lineal que existe entre dos v.a. cualesquiera del proceso. Como hemos dicho, en la prctica, resulta extremadamente complicado conocer completamente la distribucin de un proceso y, cuando esto ocurre, no siempre es sencillo utilizar las tcnicas del clculo de probabilidades para el tratamiento de estos procesos. Sin embargo, tan slo con la informacin dada por la funcin media y la funcin de autocorrelacin pueden ofrecerse resultados muy relevantes acerca de los procesos, tal y como hemos visto en el caso de variables y vectores aleatorios.
Ejemplo. La seal recibida por un receptor AM de radio es una seal sinusoidal con fase aleatoria, dada
por X (t) = A cos (2fc t + ) , donde A y fc son constantes y es una v.a. uniforme en (, ) .
1 Esta
frmula es la misma que cuando veamos la covarianza entre dos variables, calculable como la media del producto menos
216
En ese caso,
E [X (t)] =
A cos (2fc t + )
A (sin (2fc t) cos ( ) + cos (2fc t) sin ( ) sin (2fc t) cos ( ) cos (2fc t) sin ( )) 2 A = [0 + 0] = 0. 2
RX (t, t + ) = E [X (t + ) X (t)] = E A2 cos (2fc t + 2fc + ) cos (2fc t + ) = A2 A2 E [cos (4fc t + 2fc + 2)] + E [cos (2fc )] 2 2
A2 = 2
A2 cos (2fc ) . 2
fX (t1 ),...,X (tn ) (x1 , ..., xn ) = fX (t1 ) (x1 ) ... fX (tn ) (xn ) ,
se dice que el proceso es
independiente.
La interpretacin de este tipo de procesos es la de aquellos en donde el valor de la v.a. que es el proceso en un momento dado no tiene nada que ver con el valor del proceso en cualquier otro instante. Desde un punto de vista fsico estos procesos son muy
caticos
217
10
Figura 11.4: Funcin muestral de un proceso independiente formado por v.a gaussianas de media cero y varianza uno.
X (t1 ) , X (t2 ) , ..., X (tN ), con t1 < t2 < ... < tN son tales que los incrementos X (t1 ) , X (t2 ) X (t1 ) , ..., X (tN ) X (tN 1 )
son independientes entre s.
218
markoviano o de Markov
fX (tn+1 )|X (t1 )=x1 ,...,X (tn )=xn (xn+1 ) = fX (tn+1 )|X (tn )=xn (xn+1 ) .
Esta denicin se suele enunciar coloquialmente diciendo que un proceso de Markov es
depende del pasado sino tan slo del presente.
X (t) es un proceso
dbilmente estacionario si
mX (t) es independiente de t y C (t, s) (o R (t, s)) depende tan slo de s t, en cuyo caso se nota C (s t) ( R (s t)).
Es importante destacar que la primera de las condiciones es irrelevante, ya que siempre se puede centrar en media un proceso para que sta sea cero, constante. Es decir, en la prctica es indiferente estudiar un proceso
X (t) con funcin media X (t) que estudiar el proceso Y (t) = X (t) X (t), con media cero.
La propiedad ms exigente y realmente importante es la segunda. Viene a decir que la relacin entre variables aleatorias del proceso slo depende de la distancia en el tiempo que las separa.
Nota.
Vamos a hacer una puntualizacin muy importante respecto a la notacin que emplearemos en
adelante. Acabamos de ver que si un proceso es dbilmente estacionario, sus funciones de autocovarianza y de autocorrelacin, C (s, t) y R (s, t) no dependen en realidad de s y de t, sino tan slo de t s. Por eso introducimos la notacin
C (t, s) C (s t) R (t, s) = R (s t) .
Por lo tanto, qu queremos decir si escribimos directamente C ( ) o R ( )? Que tenemos un p.a. dbilmente estacionario y que hablamos de
C ( ) = C (t, t + ) R ( ) = R (t, t + ) .
Una medida importante asociada a un proceso dbilmente estacionario es la observaremos con detenimiento esta medida.
Prof. Dr. Antonio Jos Sez Castillo
potencia promedio,
2
deni-
da como la media del cuadrado de ste en cada instante t, es decir RX (0) = E |X (t)|
. Ms adelante
219
Por otra parte, la peculiaridad que dene a los procesos dbilmente estacionarios le conere a su funcin de autocorrelacin y autocovarianza dos propiedades interesantes: sea X (t) un proceso estacionario (dbil). Entonces, si notamos RX ( ) = E [X (t) X (t + )] para todo t, su funcin de autocorrelacin y por CX ( ) a su funcin de autocovarianza:
Ejemplo. En el ejemplo del oscilador vimos que la seal recibida por un receptor AM de radio es una
seal sinusoidal con fase aleatoria, dada por X (t) = A cos (2fc t + ) , donde A y fc son constantes y
RX (t, t + ) =
A2 cos (2fc ) . 2
Ejemplo.
varianza constante e igual a 2 . Vamos a considerar tambin otro proceso que en cada instante de tiempo considera la media de X en ese instante y el anterior, es decir,
Yn =
Xn + Xn1 . 2
En primer lugar, dado que E [Xn ] = 0 para todo n, lo mismo ocurre con Yn , es decir,
E [Yn ] = E
Xn + Xn1 = 0. 2
220
1 E [(Xn + Xn1 ) (Xn+m + Xn+m1 )] 4 1 = (E [Xn Xn+m ] + E [Xn Xn+m1 ] + E [Xn1 Xn+m ] + E [Xn1 Xn+m1 ]) 4
Ahora debemos tener en cuenta que
CX (n, m) = RX (n, m) =
ya que Xn es un proceso independiente. Por lo tanto,
0 2
si n = m si n = m
si m = 0 si m = 1 si m = 1 en otro caso
Podemos decir, por tanto, que el proceso Yn tambin es dbilmente estacionario, porque su media es constante (cero) y CY (n, n + m) no depende de n sino tan slo de m.
E [X (t)] = mX (t) = mX =
RX ( ) = E [X (t) X (t + )] =
Hasta ahora quiz no lo habamos pensado, pero ms all de los tpicos ejemplos, cmo podramos tratar de calcular o estimar al menos estas cantidades? Si aplicamos lo que hemos aprendido hasta ahora, estimaramos, por ejemplo, la media con la media muestral, pero para ello necesitaramos una muestra muy grande de
Prof. Dr. Antonio Jos Sez Castillo
221
funciones muestrales del proceso, y eso no siempre ocurre. De hecho, no es nada rara la situacin en la que, en realidad, slo es posible observar una nica funcin muestral del proceso. Ahora bien, dada una nica funcin muestral de un proceso, x (t), en esa funcin hay muchos datos, tantos como instantes de tiempo t hayamos sido capaces de observar. No podra ocurrir que utilizramos todos esos datos que hay en x (t)para estimar las medias y las autocorrelaciones? Por ejemplo, si tenemos observada la seal x (t) en un montn de valores t1 , ...tn , qu tendr que ver
1 2T
x (t) dt.
T
estadstica )
En el caso de la autocorrelacin pasara igual, tendramos que podramos observar un montn de pares de valores de la seal en los instantes t1 , ..., tn y t1 + , ..., tn + en el intervalo [T, T ] y con ellos podramos estimar
1 2T
x (t) x (t + ) dt
T
Lo que no sabemos, en general, es si esa integral tiene algo que ver con RX ( ), que es una integral estadstica. Pues bien, se dice que un proceso estacionario es
de una sola funcin muestral x (t). Es decir, que una sola realizacin es representativa de todo el proceso. Ms concretamente, un proceso ser ergdico en media y en autocorrelacin si
limT
y
1 2T
x (t) dt = mX
T
1 limT 2T
x (t) x (t + ) dt = RX ( ) .
T
En este apartado nos referimos brevemente a un modelo gastante comn para los fenmenos de ruido, llamado ruido blanco.
222
Un
ruido blanco es un proceso N (t) centrado, dbilmente estacionario e incorrelado con varianza
N0
2
N0 2 .
Por
CN (t, t + ) =
CN ( ) =
N0 ( ) . 2
La justicacin de que este sea un modelo habitual para los ruidos, considerando que los valores del ruido estn incorrelados unos con otros, es que suelen ser debidos a fenmenos completamente aleatorios y caticos, por lo que no es esperable que exista relacin entre valores del ruido, ni siquiera cuando stos son muy cercanos en el tiempo.
conjuntamente gaussiana. Es decir, si cualquier coleccin X (t1 ) , ..., X (tn ) tiene funcin de densidad conjunta
x = (x1 , ..., xn ) , = (E [X (t1 )] , ..., E [X (tn )]) , C = (Ci,j )i,j =1,..,n , Cij = Cov [X (ti ) , X (tj )] .
Ntese que un proceso gaussiano est completamente descrito una vez que se conocen su funcin media y su autocovarianza o su autocorrelacin.
Prof. Dr. Antonio Jos Sez Castillo
223
Existen dos razones fundamentales por las que, como hemos comentado, los procesos gaussianos son la familia de procesos ms relevante: Por una parte, las propiedades analticas que verican los hacen fcilmente manejables, como veremos a continuacin. Por otra parte, estos procesos han demostrado ser un excelente modelo matemtico para gran nmero de experimentos o fenmenos reales (resultado amparado en el Teorema Central del Lmite).
Ejemplo. Es muy habitual considerar que los ruidos blancos son gaussianos. En ese caso, si consideramos
ruidos blancos gaussianos, sus variables no slo son incorreladas, sino que tambin son independientes.
Ejemplo.
y t2 = t1 +
1 2
25 25e6/2
25e3/2 25 25e3/2
25e6/2
25e3/2 . 25
Algunas propiedades de inters de los procesos gaussianos: Un proceso gaussiano es independiente si y slo si C (ti , tj ) = 0 para todo i = j. Sea X (t) un proceso gaussiano. Este proceso es markoviano si y slo si
CX (t1 , t3 ) =
para cualesquiera t1 < t2 < t3 .
Algunos de los ejemplos ms comunes en el campo de las Telecomunicaciones son el proceso que cuenta el nmero de llamadas recibidas en una centralita telefnica o el que cuenta el nmero de visitas a una pgina WEB. En otros mbitos, como la Fsica, estos procesos pueden servir, por ejemplo, para contabilizar el nmero de partculas emitidas por un cuerpo.
224
N (t) =
n=1
u (t T [n]) ,
donde T [n] es un proceso en tiempo discreto que representa el momento de la nsima llegada que cuenta el proceso y
0 si t < t 0 u (t t0 ) = 1 si t t 0
es la funcin umbral. El
n=1
es una suma de n exponenciales independientes del mismo parmetro , lo que genera una distribucin de Erlang de parmetros n y , con funcin de densidad
fT [n] (t) =
Alternativamente, puede decirse que
n1
llegadas,
Ejemplo.
= 1. Vamos a interpretar la funcin muestral de la izquierda pensando, por ejemplo, que representa
el nmero de visitas a una pgina WEB: se observa que poco depus de los tres minutos se han dado 3 visitas; despus pasan casi 5 minutos sin ninguna visita; a continuacin se producen un buen nmero de visitas en poco tiempo; ... Si observamos tan slo el eje del tiempo, podramos sealar los instantes en que se producen las llegadas. Sabemos que esos incrementos en el tiempo desde que se produce una llegada hasta la siguiente siguen una distribucin exponencial, en este caso de parmetro 1. Vamos a describir algunas de las propiedades ms interesantes de los procesos de Poisson: Sea N (t) un proceso de Poisson de parmetro . Entonces, para todo t se tiene que N (t) P (t). La media de un proceso de Poisson de parmetro es N (t) = t. Por tanto, el proceso de Poisson no es estacionario. Sea N (t) un proceso de Poisson de parmetro . Entonces, el proceso tiene incrementos independientes
Prof. Dr. Antonio Jos Sez Castillo
225
Figura 11.5: Representacin grca de una funcin muestral de un p.a. de Poisson. y para cualesquiera t1 < t2 , el incremento N (t2 ) N (t1 ) sigue una distribucin de Poisson de parmetro
(t2 t1 ).
Sea N (t) un proceso de Poisson de parmetro . Entonces
CN (t1 , t2 ) = m n (t1 , t2 ) .
Sea N (t) un proceso de Poisson de parmetro . Entonces, para cualesquiera t1 < ... < tk ,
fN (t1 ),...,N (tk ) (n1 , ..., nk ) nk nk1 n2 n1 1 1 n 2 2 k 2 1 e e ... e n1 ! (n2 n1 )! (nk nk1 )! si n1 ... nk , = 0 en otro caso
donde i = (ti ti1 ) . El proceso de Poisson es de Markov. Sean N1 (t) p.a. de Poisson de parmetro 1 , N2 (t) p.a. de Poisson de parmetro 2 , ambos independientes. Entonces, N1 (t) + N2 (t) es un p.a. de Poisson de parmetro 1 + 2 . Esta propiedad se conoce como
propiedad aditiva.
Sea N (t) un p.a. de Poisson de parmetro . Supongamos que de todos los eventos que cuenta el proceso, slo consideramos una parte de ellos; concretamente los que presentan una caracterstica que tiene probabilidad p entre todos los eventos. En ese caso, si notamos por Np (t) al proceso que cuenta
226
Figura 11.6: Funciones muestrales de un proceso de Poisson de parmetro 1. los eventos con la caracterstica dada, dicho proceso es de Poisson de parmetro p. Esta propiedad se conoce como
propiedad de descomposicin.
El tiempo W que transcurre desde un instante arbitrario t0 hasta la siguiente discontinuidad de un proceso de Poisson de parmetro es una variable aleatoria exponencial de parmetro , independientemente de la eleccin del punto t0 . Esta propiedad aparentemente paradjica se conoce como
propiedad de no memoria del proceso de Poisson. Obsrvese que, en realidad, esta propiedad de no
memoria lo es de la distribucin exponencial.
Ejemplo.
segundo.
Es frecuente considerar que el proceso que cuenta el nmero de partculas emitidas por un
material radiactivo es un proceso de Poisson. Vamos a suponer por tanto, que estamos observando el comportamiento de un determinado material del que se conoce que emite a razn de partculas por Supongamos que se observa el proceso que cuenta el nmero de partculas emitidas desde un instante
P [N (t + T0 ) N (t) > N0 ] =
k=N0 +1
eT0
(T0 ) =1 k!
N0
eT0
k=0
(T0 ) , k!
Ejemplo.
El nmero de visitas a la pgina WEB de una empresa que desea vender sus productos a
travs de INTERNET es adecuadamente descrito mediante un proceso de Poisson. Sabiendo que durante una hora se reciben un promedio de 5 visitas,
227
P [N (0.5) = 0] = e50.5
apenas un 8 % de probabilidad.
2. Cul es el promedio de visitas en 5 horas a la WEB? E [N (5)] = 5 5 = 25 visitas. 3. La empresa absorbe otra empresa del sector y opta por establecer un enlace directamente desde la pgina de su lial a la propia, garantizndose que todos los clientes de la lial visitan su pgina. Si el promedio de clientes que visitaban la pgina de la lial era de 2 clientes a la hora, cul es la probabilidad de que tras la fusin no se reciba ninguna visita en 10 minutos? Al hacerse con los clientes de la otra empresa (notemos por M (t) al proceso de Poisson que contaba sus visitas, de parmetro = 2 visitas/hora), lo que ha ocurrido es que ahora el nmero de visitas a la WEB de la empresa es la suma de ambos procesos: T (t) = N (t) + M (t) . Suponiendo que los procesos de Poisson que contaban las visitas a ambas empresas fueran independientes, se tiene que T (t), en virtud de la propiedad aditiva del proceso de Poisson, es tambin un proceso de Poisson, de parmetro = 5 + 2 = 7 visitas/hora. Por tanto,
P T
una probabilidad del 31 %.
1 6
=0 =e
7 1 6
1 7 6 0!
= 0.3114,
228
Bibliografa
[Canavos, G. C. (1988)] Canavos, G. C. (1988). Probabilidad y Estadstica. Aplicaciones y Mtodos. McGraw-Hill. [DeVore, J. L. (2004)] DeVore, J. L. (2004). Probabilidad y estadstica para ingeniera y ciencias (6 edicin). Thomson. [Johnson, R. A. (1997)] Johnson, R. A. (1997). Probabilidad y estadstica para Ingenieros (5 edicin). Prentice Hall. [Leon-Garcia, A.] Leon-Garcia, A. (1994). Probability and Random Processes for Electrical Engineering (2nd edition). Addison-Wesley. [Lipschutz, S. & Schiller, J. (2000)] Lipschutz, S. & Schiller, J. (2000). Introduccin a la Probabilidad y la Estadstica. McGraw-Hill. [Mendenhal, W & Sincich, T. (1997)] Mendenhal, W & Sincich, T. (1997). Probabilidad y Estadstica para Ingeniera y Ciencias (4 edicin). Prentice Hall. [Montgomery, D. C. & Runger, G. C. (2002)] Montgomery, D. C. & Runger, G. C. (2002). Probabilidad y estadstica aplicadas a la Ingeniera (2 edicin). Wiley. [Navidi, W. (2006)] Navidi, W. (2006). Estadstica para ingenieros y cientcos. McGraw-Hill. [Ross, S. M. (2005)] Ross, S. M. (2005). Introduccin a la Estadstica. Editorial Revert. [Spiegel et al. (2010)] Spiegel, M. R., Schiller, J. y Srinivasan, R. A. (2010). Probabilidad y estadstica (3 edicin), serie Schaum. McGraw-Hill. [Walpole, R. E
et al
229
ndice alfabtico
ANOVA, 168170 Bonferroni, mtodo de, 171, 172 Coeciente de asimetra, 31 Coeciente de correlacin lineal, 112, 195199, 212 Coeciente de variacin, 30, 37, 38 Contraste de hiptesis, 134, 149152 Contraste para el cociente de varianzas, 167 Distribucin normal, 86 Distribucin normal multivariante, 120, 219 Distribucin t de Student, 130, 158, 161164, 194, 195, 200, 201 Distribucin uniforme, 82 Distribuciones condicionadas, 104 Error tipo I, 151153, 158, 171
Error tipo II, 152, 158 Contraste para la diferencia de medias, 159, 160, 162 Espacio muestral, 4345, 48, 50, 53, 61, 62, 137 Contraste para la diferencia de proporciones, 166 Estadstico de contraste, 150153, 155, 157, 159, 161, Contraste para la media, 156, 158 164, 166168, 170, 173, 181, 184, 185, 198 Contraste para la varianza, 167 Contraste para proporcin, 164 Covarianza, 112 Cuantil, 27, 92, 93 Datos cualitativos, 20 Datos cuantitativos, 21, 22, 25, 34 de cola pesada, 32 Estimador puntual, 134, 175, 176 Funcin de autocorrelacin, 212, 215 Funcin de autocovarianza, 211, 215 Funcin de densidad, 7578, 8184, 86, 88, 91, 92, 127, 129, 136, 137, 139 Funcin de densidad conjunta, 99 Funcin de distribucin, 7678, 83, 88, 93, 179181
Desviacin tpica o estandar, 2931, 37, 64, 80, 88, Funcin masa conjunta, 99 128, 129, 145, 157 Funcin masa de probabilidad, 62, 63, 68, 70, 71, 74, Diagrama de barras, 22, 23, 25, 31 81, 92, 127, 139 Diagrama de cajas y bigotes, 35, 36, 38 Diagrama de sectores, 20, 21 Diagramas de barras, 2024 Distribucin binomial, 65, 66, 69, 87, 91, 138 Distribucin binomial negativa, 71, 72, 139 Distribucin 2 , 129 Distribucin 2 , 85, 130, 146, 167, 170, 177, 178, 184, 185 Distribucin de Poisson, 68, 83, 87, 222 Distribucin exponencial, 8284, 145, 181, 221, 223 Distribucin F de Snedecor, 130, 131, 170 Distribucin Gamma, 84, 85, 129, 138, 179, 221 Distribucin geomtrica, 70, 71, 139, 178 Distribucin marginal, 101 230 Funcin media, 211 Funcin muestral, 208 Histograma, 2225, 28, 30, 31, 3437, 7375, 77, 90, 91, 136, 137 Incorrelacin, 112 Independencia de sucesos, 4850, 52, 53, 68, 181 Independencia estadstica, 213, 214 Insesgadez, 134137, 148 Intervalos de conanza, 134, 142148, 200 Mtodo de los momentos, 138142, 175, 178, 181 Mtodo de mxima verosimilitud, 139142, 148, 175, 181, 190
Matriz de correlaciones, 118 Matriz de varianzas-covarianzas, 118 Media, 25, 64, 135, 156
Variable aleatoria, 61, 62, 65, 87, 127129, 138, 139, 142, 150, 189 Variable aleatoria continua, 73, 76, 78
Media muestral, 25, 26, 2831, 34, 64, 81, 87, 128, Variable aleatoria discreta, 6264 Varianza muestral, 28, 29, 64, 81, 129, 135, 136, 144, 129, 135, 144146, 150, 156, 169, 217 Media poblacional, 34, 63, 64, 78, 80, 81, 90, 91, 129, 135, 144147, 150, 156, 192, 199, 202 Mediana, 26, 28, 31, 35 Moda, 26, 31 156, 162, 167, 169 Varianza poblacional, 63, 64, 78, 80, 81, 129, 134136, 138, 144148, 156, 167, 170, 193, 202, 212 Vector aleatorio, 98 Vector de medias, 118
muestra, 15
Muestra aleatoria simple, 20, 29, 33, 36, 37, 63, 65, 74, 183, 196, 197 Nivel de conanza, 142144, 148, 151154, 157, 158, 160, 161, 171, 177, 178, 180, 184, 194, 200 Ortogonalidad, 112 p-valor, 153, 154, 156, 158161, 164, 166168, 171 173, 176181, 183, 185, 194 Percentil, 27, 34, 35, 37, 38, 9294 Probabilidad, 41, 42, 45, 47, 48 Probabilidad condicionada, 4850 Proceso aleatorio, 208 Proceso aleatorio en tiempo continuo, 209 Proceso aleatorio en tiempo discreto, 209 Proceso dbilmente estacionario, 215 Proceso de Markov, 215, 220 Proceso de Poisson, 221 Proceso ergdico, 218 Proceso gaussiano, 219 Procesos independientes, 213 Recta de regresin, 191 Ruido blanco, 219 Tabla de frecuencias, 21 Teorema de Bayes, 5355 Teorema de la probabilidad total, 5355 Test chi2 de bondad de ajuste, 176, 178 Test chi2 de independencia, 181 Test de Kolmogorov-Smirno, 179, 191, 192, 196, 198 202 Valores z , 34, 90
Prof. Dr. Antonio Jos Sez Castillo
231