Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Propiedades :
Modelo Bernoulli :
- - - - -
;
- -
-
- - -
-
i
P /A ) 1- P / A)
'
- =
Í
' ×
I
-
PIX ) =p
"
. P / 01=0 / 1- p )
" I
- ACB → P / A) ≤ P / B) -
- - - - - - - - - -
-
- - -
n PIB -
A) =P / B) -
PIA ) E ( X ) :
p
. PIAUB / =P / A) + P / B) -
P / AAB ) V ( X) : ( 1- p)
•
p
=
probabilidad de éxito
para eventos excluyentes : .
✗ =
cantidad de ensayos que se repiten
P / An UA , ) =P / A 1) + P / Aa )
↳
IP / Airai -0 ) Modelo Binomial :
(F)
Para eventos independientes :
" " -
×
si 3 Ocurre , no afecta PIX ) / )
-
P / A / B) / A)
a =
1- p
=P
p
.
'
P / AAB ) =P / A) -
P / B)
•
n : no elementos seleccionados
Probabilidad condicional : •
p :
probabilidad de ÉXITO
PIAAB )
°
✗ : no éxitos
. P / A / B) =
P / B)
EIX ) :
np
'
E / ✗ + KI =
Elx) + K
.
KCTE Modelo Hipergeométrica :
'
Elk .
X) =
K .
ECX ) - - - - - -
- -
- -
-
-
l l
K N -
K
IEIX ) )
'
varianza :
EIXY -
¡ p/ ,
✗ =\ ) =
× n -
✗ Í
VIK) O
|
• =
KCTE
I
)
,
N
•
VIKTX) =
VIX ) I
n I
/X)
' '
/a b)
'
V ✗ + = a - V -
- -
- ˢ
-
- - - -
- -
-
↳
con d. b constantes
✗ : no éxitos
Modelo Poisson :
total de elementos
N :
,
- - - - - - - - - - -
n : no elementos seleccionados
,
I K : total de éxitos en N
' t
✗
e-
"
I
plx )
=
I
t n k
ECX )
-
'
!
: =
X nip
'
- - - - - -
: n
- -
/ %) / )
"
n . '
/N -
n'
EIX ) =
varlx ) =
Y )
var ( × :
n.pl , p,
_
=
✗ →
tasa promedio de Ocurrencia ( N -
1)
en un intervalo de tiempo
TEMA 2
Variables aleatorias continuas y sus distribuciones de probabilidad
-
2
Esperanza : IX. PIX ) varianza :
E /✗2 ) -
(E ( ✗ 1)
-
Elk ) =
K ,
con K ( Te
'
V / K) =
O ,
KCTC
•
El ✗ + K) =
EIX) + K KCTC
.
V / KTX ) =
✓ ( X)
,
'
Elk .
X) =
K .
✗
.
V / DX + b) = D2 - V /X) ( con a. b constantes )
i
Í :
"
| El 2)
|
2
i ECX ) =
✗ .
flx ) dx
'
✗ =
✗ flx ) dx ,
: : : :
Funcion de densidad f (X )
'
f ≥ O
función
•
:
es densidad si :
"
| .
.
f / ✗ Idx = 1
P/ ) [¡
'
* la integral en un punto es 0
P / a ≤ ≤ b) =
/¡ flxldx
-
✗
P / a)
% flx ) DX
•
✗ ≤ =
"
P ( a)
| flxldx
•
✗ ≥ =
•
P / ✗ = a) = O
o [X -
Ula ,
b) } ]
E-
É
±
función densidad : f ( X ) =
b.la ,
a < ✗ < b
×
a b
I
ir
I I I '
a¡ˢ lb-
)
ECX ) ) / 1=1×1
I.
( '
✗ ≤ ✗ ✗ a
!
✓ ✗ P acumulada
-
!
= = =
,
¡ ,
¡ ya ,
;
Las probabilidades calculadas en una distancia uniforme (a,b) no es mas que el calculo de un area del rectangulo
✓ / /
Distribucion exponencial
'
y
'
'
%
-
✗ →
EXP ( t )
'
X es una variable exponencial si su densidad es: I flx ) =
e
i
'
'
B
'
i
)
'
f- (X ) i
,
^ Reemplazando
B Por 1-
X
' i
1-
¥
" ×
i
ECX ) = .
varcx ) =
.
f- ( × ) = 1- e-
✗
Modelo normal
í
'
%
i
"" ' ,
e ,
•
X es una variable aleatoria normal si su densidad es: Í fu ) =
|
i iii. o ,
'
" '
" '
Fix ,
i.
~
> ✗ > ✗
U
~
' '
'
,
X -
M i
i
. o !
TEMA 3
Distribucion de probabilidad conjunta
/
Definicion: la funcion p(x,y) es una distribucion de probabilidad conjunta de las va discretas X e Y si:
/ / r
-
p / × , y ) = P / ✗ =
✗ .
Y -
_
y ) ≥ O V. ( ✗
, y )
•
[ XERECXEYERCCYPCX , y ) = 1 ( suma de probabilidades )
•
P / ✗ =
✗ Y -
_
Distribuciones marginales X e Y i.
Ejemplo :
-
glx ) = [ plx , y )
.
h ( Y ) = [ p IX. y ) ✗ 1 2 3
YERCCY ✗ ERCCX
'
"
Distribucion de probabilidad condicional
-
p / y )
: '
, × ,
I
/ y /×)
↳
La distribucion condicional de y, dado que x=x es:
'
' P
glx ) > O
=
, ,
con
i :
Independencia estadistica:
'
P / ✗ =
✗ ,
Y -
_
y ) =P / ✗ =
× ) -
P / Y =
y ) V ( ✗ , y )
Esperanzas condicionales :
( ) /✗ )
2
•
E ✗ /
y
-
_
y
=
§ × .
P / ✗ / y =
y ) .
E /
y =
y
=
[ ✗
2 .
P / ✗/
y
-
_
y )
• E / Y / ✗ = ✗ ) =
§ y
.
P / Y /✗ = ✗ ) .
E /Y
'
/✗ = ✗ ) =
[ y
' -
P / Y /✗ =
× )
,
Varianzas condicionales :
)
2
'
V1
✗ / ) =
E / ✗ / E / ✗ /y ) '
y y
-
y
-
_
) /Y / 4)
'
'
V / Y /✗ ,
=\ = E /✗ ) -
E Y 2
Covarianza
'
•
Se define :
COV IX. y / =
El / ✗ -
Mx ) -
( y
-
µ, ) )
^
COVI -1 ^ covltl ^ corto )
:
.
;
.
.
'
:
' .
.
.
-
-
.
.
- '
ex.is?.r.ela.ci0n
'
; no
. .
.
<
.
.
. '
' .
'
. .
'
.
lineal datos
' -
. .
.
.
. .
. entre los
.
. i -
"
,
, ,
,
> y >
COV ( × , y) = E IX. y ) -
EIX ) .
Ely )
t
donde : E IX. y ) = IX. y .
P /X , y )
E ( X ) = { ✗ .
P / ✗ )
Ely ) =
2 y
.
P / y )
•
teorema → si ✗ e
y son independientes ,
entonces cov IX. y ) = O
¡f
'
/✗ Y )
'
Correlacion :
=
COV '
'
'
,
-1 ≤ lx , ,
≤ 1
'
'
vlx ) My )
'
.
× , y
-
,
moderada directa
alta inversa
y / / / / / / I I I I I I I I '
t
-
1 O moderada IMV .
1 dlta directa
baja
Varianza y esperanza: •
El ✗ ± Y ) =
ECX ) ± ECY )
•
v1 a ✗ + b Y ) = al V / X) t b? V / Y ) t Lab COV IX. Y )
*
si X e Y son independientes : Var ( ✗ ± Y ) =
Var ( X ) t var ( Y ) , ya que COV IX. 41=0
TEMA 4
Muestras aleatorias y estimacion puntual
/
1) ✗ 1 ,
✗ 2 ,
. . .
✗ n son independientes
2) ✗ 1 ✗ 2 ✗ n son idénticamente distribuidos
, . . .
,
•
La muestra debe ser representativa
✗ I
,
2 ,
. . . n
/ resultado particular )
parámetro D-
'
M :
promedio poblacional →
Ñ :
promedio muestral → É I estimador )
•
Í :
promedio muestral ( estimador ) → Ó
Media muestral :
↳ aleatoria ✗ 1. ✗ de
Dada una muestra 2
,
. . .
Xn una población ✗ ,
donde ECX ) =
M
VIX ) =
82 ,
se define el promedio muestral como :
Í ☒
'
'
✗ 1 + ✗ 2 t . . .
+ ✗ n
,
=
'
' n
: :
]
-
,
µ ,
"
" "" " " "" " " "" " " "
-
I :
media muestra I ≈ N / µ .tl/n )
'
n : tamaño muestra (n ≥ 30 )
^
•
media poblacional
µ :
[ ✗ i ≈ N / NM no 2)
02
• ,
:
varianza poblacional ¡ =
'
\ Distribuye aproximadamente
.
de ⊖ :
MSEIÓ ) = E ( ( Ó -
f) 2)
MSEIÓ ) ( sesgo ( Ó ) )
'
* = VIÓ ) t
¡ :
'
0o:
=
VIÓ ) I
i :
II ) Eficiencia relativa :
Ó Ó
son dos estimadores del parametro
'
•
Si ,
y , ⊖ :
↳
La eficiencia relativa de Ó con respecto a Ó es , , :
ÍMSE
'
( Ó, Ó, ( Ó )
'
Cff ) = ,
i *
El estimador con menor error
ÍMSE !
,
II )Consistencia : La diferencia entre el valor esperado del estimador y el parametro disminuye a medida que
.
1) LIM El Ó ) =
-0
n → A
2) Lim var ( Ó ) =
O
n → A
◦ :
◦
J
2 :
Varianza (conocida)
( I z
En ≤ µ ≤ ☒ +2
En )
-
, _
÷ , _
◦
2 , _
:
Punto porcentual 100 ( 1- E) superior de la distribucion normal estandar . .
Tamano muestral para obtener un error E con un 10011 d) % de confianza
-
-
:
°
E ( error ) =
/ µ -
Ñ l
Tamano muestra I
-
o
N :
( ( E) )
'
2 '
n or
-
Semiintervalo (0--1) o ( U -
⊖ ) E :
2×12 .
Fn
◦ L : limite inferior IC
( presiciónomárgen de error )
°
U : limite superior IC
◦
µ Media desconocida
: ( I media muestral ) :
o
02 Varianza desconocida ( S d. estándar muestral )
: :
( )
I -
T T ◦
In I ) grados de libertad
(ñ)
= - :
◦
IC para la media "
( I tn : ≥ ≤ µ ≤ It tn-i.ES
)
-
.
. .
rn rn
Estimador de
)
°
(
p
: ⊕ p
-
IT
◦
Para n > 30 : Z =
☐( ☐ -
, ,
≈ N / 0,1 )
Proporcion de la poblacion
' -
◦
⊕ :
IC poblacion
'
O
:
( p Zi E
Plljpt ⊕ p t Z Pli P)
)
-
≤ ≤
-
,
-
-
n
Tamano de muestra para estimar una proporcion poblacional
- /
°
E :
Error de estimar ⊕ por p ( E = / p -
ITI )
: tamano muestral
-
O
N
( )
21 -
E
n =
pll -
p )
E
( n = 2×122 p
EL
/ 1- p )
)
Distribucion Chi - cuadrado
/
O
02 Varianza desconocida
:
↳
✗
2
= (n -
1) 52
2
J
°
52 :
Varianza de una muestra aleatoria de n observaciones
( )
' .
"
≤ o ≤
X? -
i.
-
°
S :
( )
' "
≤ • ≤
X? -
i.
-