Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Comp Iii-1
Comp Iii-1
Variable discreta.
Función de probabilidad.
p(xi) = p(X = xi); con p(xi) ≥ 0.
Denominando S al espacio muestral de todos los posibles valores de la
variable aleatoria (v.a.) x, se verifica que:
∑ p(x ) = 1
S
i
Función de probabilidad.
Forma equivalente de caracterizar la distribución de una v.a. La
función de distribución F(x) se define como la probabilidad de que la
v.a. X tome un valor menor o igual que x.
F(x) = p(X = x)
La función de distribución se define para todo valor x real, y por
definición no creciente.
F (− ∞ ) = 0
F (+ ∞ ) = 1
F (x 2 ) = p( X ≤ x 2 ) = p(x1 ) + p(x 2 )
M
n
F (x n ) = p ( X ≤ x n ) = ∑ p(x )
i =1
i
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.
Variables Aleatorias Continuas.
Función de densidad.
Es una función f(x)(continua en intervalos) tal que:
f (x ) ≥ 0
+∞
∫ f (x )dx = 1
−∞
Función de distribución.
x0
F (x 0 ) = p( X ≤ x0 ) = ∫ f (x )dx
−∞
f (x ) = F (x )
d
dx
1. F (− ∞ ) = 0
+∞
2. F (+ ∞ ) = 1 , ie, ∫ f (x)dx = 1
−∞
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.
9 Constante para x en (a,b).
9 Cero fuera del intervalo.
Solución.
Uniforme en [0,1], U [0,1]: es el resultado de elegir un número al
azar entre 0 y 1. Todos deben tener la misma probabilidad de ser
elegidos, pero como esta es cero, equivale a que todos los intervalos
con la misma anchura h entre 0 y 1 tienen la misma probabilidad.
⎧1 0 ≤ x ≤1
⎪
f (x ) = ⎨
⎪0 x < 0, x > 1
⎩
Para el caso general
⎧c a≤ x≤b
⎪
f (x ) = ⎨
⎪0 x < a, x > b
⎩
y como además
+∞ b
1= ∫ f (x )dx = cdx = c(b − a )
∫
−∞ a
1
obtenemos, c = y a ≤ x0 ≤ b.
b−a
x0 x0
x0 − a
F (x 0 ) = ∫ f (x )dx = ∫ b − a dx =
1
b−a
−∞ a
Medidas características.
n
μ = E [x ] = ∑ x p(x )
i =1
i i Para una variable aleatoria discreta
+∞
μ = E [x ] = ∫ xf (x )dx Para una variable aleatoria continua
−∞
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.
Ejemplo. Distribución Uniforme Continua.
Sea f (x ) =
1
con a < x < b
b−a
La media o esperanza matemática es calculada de la siguiente forma:
b b
1 x2 b2 − a2 b + a
μ = E [x ] = ∫
x
dx = = =
b−a b−a 2 2(b − a ) 2
a a
[
Var (x ) = σ 2 = E (x − μ )2 = E x 2 − μ 2 ] ( )
n
Var (x ) = σ 2 = ∑ (x
i =1
i − μ )2 p(xi ) Para una variable aleatoria discreta
+∞
Var (x ) = σ 2 = ∫ (x − μ )
2
f (x )dx Para una variable aleatoria continua
−∞
⎧ 1
⎪b − a a≤ x≤b
⎪
f (x ) = ⎨
⎪ 0 x < a, x > b
⎪
⎩
La varianza es calculada de la siguiente forma:
[ ] [ ]
Var (x ) = E (x − μ )2 = E x 2 − μ 2
b
Var (x ) = ∫ (x − μ )
2
f (x )dx
a
b
Var (x ) = x 2 f (x )dx − μ 2
∫
a
b 2
⎛b+a⎞
Var (x ) = ∫
1
x 2 dx − ⎜ ⎟
b−a ⎝ 2 ⎠
a
b 2
1 x3 ⎛b+a⎞
Var (x ) = −⎜ ⎟
b−a 3 ⎝ 2 ⎠
a
2
b3 − a3 ⎛ b + a ⎞
Var (x ) = −⎜ ⎟
3(b − a ) ⎝ 2 ⎠
Var (x ) =
(b − a )3 = (b − a )2
12(b − a ) 12
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.
Otras Medidas.
⎛x −x⎞
3
∑ ⎜⎝ i σ ⎟⎠
Sk =
n
⎛ s2 ⎞
⎜ ⎟
− 0.5⎜ k ⎟
f (S k ) =
1 ⎜6 ⎟
⎝ n⎠
e
6
2π
n
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.
a
⎛ 6⎞
S k ~ N ⎜ 0, ⎟
⎝ n⎠
Sˆ k
z Sk = ~ N (0,1)
6
n
Curtosis
⎛x − x⎞
4
∑ ⎜⎝ i σ ⎟⎠
K=
n
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.
⎛ ( K − 3 )2 ⎞
⎜ ⎟
− 0. 5 ⎜
⎟⎟
f (K ) =
1 ⎜ 24
⎝ n ⎠
e
24
2π
n
a
⎛ 24 ⎞
K ~ N ⎜ 3, ⎟
⎝ n ⎠
Kˆ − 3
zK = ~ N (0,1)
24
n
Test de Normalidad de Jarque-Bera
( )2 + (zˆ k )2 ~ χ 2 (2)
jb = zˆ S k
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.
2 2
⎛ ⎞ ⎛ ⎞
⎜ ⎟ ⎜ ⎟
⎜ S k ⎟ ⎜ Kˆ − 3 ⎟
jb = ⎜ ⎟ +⎜ ⎟ ~ χ (2 )
2
⎜⎜ 6 ⎟⎟ ⎜⎜ 24 ⎟⎟
⎝ n⎠ ⎝ n ⎠
2 2
⎛ ⎞ ⎛ ⎞
⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ K −3⎟
ˆ
⎟ ~ χ (2 )
S
jb = ⎜ k ⎟ + ⎜ 2
⎜⎜ 6 ⎟⎟ ⎜⎜ 24 ⎟⎟
⎝ n⎠ ⎝ n ⎠
jb =
S k2
+
(
Kˆ − 3)2
~ χ 2 (2)
6 24
n n
n ⎛⎜ 2 (K − 3)2 ⎞
⎟ ~ χ 2 (2)
jb = Sk +
6 ⎜⎝ 4 ⎟
⎠
Tal como se genera el estadístico cabe mencionar que este indicador
tiene una cota inferior en cero, es decir que no puede ser inferior a
cero, de manera que en la medida que se aleja de 0, ya sea porque el
coeficiente de skewness se aleja de 0 o porque el coeficiente de
curtosis difiere de 3, aumenta la probabilidad de rechazar la
hipótesis nula de que la distribución generadora de los datos proviene
de una distribución normal.
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.
Ejercicio
Se tienen los siguientes datos de puntajes promedio de lectura en los
diferentes países componentes de la OCDE.
n ⎛⎜ 2 (K − 3)2 ⎞
⎟
jb = Sk +
6 ⎜⎝ 4 ⎟
⎠
Donde Sk es la skewness, y K es la curtosis, y k representa el numero
de parámetros estimados para crear la serie.
Bajo la hipótesis nula de distribución normal, el estadístico Jarque-
jb =
27 ⎛⎜
(− 0.895)2 +
(3.89 − 3)2 ⎞
⎟
6 ⎜⎝ 4 ⎟
⎠
jb =
27 ⎛⎜
(− 0.895)2 +
(0.89)2 ⎞
⎟
6 ⎜⎝ 4 ⎟
⎠
jb = 4.5(0.801025 + 0.198025)
jb = 4.495725 ≈ 4.5
Material de docente de uso exclusivo de los alumnos del curso de Econometría Básica, CEPAL.