Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA
INTRODUCCIN
I.I.-
La
Estadstica:
dafinicin
usos
en
Escalas
de
economa.
1.2. -
Los
fenmenos
econmicos.
medida.
1.3.-
La informacin.
1.4. -
awi8*if^
2 4 O t' O
' /vNARIA
N D o c u n c n o - 2 Q - ^ ^
N. Copia .JZZU-I^
7-
I.I.-
resaltar
las dos
a)
estads-ira
b)
ECONOMA.
lUSL
E =
=
M =
O =
ConocimienLca scondmicoa
Conocinnemos estadsticos
Conocimientos m a t e m t i c o s
Conocimientos de las organizaciones
C s o n o n i * r^tariAt i c
[nwstIgcicn
Crt'v
V1C<
UJ*- X
'JXX
<
5
U
w
,-.
<
Ma
<
a
^
s
9
0
5
(A
eu 5^
^ <
X
X ""
t-
^~J
L-
111 i lili
[-
5
?
p
I
31
HlL
/I
1
'
<
ug
*J
<
5 5
3C
U
X
Ul
bi
~ S
3
X
M
'A
^ V) ^
rt
z VI <
2
-1
;u In
^
al
?
2
<
<
< :-^ z~ < "^
4^
!'
5 !
-
i!
1.2.-
?al7a^f ^^ ^'
- ^ ^ - - ^ ^ - l - ^ S r - e-e^^^^^
xnterL'L'"'.Ye'nen"con^?ec\ne^^
- ^ P - ^ - -egar a
puede ocurrir cuando Tnvesga^mosno"'"^^^^^ cuantitativa, como
de un colectivo, su sexo las ; , J H ^^^"^P^^ ^^ '^^'-'el de estudios
A estas "variabes" no ^anJitatT^L J/?'"'^'^^? econmica, etc..
nombre de atribu tos.
suele designar con el
Muchas son las clasificaciones gue se sn^ion ^P
a las variables utilizadas, como po?ljlmDioi,H^^'^ar respecto
diferencia existente entre variables
n^'J^
^^ considerar la
discretas, o bien, en funcin de u ref/ri/''"^^ variables
distinguir los datos histricos
cuando I..'^K'^"^P''^'' ^^ ^^
carcter estudiado se efectan scuenStdas en ^^'^.^^^ciones del
datos de corte transversal,
que se refipr/n . K
^^"^PO' de los
mismo instante o perodo de tiemoo rtp nn
P^servaciones en un
sujetos (por ejemplo, los datos re?erentes a'?a'n'rn/"
^'^'^^^-^-^
mismo ao, de los diferentes sectnroc . AP'^''^^^"' ^" ^n
diferentes regiones econmicas) ^ f C
jonmicos, o de las
datos, histricos con los de corte tr.nf"*'"^ ^ " * " ^^P= de
tiene datos panel.
" transversal, se dice que se
Sin embargo, desde el nuni-r H
mayor relevancia la clasificacin ^T,yo^l^ estadstico adquiere
propiedades mtricas de las escaas Ka?ni.^.''^ i referencia a las
nuestras observaciones, distingu?|ndo as
^^^^ P^^^" aparecer
'a)
ESCALA NOMTMAr.
Muy de acuerdo
De acuerdo
Indiferente
Desacuerdo
Muy en desacuerdo
=
=
=
=
=
5
4
3
2
1
P.qrALA DE INTERVALOS
ESCALA DE PROPORCIN
I. 3.-
LA INFORMACIN.
VENTAJAS:
fiable.
La
informacin
es
completa,
fehaciente
b)
2.-
1.4. -
n
de
habitantes
de
un
pas,
n' de
trabajadores de una industria, n^ de alumnos
en una determinada aula de una Facultad, ...
- INFINITA:
b)
TEMA 2
TEMA II;
DISTRIBUCIONES DE FRECIIF.N^;^
2-l.-PISTRieUCIQN nR FRECUENCIAS;
GRFICA.
DESCRTPPTQN
NUMRICA, X
2-1.0.- Notacin.
Se hace necesario comenzar el tema hablando de la finalidad
del mismo. Esta consiste en sintetizar la informacin de tal
forma que con muy pocas medidas podamos tener una idea muy
aproximada de como es el carcter que estamos estudiando. En este
primer epgrafe determinamos la nomenclatura y posteriormente
abordaremos la descripcin numrica, con el objetivo de elaborar
las medidas que nos permitan sintetizar la informacin, y la
descripcin grfica, como forma alternativa de sintetizacin.
Noaenclatura.
X, Y, Z son los caracteres. Se denotan siempre con letras
maysculas.
Xt/ Yii
discretas.
i { 1, 2, . . ., k} es el nmro de modalidades o el nmero de
clases para variables continuas,
ei son los extremos de cas para las variables continuas.
[i-w i] e* ^* clase i.
a^ es la amplitud de la clase i.
Ci es la marca de clase de la clase i.
Frecuencia.
n, es la frecuencia absoluta de la modalidad x, o de la clase i.
f. es la frecuencia relativa de la modalidad x, o de la clase i.
N, es la frecuencia absoluta acumulada de la modalidad x, o de la
ciase i.
F. es la frecuencia relativa acumulada de la modalidad x. o de la
clase i.
informacin
del
cual
partimos, que
no
olvidemos
son
* Frecuencia Relativai
Se define como el cociente entre la frecuencia absoluta y el
nmero total de datos. Lo denotamos por fi
f .i
de datos o
individuos.
r-l
N^-n^+n,*... *ni
*Frecuencia Relativa Acuauladat
Nos informa de la proporcin de individuos que presentan una
modalidad igual o inferior a la considerada. La vamos a denotar
por Fi, y es el resultado de dividir cada frecuencia absoluta
acumulada por el nmero total de datos. Es decir,
[f
x.,n )
la
hora
de
introducirnos
en
el
estudio
de
las
**RePre3entacione8
grficas
de
ion
r^racteres
cualitativn5f
(atributos\t
Entre
las diferentes
formas
posibles de representar un
^DIAGRAMA DB SECTORESt
Consiste en repartir los 360 de una circunferencia de forma
proporcional a las frecuencias absolutas.
Elempln
Calificaciones
Suspenso
Aprobado
Notable
Sobresaliente
n^
30
40
20
10
N-lOO
100
360'
30
X* Suspensos 108'
100
360'
40
Y- Aprobados - 144'
100
360
20
100
360'
10
Z Notables - 7 2'
i n t r 'O OD
S > a M X M C M :>
tw
CO ^ty
aroMa c*0
9()
* DIAGRAMA DB BARRAS:
Representacin grfica que consiste en colocar en unos ejes
cartesianos, las modalidades en el eje de abcisas, el valor de
la frecuencia absoluta en el eje de ordenadas y levantar barras
de igual base cuya altura sea la de dicha frecuencia.
Vamos a realizar un diagrama de barras con el mismo ejemplo
que utilizamos para el caso del diagrama de sectores:
CALIFICACIN
ni
Suspenso
Aprobado
Notable
Sobresaliente
30
40
20
10
N-lOO
" PICTOGRAMA:
Representacin grfica consistente en asignar un valor a una
determinada figura, representando la distribucin de frecuencias
en funcin de esta asignacin.
Clase
Media-aita
Clase
alta
IClase
Clase
Media-Media Obrera
y
Media-Baja
I .itnie: Manuel Garca Ferrando. Esirauficacion social en el campo espaol RMSU t Eiadios
Agrosociales. 102. 19'8. pag. :i.
visto
qu
existen
dos
tipos
de
caracteres
cuantitativos
discretos
las
respectivas
(Xi,fi.), donde
Xj. -
(Xi,...,Xk);
ni-(ni,..., n^);
fi.(fi,..., f k ) .
(Xi,nt).
31-31
X e 31 - f (x) =
SI
X*X,
si
X'X
Fl X)
*N\
o diagrama de escalera.
F
1
1
F
3
F
2
F
1
! 1
1
X
3
10
><.
el
rango
posible de valores de
la variable.
^i'^i'^i-i
* HISTOGRAMA DE FRECUEMCIAS:
Representacin grfica que se contruye levantando sobre cada
clase un rectngulo de rea proporcional a la frecuencia relativa
(o frecuencia absoluta) por unidad de clase correspondiente a
dicha modalidad.
Supongamos que tenemos una distribucin de frecuencias
(Xwfi)
eO
el
e2
ni
fi
ai
fi/ai
ni
fl
al
fl/al
n2
f2
a2
f2/a2
n3
f3
a3
f3/a3
e3
LLamaremos
'Histograma
de F
recuencias-
la
siguient
representacin g r f i c a :
fVa
f /a
k
f /a
11
k-1 k-1
f /a
f /a
.3, 3
f /a
1
k-1
e.
k
los
13
-Con
(Xi, fi/ai):
'2
=** : . l
' 3.
^1
distribuciones
de
frecuencias.
La
representacin
con
bien
... ke^.U^)
Es decir.
14
... ^e^^.U^^
F(e.)
1
Fe )
-/V^
/
F(.,)
3 4
k-1
Para
conocer
la
expresin
analtica
e.
de
la
curva
de
15
(B^.,,e,)t
(I)
donde,
Fie,.,)
,i^.^x^"2^- ^n,.,
N
n.r(e,)-F(e,.,)--a-f^
Sustituyendo en (I):
16
/ ^ * ^
0
<a.
r (X) . - . ( x - e , . J -F{e,)
, ^ x p r e s i n a n a l t i c a de i
curva de acLunuiacin.
Por t a n t o ,
F: P/-81
X e [ e , . i , e j - f ( x ) -i (x-e^.^)
*F(e.i)
2-2.-
**MEC'IA ARTTTIRTTfiA
Si tenemos una distribucin de frecuencias dada por (Xt,fi),
llamamos Media Aritmtica de la variable X a la suma de todos los
17
la
hora
de
estudiar
la
media
aritmtica
debemos
Y- '^i^i^^2^2^- *x^t
DATOS NO AGRUPADOS:
,y^ JCM.
jf-I^ILLLI* - T
gravedad.
-Variables estadsticas continuas:
Al trabajar con variables continuas, no tenemos valores de
Xi sino extremos de clase, e^ y por tanto, utilizaremos las
marcas de clase Cf
18
Pronedadea d^ la mada
nrLumii^,;^,
Oe donde.
i"l
a"l
Til
"
'r.in,ixrO)^^'^-r^'^
ya <jue (O'X)''coma su monor valor cuando O'X
3) Si tenemos una variable estadistica X y le sumamos un valor
constante 6 a todos los valores de la variable, la media se ve
19
^ ' X ^e
4) Si
todos
ios
valores
de
una
variable
estadstica
lo,
geomtrica, que representaremos por G, se define coso la raiz Nsima del producto de los N valores de la distribucin elevados
a su correspondiente frecuencia absoluta. Es decir,
20
disczecas.
G '\jc^-C2"'.
concinuas.
neperianos
^^tl^i*'
nltuc
De dondB ,
G 9
Ventajas!
-Utiliza todos los valores de la distribucin.
-ES menos sensible que la media aritmtica a los valores
extremos, por su carcter de producto.
Inconvenientes s
-Es de significado estadstico menos intuitivo que la media
aritmtica.
-Su cmputo es ms difcil.
-En ocasiones no queda determinada. Cuando la variable toma al
menos un x.-O, entonces G se anula y adem., si la variable toma
valores negativos, se puede presentar una gama de casos en los
que tampoco la G queda determinada.
21
Hi
250000
425
834
421
265
384
128
320000
412000
528000
630000
870000
Solucin
Xl
"i
In(xt)
250000
425
834
421
265
384
128
12,4292162
320000
412000
528000
630000
870000
nt*ln(Xi) 1
12,9287786
5282,416885
10571,847550
5443,015791
13,1768515
3491,865648
13,3534751
5127,734438
13,6762484
1750,559795
12,6760762
E-
N-2457
31667,44011
Por tanto,
4 (31'''4*<'>-^)
,T4?T
e*'*"**"^ 395798,693
22
/ .
MEDIA ARMOMy^ft.
La media armnica se define como:
N
bien:
{ ,
Se
suele
utilizar
para
promediar
velocidades,
tiempos
100,
rendimientos
de
120,
10,
150 y
15,
200 Tme. de
2=
pltanos
i8 ' Tms.
respectivamente.
con
por
unos
hectrea
-''
ni
ni
xini
Xt
10
100
10
12
120
10*
1440
15
150
2550
18
200
11.11
3600
570
-H!4|
/'^\^\
1000
8590
"4:^ Tms./hectrea.
Ventajas:
-Utiliza todos los valores.
-Si se realiza el cambio oportuno, se puede pasar de una media
armnica a una media aritmtica.
-Hay casos en que es ms representativo que la media
aritmtica.
Inconvenientes:
-Cuando los valores de la variable estn muy prximos a cero, la
media armnica pierde significacin, es poco representativa.
I
y a su derecha
2
A-2) 1 X. / F{X.) - 1
2
vamos a ver entonces, la expresin que tendra la mediana en el
caso (A-1):
3 Xi I F{X,) - 1
en Cal caso
Me . x<
Grficamentet
25
ni
12
18
24
30
Calclese la mediana.
Solucin:
Xt
nt
fi
Ni
F.
0,15
0,15
12
0,35
10
0,50
18
0,25
15
0,75
24
0,15
18
0,90
30
0,10
20
1,00
N-20
E-1,00
Por tanto,
FiX^) -| - FiXi'12)
De donde,
- 1
Me * 12
26
3 X. / F(X.)
- J:
Grficamente:
ni
12
18
24
30
Calclese la mediana
27
Solucin;
X.;
n;
f.
N.
?,
0,15
0,15
12
0,30
0,45 1
18
0,25
14
0,70
24
0,20
18
0,90
30
0,10
20
1,00
ri,oo
Por tanto,
3 X, I F{X,) ' 1
Me ' 18 F{i8-h)<l<F{l8*h):
2
h>o, A-o
por
tanto,
la
mediana
^(*) * \
pertenece
Grficamente:
28
la
clase
[et.i,
Oi)
F(.,.
1/2
1-1 M
Tendremos, por tanto, que calcular el punto del eje X tal que su
valor en la funcin de distribucin sea 1/2. Para ello, aplicamos
la expresin de la recta que pasa por dos puntos A y B, y
sustituyendo ai y i en dicha ecuacin:
x-x.
r-Yj^
^^-'^^ '
. i^g-gj-i
i--c.-.)
Fie,)-Fie,.,)
Donde: Fie,)-Fie,.j^)
a, - e,-e,..
29
''^
* f,
^A^-Fie,.,))
-Ve-e:-l
<a.
como,
: - l
f. ; ^(g N
la
mediana
de
la
siguiente
Clase
Salario Anual
1
2
3
4
5
30000 a 35000
distribucin
N9 obreros
100
150
200
180
41
35000 a 40000
40000 a 45000
45000 a 50000
50000 a 55000
N-671
Solucin:
Clase
Ci
ni
Ni
Fi
1
2
32500
42500
52500
100
250
450
630
671
0,14903
3
4
100
150
200
180
41
37500
47500
N-671
30
0,37257
0,67064
0,93889
1,00000
de
Por tanto.
ye [40000, 45000) - F (x) = 0,5
<2.r V
MS = I--.V, ,' * 9 .
.T,[ 2 - ^;
Me -^^[335,5-250: * 40000
Me 25(85,5) - 40000
Me = 42137,5
**MODA;
Vi ,>f^
31
"ii
Eiampio;
Calcular
la
moda
de
la
siguiente
distribucin
de
frecuenciasi
X..
n._
4
7
3
5
10
10
12
15
Solucin:
^1
Xt
nt
0,0588235 |
0,0882352
0,1470588
10
10
0,2941176
12
0,2352941
15
0,1764705
34
a 1*1
a 1-1
fM
fi.i
m :
e
i-2
i-1
ei
*1
la expresin
de m
tringulos
33
.7?
a.
.77
'i-l
n\
3;
a..._
,i
o = e^.^ * a^
^\^^i
siendo
i . fi-i
-. Z, = '^
^i-i
^i.fi.i
'ii
Elemplot
Calcules*
la
moda
de
la
siguiente
frecuencias:
0-2
12
2-4
14
4-6
26
6-8
22
8-10
16
10-12
10
34
distribucin
de
Solucin:
c.
n-
f.
12
0,12
0,06
14
0,14
0,07
5
7
0,26
0,13
0,22
0,11
26
22
16
0,16
0,08
11
10
0,10
0,05
f,/a,
E-1,00
trtenecii al intervalo [4, 6), el
mayor densidad de frecuencia (fi/aj.), y por tanto, vendr& dada
por la siguiente expresin:
Mo e^.,
MO
0,13-0,07
* 2 5,5
(0,13-O, 07 M 0,13-0,11)
la dividen
en
partes
iguales, es decir, en
intervalos que
35
S FiXi.f^)
i FiX^
- Ci) i. FlXi^f^)
2 0.50
si verifica:
0.50 $ F(x^.^) i FiXj'Oz)
i f(x^.ft) 2 0.50
2 0.75
Vemos un ejemplo.
Xt
ni
Ni
Fi
16
0.05
19
10
0.1
21
10
20
0.2
23
20
40
0.4
24
20
60
0.6
25
30
90
0.9
30
95
32
100
0.95
1.00
36
0^ = 23
G = 24
Ci = 25
7
B) Distribucin Continua:
En este caso el primer paso a dar consiste en determinar
cual es la clase que contiene al cuartil. Este paso es inmediato.
La clase i contiene a Qi si verifica quet
Fe^.i) < 0.25 i F(e)
De igual forma diremos que la clase j contiene al segundo
cuartil si se verifica:
fdj.J < 0.50 i
F{9j)
, siendo
/c4
^i
37
Elemplo;
C a l c l e n s e los c u a r t i l e s d e la siguiente distribucin:
[e-:-:,e.:)
n^
50-55
20
80
175
55-60
60-65
70-75
100
75
75-80
50
65-70
Solucin:
[i-uet)
ni
Ni
Fi
50-55
20
20
0,04
55-60
80
100
0,20
60-65
175
275
0,55
65-70
100
375
0,75
70-75
75
450
0,90
75-80
50
500
1,00
E-500
Por tanto,
Ox e [60, 65)
1*500-100
- 60 t- 5*4
60,71428571
175
Ca 6 [ 6 0 , 65)
T
-*500-100
- 64,285714286
60 + 5* *
175
38
02 [65, 70)
4
^500-275
02 "65 * 5 _4
100
"5
70
*Quintile3;
Sern aquellos valores de la distribucin que la dividen en cinco
partes iguales. Tambin distinguimos dos casos: distribucin
discreta
distribucin
continua;
en
ambos
casos
los
nt
Ni
fi
'^
1000
20
20(1)
0.2
0.2
2000
10
30
0.1
0.3
3000
15
45(2)
0.15
4000
25
0.25
5500
10
70(3)
80(4)
0.45
0.70
0.10
0.80
6000
15
95
0.15
0.95
6500
100
0.05
1-00
1.00
1 1
100
(1) 1 x 1 2 2 - 2 0 ^Oii
5
' 1000
5
(2) 2 x - i | 2 - 4 0 - Oii
3000
(3) 3 x l | 2 - 6 0 - C i i - 4000
(4) 4 x i | 2 - 8 0 - O i ^ 5500
39
A)
B) Distribucin Continua.
Los quintiles
expresin:
C-
se
= ^i-l
obtienen
travs
de
V-"^- a^ , siendo
la siguiente
k*5
n.
Ejemplo;
Calcular los quintiles de la siguiente distribucin:
[ei.i,ei)
ni
Nt
50-55
40
40
0.04
55-60
160
200
0.2
60-65
350
550
0.55
65-70
200
750
0.75
70-75
150
900
0.9
75-80
100
1000
1.00
^'
Solucin:
41000-40
Qii . 55 + -2
5 - 60
T
160
I1OOO-2OO
5 - 62,85714286
Oi, . 60 . ^ - 3 ^
^1000-550
^1000-750
^f4-'*
5 71,66666667
cuantificar
la
separacin
entre
los
valores
de
la
-Cuasivarianza.
Veamos cada una de ellast
^Recorrido o Rangr^.
Es la diferencia entre el mayor y el menor valor posible de
la distribucin de una variable. Distinguimos dos casos:
-Variable Discreta: El recorrido vendr dado por la siguiente
expresin:
Re . x,-X,
-Variable Continua: El recorrido se obtiene a travs de la
siguiente expresin:
Re e^-eg
Xi
20
25
30
ni
Re - 30-5 - 25
* i^^^^ryldQ Ifttarcuartllico
Se define como la diferencia entre el tercer y el primer
cuartil. Es decir,
Ri 03/4-01/4
Como se puede observar esta medida nos indica la dispersin
que
presenta
el
50%
de
los
42
individuos
centrales
de
la
distribucin.
* Media d e l a s Di?yvisaciones a un PrQmad^9 8
Analticamente,
k
(x^-p) f , siendo
^ "^
Si analizamos
p un promedio
cualquiera.
solucionar
este
problema,
podemos
considerar
los
de
esta
primera
solucin
(valores
absolutos),
tenemos t
Dx ' \xrx\fi
43
si - {XrX)^f,
1-1
Sabemos que si
A"Jr^-e-7'J?*e
.|;(x,-x)'f, - s i
Poz canto,
S']t si
por el
cuadrado de la constante.
Demostracin:
Sea ahora
(5,
_
Je
5x - *\/5;
Al ser la raz cuadrada de la varianza, vendr expresada en
las mismas unidades de medida que la distribucin de la variable.
Ello nos permitir realizar una interpretacinns clara de la
dispersin.
Es una medida de dispersin absoluta que no nos permite
comparar dos distribuciones salvo en el caso de que las medias
de ambas y las unidades en que vienen expresadas sean iguales.
* Cuaaivarlanzat
Se define como:
Es fcil obtener una relacin entre la cuasivarianza y la
varianza. Para ello basta multiplicar y dividir por Nt
45
^-'t'^--'^*lrt
5x - r^
^i N
Por tanto,
5;^ - 5-Esta medida se interpreta de forma similar a la varianza.
Realmente cuando N tiende a infinitla cuasivariania tiende a la
varianza. Sin embargo cuando N es pequea estas dos medidas son
distintas,
cv -5 fos da la dispersin
X
46
da Paarsont
Venta jast
l.-Es adimensional, no va a estar influido por la unidad de
medida.
2.-Podemos realizar comparaciones entre dos distribuciones aunque
las medias y las unidades sean distintas.
Inconvenientes t
l.-Si la media es igual a cero, pierde su sentido estadstico.
2.-No es invariante ante cambios de la variable. Es decir,
X'
a
CV * CV"
nemogtraciont
k
' T fj
^
- ^
- -2
a
5.-.J|:AU/-F,.J|;..,^-?.'
' . a-^
5 ' ?a 5
-'
a
5x
e '
CV' - Z^
X
~T
XXQ
AXg
- = -^^ * CV
2-3.3.- V a r i a b l e
tipleada.
una v a r i a b l e estadstica
expresin:
z ^ : ^
En efecto
z - -.jc - JL . o
Sn
5.
5; - -L . S . 1
La tipificacin en estadstica ss utiliza para comparar
variables, tanto variables diferentes como grupos de la misma
variable.
t-A.-MOMENTOS.
Sea X una variable estadstica con media x y sean r y b, tal
que r pertenece a los nmeros naturales y b pertenece a los
reales.
LLanarenos" Momento de orden r respecto a un punto b"
(origen arbitrario) a la siguiente expresin:
r.
Dentro de
momentos
los momentos
respecto
al origen
no centrados
los momentos
^^ respecto al
origen)
Dando diferentes
valores
a r, obtenemos
distintos
momentos como-.
5 i r - o - ttg - J^ f^Xi^ - 1
k
k
Si r - 1 - Oi - j ; f,x, - X
Si r - 2 - a, . f ,x,
Dando diferentes
valores
a r, obtenemos discintos
momentos como-,
S i r - 0 - / n o - / i iXi^" 1
n
m, -gf,(x,-X)'
Recordando ahora la expresin del desarrollo del binomio de
Newton t
49
(a^
Desarrollando su expresin:
(,
i 1
r^
Casos Particularest
l.-El momento centrado de ord^n uno vale cero.
r*l m^
l'-'"~'\)h-''
a.
'1 - a,
*i o
2 U 2 ./2\,2 . ^ ^ . ^ 2
ser expresado
r-3 - / n , .
(-i):aHl]a,.,'
;-o
1 J '
3*
-4a+o} - a4-4aia3*6oOj-3a
1) En primer lugar, realizamos un cambio de v a r i a b l e d e l t i p o :
a
2) Realizamos el clculo de los momentos no centrados
a Til
TEOREMA
El momento
51
m^ s i
Demostracin;
m^ - a4-4a3a.-eajai-Bo}
donde ,
4 = x ^ f ^
2
1*1
Jt
jr
a " | ) ^^^'
1 E
fiX,
Sustituywndot
E ^i^i-*E iX**6E fiX*?-3? - 4
52
medida
que
permita
establecer
el grado de
simetra
{o
distribucin
de
representar
frecuencias. Si
trazamos
grficamente
una
una
linea perpendicular
al eje de
Distribucin
simtricai
Diremos
que
una distribucin
es
Q
S I M T R I C A
S I M T R I C A
1]
m
ASIMTRICA A DERECHAS
ASIMTRICA A DERECHAS
ffl
U
d
ASIMTRICA A IZQUIERDAS
ASIMTRICA A IZQUIERDAS
54
, fl
donde,
tpica
al cubo.
5i Yi O {/Hj-O) La distribucin
es
simtrica,
es asimtrica
es asimtrica
o sesgada hacia la
izquierda.
medidas
tratan
estudiar
la
mayor
menor
dcr.de
se utiliza
la siguiente
zpica
elevada a la enarca.
Dada
*esocrtica(normal)
Si
Ya * o
Lepcoczcica
^ Si
Y2 > o
Platicrcica
Si
Ya < o
la
siguiente
distribucin
de sueldos
entre los
[ei.ut)
100-120
10
30
120-150
40
150-200
15
200-300
80-100
100
56
Solucin:
Ci
C.f,
c.^f.
810
1 o:u
90
0,10
lie
0,30
135
0,40
33
54
175
0,15
26,25
3630
7290
4593,75
250
0,05
12,50
3125
S:-134,75
c/..
72900
399300
984150
803906,25
781250
-19448,75 1 3041506,25
6561000 1
43923000
132860250
140683590
195312500
519340340 |
donde ,
o, - Tx\^
x?
; , - x^f, ; e^ - J? E ^ X ^
* *
I^
m, - 3041506,25-3(19448,75) (134,75)*2(134,75)^
OT, - 72812,16
Y la. desviacin
tpica
coma ei valor:
5i - (vOJTTrTST?)' 46396.366
Por tanto, el coeficiente de asimetra nos quedar cono
siguet
V . '^2812,16 . 1,5693505 > O Aaioicrica
^1
46396,366
57
Positiva.
donde ,
n
^ x j f i - 19448,75 ;
n
a^ - X^f^ ? 1 3 4 , 7 5
m^ 5 1 9 3 4 0 3 4 0 - 4 ( 3 0 4 1 5 0 6 , 2 5 ) ( 1 3 4 , 7 5 ) >
* 6 ( 1 9 4 4 8 , 7 5) ( 1 3 4 , 7 5 ) ' - 3 ( 1 3 4 , 7 5 ) *
m, 9 7 2 8 5 7 9 , 5
^'
9728579,5^
2 2,8354023 > O -
LepCocztica.
(;121,1975)*
estudiar
la
concentracin
vamos
suponer
una
58
1.-Concentracin
^.-^^hrt
donde.
Obsrvese
Pi-^'IOO'que
l*i-nc^t'
pt lo q"
<7i-^*l00
B
o da es la proporcin de
59
el
valor que
tomarla
este
ndice en
las dos
situaciones extremas:
A)Caso de mxima equidad.
B)Ca80 de mnima equidad.
ni
1/N*100
X/NX*100
2/N*lOO
2X
2X/NX*100
3/N*100
3X
3X/NX*100
Ni
Pi-Ni/N*10
0
qi"ui/n,*io
0
Xi
N1
XtXli
N/N*100
\i
NX
Donde/
1*1
^e^
c'
e-i
Pi -^100 ; q^ - -^100
VI
1*11
60
NX/NX*100
(Pi-.)
I^ =
n--.
>V-I
EP:
=o
100
Nt
ni
Xl
Xiflt
Pi
Ui
qi
1/N*100
2/N*100
3/N*100
N/N*100
X 1 X/X*100
Xi
nt
N-1
Ni
2L
N-1
N-l/N*100
Xin
i^
N/N*100
JiL
iu
100
Pi
61
*CURVA DE LQRENg.
curva
que
nos
indicar
la mxima
equidad, minima
62
Ejemplo I
Calclese el ndice de Gini de la siguiente distribucin:
[e--:/'.)
0 a 4
4 a 6
6 a 8
12
8 a 10
10
10 a 14
14 a 16
11
17
16 a 20
20
20 a 24
15
24 a 30
10
30 a 40
10
Solucint
Ci
Ni
CiHi
Pi
Ui
qi
(Pi-qt)
2.65486
0.31545
2.33940
25
7.07964
31
1.62986
5.44978
20
84
17.69911
6.04626
11.65284
30
90
26.54867
10.77812
15.77054
12
41
132
36.28318
115
205
337
17.71819
18.56499
15
58
255
51.32743
592
31.12513
20.20230
18
78
360
69.02654
952
50.05257
18.97397
22
93
330
82.30088
1282
67.40273
14.89815
27
103
270
91.15044
1552
81.59831
9.55212
35
113
350
100.00000
1902
100.00000
0.00000
'"''''
n-l
. 117.4040
384.07075
63
0.3056835
grficamente
A.-
n,
12
10
6
2
'
40
B.-
1 0**-'"5**0
100
50 -100
250
100 - 200
400
200 - 400
200
400 - 800
50
1000
III
SOLUCIN:
DISTRIBUCIN A:
Hi
1
2
3
4
5
6
2
8
12
10
6
2
40
f.
0.05
0.2
0.3
0.25
0.15
0.05
Ni
2
10
22
32
38
40
0.05
0.25
0.55
0.8
0.95
1
/T,
''
OJO-
i:
0.25-
10^
0.20-
S -
0.15-
6-
0.lo-
cos 1
_
Diaframa de barras
_
j
^.
F,
V,
l.OO-
40--
0.75-
30--
0,50-
20
0.25-
10--
-f,
Diairama acumulttivo
de frcoiencias
X
1
3 4
5 6
DISTRIBUCIN B:
n*
50
100
200
400
0-50
- 100
- 200
- 400
- 800
i/**
fi
100
250
400
200
50
0.1
0.25
. 0.4
0.2
0.05
1000
2
5
4
1
0.125
Ni
100
350
750
950
1000
0.1
0.35
0.75
0.95
1
.,
Hisiograma
0.050
5.
0.040
0.030
3-
0,020-
O.OIO-
O SO ICO :oo
400
SCO
X,
.V,
1.00 -
1000-
0.90"
900-
0.80 -
800-
O.-O"
-00-
0.60
600-
1 Polgono uumulativo
{
de frecuenaas
i
/
0.50 -
500-
0.40 "
400-
0.30
300-
0.20
;oo-
O.IO"
100-
O 50 100 200
400
800
Horas
estudio/dia
Nfi de
aluanes
15
20
E
Hllense las medias aritmtica, armnica y geomtrica,
SOLUCIN:
a)MEDIA A R I T M T I C A :
j?-iHi
l*5f2*15-*-3*2048*52.y
5+15*20*8*2
b)MEDIA ARMNICA:
N
SlS*20-*-8--2
E ir
_
50
2.318
21,566
IA
c)MEDIA GEOMTRICA:
= - V ^ X,
Xj
5
15
20
8
2
1
2
3
4
5
-XJn.lnx,
ln(x,)
Xi
n,ln(x,)
0
0.693147
1.098612
1.386294
1.609437
50
0
10.39720
21.97224
11.09035
3.218875
46.67868
2.543582
Duraol6a
'de tubos
0-720
720-1440
1440-2160
2160-2880
32
2880-3600
56
3600-4320
51
4320-5040
34
5040-5760
5760-6480
6480-7200
SOLUCIN:
Para dttsstimar el io% da los tubos da duracin manor hamoa
da calcular al primar dacil,D,.
ilk
,-.-|"i-^..-.i
DuraeiB
[0-720)
0.005
0.005
720-1440)
0.02
0.025
14
0.045
0.07
^1440-2160)
r2160-2880)
32
46
0.16
0.23
[2880-3600)
56
102
0.28
0.51
[3600-4320)
51
153
0.255
0.765
[4320-5040)
34
187
0.17
0.935
^5040-5760)
195
0.975
[5760-6480)
198
200
0.04
0.015
[6480-7200]
0.99
0.01
200
Alquiler
na de apart. |
De 70000 a 100000
21
De 100000 a 110000
27
De 110000 a 130000
34
De 130000 a 150000
14
De 150000 a 180000
De 180000 a 200000
"
1 De 200000 a 210000
Obtener
el
frecuentemente.
precio
de
10
alquiler
SOLUCIN:
Z^^fJ^-f^.jA^.X
rj-fi/i-fi.i/ai.i
1
que
se
paga
ms
N,
30000
10000
20000
20000
30000
20000
10000
85000
105000
120000
140000
165000
190000
205000
21
48
82
96
104
115
125
21
27
34
14
8
11
10
f,/a,
0.168
0.216
0.272
0.112
0.064
0.088
0.08
0.000005
0.000021
0.000013
0.000005
0.000002
0.000004
0.000008
125
Ci
N*
30000
10000
20000
20000
30000
20000
10000
85000
105000
120000
140000
165000
190000
205000
21
27
34
14
8
11
10
21
48
82
96
104
115
125
t<
F.
C,fi
0.168
0.216
0.272
0.112
0.064
0.088
0.08
0.168
0.384
0.656
0.768
0.832
0.92
1
14280
22680
32640
15680
10560
16720
16400
125
X-j; Cif^-128960
128960
Ci
85000
105000
120000
140000
165000
190000
205000
n,
21
27
34
14
8
11
10
f.
0.168
0.216
0.272
0.112
0.064
0.088
0.08
(c,-xmed)^
1932481600
574081600
80281600
121881600
1298881600
3725881600
5782081600
(c.-xmed)' f,
324656908.8
124001625.6
21836595.2
13650739.2
83128422.4
327877580.8
462566528
1357718400
125
S-*-yi5577diOO-36847'23
CV'.l.iliil.0.2857
7
128960
NB d habitaatas
ProvlBcies
De 50000 a 200000
De 200000 a 400000
De 400000 a 500000
10
De 500000 a 700000
De 700000 a 1000000
De 1000000 a 2000000
De 2000000 a 5000000
SOLUCIN:
k-l
ie-i
E
EP.
Ci
125000
300000
450000
600000
850000
1500000
3500000
"i
8
9
10
8
6
8
3
Ni
Ec n
c,n,
Pi
8 1000000
17 2700000
27 4500000
35 4800000
41 5100000
49 12000000
52 10500000
1000000
3700000
8200000
13000000
18100000
30100000
40600000
15.38
32.69
51.92
67.31
78.85
94.23
52
40600000
340.38
I g . 157^87 .0/4638
340'38
(concentracin inedia)
10
q.
2.46
9.11
20.20
32.02
44.58
74.14
p,-q.
12.92
23.58
31.73
35.29
34.26
20.09
157.87
CDRVX DE LOREMZt
100
P,
80-100
10
100-120
30
120-150
40
150-200
15
200-300
E (x,-3c)>f,
Yi'
c,
Hi
f.
90
110
135
175
250
10
30
40
15
5
0.1
0.3
0.4
0.15
0.05
9
33
54
26. 25
12. 5
100
134. 75
c,f,
(c,-med)'
(c,-raed)'f,
2002.56
612.56
0.06
1620.06
13282.56
200.26
183.77
0.03
243.01
664.13
1291.19
11
(c.-wd)^
(c,-md) 'f,
-89614.67
-8961.47
65207.52
1530815.33
9781.13
76540.77
S - 35 il
72812.16
72812^16,^.
46396'37
9 . - Con l o s d a t o s a n t e r i o r e s ,
iva.
calcular la c u r t o s i s .
SOLUCIN:
Je
Ci
90
110
135
175
250
nj
f,
Cifi
10
30
40
15
5
0.1
0.3
0.4
0.15
0.05
100
9
33
54
26.25
12.5
401025.66
112569.84
0.00
393690.38
8821323.33
134.75 9728609.207
SS*4-
12
(c,-med)*f,
3 5.93
1666590.37
9728609-207.3,,
1666590'37
34>0
Distribucin A
DiatribuoiB B
Me- 15
Mo-20
S' 3 6
S*-36
SOLUCIN:
Al ser distribuciones simtricas, sus tres medidas de tendencia
central, media aritmtica, mediana y moda, coinciden. Por tanto:
x,20
Para comparar la variabilidad de ambas distribuciones no podemos
relegarnos a la simple comparacin de las varianzas, puesto que
las distribuciones pueden venir en unidades diferentes, y adems
debemos relacionar la variabilidad con su correspondiente
promedio. Utilizaremos los coeficientes de variacin:
S'* 6
CV' X,
15
y._Lo.
Xg
20
CV'
Por t a n t o ,
relativa
la
distribucin
13
TEMAS
TEBIA T^X
PgSCRIPCIOW BIVAfflftiq.^
10
15
30
10
Media
Alta
Baja
ITT.l.-
NOTACIN Y TABIITArinM
,k)
yj ( j 1,2,
p)
y:
y:
Yi
y.
n..
X.
ni:
n:2
"13
r^ip
X2
"21
"22
"23
"2p
"2.
X3
nsi
"32
"33
"3p
"3.
Xk
Hki
"kZ
"w
"kp
"k.
n.i
n.i
n.a
".3
n.p
'-|
(y).
Anlogamente,
le
j-i
1-1
f .= -
J'
^.rt ^u
i-l
S^'"
p
S^-^-^
EJERCICIO
Se sugiere realizar el siguiente ejercicio de comprobacin para
comprender el significado de lo visto hasta ahora.
Supongamos quo queremos estudiar un colectivo de profesionales
estadounidenses segn su edad y los ingresos brutos en dlares
USA. Disponemos de la siguiente infonnacint de las personas de
25 aos, 15 ingresan 500 $ y 12 ingresan 600 ; de las personas
de 40 aos, 8 ingresan 700$ y 12 ingresan 600$ ; de las personas
de 35 aos, 18 ingresan 500$ y 7 ingresan 700$ ; y, finalmente,
de las personas de 30 aos 3 ingresan 700$, 11 ingresan 500 y 14
ingresan 600$.
Se pide:
a.- construir la tabla de correlacin
b.- hallar las frecuencias relativas y absolutas totales para
cada una de las modalidades de cada variable.
c. - comprobar que se cumplen todos los teoremas antes enunciados.
111.2.-
DISTRIBUriQMES MARGINALES
X2
XK
Hi.
^i
nz.
"fe-
n.j
- -
yi
72
...
n.i
n.2
<
y?
* media de la marginal de T:
p
, p
y-^/.>yH^'>.::y
* varianza de la marginal de Zt
Je
variansa de la marginal de Tt
DISTRIBUCIOMES (;9^tCI0llADAS
Las distribuciones bivariantes pueden ser estudiadas de otra
manera. Por ejemplo, puede interesarnos conocer la distribucin
de X condicionada a una determinada modalidad j de la variable
y, lo cual denotamos como (X/yj). En este caso estamos estudiando
una distribucin unidimensional en la que las modalidades son las
de X y las frecuencias absolutas son las frecuencias absolutas
conjuntas de Xj. e yj.
nij
fi
riij/n.j
Xi
x:
nij
"zj
fi
fz^
nij/n.j
nzj/n.j
XK
nitj
fn^ nvij/n.j
^ 1
E ^/^i
* media de y condicionada a x^:
p
Vi't ^^'yj
* varianza de x^ condicionada a yj:
k
sUx)''f(xrXj)
I
1-1
s(y)'f;^Uyryi^
"-^T^^-X_^
50-70
70 - 100
100 - 150
150 - 250
1
20
10
5
1
5
15
4
8
2
Se pide
a.- hallar las distribuciones marginales de X e Y
b.- hallar (X/yi). Calcular medias y varianzas.
c - hallar (Y/x5o-7o)' Calcular medias y varianzas.
d.- comprobar que se cumplen los teoremas enunciados para las
distribuciones condicionadas.
i,i
caso
contrario
ambas
variables
son
estadsticamente
dependientes.
En una distribucin bivariante de variables estadsticamente
independientes se verifica,adems, que las frecuencias relativas
condicionadas son iguales a sus correspondientes frecuencias
relativas marginales. Es decir
fi/7- ^-
111.3.2.1,-- La covarianga
Las comparaciones sobre las influencias de las variables no
suelen plantearse en trminos absolutos, pues si se produce un
cambio de dimensionalidad en las unidades de las variables, ste
puede distorsionar el verdadero grado de asociacin existente
entre ellas. Por eso, a la hora de construir una medida adecuada
debemos considerar en primer lugar los valores normalisados
respecto a sus medias; esto es, en vez de considerar los valores
originales de las variables, considermoslos centrado respecto
a su media; as, las desviaciones positivas y negativas nos darn
una visin ms inmediata respecto al crecimiento o no de esas
variables.
11
(y,-y)
t E ^iV^ri,,
T r x,n,,
f y,n,,
II
III
* *
>*
IV
X
11
li
informe de
variables.
2.- Nos informe del tipo de relacin que existe entre ambas.
3.- Que sea invariante ante cambios de la variable.
4.- Que tenga los mismos extremos fijos para todas las
distribuciones, de manera que sea posible la comparacin.
5.- Que sea independiente de las unidades de medida.
El estadstico que cumple estas caractersticas es el coeficiente
de correlacin lineal simple, que definimos como
S^y
S^y
de donde
-lirsl
Por tanto
* si la relacin lineal es positiva perfecta, entonces
Sxy"SxSy y
r"l
EJERCICIO
1986
476,51
696,42
639,73
757,57
607,43
662,20
592,46
507,65
661,85
602,32
416,45
515,21
675,85
555.90
706,20
740,86
601,33
293,00
1991
763,83
1.132,08
1.021,82
1.256,43
896,93
1.036,60
928,88
820,12
1.152,37
986,71
726,73
842,79
1.130,94
897,50
1.302,40
1.205,19
959,00
423,00
Se pide:
a.- Hallar el coeficiente de correlacin lineal entre las rentas
de los dos aos citados.
b.- Cree Vd., a la vista del resultado obtenido, que hay algn
otro tipo de relacin distinta de la lineal entre las variables
consideradas?
c - Dado que de 1986 a
inflacin y suponiendo
trminos relativos, en
afecta esa inflacin al
12
SOLUCIN:
a.- Se calculan los siguientes valores
5;x. = 10.708,95;j;y.=17.483,3l;x^6.611.98I;y^l7.774,052;
5;x..y.=10.826.205;5 = ' L1L-(LJ.)
\
=115,66;
N
'^
Z_ 0.9720
S 5
11
Condicin de indenendenciff.
Se dice que dos atributos son independientes cuando entre ellos
no existe ningn tipo de influencia mutua.
Supongamos dos atributos, A y B, con h y k categoras o
modalidades respectivamente. Se dice que esos dos atributos son
estadsticamente independientes si se cumple la condicin de
independencia, expresada en trminos de
Coeficiente de TSCHUPROW
Antes de abordar el coeficiente de Tschuprow, y para
comprenderlo, debemos hacer una breve referencia a otros
coeficientes de contingencia sobre los que aquel se fundamenta.
Pearson elabor un coeficiente que compara la distribucin
observada con la que se habra obtenido en el supuesto de que las
variables fuesen independientes. En ese supuesto, la frecuencia
terica que correspondera en el caso de que ambos atributos
fuesen independientes la denotamos n\
n'tj - ni.*.j / N
ZS
X^'J^J^IILM-^IJ}!
^
1 j - i
y/(h')(k-l)
que vara entre O y Ir de manera que cuando existe una carencia
absoluta de asociacin entre los atributos (cuando estos son
independientes), entonces todos los n^j sern iguales a sus
respectivos n ij y T^ valdr cero. Y cuando los atributos muestren
una total asociacin entre s, el coeficiente de Tschuprow valdr
1.
21
EJERCICins
TtTMa -.
Y,
2
Y.
4"
Y:
6
Y:
3
X, / 150
X, / 250
20
15
X: / 3 50
18
X. / 450
CALCULAR:
1.- Las frecuencias relativas.
2.- Las distribuciones marginales con sus corresponcientes
medidas de posicin (media, mediana y moda) y de dispersin.
3.- (X,/Y;) y (Y,/XO
4.- Si existe independencia entre X e Y.
5.- Covarianza entre X e Y y comentar el resultado.
SOLUCIN
1.Y,
2
Yj
'
X. / 150
0.07
0.05
0.05
0.03
X, / 250
0.01
0.20
0.15
0.04
X, / 350
0.01
0.09
0.02
X, / 450
0.01
0.18
0.07
0.01
0.01
X,/Y,
'^'
f,
X,*f.
(X,-Xmd)-*f.
/ 15 0
20
0.2
30
3380
0.2
250
40
0.4
100
360
0.6
X: / 3 5 0
30
0.3
105
1470
0.9
X. / 450
10
0.1
45
2890
100
280
8100
X.
X
X.
1 SUMAS
F.
Medidas de posicin:
- Media de X = 280, el salario medio es de 280000 pts. mensuales.
- Mediana de X = 250, el 50% de los empleados tiene un salario
de 250000 pts. mensuales.
- Moda de X 250, el salario ms frecuente en esta empresa es
de 250000 pts. mensuales.
M'B^i^^-'^ ^g dispersin:
- Varianza de X 8100.
- Desviacin tpica de X:
Ox / " ySTM 90
la desviacin tpica de los salarios es de 90000 pts.
- Coeficiente de Variacin:
CV^ = -^
.Y
90 0.45
280
Distribucin Marginal de Y,
Yr
Hr
fr
Y f
Y, / 2
10
0.1
0.2
0.784
0.1
Y, / 4
50
0.5
0.32
0.6
Y. ,, 6
30
0.3
1.3
0.432
0.5
Y, / 8
10
0.1
0.8
1.024
SUMAS
100
4.8
2.56
(Y,-Ymd)-*f , F,
Medidas fj ppsicin:
Media de Y = 4.8, la antigedad media es de 4.8 aos.
Mediana de Y = 4, el 50% de los empleados tiene una antigedad
te 4 aos.
Moda de Y a 4, la antigedad ms frecuente en esta en^resa es
ie 4 aos.
^'"liif I'' riic;persin:
Varianza de Y = 2.56
Desviacin tpica de Y:
CV^
=Y-^4.8
- 4 4 - 0.33
y
:ada Y, se desvia de la media, por trmino medio, un 33%
3.- Distribuciones condicionadas
' !X,/Y.,) Distribucin de los salarios de los empleados que
isnen 6 aos de antigedad:
(X./Y:)
n.-
150
p?
0.167
250
15
0.5
350
0.3
450
0.033
SUMAS
30
(Y./X,)
n/
t-
0.025
20
0.5
15
0.375
0.1
SUMAS
40
}.
0.2 y f
0.1; las
'0.0
1 r - l
son indipendiente su
forzosamente independientes.
10
20-
30
3
4
10
40
2
1
I
SOLUCIN
En primer lugar tendramos que determinar si las variables
son independientes .f.i = fi f|: fii = 0.1, f, = 0.267 y f, = 0.367;
0.267 0.367 =. 0.098, luego las variables X e Y no son
independientes.
Para estudiar cmo es esta relacin calculamos el
coeficiente de correlacin lineal: r
r =
Oj^^Oy
3.89
= 0.18
1.9*11.3
5 - 7
7 - 10
10 - 15
15 -" 20
20
10
5
15
1
4
2
3
CALCULAR
1.- Las frecuencias absolutas y relativas de cada variable.
2.- Las distribuciones marginales. Qu variable presenta
mayor dispersin?
X./Y,
5-7
7-10
10-15
15-20
n.
20
10
36
0.5
15
24
0.3
8
28
0.4
2
7
10
70
0.2
1
0.1
2
3
n.
20
15
f,
0.3
0.2
X = 1.61;
X.
^i
36
f.
0.5
24
0.3
10
0.2
0.51;
a^ 0.71;
CVj, 0.44
Y - 10.3;
Y.
^,
6
8.5
12.5
?9
1?
39
17.5
f.
0.3
0.2
0.4
0.1
oI 13.2;
o,. 3.6;
comparando
Como
se
puede
apreciar
Variacin
de
ambas
distribuciones,
la
CV.^ 0.35
el
que
Coeficiente
presenta
de
menor
errneamente,
la
0.51
O-
a^^
=i
V a,^ 13. 2 i
A) (X,/YJ :
B) (Yyx,)
Y./X,
n.^
[5-7)
f.^
0
[7-10)
5/24
[10-15)
15
4
4/24
1 [15-201
de cada intervalo
yx.
a-
IL
JL/a^
5/24
0.07
15-7)
7-10)
.llQ-1^}
^15-201
15
5/24
0a?4
4/24
0.034
Donde: e - ic
= < f,/a,
A) Independencia
'" - 1^1 * f,:
, 20/70
^-3=_no existe i-^epen^encia,'x'e "v e / ; ; / V ' ^ ^ - -^ra medir adecuadamente esta r.i
'''^^"nadas.
-1 eficiente de correlaciSn lineal , "
" " " " ' "^^ " " i " r
^ ^
o : ^
!,
-0.61
1
1
12.S
17.5
-0.61
-0.61
^2.5
3-
J-f
^2.5
;
12.5
-..-17^5
-0.39
1^
-KU.
-1-!
2.2
i-
\1-?
-^^
7-1
1:39
J-2
1.39
Z'2
' .22......__ 7:2
1.39
f-2
:?;SI
-O.i
0.1
0.16
?-35
2i29
ai
1.69'
TEMA 4
I. INTRODUCCIN
II. REGRESIN
11.1 Relaciones de Regresin
11.2 Diversos criterios para realizar un ajuste.
11.3 Regresin lineal simple por MCO.
II.3.a Obtencin de la estimacin de a y b.
II. 3. b Propiedades de las estimaciones por MCO
11.4 Elasticidad
III. CORRELACIN
111.1 Regresin versus correlacin
111.2 Medidas para el estudio de la correlacin
111.2.1
111.2.2
III.2.3a
Covarianza
Varianza residual
Coeficiente de Determinacin
General
III. 2.3b Coeficiente de Correlacin y
Determinacin Lineal
I.
INTRODUCCIN.
II.
REGRESIN.
;/
Ilustr. 1 R,exponencial
Ilustr. 2 R.logartmica
Ilustr. 3 R. potencial
Ilustr. 4 R. polinmica
50
70
80
180
70
110
140
200
180
200
Fijmonos en que la
relacin lineal no es la ms
apropiada para estos datos.
En este caso, una
funcin de la forma:
y = a*X'' se ajusta mejor a
la nube de puntos que una
funcin lineal.
a + bXi
r = y^+e^=a+b*Ar+e_
e =
^1
-
'I
'I
* Condiciones de mnimo:
(i) dS/da
dS/da
= O;
= -2 jy.^^
(ii)
( Y-a-b*X)
E!",, ( Yr^-b*x,)
dS/db
=O
= O
= o
"
E
=
Ejercicio:
Comprueba
igualmente a la expresin
que
el
estimador
de
equivale
~^
E.,"'"^-^ ^i:.,''."<.y
n*x
(II)
y de la ecuacin
^i = ^i "^ i
pueden deducirse
del residuo y de
r" e.y, = o
Ejercicio: Demostrar las anteriores propiedades.
EJEMPLO.
Consideremos el caso inicial. Una vez especificado el modelo
de regresin lineal simple Y= a + b*X, donde Yj = beneficios de
la empresa i, y X; = cuota de mercado de la empresa i,
calcularemos los valores de los estimadores a y b :
Yi
100
150
170
300
160
200
260
500
340
460
Xi
50
70
80
180
70
110
140
200
180
200
Xi*Y
5000
10500
13600
54000
11200
22000
36400
lOOOO
61200
92000
Xi"2
2500
4900
6400
32400
4900
12100
19600
40000
32400
40000
195200
estimadores:
b =
E"
(j)
b= [405900-1/10(2640*1280]/[1952-1/10*12802] = 2,16773
a= l/10*(2640-2,16773*1280) = -13,4694
El programa LOTUS 1,2,3 tiene una funcin que permite
realizar la estimacin de un modelo de regresin lineal (simple
y mltiple) directamente. Comprobaremos que el resultado es el
mismo que el obtenido operando manualmente.
Regresin realizada por el programa LOTUS:
Salida de Regresin:
Constante
-13.4694 = a
Err Std de Y Est
46.74096
R al Cuadrado
0.893971
N2 de Observaciones 10
Grados de Libertad
8
Coeficiente(s) X
Err Std de Coef.
2.16773
0.263943
= b
II.4 ELASTICIDAD.
Sean dos variables estadsticas X e Y. Definiremos la
elasticidad de la variable Y respecto a la variable X, y la
denotaremos por E/ .
"
dX
III. CORRELACIN.
111.1 REGRESIN VERSS CORRELACIN.
Hasta ahora,con la teora de la regresin se parta de unos
datos que eran utilizados para definir una relacin funcional
entre las variables. Por tanto, se supona que haba una relacin
entre las variables en estudio, y la regresin buscaba la
relacin que mejor explicara el comportamiento de una variable
en funcin de otras.
Por tanto, la regresin, una vez decidido el tipo de
relacin que mantienen las variables, nos da la mejor forma
funcional, lo cual no implica que sea buena. Si decidimos que la
relacin es la lineal, nos dar la recta que mejor se ajusta a
la nube de puntos, pero esta recta, que es la mejor posible,
puede no ser suficientemente buena.
El estudio de la correlacin comprende:
1. Saber si existe alguna relacin entre la variable
explicada y la explicativa.
2. Si existe, saber en qu grado estn relacionadas.
111.2 MEDIDAS PARA EL ESTUDIO DE LA CORRELACIN:
1. La covarianza
2. La varianza residual
3. 3a. Coeficiente de determinacin general o
Bondad del Ajuste
3b. Coeficientes de correlacin y
determinacin lineal simple.
III.2.1 COVARIANZA.
La covarianza se define, en notacin no agrupada y con un
solo subndice de la siguiente forma:
= 1 5 ^ X.*Y,-^*y!'.
X,*T''. Y,
^=X^-X
M -
II
n '
'3 -.
0
-i
9
'
^
S
liiir
,
=
0^
s
3
a
!
1
1
0
3
Z
,..
-.
m
a
' .
. *'
13
s,; = l*'l^
(e,-e)'
"^"ITin
^^^-^^^
podemos escribir
a>>
r,.. (vry^i)-o
e=0
14
s^
R^ = 1 -
^e,
)y
siendo
S^^
* Demostracin de que
^y~^e^*^9
Ya hemos visto que una vez realizado un ajuste mediante
regresin de una variable endgena Y con una o ms explicativas
X, se verifica que
'^i
- '^i '^ ^i
y^ =
9*S
y^ = Y^-Y
si denominamos y*
propiedades
de
a la media de y ,
15
verifica que
= y
pero,
/>2
-2
Por tanto:
Sy=S^'^*S:
Teniendo esto en cuenta, el coeficiente de determinacin
puede expresarse por cualquiera de las siguientes expresiones:
c2
g 2
S^=S^ia+b*X^)
=b^*S^ (x^)
simple.
Sustituyendo el valor de la varianza explicada para el caso de
la regresin lineal simple, obtenemos el coeficiente de
determinacin lineal.
Q2
Q2
Oy
*^x
Q2
qf2 Q 2
X y
17
Ilustr. 10 r=0; X e Y
independientes
Ilustr. 11 r=0; X e Y
dependientes
18
Ilustr. 12 r=l
Ilustr. 13 0<r<l
Ilustr. 14 r=-l
19
-L i-
os'
11
12
10
13
11
9
10
7
12
8
7
3
6
5
5
Se pide:
a) Determinar la validez de esta conclusin
b) Un nio de diez aos participa en el experimento, cul es el
nmero de respuestas inadecuadas que se puede predecir para l,
si entendemos que existe una relacin lineal entre ambas
variables?.
Solucin:
a) Esta validez se obtendr en funcin del valor del
coeficiente de correlacin. Para lo cual hemos de hallar la
covarianza entre ambas variables.
^/ "
- _ _ _ _ _ _ _ . ^
(\t
aAO
f^
<CJY>'
(\J
iS
13
l"5
\^^li2i-'--f-5
^5
V5
^29
SZ''^
Q Q , . - - ^ ^ - -
-123:1
^ ,
Cr^rcu
'
^c^c<
C^
(^_s
^^-
,_^ - , 7
"--xajjies
es
igual a cuadrado del coeficiente
de
entre
ambS
vlril^L^
de correlacin
correlacin entre
ambas variables.'
Solucin:
^tl>oJz^
. /
r
V - v. + ' -
(^-x,
(L
(3;
'- V
A
^ ^^
"T^A^AAC^CLU?/
'
tr
-'^^'
:^
^)
^' - /
,0^^
i^
r-'^
U^ -
C*^;
S. Demostrar con i
entre a . | | i ^ ^ . - ^ a varUn.a^^ e r o V l ^ - - \ \ " v \ r l l . |
regresin lineal
Solucin:
'-)
'
'
^ l
-)'
=>^
^ - -
l't-\
'^MTM.
ui<:
/ eo/)u..cceii CY }
* C^luj cf t . ;
(r..=iF
f-t;^^y'-^)
= ~L'
J^ ' '^C>.x'30 -
>'-"T7>'^>53rG2'75
- '^-lcw.ci (e
&3'5S3aCJ. 627
v^^c>'/v
/I
X"' "^'^^^^S2t/23^>),
H^i'UlS -^$?
iv.^vAj
r^-xj^k^Cj^
ce
^ ^
e u L^ ^ r o r t ^ .
Gi/e.;
\ A W S 4 - ^ . l/CccOtij, G^ y .
t^^cLoe^
^^^
Solucin:
r= - ^
d^^^^r-y^^''^^/
C')
7
7;.,tr^"^- -^^".o
3)
" " ^ismpre pasa por
o.
'^Ci:^j; "2
J = -5407.7
R^ = Q , gj
"W^
aos variables X
^=8
p,,,
21
^
S. = 2
Hallar la
3 y con y =r "acin de i^
""' A, as como oi
'^ "ecta <
entre si, 3^
^K
sabe que
J .6
''^'- ajuste.
f - O'f
/v
c'^v
^^ au:ru^ .^.. ^ .
-l^^^^p
r - - cr. c^zi.
^^^^^^od.u,..
3
4
5
si,.i/tes
4
3
2
Solucin:
2o r q
^i^U
5o - [L; 4 cc^u.
/I
= 1 ' X
ce c A i ^
Ufijil^
C4MA3^ur 9^W5
es perfecto o sea
abs^olutamen'te^t^das
pares de valores de
comprobarse s i se
my^toarse
s i se
Y
4
3
3
Solucin:
Primero hay que ajustar la recta para obtener los valores
de la y estimada:
X^
Yest
X*Y
e^
-2
0
2
4
3
3
4
0
4
-8
0
6
23/6
10/3
17/6
1/6
-2/6
1/6
1/36
4/36
1/36
10
-2
10
1/6
<^A,-^o ; ^y,r|cv -^ ^
a:-
^'z ? ^ ^^'-^^ - 1
->
VQ
1.
/V'
_{0
S c S i 1 ? ^ ^ ^ - - S ^ f^ T
^-=^^" por e . - , ,
""
Solucin;
OrtAuxu,.
7?
A^ - n
^%^
A/ -- tl2
= ^^S'2
^ ,^':^2.'/
^ri
,..-:.:>
/ .
>-r
y ) ^ 1 (^'- L v;. ^^
t
Modelo ordinario
yes t.
13.57041
13.57041
14.49733
14.49733
14.49733
15.42424
15.42424
16.35116
16.35116
17.27807
17.27807
17.27807
18.20499
18.20499
18.20499
19.13191
19.13191
20.05882
20.05882
20.98574
e
-1.57041
0.42959
-2.49733
-0.49733
1.502674
-0.42424
1.575758
-0.35116
1.648841
-0.27807
0.721925
1.721925
-1.20499
-0.20499
0.795009
-1.13191 ,
0.868093
-1.05882
0.941176
-0.98574
Modelo con a0
e*
y est
e^
2.466188
0.184548
6.236638
0.247333
2.258029
0.179982
2.483012
0.123312
2.718678
0.077326
0.521176
2.965026
1.452004
0.042021
0.632039
1.281214
0.753585
1.121107
0.885813
0.971683
9.415744
9.415744
11.29889
11.29889
11.29889
13.18204
13.18204
15.06519
15.06519
16.94834
16.94834
16.94834
18.83149
18.83149
18.83149
20.71464
20.71464
22.59779
22.59779
24.48093
2.584256
4.584256
0.701107
2.701107
4.701107
1.817958
3.817958
0.934809
2.934809
0.051661
1.051661
2.051661
-1.83149
-0.83149
0.168512
-2.71464
-0.71464
-3.59779
-1.59779
-4.48093
6.678378
21.0154
0.491551
7.295979
22.10041
3.304972
14.5768
0.873869
8.613106
0.002669
1.10599
4.209311
3.354349
0.691373
0.028396
7.369255
0.510706
12.94406
2.55292
20.07878
27.60071
137.7983
TEMA 5
TEMA 5
NDICE:
5.1. CONCEPTO DE SERIE TEMPORAL Y DEFINICIN DE SUS
COMPONENTES.
5.2. DETERMINACIN DE LA TENDENCIA.
A.- MTODO DE LAS MEDIAS MVILES.
B.- MTODO ANALTICO DE LOS MNIMOS CUADRADOS.
C - MTODO DE LAS DIFERENCIAS.5.3. DETERMINACIN DE LAS VARIACIONES ESTACIONALES.
A.- MTODO DE LAS MEDIAS MVILES.
B.- MTODO DE LAS DIFERENCIAS.
5.4. TASAS DE VARIACIN.
Meses
Cuadro 5.1
220
60
Figura 5.1
Desde el punto de vista clsico una serie est formada por
cuatro componentes:
a. Component tandencial o tendencia (T); Es una componente de
la serie que refleja su evolucin a largo plazo. En nuestro
ejemplo la tendencia se obtendra teniendo en cuenta la evolucin
de las ventas a lo largo de todo el periodo de seis aos. Esta
componente puede ser de naturaleza estacionaria
( se
representarla por una recta paralela al eje de abscisas) , de
naturaleza lineal (creciente o decreciente), de naturaleza
parablica, de naturaleza exponencial, etc.
b. Componente cclica (C) ; Es una componente de la serie que
recoge las oscilaciones peridicas de amplitud superior a un ao
y se deben principalmente a la alternancia de etapas de
prosperidad y depresin en la actividad econmica. Cuanto mayor
sea el perodo de un ciclo, mayor ha de ser el nmero de
observaciones de la variable para que aquel sea reconocible.
componentes
tericas
tiempo
2.
Esquema multiplicativo
i' ..-^J
^*A
,VV
desviacin
tpica
desviacin
tpica
media
media
Y,.,-h:l:ii:Ii
Y p.3 = -12
Y p.5 =
Pll
Pj
71*^2*---^^^p
Y p.3 -
y,*Y*...*Y^,
Y p.5
yp.2
-r
-r
i'p.s+yp.s
Yp.<.
Y p.5 *Y p7
yp.6=.
1992
1993
1994
l.*"^ trimestre
150
155
160
2. trimestre
165
170
180
3.^'^ trimestre
125
135
140
4 . trimestre
170
165
180
SOLUCIN:
1.- Empleando 3 observaci
^^
iones:
h ' ^^M-Ul , IJO^lS + 125
50
--165
3
;, - ^ *y->-*-y.
3
y,-i:L!iy..l35+l65+i60
>, - ^-''^y^o'-y'3
y,, ^ ^ i ^ - i l - l Z j i
2.-
lU
;, - y**y*-^y.^
3
180+140+180
v.j.
--^^^L_2lI^,150+_l65j^25jM70^
y i . + r.
2
"
^"153,125
;
160.625
y,
''"
160+180+140+180
i
" '65
y,.j =
C-l
C-1
e-l(tc)^
1=1
"
C-l
Ejemplo;
Utilizando los datos d la serie temporal que aparece en el
cuadro siguiente, obtener la tendencia lineal ajustando la
correspondiente recta por el mtodo de mnimos cuadrados. En la
funcin estimada hacer una prediccin de las ventas medias para
el ao 1997.
1992
1993
1994
1.'" trimestre
150
155
160
2 ." trimestre ,
165
170
180
3.*"" trimestre
125
135
140
4." trimestre
170
165
180
medias
152.5
156.25
165
tiempo
1992
1993
1994
Salida de Regresin:
Constante
-12298.3
Err Std de Y Est
2.041241
R al cuadrado
0.949367
N2 de Observaciones 3
Grados de Libertad
1
6.25
Coeficiente(s) X
1.443376
Err Std de Coef.
P r e d i c c i n para
Yl995 =
1995:
170.4167
* 4 = 681.66
10
orno:
la componente
AOS
Vi
yi*i-yi
1980
34
___
1981
45
11
1982
52
1983
63
11
1984
11
14
1985
79
1986
81
1987
85
1988
90
1989
103
13
1990
107
11
rio origlnai
Se
elimina
la
componente
tendencial
cclica
restndola si
HIPTESIS MULTIPLICATIVA:
Ye _ TxCxExR
TxC
TxC
ExR
HIPTESIS ADITIVA:
MA
I2 = -:TT
^ MA
^ 100; etc.
1994
156.25
156,875
156,875
58,75
14
160.6:
163.125
2.0
125/153.125
170/154,375
4,
155/156,25
170/156,875
135/156,875
165/158,75
160/160.625
180/163.125
Aos
Trimestres
"~~~-
2."
3.=
4.
1992
1993
1994
0.9970
1.1035
0,8163
1,1012
0.9921
1,0837
0.8606
1,0400
Las v a r i a c i o n e s r e s i d u a l e s l a s e l i m i n a m o s o b t e n i e n d o
medias a r i t m t i c a s de l o s c u a t r o t r i m e s t r e s :
las
3f, = - 0 . 1 i 2 1 l 0 , l i Z 0 =0.9945
^ ^ . 1 . 0 8 3 7 ^ . 1 . 1 0 3 5 , ^ Q33^
^^, 0.8163^0.8606 , 0 3 3 3 3
1.1012.1.0400,,^0,0g
j = A = l^iM=0.9953
^ MA 0.9993
-^,1.0936,,_033,
2 MA 0.9993
J=J:=_185=O.8391 ^
^ MA 0.9993
j=J^=1^012=i.0714
* MA
0.9993
l2 = 109.44
Ij = 83.91
U = 107.14
16
prcticamente
estacionales
ya
que
el
no
estn
ndice
sujetas
las
es prcticamente
variaciones
la unidad
en
siga
la empresa,
en un 9.44%.
El i
ndice
de
variacin
estacional
expresado
en
^~--^.^^^
Aos
Trimestres
"^~-~^^,__^^
") 0
3."
4,"
1992
1993
1994
150/0,9953
165/1,0944
125,0,8391
170/1.0714
155/0.9953
170/1,0944
135/0,8391
165/1,0714
160.0,9953
180/1.0944
1400.8391
180/1.0714
1992
1993
1994
150.71
150,77
148,97
158,67
155,73
155.34
160.89
154.00
160.76
164.50
166.85
168.00
17
'
Yc-i
Vt-i
Yc-r
19
TEMA 6
TEMA
VI
NMEROS N D I C E
N D I C E
V I . 1 . -INTRODUCCIN.
r o N C E P T O Y CLASTFTCArTOM
econmicos,
de ellos.
En sntesis podemos decir que los nmeros ndice constituyen
una tcnica para analizar y comparar un conjunto de datos en
distintos momentos del tiempo y/6 del espacio.
Los nmeros ndice pueden tener distinta naturaleza:
A) NATURALEZA ESTADSTICA, cuando se obtienen sin tener en cuenta
las posibles relaciones funcionales de las magnitudes en estudio,
B)
NATURALEZA
relacin
suponiendo
una
entorno.
Mediante
los
nmeros
ndice
se
pretende
estudiar
las
por
repercusin
conocer
en
el
las
nivel
variaciones
de
vida,
de
es
los
precios
decir,
en
el
su
poder
ampliamente
este
objetivo,
puesto
que
se
pueden
humana
fenmeno
natural
suceptible
de
ser
cuantificado
de
sus
experimentado
modificaciones,
una
magnitud
sobre
(la cual
los
no
cambios
puede
que
ha
ser medida
SIMPLES
NMEROS
SIN PONDERAR
NDICE
ARITMTICA
MEDIA SIMPLE GEOMTRICA
ARMNICA
MEDIA AGREGATIVA SIMPLE
COMPLEJOS
PONDERADOS
LASPEYRES
PAASCHE
EDGEWORTH
FISHER
<?..#*
tu
fo
=1.5
100
de una magnitud
3 a.-Proporcionalidad:
Si en el periodo
actual
todas las
H', = H,^
kH, = {l*k)H,
- 4 = -ZT^ =
"o
77
= (l^-f) ^ t
^ -r./Q-Xo/.
Demostracin;
Entonces:
Ik = ^
^0
6 a.-Circular
A) Consideramos tres instantes del tiempo (O, t, t)
B) Tomamos la magnitud H que toma valores desde el instante t =
H,,
Hf.
Hf.'
HQ
Demostracin
Luego:
^ * S- = __ = j ,, =
"o
"c
"o
^
IQ/E'
8 a.-Encadenamiento
A) Consideramos tres instantes del tiempo (O, t', t) los cuales
verifican la relacin: O < t' < t.
B) Tomamos la magnitud H, desde el instante t = 0,l,...t'.,.t
hasta t = T.
Se cumple: I^QH)
Demostracin:
I,/oiH)
H.
'c
^t-1
H.
* ^-i.
^C-2
* _
^C-3
. . . i
^O
E
^ o
9a.-Producto
Sea una magnitud compleja R que se obtiene como producto de dos
magnitudes simples F y K. R toma valores desde
t = O, 1, ..., T
R = F X K;
{R}
t = O, 1, ..., T
Demostracin;
Ic/o^R)
t/o (F)
I,,AK)
c/o
10 a.-Cociente
Si tenemos una magnitud compleja R que se obtiene como cociente
entre dos magnitudes simples F y K, se verifica:
I./o(R) = I,/o(F) / I^o(K)
Demostracin:
r,,R)
= J^ = Z ^ = ^c^oiF)
R.
FJK,
I^^^iK)
que se cumple
la propiedad
circular y la de
encadenamiento.
(3) Interpretar alguno de los ndices.
TABLA
Ht
SOLUCIN:(1)
TABLA 2
I.o(H)
H,
(1)
Io,o(H) = 4 / 4
= 1
I,,o{H)
= 5/4 =
1.25
Iro(H)
= 7/4 =
1.75
l3/o(H)
= 8 / 4 = 2
l4/o(H)
= 6/4 =
l5/o(H)
= 9/4 = 2.25
1.5
t' = 5, sera:
l4/0(H) * l5/4lH) * Io/5(H) = 1
l4/o(H) = 6/4
l5/4(H) = 9/6
Io,5(H) = 4/9
1*1.1 = 1
4
9/4
(3):
Si
= 9/6
l5,o(H) = 2 . 2 5 ,
* I3/2 * I2/1 *
* 6 / 8 * 8/7
^uo-
* 7 / 5 * 5/4 = 2 . 2 5
s u p o n e q u e l a m a g n i t u d H ha aumentado
5.
el
Si
nos
interesara
la
evolucin
de
cada
precio
dentro
de
la
empresa. Calcularamos
los NDICES
COMPLEJOS PONDERADOS.
{H', H^,...,H''},
NDICES
DE LA MEDIA SIMPLE:
Je
r,/o(^) =
11
K
/if
10
TABLA 3
.t
H'
H^
2
1
H' 1
SOLUCIN:
Para calcular I^oCH) :
10.-Calculamos los ndices simples (Tabla 4) con respecto al
instante t=0, CI;/o(H*)]: Ii/oH^) = 2 / 1 = 2
TABLA 4
H'
H^
H^
4/2=2
2/1=2
2/3=0.7
5/2=2.5
1/1=1
1/3=0.3
7/2=3.5
3/1=3
1/3=0.3
9/2=4.5
4/1=4
4/3=1.3
I.,.fHh
IwnH^)
I.,nfHM
1
TABLA 5
H'
H^
H^
4/2=2
2/1=2
2/3=0.7
1/3(2+2+0.7)=1.6
5/2=2.5
1/1=1
1/3=0.3
1/3(2.5+1+0.3)=!.3
7/2=3.5
3/1=3
1/3=0.3
1/3(3.5+3+0.3)=2.3
9/2=4.5
4/1=4
4/3=1.3
1/3(4.5+4+1.3)=3.3
I,/o(H')
I,/o(H^)
1.0 (H')
11
I,/o(H)
1/3(1+1+1)=1
Interpretacin:
-unidades
por
La
cada
magnitud
unidad
H,
en
que tenia
el
momento
en el
1,
instante
tiene
i.e
O; en
el
vez
calculados
al
periodo
los
inicial
ndices para
cada
podemos, calcular
instante
el
t en
incremento
M./oiH)
* 100
entre las sumas de los dos distintos valores en los dos periodos:
Heterogeneidad
de
nos
12
condicin de que:
VAT.OP-
analizar
PRECIO Y
CANTIDAD.
Debido al problema de la homogenizacin, en economa se
maneja el valor de los bienes, el cual se obtiene mediante el
producto: precio x cantidad.
V = P *Q
Si queremos obtener el valor de un producto.en distintos
perodos, tendramos:
perodo O
Vg = PQ * Qg
perodo 1
V, = P, * Q,
perodo 2
V2 = Pj * Q2
(1)
perodo t
Vj = Pt * Q,
14
perodo O ,
Vg = Pg * Q
perodo 1
v, = p, * Q
perodo 2
Vj = p, * Q
(2)
perodo t
V^ = P^ * Q
Vg = P * QQ
perodo 1
V, = P * Q,
perodo 2
Vj = P * Qj
(3)
perodo t
Vj = P * Q,
en
la
serie
de
valores
(2)
calculamos
un
ndice
E
E p^ Q'
e/o
i =l
E^o Q'
i'l
15
E
^' oi
i =l
ot/0
E^fco'
t ^c 0
y.;o
E ^o' o
i-1
i'
i-l
16
HQ
wi
A
iTl
IrjAH')
-ndice de FISHER:
VI.3.2.1.-NDICES D E LASPEYRES:
L,/Q(^)
= T^^o
Ic/0^^'^
-=l'2
k;
t=0
^c/o(/) = E^o
Ic/o(^') =
i=l
- = 1
v^
2JPo*<7o
17
ce se concretan
en analizar las evoluciones de precios , cantidades, si apii
a este fin el indica d T .
^PUcamos
de Laspeyres, estamos estudiando las
variaciones de orecio^ ^
^.
precios o cantidades tomando como periodo da
ponderacin el ao base.
f
ao de
Sutituyendo:
precios:
i-i
P
^./o(H')
cantidad:
<7o
El ndice de Laspeyres de
precios ser;
E ^0
P) =
i
0
i-i
'
Po'
- *
J,/oAP^) =
p - p
Po'
ip
Po QQ
'^0
t Pd'
1"1
18
go-^
VI.3.2.2.-NDICES D E PAASrwB
(formada por k
w'
i^l
-Z'r/o^')
simple
i en el instante t
(w/) y el ndice de la
(H')]:
E w:^
i-i
w,t
Pz 1c
i-1
19
EP^'?^
^.f.(M')
precios:
El
-Z"t/o(^') {
Uf.
cantidad:
Pt<7t
t:p<j^ .i
tp^^^
Po
IE po^
11 = -LL^
k
E^^i
i =i
PcQc
20
= y^ i2i
Si = a
. Z^PtQo
i'
VI.3.2.3.-NDICES DE FISHER
El
siguiente expresin:
^L,,,iP')*P,/,(P')
F,/o(P') =
^lL,/o^O')*P,/o(0')
21
cantiaa.es
ven.iaas
,.n . U e s
.e pesetas, Ce
.ete^.na.os
artculos.
calcular (para 1989, con resoecto .^
^
irespecto al ano base, 1987)
(1).-Los ndices de precio y cantidad de Laspeyres.
(2).-Los ndices de precio y cantidad de Paasche.
(3).-Los ndices de precio y cantidad de Fisher.
SOLUCIN:
(1) Utilizando la tabla 7, tenemos:
A.-ndice de precio de Laspeyres:
TABLA 6
A O S
BIENES
1987
1988
50
150
60
Judias
150
430
Aceite
180
1000
Pan
Pescado
1989
P
140
75
135
180
450
200
460
300
200
310
220
325
250
1150
270
1300
300
TABLA 7
BIENES
P87 Q87
P87 Q89
P89 Q87
P89 Q89
PAN
7 500
6750
11250
10125
JUDIAS
64500
69000
86000
92000
ACEITE
54000
58500
66000
71500
PESCADO
250000
300000
325000
390000
SUMAS
376000
434250
488250
563625
22
P89
s,/s.(P)
B.-ndice
=^
fi
Qai'
^i
* 100 = 1 8 2 5 0
376000
^
19.85%
de c a n t i d a d de Laspeyres;
QS9
.3,/.(^)
= ^ ^ . 1 0 0
= llil|.X00
= 115.4S%
i'i
?89 ^89
Ps9/S7P)
= ^f^f'
* 100 = H i m 100 = 1 2 9 . 7 9 %
434250
^ ^789 p87
=l
B.-ndice
de c a n t i d a d de Paasche:
P89/87(?) = -T^^
^'^^
A i
* 100 = ^^lllll,
* 100 = 1 1 5 . 4 4 %
488250
^ 9'87 p 8 9
= ^L,,,,,(P)
23
que
el
tiempo
es
el
trmino
de
referencia
un
ndice
de
precios
no
debe
elegirse
una
poca
Considerando
el
ndice
como
un
promedio,
ser
ms
segundo
lugar
(EPF)
la
cual
se elabora
investigando, mediante
encuesta se utiliz para elaborar el IPC con base 1983 que estuvo
en vigor hasta diciembre de 1992.
Desde el l de abril de 1990 al 31 de marzo de I99i se
realiza una nueva EPF que sirve para elaborae un nuevo IPC con
base 1992 en el cual el estrato de referencia incluye a toda la
poblacin que reside en viviendas familiares y se considera como
gasto de consumo "el flujo monetario que destina el hogar y cada
uno de sus miembros al pago de bienes y servicios. . . . con destino
al propio hogar o para ser transferidos gratuitamente a otros
hogares o instituciones" (EPF 1990/91). Para seleccionar los
bienes y servicios que constituyen la casta da la compra del IPC
1992, los 911 grupos de gasto en que se clasifica la EPF se han
agregado en 437 parcelas de consumo que incorporan 471 artculos
que
son
los
que
se
utilizan
para
calcular
el
ndice
Na DE PARCELAS
171
Vestido y calzado
56
Vivienda
24
Menaje
56
18
Transporte y comunicaciones
26
40
37
27
Ponderaciones
En el clculo del IPC los precios de los distintos artculos
estn ponderados segn la importancia que el consumo del artculo
correspondiente tiene en el estrato de referencia. El INE obtiene
una estructura de ponderaciones distinta para cada uno de los
conjuntos
primarios
llega a las
28
TABLA 9
GRUPOS (IPC base 1992)
PONDERACIN EN%
29.4
Vestido y calzado
11.5
Vivienda
10.3
Menaje
6.7
3.1
Transporte y comunicaciones
16.5
Esparcimiento,enseanza y cultura
7.3
15.3
1976
1983
1992
40.5
33.0
29.4
2.-Vestido y calzado
8.2
8.7
11.5
3.-Vivienda
14.0
18.6
10.3 .
4.-Menaje
7.8
7.4
6.7
5.-Servicios mdicos y
sanitarios
3.4
2.4
3.1
6.-Transporte y
comunicaciones
9.7
14.4
16.5
7.-Esparcimiento,enseanza y
cultura
6.9
7.0
7.3
9.5
8.5
15.3
100
100
100
1.-Alimentos, bebidas y
tabaco
Como
se
ponderaciones
puede
del
IPC
observar
intentan
en
la
recoger
anterior
tabla,
los cambios
que
las
se
29
^Uo^P)
= ^f
* 100;
(1)
tp,' g
^t/0 = E "^ol/o * 10 0
i-1
_ -Pe .
i -
-Poo
ipQ
i-i
30
atrs
delante
los ndices
igual
al
(I,/o) /
32
Es decir:
^-"" = 4
^^ '.^A"",'. * 100
:,y^iipc)
= -^88/83 (-^^^^
1,2/33 ( I P C )
^ 100
33
100
Donde t: a
TABLA 11
TABLA 12
34
yi-S.
llama
DEFLACTOR.
deflactar es el IPC.
Cuando tenemos los valores de una magnitud a precios
corrientes y a precios constantes (valor de la magnitud en el ao
base) podemos obtener un ndice de precios de dicha magnitud el
cual se conoce como el deflactor implcito y es igual al cociente
entre la magnitud a precios corrientes y a precios constantes
multiplicado por cien.
P^S corr anca ^ ^QQ = deflaccoz
"^"conscanca
35
implcito
del PIB
Ejemplo
6.-El
Ejemplo
7.-Con
los
siguientes
datos
(tabla
ii)
sobre
el
IPC
de
esos
aos.
Expresar
las
citadas
TABLA 13
AOS CANTIDAD EN(PTS. CORRIENTES)
85
1841250
120.,0
86
2345168
130-,5
87
2654896
137,,4
88
2972154
144,. 0
89
3281562
153 . 3
90
3456917
164 . 1
36
IPCss^ss
= ^
100 = i | 2 ^
-''^^35/93
. 100 = 1 0 8 . 7 :
120,0
TABLA 14
ANOS IPC BASE 1985
85
100
1841250 = (1841250/100)*100
86
108.75
2156476 = (2345168/108.75)*100
87
114.58
2317000 = (2654896/114.58)*100
88
120.00
2476795 = (2972154/120.00)*100
89
128.17
2560386 = (3281562/128.17)*100
90
136.75
2527910 = (2356917/136.75)*100
VI.7.-PARTICIPACIN Y REPERCUSIN
(w') que el
consecuencia
37
^e/o
i =l
= ^r^
k
*100
=l
Cumplindose que:
38
i-1
Ejemplo 8.-El IPC de 1990 con base 1983 fue 164.1. El precio
de un artculo i en esa fecha era de 70 pts y en el ao base 50
pts, sila ponderacin de ese artculo es del 0.5%. Calcular:
l.-La repercusin, en porcentaje, del precio del artculo i entre
el ao base y el ao 1990.
2.-La participacin que ha tenido este artculo en el incremento
j
i
|
I
i
I
MiH^)
R = AJ(tf^) * w^ ^ 40 * 0.5 ^ Q2
'^
100
=l
39
}
I
^-^epercusin en porcentaje:
= -2
2. - A J P C ,
R.^ = _ _ _ j ^
0/33 = 1 6 4 . 1 - 1 0 0 = 6 4 . 1
p. = i
' ' A r f e - 1 " ^ . 100 = 0 . 3 1
^i
loo =0-05
^^ ^^ ~
40
^ ^ - ^ . .
EJERCICIO 1 ;
Dados los precios y cantidades de tres artculos A
B y c
Artculo A
PRECIO
Articulo B
Arricuio B
Artculo C
CANTIDAD
PRECIO
CANTIDAD
PRECIO
CANTIDAD
100
32
105
40
200
35
105
35
100
45
210
1988
41
112
43
110
47
215
1989
45
120
45
115
50
220
1990
56
125
50
123
55
225
1986
1987
30
A) ndices de Laspeyres:
PRECIOS
CANTIDAD
1986
100
100
1987
112.6393
102.7159
1988
125.4526
107.7994
1989
133.8788
111.9777
1990
152.1588
116.1978
41
B) ndices de Paasche:
PRECIOS
CANTIDAD
1986
100
100
1987
112.7119
102.7821
125.4974
107.8379
1989
134.1729
112.2237
1990
152.9726
116.8192
1988
C) ndices de Fisher:
fKlUSlOS
CANTIDAD
1986
100
100
1987
112.6756
1988
125.475
107.8187
1989
134.0258
112.1006
1990
152.5651
116.5081
, 102.749
1988=100
1986=100
1988=100
1986=100
1986
79.68292
100
92.73177
100
1987
89.8121
112.7119
95.31163
102.7821
1988
100
125.4974
100
107.8379
1989
106.9129
134.1729
104.067
112.2237
1990
121.893
152.9726
108.3285
116.8192
42
EJERCICIO 2:
Conocidos los costes de una empresa durante los aos 1985 a 1990
y el IPC con base 1983 en el mismo periodo, se pide calcular los
ndices
de
coste
con
base
1985
en
trminos
corrientes
constantes.
COSTES
IPC(1983=100)
1985
5542135
120
1986
6723086
130.5
1987
6985756
137.4
1988
7035211
144
1989
7681276
153.8
1990
8125679
164.1
ANOS
SOLUCIN;
AOS IPCgj
IPCs
COSTES
1^85 (CORR)
1,85 (CTE)
1985
120
100.00
5542135
100.00
100.00
1986
130.5
108.75
6723086
121.31
111.55 (1)
1987
137.4
114.50
6985756
126.05
110.09
1988
144
120.00
7035211
126.94
105.78
1989
153.8
128.17
7681276
138.60
108.14
1990
164.1
136.75
8125679
146.62
107.21
(1)
A)
IPQ,,g5 = IPC86/83 /
IPC, = ( 1 3 0 . 5 / 1 2 0 ) *100 = 1 0 8 . 7 5
121.31
(121.31/108.75)*100
111.55
43
EJERCICIO 3:
Se dispone de la siguiente informacin estadstica sobre el IPC
con base 1983 =100:
GRUPOS
Wi
-12.91/83
33.03
181.1
8.7
188.4
Vivienda
18.6
170.6
7.4
167.3
Servicios mdicos y
conservacin de la salud
2.4
178.2
Transportes y comunicaciones
14.4
166.5
Esparcimiento deporte y
cultura
6.96
171.0
Otros gastos
8.5
205.3
Vestido y calzado
Calcular:
l.-El ndice general de precios de consumo correspondiente a
diciembre de 1991.
2.-La repercusin y participacin de cada grupo en la variacin
del ndice general en diciembre de 1991 respecto al ao base.
SOLUCIN
E i^^o
1--
IPC,2. 91
i'
( 1 8 1 . 1 * 3 3 . 0 3 + 1 8 8 . 4 * 8 . 7 + 1 7 0 . 6 * 1 8 . 6 + 1 6 7 . 3 * 7 . 4 + 178.2
* 2 . 4 + 1 6 6 . 5 * 1 4 . 4 + 1 7 1 . 0 * 6 . 9 6 + 2 0 5 . 3 * 8 . 5 ) / 1 0 0 = 177.92
44
sera;
^i
i'l
^ _ A I ^ ^ (181.1-100)33.03 _ 26 7^70,
f
i
loo
-26.787%
'O
i-i
Rj = 7 . 7 2 6 %
R3 = 13.110%
R4 = 4 . 9 8 7 %
R5 = 1 . 8 6 9 %
R = 9 . 5 6 3 %
R7 = 4 . 9 4 2 %
Rg = 8 . 9 7 2 %
AI
12.91 = 177.92 - 100 = 77.92
3
J^Ri
= 11 .92
i'l
2-B)
general
es:
45
ndice
"
P, =
MPC
(25.787/77.92)
P2 =
9.92%
P3 =
16.82%
P4 =
100
= 34.38
6.4%
P5 = 2 . 4 %
P =
12.27%
P7 =
6.34%
Pg = 1 1 . 5 %
= 100
EP
EJERCICIO 4;
El siguiente cuadro muestra las ponderaciones de los 8 grupos de
gasto del IPC (base 1992=100)
GRUPOS
PONDERACIN EN%
29.4
Vestido y calzado
11.5
Vivienda
10.3
Menaje
6.7
3.1
Transporte y comunicaciones
16.5
Esparcimiento,enseanza y
cultura
7.3
15.3
46
SOLUCIN:
TPC
i,V/2
= -^'^
tw^\
=l
I'
GRUPOS
W'o
29.4
105
30.87
11.5
107
12.31
10.3
110
11.33
6.7
112
7.50
3.1
106
3.29
16.5
109
17.99
7.3
114
8.32
15.3
108
16.52
VPo*l'
IPC,/32 = 1 0 8 . 1 3
-Lli
= 12
100
i'l
47
= 108.13
Grupo
ndice /85
Alimentos
Vestidos
Vivienda
Menaje
S. mdicos
Transportes
Esparcimiento
Otros
130,2
128,0
120,1
130,0
121,7
119,3
125,4
135,2
Ponderacin
33,03
8,74
18,57
7,41
2,39
14,38
6,96
8,52
ndice /86
136,9
134,1
122,1
131,5
123,8
121,3
129,6
137,9
100
I85*wi
I86*wi
4300,506
1118,72
2230,257
963,3
290,863
1715,534
872,784
1151,904
4521,807
1172,034
2267,397
974,415
295,882
1744,294
902,016
1174,908
126,4387
130,5275
4,08885
Alimentos
Vestidos
Vivienda
Menaje
S mdicos
Transportes
Esparcimiento
Otros
6,7
6,1
2
1,5
2,1
2
4,2
2,7
Suma repercusiones
wi
33,03
8,74
18,57
7,41
2,39
14,38
6,96
8,52
Ri
Ri(%)
Participacin
Ri/lg85*100 R/Sum(R)
2,2130
0,5331
0,3714
0,1112
0,0502
0,2876
0,2923
0,2300
1,750263
0,421659
0,293739
0,087908
0,039695
0,227462
0,231195
0,181938
4,08885
3,23386
54,12 ms afectado
13,04
9,08
2,72
1,23 menos afectados
7,03
7,15
5,63
TEMA 7
%'
60
I. Conceptos fundamentales.
II. Definiciones de probabilidad.
III. Probabilidad condicional.
IV. Sucesos independientes,
V. Teorema de la probabilidad Total.
VI. Teorema de Bayes.
VII. Ejercicios resueltos.
I.
Conceptos fundcunentales.
resultados
del
experimento.
Por ejemplo, maana puede llover, salir el sol,
estar nublado, etc.... Al tirar una moneda al aire puede salir
cara o cruz.
22) Es imposible
de realizarlo.
saber el resultado
del experimento
antes
ser diferentes.
iniciales,
los
resultados
- Espacio muestral asociado a un experimento aleatorio (W).Es el conjunto de posibles resultados de un experimento
aleatorio. Por ejemplo, al tirar un dado al aire los posibles
resultados son las seis caras del dado: W={1, 2, 3, 4, 5, 6}.
Los tipos
(1)
1.000
C]
m
w^^^
\vf ?
2)
1^) V A e E ; P(A) 0.
(3)
2) P(W) = 1
3^) Para cualquier
sucesin
A {n=l, ...,) c
= P M ) ^ P{B)
-PAHB)
^^^
---
;.
;^"-^=*^--.--~w
" "
"
'
'
'
'
''
^-^TT-'.-'-"'""
Teorema 3:
Cuando A <= en B entonces
P(A) i P(B)
III.
Probabilidad condicional.Sean dos sucesos A y B, llamaremos probabilidad condicional a la
siguiente expresin:
PiA/B)
=I l A ^ .
con
P(B) > O
(7)
B)
= ^
(8)
^^^^^^
PB)
3/6
'V.r"
IV.
Sucesos independientes.- Se dice que dos sucesos A y B
son independientes si el hecho de que ocurra uno no influye sobre
la ocurrencia del otro:
PU/B)
= ^^tPj^
P(fl) > o
(10)
P\.B)
* P{B)
(11)
(1^)
= S?.iP(A_) *P{B/Ai)
"m
^ -
(15)
. . + (A/) ]
Si utilizamos la ecuacin de
probabilidad condicional y
despejamos las probabilidades de las intersecci
ones tenemos:
^ '^ ^
PA.)
'
(16)
despejando:
PBP^A^)
= P(B/A^)
(17)
* PA.)
P(B)
= P[(A,/B)P(A,)
- P(A,/B)P(A,)
^. . . ^ p(A,/B)
P{A^) ]
(^^)
P,.,/B, =
11SM^P^
(19)
VII.
Ejercicios resueltos:
132
147
279
Hombre
516
205
721
Total
648
352
1.000
hombre"
b) Hallar la probabilidad del suceso B- "El n . H H
de producto l (caro)".
^
eso B . El pedido es lnea
, ^. e) Demostrar que
independientes.
''"^
S.^
,---f
..
s
on,
no
son, sucesos
-^
' "'"
* "^
'
. ^:
f1
los apartados
. Soluciones:
'
1000
- X i ^ .^ ^
- 0,716
PA
0, 7^ 1
PATB)
Por lo tanto,
PADB)
= PA)
P(B/A)
= (-2L) ( i ) = o,5i6
1000 721
a) Ilustre el eierrir-ir, ^^
t
" "" diagrama de rbol
- '^--
-^
-.'
K^'-.s' .-
H-''
O^^B^ty^
'
- . V j;fft.
^^C?
^f^\
<
"
(0/30) * (1)
(0,30) * (1) ^ (u,70) * (0,60)" " '^2
12
^.SJ:<r~
D^s
P;)
<A
<naJ\wBAjAS.
P/ioSABlUDAD
~~
~ "
CARCAJIA
mre
^iij^B
SrtCrtV^ 1 CAR
2.2.
- 'A
2.
Z V Y ' T
- 1 <>) i . 2, 3 ^
^ 2- ^
A 2. ^Ti:
i^'-*/-^)
^'^'+)'
Z 2.'
J"*"'^'*)
)^/-^i^y
-j
)+.+,y
j-^.c^cf
f^
^^
3 URI^/AS.
a^otAs RAAS
-^ OCAS ROJAS
- a!
- C ;
y
y
^CA/I)
fp
V93
^c f
- ^'^6
5T
a.^
*^*^<^s
. . .
* . CALO; <A^
PCA"^
P^J
^.2-,3y
6
.)
PCA)=
PC8) -
f(o
y
^Pcz)+p(i^
i-^:^^
""---
:^^^-::^r.^.V-v^.^,;.^:
HSPoh4lEt^^S
"be
^Z'.
.'^-^r^
'-'-
''
3 URKAS.
;i BOCAS AOJAS
^ 'Bous ROJAS
BUWCA .
3 'ftLAWUtf.
-PA/R)
f(A/fO 5
P^A^. y^ft/A^
pA}.P(o^* P(e:).f(iv
( ^ ^ j ^ J ^ y#>/&-?/^
z Jtt-
^ tf'4
i93
L\
r
SfcU.
CARA
VOV O- "feoBte
i 'C-t) = 1
PC-h) =
? c O = ; ?Ci)
3
Qv/t CA >
-3
PA)
^<^6)
6 "
M..
6f
-^
CAR.TX ^
^(l>) r i
Af^lCA
v,^/A
BAftAiA
OoU&iv/t^
. i - - ^ 4 --4 -L^ i .
A L MA'NOr
\j(y/P OBsj^
T>e
Hi^z
'(ic)
ic)
A l*SAU.6. UNTO
CoKJ'OlCjuoVAtto
3 . " ^^ n A f A R *
= \ i , 2 , 3 , W, y , 6 \
?CA/6) =
fie; r
tf
14 i
?C A/ie)
^v
MMCA fbCO
t4
34
3f
v^
ti
<2oo
^M^CA
C) ;CvAt
Vez
V U .
1eNmft.A
dot
c>,x z
fY2oBABTL.T>A,>
y\MtMAT\CAS
.\t^%.
T,e <^we
auiM^CA,?
oy
^L
rn.^
MA^i^AS
A,,At^.Ai
AR-ncwcO , HAU^R.
LA
aN ex, Aft-ncuto
B - { Aten CAICO
t-V >AA<*ivNA
i^o^oew
RloS^fllLlOAi
sex "fccpccn/oso.
'^ef^cntose ^
A, a
^ C . %(t. 7A/7%
i^S
A^O^S
3
Vo
Jo
V Dos K / n i A S
y,
'
,LA^/'o
\A
1,2,3
?AAV\C
. Se SA8C
T_
PA<fcEViA ^AAc^Alu
"oe AR-ncutps osJS cA
OMJC LA
"DOBLE
Cor
AATVCA^COS F A ^ ^ V C ^ O O S
POR L A r
2,
)> 6wAL
6S
S LA 'PllOA%TU'bA^ 1> ? r t o K .
tt
f ( A ) 4 f ( A i > f(A|)
S PCAii ^ i
c
-Si
M^ A
1
?C Al) * A .
T(A) ?
>^.
'''H^-''>(^-HUi-o^^>o,.,
I
n2)
- i/v-
>/x
Ses
'^
T ei
fv\AS
P(<^.J8) s
A.tTD
Tie
l't
^^ *
) Ptay^T
^AI^TB/A;)^
PCAoTTcITt
VoW) -f^'v. 00 y;
y/
r 'i
TEMAS
aleatoria
discreta:
Funcin
de
1.2.3.- Variable
densidad.
aleatoria
continua:
Fiincin
de
P :
Conjunto de sucesos Si
Familia de sucesos.que cumplen una serie de
propiedades, clase aditiva y completa,Clase
aditiva o boreliana.
Funcin medida de valores entre Oyl.
: W
se le denomina VARIABLE
{ R,
B,
F' )
(c
(c,+ )
B'= { O, 1, 2 }
X(Ai)
P(Ai)
P' [X(Ai)]
(c,c)
1/4
(c,+)
1/4
( + ,c)
1/4
( + ,+)
1/4
P'(1) = 1/2
P' (0) = 1/4
-^g
aleatoria
queda
I.2.1.-Funcin de distribucin:
Sea X una variable aleatoria definida sobre el espacio { R,
B', P'} asociado al espacio probabilstico { W, B, P }, llamamos
FUNCIN DE DISTRIBUCIN de la variable aleatoria X a la funcin:
F(x) : E
X 6 R
como
> F{x)
^ P[X^x]
consecuencia:
x]
= 1 - F(x)
si
si
X (O
O X <1
3/4
1
si
si
1 ^ X <2
X ^2
F(x)
grficamente sera;
PROPIEDADES,
2.-
3.
entonces F(Xi)
<
F {^ ) , ya que
no exista cantidad
puede que en el intervalo x^-Xz
alguna de probabilidad.
El limite de la funcin de distribucin es la unidad,
por ser este el mximo valor de la probabilidad:
Lim
F(x) = 1
4. El
menor valor de la funcin de distribucin es O, por ser este el
menor valor de la probabilidad:
Lim
5.-
F{x)
- O
= Pi + Pa + + Px
i=l
para
i = l....n.
f(x) =
O
si Xi ?* X
V i= 1. . . .n.
"S^A
PROPIEDADES:
1. - Segn la definicin de la funcin de cuanta puede
establecerse que:
n
Ylf(x) = 1
1=1
Ya
que
la
cantidad de probabilidad total acumulada es la unidad
2.- Puede establecerse una relacin entre las funciones de
distribucin y de cuanta, segn lo que sigue:
r=l
para
r = 1, 2,.., r
Ejemplo;
10
La funcin de cuanta puede ser expresada en la tabla:
X
10
11
12
13
14
f (x)
1/20
1/20
2/20
3/20
3/20
3/20
3/20
2/20
1/20
15
1/20
f(x)
3/20
1/20
La funcin
siguientes:
de
7 8 9
10 11 12 13 14
distribucin
vendr
dada
por
los
valores
10
11
12
13
14
15
F(x)
1/20
2/20
4/20
7/20
10/20
13/20
16/20
18/20
19/20
11
F(x)
1
19/20
18/20
17/20
13/20
10/20
7/20
4/20
2/20
1/20
1
i
1
1
1
' 1 1'
1 1
6 7 8 9 10 11 12 13 14 15
1.2.3.-
1"-^
12
F{x) =f''f{x)dx;
V X eR
funcin
de
distribucin.
consecuentemente,se cumple:
f(x)
F(x)
dx
13
PROPIEDADES.
[''f{K)dx
= 1
[''f{K)dx
F(x) = P(X<x) =
= F{b)
- Fia)
= Pf(x)dx
P(X=x) = O
P(X<x) = P(Xx) = F(x)
;x<) = P{a<X^b)
= P{a^X<b)
'"f{x)dx
*' a
l-
14
Ejemplo.
Tenemos la siguiente funcin
f(x)
definida
entre
= Kx'
O y 1,
ambos
inclusive.
Jo
lt,^2^
f^kx^dx
Jo
=1
_
i,^ T 1 - ^
= r[k]
3
3
3
por lo
tanto
K =3
La . funcin
siguiente:
f 3x^
LO
de distribucin
si O < X 1
resto
la determinamos
pSx^dx = [x^]^ = X
JO
-3
cumple
que
F(x) =
dx
f{x)
de la forma
;."-!
15
O
x^
SI
si
si
x<0
0
xl
X>1
PROBLEMAS CAPITULO I
discreta
( a= 2,3,4,
que
tiene
como
11)
pide:
Funcin de distribucin.
P(x 7)
P(x=5)
P(3=x=8)
Soluciones:
a) F(x)= P(x=x)=
P(x=a) = (x-l)/10
b) P(x 7)=P(x=8)+P{x=9)+P(x=10)+P(x=ll)=4/10=l-P(x=7)=l-F{7)
1-(7-l)/lO = 4/10
c) P(x=5)=F(5)=(5-l)/lO=4/lO
d) P(3=x=8)=F(8)-F(3)= (8-l)/l0 -(3-l)/l0 = 5/10
s\
K*x
para
2=x=4
Se pide:
a) Hallar K para que f(x), sea funcin de densidad
b) Hallar la funcin de distribucin F(x).
Soluciones:
a)
1 =
b)
F(x)=
f(x)dx =
Kxdx= KxV2
f{x)dx =
= K( 1 6 / 2 - 4 / 2 ) = 6K
x / 6 dx = 1/6 x V 2
(x='-4)/l2
K=l/6
para
0=x=lO
Se pide:
- Hallar K, para que f (x) sea funcin de densidad. Representarla
- Hallar la funcin de distribucin. Representarla.
- Hallar P(x=l).
- Probabilidad de acertar en la diana.
f (x) =
0
mx
-m(x-4)
0
para
para
para
para
(-oo=x=0)
(0 x=2)
(2=x=4)
(X 4)
TI
%^
TEMA
Preguntas de test:
1.-
La funcin:
f(x)= 2+x , a partir de que valor de x, puede
ser una funcin de densidad.
a)
b)
c)
d)
2.-
d)
5.-
valor 0.
una funcin de densidad.
valor 2.
valor -2.
4.-
del
ser
del
del
3.-
A partir
No puede
A partir
A partir
A la unidad.
Mayor que O.7
A cero.
Entre O y l.
Cuanto ha de valer
valida entre 1 y 3,
a)
La unidad
b)
1/80
1/3
d)
1/20
'&.a
^rq
6.-
8.-
9.-
7xV3 +4
7xV2 +4x
7
11
10.- La
a)
b)
c)
d)
Siempre continua.
Siempre no descendente.
Siempre constante.
Uniforme.
F(-5),es:
Siempre
Siempre
Depende
Depende
negativa.
superior a la unidad.
si la variable es discreta o continua.
del campo de variacin de la variable.
TEMA 9
f..
/*
TEMA II:
II.1.-
VARIABLES ALEATORIAS
Variable
II.1.1.-
Introduccin
II.1.2.-
Definicin
II.1.3.II.2.-
aleatoria
BI-DIMENSIONALES.
bi-dimensional.
Clasificacin
Clasificacin
Caracterizacin
bidimensional
II.2.1.Funcin de
de
una
variable
aleatoria
distribucin
II.2.2.-
Variable
cuanta.
aleatoria
discreta:
Funcin
de
II.2.3.-
Variable
densidad.
aleatoria
continua:
Funcin
de
II.3.-
Distribuciones
marginales.
II.4.-
Distribuciones
condicionadas.
II.5.-
Dependencia e independencia
estadstica.
II.1
II.1.1.- INTRODUCCIN
A veces, la informacin sobre el experimento aleatorio
que
se resume en el espacio de probabilidad
construido
con una
variable aleatoria
es insuficiente
para el estudio de algunos
sucesos de inters
que se relacionan
con varias
cantidades
numricas.
Por ejemplo: si queremos estudiar
la relacin
existente
entre la temperatura y la cantidad de agua de lluvia obtenida en
un determinado da del ao, vemos que el suceso "un da extrado
al azar dio como resultado una temperatura de 35 grados y una
cantidad de lluvia obtenida de O litros"
no puede
expresarse
mediante un subconjunto de R.
En este
caso es necesario
considerar
dos
variables
aleatorias,
una para la temperatura y otra para la cantidad de
lluvia, que generarn un espacio de probabilidad
en R^.
Por ello vemos que, en ocasiones,
es preciso
espacios con ms de una dimensin (en general R") .
recurrir a
II.1.2.- DEFINICIN
Para expresar correctamente ciertos sucesos relacionados con
experimentos
aleatorios
como subconjuntos
de los nmeros
reales, es necesario recurrir a aplicaciones
que transformen los
resultados de un espacio muestral w en puntos del espacio R", es
decir,
es necesario
utilizar
variables
aleatorias
con n
componentes,
que
tambin
pueden
denominarse
"vectores
aleatorios".
Vamos a centrarnos,
los vectores aleatorios
Definicin
en primer lugar,
bidimensionales.
para simplificar,
en
formal:
Si X e Y son variables
aleatorias
en R sobre el par {OJ,6},
entonces Z=(X,Y) es una variable aleatoria en R^ sobre el par
{w,6} vector aleatorio
bidimensional.
Es decir, sea (u,6) un espacio probabilizable
y sean X e Y
dos variables aleatorias
tales que:
X: U
- R
A e (j - X(A)
entonces
Y:
e R
Z-.--(.Xr
(A,C)
II.1.3.-
OJ
-^
C e cj ^ Y(C)
:
OJ -^
e R
R^
e R'
CLASIFICACIN
Al igual
que para las
para las bidimensionales
A.-Variables
variables
tenemos
aleatorias
aleatorias
unidimensionales,
tambin que distinguir
entre:
bidimensionales
discretas:
aleatorias
bidimensionales
continuas:
bidimensional
valores
posibles
dentro
Nota: un tercer
caso sera
una variable
aleatoria
bidimensional
compuesta
por una variable
aleatoria
discreta
y otra continua,
sin embargo no lo
trataremos
como caso aparte,
al ser fcilmente
deducible
a partir
de
los casos A y B.
II. 2.-
CARACTERIZACIN
BIDIMENSIONAL.
DE
UNA
VARIABLE
ALEATORIA
II.2.1.-
FUNCIN DE DISTRIBUCIN
II.2.1.1.-
DEFINICIN
aleatoria
bidimensional
(X, Y),
denominamos
de dicha variable
a la funcin
definida
en R
siguiente:
F(x,y)=P(X
Grficamente
sta
s X ,Y y)
funcin
representa:
(x,y)
-,
<-
la probabilidad
de la regin
II.2.1.2.Entre
otras,
A.
PROPIEDADES
podemos
l.-Para
cualquier
(x,y)
6 R^ ;
2 . -F (x,y)
-Si x^
-Si y^
-Si x^
Yi
<
<
<
<
es
X2
y2
X2
2
destacar:
punto
(x,y)
tal
O s F(x,y)
s I
montona
/entonces
/entonces
/entonces
creciente,
F(x^,y)
F(x,yJ
F(x^,yx)
que:
es
decir:
s F(x2,y)
(Para todo y e R)
s F(x,y2)
(Para todo x e R)
s F(X2,y2)
3. -El
Lim F(x,y)=
X-*oo
y-x
4.-El
Lim
F(x,y)=
X--oo
y--00
11.2. 2.-
FUNCIN DE CUANTA.
= y,.;
decir:
Pij'(x,y)
R'
^ R
e R' -* Pij= P(X = x^/Y
= yj)
e R
Propiedades:
l.-La
suma de todas
es igual
al.
las
probabilidades
k
del
espacio
muestral
2=1 J=l
2.-Toda
es
probabilidad
es mayor o igual
p^jiO
^ix^.y^)
cero.
decir:
Pij=P{X = x^iY
A partir
de esta
de doble entrada
toma la variable
= yj)iO
funcin
de probabilidad
obtenemos
una
formada por todos los pares de valores
junto
con su probabilidad
asociada:
tabla
que
Yp
p(x,)
Pl3
Plp
P(x^)
P22
P23
P2P
p(xj
Pll
P32
P33
P^P
p(x,)
^k
Pkl
Pk2
Pk3
Pkp
Pi^k)
p(yi)
p(yi)
P(y2)
piYs)
X \ Y
Yi
Y2
Pll
Pl2
^2
P2X
^3
^1
B.-Funcin
Yi
de distribucin
P(Yp)
conjunta:
Es una aplicacin
de R^ en R tal que a cada elemento
(x,y)
e R^ se le hace corresponder
una F(x,y)
que es la suma de los
valores que toma la funcin de probabilidad
en los puntos
(x,y)
que verifiquen
que:X ^ X
, Y ^
F(x,y)=P(
Es
decir:
F (x, y) : R^
(x,'y) e R'
Esta expresin
probabilidad
II.2.3.-
X s x ; Y s y )
-* R
^ F(x,y)=
puede obtenerse
conjunta:
P(X s x ; Y <. y ) e R
a travs
de la funcin
de
Es una aplicacin
de R^ en R tal que a cada elemento
e R^ se le hace corresponder
una F(x,y) que es:
(x,y)
F(x,y)=
rf{x,y)dxdy
P
J -00 J -OO
donde f{x,y)
es la funcin
Es decir:
F(x,y)
(x,y)
de densidad
: R^
R^
de probabilidad
-^ R .
-^ F(x,y)
conjunta
e R
Propiedades:
La
satisface:
1.-
funcin
F(x,y)
de
distribucin
2 O
(Para
todo
(x,y)
de la funcin
OO
F(x,y)
e R^)
en todo el espacio
muestral
/*00
f{x,y)dxdy=l
B.-Funcin de densidad
Se define
como:
donde f(x,y)
de distribucin
conjunta
de probabilidades
f (x, y) : R^
-^ R
(x,y)
-^ f(x,y)
e R^
e R
es la derivada
con respecto
; es
decir:
d'F{x,y)
dxdy
conjuntas:
a x e y de la
funcin
_^,
)
^^""'^^
EJEMPLO 1:
Supongamos
el experimento
reemplazamiento
de una urna
verdes.
Definimos
las variables
consistente
que contiene
aleatorias
en tomar
3 bolas
discretas
2 bolas
con
azules
y 2
siguientes:
* X=i
O
I I
si
la primera
bola
"
extrada
es
azul.
verde.
* Y=i
I
si
la
bola
"
extrada
es
azul.
verde.
O
1
segunda
Calcular:
1. - La distribucin
2.- Funcin
de
de probabilidad
distribucin.
de la variable
(X, Y) .
RESOLUCIN:
1. - El espacio
6J= { (A,A) (A,V)
(X,Y)
(X, Y)
(X,Y)
(X, Y)
Por
(A,A)
(A,V)
(V,A)
(V,V)
=
=
=
=
mues'tral
del experimento
(V,A) (V,V) }
[(
[(
[(
[(
X(A,A)
X(A,V)
X(V,A)
X(V,V)
Y(A,A)]
Y(A,V)]
Y(V,A)]
Y(V,V)]
=
=
=
=
(0,0)
(0,1)
(1,0)
(1,1)
tanto.
P(
P(
P(
P(
X=0;
X=0;
X=l;
X=l;
Distribucin
Y \ X
Y=0)=
Y=l)=
Y=0)=
Y=l)=
P(A,A)
P(A,V)
P(V,A)
P(V,V)
de
probabilidad:
=
(3/5)*(3/5)=9/25
=
(3/5)*(2/5)=6/25
=
(2/5)*(3/5)=6/25
= (2/5)*
(2/5)=4/25
p(y,)
0-
9/25
6/25
15/25
6/25
4/25
10/25
15/25
10/25
Funcin
de
p(xj
2.-
distribucin:
0
y < 0
X
9/25
F(x,y)
<
0 s X < 1
0 s y < i
I s
2 s y
es.
EJEMPLO 2:
Sea (X,Y) una variable
funcin
de
densidad:
f(x,y)
Ix+y
I n
la
funcin
de
hallar
aleatoria
bidimensional
RESOLUCIN:
F{x,y)=f''
f^ f{x,y)djcdy=f''
^ ix+y)
J -00 J -00
=f "
Jo
de
F(x) =
dxdy-
JQ
[Ux*y)dy]dx=[''[xy+^]^
Jo
Jo
Jo
Funcin
JQ
dx=
distribucin.
(x'y)/2
+(y^x)/2
-x
-y
sO
sO
O
O
< x < 1
< y < 1
- I
- I
s X
s y
continua
con
EJEMPLO 3:
Sea (X, Y) una variable
funcin
de
densidad:
f(x,y)=
aleatoria
Il/3(4yx+2)
'O
comprobar
bi dimensional
que f(x,y)
O s x s
restantes
continua
I; O s y s
con
valores
es una funcin
de
densidad.
RESOLUCIN
Para que una funcin
sea
/
-oo
Por
funcin
de densidad
f{x,y)dxdy=l
J oo
tanto:
r
r f[x,y)dxdy=^
J -a
J -oo
f^^
{4yx+2)
^ r [iZ!.2y]J dx=iri2x
3 Jo
dxdy=
JO JO 3
3Jo
. 2)dx-
debe
cumplir:
II.3.-
DISTRIBUCIONES MARGINALES
A partir
bidimensional,
caractersticas
de una distribucin
de una determinada
puede
interesarnos
estudiar
cada una
que la componen por
separado.
Es decir,
(X,Y) conocer
separado.
conociendo
la distribucin
conjunta
las distribuciones
unidimensionales
II. 3.1.-
VARIABLES ALEATORIAS
Pl3
Plp
p(x,)
P22
P23-
P2P
p(x,)
P31
P32
P33
P3P
p(x,)
Pkl
Pk2
Pk3
Pkp
P(^J
p(y2)
P(y3)
Pll
P12
^2
P21
^3
^k
p(yi)
PROBABILIDADES
1.-
discreta,con
P(X:)
p(yj)
bidimensional
Yp
Yi
Xi
de la
variable
de X e Y por
DISCRETAS
variable
de
las
73
P(yp)
MARGINALES.
De
X:
i=l,2,
P(^^=EPJ
2.-De
. . . ,k
Y:
p(yj^=I^Pij
j=i,2,...,p
i'l
11
DISTRIBUCIN
X
MARGINAL DE X
p(xj
X,
P(Xi)
X2
9(^2)
Xv
P(Xi)
x,
p (x)
E = I
Por tanto
la distribucin
marginal
de X no es ms que
una
distribucin
cuyas
modalidades
son las modalidades
de X y
cuyas
probabilidades
son las probabilidades
totales
de X.
DISTRIBUCIN
MARGINAL DE Y
p(yj)
Vi
p(yi)
y2
p (72)
Yj
PiYj)
y.
p (Yp)
L = 1
La distribucin
marginal
de Y, anlogamente,
ser
aquella
distribucin
cuyas
modalidades
son las modalidades
de Y y
cuyas
probabilidades
son las probabilidades
totales
de Y.
De igual
forma,cuando
la variable
aleatoria
bidimensional
es
continua,podemos
obtener
sus distribuciones
marginales,
con
la
diferencia
de que,
en este
caso,
las
modalidades
de
ambas
distribuciones
sern
tambin,
obviamente,
de tipo
continuo.
12
FUNCIONES DE DISTRIBUCIN
1.-
MARGINALES
(VAR. ALEAT.
DISCRETAS)
De X:
F, (x) =P(X x;Y < oc) = J^p
(x.)
KiSX
2. - De Y:
F2 (y) =P(X < oo;Y y)=J^p
(y.)
(VAR. ALEAT.
CONTINUAS)
De X:
fjx} = fj(x,y)dy
2.-
De Y:
f,(y)=ff(x,y)dx
FUNCIONES
DE DISTRIBUCIN
1.-
MARGINALES
(VAR. ALEAT.
De X:
F,(x) = r f f(x,y)dxdy=rf,(x)dx
J 00 J co
2.-
J 00
De Y:
13
CONTINUAS)
II.4.-
DISTRIBUCIONES
CONDICIONADAS
.VARIABLES ALEATORIAS
Sea
(X, Y)
distribucin
DISCRETAS
una variablealeatoria
bidimensional
de probabilidad
p^^- (i= 1,2, . . .,k)
(j=l, 2, . . . ,p)
y con distribuciones
discreta
con
marginales:
p ^yj^
La probabilidad
ser:
condicionada
P (x^/vj)
=EPij
i'l
del
condicionada
P (yj/x^)
del
De las anteriores
expresiones
siguientes
tablas:
p(x,/yj)
X-
p(Xi/yj)
X,
p(x./y.)
valor
de Y=y^
de X=x^
_ p^j
p(y^)
valor
=P (Y=yj/X=x^) ^
P(X=x^;Y=yj)
P(X=x^)
X=x^ al
=P (X=x^/Y=yj)
P(X=X^;Y=yj)
P(Y=yj)La probabilidad
ser:
valor
pxjy,)
L = 1
14
_ p^j
p(x^)
podemos
obtener
las
p(x,/y,)=l
1=1
P(yj/Xi)
y.
p(yi/^i)
py^/x,)
^2
p(yj/xj
Yp
p(yp/Xi)
E
= 1
1j;;p(y/x,)=i
3=1
FUNCIONES
DE DISTRIBUCIN
CONDICIONADAS
1. - De X:
F(x/y)=J^p(x,/yj)
2.-
De Y:
F(y/x)=^p(y/x,)
Yi^y
15
(VAR. ALEAT.
DISCRETAS)
FUNCIONES DE DENSIDAD
1.-
De
CONDICIONADAS
(VAR.
ALEAT.
CONTINUAS)
X:
fU/y)=l(^=ll^
De
2 (y)
dy
f_j (x)
Y:
FUNCIONES DE DISTRIBUCIN
1.-
dx
De
(VAR.
ALEAT.CONTINUAS)
X:
F(x/y)
2 . - De
CONDICIONADAS
=P(X x/Y
= y)
=L2iyL
F^iy)
=P (Y ^ y/X
= X)
= 4 r ^
Y:
F (y/x)
F^ (X)
16
EJEMPLO
5:
MARGINAL
DE
P(X=x,)=p(x,)
15/25
10/25
E =
2.-DISTRIBUCIN
Y
25/25=1
MARGINAL DE Y:
P(Y=y^)=p(y^)
15/25
10/25
L -
3 . -DISTRIBUCIN
X:
25/25=1
DE x^ CONDICIONADA A y^ = l
P(X=0/Y=1)
= P(^=0;y=l)
P(Y=1)
p (x=i/Y=i) =I2LllXzll
P(Y=1)
P(^i/yi)
6/10
4/10
E =
10/10=1
17
=AZ25_ .^/,,
10/25
=A^
10/25
=4/1 o
distribuciones
y=l.
EJEMPLO 6:
Con los
datos
l.-Las
2.-Las
3.-Las
4.-Las
del
ejemplo
funciones
funciones
funciones
funciones
de
de
de
de
hallar:
densidad
distribucin
densidad
distribucin
marginales.
marginales.
condicionadas.
condicionadas.
RESOLUCIN
1.-FUNCIONES
A.-De
DE DENSIDAD MARGINALES
X:
f, {x) = f (X, y) dy= / (x+y) dy= [xy+^ ] I =x+l
'-"'
Jo
2
2
B.-De
Y:
^2 (y)=
f (^'y}dx=
J -oo
t (x+y)dx= [^
+yx] =
JQ
.1 .y
2
2.-FUNCIONES
A.-De X:
DE DISTRIBUCIN MARGINALES
F,(x) = r
J
r f (x, y) dxdy=rf,
oo J JO
(x) dx
J oo
.2;=J;x.^Jdx-f^^^x;f-|.|
B. -De Y:'
. (Y) = lfjY)dY=r(^-}:)dY-[^i^-^]^o=^-^
f (x/y) = ^ ^ - 4 ^
2 ^
18
B.-De
Y condicionada
a x:
4.-FUNCIONES
A.-De
DE DISTRIBUCIN CONDICIONADAS
X condicionada
a y:
F ix/y:) = E(x,Y) _
.rzi
B.-De Y condicionada
X^y^ ^ if^X
2
2 _ x^+yx
I+Z
a x:
s'y: ^ z^x
2
2
x^ + x
2
2
E/.>^<^.
_ xiT+iT^
x+I
EJEMPLO 7:
Consideremos
el experimento
consistente
en lanzar una moneda
dos veces.
Calcular
las funciones
de distribucin
marginales
con si derando :
X=(n total
de caras obtenidas
en los 2
lanzamientos}
Y=(n de caras obtenidas
en el I*""
lanzamiento}
RESOLUCIN
El 'espacio
muestral
del experimento
{(c,c)
(c,+)
(+,c)
(+,+)}
(X,Y)
(X,Y)
(X,Y)
(X, Y)
[c,c]
[c,+]
[^,c]
[+,+]
=[
X(c,c)
= [ X(c, +)
= [ X( + ,c)
= [ X(+,+)
X \ Y
1/4
1/4
-
piYi)
Y ice)
] = (2,1)
Y(c,+)
]=(1,1)
Y( + ,C) ] = (1,0)
Y( + ,+) ] = (0,0)
2/4
ser:
p(xj
1/4
1/4
2/4
1/4
1/4
2/4
19
DISTRIBUCIN
MARGINAL DE X
X
p(Xi)
1/4
1/2
1/4
E
DISTRIBUCIN
MARGINAL DE Y
Y
p(y^)
1/2
1/2
L = 1
FUNCIONES
1. - De
2 . - De
DE DISTRIBUCIN
MARGINALES
X:
X < O
F, (x) =0
0 ^ X < 1
F, (x) =1/4
1 s, X < 2
F, (x) =3/4
(1/4 + 1/2)
X 2 2
F, (x) =1
(3/4
+1/4)
y < O
F,(y)=0
O <. y < 1
F, (y) =1/2
y 2 1
F, (y) =1
(1/2
+1/2)
Y:
20
II.5.-
DEPENDENCIA E
INDEPENDENCIA ESTADSTICA
con funcin
de
funciones
de
decimos
que
si y slo
si:
V (x, y) eR'
tambin:
1.-Variables
aleatorias
discretas:
i i =P (X=x,;Y=y^) =p (X,) *Q (y^)
V (x,,y^)
2.-Variables
aleatorias
continuas:
parte,
si
dos variables
*. - p(x^/yj)
p(xj
p(yj)
aleatorias
*. - f
*. -
(x/y)
(y/x)
V (x, y) eR'
son independientes,
*' - P(yj/Xi)
Para variables
Para
distribucin
distribucin
X e Y son
se
cumple:
continuas:
=
=
f,(x)
f^y)
(x/y) =
(y/x) =
F,(x)
F,(y)
ambas:
* . -F
*. - F
EJEMPLO
8:
Dada la siguiente
distribucin
de probabilidad
de la
variable aleatoria
bidimensional
(X,Y), estudiar la
existencia
de dependencia o no entre dichas
variables.
X/Y
4/12
2/12
1/12
. 1/12
10
1/12
3/12
21
RESOLUCIN
DISTRIBUCIN MARGINAL DE X
X
p(Xi)
(1)
6/12
(2)
2/12
(3)
10
4/12
E = 1
(1)
(2)
(3)
P(2,l)
+ P(2,2)=
4/12 + 2/12=
6/12
P(8,l)
+ P(8,2)=
1/12 + 1/12 = 2/12
P(10,l)+
P(10,2)=
1/12 + 3/12=
4/12
DISTRIBUCIN MARGINAL DE Y
p(y,)
(1)
6/12
(2)
6/12
E = 1
(1)P(2,1)
(2)P(2,2)
+ P(8,l)
+ P(8,2)
+ P(10,l)
=4/12
+ P(10,2)=2/12
+ 1/12
+ 1/12
+ 1/12=
+ 3/12=
6/12
6/12
CONDICIN DE INDEPENDENCIA:
P (K=x, ;Y=Y:^) =P (X=Xi) *P (Y=^)
Vi, j
Las variables
/ 1
X e Y no son
36
36
_1
independientes.
22
EJEMPLO 9:
A partir
de la
siguiente
funcin
4xy
f(x,y)=
de
densidad:
restantes
valores
hallar
todas las funciones
marginales
y condicionadas
la posible
dependencia
entre
las variables
X e Y.
RESOLUCIN
1.-Funciones
A. -De X:
de densidad
marginales:
1(2^)=
(x,y:)dy:=
4xYdy=
= [fl]i=2x
B.-De
Y:
f2(y)= f f(x,y)dx=
2.-Funciones
A.-De X:
de distribucin
F, (x) =fj,
B.-De
t4xydx=^^]'o=2y
Jo
J -a
marginales.
^^2
(x)dx=2xdx=[^]''o=x
Y:
dy=f^2ydy=[^]^o=y
condicionadas:
a y:
f(x/y)=(l^=^=2x
B.-De
Y condicionada
a x:
23
estudiar
4.-Funciones
de distribucin
condicionadas:
,2
Jo
Jo
A.-De X condicionada
Jo
Jo
12xy'dx=[i^S!l]-=x^y2
2
a y:
F(x/y)=K(^=^=x^
B.-De Y condicionada
a x:
F(x/y)=lliXL=^=W
- - ^-
E, (y)
X'
CONDICIN DE INDEPENDENCIA:
f (X, y) =f, (X) *f, (y)
2x
por tanto,
* 2y
las variables
V (X, y) eR^
4xy
X e Y son
24
independientes.
TEMA II.
EJERCICIOS PROPUESTOS
aleatoria
Ix+y
bidimensional
continua
Se pideconstruir:
a)
Las funciones
de densidad
marginales
y condicionadas
y de Y.
b)
Las funciones
de distribucin
marginales
y condicionadas
X y de Y.
c)
Calcular
P(X<0.2 , Y<0.6)
2.Sea (X,Y) una variable
funcin
de
densidad:
f(x,y)=
Se
a)
b)
c)
d)
aleatoria
Il/3(4yx+2)
bidimensional
continua
de X
de
con
O s x s 1; O s y s 1
'O
restantes
valores
pide:
Calcular
las
funciones
de
densidad
condicionadas
de X y de Y.
Calcular
las
funciones
de
distribucin
condicionadas
de X y de Y.
Comprobar la independencia
entre ambas
Calcular
P(X<0.1 , Y<0.7)
con
aleatoria
marginales
marginales
y
y
variables.
bidimensional
Ix/2
O < y < 4 ; O < x < 1
'O
resto
de
valores
la funcin
de distribucin
conjunta,
y las
y distribucin
marginales
de X y de Y.
continua
con
funciones
de
f(x,y)=
Calcular
densidad
4.Dada la
siguiente
distribucin
de probabilidad
de
variable
aleatoria
bidimensional
(X,Y),
construir
distribuciones
marginales
de
X y
de
Y,
as
como
distribuciones
condicionadas
de X/y=2 y de Y/x=8.
X /
4/12
2/12
1/12
1/12
10
1/12
3/12
5. - Sean X e Y variables
aleatorias
funcin de densidad
conjunta:
f(x,y)
y
a)
b)
la
las
las
continuas
con la
siguiente
= k'X-( x + y ) para 0<x<l
0<y<l
Calclese
el valor
de k y
marginales
de X y de Y.
Calcular
P(X<0.5 ,
Y<0.5).
las - funciones
de
densidad.
Ix+y
' O
aleatoria
Se pide
construir:
a)
Las funciones de densidad marginales y condicionadas de X
y de Y.
b)
Las funciones de distribucin marginales y condicionadas de
X y de Y.
c)
Calcular P(X<0.2 , Y<0.6)
a.j)
I i
X-h ^
^l^x
hh
/
7^,^'/,^7'- 4i
^^^cUccJvi^c/^ y
^Vz + ^^V,
-^/^
-^ ^(x^^.^;
^^O.Q)
'/2 X
F(o.2^o.G)-_
^^^ 0^^ ^
2
O.^'o,2 _
Vfi^l
Se
a)
b)
c)
d)
aleatoria
Il/3(4yx+2)
bidimensional
O s x s 1;
'O
reatantes
valores
pide:
Calcular
las
funciones
de
densidad
condicionadas
de X y de Y.
Calcular
las
funciones
de distribucin
condicionadas
de X y de Y.
Comprobar la independencia
entre ambas
Calcular P(X<0.1 , Y<0.7)
continua
con
O s y s l
marginales
marginales
y
y
variables.
'o
a.2) juuuO^\JuJiI) ck Y
OO
-i
L !
"^
-7 x
-h h X
'^"i^y^'^^^dW^'3^ (Xn2l-(^)
-/^/.7
y-^J
^y
ur^cLu^c^c^ Jj/^
a a
f
y;
'>
.^d
l'(x^oA^
r
Y^^^) ^
2. I co.^/(^o.'(J^
F(0A - 0.^) ^
0.^)(:0.1)
- 0,0^ ? 3
aleatoria
bidimensional
continua
con
f(x,y)=>
Ix/2
O< y < 4 ; O< x < 1
'O
resto de valores
Calcular la funcin de distribucin conjunta, y las funciones de
densidad y distribucin marginales de X y de Y.
Rx^J-J
j^c>ci^)cU u -
/ /
J^cUcU^r
i.
. siguiente
distribucin
de probabilidad
de la
variable
aleatoria
bidimensional
(X,Y)
construir
i.
yv de
Y, construir
as
distribuciones
marginales
de
X
d
las
las
como
distribuciones
condicionadas de X/y=2 y de Y/x=8.
'
ii
X / Y
4/12
2/12
1/12
1/12
10
1/12
3/12
ij ^'^tU'^iMyCCrneJ
UUk^tuJ^JL^
J,
P-l
/^
iO
^//2 ^//Z y i 2
a.z) R'j
Y
-2
T^
-/
f)2
h.2)
e
?
'/iz
lo
M2.
2
)2
A.
12
Calclese
marginales
b)
Calcular
el valor de k y
de X y de Y.
P(X<0.5
continuas con la
siguiente
= k-x-( x + y ) para 0<x<l
las
funciones
/~ 3 ~ 'O
3 ^
ciS
k: - /12
\d^= j^ U^)(^'^^^^^\^^d^
-
Cx^u^ i-
densidad,
Y<Q.S)
oc
de
^ ICJ X^^^
:2^
11 T v ^ V ^i
^ lf-lj<%'^
-^o
)C-y ^ ^ l/^y ^2
l l
^ ^ . . (xv,,.?
<?
FiX-x;Y-y)-^4^^
7 X
3x^+y
fix.y)
4 ix+y)
O
0<x<0''5
0<y<0'7 5
' 0'5<x<l
si
,0^7 5<y<l
Resto
si
para el resto
Determinar:
- La probabilidad del suceso (X^ < 2 ; Xj < 1)
- La distribucin de probabilidad marginal de ambas variables
aleatorias.
- Si ambas variables son o no independientes.
5.- Dada la variable aleatoria (X^, Xj) cuya distribucin de
probabilidad conjunta viene definida por la funcin de densidad
conjunta:
fix,
y) =xye
fix.y)
=0
para
paia
0x ; O^y
el
resto
Determinar:
- La probabilidad del suceso (Xi < 3, Xj < 1)
- La 'distribucin de probabilidad marginal de ambas variables
aleatorias.
- Estudiar si ambas variables aleatorias son o no independientes.
a)
F{x,y)=F^{x)
*F^{y)
b)
F{x,y)=F^{x)+F^(y)
c)
f{x/y)
d)
p{y^/x^)
=f.^{y)
=p^(x^}
\f{x,y)e^'^
V(x,y)e3l2
en variable
en variable
continua
discreta
6.- Una variable aleatoria bidimensional continua tiene la siguiente funcin de densidad
conjunta f(x,y) = 4xy para valores de X (0,1) y valores de Y (0,1) tiene la siguiente funcin
de densidad marginal de X:
a)
b)
c)
d)
f (x) = 4-y
f(x)=5-x
f(x)=2-x
ninguna de las anteriores
7.- Una variable aleatoria continua tiene la siguinete funcin de densidad conjunta f(x,y) =
k(2y + 3x^) para X e Y comprendidos entre (0.1), y por tanto tiene la siguiente funcin de
densidad marginal de Y:
a)
b)
c)
d)
f (y) = k-2y
f(y)=k:x'
f (y) = X + y
ninguna de las anteriores
a)
b)
p{x^)
c)
pix^)
d)
XiiX
c)
d)
a)
b)
c)
d)
de
una
variable
aleatoria
10 . - La
condicin
de que
independientes se verifica si:
dos
variables
F{x/y)=F^{x)
aleatorias
son
TEMA 10
TEMA 3
Para
variables
aleatorias,
los
trminos
"valor
variables
aleatorias
se
suele
utilizar
el
trmino
de
DEFINICIN;
Dada una variable aleatoria X y una funcin g de dicha
variable
aleatoria, se define
la esperanza matemtica
y se
A.-Discretas:
= gix^) P(X=x^)
B.-Continuas:
EgiX)]
=f'^g(x)f{x}dx
^g^iX)] =E[g^{X)]
^Eig^iX)]
] =K*E[g(X) ]
CASOS CONCRETOS;
CASO
B.Continuas:
-EX]= xfix) dx
EJEMPLO 1;
Dada la variable aleatoria X y su distribucin de probabilidad,
hallar la esperanza matemtica:
10
12
3/12
1/12
1/12
2/12
1/12
3/12
1/12
Xi
p(>i)
RESOLUCIN;
E[X]
=J2P^^^^"
_L*l+2* + 4 * + 6 * + 8 * + 1 0 * + 1 2 * = = 5 . 9
12
12
12
12
12
12
12 12
EJEMPLO 2;
Dada una variable aleatoria continua cuya funcin de densidad
viene dada por:
f(x) =
X < O
1/2X
O < X < 2
X > 2
\i=E[X]
^rxf{x)dx=(\*{^)dx-J -m
JQ
_8
6
=[X-E{X}]^=[X-VL]^
A.-Discretas:
='p(x,)xj-[E{X)]^.
B.-Continuas:
=j'jc^{x)db<-[E(X)]^
B'. -Continuas:
o = +/^=+. j ' {x-\i)^f{x)
dx
PROPIEDADES DE LA VAAIANZA:
1.- Sea X una variable aleatoria y K una constante;
2.-
EJEMPLO 3
calcular la a^ de la siguiente distribucin:
0.25
0.50
0.25
2 = 1
RESOLUCIN:
Xi
P(X,)
XiP(Xi)
Xi-E(X)
[Xi-E(X)]^
0.25
0.25
-1
0.25
0.50
0.25
0.75
0.25
[x-E{X)]-'p(Xi)
0.50
a^=0.50
EJEMPLO 4;
Dada la variable aleatoria X con funcin de densidad;
O
f (x) =
calcular la varianza.
X < o
1/10
o < X < 10
X > 10
RESOLUCIN;
J -09
3 . 2 . 1 . V A R I A B L E S ALEATORIAS DISCRETAS:
Definimos
el
denotamos p o r :
a^=E[xn
=Y^p{x^)x
i
r=0
a,=[X]=p(x^)x=p(x,)=l
i
r =l
a^=E[X]=Yp{Xi)Xi
i
r=2
a,=E[X']='^piXi)x
r =0
mQ=E[X-E(X)] =
=Ypix^)
[x^-EiX)]'
i,
i
m^=E[X-E{X)]^ =
r=l
i
=Y,p{x^)
XrE(X)Y,Px^)
=E{X) -EiX) =0
r=2
m2=E[X-E(X)]^ =
=Y.pU^)
[x^-E{X)]^ =
^Y^pix^)
[xj-2E(X)x^^EiX)^]
= a2-2o^^o=a2-a^
a^=EX''] =f''j<f(x)
dx=f'f{x)
a^=E[X] =j'
xf{x)dx
a^^EiX^] =r
x^f{x)dx
cbc=l
J -00
B.- Momentos
(b=E(X)).
m^=E[X-E{X) ]'
/7?o
dx=l
J -oo
= r xfix)
dx-E(X)
J -oa
r fix) cbc=
J -D
-E(X) -E(X) =0
^ 2,=E[X-E{X)
=r
-(' x^ fix)
dx-lEiX)
dx^E{X)^j'J{x)
dx--
EJEMPLO
5;
p(Xi)
1/6
1/6
1/6
1/6
1/6
1/6
1/6
1/6
1/6
1/6
1/6
1/6
1/6
2/6
3/6
4/6
5/6
6/6
1/6
4/6
9/6
16/6
25/6
36/6
a,=j:pU,)x|44*...*f=f =15.11
EJEMPLO 6;
Dada la siguiente variable aleatoria X con su funcin de
densidad:
1/2
f(x) =
O < X < 2
restantes valores
10
RESOLUCIN;
J-<>
Jo
= [^]o^ = l
a^ = rx^fix)
dx=r^x^dx=
J -m
J O
_ r X ^ 1 2_ 8
^ 6
6 3
variable
aleatoria
se
puede
analizar
por
su
funcin
es
sencillo,
denominaremos
pudiendo
sin
embargo,
conocerse
la
que
siendo
i la unidad
11
imaginaria
(/^)
- Funcin generatriz:
Una forma de determinar la funcin caracterstica ha sido la
de definir la llamada funcin generatriz ^(0) tal que:
Gid) = ^(e^^)
-os
Por lo que;
dQ
12
Suponiendo
que podemos
intercambiar
las operaciones de
C3U
por lo que;
G'^' (0)=E[Xe]
=EU]=a^
anlogamente:
G'2) (6) =JLE[e^^]
=E[-^e^^]
=E[^Xe^'']=E[X^e^'']
do
Por tanto:
G<2)
(0}=E[X^e'']=E[X^]=a2
G(d) ='[e0^->"]
momento respecto
Por
tanto,
conociendo
la
al
Funcin
origen
generatriz
de
momentos,
EJEMPLO 7;
Obtener
la
funcin
generatriz
de
momentos
del
experimento
P(i)=l/2
14
a, =
l.1.1=1
4 2 4
a,=G<i'{e)=-l:[e9^] =
CIO
=2le^.le'^
=2 l.l=l
4
4
de
Funcin g e n e r a t r i z de momentos c e n t r a d o s ;
\i=l
n^ =e-^[l*le^.le^^]
4 2
=le-'.l^le'2 4
=1.1.1=1
4
=-le-9.1e9 = - l ^ l = 0
4
4
4 4
^2 = 4 - T e - 4 e ] = l e - * l e =
d9
4
4
4
4
=1.1=1
4
15
o
TEOREMA:
"La media de la variable tipificada Z es igual a cero"
Demostracin:
a
.E[X]-\x_E[X]-E[n]
E[a]
~
a
-H-U
~ a
TEOREMA:
"La varianza de la variable tipificada Z es igual a uno"
Demostracin:
o
o2
a2
EJEMPLO 8;
Dada la siguiente funcin de densidad de la variable aleatoria
continua X:
2/9 X
X e (0,3)
f (x) =
O
restantes valores
16
RESOLUCIN:
A.-Clculo de /i: .
J-"
9J0
Jo
3 9
B.-Clculo de a;
ol=E[X-E{X)]'=E[X-2]'=l'jX-2)2f(x)dx=
=r
Jo
(x-2)2*^xdx=-^Ux^+4-4X)xdx=
9J0
=l/^x^*4x-4x2)dx=|[4lJ^4[^]^4[4^J
y"' o
O;^ =+/|=+/075 =0 . 71
C - X tipificada:
l.-Si
17
Por tanto:
2/9[0.71*z+2]
z e (-2.82,1.41)
f(z) =
O
restantes valores
3. 5.TEOREMA DE TCHEBYCHEFF.
Sea X una variable aleatoria con esperanza y varianza finitas,
entonces:
vt > O = p(|;!r-^| ta) i --
V /: > O
si
hacemos
tomar
- p{\x-y.\-io
a k el valor
Demostracin:
Para una variable aleatoria X, continua, tenemos:
18
J OD
2 .-Desde
3 .-Desde
- hasta
\i-ta
hasta
\i-ta
\i + ta
n + to hasta >
tenemos:
a^=P'"'{x-\i)H{x)dx+
^f^*"'{x-\i)^fix)dx^
+r
'
H*ta
ix-\i)^f{x)dx
x^-ta
19
En la tercera integral:
x>\i-t-ta
y por tanto:
u*ta
ix-[i)^f{x)dx*
+ /"
Pero si
t^a^f{x)dx
tercero,
expresando
por
lo qu, eliminando
la
segunda
integral y
llegamos a:
=> P(\x-[i\ta)
P{\X-\i\K)
(para
EJEMPLO
i,-J
k=ta)
9;
por
trmino
medio,
los
fines de
semana
los
clientes
solicitan unas 500 hamburguesas del tipo "Big Pato" con una
desviacin
tpica
de
la sucursal,
RESOLUCIN
La respuesta adecuada sera la de que no es posible conocer esa
probabilidad,
pero
lo
que
s
21
es
posible
es
obtener
la
CTx=35
P(A'>550) = P ( A : - 5 0 0 5 0 ) iP(\X-500\50)
K^
502
2500
RESOLUCIN:
Lo que nos piden es:
P(A's500+iO 2:0.7 5
P(;s:^500+iO =P(X-5QO<,IO P{X-500<K)
>
>P{|A'-500|<JO ^ 1 -
22
PROBLEMAS TEMA 3
Xj
p(xi)
0.40
0.30
0.21
0.05
0.02
0.01
0.01
Se pide:
1.- Cul es la media de libros que compra un alumno en su primer
curso de carrera?
2.- Varianza y desviacin tpica.
3.- Momento centrado de orden 3 a travs de los momentos respecto
al origen.
4.- La variable Y=1000X representa el importe gastado en libros
por un alumno universitario de primer ao. En base a ello,
calcular la media, varianza y desviacin tpica de la nueva
distribucin de probabilidad.
RESOLUCIN;
1.- ESPERANZA MATEMTICA
EiX) =53XiP(x_)
i"i
=0*0.04+1*0.3+2*0.21+3*0.05+4*0.02+
+ 5*0 . 01+6 *0.01 = 1.06
2.- VARIANZA
a^=E[X-E{X) ] =j;p(x^) [x^-E(X) ]
i
X,
P(.Xi)
Xi
P(Xi)Xi
0.4
0.3
0.3
0.21
0.84
0.05
0.45
0.02
16
0.32
5'
0.01
25
0.25
0,01
36
0.36
2.52
o2=2.52-(l.06)2=1.3964
DESVIACIN TPICA:
o=+Va^=+yi.3964=1.18
3.- MOMENTO CENTRADO DE ORDEN 3
m,=E[X-EiX)]^=J2P'^^i^
^XrE(X)]'
[xj-3xEiX)*3{E{X))'xr(E(X))']
=5^p(x,.)
i
^3{E{X))''p(Xi)XrY,
iE{x))'p{x^) =
=a3-3a^a2+3ai-ai=a3-3aia2+2ai
a^=E{X)
=1.06
Xi
x,
P(Xi)
Xi'p(Xi)
0.4
0.3
0.3
0.21
1.68
27
0.05
1.35
64
0.02
1.28
125
0.01
1.25
216
0.01
2.16
8.02
= 2.39
4.-DISTRIBUCIN Y
p(yj)
1000
2000
3000
4000
5000
6000
0.3
0.21
0.05
0.02
0.01
0.01
0.4
MEDIA DE Y
Y=1000 * X ; E[Y] = E[1000*X] = 1000 E[X]=1000 * 1.06 = 1060
.- VARIANZA DE Y
- DESVIACIN T P I C A DE Y
o y= -t-y/f = + v / 1 3 9 6 4 0 0 = l l 8 1 . 6 9
2.-
Dada l a s i g u i e n t e
funcin
de
densidad:
2X/3
1 < X < 2
f(x) =
restantes valores
Se pide:
A.- Media de la distribucin.
B.- Varianza y desviacin tpica,
RESOLUCIN;
A.- MEDIA
'{X) ==f/
xf{x)dK=
=/:'-'*=/:*"'
2x^2_ 16 _ 2_ 14
_r
2X^.2
x^f(x)dx-[E{X)]^
196 _= j32
i - _ . - ^ ^196
1 2 . =0 . 0 8 0 2 5
81
12 12
81
3.-A
RESOLUCIN;
A. a. P(Xi)
XiP(Xi)
x,^
Xi^p(Xj)
1/6
1/6
1/6
1/6
2/6
4/6
1/6
3/6
9/6
1/6
4/6
16
16/6
1/6
5/6
25
25/6
1/6
6/6
36
36/6
21/6
Xi
91/6
B.a. -
JT
C. a. -
a;f=+y2T92=i.7
A.b.Para la distribucin de X+Y tenemos:
(llamando C=cara
y R=cru2)
(1,C)
(i.R),
(2,C)
(2,R),
(3,C)
(3,R),
(4,C),
(4,R),
(5,C),
(5,R),
(6,C),
(6,R)
ESPACIO
MUESTRAL =
X+Y
X+Y
X+Y
X+Y
X+Y
X+Y
X+Y
X+Y
X+Y
X+Y
X+Y
X+Y
=
=
=
=
=
=
=
=
=
=
=
^
1+1=
1+0=
2+1=
2+0=
3 + 1=
3+0=
4 + 1=
4+0=
5+1=
5+0=
6+1=
6+0=
2
1
3
2
4
3
5
4
6
5
7
6
(X+Y)p,-
Pi
(X+Y)^
(X+Y)^Pi
1/12
1/12
1/12
2/12
4/12
8/12
2/12
6/12
18/12
2/12
8/12
16
32/12
2/12
10/12
25
50/12
2/12
12/12
36
72/12
1/12
7/12
49
49/12
48/12
140/12
B.b.48
EiX^Y) =T {X^Y)p{x,) =-^=4
V
^ 12
C.b.-
= E Pi (Xi*yj)^-[E{X^Y)
] 2 = i l - [4] 2=7 . 6
12
i.j
a = +^/7 .6=2.7
A.c.-Procediendo de forma anloga al punto A.b anterior;
X*Y
(X*Y)Pi
Pi
(X*Y)^
(X*Y)^Pi
6/12
1/12
1/12
1/12
1/12
2/12
4/12
1/12
3/12
9/12
1/12
4/12
16
16/12
1/12
5/12
25
25/12
1/12
6/12
36
36/12
. 1
21/12
91/12
B.c. E( X*Y)=Y,
ix^Y)p,
= 21 ^=1.75
Ce. a^=E[iX*Y)^]'[E{X*Y)]^
= Y,p^{x^*yj)'-[E{X*Y)]^
=
^-[1.7S.]^=4.52
,3
0=^^4.52=2.12
P[x<,130+K] =P[x-120iK]
21-^=0.75
iP[\x-130\iK]
l - - ^ = 0 . 7 5 == l - 0 . 7 5 = - i - =* K=^ - - K=6
K^
K^
N 0.25
|A--130|^6
C. -f'jU)
fix) dx
^~ril
(5(x^){x))dx
J7
a^
a^
a^
a^
(k) =
(Jc*X)
(k+X)
(X+Y)
O
= kVx
= a^x
= a^x + a^y
P(X|)
pXj)
PXj)
= 0 . 4
=0.3
= 0 . 3
e l momento no c e n t r a d o de orden 3 s e r :
A.B.-
192.5
183.6
-E
A.B.CD.-
E(X)= 0.
E(X)= 45/28.
E(X)= 3/7.
Ninguno de los valores.
a) E[gix)]=fgix)Jix)dx
-w
b) E\gix)]=fgix)dx
o
c) Elgix)]=fj{x)dx
-oo
d) E\g{x)\= g{x)IAx)dx
2.-
b) E[g(x)]=Y,g(x)
c) Elgix)]='jix)dx
d) E[g(x)]=Y,gix.)-p(,x)
d)
E[ k + g(x)] = kE[g(x)]
b)
E[ k - g(x)] = k - E[g(x)]
c)
E[ k + g(x)] = E[g(x)]
d)
p(Xi)
3/10
6/10
1/10
1.9
2
c)
0.6
d)
10/10=1
d)g(x)= [X^-E(X)^].
8.-
1.25
O 5
d) 6
9.-
15.6'
48.5
12
ninguna de las anteriores
LOTUS
in
NDICE DE CONTENIDO
INTRODUCCIN AL S.O. MS-DOS
EL ORDENADOR EN EL AULA
1
^
LA UNIDAD CENTRAL
EL TECLADO
MONITOR
LA IMPRESORA NEC PINWRITER P2+
PUESTA EN MARCHA
COMO APAGAR EL EQUIPO
1
i
3
. 8
9
12
13
NOMBRE DE UNIDAD
14
15
FORMAT
15
FORMATEO DE DIFERENTES TIPOS DE DISCOS - 17
COMO DAR NOMBRE ALOS ARCHIVOS
18
DIR
1 8
PATH Y PATHNAME
19
CARACTERES COMODN
20
20
20
21
EL COMANDO COPY
22
EL COMANDO DISKCOPY
23
EL COMANDO PRINT
25
II
Aula de Informtica
Pag. -1-
pag, -2-
[g>
Pag. -3-
pag. - 4 .
TECLADO ALFANUMRICO
ESPECIAL
alf anumrico.
Racha
Izquierda.
E,e
- ESC. T e c l a Escape
cuya f u n c i n depende
aioo^^
Fi*t^''S
de cada a p l i c a c i n .
TAS.
Tecla
de
"^
='^'
M control
Control
'^'
**
IZQUIERDA
DERECHA
Tabulacin.
- Bloq. Mays. Con cada pulsacin se invierte la funcin
indicando el estado el piloto verde: encendido, letras
maysculas, apagado, letras minsculas.
Flecha arriba f (Mays). Al pulsar esta tecla
simultneamente con otra se obtiene la letra mayscula o el
signo representado en la parte superior de la tecla.
- Control. Esta tecla se utiliza simultneamente con
otra(s) dependiendo de cada aplicacin.
- Alt. Esta tecla se utiliza simultneamente con otra(s)
dependiendo de cada aplicacin.
- Teclado alfanumrico. Derecha.
- Flecha izquierda <- . Borra el carcter anterior.
- Tecla Intro, Enter o Return. Finaliza la linea o da por
terminada una entrada de datos.
>
Pag. -5-
CONTROL S :
CONTROL P
Pulsando
Salida
simultnea
por
impresora,
de nuevo se desactiva la funcin.
CONTROL ALT -
CONTROL ALT +
cE>
Pag. -6-
- Teclado numrico,
- Bloq. Nm, En este
teclado
11
teclas
tienen dos smbolos
representados.
La
tecla
Bloq.
Nm.
s i r v e
p a r a
seleccionar
los
nmeros (indicado por
el
piloto
verde
TECLADO NUMRICO
Inicio "'
"^'iiiSi^
Pag,
TECLADO DE CURSORES
Los
cursores
(arriba,
abajo, izquierda y derecha)
sirven para mover el cursor
de la pantalla en una
posicin por pulsacin de
una tecla. Estas teclas
estn
repetidas
en
el
teclado numrico cuando la
funcin Bloq. Nm. no est
activada (indicador luminoso apagado)
antba
arriba
- Teclado de funciones.
En la parte superior del
teclado se encuentran 12
teclas de la Fl a la F12.
Estas teclas tienen una
funcin determinada por la
aplicacin que se est
utilizando. Por ej. : Fl
TECLADO DE FUNCIONES Y OTRAS TECLAS
desde el sistema repite la
ltima
linea
tecleada
carcter a carcter, F3 la repite completa.
Pag. -8-
- Otras teclas.
En la parte superior del teclado y a la derecha de las teclas de
funcin hay tres teclas que tienen funciones especiales.
- Impr pant. Al pulsar esta tecla se produce un volcado de
la pantalla a la impresora.
- Bloq. Despl. Al pulsar esta tecla se activa-desactiva la
funcin de bloqueo de desplazamiento, funcin dependiente
de la aplicacin.
- Pausa. Al pulsar esta tecla se detiene la salida por
pantalla. Pulse cualquier tecla para que continu.
- Teclas Pseudo ASCII.
El teclado no tiene todos los caracteres, smbolos y caracteres
grficos. Para obtener alguno de stos teclee la combinacin ALT
(o ALT Gr) Nmero, donde Nmero es el nmero decimal entre el O
y el 255, que representa al carcter segn el cdigo ASCII.
Asi como en la mquina de escribir los nmeros O y 1 se sustituyen con
las letras O mayscula y 1 minscula, en el ordenador no debe hacerse
pues podra acarrear graves consecuencias.
EL MONITOR
Al monitor le llega tensin a
travs de la unidad central, por
tanto, a no ser que desactivemos
su botn
de
encendido, al
encender
la
unidad
central
inmediatamente se encender el
piloto
verde
indicador
de
encendido del monitor.
AULA
DE
INFORMTICA
M10
/T=^\
CONTOAST
LUZ
PILOTO
INTEHRUPTOH
MONITOR BSICO
^
?ag
_g.
Pag. -10-
Para
cargarla
continuo:
con
LAS IMPRESORAS
SON HERRAMIEhfTAS
MUY TILES
papel
i;
Con
la
apagada...
f^
impresora
Se
levanta
la tapa
posterior color arena hacia
delante.
CONSULTA
LAS DUDAS
p^g
_-^-__
[SJ
pag. -12-
Pag, -13
Tambin pueden pedir a los oficiales del aula que sus disquetes pasen
por el mismo tipo de test antes de utilizarlos.
La carga del sistema operativo se hace desde un dispositivo de disco
realizando una bsqueda desde la unidad A en adelante. Si se introduce
un disquete en la unidad A que contenga el sistema operativo la carga
se har desde sta. En caso contrario la bsqueda llegar al disco
duro (unidad C) desde donde se har la carga del sistema. (Se supone
que el disco duro contiene el sistema).
Si una vez que el sistema est en marcha se produjera alguna
circunstancia que obligase a una operacin de apagar y encender de
nuevo, se puede hacer pulsando el botn de reset.
Una tercera posibilidad de volver a cargar el sistema es la carga en
caliente pulsando simultneamente las teclas CONTROL ALT SUPR.
[E]
?ag. -14-
WOMBRE DE UNIDAD
Un nombre de unidad completo est compuesto de una letra de la unidad
y dos puntos (: ) . Cuando se va a utilizar un comando, en ocasiones se
tiene que escribir el nombre de la unidad delante del nombre del
archivo.
En los ordenadores del aula tenemos tres unidades de disco:
A: Unidad de disco de 5 s para DD o HD
B: Unidad de disco de 3 h para DD oDD
C: Unidad de disco duro de 20, 40 90 MB
DISQUETTE DE 5 1/4
Pag. -15-
?ag. -16-
Funcin
/4
/s
/v
>
f:-amao
Pag. -17-
de disco
le, 160K
le, 180K
DD, 320K
DD, 360K
DD, 720K
DD, 1.2M
DD, 1.44M
Especificaciones de Tamao
160KB
180KB
320KB
360KB
720KB
1.2MB
1.44MB
que contiene
lo ms seguro
la ranura del
situada en la
?ag.
DIR
Se trata de un comando interno, lo que quiere decir que no necesita
estar localizado en un disco para poder acceder a l.
Su funcin consiste en proporcionar la lista de los ficheros de un
directorio.
El comando dir, sin ms, da una lista de todos los registros en el
directorio de trabajo de la unidad de disco predeterminada. Lista
tambin la etiqueta y el nmero de seie del volumen de la unidad de
disco.
Ei
pag
.-g,
Propsito
/P
/w
Pag. -20-
CARACTERES COMQDIM
En MS-DOS se pueden utilizar ciertos caracteres
significado especial. Estos caracteres son: * y ?
que
tienen
un
(o abreviado: MD USUARIO)
vez ejecutado
llamado USUARIO
^Si
Gua de MS-DOS para el Aula de Informtica
pag
-21-
(o CD USUARIO)
(o CD \USUARIO)
(o CD^.) (o CD \)
EL COMANDO TYPE
Cuando se desea que MS-DOS muestre en la pantalla un archivo que
contiene texto se utiliza el comando type. Para mostrar el archivo
deseado se debe especificar su nombre completo y su extensin, no
siendo vlidos en este caso los caracteres comodn. Ej.: Type
SALARI0S.DOC
Se puede especificar la unidad de disco antes del nombre del fichero
y si es demasiado largo tambin la opcin more (para visualizar por
pginas).
Tambin es posible direccionar la salida a la impresora. Ej.: Type
SALARIOS . DOOprn
&
pag
-2 2-
EL COMANDO COPY
Se u-iliza el comando copy cuando se necesita copiar uno o
archivos, ya sea en el mismo disco o desde un disco a otro.
ejemplo si se necesita una copia de un archivo llamado VENTAS.DOC
se conserva en la unidad A y se desea copiarlo y cambiar su nombre
el de MENSUAL.INF se darn los siguientes pasos:
1.- Asegurarse de que el archivo ventas.doc est en la unidad A y
sta es la predeterminada.
ms
Por
que
oor
cue
gl
pag. -23
EL COMANDO DISKCOPY
Con frecuencia se necesita hacer copias de discos enteros en lugar de
archivos individuales. Puede realizarse esta operacin sencillamente
con el comando diskcopy. Para utilizar el comando diskcopy es
necesario tener:
El sistema operativo MS-DOS
Un disco que se desee copiar
Un disco en blanco donde grabar la copia
Para copiar el contenido de un disco de la unidad A a la unidad 3, se
debe utilizar:
DISKCOPY A: B:
Slo se podr copiar la informacin a discos con soportes comparables.
Dicho de otro modo, slo podr copiarse informacin de un disco
flexible de 5 1/4 a otro de igual dimensin. Tampoco podr copiarse
de uno de 3 1/2 a otro de 5 1/4.
No es posible utilizar el comando diskcopy para copiar el contenido
de un disco flexible a un disco duro o viceversa. Para ello, se deben
utilizar los comandos copy o xcopy.
El proceso a seguir para copiar un disco flexible en el aula con un
ordenador de dos disqueteras diferentes seria:
1. - Se supone que el usuario est en el directorio del MS-DOS o
que el ordenador tiene definida una bsqueda de ruta apropiada.
(PATH)
2.- DISKCOPY A: A:
(y presionar RETURN)
Bl
..==5%
?ag, -2 4-
pag. -2 5-
EL COMANDO PRINT
Es posible imprimir archivos con el comando print. Para hacerlo ser
necesario lo siguiente:
1.- Que el comando PRINT se encuentre accesible
2.- Que el archivo que se desea imprimir est perfectamente
localizado.
3.- Que la impresora est encendida, tenga papel y est en linea
con el ordenador.
4.- Por ej. para imprimir un archivo llamado CLIENT.TEL que se
encuentre en la unidad B, seria necesario.:
1.- Tener en pantalla el prompt del S.O.
2.- Teclear PRINT B:CLIENT.TEL
[^
P*i^ "*'
-nrCCrT;
i->
En la esquina superior izquierda se encuentra la denpmnada^dUu^ciikde.G^ y
consiste en la letra y el n r t ^ i ^ e laisdtj^a^^^^
y
modificaciones que, se hayan hecho a las espeifieackiri^^^
edd'GOtf rsf4^j^
generales de la hoja de t"bajo.
' ^j^-^ i; > ;^ J ''-'^T - V t ^ ' i K ^ i i ^ ^ ^ ^
Debajo de la direccin de celda se encuentra el lugar designado para el men, este no
aparecer hasta que no lo activemos. La forma de activarlos es pulsando la tecla <>, Hay dos
formas de utilizar cada una de las opciones, que nos ofrece el men;
a) Movemos por cada una de las opciones delineriMiantejos^^
vez
situados en la opcin deseada plisanislfatcl^:^^?^
--^
b) Pulsar la tecla correspondiente a l primerrlef dtl^^^
Para salir de cada una d'^ls opciones de|niddvla#opci^^
opcin hay que pulsar la teicla de es9ap^v<Iscs>7;GOT;#6^^^
a
la opcin anterior. ; '^fi . '^'^-' -^''rr'fti^'rs^ "4
,'T
r^s-i
AJ..B2.
\', ^^.:,v:\]y^y.M/-4/M,-^':^M^
Pgina nT
-'-^m
*""
Regresin: Esta opcin nos permite realizar regresiones entre dos variables, teniendo
en cuenta que las calcula cuando la frecuencia absoluta es igual a uno. Hay que tener en
cuenta que el nmero de datos de la variable independiente debe ser igual al de la variable
dependiente. En esta opcin hay una serie de opciones que debemos rellenar para su
ejecucin.
X-Rango: Rango de datos de la variable independiente, lo escribimos o
seleccionamos, y pulsamos <mtro>.
Y-Rango: Rango de datos de la variable dependiente, lo escribimos o
seleccionamos y pulsamos </>//ro>.
Rango de Salida: Lugar en donde van, a salir los resultados de la operaciones
ejecutadas por el programa, lo escribimos o seleccionamos y pulsamos
<intro>.
^ S"* "
".'. ^-':=^/txa?^-i':::^=^c--:^^
^ - ^ 3 . 4 3 ' ^ .^ . .
Jorge Ko^JZTlZ'^TZt'
" " " " ' ^ ^ " ""'^ " ' ' ^ - ' ^ ^ * - "
Graw Hiil.
Pgina n9