Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Yupanqui PR
Yupanqui PR
Fundada en 1551
MONOGRAFÍA
Para optar el Título Profesional de:
LICENCIADO EN ESTADÍSTICA
AUTOR
LIMA – PERÚ
2005
AGRADECIMIENTO
I. Introducción
II. Materiales y equipos
III. Revisión de literatura
3.1.Comparación de medias poblacionales cuando se conocen las
varianzas poblacionales
3.2.Comparación de medias poblacionales cuando no se conocen
las varianzas poblacionales
3.2.1 Comparación de medias poblacionales varianzas iguales
3.2.2 Comparación de medias poblacionales varianzas distintas
IV. Marco teórico
VII. Bibliografía
Anexo
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
I. INTRODUCCION
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
enfoque Bayesiano.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Materiales de Internet:
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
( x1 − x2 ) − (u1 − u2 ) = Z ~ N (0,1)
σ12 σ22
+
n1 n2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
donde:
El error estándar de la diferencia de medias muéstrales es:
σ12 σ22
EE( x1 − x2 ) = +
n1 n2
( x1 − x2 ) ± EE( x1 − x2 )Z1−α / 2
Para docimar las hipótesis:
H 0 : β1 − β2 = d
H1 : β1 − β2 ≠ d
Se usa la estadística:
( x1 − x2 ) − d = Z ~ N (0,1)
σ12 σ22
+
n1 n2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
( x1 − x2 ) − (u1 − u2 ) = T ~ t
(n1 + n 2 − 2 )
1 1
Sp +
n1 n2
donde:
S p2 =
(n1 − 1)S12 + (n2 − 1)S22
n1 + n2 − 2
EE( x1 − x2 ) = S p
1 1
+
n1 n2
( x1 − x2 ) ± EE( x1 − x2 )t(n + n
1 2 − 2 )1 −α / 2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Se usa la estadística:
( x1 − x2 ) − (u1 − u2 ) = T ~ t
(n1 + n 2 − 2 )
1 1
Sp +
n1 n2
( x1 − x2 ) − (u1 − u2 ) = T ~ t
(v )
S12 S 22
+
n1 n2
donde:
2
S12 S 22
+
n1 n2
v= 2 2
−2
S12 1 S 22 1
+
1 1
n n + 1 2 2
n n + 1
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
S12 S12
EE( x1 − x 2 ) = +
n1 n2
Se usa la estadística:
( x1 − x 2 ) − (u1 − u 2 )
= T ~ t (v )
S 12 S 22
+
n1 n2
mayor que t (v ) .
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Entonces una vez observados los datos, el teorema nos "devuelve" una
nueva distribución, que no es otra cosa que la percepción probabilística
original actualizada por los datos.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Por ejemplo, bajo las suposiciones del muestreo aleatorio, el modelo para
el problema anterior podría ser:
X | θ ~ b(n, θ)
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Todas las inferencias basadas en la teoría clásica son forzadas a tener este
tipo de interpretación de frecuencia “a la larga”; a pesar de que como en
el ejemplo de los árboles, solamente se tiene un intervalo (0.08, 0.12) para
realizar el análisis.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
p ( y ,θ ) = p( y / θ ). p(θ ) = p(θ / y ). p( y )
p( y / θ ). p(θ )
p (θ / y ) = con p ( y ) ≠ 0 (1)
p( y )
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
p ( y ) = ∫
p ( y / θ). p (θ).dθ si θ es continuo
∑ p( y / θ). p(θ) si θ es discreto
En esta expresión:
integre uno.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
p (θ ) = 1 0≤θ≤1
m
p ( y / θ ) = θ y (1 − θ) m − y y = 0,1.....m
y
n m
l (θ / y ) = ∏ θ∑ i (1 − θ ) ∑ i
nm −
yi = 0,1,....m ∀i
y y
i =1 yi
θ ∑ i (1 − θ) ∑ yi
n( m! ) mn −
p (θ / y ) = c
y
n n
∏ y !∏ (m − y )!
i i
i =1 i =1
∏ y !∏ (m − y )!
i i
i =1 i =1
(nm−∑ y +1) .
i
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
c=
Γ(nm + 2 ) ∏ yi!∏ (m − yi )!
Γ(∑ yi + 1)Γ(nm − ∑ yi + 1)
.
n(m!)
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
p (θ / y1 ) ∝ l (θ / y1 ). p (θ)
p (θ / y1 , y 2 ) ∝ l (θ / y1 , y 2 ). p(θ ) = l (θ / y1 ) l (θ / y2 ). p (θ )
p (θ / y1 , y2 ) ∝ l (θ / y2 ) p(θ / y1 )
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Método de Jeffreys
p (θ ) ∝ [I (θ) ]
1
2
∂ 2 Lnf ( y / θ)
I (θ ) = − Eθ
∂θ 2
p (θ ) ∝ [det I (θ )] (4)
1
2
∂ 2 Lnf ( y / θ)
I ij = −E0
∂θi ∂θ j
dθ
p (φ) = p(θ = h −1 (φ)) (5)
dφ
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
n
f ( y / θ ) = P( y / θ ) = θ y (1 − θ ) n − y
y
n
log f ( y / θ ) = log + y log θ + (n − y ) log( 1 − θ)
y
d log f ( y / θ) y n − y
= −
dθ θ 1−θ
d 2 log f ( y / θ) y n− y
=− 2 +
dθ 2
θ (1 − θ) 2
y n− y nθ E (n − y )
E − 2 +
2 = − − 2 +
θ (1 − θ) θ ( 1 − θ) 2
y n− y n
E − 2 + 2 =
θ (1 − θ) θ( 1 − θ)
n
θ 1−θ
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
P( θ) ∝ θ−1 / 2 ( 1 − θ)
−1 / 2
1 ( y − µ) 2
f ( y / µ,σ) = exp −
2πσ 2σ 2
1 ( y − µ)2
ln f ( y / µ, σ) = ln − ln σ −
2πσ 2σ2
∂2 ∂2
∂µ2 ln f ( y / µ,σ ) ln f ( y / µ, σ)
∂µ∂σ
I (θ ) = − E0 2
∂ ∂ 2
ln f ( y / µ,σ) ln f ( y / µ, σ)
∂σ∂µ ∂σ 2
1 2( y − µ)
− σ 2 −
σ 3
I (θ ) = − E0
− 2( y − µ) 1 3( y − µ) 2
−
σ3 σ2 σ4
1 0
I (θ ) = σ 2 2
0 σ2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
2 1
p ( µ,σ ) ∝ ∝ 2
σ 4
σ
p ( µ, σ) = σ −1
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Ejemplo. Sea el parámetro θ que a priori tiene una distribución Beta con
parámetros α y β la variable aleatoria y que tiene una distribución de
Γ(α + β) α −1
p (θ ) = θ (1 − θ ) β −1 I ( 0 ,1) (θ)
Γ(α)Γ(β )
m
p ( y / θ ) = θ y (1 − θ ) m − y y = 0,1,....m
y
n m
l (θ / y ) = ∏ θ∑ i (1 − θ ) ∑ i
mn −
yi = 0,1,....m ∀i
y y
i 01 yi
p (θ / y ) ∝ θ ∑ i (1 − θ )
α+ y −1 β + nm − ∑ y i −1
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
(β + nm − ∑ y ) .
i Luego, la distribución tiene la misma forma que la
de distribución:
1 1 (θ − µ0 ) 2
p (θ ) = exp −
2πτ0 2 τ02
1 1 ( x − θ) 2
p (x /θ) = exp −
2πσ 2 σ2
1 1 (θ − µ1 ) 2
p (θ / x ) = exp −
2πτ1 2 τ12
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
donde:
1 1
µ0 + 2 x
τ 2
σ
µ1 = 0
1 1
+ 2
τ0 σ
2
1 1 1
= 2+ 2
τ1 τ0 σ
2
1
Pr ecisión =
Varianza
1 1 1
= 2+ 2
τ1 τ0 σ
2
idénticamente distribuidos.
θ ~ N ( µ0 ,τ02 )
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
xi ~ N (θ,σ 2 )
n
p (θ / x ) ∝ p(θ) p( x / θ) = p (θ )∏ p ( xi / θ )
i =1
1 (θ − µ0 ) 2 n 1 ( xi − θ) 2
p (θ / x ) ∝ exp − × ∏ exp −
2 τ02 i =1 2 σ2
1 (θ − µ0 ) 2 n n
p (θ / x ) ∝ exp −
2 τ0 2
+ 2
σ
∑ ( x − θ)
i
2
i =1
n
p (θ / x) depende de x únicamente a través de x = ∑ xi / n ; es decir, x es
i =1
donde:
1 n
µ0 + 2 x
τ 2
σ
µn = 0
1 n
+ 2
τ0 σ
2
1 1 n
= 2+ 2
τn τ0 σ
2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
NOTA:
σ2
p (θ / x) ~ N (θ / x, )
n
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
de τ(θ ) con respecto a la priori gθ (.) es definida como E (τ(θ ) / x1, x2 ,..., xn ).
n
gθ (θ )∏ f ( xi / θ)
f (θ / x1 , x2 ,..., xn ) = 1
i =1
n
∫ g (θ)∏ f ( x / θ)dθ
θ
i =1
i
0
θ ∑ i (1 − θ ) ∑ i I ( 0 ,1 ) (θ)
x n− x
f (θ / x1 , x2 ,..., xn ) = 1
∫ θ∑ (1 − θ) ∑ i dθ
xi n− x
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
∫ θθ∑ (1 − θ ) ∑ i dθ
xi n− x
E (θ / x1 , x2 ,..., xn ) = 0
1
∫ θ∑ (1 − θ ) ∑ i dθ
xi n− x
B(∑ xi + 2, n − ∑ xi + 1)
E (θ / x1 , x2 ,..., xn ) =
B( ∑ xi + 1, n − ∑ xi + 1)
E (θ / x1 , x2 ,..., xn ) = ∑ x +1 i
n+2
∫ θ(1 − θ)θ∑ (1 − θ) ∑ i dθ
xi n− x
E (θ(1 − θ) / x1 , x2 ,..., xn ) = 0
1
∫θ ∑ (1 − θ) ∑ i dθ
xi n− x
Γ(∑ xi + 2 )Γ(n − ∑ xi + 2) Γ (n + 2 )
E (θ(1 − θ ) / x1 , x2 ,..., xn ) = =
Γ (n + 4 ) Γ(∑ xi + 1)Γ(n − ∑ xi + 1)
E (θ(1 − θ ) / x1 , x2 ,..., xn ) =
(∑ x + 1)(n − ∑ x + 1)
i i
(n + 3)(n + 2 )
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
0 a − θ ≤∈
3) Perdida 0,1: L(θ,a ) = si
1 a − θ >∈
g (a − θ ) a >θ
L(θ, a ) = si
h(θ − a ) a <θ
Nota:
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Ejemplo.
f (θ ) f ( x / θ)
f (θ / x ) =
∫ f (θ) f (x /θ)dθ
n
1 1 n 2 1 1
exp − ∑ ( xi − θ ) exp − (θ − µ0 ) 2
2π 2π 2
f (θ / x ) = ∞ n
2 i =1
1 1 n
2 1
exp − ∑ (xi − θ )
1
∫− ∞ 2π 2 i =1 2π
exp − (θ − µ0 ) 2 dθ
2
Considerando x0 = µ0
1 1 n
exp − ∑ ( xi − θ) 2
2π 2 i =0
f (θ / x ) = ∞
1 1 n
∫ exp − ∑ ( xi − θ )2 dθ
−∞ 2π 2 i= 0
n + 1 n
xi
2
f (θ / x ) = θ − ∑ n + 1
1
exp −
2π 2 i =0
n +1
n
E (θ / x1 , x2 ,..., xn ) = ∑ Var (θ / x1 , x2 ,..., xn ) =
xi 1
i =0 n + 1 n +1
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
b) Aproximación Bayesiana:
es la media de Π (θ / x ) = ρ(θ / x )
n +1 n +1
E Π (θ / x ) [θw(θ) ]
d ( x) =
E Π (θ / x ) [w(θ )]
d ( x) =
∫ θw(θ) f ( x / θ)dθ
∫ w(θ) f (x / θ)dθ
Bayes de θ .
K0 (θ − a ) θ−a ≥ 0
R4 Si L(θ, a ) =
K0
si cualquier fractil de
K1 (a − θ ) θ−a < 0 K 0 + K1
Π (θ / x ) es un estimador de Bayes de θ .
RESUMEN
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
∫ Π (θ / x) dθ (caso continuo )
1 − α ≤ p( c / x) = ∫ dF Π (θ / x )
(θ) = c
c ∑ Π (θ / x) (caso discreto)
θ∈c
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Para hacer esto, uno debe considerar solo aquellos puntos con Π (θ / x )
c = cα ( x ) = {θ : f (θ / x ) ≥ γ }
forma
θ ~ N (b, d 2 )
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Se sabe que
b nx
+
θ/ x ~ N d 2 σ2 , 1
1 n 1 n
+ 2 2 + 2
d 2
σ d σ
1
b nx 2
+ 2
d σ ±Z
2 1
1 n α2 1 n
+ 2 + 2
d 2 σ2 d σ
σ
Si n → ∞ , entonces x ± Zα , luego el conjunto veraz es igual al de
2 n
H0 : θ ∈ Ω 0 vs H 1: θ ∈ Ω1 .
H0 : θ = θ0
H1 : θ = θ1
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Aproximación Clásica
f ( x / θ1 )
λ=
f ( x / θ0 )
Si λ asume valores grandes significa que los datos observados x son mas
probables que hayan ocurrido si θ , es el verdadero valor de θ en lugar de
θ0 .
Aproximación Bayesiana
f (θ1 / x ) f (θ1 ) f ( x / θ1 )
λB = =
f (θ2 / x ) f (θ0 ) f ( x / θ0 )
Razón de
Razón de Razón de
apuestas a = *
apuestas a priori verosimilitud
posteriori
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
α1 f (θ1 / x)
Definición: La razón = es la razón de apuestas a posteriori de
α0 f (θ0 / x)
Π1
H1 a H 0 , y es la razón de apuestas a priori. La cantidad:
Π0
f (θ1 / x)
Razón ⋅ de ⋅ apuestas ⋅ a ⋅ posteriori f (θ0 / x)
B= =
Razón ⋅ de ⋅ apuestas ⋅ a ⋅ priori f (θ1 )
f (θ0 )
H 0 : µ1 = µ2
H1 : µ1 ≠ µ2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
p ( µ1 , µ2 ) p( x / µ1 , µ2 )
p ( µ1 , µ2 / x) =
∑∑ p (µ1 , µ2 ) p( x / µ1, µ2 )
la distribución a posteriori será para el caso continuo:
f ( µ1 , µ2 ) f ( x / µ1 , µ2 )
f ( µ1 , µ2 / x) =
∫∫ f (µ , µ ) f (x / µ , µ )d µ dµ
1 2 1 2 1 2
x1 , x2 ,...., xn ~ N (λ,φ)
y1 , y2 ,...., y n ~ N ( µ,ψ)
δ = λ− µ
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Combinaciones pareadas
definidos:
wi = xi − yi
w1 , w2 ,...., wn ~ N (δ ,ω)
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
cual deducimos:
δ = λ − µ ~ N ( x − y ,φ / m + ψ / n)
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
{
φ1 = φ0−1 + (φ / m) −1 }
−1
{
λ1 = φ1 λ0 / φ0 + x /(φ / m) }
De modo semejante si la distribución a priori para µ es N ( µ0 ,ψ0 )
δ = λ − µ ~ N (λ1 − µ1 ,φ1 + ψ1 )
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
V. APLICACIÓN
EJEMPLO APLICATIVO
El hotel Best Inn con 100 habitaciones (20 simples, 50 dobles y 30 triples)
ha registrado las siguientes variables para cada uno de los últimos 10
meses:
X1 Número total mensual de huéspedes
X2 Consumo de agua mensual (en cientos de m3)
X1 132 133 135 138 143 165 173 188 137 199
X2 8 7 4 4 3 8 7 6 6 10
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
1 n 1 10
µ0 + 2 x ×140 + × 154.3
τ02
σ 16 25
µn = = = 152.3675
1 n 1 10
+ +
τ02 σ 2 16 25
1 1 n 1 10
= 2+ 2 = + = 0.4625
τn τ0 σ
2
16 25
τn2 = 2.1621
152.367 ± 1.449(1.470429)
(149.948291,154.785708)
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
150 − 152.367567
p ( µ > 150 x) = p z >
1.470429
H 0 : θ0 = 5
Pruebe la hipótesis:
H1 : θ1 = 6
L(θ) = θ n ∈ ∑ i
−θ x
λ = λ( x ) = −θ 0 ∑ x i
= − 5 ( 64 ) = 9.93037 × 10− 28
θ0 ∈
n
5 ∈
EJEMPLO.
El peso que se obtiene (en gramos) entre los 28 días y 84 días de edad de
ratas, recibiendo una dieta de alta proteína de m = 12 ratas fue como
sigue:
Ratas i 1 2 3 4 5 6 7 8 9 10 11 12
Peso xi
134 146 104 119 124 161 107 83 113 129 97 123
Ganado
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Mientras el peso que ganan n = 7 ratas con una dieta de baja proteína fue:
Ratas i 1 2 3 4 5 6 7
Peso yi
70 118 101 85 107 132 94
Ganado
Entonces:
(x − y ) ± Z α
2
(φ/ m + ψ / n )12
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
PRUEBA DE HIPOTESIS
H 0 : µ1 − µ2 = 0
H1 : µ1 − µ2 ≠ 0
Entonces la probabilidad:
0 − ( x − y )
p (δ > 0 x ) = p z >
(φ / m +ψ / n ) 2
1
0 − 19
p (δ > 0 x ) = p z > = p( z > −1.91)
( )
1
99 2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
Elaboración y diseño en formato PDF por la Oficina General del Siste ma de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
VII. BIBLIOGRAFÍA
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
VIII. ANEXO
θ ~ N ( µ0 ,τ02 ) p ( x / θ ) ~ N (θ,σ 2 )
1 ( x − θ) 2
p (x /θ) = exp −
2πσ 2σ 2
p (θ) p ( x / θ ) p ( x, θ)
p (θ / x ) = =
∫ p (x ,θ)dθ
∞
∫ p (θ) p (x /θ)
−∞
N (θ, σ2 ) N ( µ0 ,τ02 )
p (θ / x ) = ∞
∫ N (θ,σ ) N (µ ,τ ) dθ
2 2
0 0
−∞
1 1 (θ − µ0 ) 2 1 1 ( x − θ) 2
p ( x ,θ) = exp − × exp −
2πτ0 2 τ02 2πσ 2 σ2
1 1 (θ − µ0 ) 2 ( x − θ) 2
p ( x ,θ) = exp − +
2πστ0 2 τ02 σ2
1 (θ − µ0 ) 2 ( x − θ) 2
A= +
2 τ02 σ2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de1 la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
1 θ 2 2θµ0 µ02 x2 2 xθ θ 2
A= 2 − 2 + 2 + 2 − 2 + 2
2 τ0 τ0 τ0 σ σ σ
1 2 1 1 µ0 x µ02 x 2
A= θ +
2 τ02 σ 2
− 2θ τ 2 σ2 + τ 2 + σ2
+
0 0
1 2 2θ µ0 x 1 µ2 x 2
A= ρθ − 2 + 2 + 02 + 2
2 ρ τ0 σ 2 τ0 σ
1 1 σ 2 + τ02 σ 2τ02
donde ρ = + = y ρ −1
=
τ02 σ 2 σ 2τ02 σ 2 + τ02
1 2 2θ µ0 x 1 µ0 x 1 µ02 x 2 1 µ0
2 2
x
A = ρθ − + + + + + − +
2 ρ τ02 σ 2 ρ2 τ02 σ 2 2 τ02 σ2 2 ρ τ02 σ2
2
1 µ2 x 2 1 µ0 x
B = 20 + 2 − 2 + 2
2 τ0 σ 2 ρ τ0 σ
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de2 la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
2
1 1 1µ x 1 ( µ0 − x ) 2
p ( x ,θ) = exp − ρθ − 02 + 2 exp −
2πστ0 2 ρ τ0 σ 2 (σ 2 + τ02 )
Entonces:
2
1 1 µ0 x
∞
1 1 ( µ0 − x) 2 1 ∞ 1
∫ p (x,θ) = 2πστ0
exp − ∫
2 (σ + τ0 ) ρ − ∞ 2π 1 ρ
2 2
exp − θ − 2 + 2 dθ
2(1 ρ) ρ τ0 σ
−∞
1 µ x 1
µ ~ N ( 20 + 2 ),
ρ τ0 σ ρ
∞
1 1 ( x − µ0 ) 2
∫ p (x ,θ) = 2π ρστ0
exp −
2 (σ 2 + τ02 )
−∞
∞
1 1 ( x − µ0 ) 2
∫ p ( x,θ ) =
σ 2 + τ02
exp −
2 (σ 2 + τ02 )
−∞
2π στ0
σ 2τ02
∞
1 1 ( x − µ0 ) 2
∫ p (x,θ) =
−∞ 2π σ2 + τ02
exp −
2 (σ2 + τ02 )
x ~ N ( µ0 , σ2 + τ02 )
p( x,θ )
p (θ / x ) =
∫ p (x,θ)dθ
2
1 1 1 µ x 1 ( µ0 − x) 2
exp − ρθ − 20 + 2 exp −
2πστ0 2 ρ τ0 σ 2 (σ 2 + τ02 )
p (θ / x ) =
1 1 ( µ0 − x) 2
exp −
2π ρστ0 2 (σ 2 + τ02 )
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de3 la UNMSM
Introducción a la Estadística Bayesiana (Caso Comparación de
medias). Yupanqui Pacheco, Rosalynn Miluska.
2
1 1 1µ x 1
p (θ / x ) = exp − θ − 20 + 2 /
1 2 ρ τ0 σ ρ
2π
ρ
1 µ x 1
θ / x ~ N ( 20 + 2 ),
ρ τ0 σ ρ
(
θ / x ~ N u1 ,τ12 )
1 1
µ0 + 2 x
τ 2
σ 1 1 1
µ1 = 0 = 2+ 2
1 1 τ1 τ0 σ
2
+ 2
τ0 σ
2
Elaboración y diseño en formato PDF por la Oficina General del Sistema de Bibliotecas y Biblioteca Central de4 la UNMSM