Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTUDIANTE:
Jiménez Pazmiño Adriana Gabriela
ASIGNATURA:
Fundamentos econométricos.
PROFESORA:
Dra.: Elvira Bernardita Rodríguez Ríos.
FECHA:
7/10/2022
AÑO LECTIVO:
2022(2)
MANTA-MANABÍ-ECUADOR
Variables aleatorias y distribuciones de probabilidad
una colección de uno o más resultados. El evento "Mi computadora no fallará más de una
vez" es una colección de dos resultados: "sin roturas y " una rotura ".
un grupo sutil, como 0, 1, 2, ..., en tanto que una variable aleatoria continua toma valores en
un continuo de probables valores.
Distribución de probabilidad de una variable aleatoria discreta
Por ejemplo, M sería la cantidad de veces que su computadora falla mientras está editando
un documento. La repartición de probabilidad de una variable aleatoria M es la relación entre
las probabilidades de cada resultado posible: la probabilidad de que M=0, expresada como Pr
(M= 0), es la probabilidad de que la computadora no se dañe; Pr (M= 1) es la probabilidad de
que haya un solo error en la computadora; y así sucesivamente. Se propone un ejemplo de
una repartición de probabilidad para M en la segunda fila de la Tabla 2.1; bajo esta
distribución, si la computadora falla cuatro veces, el trabajo debe abandonarse y rehacerse
manualmente. Según esta repartición, la probabilidad de que no haya daños es del 80%;
la posibilidad de una avería es del 10%; y la probabilidad de dos, tres, o 4 daños es,
correspondientemente, 6%, 3%, y 1%. Esas posibilidades suman el 100%. Esta organización
de posibilidad está representada en la Figura 2.1.
0 1 2 3 4
0,0
0 1 2 3 4
Número de averíasa
discreta es cuando la variable aleatoria es binaria, por lo tanto, los resultados son 0 o 1. Una
llama distribución de Bernoulli.
de G y sus posibilidades son
E1 con probabilidad p
G% (2.1)
0 con probabilidad 1. p,
de una variable aleatoria continua es exactamente la misma que la definición de una variable
aleatoria es la probabilidad de que la variable aleatoria sea menor o igual a cierto valor.
dedicado a este viaje estudiantil puede tomar un valor continuo y, dado que depende de
factores aleatorios como el clima y las condiciones del tráfico, es natural tratarlo como una
acumulada del tiempo de viaje hipotético. Por ejemplo, hay un 20 % de posibilidades de que
inferior a 20 minutos.
continuo, la distribución de posibilidad empleada para las variables discretas, que muestra la
continuas.
El área bajo la función de densidad de probabilidad entre dos puntos es la probabilidad de que
sencillamente densidad.
La figura 2.2b muestra la función de densidad de probabilidad del tiempo de ida y vuelta
distribución acumulada de la figura 2.2a. La probabilidad de que el tiempo de ida y vuelta sea
entre 15 y 20 minutos está dada por el área bajo f.d.p. Esto es 0.58 o 58%. De manera
la diferencia entre la probabilidad (78%) de que el viaje de ida y vuelta sea menor a 20
minutos y la probabilidad (20%) de que el viaje de ida y vuelta sea menor a 15 minutos. Por
se rembolsa, obtendrá 110 $ (el principal de 100 $ más los intereses de 10 $), pero hay
consiguiente, el montante que percibirá es una variable aleatoria que es igual a 110 $
nada, por consiguiente, en media percibirá 110 $ # 0,99! 0 $ # 0,01 % 108,90 $. Por ende, el
promedio de fallas en muchas ejecuciones de trabajos, ponderado por la frecuencia con la que
sentido decir que la computadora falla 0,35 veces mientras escribe el trabajo! Por el
Ejercicio 2.25).
CONCEPTO Esperanza y media
CLAVE
Suponga que la variable aleatoria Y puede tomar k posibles valores y1, y2, ...,
yk, donde y1 expresa el primer valor, y2 expresa el segundo valor, y así
2.1 sucesivamente, la probabilidad de que Y tome el valor y1 es p1, la probabilidad
de que Y tome y2 es p2, etc. La esperanza o valor esperado de Y, expresado
mediante E(Y), es
k
de la fórmula general del Concepto clave 2.1 es la media de la variable aleatoria de Bernoulli.
El valor esperado de
17.1.
E[(Y . kY)2].
sección 2.2.
var(M) % (0. 0,35)2 # 0,80! (1. 0,35)2 # 0,10! (2. 0,35)2 # 0,06
! (3. 0,35)2 # 0,03! (4. 0,35)2 # 0,01 % 0,6475.
var(G) %p2G % (0. p)2 # (1. p) ! (1. p)2 # p%p (1. p).
Y% 2.000! 0,8X.
impuestos más $2,000. Suponga que el ingreso antes de impuestos de una persona en el
próximo año es una variable aleatoria con media kX y varianza p2X. Dado que el
La varianza de los ingresos antes deimpuestos es la esperanza de (Y. kY)2. Debido a que Y%
2.000! 0,8X, Y. kY % 2.000! 0,8X. (¡2.000! 0,8kX) % 0,8(X. kX). Por tanto, E [(Y. kY)2] % %E
{[0,8(X. kX)]2} % 0,64E [(X. kX)2]. Esto significa que var(Y) % 0.64var(X) entonces
sacamos la raíz cuadrada de la desviación que es la desviación estándar de Y
Py % 0,8pX.
análisis puede generalizarse al hecho de que Y depende de X y el intercepto es (en lugar de
Y% a! bX. (2.11)
Por ende, la media y la varianza de Y son
kY % a! bkX y (2.12)
p2Y % b2p2X, (2.13)
La desviación estándar de Y es pY % bpX. Las expresiones en la ecuación (2.9) y (2.10)
2.000 y b% 0,8.
mide la asimetría de una distribución, y curtosis, que mide el grosor o el peso de su cola. La
distribución.
simétricas (Figuras 2.3a y 2.3b) y dos no lo son (Figuras 2.3c y 2.3d). Visualmente, la
colas, por lo que mide qué parte de la varianza de Y se explica por los valores extremos. Los
La curtosis de la distribución de Y es
en las colas tendrán una alta curtosis. Como (Y. kY)4 no puede ser negativo, la curtosis no
universitarios tienen más probabilidades de conseguir un trabajo que los no
%x, Y%y).
variable aleatoria binaria igual a 0 si llueve y 1 si no llueve. Entre estas dos variables
conjunta indica con qué frecuencia ocurre cada uno de estos eventos en varias iteraciones del
movimiento.
de una variable aleatoria Y es solo otro nombre para su distribución de probabilidad. Este
término se utiliza para distinguir la distribución de Y solo (la distribución marginal) de la
y es
la tabla.
Distribuciones condicionales
expresa como Pr (Y% y X% x). Por ejemplo, si se sabe que lloverá (X% 0), ¿cuál es la
Digamos que estas usando una computadora en la biblioteca para escribir un trabajo, y el
bibliotecario te da una computadora gratis al azar, mitad nueva y mitad vieja. Dado que
A %0)/Pr(A % 0) %0.35 /0.50% 0,70 o 70%. Por otro lado, si se le entrega una computadora
anterior es 0,56, por lo que la expectativa condicional de Y para la maquina anterior es 0,56.
Obtenido de
https://drive.google.com/file/d/1xKN67rLICMKJNPGB4Y1ybPU5LSTj3L87/view?
usp=sharing