Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sesión III - Teoría
Sesión III - Teoría
Sesión 3
FACU LTAD DE I NGEN I ERÍ A ECO N ÓM ICA , ESTA D Í ST I CA Y
CI ENCI AS S O CI AL ES
Ing. Solange Basualdo
Email: lbasualdo@uni.edu.pe
Tw i t t e r : @ s o l a n g e _ 0 2 1 1
Distribución de la mediana y el rango
Distribución de la mediana
(𝑛+1)
Para n impar, la mediana de una muestra tiene la fdp con 𝑟 = . Si n es par y se desea un valor
2𝑋 +𝑋
𝑛 𝑛+2
2 2
único para la mediana U de la muestra, la definición usual es U =
2
Luego
∞
𝑓𝑅 𝑢 = −∞
𝑛 𝑛 − 1 𝐹𝑋 𝑣 − 𝐹𝑋 𝑣 − 𝑢 𝑛−2 𝑓𝑋 𝑣 − 𝑢 𝑓𝑋 𝑣 para u>0
𝑓𝑅 𝑢 = 𝑛 𝑛 − 1 𝑢𝑛−2 1 − 𝑢 0<𝑢<1
Distribución beta(n-1,2)
Ejemplo: Obtenga la función de densidad del rango en una muestra aleatoria de
tamaño n=3, distribución exponencial con densidad 𝑓 𝑥 = 𝑒−𝑥 ; 𝑥 > 0
Momentos exactos del estadístico de
orden
K-ésimo momento con respecto al origen
∞
𝑛!
𝐸(𝑋 𝑘𝑟 ) = 𝑦 𝑘 𝐹𝑋 𝑦 𝑟−1 1 − 𝐹𝑋 𝑦 𝑛−𝑟 𝑓𝑋 𝑦 𝑑𝑦
𝑟 − 1 ! 𝑛 − 𝑟 ! −∞
∞
𝑛!
𝐸(𝑋 𝑘𝑟 ) = 𝑦 𝑘 𝐹𝑋 𝑦 𝑟−1 1 − 𝐹𝑋 𝑦 𝑛−𝑟 𝑑𝐹𝑋 𝑦
𝑟 − 1 ! 𝑛 − 𝑟 ! −∞
1
𝑘 𝑛!
𝐸(𝑋 𝑟 ) = 𝑄𝑋 𝑢 𝑘 𝑢 𝑟−1 1 − 𝑢 𝑛−𝑟 𝑑𝑢
𝑟−1 ! 𝑛−𝑟 ! 0
𝐸(𝑋 𝑘𝑟 ) = 𝐸[𝑄𝑋 𝑈 ]𝑘
Donde, 𝑈~𝐵𝑒𝑡𝑎(𝑟, 𝑛 − 𝑟 + 1)
Ejemplo: Halle el p-ésimo momento del estadístico de r de la distribución exponencial.
Momentos exactos del estadístico de
orden
Caso particular: El estadístico de orden r de una muestra aleatoria de tamaño
n con distribución uniforme (0,1)
Para algún 1<=r<=n y k. En particular, la media es
𝑟
𝐸(𝑋(𝑟) ) =
𝑛+1
Y la varianza
𝑟(𝑛 − 𝑟 + 1)
𝑉(𝑋(𝑟) ) =
(𝑛 + 1)2 (𝑛 + 2)
Donde, 𝑋(𝑟)~𝐵𝑒𝑡𝑎(𝑟, 𝑛 − 𝑟 + 1).
Covarianza entre X(r) y X(s)
∞ 𝑦
𝑛!
𝐸(𝑋(𝑟)𝑋(𝑠)) = 𝑥 𝑥𝑦 𝐹𝑋 𝑥 𝑟−1 𝐹𝑋 𝑦 − 𝐹𝑋 𝑥 𝑠−𝑟−1 1 − 𝐹𝑋 𝑦 𝑛−𝑠 𝑓𝑋 𝑥 𝑓𝑋 𝑦 𝑑𝑥𝑑𝑦
𝑟 − 1 ! 𝑠 − 𝑟 − 1 ! 𝑛 − 𝑠 ! −∞ −∞
1 𝑄𝑋 𝑣
𝑛!
𝐸(𝑋(𝑟)𝑋(𝑠)) = 𝑥 𝑄𝑋 𝑢 𝑄𝑋 𝑣 𝑢 𝑟−1 𝑣 − 𝑢 𝑠−𝑟−1 1 − 𝑣 𝑛−𝑠 𝑑𝑢𝑑𝑣
𝑟−1 ! 𝑠−𝑟−1 ! 𝑛−𝑠 ! 0 0
𝑛𝑟−𝑠+1 1
Entonces, Co𝑟𝑟 𝑋 𝑟 𝑋 𝑠 = [𝑠(𝑛−𝑟+1)]2
1
Caso particular. Co𝑟𝑟 𝑋 1 𝑋 𝑛 =𝑛
Intervalo de confianza para la
mediana
Supongamos que Y1 <Y2 <Y3 <Y4 <Y5 son las estadísticas de orden de una
muestra aleatoria de tamaño n = 5 de una distribución continua. Vemos que Y3
sirve como un buen estimador puntual de la mediana m.
Supongamos que sugerimos que el intervalo restringido por las estadísticas de
primer y quinto orden, es decir, (Y1, Y5), serviría como un buen intervalo. ¿Qué
tan seguros podemos estar de que el intervalo (Y1, Y5) contenga la mediana
desconocida poblacional m? Para responder a esa pregunta, simplemente
necesitamos calcular la siguiente probabilidad:
𝑃 𝑌1 < 𝑚 < 𝑌5
El cálculo de la probabilidad se reduce a un simple cálculo binomial una vez que
descubrimos todas las formas en que la mediana de la población m está intercalada
entre Y1 e Y5. Bueno, la mediana poblacional m está intercalada entre Y1 e Y5, si la
estadística de primer orden es la única estadística de orden menor que la mediana m:
Intervalo de confianza para la
mediana
1ra forma
Y1 m Y2 Y3 Y4 Y5
2da forma
Y1 Y2 m Y3 Y4 Y5
3ra forma
Y1 Y2 Y3 m Y4 Y5
4ta forma
Y1 Y2 Y3 Y4 m Y5
Intervalo de confianza para la
mediana
Esto significa que para calcular la probabilidad P (Y1 <m <Y5),
necesitamos calcular la probabilidad de cada uno de los eventos
anteriores. Ahora, si denotamos como W los números Xi < m, entonces
W es una variable aleatoria binomial con n ensayos mutuamente
independientes y probabilidad de éxito p = P (Xi < m) = 0.5.
P(Y1 < m < Y5) = P(W = 1) + P(W = 2) + P(W = 3) + P(W = 4)
4 4 5
𝑃 𝑌1 < 𝑚 < 𝑌5 = 𝑖=1 𝑃 𝑊=𝑘 = 𝑖=1 𝑘 0.5 𝑘 (0.5)5−𝑘 = 0.9376