2° Clase| Repaso probabilidad y estadística

Conceptos de probabilidad P ( Y = y 1 ) p1 , =P ( Y = y 2 )= p2 , …, P ( Y = y k )= p k
Variables aleatorias  La esperanza (o valor esperado) de Y se define
como:
 Experimento aleatorio: Experimento con
distintos resultados posibles, siendo incierto el k

correspondiente a una realización concreta. E ( Y )=u y ,= y1 ∙ p1 + y 2 ∙ p2 +…+ y k ∙ pk =∑ y i ∙ p i

i =1
 Variables aleatorias: Variable que toma
valores (numéricos) asociados a los resultados EJEMPLO:
de un experimento aleatorio.
La cotización de las acciones de una empresa en una
EJEMPPLOS: cierta semana toma valores con las probabilidades
siguientes:
 El numero de desempleado en un periodo de
tiempo en cierta región. (Se establece un rango Valor de la variable $10 $200 $30 $400
para la variable aleatoria número de 0 0
desempleados) Probabilidad 0,4 0,25 0,20 0,15
 Las utilidades de una empresa en un cierto 0
periodo de tiempo.
 La cotización de las acciones de una empresa La esperanza de la cotización de las acciones Y es:
en una cierta semana.
u y=100 ∙0,40+200 ∙0,25 +300∙0,20 +400 ∙0,15=210
Un experimento aleatorio es un fenómeno en el cual no
podemos determinar a ciencia cierta lo que va a Es decir, en promedio, el valor de las acciones de la
ocurrir, pero para enumerar los posibles resultados empresa es de $210 a la semana.
utilizando una variable aleatoria. Desviación típica y la varianza
Distribuciones de probabilidad
 Medidas de dispersión, se asocian con medidas
 Asociamos probabilidades a los valores de una de tendencia central.
variable aleatoria.  La varianza de Y se define como:
 Definimos funciones (de probabilidad)
Var ( Y )=E ¿
correspondientes a las probabilidades para
valores o conjunto de valores de una variable.  La desviación típica se define como:
 Clasificamos las variables aleatorias por la
forma de sus funciones de probabilidad, σ y =√ Var (Y )
distribuciones discretas v/s continuas. (Vamos
a trabajar variables aleatorias discretas). EJEMPLO:

EJEMPLO: La cotización de las acciones de una empresa en una

cierta semana toma valores con las probabilidades que
La cotización de las acciones de una empresa en una se indican en la siguiente tabla.
cierta semana toma valores con las probabilidades que
se indican en la siguiente tabla. Valor de la variable $10 $200 $30 $400
0 0
Valor de la variable $10 $200 $30 $400 Probabilidad 0,4 0,25 0,20 0,15
0 0 0
Probabilidad 0,4 0,25 0,20 0,15
0 La varianza de la cotización de las acciones es:

Esperanza, varianza y covarianza Var ( Y )=( 100−210)2 ∙ 0,40+ ( 200−210 )2 ∙ 0,25+¿

Esperanza de una variable aleatoria
 Suponga que la variable aleatoria Y puede
tomar k posibles valores.
 La probabilidad de cada posible valor de la
variable Y son:
El desvío estándar de la cotización de las acciones es:
σ y =√ 11.900=$ 109
La correlación y la covarianza
2° Clase| Repaso probabilidad y estadística
Medida de dispersión que nos permite observar como
se relacionan las variables. Positiva las dos variables se
mueven igual y negativa si una crece y la otra decrece.

La covarianza de dos variables X, Y se define como:

Cov ( X , Y )=σ XY =E [( X −u x )(Y −u 1) ]

EJEMPLO:
k
¿ ∑ ( xi −¿ ux )( y i −u x ) ∙ P(X =x i Y = y i) ¿ Suponga que la cotización de las acciones de una
i=1
empresa en una cierta semana toma valores según una
k distribución normal con media $210 y desvío estándar
¿∑¿¿ de $109
i=1
1. ¿Cuál es la probabilidad de que la cotización
La correlación de dos variables X, Y se define como: de las acciones de la empresa tome valores
menores a $300?
σ XY
r XY = Estandarizando la variable
σ X ∙ σY
EJEMPLO: Y −210
Z= N (0,1)
109
Considere la siguiente distribución conjunta de X e Y
Entonces,

P ( Y ≤ 300 )=P ( 300−210

109 )
=P ( Z ≤ 0,83 )=0,7967

2. ¿Cuál es la probabilidad de que la cotización

de las acciones de la empresa tome valores
entre $150 y $250?
Tarea: Comprobar lo siguiente
u x =0,78 , u y =6,14 , σ xy =0,6508 y r xy=0,61 P ( 150≤ Y ≤250 )=P ( 150−210
109 ) ≤ Z ≤(
250−210
109 )
La distribución normal
P= (−0,5504 ≤ Z ≤ 0,3669 ) =0,6443−0,2912=0,3531
La distribución normal de una variable aleatoria
X N (μ , σ 2 ) es la siguiente Conceptos de inferencia
1 Muestreo aleatorio
f ( X )= exp ¿ ¿
σ √2 π  Población: conjunto completo de información
Estandarización: obre el valor de interés.
 Muestra: subconjunto de valores de la
X−μ población.
Z= N (0,1)
σ  Inferencia: proceso de obtención de
información sobre valores desconocidos de la
población a partir de valores muestrales
(estadísticos).
Motivación
2° Clase| Repaso probabilidad y estadística
Obtener información fiable (estadísticamente Distribución de la media muestral
significativa) sobre la población estudiando un
subconjunto de la población (muestra), lo cual tiene un  Cuando la población se distribuye normal
“costo reducido” Y N (u y ; σ 2Y ), entonces la distribución
σ 2y
Muestreo aleatorio simple (mas) muestral es normal tambiénÝ N (u y ).
n
 Es un proceso de muestreo aleatorio simples,  Cuando la distribución de la población es
donde se selecciona aleatoriamente “n” desconocida, pero se sabe que su media y
individuos de una población y cada uno tiene varianza es u y yσ Y2 , entonces para muestras
la misma probabilidad de ser seleccionado. grandes:
 El valor de la variable aleatoria “Y” para el
individuo i-ésimo seleccionado aleatoriamente Por ley de los grandes, Ý converge en probabilidad
se expresa mediante Yi. a u y , es decir, la media muestral es un estimador
 Como cada individuo tiene la mis probabilidad consistente.
de ser seleccionado y la distribución de Yi es
la misma para todo i, entonces las variables Por el teorema central del límite, la versión
aleatorias Y1, Y2,….. Yn son independientes e Ý −u y
idénticamente distribuidas (son variables estandarizada Z= presenta una distribución
σ /√N
aleatorias i.i.d).
normal estándar Z N (0,1)
IMAGEN
Distribución de la media muestral EJEMPLO:
Media muestral Se tiene una muestra aleatoria simple de 100 valores
de una distribución con media 25 y desviación típica
La media poblacional Y es un parámetro importante en
20.
muchas situaciones prácticas. (Si tiene una barra arriba
es muestral) Calcule la probabilidad de que la media muestral entre
22 y 28.
En estadístico más usado para estimar Y es la media
muestral: 22−25 28−25
P ( 22≤ Ý ≤28 )=P( ≤Z≤ )
n 20 20
1 1
Ý = ( Y 1 +Y 2+ … Y n )= ∑ Y i √100 √100
n n i=1
= P(−1,5 ≤ Z ≤1,5)=0,866
Notar que Ý es una variable aleatoria, ya que, depende
de la muestra, entonces posee una distribución de Inferencia sobre la media poblacional
probabilidad que se denomina la distribución muestral
de Ý . Contraste de hipótesis

Media muestral H 0 : E (Y )=u y vs H 1 : E ( Y ) ≠ u y implica:

La media de la distribución muestral de Ý es: 1. Calcular el error estándar de Ý

ES (Y´ ¿ ¿= σ^ =sY /¿ √n ¿
E ( Ý )=E ¿ 2. Calcular el estadístico t para muestras grandes:
La varianza de la distribución muestral de Ý es: actÝ act −uY
t = N ( 0,1)
ES( Ý )
Var ( Ý )=Var ¿ 3. Calcular el p-valor como 2 ϕ ¿
Para dos medias muestrales, X́ e Ý la covarianza 4. Rechazar H 0 a un nivel de significancia del
muestral es: 95% si el p-valor ¿ 0,05

1 EJEMPLO:
s X́ Ý = ∑ ( ¿ X I −u y )(Y i−u y )¿
N −1 i
2° Clase| Repaso probabilidad y estadística
Suponga que se utiliza una muestra de n= 200 recién
titulados universitarios para contrastar la hipótesis nula
de que el salario medio, E(Y ), es de 20$ la hora. Se
sabe que el salario medio muestral es Ý act =$ 22,64 y
que la desviación típica muestral es sY =$ 18,14.

s Y 18,14
• El error estándar de Ý es = =1,28
√ n √ 200
• El valor de estadístico t es
22,64−20
t act = =2,06
1,28
• El p-valor (para muestras grandes) es
2 ϕ (−|2,06|)=0,039 ; o 3,9%
• Se rechaza la hipótesis nula con un nivel de
significancia del 95%, porque p-valor es
menor que 5%.
Intervalos de confianza

Un intervalo de bilateral al x% para uY es un

intervalo construido para que contenga el
verdadero valor uY en el x% de todas las posibles
muestras aleatorias.
Cuando el tamaño muestral es grande, los
intervalos de confianza son
• Intervalo de confianza al 95%
[ Ý ±1,96 ∙ ES(Ý )]
• Intervalo de confianza al 90%
[ Ý ±1 , 64 ∙ ES(Ý )]
• Intervalo de confianza al 99%
[ Ý ±2,58 ∙ ES(Ý )]

EJEMPLO:
Considere el problema de construir un intervalo de
confianza al 95% para el promedio de ingresos
salariales por hora de los recién titulados universitarios
mediante una muestra aleatoria de 200 titulados
universitarios recientes donde Ý =$ 22,64 y ES
Ý =$ 1,28
El intervalo de confianza al 95%:
[ 22.64 ± 1.96∙ 1.28 ] = [ 22.64 ± 2.51 ] =[ 20.13,25.15 ]