Presentación Sobre Funciones Generadoras de Momentos Explicación

Estadstica II
Miguel Angel Mndez
ITESM
1 de febrero de 2015
Miguel Angel Mndez
Estadstica II
1/36
Funcin de masa de probabilidad conjunta discreta

La fmp,
p(x),
de una sola v.a.
especica cunta masa de
probabilidad esta colocada en cada valor posible de

de
X.
La funcin
masa de probabilidad conjunta de dos v.a.'s discretas X
describe cunta masa de probabilidad se coloca en cada posible par

de valores
(x, y )
Miguel Angel Mndez
Estadstica II
2/36

La fmp,
p(x),
de una sola v.a.

de
X.
La funcin

de valores
(x, y )
Denicin.
Sean X y Y dos v.a.'s discretas. la funcin de masa de probabilidad

conjunta p(x, y ) se dene para cada par (x, y ) como
p(x, y ) = P(X = x, Y = y )
donde
1
2
p(x, y ) 0
P P
x
y p(x, y ) = 1
Miguel Angel Mndez
Estadstica II
2/36

La fmp,
p(x),
de una sola v.a.

de
X.
La funcin

de valores
(x, y )
Denicin.
Sean X y Y dos v.a.'s discretas. la funcin de masa de probabilidad

conjunta p(x, y ) se dene para cada par (x, y ) como
p(x, y ) = P(X = x, Y = y )
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.
Si las v.a.'s X y Y tienen la siguiente funcin de masa de

probabilidad, entonces
Tabla: Distribucin de probabilidad conjunta
HH
y
HH
x
H
H
100
250
100
200
.20
.05
.10
.15
.20
.30
p(100, 100) = P(X = 100 yY = 100) = .10

P(Y 100) =
p(100, 100) + p(250, 100) + p(100, 200) + p(250, 200) = 0.75
Miguel Angel Mndez
Estadstica II
3/36
Funcin de masa de probabilidad marginal
Una vez que conocemos la funcin de masa de probabilidad

conjunta de las dos v.a.'s
es posible obtener la distribucin
de una sola de estas varaibles.
Miguel Angel Mndez
Estadstica II
4/36


Denicin.
La funcin de masa de probabilidad marginal de X , denotada

por pX (x), esta dada por
pX (x) =
p(x, y )
Miguel Angel Mndez
Estadstica II
4/36


Denicin.
La funcin de masa de probabilidad marginal de X , denotada

por pX (x), esta dada por
pX (x) =
p(x, y )
De manera similar, la funcin de masa de probabilidad
marginal de Y es
pY (y ) =
p(x, y )
y .
Miguel Angel Mndez
Estadstica II
4/36
Del ejemplo anterior
Tabla: Distribucin de probabilidad conjunta y marginal

H
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
Miguel Angel Mndez
Estadstica II
5/36
Del ejemplo anterior

H
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
Ahora veamos la funcin de densidad conjunta para v.a.'s continuas
Y:
Miguel Angel Mndez
Estadstica II
5/36
Funcin de densidad de probabilidad conjunta

Denicin.
Sean X y Y v.a.'s continuas. Un funcin de densidad de

probabilidad conjunta para estas dos v.a.'s es una funcin
satisfaciendo:
1
2
f (x, y ) 0
R R
f (x, y )dxdy = 1
Miguel Angel Mndez
Estadstica II
6/36

Denicin.

satisfaciendo:
1
2
f (x, y ) 0
R R
f (x, y )dxdy = 1
Entonces para cualquier conjunto A en R2

ZZ
P[(X , Y ) A] =
f (x, y )dxdy
A
Miguel Angel Mndez
Estadstica II
6/36

Denicin.

satisfaciendo:
1
2
f (x, y ) 0
R R
f (x, y )dxdy = 1
Entonces para cualquier conjunto A en R2

ZZ
P[(X , Y ) A] =
f (x, y )dxdy
A
En particular, si A es un rectngulo bidimensional

{(x, y ) : a x b, c y d}, entonces
Z
P[(X , Y ) A] = P(a X b, c Y d) =
f (x, y )dydx
a
Miguel Angel Mndez
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.
Vericar que f (x, y ) es una funcin de densidad de probabilidad

legtima
Calcular la probabilidad que ninguna ventanilla est ocupada ms de

un cuarto del tiempo, i.e. P(0 X 14 , 0 Y 14 )
Miguel Angel Mndez
Estadstica II
7/36
Funcin de densidad de probabilidad marginal
Denicin.
Las funciones de densidad de probabilidad marginal de X y Y ,

denotadas por fX (x) y fY (y ), estn dadas por
Z
fX (x) =
f (x, y )dy
<x <
f (x, y )dx
<y <
fY (y ) =
Miguel Angel Mndez
Estadstica II
8/36
Funcin de densidad de probabilidad marginal
Denicin.
Las funciones de densidad de probabilidad marginal de X y Y ,

denotadas por fX (x) y fY (y ), estn dadas por
Z
fX (x) =
f (x, y )dy
<x <
f (x, y )dx
<y <
fY (y ) =
Ejemplo.
Del ejemplo anterior calcule las funciones de densidad marginal.

Cul es el signicado de estas marginales?.
Miguel Angel Mndez
Estadstica II
8/36
Ejemplo.
Sean X y Y v.a.'s con funcin de densidad conjunta

f (x, y ) =
24xy
0
0 x 1, 0 y 1, x + y 1
o.c.
Determine si f (x, y ) es una funcin de densidad de

probabilidad.
Sea A = {(x, y ) : 0 x 1, 0 y 1, x + y .5}.
Encuentre P[(X , Y ) A]
Encuentre fX (x)
Miguel Angel Mndez
Estadstica II
9/36
variables aleatorias independientes
En ocasiones el valor observado de una de las dos variables
da informacin sobre el valor de la otra variable, i.e. existe

dependencia entre las dos variables. Veamos cuando no se da el
caso:
Miguel Angel Mndez
Estadstica II
9/36
variables aleatorias independientes
En ocasiones el valor observado de una de las dos variables
da informacin sobre el valor de la otra variable, i.e. existe

dependencia entre las dos variables. Veamos cuando no se da el
caso:
Denicin.
Se dice que dos v.a.'s X y Y son independientes si por cada par

de valores x y y
p(x, y ) = pX (x) pY (y ) cuando X y Y son discretas
f (x, y ) = fX (x) fY (y ) cuando X y Y son continuas
Si lo anterior no se satisface con todos los pares (x, y ), entonces se

dice que X y Y son dependientes.
Miguel Angel Mndez
Estadstica II
9/36
Ejemplo.
Sean X y Y v.a.'s con funcin de densidad conjunta dada por

H
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?
Miguel Angel Mndez
Estadstica II
10/36
Ejemplo.
Sean X y Y v.a.'s con funcin de densidad conjunta dada por

H
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:
p(100, 100) = .10 6= (.5)(.25) = pX (100) pY (100)
de modo que X y Y no son independientes

Miguel Angel Mndez
Estadstica II
10/36
Observacin.
Se puede demostrar que X y Y son independientes si

f (x, y ) = g (x)h(y )
y la regin de densidad positiva (el dominio de f ) debe ser un

rectngulo con sus lados paralelos a los ejes coordenados.
Miguel Angel Mndez
Estadstica II
11/36
Observacin.
Se puede demostrar que X y Y son independientes si

f (x, y ) = g (x)h(y )
y la regin de densidad positiva (el dominio de f ) debe ser un

rectngulo con sus lados paralelos a los ejes coordenados.
Tambin si X y Y son v.a.'s independientes, se deduce que:
P(a X b, c Y d) = P(a X b) P(c Y d)
Miguel Angel Mndez
Estadstica II
11/36
Distribucin exponencial
Una v.a.
tiene distribucin exponencial cuando su funcin de
densidad es

f (x; ) =
Miguel Angel Mndez
e x , x 0
0
o.c.
Estadstica II
12/36
Una v.a.
densidad es

f (x; ) =
= 1/
e x , x 0
0
o.c.
2 = 1/2
Miguel Angel Mndez
Estadstica II
12/36
Una v.a.
densidad es
e x , x 0
0
o.c.

f (x; ) =
2 = 1/2
= 1/
y

F (x, ) =
0
1
Miguel Angel Mndez
e x
x <0
x 0
Estadstica II
12/36
La independencia de dos variables aleatorias es ms til cuando la

descripcin del experimento en estudio sugiere que
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.
Miguel Angel Mndez
Estadstica II
13/36

no tienen
Ejemplo.
Suponga que las duraciones de dos componentes son

independientes entre s y que la distribucin exponencial de la
primera duracin es X1 con parmetro 1 = 1/1000, mientras que
la distribucin exponencial de la segunda es X2 con parmetro
2 = 1/200. Determine
1 La funcin de densidad conjunta
2 La probabilidad de que ambas duraciones sean de por lo menos
1500 horas.
Miguel Angel Mndez
Estadstica II
13/36

no tienen
Ejemplo.
Suponga que las duraciones de dos componentes son

independientes entre s y que la distribucin exponencial de la
primera duracin es X1 con parmetro 1 = 1/1000, mientras que
la distribucin exponencial de la segunda es X2 con parmetro
2 = 1/200. Determine
1 La funcin de densidad conjunta
2 La probabilidad de que ambas duraciones sean de por lo menos
1500 horas. (0.0639)
Miguel Angel Mndez
Estadstica II
13/36
Ms de dos variables aleatorias
Denicin.
Si X1 , X2 , . . . , Xn son v.a.'s discretas, la funcin masa de

probabilidad conjunta es la funcin
p(x1 , x2 , . . . , xn ) = P(X1 = x1 , X2 = x2 , . . . , Xn = xn )
Miguel Angel Mndez
Estadstica II
14/36
Ms de dos variables aleatorias
Denicin.
Si X1 , X2 , . . . , Xn son v.a.'s discretas, la funcin masa de

probabilidad conjunta es la funcin
p(x1 , x2 , . . . , xn ) = P(X1 = x1 , X2 = x2 , . . . , Xn = xn )
Si las variables son continuas, la funcin de densidad de

probabilidad conjunta de X1 , X2 , . . . , Xn es la funcin
f (x1 , x2 , . . . , xn ) de modo que para n intervalos cualesquiera
[a1 , b1 ], . . . , [an , bn ],
P(a1 X1 b1 , . . . , an Xn bn )
Z b1
Z
=
...
a1
Miguel Angel Mndez
bn
an
f (x1 , . . . , xn )dxn . . . dxx1
Estadstica II
14/36
Distribucin multinomial
Un experimento es multinomial si se tienen:

n ensayos idnticos e independientes,
cada ensayo se tienen uno de r posibles resultados,

la probabilidad de cada resultado es pi con i = 1, 2, . . . , r .
Las variables aleatorias de inters son Xi =el nmero de ensayos que
dan el resultado i (i = 1, . . . , r ),
La funcin de masa de probabilidad conjunta de X1 , . . . , Xn es:

p(x1 , . . . , xr ) =
x1
n!
x1 !xn ! p1
prxr
Miguel Angel Mndez
xi = 0, 1, . . . ; x1 + . . . + xr = n
o.c.
Estadstica II
15/36



p(x1 , . . . , xr ) =
x1
n!
x1 !xn ! p1
prxr
xi = 0, 1, . . . ; x1 + . . . + xr = n
o.c.
El caso r = 2 da la distribucin binomial, con X1 = nmero de xitos y

X2 = n X1 = nmero de fallas.
Miguel Angel Mndez
Estadstica II
15/36



p(x1 , . . . , xr ) =
x1
n!
x1 !xn ! p1
prxr
xi = 0, 1, . . . ; x1 + . . . + xr = n
o.c.

Ejemplo.
Un dado es lanzado 9 veces. Determine la probabilidad que el 1 aparezca
3 veces, el 2 y 3 dos veces, 4 y 5 una vez y el 6 no aparezca.
Miguel Angel Mndez
Estadstica II
15/36



p(x1 , . . . , xr ) =
x1
n!
x1 !xn ! p1
prxr
xi = 0, 1, . . . ; x1 + . . . + xr = n
o.c.

Ejemplo.
Un dado es lanzado 9 veces. Determine la probabilidad que el 1 aparezca
3 veces, el 2 y 3 dos veces, 4 y 5 una vez y el 6 no aparezca.
9!
1 3 1 2 1 2 1 1 1 1 1 0
3!2!2!1!1! ( 6 ) ( 6 ) ( 6 ) ( 6 ) ( 6 ) ( 6 )
Miguel Angel Mndez
9!
1 9
3!2!2! ( 6 )
Estadstica II
15/36
Ejemplo.
Cuando se utiliza cierto mtodo para recolectar un volumen jo de

muestras de roca en una regin, existen cuatro tipos de roca. Sean
X1 , X2 y X3 la proporcin por volumen de los tipos de roca 1, 2 y 3
en una muestra aleatoriamente seleccionada (la proporcin de la
roca 4 es 1 X1 X2 X3 de modo que una v.a. X4 sera
redundante). Si la funcin de masa de probabilidad conjunta de
X1 , X2 , X3 es

f (x1 , x2 , x3 ) =
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
Miguel Angel Mndez
Estadstica II
integren ms del
16/36
Independencia de mas de dos v.a.'s
Denicin.
Se dice que las v.a.'s X1 , X2 , . . . , Xn son independientes si para

cada par, cada terna, y as sucesivamente, la funcin de masa de
probabilidad conjunta o funcin de densidad de probabilidad
conjunta es igual al producto de funciones de masa de probabilidad
conjuntas o funciones de densidad de probabilidad conjunta para
pares, ternas y as sucesivamente.
Miguel Angel Mndez
Estadstica II
17/36
Distribuciones condicionales
Denicin.
Sean X y Y v.a.'s continuas con fdpc f (x, y ) y fdp marginal fX (x).

Entonces para toda x de X con el cual fX (x) > 0, la funcin
condicional de densidad de probabilidad condicional de Y dado que
X = x es
fY |X (y |x) =
f (x, y )
fX (x)
<y <
Si X y Y son v.a.'s discretas se reemplazan las funciones de

densidad por funciones de masa de probabilidad.
Miguel Angel Mndez
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.
De este ejemplo hemos calculado fX (x) = 65 x +
2
5
Calcule la densidad de probabilidad de Y dado que X = 0.8.
Determine la probabilidad que la ventanillla est ocupada cuando

mucho la mitad del tiempo dado que X = 0.8.
Miguel Angel Mndez
Estadstica II
19/36
Denicin:
Sean
probabilidad
v.a.'s conjuntamente distribuidas con funcin masa de
p(x, y )
o funcin de densidad de probabilidad
f (x, y )
ya sea que las variables sean discretas o continuas. Entonces el

valor esperado de una funcin
h(X ,Y )
h(X , Y )
denotada
E [h(X , Y )]
est dada por
P P
y h(x, y ) p(x, y )
E [h(X , Y )] = R x R
h(x, y ) f (x, y )dxdy
Miguel Angel Mndez
Estadstica II
si X y Y son discretas
si X y Y son continuas
20/36
Ejemplo.
Considere que Y1 y Y2 tienen una densidad conjunta dada por

f (y1 , y2 ) =
2y1 ,
0,
y1 1, 0 y2 1,
o.c.
0
Encuentre E (Y1 Y2 ).
Miguel Angel Mndez
Estadstica II
21/36
Ejemplo.
Considere que Y1 y Y2 tienen una densidad conjunta dada por

f (y1 , y2 ) =
y1 1, 0 y2 1,
o.c.
2y1 ,
0,
Encuentre E (Y1 Y2 ).
Solucin:
Z
E (Y1 Y2 ) =
1Z 1
0
Miguel Angel Mndez
y1 y2 (2y1 )dy1 dy2 =
Estadstica II
1
3
21/36
Observemos lo siguiente:
Z
E (Y1 ) =
y1 f (y1 , y2 )dy2 dy1

Z
Z
y1
f (y1 , y2 )dy2 dy1 =
Miguel Angel Mndez
Estadstica II
y1 f1 (y1 )dy1
22/36
Z
E (Y1 ) =
y1 f (y1 , y2 )dy2 dy1

Z
Z
y1
f (y1 , y2 )dy2 dy1 =
y1 f1 (y1 )dy1
Ejemplo.
Sean Y1 y Y2 v.a.'s con funcin de densidad

f (y1 , y2 ) =
2y1 ,
0
0 y1 1, 0 y2 1,
o.c.
Encuentre V (Y1 ).
Miguel Angel Mndez
Estadstica II
22/36
Z
E (Y1 ) =
y1 f (y1 , y2 )dy2 dy1

Z
Z
y1
f (y1 , y2 )dy2 dy1 =
y1 f1 (y1 )dy1
Ejemplo.
Sean Y1 y Y2 v.a.'s con funcin de densidad

f (y1 , y2 ) =
2y1 ,
0
0 y1 1, 0 y2 1,
o.c.
Encuentre V (Y1 ).
Solucin: Verique primero que E (Y1k ) =
k+2 y luego
V (Y1 ) = E (Y12 ) E 2 (Y1 ) = 1/2 (2/3)2 = 1/18.

Miguel Angel Mndez
Estadstica II
22/36
Teorema.
Sean c una constante y g (x, y ), g1 (x, y ), g2 (x, y ) funciones de

Y1 , Y2 v.a's. Entonces
1
E (c) = c
E [cg (Y1 , Y2 )] = cE [g (Y1 , Y2 )]
E [g1 (Y1 , Y2 ) + g2 (Y1 , Y2 )] = E [g1 (Y1 , Y2 )] + E [g2 (Y1 , Y2 )]
Miguel Angel Mndez
Estadstica II
23/36
Teorema.
Sean Y1 y Y2 v.a.'s independientes y sean g (Y1 ) y h(Y2 ) funciones

slo de Y1 y Y2 respectivamente. Entonces
E [g (Y1 )h(Y2 )] = E [g (Y1 )]E [h(Y2 )]
siempre que existan los valores esperados.

Demostracin.
Usar la hiptesis de independencia:
f (y1 , y2 ) = fY1 (y1 )fY2 (y2 )
Ejemplo.
Suponga que Z N(0, 1), Y1 2 (1 ) y Y2 2 (2 ). Adems

suponga que Z , Y1 y Y2 son independientes.
1 Dena W = Z / Y1 . Encuentre E (W ) y V (W ). Que

suposiciones se necesitan acerca del valor de 1 ?.
2 Dena U = Y1 /Y2 . Encuentre E (U) y V (U). Que
suposiciones acerca de 1 y 2 se necesitan?.
Miguel Angel Mndez
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.
Miguel Angel Mndez
Estadstica II
25/36
La covarianza
Denicin.
Si Y1 y Y2 son v.a.'s con medias 1 y 2 , respectivamente, la

covarianza de Y1 y Y2 es
Cov (Y1 , Y2 ) = E [(Y1 1 )(Y2 2 )]
Miguel Angel Mndez
Estadstica II
25/36
La covarianza
Denicin.
Si Y1 y Y2 son v.a.'s con medias 1 y 2 , respectivamente, la

covarianza de Y1 y Y2 es
Cov (Y1 , Y2 ) = E [(Y1 1 )(Y2 2 )]
Una manera alterna para calcular la covarianza:
Teorema.
Si Y1 y Y2 son v.a.'s con medias 1 y 2 respectivamente, entonces

Cov (Y1 , Y2 ) = E (Y1 Y2 ) E (Y1 )E (Y2 )
Miguel Angel Mndez
Estadstica II
25/36
Algunas observaciones con respecto de la covarianza:

Entre mayor sea el valor absoluto de la covarianza mayor ser
la dependencia lineal entre
Y1
Los valores positivos indican que
Y2 .
Y1
aumenta cuando
aumenta y los valores negativos indican que

cuando
Y2
Y1
Y2
disminuye
aumenta
Un valor de cero indica que las variables son no

correlacionadas y que no hay dependencia lineal entre
Miguel Angel Mndez
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
Miguel Angel Mndez
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
Miguel Angel Mndez
Estadstica II
27/36
Una dicultad de utilizar la covarianza como medida absoluta de

variacin es el que su valor depende de la escala de medicin, i.e. es
difcil determinar si una covarianza particular es grande o
pequea.
Miguel Angel Mndez
Estadstica II
28/36

pequea.El problema se resuelve si estandarizamos su valor y
usamos el coeciente de correlacin
Miguel Angel Mndez
Estadstica II
28/36

pequea.El problema se resuelve si estandarizamos su valor y
usamos el coeciente de correlacin
Denicin.
El coeciente de correlacin de X y Y , denotado por

Corr (X , Y ), X ,Y o simplemente , esta denido por
X ,Y =
Miguel Angel Mndez
Cov (X , Y )
X Y
Estadstica II
28/36
La siguiente proposicin muestra que
remedia el defecto de la
covarianza y tambin suguiere cmo reconocer la existencia de una

fuerte relacin lineal.
Proposicin.
1
Si a y c son ambas positivas o negativas,

Corr (aX + b, cY + d) = Corr (X , Y )
Para dos v.a.'s cualesquiera X y Y ,

1 Corr (X , Y ) 1
Miguel Angel Mndez
Estadstica II
29/36
La siguiente proposicin muestra que
remedia el defecto de la
covarianza y tambin suguiere cmo reconocer la existencia de una

fuerte relacin lineal.
Proposicin.
1
Si a y c son ambas positivas o negativas,

Corr (aX + b, cY + d) = Corr (X , Y )
Para dos v.a.'s cualesquiera X y Y ,

1 Corr (X , Y ) 1
Demostracin:(2) : Demuestre que [E (XY )]2 E (X 2 )E (Y 2 )

(sugerencia:
E [(tX Y )2 ] 0)
Miguel Angel Mndez
Estadstica II
29/36
Proposicin.
1
Si X y Y son independientes, entonces = 0, pero = 0 no

implica independencia.
= 1 o = 1 si y slo si Y = aX + b con algunos nmeros
a y b con a 6= 0.
Demostracin: (2) para el regreso utilizar la v.a.

U=
X E (X ) Y E (Y )
X
Y
Miguel Angel Mndez
Estadstica II
30/36
Estimacin puntual
El proposito de la estadstica es usar la informacin de una

muestra para hacer inferencias acerca de la poblacin de la
cual se toma la muestra.
Miguel Angel Mndez
Estadstica II
31/36
Estimacin puntual

Debido a que las poblaciones estn caracterizadas por medidas
descriptivas numricas llamadas parmetros, el objetivo de
muchas investigaciones estadsticas es calcular el valor de uno
o ms parmetros relevantes.
Miguel Angel Mndez
Estadstica II
31/36
Estimacin puntual

Parmetros importantes relevantes son la media poblacional, la
varianza y la deviacin estndar.
Miguel Angel Mndez
Estadstica II
31/36
Estimacin puntual

Al parmetro de inters le llamaremos prametro objetivo en el
experimento.
Miguel Angel Mndez
Estadstica II
31/36
Estimacin puntual

Al parmetro de inters le llamaremos prametro objetivo en el
experimento.
La informacin de la muestra se puede utilizar para calcular el
valor de una estimacin puntual, una estimacin de intervalo o
ambas. En cualquier caso, la estimacin real se logra con el
uso de un
estimador del parmetro objetivo.

Miguel Angel Mndez
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.
Miguel Angel Mndez
Estadstica II
32/36
Denicin.
Ejemplo.
Por ejemplo, la media muestral
n
Y =
1X
n
Yi
i=1
es un posible estimador puntual de la media poblacional
Miguel Angel Mndez
Estadstica II
32/36
Denicin.
Ejemplo.
Por ejemplo, la media muestral
n
Y =
1X
n
Yi
i=1
es un posible estimador puntual de la media poblacional
Miguel Angel Mndez
Estadstica II
32/36
Como las estimaciones son nmeros, evaluamos la bondad del

estimador puntual al construir una distribucin de frecuencias
de los valores de las estimaciones obtenidas en muestreo
repetido y observar como se agrupa esta distribucin
alrededor del parmetro objetivo.
Miguel Angel Mndez
Estadstica II
33/36

Si deseamos especicar una estimacin puntual para un parmetro

poblacional , el estimador de estar indicado por el simbolo
Miguel Angel Mndez
Estadstica II
33/36

Si deseamos especicar una estimacin puntual para un parmetro

poblacional , el estimador de estar indicado por el simbolo
Quisieramos que el valor esperado de la distribucin de estimaciones
= . Se dice que los
fuera igual al parmetro estimado; esto es, E ()
estimadores puntuales que satisfacen esta propiedad son insesgados.
Miguel Angel Mndez
Estadstica II
33/36
Denicin.
Si es un estimador puntual de un parmetro , entonces es un

= . Si E ()
6= , se dice que est
estimador insesgado si E ()
sesgado
Miguel Angel Mndez
Estadstica II
34/36
Denicin.

= . Si E ()
sesgado
Denicin.
= E ()
.
El sesgo de un estimador puntual est dado por B()
Miguel Angel Mndez
Estadstica II
34/36
Denicin.

= . Si E ()
sesgado
Denicin.
= E ()
.
El sesgo de un estimador puntual est dado por B()
Miguel Angel Mndez
Estadstica II
34/36
La gura siguiente muestra dos posibles distribuciones

muestrales para los estimadores puntuales insesgados para un
parmetro objetivo
Preferiramos un estimador con una distribucin del tipo
(b)
porque una varianza pequea garantiza que, en un muestreo

repetido, una fraccin mas alta de valores de
de
estar cerca
Por consiguiente, adems de preferir un estimador insesgado,

necesitamos que la varianza de la distribucin del estimador
sea lo mas pequea posible.
Miguel Angel Mndez
Estadstica II
35/36
Mas que usar el sesgo y la varianza de un estimador puntual para

caracterizar su bondad, podemos emplear
E [( )2 ],
el promedio
del cuadrado de la distancia entre el estimador y su parmetro

objetivo.
Miguel Angel Mndez
Estadstica II
36/36

E [( )2 ],
el promedio

objetivo.
Denicin.
El error cuadrtico medio de un estimador puntual es

= E [( )2 ].
MSE ()
Miguel Angel Mndez
Estadstica II
36/36

E [( )2 ],
el promedio

objetivo.
Denicin.

= E [( )2 ].
MSE ()
El error cuadrtico medio de un estimador
funcin de su varianza y su sesgo. Si
estimador
B()
,
, MSE ()
es una
representa el sesgo del
se puede demostrar que
= V ()
[B()]
2.
MSE ()
Miguel Angel Mndez
Estadstica II
36/36

E [( )2 ],
el promedio

objetivo.
Denicin.

= E [( )2 ].
MSE ()
El error cuadrtico medio de un estimador
funcin de su varianza y su sesgo. Si
estimador
B()
,
, MSE ()
es una
representa el sesgo del
se puede demostrar que
= V ()
[B()]
2.
MSE ()
Tarea: Wackerly, 8.1, 8.2, 8.3, 8.6 y 8.7.
Miguel Angel Mndez
Estadstica II
36/36

Presentación Sobre Funciones Generadoras de Momentos Explicación

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Presentación Sobre Funciones Generadoras de Momentos Explicación

Cargado por

Copyright:

Formatos disponibles

Estadstica II

Miguel Angel Mndez

Miguel Angel Mndez

Funcin de masa de probabilidad conjunta discreta

de una sola v.a.

especica cunta masa de

probabilidad esta colocada en cada valor posible de

masa de probabilidad conjunta de dos v.a.'s discretas X

describe cunta masa de probabilidad se coloca en cada posible par

Miguel Angel Mndez

Funcin de masa de probabilidad conjunta discreta

de una sola v.a.

especica cunta masa de

probabilidad esta colocada en cada valor posible de

masa de probabilidad conjunta de dos v.a.'s discretas X

describe cunta masa de probabilidad se coloca en cada posible par

Sean X y Y dos v.a.'s discretas. la funcin de masa de probabilidad

Miguel Angel Mndez

Funcin de masa de probabilidad conjunta discreta

de una sola v.a.

especica cunta masa de

probabilidad esta colocada en cada valor posible de

masa de probabilidad conjunta de dos v.a.'s discretas X

describe cunta masa de probabilidad se coloca en cada posible par

Sean X y Y dos v.a.'s discretas. la funcin de masa de probabilidad

Si las v.a.'s X y Y tienen la siguiente funcin de masa de

p(100, 100) = P(X = 100 yY = 100) = .10

Miguel Angel Mndez

Funcin de masa de probabilidad marginal

Una vez que conocemos la funcin de masa de probabilidad

es posible obtener la distribucin

de una sola de estas varaibles.

Miguel Angel Mndez

Funcin de masa de probabilidad marginal

Una vez que conocemos la funcin de masa de probabilidad

es posible obtener la distribucin

de una sola de estas varaibles.

La funcin de masa de probabilidad marginal de X , denotada

Miguel Angel Mndez

Funcin de masa de probabilidad marginal

Una vez que conocemos la funcin de masa de probabilidad

es posible obtener la distribucin

de una sola de estas varaibles.

La funcin de masa de probabilidad marginal de X , denotada

De manera similar, la funcin de masa de probabilidad

Miguel Angel Mndez

Del ejemplo anterior

Tabla: Distribucin de probabilidad conjunta y marginal

Miguel Angel Mndez

Del ejemplo anterior

Tabla: Distribucin de probabilidad conjunta y marginal

Ahora veamos la funcin de densidad conjunta para v.a.'s continuas

Miguel Angel Mndez

Funcin de densidad de probabilidad conjunta

Sean X y Y v.a.'s continuas. Un funcin de densidad de

Miguel Angel Mndez

Funcin de densidad de probabilidad conjunta

Sean X y Y v.a.'s continuas. Un funcin de densidad de

Entonces para cualquier conjunto A en R2

Miguel Angel Mndez

Funcin de densidad de probabilidad conjunta

Sean X y Y v.a.'s continuas. Un funcin de densidad de

Entonces para cualquier conjunto A en R2

especica cunta masa de

especica cunta masa de

especica cunta masa de

Vericar que f (x, y ) es una funcin de densidad de probabilidad

Cuando se utiliza cierto mtodo para recolectar un volumen jo de