U1 DISTRIBUCIONES CONJUNTAS Y MUESTREO

Propósitos de Formación

 Estudiar el concepto de variable aleatoria.

  Conocer qué es una distribución marginal y distribución conjunta.
  Identificar la independencia de variables aleatorias.
  Profundizar en la Teoría del Muestreo, sus implicaciones e importancia.

Distribuciones Conjuntas. Muestreo

Unidad 1 de la asignatura, que trata las Distribuciones Conjuntas y el concepto de Muestreo.

Video 1: https://s3-eu-west-
1.amazonaws.com/iep1738.frooze.tv/5f804555db5feb78ec592b118bb24679Unidad1.mp4

Distribución Conjunta y Marginal

 ¿Qué es una variable aleatoria?

Una v.a. es una función que asocia a cada resultado del espacio maestral un número real.
Tipologías:

- Discreta: toma valores en un conjunto numerable.

- Continua: toma valores un un conjunto infinito no numeral.

1. VARIABLE ALEATORIA:
2. EJEMPLO:
Se realiza un experimento en un laboratorio cuyo resultado puede ser positivo o negativo . Construir el espacio muestral y
dar una v.a asociada al experimento
E= {Positivo, Negativo}

X es una variable aleatoria

3. LOCALIZACIÓN VIA GPRS:

A un suceso experimental se le asocia un número real a través de la variable aleatoria … En el experimento de
laboratorio…

 A: “el test da positivo → A= {X=1}

 B: “el test da negativo” → B={X=0}
 AUB: “dar positivo o negativo
 AUB: {X=0 , X=1}=E

Distribución Conjunta y Marginal

¿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: Si (X,Y) es una variable aleatoria bidimensional discreta se define su función de

probabilidad (f.p.) en un punto (x,y) como:

DISTRIBUCIÓN CONJUNTA EN EL PUNTO (X,Y): 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:
Su función de probabilidad es para

Igual a cero para el resto de puntos del plano. i=1,2,…,m,… j= 1,2,…,n,…

CÁLCULO DE LA PROBABILIDAD PARA UNA VARIABLE DISCRETA: Se lanzan 2 dados perfectos y

llamamos X=resultado del primer dado, Y=mínimo de los dos dados.

Distribución Conjunta y Marginal

¿Qué entendemos por distribución conjunta y marginal?

A continuación se muestran las funciones que definen la distribución marginal y conjunta.

FUNCIÓN DISTRIBUCIÓN MARGINAL: Dado el par de variables aleatorias (X,Y), con Función de Distribución
F(X,Y). Entonces la función:
 
 Función de Distribución Marginal de X Función de Distribución Marginal de Y

FUNCIÓN DENSIDAD MARGINAL: Dado el par de variables aleatorias (X,Y), absolutamente

continuas con función masa o de densidad de probabilidad f(x,y). Entonces la función:
 
 
Función de Densidad Marginal de X Función de Densidad Marginal de Y

EJEMPLO
Si X representa en numero de aspirinas extraídas del frasco y por lo tanto Y representa el número de sedantes
extraídos del frasco. Determina la probabilidad condicionada con rodos los posibles valores de (x, e y ).

 Los valores que X puede tomar son : X=0,1,2

 Los valores que Y puede tomar son Y=0,1,2

 Entonces el espacio muestral es = {(0,0),(0,1),(0,2),

(1,0),(1,1),(1,2),(2,0),(2,1),(2,2)

Independencia y Estadísticas de Asociación

¿Cuándo son independientes las variables aleatorias?

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 ASOCIACIÓN: Covarianza: Es útil para detectar si existe relación de tipo lineal entre las
variables y su sentido: Cov (X,Y) = E [(X-E(X)) (Y-E(Y))]

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
En general, Cov(X,Y)=0 no implica Independencia entre X y Y.

EJEMPLO

E[X] = 0 × 0,3 + 1 × 0,5 + 2 × 0,2 = 0,9

E[Y ] = 0 × 0,12 + 1 × 0,46 + 2 × 0,52 = 1,5
E [𝑿^𝟐] = 02 × 0,3 + 12 × 0,5 + 22 × 0,2 = 1,3
V [X] = 1,3 − 0,9 2 = 0,49 E Y 2 = 02 × 0,12 + 12 × 0,46 + 22 × 0,52 = 2,54
V [Y ] = 2,54 − 0,932 = 1,6751
E[XY ] = 0 × 0 × 0,00 + 0 × 1 × 0,09 + . . . + 2 × 2 × 0 = 0,93
Cov[X, Y ] = 0,93 − 0,9 × 1,5 = −0,42
¿µ y S? In
DT[X] = 0,7
DT[Y ] = 1,294
Cov [X, Y ] = −0,42
Corr[X, Y ] = −0,42 0,7 × 1,294 ≈ −0,464.

Teoría del Muestreo, sus Implicaciones e Importancia

¿Qué es una característica de interés?

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 }.
El objetivo de hacer muestreo será estimar una característica de interés determinada en un parámetro poblacional, a
partir de la observación de un subconjunto con ciertas características de los elementos del universo.

1. CARACTERÍSTICAS Y PARÁMETROS DE INTERÉS:

2. MUESTRA ALEATORIA: Es un subconjunto del universo que se extrae mediante un modelo estadístico de selección.
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: El número de elementos en el modelo estadístico de selección es llamado tamaño de

la muestra.

4. DISEÑO MUESTRAL:

 Diseño de muestreo
 Diseño de muestreo sin reemplazo
 Diseño de muestreo con reemplazo
 Diseño de muestreo con tamaño de muestra fijo

Teoría del Muestreo, sus Implicaciones e Importancia

¿Qué entendemos por intervalos de confianza?

Un intervalo de confianza es un rango de valores, calculado en una muestra, en el que se encuentra el verdadero
valor del parámetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parámetro se encuentre en el intervalo construido se
denomina nivel de confianza, y se denota 1-α. La probabilidad de equivocarnos se llama  nivel de
significancia y se simboliza α.

TEORÍA DEL MUESTREO: 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.

Utilizaremos la propiedad de que la media muestral sigue una distribución Normal de parámetros y, por tanto, si
construimos el estadístico:

Su distribución es una Normal estándar N(0, 1).

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
El siguiente vídeo trata de explicar el sentido y significado de una variable aleatoria.

Video 2: https://s3-eu-west-
1.amazonaws.com/iep1738.frooze.tv/153182ea99a2fe0f6e88104c7371255c1.Variablesaleatorias.mp4
Ejercicio
Selecciona solo la opción que consideres correcta

Para designar a una variable aleatoria, ¿se pueden utilizar indistintamente X e Y con x e y?

a) Sí.
b) No.

¡EXCELENTE!
Esta es la respuesta correcta. La X e Y hacen referencia a la forma o aplicación de asignar a cada elemento de
espacio muestral un número real. Sin embargo, la x e y hacen referencia a las variables algebraicas tradicionales.

Distribución Muestral
El siguiente vídeo trata de explicar, a través de un ejemplo, una distribución muestral.

Video 3: https://s3-eu-west-
1.amazonaws.com/iep1738.frooze.tv/76e85bac1b81dd727669ad0ce2fff2c01.1Problemadedistribucinmuestral.mp
4

Ejercicio
Selecciona solo la opción que consideres correcta

¿Qué es una distribución muestral?

a) Es resultado de haber tenido en consideración todas las muestras de una población determinada.
b) Es un modelo de distribución de las variables aleatorias.

¡EXCELENTE!
Esta es la respuesta correcta. Con ella se puede calcular la probabilidad que se tiene a la hora de acercarse al
parámetro de la población y, con ello, obtener el error cometido en un tamaño de muestra dado.