Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una v.a. es una función que asocia a cada resultado del espacio maestral un número real.
Tipologías:
1. VARIABLE ALEATORIA:
2. EJEMPLO:
¿Cuáles son las propiedades de una función de probabilidad para una variable discreta?
Ejemplo:
Se lanzan 2 dados perfectos y llamamos X = resultado del primer dado, Y = mínimo de los dos
dados. Calculemos la función de probabilidad conjunta y sus marginales.
DISTRIBUCIÓN CONJUNTA
Esta función en el punto (x,y) toma la probabilidad de que ocurra X=x e Y=y. Es decir, si (X,Y) es una
variable discreta que toma valores en:
¿Qué entendemos por distribución conjunta y
marginal?
A continuación se muestran las funciones que
definen la distribución marginal y conjunta.
Se puede afirmar que en un par de variables aleatorias X e Y son independientes si cumple que:
f(x,y) = f(x).f(y)
ESTADÍSTICAS DE ASOCIACIÓ N
Covarianza: Es útil para detectar si existe relación de tipo lineal entre las variables y su sentido.
PROPIEDADES DE LA COVARIANZA
Cov(X,Y)=E(XY)-E(X)E(Y).
Cov(X,Y)=Cov(Y,X).
Cov(X,X)=Var(X).
Cov(c,Y)=0.
Cov(cX,Y)=cCov(X,Y).
Cov(X_1+X_2,Y)=Cov(X_1,Y)+Cov(X_2,Y).
Si X e Y son independientes Cov(X,Y)=0
EJEMPLO
Una característica de interés, que tiene como naturaleza ser una observación medida directamente
en U, conocida una población o el universo de nuestro interés, que está conformado por
elementos que notaremos como U = { 1, 2, …,𝑁 }.
Totla poblacional
Promedio Poblacional
Varianza poblacional
2. MUESTRA ALEATORIA:
Muestra aleatoria sin reemplazo. la probabilidad de obtener un dato en cada selección viene
influida por los resultados anteriores , en la medida en que en este muestreo no permitimos que
un mismo dato sea seleccionado más de una vez (lo que hace variar las probabilidades en cada
extracción muestral)
Muestra aleatoria con reemplazo. Si una vez observada la unidad ésta es devuelta a la
población, es decir, la estructura de la población permanece constante en cada extracción
3. MUESTRA PROBABILÍSTICA:
4. DISEÑO MUESTRAL:
Diseño de muestreo
Diseño de muestreo sin reemplazo
Diseño de muestreo con reemplazo
Diseño de muestreo con tamaño de muestra fijo
Supongamos que tenemos una variable aleatoria que sigue una distribución Normal N(µ; σ)
donde la varianza es un valor fijo conocido σ2 = σ20. Nuestro objetivo es, dada una muestra
aleatoria simple de tamaño n de la variable obtener un intervalo de confianza con nivel de
confianza del 95 % para el parámetro µ de la distribución.
Es importante que sea una distribución conocida e independiente del parámetro que queremos estimar
µ, puesto que esto nos permite una vez construida la expresión siguiente
Determinar, de manera independiente de µ el valor zα/2 que delimita una probabilidad del 95 % dentro
del intervalo centrado en cero (-zα/2; zα/2). En este caso, para la distribución N(0, 1), el valor es
aproximadamente 1,96.
Sólo nos resta despejar µ de la expresión anterior para obtener el intervalo definitivo.
REPRESENTACIÓN GRÁFICA
Variables Aleatorias
Caso Práctico
Accede al foro
EJERCICIO 1:
a) La probabilidad de que la estatura media de los niños alemanes sea mayor de 180 cm.
EJERCICIO 2:
Dada una población representada por una variable ζ cuya distribución de probabilidad se supone
N(μ,4). Se pide:
Elaborar el intervalo de confianza para la estimación del parámetro μ, al nivel de confianza del
95% con base en una m.a.s de tamaño n=100 en la que se obtiene una media muestral igual a 10.