Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPÍTULO 1: REVISIÓN
DE CONCEPTOS BÁSICOS
Fernando Herrera García
Agenda
■ Operadores de sumatoria
■ Espacio muestral, puntos muestrales y sucesos
■ Probabilidad y variables aleatorias
■ Función de densidad de probabilidad (FDP)
■ Características de las distribuciones de probabilidad
■ Algunas distribuciones de probabilidad teóricas importantes
■ Inferencia estadística: estimación
■ Inferencia estadística: pruebas de hipótesis
Operadores de sumatoria y de producto
Espacio muestral, puntos muestrales y
sucesos
■ Espacio muestral: el conjunto de todos los
resultados posibles de un experimento aleatorio
■ Punto muestral: cada elemento de este espacio
muestral
■ Suceso: un subconjunto del espacio muestral
– sucesos mutuamente excluyentes
– sucesos exhaustivos (colectivamente)
Probabilidad
■ P(A) es la probabilidad del suceso A, o la proporción de veces
que el suceso A ocurrirá en ensayos repetidos de un
experimento
■ P(A) es una función de valor real y tiene estas propiedades:
x = 2 3 4 5 6 7 8 9 10 11 12
f(x) = (1/36) (2/36) (3/36) (4/36) (5/36) (6/36) (5/36) (4/36) (3/36) (2/36) (1/36)
■ Función de densidad de la variable aleatoria discreta
Función de densidad de probabilidad
(FDP): variable aleatoria continua
■ Sea X una va continua. Entonces, se dice que f (x) es la FDP
de X si se satisfacen las siguientes condiciones:
donde
– f (x)dx es el elemento probabilístico (probabilidad asociada
a un intervalo de una variable continua)
– P(a ≤ X ≤ b) significa la probabilidad de que X se encuentre
en el intervalo entre a y b
Nota:
donde X es la VA y E(X)= μ
■ Se calcula:
Varianza (2)
■ Por conveniencia de cálculo, la fórmula de la varianza
anterior se expresa también como:
Ejemplo
■ Determinemos la varianza de la VA continua del ejemplo anterior
Se calcula:
VA discretas
VA continuas
Ejemplo
■ La siguiente tabla presenta la FDP conjunta de las variables
discretas X y Y.
Ejemplo
■ La siguiente tabla presenta la FDP conjunta de las variables
discretas X y Y.
Entonces
Coeficiente de correlación
■ ρ es una medida de la asociación lineal entre dos variables
y su valor se sitúa entre −1 y +1, donde −1 indica una
perfecta asociación negativa y +1 indica una perfecta
asociación positiva.
Ejemplo
Estime el coeficiente de correlación para el ejemplo anterior
σx = 2,05 y σy = 1,50
σx2 = E (X2) – [E(X)]2
[E(X)]2 = (-2)2 x 0,27 + 02 x 0,12 + 22 x 0,26 + 32 x 0,35 = 5,27
■ valor medio de Z es 0
■ varianza de Z es 1
Ejemplo
Suponga que X ∼ N(8, 4) ¿Cuál es la probabilidad de que X
tome un valor entre X1 = 4 y X2 = 12?.
Para calcular la probabilidad requerida, obtenemos los
valores Z como