Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 2
Capítulo 2
xi
M (X ) x i 1
n
n
( xi x)
2
D( X ) D´(x ) i 1
n 1
2. asimetría
una fórmula más exacta es su fundamento se da en el libro: V. Bolshakov <<Teoría de
errores de observación>>.
La desviación típica del índice de asimetría puede calcularse por la siguiente
formula empírica
6
´(Sk )
n
Si se cumple la condición
Sk 3 ´(Sk )
La distribución empírica puede considerarse prácticamente simétrica.
A veces, en lugar del índice de asimetría Sk se utiliza la constante 1 de
Pearson, llamada medida de oblicuidad, la cual es igual a
( ´3 ) 2
1 ( Sk )
2
( ´ 2 ) 3
Es fácil establecer que
24
´ 1 2 4( Sk ) 2 ´(Sk ) ; ´ 1
2
1
n
A la condición (II.7), es análoga la condición
1 3 ´( 1)
Las desviaciones inadmisibles de Sk respecto a cero, en la mayoría de los
casos, revelan la presencia en los resultadas de las mediciones de errores que
actúan unilateralmente es asequible sin aclaraciones adicionales. A ella
volveremos más adelante.
Ejemplo. Durante las pruebas realizadas con un geodímetro, una misma línea
ha sido medida 16 veces. Haciendo uso de los datos dados en la tabla 4,
0.2
´1 0.0
6994.911 17.8 316.84 5639.8 16
1186
´2 74.2
890 -3.2 10.24 -32.8 16
653
´3 40.8
879 -14.2 201.64 -2863.3 16
199313
895 1.8 3.24 5.8 ´ 4 12457
16
1186
882 -11.2 125.44 -1404.9 D´ 79.0
15
´ D´ 8.9mm
898 4.8 23.04 11.6 ´ 4
E 3
885 -8.2 67.24 -551.4 ( ´2 ) 2
una fórmula más precisa para el cálculo de se da en el libro V. Bloshakov <<Teoría de errores
de observación >>
883 -10.2 104.04 -1061.2 12457
E 3
5506
902 8.8 77.44 681.5 E 0.74
24
901 7.8 60.84 474.6 ´(E ) 1.22
16
E ´(E )
895 1.8 3.24 5.8 ´3
Sk
( ´)3
894 0.8 0.64 0.5 40.8
Sk
703
6
´(Sk ) 0.61
896 2.8 7.84 22.0 n
883 -10.2 104.04 -1061.2
Sk ´(Sk )
895 1.8 3.24 5.8
Y el estándar de la media
(X )
( x) D( x)
n
ti i
P ti
(
( x)
) (t i )
donde
i xi X
xi X
ti
( x)
y, finalmente,
xi X t i ( x )
( xi x) 2
´( X ) i 1
n 1
Donde n 20
La expresión (II.10) se deduce de la formula (II.2). por eso, en la subsiguiente
exposición vamos a considerar que la desviación típica es prácticamente
exacta si su valor se ha obtenido a partir de 20 observaciones o más.
Pasemos ahora a la deducción de la formula (II.2)
Como es sabido, D( X ) 2 Veamos si es posible calcular un valor aproximado
de la varianza por medio de la formula
D´( X ) ´2
xi 2
1 n
(v´2 ) M ( i 1
) M ( xi 2 ) M ( x 2 ) v 2
n n i 1
Obtendremos
n
2
xi
1 M (
n
(v´2 ) 2 M i 1 xi ) 2
n n 2
i 1
1 n 2
n n
n 2
M
xi ( xi xj )
1 i 1 j 1
n
1
2 1
n
2
1
2 n( X ) n(n 1)( X ) 2 ( X ) n( X ) 2 ( X ) 2 (v 2 v12 nv12 )
n
n 1 n 1
( xi x) M ( xi x )
D( X ) M ( ´2 ) M( 1
) 1
n n n n 1
n 2
( xi x)
D´( X ) 1
n 1
Ejemplo 1. ) la variable aleatoria X ha sido observada 20 veces. Los resultados
de las observaciones se exponen en la tabla 5.
Requiérese encontrar un intervalo de confianza para la esperanza matemática
que
i xi i xi i xi i xi
1 10.5 6 10.6 11 10.6 16 10.9
2 10.8 7 10.9 12 11.3 17 10.8
3 10.9 8 11.0 13 10.5 18 10.7
4 11.2 9 10.3 14 10.7 19 10.9
5 10.4 10 10.8 15 10.8 20 11.0
xi ( xi 10.78) 2
x 1
10.78; D´( X ) 1
0.064; ´( X ) 0.253
20 19
0.064
´(x) 0.056
20
el ejemplo ha sido tomado del libro E, Wentzel <<Probability theory>> moscow, mir Publishers, 1982.
(E. Wentzel << Teoría de probabilidades >>.)
x X
t
´(x )
Donde
n 2
D´( X )
( xi x)
´(x ) 1
n n( n 1)
Donde
La tabla de valores de
t
u e du ´(t ) 2 S n 1 (t )dt
x 1 u
( x )
0 0
Se ofrece en el apéndice 5
Presentemos ejemplos de la aplicación de la ley de distribución de student.
Los límites de confianza son 10.62 y 10.94. Al aplicar la ley normal, los limites
de confianza resultaron ser iguales a 10.64 y 10.92, es decir, ambas
distribuciones para un número n = 20 divergen poco.
Q t ( p´)
y
Q t ( p´)
42
p´ q 0.42
100
0.42 * 0.58 0.244
( p´) 0.049
100 100
( n 1) D´
V
D
Que posee la llamada distribución X2 , cuya densidad se expresa
por la formula
n 3 v
1
k n 1 (v ) n 1
v 2
e 2
n 1
2 2
( )
2
De (II.19) se deduce
D
D´ V
N 1
P(V X i2 ) pi
2 2
( D´) D´ 0.064 0.021
n 1 19
De acuerdo con (II.18) . Los limites de confianza
para D´(X) 0.037 y 0.91;
para ´(X) 0.19 y 0.30;
b) por la ley de distribución :
=1-= 0.2
p1 0.1
2
p 2 1 0.1 0.9
Recordemos que los limites de confianza para (X), según la ley normal, son
iguales a 0.19 y 0.30.
Como hemos visto cuando n=20, los limites de confianza para (X), obtenidos
por la ley normal de distribución y por la distribución , no se
diferencian prácticamente. Resumiendo lo dicho en los títulos 20 y 21, pueden
formularse las siguientes reglas.
Cuando n>20, para la estimación de los parámetros empíricos fundamentales
de la distribución normal de una variable aleatoria, pueden utilizarse las tablas
de integrales de probabilidades (t) del apéndice 2, sin tener que recurrir a las
distribuciones de Student y las cuales sin embargo, se emplean
preferentemente cuando n<20. pero, para los casos cuando n<10, obtener
estimaciones confiables de los parámetros empíricos resulta imposible.
(ki npi ) 2
X 2 i 1
n
npi
tomado del libro de E. Wentzel <<probability theory >>, Moscow, Mir publishers, 1982.
El valor de en el ejemplo ha sido calculado por la formula
aproximada
8
1
2 ( x xi ) k i
i 1
84 0.168
x 1
500 500
2
1
8
( xi xi 1 ) ki
2
D´( X ) v´2 (v1´)2 1 ( x) 2 2.126 0.028 2.098
500
Luego se obtiene
8
(ki npi) 2
X2 3.75
1 npi
Y un número de grados de libertad
r=8-3=5
en la tabla (apéndice 6) hallamos en el renglón r=5 para
el valor p=0.70 y para p=0.50. interpolando obtenemos para
el valor p=0.59
por cuanto p>0.5 la concordancia de la distribución empírica respecto a la
normal debe considerarse excelente. Cuando , la concordancia se
considera buena, y cuando , satisfactoria. Recordemos que en caso de
p<0.1 la concordancia se considera insatisfactoria.
4
V R 3
3
n *
( xi x )( y i y )
r i 1
( n 1) ´( X ) ´(Y )
Donde
xi x1x1x3...xn
yi y1 y 2 y 3... yn
Son diversos los valores de xi e yi obtenido de las observaciones
La magnitud se llama momento de correlación.
n
n
n
n
n, el numero de observaciones (de los valores de xi, yi); ´(X), la desviación
típica de X (estándar de X); ´(Y), la desviación típica de Y (estándar de Y)
las magnitudes ´(X) y ´(Y) se calculan por las formulas (II.2)
n n
( xi x) 2 y ( yi y) 2
´( X ) i 1
´(Y ) i 1
n 1 n 1
Así, pues, si las figuras graficas preliminares muestran que el enlace entre X e
Y se aproxima al enlace lineal (los puntos en la grafica en tal caso, se disponen
cerca de la línea recta), entonces se calculan las medias aritméticas
las desviaciones y por ellas, aplicando la formula (II.2) se
calculan las desviaciones típicas ´(X) y ´(Y) y, finalmente, por la formula
(II.24), el coeficiente de correlación.
de (II.24) es fácil obtener la formula
2
n
ii
r2 i 1
n 2 n 2
( i )(i )
i 1 i 1
donde
i xi x y i yi y
pero en álgebra se demuestra la desigualdad
2 2 2
n n n
i i ( i )( i )
i 1 i 1 i 1
de donde resultan las desigualdades
1 r 1
1 r 1
r 3 () r
1
z ln(1 r ) ln(1 r
2
1
( z) 0.41
93
Con una probabilidad igual a 0.68 (t=1), la magnitud z puede tomar los valores
0.28 z 1.10
0.27 r 0.80
yi y y / x ( xi x)
´(Y )
y/x r
´( X )
´( X )
x/ y r
´(Y )
´(Y ) 1 r 2
( y / x )
´( X ) n 3
´( X ) 1 r 2
( x / y )
´(Y ) n 3
yi y / x xi ( y y / x x)
61.47
´(D ) 1.80
19
39.20
´( ) 1.42
19
38.54
r 0.79
19 * 1.80 *1.42
Estimemos la fidelidad del coeficiente de correlación. Dado que el numero n de
observaciones es comparativamente pequeño para la estimación aplicaremos
el criterio z de Fisher.
En la tabla del apéndice 7 valiéndonos del coeficiente de correlación r=+0.79
como argumento, hallamos
1
( z) 0.243
20 3
Con una probabilidad de 0.68 (t=1), la magnitud z puede tomar los valores
1.071 ´(z ) z 1.071 ´(z )
Por la tabla del apéndice 7 hallamos los valores del coeficiente de correlación
que corresponden a los valores extremos de z (0.83 y 1.31)
0.828 z 1.314
1.42 1.42
i 0.79 Di (3.8 0.79 4.9)
1.80 1.80
i (0.62 Di 0.76)cm
por lo tanto
/ D ( / D ) 0.62 0.12
con una probabilidad =0.68