DISTRIBUCIONES CONJUNTAS

CASO CONTINUO BIVARIADO

DENSIDAD DE PROBABILIDAD CONJUNTA

-Si quiero verificar que si es función de densidad lo igualo a 1

DISTRIBUCIÓN DE PROBABILIDAD ACUMULADA CONJUNTA

-Si quiero verificar que f(x) si es función de densidad lo igualo a 1

DENSIDAD DE PROBABILIDAD MARGINAL

-Conocer la distribución de probabilidad de las variables aleatorias individual mente

-La probabilidad de una variable es la distribución marginal.

DOMINIOS:

***RECORDAR

Si me dicen 30 min es ½ el valor

MEDIA PARA VARIABLES ALEATORIAS CONJUNTAS

COVARIANZA PARA VARIABLES ALEATORIAS CONJUNTAS

-Media de dispersión combinada de ambas variables, es la definición de varianza

Necesito las distribuciones marginales

ux es (sumatoria o integral) de x por g(x) aka la distribucion marginal

-Si X=Y la covarianza se reduce a la varianza

SIGNOS DE LA COVARIANZA

La covarianza tiene significado si la relación entre las variables aleatorias es lineal

-Valores grandes de X asociados probabilísticamente a valores grandes de Y (o ambos valores)

pequeños entonces la varianza tiene signo positivo

-Valores grandes de X asociados probabilísticamente a valores pequeños de Y, o viceversa,

entonces la covarianza tiene signo negativo

-Si X y Y son independientes, entonces covarianza es 0. Pero que la covarianza sea 0 no implica
necesariamente que X y Y sean independientes
MATRIZ DE VARIANZAS Y COVARIANZAS

(Las covarianzas son iguales)

(Varianza es la media al cuadrado)

COEFICIENTE DEcorrelacion LINEAL

Es una medida normalizada de la relación lineal entre 2 variables aleatorias se puede

demostrar que este coeficiente reduce el rango de la covarianza al intervalo de -1 a 1

Es importante que se mide esta correlación entre variables cuya asociación tenga algún
significado de interés Asimismo si las variables no están correlacionadas linealmente pudiera
que tengan otro tipo de correlación pero no lineal .

MATRIZ DE CORRELACIÓN

(Las correlaciones lineales son las mismas)

DISTRIBUCIÓN MULTINOMIAL

Generalización de distribución binomial.

Cuando los resultados de cada ensayo tienen más de dos resultados posibles. Se supondrá que
los ensayos son independientes y que la probabilidad se mantiene constante para cada tipo de
resultado
Ej: cada artículo producido puede ser de tipo defectuoso, regular o aceptable

Media y Varianza para Distribución Multinomial

DISTRIBUCIÓN HIPERGEOMÉTRICA MULTIVARIADA

Se aplica a experimentos de muestreo sin reemplazo de una población finita en la que hay
objetos de más de 2 tipos diferentes. Los objetos tomados no son devueltos a la población. Por
lo tanto, la cantidad de objetos en el conjunto cambio y los valores de probabilidad cambian.

La probabilidad de una variable es la distribución marginal.

PROPIEDADES DE LAS VARIABLES ALEATORIAS CONJUNTAS

-----usadas para distribuciones de muestreo.

MUESTREO ESTADISTICO
El conjunto de todas las muestras que se pueden obtener de la población se denomina espacio
muestral

el muestreo estadístico se basa en el principio de equiprobabilidad es decir cada individuo de

la población tiene la misma probabilidad de ser elegido por ende cada muestra también tendrá
la misma probabilidad de ser seleccionada

TÉCNICAS DE SELECCIÓN DE MUESTRAS

muestreo probabilístico todas las muestras de la población tienen la misma probabilidad de ser
elegidas
muestro no probabilístico la selección de la muestra está influenciada por la persona que la
realiza o por otros factores no estadísticos

muestreo aleatorio simple es aquel en el que cada elemento de la población tiene la misma
probabilidad de ser seleccionado

muestreo con reemplazo cada elemento que se extrae de la población observada y luego
devuelto a la población por lo que puede ser elegido más de una vez

muestreo sin reemplazo los elementos elegidos en la muestra no son devueltos a la población

muestreo simple doble múltiple se toman una dos o más muestras de la población para
analizar resultados

muestreo estratificado la población previamente dividida en grupos o clases a los que se les
asignan una cuota de individuos de la Población que comparten la característica que se estudia

Muestreo por conglomerados las muestras son elegidas de grupos en los que se divide de
manera natural la población y que representan una variabilidad de la población

muestreo sistemático las muestras son elegidas recorriendo los elementos en un orden
previamente determinado

muestreo errático o asistemático el muestreo se realiza priorizando algún aspecto en una

estadístico conveniencia reducción de costos o tiempo etcétera

ESCALAS DE MEDICIÓN

Escala nominal es la asignación arbitraria de numerosos símbolos a cada una de las diferentes
categorías en las que se puede dividir la característica que se estudia es para distinguir

escala ordinal se utiliza para establecer diversos grados de la característica que se observan los
individuos con lo que se puede establecer una relación de orden entre ellos

escala de intervalos utiliza una unidad de medida común y constante en la valoración de la

característica que se observa en los individuos esta escala permite determinar la distancia
entre los elementos y utilizar las medidas estadísticas cuantitativas

escala de coeficientes es similar a la escala intervalos pero posee adicionalmente1.de origen o

cero para la escala el cual representa la ausencia de la característica que se estudie esta escala
permite medir la variabilidad de la característica que se mide

DISTRIBUCIONES DE MUESTREO

Muestra aleatoria

Parámetro

Estadístico o estimador

Distribución de muestreo de un estadístico panda

DISTRIBUCIÓN DE MUESTREO DE LA MEDIA MUESTRAL

Def media y varianza de la media muestral

CORRECCIÓN DE LA VARIANZA

se aplica si el tamaño de la muestra es mayor al 5% del tamaño de la población

MEDIA MUESTRAL DE UNA POBLACIÓN CON DISTRIBUCIÓN NORMAL

Fórmula importante

TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN T O DE STUDENT

Función de probabilidad con forma tipo campana simétrica

Útil cuando no se puede tomar una muestra aleatoria grande y se desconoce la varianza
poblacional, but si se conoce la media poblacional. Es necesario que la población tenga una
distribución normal
GRÁFICO DISTRIBUCIÓN T

Ejemplo
DISTRIBUCIÓN JI-CUADRADO

Se obtiene de la distribución gamma.

Tiene forma tipo campana con un sesgo positivo

Si X es una V.A. con distribución normal, entonces X 2 es una V.A. con distribución Ji-Cuadrado

Para estimación de la varianza poblacional

GRÁFICO DISTRIBUCIÓN JI-CUADRADO

Ejemplo:
DISTRIBUCIÓN F

Útil para realizar inferencias con las varianzas de 2 poblaciones normales usando los datos de
las varianzas de 2 muestras aleatorias independientes

GRÁFICO DE LA DISTRIBUCIÓN F
ESTADÍSTICAS DE ORDEN

DENSIDAD DE PROBABILIDAD DE LAS ESTADÍSTICAS DE ORDEN

Fx(r) es su distribución acumulada

f(x(r)) es la densidad de la variable poblacional

Ejemplo en pag 203

ESTADÍSTICA INFERENCIAL
La inferencia estadística es una afirmación que se hace acerca de la población en base a la
información contenida en una muestra aleatoria tomada esa población. debido a la naturaleza
aleatoria de los datos obtenidos de la muestra hay un riesgo que la certeza de la afirmación
propuesta y es necesario cuantificar el valor de este riesgo .

un estimador es una variable aleatoria cuyas propiedades permiten estimar el valor del
parámetro poblacional de interés .la muestra aleatoria proporciona únicamente un valor esta
variable se denomina estimación puntual.

MÉTODOS DE INFERENCIA ESTADÍSTICA

-Estimación puntual

Determinar la distancia o error máximo entre la estimación puntual y el valor del parámetro
que se desea estimar

-Estimación por intervalo

Se definen los límites del intervalo inferior y superior que contengan el valor del parámetro
que se desea estimar

-Prueba de hipótesis

Se formulan hipótesis acerca del parámetro a seguir dándole un valor supuesto y como el valor
del estimador se realiza una prueba para aceptar a rechazar la hipótesis propuesta con un nivel
de certeza específico

PROPIEDADES DE LOS ESTIMADORES pag 208- 211

Estimador insesgado aquel cuya media o valor esperado coincide con el parámetro que se
quiere estimar

Estimador más eficientes aquel que tiene menor varianza

Bla bla bla…….

INFERENCIAS RELACIONADAS CON LA MEDIA

ESTIMACIÓN PUNTUAL DE LA MEDIA MUESTRAS GRANDES

Valores frecuentes de Z alfa/2 utilizado para calcular mayor error de estimación.

FÓRMULA PARA ESTIMACIÓN PUNTUAL DE LA MEDIA

Si se estima u mediante x con una muestra de tamaño mayor a 30 entonces se puede afirmar
con una confianza de 1 -Alfa que el máximo error no excederá de E.

(para calcular mayor error en la estimación de la media poblacional)

1-alfa : es igual el porcentaje de confianza o probabilidad

Ej: esto se usa siempre para calcular Z

Si se desconoce la varianza poblacional se puede usar la varianza muestral

TAMAÑO DE LA MUESTRA, muestras grandes

La fórmula anterior también se puede usar para estimar el tamaño de la muestra para que el
error en la estimación 1 acceda a cierto valor con una probabilidad especificada .tamaño de la
muestra mayor a 30

Sirve para calcular cual debe ser el tamaño de la muestra para que el error máximo de la
estimación de la media poblacional no exceda de E (valor que me dan)

ESTIMACIÓN POR INTERVALO muestras grandes

Usar cuando me piden encontrar intervalo para la media poblacional

FÓRMULA PARA ESTIMACIÓN POR INTERVALO PARA LA MEDIA

Límites de confianza inferior (izq) y superior (dere)

INTERVALOS DE CONFIANZA UNILATERALES, muestras grandes

FÓRMULA PARA LA ESTIMACIÓN POR INTERVALOS UNILATERALES

Para calcular un solo intervalo a la dere o la izq

ESTIMACIÓN PUNTUAL DE LA MEDIA, muestras pequeñas

FÓRMULA PARA ESTIMACIÓN PUNTUAL DE LA MEDIA

Si se estima u mediante x con una muestra de tamaño menor a 30 entonces se puede afirmar
con una confianza de 1 -Alfa que el máximo error no excederá de E.

Ej: asi calculo t

ESTIMACIÓN POR INTERVALO PARA LA MEDIA, muestras pequeñas

FÓRMULA PARA ESTIMACIÓN POR INTERVALO PARA LA MEDIA

Población normal y varianza desconocida, saco limites de confianza

****calculo de media y varianza muestrales

INTERVALOS DE CONFIANZA (VIDEOS)

Parámetro es un valor constante desconocido

Estimador es una variable aleatoria

Se espera que el estimador este cerca del parámetro

Se debe calcular el error de estimación

Intervalo me da información sobre el valor del estimador y el margen de error

En grafica normal estándar

1.65-------0.05, y lo del medio probabilidad 90%

1.96-------0.025 y lo del medio probabilidad 95%

2.576------0.005 y lo del medio probabilidad 99%

----area bajo la curva 1-alfa, y en las colas alfa/2

Ej si conocemos la varianza

Mayor confianza mayor tamaño de muestra

Ej si no conocemos varianza poblacional

Intervalo para proporciones

PRUEBA DE HIPÓTESIS

Hipótesis nula, tipo de error

Medición de errores, nivel de significancia, Hipótesis alterna

TIPOS DE PRUEBAS

Pruebas de una y dos colas

PRUEBA DE HIPÓTESIS RELACIONADA CON LA MEDIA, muestra grande

1. Formular hipótesis nula

2. Formular hipótesis alterna. Elegir entre

3. Especificar nivel de significancia: alfa (con esto se obtiene un valor para Z alfa) que
delimita la región de rechazo
4. Seleccionar estadístico de prueba (muestra grande entonces usar Z), definir región de
rechazo de H.nula, esto depende de la H.alterna
5. Calcular valor del estadístico
 6. Tomar decisión. Si no cae en la región de rechazo se dice que no hay evidencia para
rechazar H.nula

(ver pag 230)

PRUEBA DE HIPÓTESIS RELACIONADA CON LA MEDIA, muestras pequeñas

1. Formular hipótesis nula

2. Formular hipótesis alterna. Elegir entre

3. Especificar nivel de significancia: alfa (con esto se obtiene un valor para Z alfa) que
delimita la región de rechazo
4. Seleccionar estadístico de prueba (muestra pequeña entonces usar T), definir región
de rechazo de H.nula, esto depende de la H.alterna
Región de rechazo:

5. Calcular valor del estadístico

6. Tomar decisión. Si no cae en la región de rechazo se dice que no hay evidencia para
rechazar H.nula

(ver pag 239)

VALOR P DE UNA PRUEBA DE HIPÓTESIS

Valor p o probabilidad de cola, es el valor de probabilidad correspondiente al área de cola o

colas A partir del valor observado y representa el nivel de significancia obtenido con la muestra

sí está probabilidad pequeña es un indicativo de que los datos de la muestra no apoyan la

hipótesis nula .pero si este probabilidades grandes significa que los datos de la muestra
favorecen a la hipótesis nula .

ejemplo:
CÁLCULO DEL ERROR TIPO 1

Mismo valor de probabilidad que el nivel de significancia Alfa de la prueba y representa el

error en que se incurrirá si la evidencia de la muestra nos hace rechazar h nula

CÁLCULO DEL ERROR TIPO 2

Se representa con BETA,Se usa para cuantificar el error en que se incurrirá al aceptar h nula
cuando la evidencia de la muestra no es suficiente para rechazarlo
Pag 240

HIPOTESIS SOBRE MEDIA, MUESTRA GRANDE

COLA DERECHA
COLA IZQUIERDA

DOS COLAS
Aquí la significancia es alfa no alfa/2

MUESTRAS PEQUEÑAS NORMALES

Cola derecha

COLA IZQUIERDA

DOS COLAS