Repaso de conceptos

estadsticos
1. DISTRIBUCIONES DISCRETAS
Supongamos que tenemos un dado rojo que toma valores entre 1 y 6 con igual
probabilidad, y un dado verde de las mismas caractersticas.
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
rojo 1 2 3 4 5 6
verde
1
2
3
4
5
6
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
rojo 1 2 3 4 5 6
verde
1
2
3
4
5
6 10
Por ejemplo, en el dado rojo puede aparecer 4 y en el verde un 6
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
r 1 2 3 4 5 6
v
1
2
3
4
5 7
6
Igualmente, si el dado rojo es 2 y el verde 5, la suma es 7
r 1 2 3 4 5 6
v
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
Esta tabla muestra todos los posibles resultados, que van de 2 a 12.
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
r 1 2 3 4 5 6
v
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
7
x
2
3
4
5
6
7
8
9
10
11
12
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
r 1 2 3 4 5 6
v
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
8
x f
2
3
4
5
6
7
8
9
10
11
12
La frecuencia f es el nmero de veces que se repite un resultado
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
r 1 2 3 4 5 6
v
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
9
x f
2
3
4
5 4
6
7
8
9
10
11
12
Por ejemplo, hay cuatro resultados que hacen x igual a 5
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
r 1 2 3 4 5 6
v
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
x f
2 1
3 2
4 3
5 4
6 5
7 6
8 5
9 4
10 3
11 2
12 1
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
r 1 2 3 4 5 6
v
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
12
Finalmente, derivamos la probabilidad de obtener cada valor de x.
Hay 1/6 de probabilidad de obtener cada nmero del dado rojo y lo mismo para el dado verde. Por
lo tanto, cada valor en la tabla ocurre con probabilidad 1/36. Por lo tanto, para obtener las
probabilidades asociadas a cada valor de x, se dividen las frecuencias por 36.
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
x f p
2 1 1/36
3 2 2/36
4 3 3/36
5 4 4/36
6 5 5/36
7 6 6/36
8 5 5/36
9 4 4/36
10 3 3/36
11 2 2/36
12 1 1/36
14
La distribucin se muestra grficamente mediante un histograma.
6
__
36
5
__
36
4
__
36
3
__
36
2
__
36
1
/
36
2
__
36
3
__
36
5
__
36
4
__
36
probabilidad
2 3 4 5 6 7 8 9 10 11 12 x
1
/
36
1. DISTRIBUCIONES DISCRETAS
Ejemplo de distribucin de probabilidades: x es una variable
aleatoria igual a la suma de dos dados
2. DISTRIBUCIONES CONTINUAS
Ejemplo de una funcin de densidad: x es una variable
aleatoria igual a la temperatura en una habitacin
65 75
x
70
Imaginemos ahora que la distribucin de probabilidades tiene esta forma.
densidad
f(x)
2. DISTRIBUCIONES CONTINUAS
Ejemplo de una funcin de densidad: x es una variable
aleatoria igual a la temperatura en una habitacin
65 75
x
70
El rea total del tringulo debe ser uno. Dado que la base del tringulo es 10, la altura debe
ser 0.2.
f(x)
0.20
0.15
0.10
0.05
2. DISTRIBUCIONES CONTINUAS
Ejemplo de una funcin de densidad: x es una variable
aleatoria igual a la temperatura en una habitacin
65 75
x
70
En este ejemplo, la funcin de densidad toma la forma f(x) = a + bx. Para pasar por los
puntos (65, 0.20) y (75, 0), a debe ser igual a 1.50 y b debe ser igual a -0.02.
f(x)
0.20
0.15
0.10
0.05
f(x) = 1.50 - 0.02x si 65 x 75
f(x) = 0 for x < 65 y x > 75

2. DISTRIBUCIONES CONTINUAS
La distribucin continua ms famosa!
La definicin de E(x), el valor esperado de x:
1
El valor esperado de una variable aleatoria, conocido tambin como la media poblacional,
es la suma ponderada de los valores que toma la variable aleatoria, donde los pesos son
las probabilidades ( o densidades) ligadas a esos valores.

=
= + + =
n
i
i i n n
p x p x p x x E
1
1 1
... ) ( : Discreta
3. VALOR ESPERADO DE UNA V. ALEATORIA
Notacin alternativa para E(x):
E(x) =
x
dx x x x E ) ( ) ( : Continua =
x
i
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
x
10
x
11
3
3. VALOR ESPERADO DE UNA V. ALEATORIA
x
i
p
i
x
1
p
1
x
2
p
2
x
3
p
3
x
4
p
4
x
5
p
5
x
6
p
6
x
7
p
7
x
8
p
8
x
9
p
9
x
10
p
10
x
11
p
11
4
3. VALOR ESPERADO DE UNA V. ALEATORIA
x
i
p
i
x
i
p
i
x
1
p
1
x
1
p
1
x
2
p
2
x
3
p
3
x
4
p
4
x
5
p
5
x
6
p
6
x
7
p
7
x
8
p
8
x
9
p
9
x
10
p
10
x
11
p
11
5
3. VALOR ESPERADO DE UNA V. ALEATORIA
x
i
p
i
x
i
p
i
x
1
p
1
x
1
p
1
x
2
p
2
x
2
p
2
x
3
p
3
x
4
p
4
x
5
p
5
x
6
p
6
x
7
p
7
x
8
p
8
x
9
p
9
x
10
p
10
x
11
p
11
6
3. VALOR ESPERADO DE UNA V. ALEATORIA
x
i
p
i
x
i
p
i
x
1
p
1
x
1
p
1
x
2
p
2
x
2
p
2
x
3
p
3
x
3
p
3
x
4
p
4
x
4
p
4
x
5
p
5
x
5
p
5
x
6
p
6
x
6
p
6
x
7
p
7
x
7
p
7
x
8
p
8
x
8
p
8
x
9
p
9
x
9
p
9
x
10
p
10
x
10
p
10
x
11
p
11
x
11
p
11
7
3. VALOR ESPERADO DE UNA V. ALEATORIA
x
i
p
i
x
i
p
i
x
1
p
1
x
1
p
1
x
2
p
2
x
2
p
2
x
3
p
3
x
3
p
3
x
4
p
4
x
4
p
4
x
5
p
5
x
5
p
5
x
6
p
6
x
6
p
6
x
7
p
7
x
7
p
7
x
8
p
8
x
8
p
8
x
9
p
9
x
9
p
9
x
10
p
10
x
10
p
10
x
11
p
11
x
11
p
11
x
i
p
i
= E(x)
8
El valor esperado no es ms que la suma de la ltima columna.
3. VALOR ESPERADO DE UNA V. ALEATORIA
x
i
p
i
x
i
p
i
x
i
p
i
x
1
p
1
x
1
p
1
2 1/36
x
2
p
2
x
2
p
2
3 2/36
x
3
p
3
x
3
p
3
4 3/36
x
4
p
4
x
4
p
4
5 4/36
x
5
p
5
x
5
p
5
6 5/36
x
6
p
6
x
6
p
6
7 6/36
x
7
p
7
x
7
p
7
8 5/36
x
8
p
8
x
8
p
8
9 4/36
x
9
p
9
x
9
p
9
10 3/36
x
10
p
10
x
10
p
10
11 2/36
x
11
p
11
x
11
p
11
12 1/36
x
i
p
i
= E(x)
Ejemplo del dado.
3. VALOR ESPERADO DE UNA V. ALEATORIA
x
i
p
i
x
i
p
i
x
i
p
i
x
i
p
i
x
1
p
1
x
1
p
1
2 1/36 2/36
x
2
p
2
x
2
p
2
3 2/36 6/36
x
3
p
3
x
3
p
3
4 3/36 12/36
x
4
p
4
x
4
p
4
5 4/36 20/36
x
5
p
5
x
5
p
5
6 5/36 30/36
x
6
p
6
x
6
p
6
7 6/36 42/36
x
7
p
7
x
7
p
7
8 5/36 40/36
x
8
p
8
x
8
p
8
9 4/36 36/36
x
9
p
9
x
9
p
9
10 3/36 30/36
x
10
p
10
x
10
p
10
11 2/36 22/36
x
11
p
11
x
11
p
11
12 1/36 12/36
x
i
p
i
= E(x) 252/36 = 7
14
3. VALOR ESPERADO DE UNA V. ALEATORIA
3. VALOR ESPERADO DE UNA V. ALEATORIA
EJERCICIO: Calcular la esperanza de la variable temperatura
La definicin de E[g(x)], no es ms que :
Ejemplo: En el caso del dado

=
= + + =
n
i
i i n n
p x p x p x x E
1
2 2
1
2
1
2
... ) (
( )

=
= + + =
n
i
i i n n
p x g p x g p x g x g E
1
1 1
) ( ) ( ... ) ( ) ( : Discreta
2
4. VALOR ESPERADO DE UNA FUNCIN DE
UNA VARIABLE ALEATORIA
( ) dx x f x g x g E ) ( ) ( ) ( : Continua =
x
i
p
i
g(x
i
) g(x
i
) p
i
x
i
p
i
x
i
2
x
i
2
p
i
x
1
p
1
g(x
1
) g(x
1
) p
1
2 1/36 4 0.11
x
2
p
2
g(x
2
) g(x
2
) p
2
3 2/36 9 0.50
x
3
p
3
g(x
3
) g(x
3
) p
3
4 3/36 16 1.33
... ... 5 4/36 25 2.78
... ... 6 5/36 36 5.00
... ... 7 6/36 49 8.17
... ... 8 5/36 64 8.89
... ... 9 4/36 81 9.00
... ... 10 3/36 100 8.83
... ... 11 2/36 121 6.72
x
n
p
n
g(x
n
) g(x
n
) p
n
12 1/36 144 4.00
g(x
i
) p
i
54.83
El valor esperado es 54.83. Observar que no es igual a 7 elevado al cuadrado.
Es decir, E(x
2
) no es lo mismo que E(x) elevado al cuadrado
4. VALOR ESPERADO DE UNA FUNCIN DE
UNA VARIABLE ALEATORIA
1. E(x+y) = E(x) + E(y)
1
5. REGLAS DEL VALOR ESPERADO
1. E(x+y) = E(x) + E(y)
Generalizacin:
E(w+x+y+z) = E(w) + E(x) + E(y) + E(z)
2
5. REGLAS DEL VALOR ESPERADO
1. E(x+y) = E(x) + E(y)
2. E(ax) = aE(x)
3
5. REGLAS DEL VALOR ESPERADO
1. E(x+y) = E(x) + E(y)
2. E(ax) = aE(x)
Ejemplo:
E(3x) = 3E(x)
5. REGLAS DEL VALOR ESPERADO
1. E(x+y) = E(x) + E(y)
2. E(ax) = aE(x)
3. E(a) = a
5
5. REGLAS DEL VALOR ESPERADO
1. E(x+y) = E(x) + E(y)
2. E(ax) = aE(x)
3. E(a) = a
y = a + bx
E(y) = E(a + bx)
= E(a) + E(bx)
= a + bE(x)
8
5. REGLAS DEL VALOR ESPERADO
Dos variables aleatorias x e y son independientes si
E[f(x)g(y)] = E[f(x)] E[g(y)]
para cualquier f(x) , g(y)
Caso particular: si x e y son independientes,
E(xy) = E(x) E(y)
3
.
6. INDEPENDENCIA DE DOS V. ALEATORIAS
La varianza poblacional de x =
La varianza mide la dispersin de la distribucin con respecto a la media de la poblacin.
2
[ ]
i
n
i
i n n
p x p x p x x E

=
= + + =
1
2 2
1
2
1
2
) ( ) ( ... ) ( ) ( : Discreta
[ ]
2
) ( x E
7. VARIANZA POBLACIONAL DE UNA VARIABLE
ALEATORIA
[ ] dx x f x x E ) ( ) ( ) ( : Continua
2 2
=
x
i
p
i
2 1/36
3 2/36
4 3/36
5 4/36
6 5/36
7 6/36
8 5/36
9 4/36
10 3/36
11 2/36
12 1/36
3
7. VARIANZA POBLACIONAL DE UNA VARIABLE
ALEATORIA
x
i
p
i
x
i
-
2 1/36
3 2/36
4 3/36
5 4/36
6 5/36 7
7 6/36
8 5/36
9 4/36
10 3/36
11 2/36
12 1/36
= = ) ( x E
x

7. VARIANZA POBLACIONAL DE UNA VARIABLE

ALEATORIA
x
i
p
i
x
i
-
2 1/36 -5
3 2/36 -4
4 3/36 -3
5 4/36 -2
6 5/36 -1 7
7 6/36 0
8 5/36 1
9 4/36 2
10 3/36 3
11 2/36 4
12 1/36 5
6
= = ) ( x E
x

7. VARIANZA POBLACIONAL DE UNA VARIABLE

ALEATORIA
x
i
p
i
x
i
- (x
i
-)
2
2 1/36 -5 25
3 2/36 -4 16
4 3/36 -3 9
5 4/36 -2 4
6 5/36 -1 1
7 6/36 0 0
8 5/36 1 1
9 4/36 2 4
10 3/36 3 9
11 2/36 4 16
12 1/36 5 25
8
7. VARIANZA POBLACIONAL DE UNA VARIABLE
ALEATORIA
x
i
p
i
x
i
- (x
i
-)
2
(x
i
-)
2
p
i
2 1/36 -5 25 0.69
3 2/36 -4 16 0.89
4 3/36 -3 9 0.75
5 4/36 -2 4 0.44
6 5/36 -1 1 0.14
7 6/36 0 0 0.00
8 5/36 1 1 0.14
9 4/36 2 4 0.44
10 3/36 3 9 0.75
11 2/36 4 16 0.89
12 1/36 5 25 0.69
11
7. VARIANZA POBLACIONAL DE UNA VARIABLE
ALEATORIA
x
i
p
i
x
i
- (x
i
-)
2
(x
i
-)
2
p
i
2 1/36 -5 25 0.69
3 2/36 -4 16 0.89
4 3/36 -3 9 0.75
5 4/36 -2 4 0.44
6 5/36 -1 1 0.14
7 6/36 0 0 0.00
8 5/36 1 1 0.14
9 4/36 2 4 0.44
10 3/36 3 9 0.75
11 2/36 4 16 0.89
12 1/36 5 25 0.69
5.83
12
7. VARIANZA POBLACIONAL DE UNA VARIABLE
ALEATORIA
7. VARIANZA POBLACIONAL DE UNA VARIABLE
ALEATORIA
EJERCICIO: Calcular la varianza de la variable temperatura
NOTACIN:
Varianza poblacional de x
pop.var(x)= =
15
[ ]
2
) ( x E
2
x

Desviacin tpica de x = =
] ) [(
2
x E
x

7. VARIANZA POBLACIONAL DE UNA VARIABLE

ALEATORIA
EJERCICIO: Demostrar
15
[ ]
2 2 2
)] ( [ ) ( ) ( x E x E x E =
7. VARIANZA POBLACIONAL DE UNA VARIABLE
ALEATORIA
8. COVARIANZA POBLACIONAL ENTRE DOS
VARIABLES ALEATORIAS
La covarianza poblacional de dos variables aleatorias es el valor esperado del
producto de sus desviaciones con respecto a la media. Mide el grado de dependencia
lineal que hay entre dos variables aleatorias. Una covarianza positiva indica que las
dos variables se mueven en la misma direccin, mientras que si es negativa se
mueven en direcciones opuestas.
La covarianza poblacional:
XY
=E((X-
X
) (Y-
Y
))
EJERCICIO: Demostrar la siguiente igualdad

XY
=E((X-
X
) (Y-
Y
))=E(XY)-
X

Y
8. COVARIANZA POBLACIONAL ENTRE DOS
VARIABLES ALEATORIAS
Si X sonY indeptes
XY
= 0.
Lo contrario no es cierto. Es decir, si la covarianza entre X e Y es cero no
implica que sean independientes.
EJERCICIO: Demostrar la implicacin
8. COVARIANZA POBLACIONAL ENTRE DOS
VARIABLES ALEATORIAS
REGLAS DE LA COVARIANZA
1. Si Y = V + W,
Cov(X, Y) = Cov(X, V) + Cov(X, W)
2. Si Y = aZ, donde a es constante,
Cov(X, Y) = Cov(X, aZ) = aCov(X, Z)
Ejemplo: Cov(X, 3Z) = 3Cov(X, Z)
3. Si Y = a, donde a es constante,
Cov(X, Y) = Cov(X, a) = 0
Ejemplo: Cov(X, 10) = 0
La varianza de una variable aleatoria no es ms que la covarianza de dicha
variable respecto a s misma.
Var (X) = Cov(X,X)
Por tanto, las reglas de la varianza se pueden deducir a partir de las reglas
de la covarianza.
1
9. RELACIN ENTRE LA VARIANZA Y LA
COVARIANZA
Regla 1:
Si Y = V + W, Var(Y) = Var(V) + Var(W) + 2Cov(V, W)
Prueba:
9. RELACIN ENTRE LA VARIANZA Y LA
COVARIANZA
Regla 2:
Si Y = bZ, donde b es constante, Var(Y) = b
2
Var(Z)
Prueba:
Var(Y) = Cov(Y, Y) = Cov(Y, bZ)=
9. RELACIN ENTRE LA VARIANZA Y LA
COVARIANZA
18
Regla 3:
Si Y = b, donde b es constante, Var(Y) = 0
Prueba:
Var(Y) = Cov(Y, Y)
= Cov(b, b)
= 0
9. RELACIN ENTRE LA VARIANZA Y LA
COVARIANZA
Regla 4:
Si Y = V + b, donde b es constante, Var(Y) = Var(V)
Prueba:
Var(Y) = Var(V + b)
= Var(V) + Var(b) + 2Cov(V, b)
= Var(V)
0
0 V + b
V
Sumar una constante slo tiene un efecto de traslacin: la varianza no cambiar y la media
se ver desplazada por la constante de la traslacin.
9. RELACIN ENTRE LA VARIANZA Y LA
COVARIANZA
10. COEFICIENTE DE CORRELACIN
POBLACIONAL
2 2
Y X
XY
XY

=
Este coeficiente mide la dependencia lineal entre dos variables aleatorias X
e Y. No tiene unidades de medida y est acotado entre -1 y 1
Si X e Y son independientes, entonces el coeficiente de correlacin es igual
a 0, pero la correlacin igual a 0 no implica independencia.