Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ITESM
1 de febrero de 2015
Estadstica II
1/36
p(x),
X.
La funcin
(x, y )
Estadstica II
2/36
p(x),
X.
La funcin
(x, y )
Denicin.
donde
1
2
p(x, y ) 0
P P
x
y p(x, y ) = 1
Estadstica II
2/36
p(x),
X.
La funcin
(x, y )
Denicin.
donde
1
2
p(x, y ) 0
P P
x
y p(x, y ) = 1
Si A R2 entonces P[(X , Y ) A] =
Miguel Angel Mndez
PP
(x,y )A p(x, y )
Estadstica II
2/36
Ejemplo.
100
250
100
200
.20
.05
.10
.15
.20
.30
Estadstica II
3/36
Estadstica II
4/36
p(x, y )
Estadstica II
4/36
p(x, y )
marginal de Y es
pY (y ) =
p(x, y )
y .
Estadstica II
4/36
HH y
H
H
H
100
200
pX (x)
100
.20
.10
.20
.50
250
.05
.15
.30
0.50
pY (y )
.25
.25
.50
Estadstica II
5/36
HH y
H
H
H
100
200
pX (x)
100
.20
.10
.20
.50
250
.05
.15
.30
0.50
pY (y )
.25
.25
.50
Y:
Estadstica II
5/36
f (x, y ) 0
R R
f (x, y )dxdy = 1
Estadstica II
6/36
f (x, y ) 0
R R
f (x, y )dxdy = 1
f (x, y )dxdy
A
Estadstica II
6/36
f (x, y ) 0
R R
f (x, y )dxdy = 1
f (x, y )dxdy
A
P[(X , Y ) A] = P(a X b, c Y d) =
f (x, y )dydx
a
Estadstica II
c
6/36
Ejemplo.
Un banco dispone tanto de una ventanilla para automovilistas como de
una vantanilla normal. En un da seleccionado al azar, sea X = la
proporcin de tiempo que la ventanilla para automovilistas est en uso y
Y = la proporcin de tiempo que la ventanilla normal est en uso.
Entonces el conjunto de valores posibles de (X , Y ) es el rectngulo
D = {(x, y ) : 0 x 1, 0 y 1}. Suponga que la densidad de
probabilidad conjunta de (X , Y ) est dada por
f (x, y ) =
6
5 (x
+ y 2 ) 0 x 1, 0 y 1,
o.c.
Estadstica II
7/36
Denicin.
Z
fX (x) =
f (x, y )dy
<x <
f (x, y )dx
<y <
fY (y ) =
Estadstica II
8/36
Denicin.
Z
fX (x) =
f (x, y )dy
<x <
f (x, y )dx
<y <
fY (y ) =
Ejemplo.
Estadstica II
8/36
Ejemplo.
24xy
0
0 x 1, 0 y 1, x + y 1
o.c.
Estadstica II
9/36
Estadstica II
9/36
Estadstica II
9/36
Ejemplo.
HH y
H
H
H
100
250
pY (y )
100
200
pX (x)
.20
.05
.25
.10
.15
.25
.20
.30
.50
.50
.50
1
Son X y Y independientes?
Estadstica II
10/36
Ejemplo.
HH y
H
H
H
100
250
pY (y )
100
200
pX (x)
.20
.05
.25
.10
.15
.25
.20
.30
.50
.50
.50
1
Son X y Y independientes?
Solucin:
Estadstica II
10/36
Observacin.
Estadstica II
11/36
Observacin.
Estadstica II
11/36
Distribucin exponencial
Una v.a.
densidad es
f (x; ) =
e x , x 0
0
o.c.
Estadstica II
12/36
Distribucin exponencial
Una v.a.
densidad es
f (x; ) =
= 1/
e x , x 0
0
o.c.
2 = 1/2
Estadstica II
12/36
Distribucin exponencial
Una v.a.
densidad es
e x , x 0
0
o.c.
f (x; ) =
2 = 1/2
= 1/
y
F (x, ) =
0
1
e x
x <0
x 0
Estadstica II
12/36
no tienen
ningn efecto entre ellas. Entonces, una vez que las funciones masa
de probabilidad y de densidad de probabilidad marginales han sido
especicadas, la funcin masa de probabilidad conjunta o la funcin
de densidad de probabilidad conjunta es simplemente el producto
de dos funciones marginales.
Estadstica II
13/36
no tienen
ningn efecto entre ellas. Entonces, una vez que las funciones masa
de probabilidad y de densidad de probabilidad marginales han sido
especicadas, la funcin masa de probabilidad conjunta o la funcin
de densidad de probabilidad conjunta es simplemente el producto
de dos funciones marginales.
Ejemplo.
Estadstica II
13/36
no tienen
ningn efecto entre ellas. Entonces, una vez que las funciones masa
de probabilidad y de densidad de probabilidad marginales han sido
especicadas, la funcin masa de probabilidad conjunta o la funcin
de densidad de probabilidad conjunta es simplemente el producto
de dos funciones marginales.
Ejemplo.
Estadstica II
13/36
Denicin.
Estadstica II
14/36
Denicin.
bn
an
Estadstica II
14/36
Distribucin multinomial
x1
n!
x1 !xn ! p1
prxr
xi = 0, 1, . . . ; x1 + . . . + xr = n
o.c.
Estadstica II
15/36
Distribucin multinomial
x1
n!
x1 !xn ! p1
prxr
xi = 0, 1, . . . ; x1 + . . . + xr = n
o.c.
Estadstica II
15/36
Distribucin multinomial
x1
n!
x1 !xn ! p1
prxr
xi = 0, 1, . . . ; x1 + . . . + xr = n
o.c.
Estadstica II
15/36
Distribucin multinomial
x1
n!
x1 !xn ! p1
prxr
xi = 0, 1, . . . ; x1 + . . . + xr = n
o.c.
9!
1 9
3!2!2! ( 6 )
Estadstica II
15/36
Ejemplo.
kx1 x2 (1 x3 )
0
x1 , x2 , x3 1, x1 + x2 + x3 1
0.c.
Determine el valor de k
2 Calcule la probabilidad de que las rocas
50 % de la muestra
solucin: k = 144 y p = 0.6066
1
Estadstica II
integren ms del
16/36
Denicin.
Estadstica II
17/36
Distribuciones condicionales
Denicin.
f (x, y )
fX (x)
<y <
Estadstica II
18/36
Ejemplo.
Un banco dispone tanto de una ventanilla para automovilistas como de
una vantanilla normal. En un da seleccionado al azar, sea X = la
proporcin de tiempo que la ventanilla para automovilistas est en uso y
Y = la proporcin de tiempo que la ventanilla normal est en uso.
Entonces el conjunto de valores posibles de (X , Y ) es el rectngulo
D = {(x, y ) : 0 x 1, 0 y 1}. Suponga que la densidad de
probabilidad conjunta de (X , Y ) est dada por
f (x, y ) =
6
5 (x
+ y 2 ) 0 x 1, 0 y 1,
o.c.
2
5
Estadstica II
19/36
Denicin:
Sean
probabilidad
p(x, y )
f (x, y )
h(X ,Y )
h(X , Y )
denotada
E [h(X , Y )]
P P
y h(x, y ) p(x, y )
E [h(X , Y )] = R x R
h(x, y ) f (x, y )dxdy
Estadstica II
si X y Y son discretas
si X y Y son continuas
20/36
Ejemplo.
2y1 ,
0,
y1 1, 0 y2 1,
o.c.
0
Encuentre E (Y1 Y2 ).
Estadstica II
21/36
Ejemplo.
y1 1, 0 y2 1,
o.c.
2y1 ,
0,
Encuentre E (Y1 Y2 ).
Solucin:
Z
E (Y1 Y2 ) =
1Z 1
0
Estadstica II
1
3
21/36
Observemos lo siguiente:
Z
E (Y1 ) =
Estadstica II
y1 f1 (y1 )dy1
22/36
Observemos lo siguiente:
Z
E (Y1 ) =
y1 f1 (y1 )dy1
Ejemplo.
2y1 ,
0
0 y1 1, 0 y2 1,
o.c.
Encuentre V (Y1 ).
Estadstica II
22/36
Observemos lo siguiente:
Z
E (Y1 ) =
y1 f1 (y1 )dy1
Ejemplo.
2y1 ,
0
0 y1 1, 0 y2 1,
o.c.
Encuentre V (Y1 ).
k+2 y luego
Estadstica II
22/36
Teorema.
E (c) = c
Estadstica II
23/36
Teorema.
Ejemplo.
Estadstica II
24/36
La covarianza
La covarianza es una medida del grado de variacin de dos variables
aleatorias respecto a sus respectivas medias. El dato es necesario
para determinar si existe dependencia entre ambas variables y para
estimar el coeciente de correlacin lineal.
Estadstica II
25/36
La covarianza
La covarianza es una medida del grado de variacin de dos variables
aleatorias respecto a sus respectivas medias. El dato es necesario
para determinar si existe dependencia entre ambas variables y para
estimar el coeciente de correlacin lineal.
Denicin.
Estadstica II
25/36
La covarianza
La covarianza es una medida del grado de variacin de dos variables
aleatorias respecto a sus respectivas medias. El dato es necesario
para determinar si existe dependencia entre ambas variables y para
estimar el coeciente de correlacin lineal.
Denicin.
Estadstica II
25/36
Y1
Y2 .
Y1
aumenta cuando
Y2
Y1
Y2
disminuye
aumenta
Estadstica II
Y1
26/36
Y2 .
Ejemplo.
Una cia. de nueces comercializa latas de nueces combinadas que
contienen almendras, nueces acaj y cacahuates. Suponga que el peso
neto de cada lata es exactamente de 1lb, pero la contribucin al peso de
cada tipo de nuez es aleatoria. Como los tres pesos suman 1, un modelo
de probabilidad conjunta de dos cualquiera da toda la informacin
necesaria sobre el peso del tercer tipo. Sea X el peso de las almendras en
una lata seleccionada y Y el peso de las nueces de acaj. Entonces la
regin de densidad positiva es D = {(x, y ) : 0 x, y 1, x + y 1} y la
funcin de densidad de probabilidad conjunta de (X , Y )
f (x, y ) =
24xy
0
0 x, y 1, x + y 1
o.c.
Encontrar la covarianza de X e Y
Estadstica II
27/36
Ejemplo.
Una cia. de nueces comercializa latas de nueces combinadas que
contienen almendras, nueces acaj y cacahuates. Suponga que el peso
neto de cada lata es exactamente de 1lb, pero la contribucin al peso de
cada tipo de nuez es aleatoria. Como los tres pesos suman 1, un modelo
de probabilidad conjunta de dos cualquiera da toda la informacin
necesaria sobre el peso del tercer tipo. Sea X el peso de las almendras en
una lata seleccionada y Y el peso de las nueces de acaj. Entonces la
regin de densidad positiva es D = {(x, y ) : 0 x, y 1, x + y 1} y la
funcin de densidad de probabilidad conjunta de (X , Y )
f (x, y ) =
24xy
0
0 x, y 1, x + y 1
o.c.
Encontrar la covarianza de X e Y
solucin:
Cov (X , Y ) =
2
15
22
55
2
= 75
Estadstica II
27/36
Estadstica II
28/36
Estadstica II
28/36
Denicin.
Cov (X , Y )
X Y
Estadstica II
28/36
remedia el defecto de la
Estadstica II
29/36
remedia el defecto de la
E [(tX Y )2 ] 0)
Estadstica II
29/36
Proposicin.
1
X E (X ) Y E (Y )
X
Y
Estadstica II
30/36
Estimacin puntual
Estadstica II
31/36
Estimacin puntual
Estadstica II
31/36
Estimacin puntual
Estadstica II
31/36
Estimacin puntual
Estadstica II
31/36
Estimacin puntual
Estadstica II
31/36
Denicin.
Un estimador es una regla ( frmula) que indica cmo calcular el valor
de una estimacin con base en las mediciones contenidas es una muestra.
Estadstica II
32/36
Denicin.
Un estimador es una regla ( frmula) que indica cmo calcular el valor
de una estimacin con base en las mediciones contenidas es una muestra.
Ejemplo.
Por ejemplo, la media muestral
n
Y =
1X
n
Yi
i=1
Estadstica II
32/36
Denicin.
Un estimador es una regla ( frmula) que indica cmo calcular el valor
de una estimacin con base en las mediciones contenidas es una muestra.
Ejemplo.
Por ejemplo, la media muestral
n
Y =
1X
n
Yi
i=1
Estadstica II
32/36
Estadstica II
33/36
Estadstica II
33/36
Estadstica II
33/36
Denicin.
Estadstica II
34/36
Denicin.
= E ()
.
El sesgo de un estimador puntual est dado por B()
Estadstica II
34/36
Denicin.
= E ()
.
El sesgo de un estimador puntual est dado por B()
Estadstica II
34/36
(b)
estar cerca
Estadstica II
35/36
E [( )2 ],
el promedio
Estadstica II
36/36
E [( )2 ],
el promedio
Estadstica II
36/36
E [( )2 ],
el promedio
B()
,
, MSE ()
es una
= V ()
[B()]
2.
MSE ()
Estadstica II
36/36
E [( )2 ],
el promedio
B()
,
, MSE ()
es una
= V ()
[B()]
2.
MSE ()
Tarea: Wackerly, 8.1, 8.2, 8.3, 8.6 y 8.7.
Estadstica II
36/36