Práctica 1: Probabilidad

Propiedades de la probabilidad
1) Unión de Sucesos:
Enuncie y demuestre la fórmula de la probabilidad de la unión de dos sucesos.
2) Intersección de sucesos:
a) Qué fórmulas permiten calcular la probabilidad de la intersección de dos sucesos?
b) ¿Cómo se obtienen esas fórmulas?
Probabilidad Condicional
3) Definir probabilidad condicional y explicar la regla del producto y ejemplificar con un árbol.
Sucesos independientes
4) Explique el concepto de independencia y de donde surge esta definición.
5) ¿Qué se entiende por Sucesos independientes? Demuestre que si A y B son sucesos independientes,
también lo son sus respectivos complementos. Explique los pasos de su demostración.
6) Pueden ser dos sucesos independientes y mutuamente excluyentes a la vez ejemplifique o justifique
Sucesos
7)Indique en qué casos dos sucesos A y B son:
a) Mutuamente excluyentes
b) Independientes (Defina coloquial y analíticamente) Ejemplifique
c) De un ejemplo de un par de sucesos que sean simultáneamente dependientes y mutuamente
excluyentes.
d) ¿Cómo se vinculan las nociones de exclusión a independencia
e) ¿Son un suceso y su complementario mutuamente excluyentes?
f) ¿Son un suceso y su complementario independientes?

8) Si A y B son sucesos independientes que puede decirse de no A y no B?

9) Demuestre que si P(A) + P(B) >1 entonces A ∩ B != 0

10) Considere una familia de sucesos que sea una partición del espacio muestral asociado a un
experimento aleatorio. Indique V o F.
a) la suma de las probabilidades de todos los sucesos de la familia es igual a uno.
b) Dos sucesos diferentes de la familia son independientes.
c) La unión de un suceso de la familia y el contenido de otro de la misma familia es el suceso cierto

Bayes
11) Demostrar el Teorema de Bayes, condiciones para aplicarlo y citar un ejemplo.

Probabilidad Total
12) Exprese la fórmula de la probabilidad total describiendo previamente todos los elementos que
contribuyen el contexto que le otorga sentido y permite su aplicación.
Demostrar probabilidad total
Práctica 2: Variables Aleatorias
Variable Aleatoria
1)
a) Dé una definición de variable aleatoria
b) Como se caracteriza una variable aleatoria discreta?
c) Como se caracteriza una variable aleatoria continua?

2) Si (X,Y) es un par de variables aleatorias y z es una combinación lineal de ellas exprese E(Z) como
función de E(X) y E(Y) y obtenga por deducción una expresión para V(Z).

3) Sea X una variable aleatoria, F su función de distribución acumulada y b un valor perteneciente al

rango de dicha variable,
a) ¿Qué representa F(b)?
b) ¿es F(b-1) < F8b)? Justifique.

Esperanza
4) Sea X una variable aleatoria y E(X) su esperanza.
a) ¿Cómo construiría un intervalo de confianza para E(X)?
b) ¿Qué condiciones deben darse para que sea correcto usar el intervalo en una aplicación?

5) Demostrar para una variable aleatoria continua que E(ax+b) = aE(x)+b

Varianza
6) Defina varianza de una variable aleatoria y demuestre la fórmula que la relaciona con la esperanza de
la variable y la de su cuadrado Explique todos los pasos.
7) Demostrar para una variable aleatoria continua que:
V(ax) = a2V(x)

Covarianza
8)
a) A partir de la fórmula de la varianza definir la fórmula de la covarianza explicando todos los pasos.
b) Deducir la formula cov(X;Y) = E(X*Y) - E(X) * E(Y)
Función de distribución.

9) Defina la función de distribución de una variable aleatoria (tanto discreta como continua) y enuncie
sus propiedades características y relaciónelas con el cálculo de la probabilidad de un suceso descrito por
la variable aleatoria.

10)
Prueba que si F es función de distribución de una variable aleatoria X entonces P(a<X<=b) = F(b) - F(a)
11) Explique por qué la función de distribución de una variable aleatoria es acotada y creciente en el
sentido amplio.

12) Considere la función de distribución F de una variable aleatoria X y el número real b.

a) qué indica F(b) ?
b) Es lim x->b F(x) = f(b)? Si responde si, explique por qué; si responde no, modifique la expresión entre
interrogativos por la que considere correcta.
Práctica 3: Distribuciones Especiales
Poisson
1)
a) Enuncie las características de una variable aleatoria con distribución de Poisson
b) Deduzca la expresión de su valor esperado

2) Explicar la relación entre las variables de poisson y exponencial

Distribución Binomial
3)
a) Indique las condiciones que se deben dar para que una variable tenga distribución binomial y de un
ejemplo de una variable con dicha distribución.

Distribución Normal
4) Asuma que X es una variable aleatoria con distribución normal.
a) Si se toma una muestra de tamaño n, ¿cuál es la distribución de la media muestral?
b) Si no se asume que X sigue una distribución normal, ¿qué ocurre con la distribución de la media
muestral?

5) Demuestre que µ es la media y la mediana de la distribución.

6)
a) Geométricamente en el gráfico de la función de densidad ¿que indican µ y σ?
b) Qué momentos de la distribución son µ y σ2? que otros nombres reciben?
Práctica 4: Estimación
Teorema central del Límite

1) Enuncia el Teorema central del Límite y de un ejemplo de aplicación del mismo

Funciones de probabilidad y de densidad

Estimadores

2)
a) Explique el concepto de estimador de un parámetro.
b) Defina sesgo de un estimador.
c) ¿Qué condición debe reunir un estimador para que sea insesgado, de un ejemplo?
d) ¿A qué atribuye que los estimadores insesgados se les de ese nombre?
e) Encuentre un estimador sesgado de la media basado en una muestra aleatoria de tamaño dos.

3)
a) Explique en qué consiste la estimación puntual y la estimación con un intervalo de confianza.
Establezca su diferencia. Ejemplifique.
b) Demuestre que la media muestral es un estimador insesgado de la media de la correspondiente
variable justificando todos los pasos.

4)
a) Por qué importa considerar la varianza de los estimadores insesgados del mismo parámetro.
b) ¿Si tuviera dos estimadores sesgados de un parámetro tita cual elegiría?

5)
a) Explique la relación entre: media muestral - media poblacional - estimador - parámetro insesgado
b) defina un estimador insesgado y uno sesgado de una muestra de tamaño 6 correspondiente a una
población con distribución normal
c) Defina sesgo y encuentre el sesgo del estimador propuesto en a)

Error cuadrado medio

6)
a) Defina error cuadrado medio de un estimador.
b) Demuestre que el error cuadrado medio es igual a la suma de la varianza del estimador más el
cuadrado del sesgo.
c) Como influye el sesgo de un estimador en su error cuadrático medio?
d) Demuestre que el error cuadrático medio es igual a la suma de la varianza del estimador más el
cuadrado del sesgo.
 Intervalos de Confianza

7)
a) Si se mantiene el tamaño de la muestra y se aumenta el nivel de confianza de 95 a 99 ¿en cuánto
aumenta la longitud del intervalo?
b) Si se duplica el tamaño de la muestra y se mantiene el mismo nivel de confianza ¿en cuanto se reduce
la longitud del intervalo?

8) Deduzca la expresión del intervalo de confianza para la media poblacional con desvío estándar
poblacional conocido, interprete su significado

Muestreo aleatorio
9) Considere una variable aleatoria X de media mu y desviación σ.
a) ¿Qué se entiende por muestra aleatoria X? Considere la media muestral como variable. ¿Cómo se
conecta con la muestra aleatoria?
b) ¿Cuál es media y cuál la desviación estándar de la media de una muestra aleatoria de tamaño n de la
variable aleatoria X?
c) Indique la distribución de la media muestral y los supuestos que la hacen válida.
Práctica 5: Prueba de hipótesis.
Prueba de hipótesis.

1)
a) ¿Qué se entiende por valor p?
b) Seleccionando un nivel de significación alfa, si p< alfa se rechaza la hipótesis nula. ¿Por qué?
c) Si el valor P resultara extremadamente pequeño ¿cómo interpreta dicho resultado?

2) Explicar los posibles errores a cometer en la decisión de una prueba de hipótesis. Su relación con el
nivel de significación.

3) Analice el efecto que tiene un cambio en el nivel de significación sobre la probabilidad de cometer
error tipo II. Utilice para su análisis la prueba de hipótesis unilateral para la media de una población
normal con varianza conocida.

4) Diferencia entre una verificación de hipótesis y una estimación por intervalos

Práctica 6: Regresión lineal
Modelo de Regresión lineal Simple
1) En la utilización de este modelo, ¿qué significado debe atribuirse a los siguientes valores de
coeficientes de determinación r2: 0, 0.8 , 1?

2)
a) Defina el coeficiente de correlación lineal de la muestra. Explique que indica y que estima.
b) ¿Cómo deben interpretarse sus valores extremos?
c) ¿Cuál es su relación con el coeficiente de determinación?

3)
a) Enuncie el mínimo de los cuadrados que permite definir los estimadores de los parámetros de la
regresión.
b) ¿Cómo se calculan esos estimadores?

4)Explicar las rectas poblacional y la muestral y la relación que mantienen.

5) Explicar por qué ciertas variables comparten la misma varianza σ 2 e indicar como se estima la
varianza.

6) ¿Qué representa el desvío residual? cuales son las variables involucradas en la determinación de la
magnitud del desvío residual?

7) Indique cuales son los supuestos que se deben cumplir para aplicar el modelo y qué tipo de
estimadores son: Beta0 y Beta1 sombreros.

8) ¿Qué indica la homocedasticidad?

9) ¿Cómo reducir el error de estimación en el intervalo de confianza para el valor medio de un Y dado X
cero?

10) Suponga que para cada x fijo E(Y) = a +bx

a) Indique que interpretación le da a los parámetros a y b del modelo y de qué manera puede estimarlos
b) ¿Qué representa el coeficiente de determinación?

11) La aplicación del criterio de los mínimos cuadrados consiste en minimizar cierta función. En el
análisis de regresión lineal simple,
a) ¿a qué función se le aplica el criterio?
b) ¿Qué parámetros se estiman por aplicación de ese criterio?