0.5 setgray0 0.

5 setgray1

Fundamentos de Estadstica
Modelos Economtricos
Prof.

Dr.

Eduardo Valenzuela D.

eduardo.valenzuela@usm.cl

Universidad Tecnica
Federico Santa Mara

Dr. Eduardo Valenzuela D.: MEE 2005 p. 1/1

Distribucin normal
Recordemos que una variable aleatoria X se
distribuye normalmente con parmetros: y 2 ,
si su funcin de densidad es:
1
(x )2
fX (x) = exp(
)
2
2
2
lo que se simboliza usualmente por
X N (, 2 )

Dr. Eduardo Valenzuela D.: MEE 2005 p. 2/1

Distribucin normal
Se puede ver que:
E[X] =
y
V [X] = 2
El caso mas usado es cuando = 0 y = 1, que
se denomina una normal estandar:
Z N (0, 1)

Dr. Eduardo Valenzuela D.: MEE 2005 p. 3/1

Distribucin normal
Su funcin de distribucin FZ se encuentra
tabulada y se simboliza por , es decir:
(z) = FZ (z) = P [Z z]
una propiedad util de es:
(z) = 1 (z)

Dr. Eduardo Valenzuela D.: MEE 2005 p. 4/1

Distribucin normal
Se puede ver que cualquier variable normal X,
puede transformarse a una variable Z, mediante
un proceso llamado de estandarizacin.
Si X N (, 2 ), definamos:
X
Z=

con lo cual
Z N (0, 1)

Dr. Eduardo Valenzuela D.: MEE 2005 p. 5/1

Distribucin normal
Con esto podemos calcular probabilidades
relativas a X:


a X
b
P [a < X b] = P
<

a
b
= (
) (
)

Dr. Eduardo Valenzuela D.: MEE 2005 p. 6/1

Distribucion Normal Multivariada

Existen muchas situaciones en las cuales se
presenta mas de una variable distribuida
normalmente y es necesario analizarlas
simultaneamente para asi poder capturar sus
eventuales relaciones.
Para esto la distribucin normal se extender al
caso vectorial.

Dr. Eduardo Valenzuela D.: MEE 2005 p. 7/1

Distribucion Normal Multivariada

Diremos que las variables X1 , . . . , Xn poseen
una distribucin normal multivariada ssi:
Toda combinacin lineal de las variables
X1 , . . . , Xn se distribuye en forma normal
univariada, es decir si para todo a1 , . . . , an IR
se cumple que:
n
X
i=1

ai Xi N (, 2 )

Dr. Eduardo Valenzuela D.: MEE 2005 p. 8/1

Distribucion Normal Multivariada

Si (X1 , . . . , Xn )t se distribuye normal
multivariado, representemos por a su vector de
esperanzas, es decir:
= (E[X1 ], . . . , E[Xn ])t
y por la matriz de varianzas y covarianzas de
las Variables X1 , . . . , Xn , es decir:
= (Cov[Xi , Xj ])i,j = (i,j )i,j
en donde i,i = i2 = V ar[Xi ]

Dr. Eduardo Valenzuela D.: MEE 2005 p. 9/1

Distribucion Normal Multivariada

entonces denotaremos por:
(X1 , . . . , Xn )t Nn (, )
Esta definicin produce las siguientes
propiedades:

Dr. Eduardo Valenzuela D.: MEE 2005 p. 10/1

Distribucion Normal Multivariada

Propiedad:
Sea (X1 , . . . , Xn )t Nn (, ), entonces:

i, Xi N1 (i , i2 )
i, j, ai , aj IR

Yi,j = ai Xi + aj Xj N1 (E[Yi,j ], V [Yi,j ])

con
E[Yi,j ] = ai i + aj j
V [Yi,j ] = a2i i2 + 2ai aj i,j + a2j j2

Dr. Eduardo Valenzuela D.: MEE 2005 p. 11/1

Distribucion Normal Multivariada

i, j
con

Xj /Xi = xi N1 (j/i , j/i )

j
E[Xj /Xi = xi ] = j + j,i (xi i )
i

i, j

V [Xj /Xi = xi ] = j2 (1 2j.i )

Xi , Xj son independientes ssi Cov[Xi , Xj ] = 0

Dr. Eduardo Valenzuela D.: MEE 2005 p. 12/1

Distribucion Normal Multivariada

Ejemplo:
t

(X1 , X2 ) N2

1
7

4 3
3 9

!!

entonces
X1 N1 (1, 4)
y

X2 N1 (7, 9)

Cov[X1 , X2 ] = 3

Dr. Eduardo Valenzuela D.: MEE 2005 p. 13/1

Distribucion Normal Multivariada

de donde
5X1 X2 N1 (12, 79)
1 3
E[X2 /X1 = 11] = 7 (11 (1))
2 2
1 2
V [X2 /X1 = 11] = 9(1 ( ) )
2
Adems X1 y X2 no son independientes.

Dr. Eduardo Valenzuela D.: MEE 2005 p. 14/1

Dr. Eduardo Valenzuela D.: MEE 2005 p. 15/1