Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso de Nivelación
Estadística 2 / Estadística para administradores
Agosto 2019
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 1 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Hoja de ruta
1 Definiciones básicas
2 Inferencia
3 Propiedades
4 Variables continuas
5 Distribuciones
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 2 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Definiciones básicas
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 3 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Definiciones básicas
Varianza : Es una medida de dispersión, nos indica qué tan alejados están los valores
de variable de la esperanza de la misma. Se obtiene haciendo el promedio de las
diferencias cuadradas entre los valores de variable y la esperanza.
Desvío : Es otra medida de dispersión, la más clásica dentro de esa familia. Pierde
protagonismo en algunas técnicas por la imposibilidad de aplicación de propiedades
matemáticas sobre él. Se obtiene haciendo la raíz cuadrada de la varianza.
Proporción : Como su nombre lo indica, es un índice que nos permite saber qué tan
frecuente de forma relativa es cierto atributo. Conlleva el significado asociado a
probabilidad. Si el 40% de los elementos tienen cierto atributo, entonces la
probabilidad de encontrar dicho elemento al azar es de 0,4.
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 4 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Inferencia
Parámetro : Son valores fijos para cada distribución de variable. Los mismos sirven
porque definen el cálculo de probabilidades de las mismas, y con ello su forma y
densidad. Para conocerlos es necesario tener todos los valores de una población
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 5 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Estimadores
Fórmulas
Pn
i=1 xi
x̄ =
n
x
p̄ =
n
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 6 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Distribución de estimadores
Usando el TLC podemos llegar a las distribuciones de los estimadores estandarizados
Estimador Distribución
x̄ − µ d
σ −
→ N(0, 1)
x̄ √
n
x̄ − µ d
−
→ tn−1
√s
n
S2 (n − 1)S 2 d 2
−
→ χn−1
σ2
p̄ − π d
p̄ q −
→ N(0, 1)
π(1−π)
n
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 7 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
E(K*X) = K * E(X)
V(K) = 0
V(K*X) = K 2 * V(X)
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 9 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Reglas :
Z max
f (x) dx = 1
min
Z max
x ∗ f (x) dx = E(x)
min
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 10 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Normal
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 11 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Ji Cuadrado
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 12 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
T de Student
Ante la imposibilidad de utilizar una distribución normal (muchas veces por trabajar
con algún parámetro extra desconocido) se deberá recurrir a la distribución T-Student.
La misma sale del cociente entre una distribución normal, y la raíz de una ji-cuadrado
dividida por sus grados de libertad. Al igual que la normal toma valores infinitos sin
restricciones, será simétrica respecto a sus medidas centrales, siendo estas
valorizadas en 0, pero su forma exacta dependerá de los grados de libertad.
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 13 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 14 / 15
Definiciones básicas Inferencia Propiedades Variables continuas Distribuciones Teoremas fundamentales de la probabilidad
LGN y TLC
Christian Kaplan Krep Universidad de Buenos Aires Curso de Nivelación Agosto 2019 15 / 15