Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NIETO BARAJAS
3. Conceptos de probabilidad
i) 0 ≤ P(A) ≤ 1 .
ii) P(A) = 1 sólo si A ocurre seguro.
iii) P(A) = 0 sólo si A no ocurre seguro.
105
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
P(A ∩ B)
P(B A ) =
P(A)
106
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
107
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
108
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
X P(X = x)
x1 P(X = x1)
x2 P(X = x2)
x3 P(X = x3)
x4 P(X = x4)
x5 P(X = x5)
x6 P(X = x6)
1.00
X P(X = x)
x1 p1
x2 p2
x3 p3
x4 p4
x5 p5
x6 p6
1.00
109
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
X fr / p
0 0.10
1 0.30
2 0.20
3 0.20
4 0.15
5 0.05
1.00
110
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Por otra parte, esta tabla debiese incluir el tamaño del banco (n).
X fr / p
0 0.10
1 0.30
2 0.20
3 0.20
4 0.15
5 0.05
1.00
111
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
MEDIDAS DE LOCALIZACIÓN
(para variables aleatorias)
P( X ≤ X(0.5) ) ≥ 0.5
P( X ≥ X(0.5) ) ≥ 0.5 .
112
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
P( X ≤ X(q) ) ≥ q
P( X ≥ X(q) ) ≥ 1-q .
113
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
114
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Años
4
3
5
5
3
9
0
5
4
4
9
3
15
3
3
5
5
6
2
115
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
MEDIDAS DE DISPERSIÓN
(para variables aleatorias)
116
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
6
σ(X) = [Var(X)] 1/2
= ∑ pi ( x i − µ)2 .
i =1
117
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
∞
∑ pi = 1.
i =1
∞
EM(X) = ∑ pi x i − X(0.5) ,
i =1
118
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
∞
σ2 = ∑ pi ( x i − µ)2 y
i =1
∞
σ= ∑ pi ( x i − µ)2 .
i =1
¾ Suponga, por ejemplo, que tiene una variable continua con soporte
X igual al intervalo [0, 10]. Evidentemente, el mínimo valor en el
soporte es cero pero no es posible establecer cual es el que le
sigue. Cualquier candidato, digamos A, queda descartado
automáticamente si se reconoce que entre cero y el número A
existe una infinidad de valores más.
119
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
120
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
2. ∫ f(x) dx = 1.
X
b
P(A) = ∫a f(x) dx .
P( X = x ) = 0.
121
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Caso discreto:
122
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Caso Continuo:
x
FX (x) = P(X ≤ x) = ∫ f(y)dy .
−∞
¾ En relación con este tema vale la pena observar que existe una
cantidad incontable de variables aleatorias.
¾ Por su parte cualquier función positiva cuya área bajo la curva sea,
también, finita puede dar lugar a una función de densidad y por
tanto a una variable continua.
123
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Variables discretas:
1. Uniforme.
2. Triangular.
3. Bernoulli
4. Binomial.
5. Poisson.
6. Geométrica
7. Binomial Negativa.
Variables Continuas:
1. Uniforme
2. Triangular.
3. Exponencial,
4. Normal,
5. Ji cuadrada
6. t de Student
7. F.
124
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Función de Probabilidad
Uniforme Discreta (N=10)
0.15
0.12
0.09
0.06
0.03
0.00
0 1 2 3 4 5 6 7 8 9 10 11
Esperanza:
E(X) = (N+1)/2
Varianza:
Var(X) = (N2 –1)/12
Esta familia tiene tantos elementos como valores existen de N
enteros mayores que 1.
125
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Función de Probabilidad:
P(X = x) = bx para todo x en X.
( b = 2/{(N(N+1)} ).
Esperanza:
E(X) = (2N+1)/3
Varianza:
Var(X) = {(N –1)(N +1)}/18
Función de Probabilidad
Triangular Discreta (N=10)
0.18
0.15
0.12
0.09
0.06
0.03
0
0 1 2 3 4 5 6 7 8 9 10 11
126
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Modelo Bernoulli.
Soporte:
X = {0, 1}.
Función de Probabilidad:
P(X = x) = px (1-p)(1-x) para todo x en X.
Función de Probabilidad
Bernoulli (p = 0.25)
1.00
0.80
0.60
0.40
0.20
0.00
-0.5 0 0.5 1 1.5
Esperanza:
E(X) = p
Varianza:
Var(X) = p(1-p)
127
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Modelo Binomial.
Soporte:
X = {0, 1,…., N}.
Función de Probabilidad:
N
P(X = x) = p x (1 − p)N - x para todo x en X.
x
Función de Probabilidad
Binomial (p = 0.75, N = 10)
0.30
0.25
0.20
0.15
0.10
0.05
0.00
0 2 4 6 8 10 12
Esperanza:
E(X) = Np
Varianza:
Var(X) = Np(1-p)
Esta familia de modelos tiene tantos elementos como parejas
existen de valores de N enteros positivos y de p en el intervalo
[0,1].
128
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Modelo Poisson.
Soporte:
X = {0, 1, 2,…. }.
Función de Probabilidad:
λx exp( − λ )
P(X = x) = para todo x en X.
x!
Función de Probabilidad
Poisson ( λ = 5 )
0.20
0.16
0.12
0.08
0.04
0.00
0 5 10 15 20
Esperanza:
E(X) = λ
Varianza:
Var(X) = λ
129
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Modelo Geométrico.
Soporte:
X = {0, 1, 2,…. }.
Función de Probabilidad:
P(X = x ) = p(1 − p )
x
para todo x en X.
Función de Probabilidad
Geométrica ( p = 0.2 )
0.24
0.20
0.16
0.12
0.08
0.04
0.00
0 5 10 15 20
Esperanza:
E(X) = (1-p) / p
Varianza:
Var(X) = (1-p) / p2
Esta familia de modelos tiene tantos elementos como valores de p
existen en [0, 1].
130
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Función de Probabilidad:
r + x − 1 r
P(X = x) = p (1 − p) x
x
para todo x en X.
0.12
0.08
0.04
0.00
0 5 10 15 20
Esperanza:
E(X) = r (1-p) / p
Varianza:
Var(x) = r (1-p) / p2
Esta familia de modelos tiene tantos elementos como existen
parejas de valores r entero positivo y p en [0, 1].
131
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Función de Densidad:
1
f X (x) =
(b − a)
para todo x en X y cero en otro caso.
0.15
0.12
0.09
0.06
0.03
0.00
-2 -1 0 1 2 3 4 5 6 7 8 9 10 11
Esperanza:
E(X) = (a + b) / 2
Varianza:
Var(X) = (b - a)2 / 12
132
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Modelo Exponencial.
Soporte:
X = (0, ∞).
Función de Densidad:
fX (x) = λ exp( −λx )
para todo x en X y cero en otro caso.
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6 7 8 9 10 11 12
Esperanza:
E(X) = λ-1
Varianza:
Var(X) = λ-2
Esta familia de modelos tiene tantos elementos como valores de λ
positivos.
133
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Modelo Normal.
Soporte:
X = (-∞, ∞).
Función de Densidad:
1 1
f(x) = 2 1/ 2
exp { − 2
( x − µ)2 }
(2πσ ) 2σ
para todo x en X .
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
-5.0 -3.0 -1.0 1.0 3.0 5.0
Esperanza:
E(X) = µ
Varianza:
Var(X) = σ2
Esta familia de modelos tiene tantos elementos como parejas
existen de valores µ en los reales y σ2 positivos.
134
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Esperanza:
E(X) = r
Varianza:
Var(X) = 2 r
135
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
0.20
0.16
0.12
0.08
0.04
0.00
0 3 6 9 12 15 18
0.10
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
0 5 10 15 20 25 30
0.06
0.05
0.04
0.03
0.02
0.01
0.00
10 20 30 40 50 60
136
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Modelo t de Student.
Soporte:
X = (-∞, ∞).
Función de Densidad:
Γ[(r + 1)/2]
f(x) = (rπ)-1/2 (1+ x 2 /r)- (r +1)/2
Γ(r/2)
para todo x en X .
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
-5.0 -3.0 -1.0 1.0 3.0 5.0
Esperanza:
E(X) = 0 (si r > 1)
Varianza:
Var(X) = r / (r-2) (si r > 2)
137
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Z
W=
V /r
138
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Modelo F.
Soporte:
X = (0, ∞).
Función de Densidad:
m/2
Γ[(m + n)/2] m x ( m − 2) / 2
f(x) =
Γ(m/2)Γ(n/2) n [1 + (m / n)x](m + n) / 2
para todo x en X .
Esperanza:
E(X) = n / (n-2) (si n > 2)
Varianza:
Var(X) = [2n2 (m+n-2)]/ [m(n-2)2 (n-4)], (si n > 4)
Distribución F (3,3)
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6
139
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Distribución F (10,10)
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6
Distribución F (40,40)
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0 1 2 3 4 5 6
140
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Distribución F (3,40)
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6
Distribución F (40,3)
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6
141
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
142
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
4. Estimación y Pronóstico
143
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
n
mr = 1
n ∑ (xi )r
i =1
n −1 2
S = m2 – m12
n
144
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
k
Mr = ∑ (x i )r pi en el caso discreto,
i =1
E(X) = M1
Var(X) = M2 - M12
145
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
λ= X
146
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Otro ejemplo útil es el caso Normal. Para este modelo se tienen dos
parámetros. La primera ecuación M1 = m1 equivale a la igualdad
µ= X
σ 2 = S2
147
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Este hecho plantea una situación que sólo se puede abordar desde
la perspectiva de la Inferencia Estadística.
148
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
149
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
150
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
151
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
PRONÓSTICOS PROBABILÍSTICOS
152
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
1. Es simple,
2. Hace uso del resumen eficiente,
3. No pone en duda la representatividad de la información en el
banco.
153
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
154
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
X fr Poisson
0 0.1350 0.0963
1 0.2050 0.2254
2 0.2150 0.2637
3 0.2050 0.2057
4 0.1350 0.1203
5 0.0950 0.0563
6 0.0050 0.0220
7 0.0000 0.0073
8 0.0000 0.0021
9 0.0050 0.0006
10 0.0001
11 0.0000
12 0.0000
13 0.0000
14 0.0000
15 0.0000
155
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
0.25
0.20
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9
156
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
X fr Bin. Neg.
0 0.1350 0.1328
1 0.2050 0.2329
2 0.2150 0.2334
3 0.2050 0.1754
4 0.1350 0.1099
5 0.0950 0.0606
6 0.0050 0.0303
7 0.0000 0.0141
8 0.0000 0.0062
9 0.0050 0.0026
10 0.0010
11 0.0004
12 0.0002
13 0.0001
14 0.0000
15 0.0000
157
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
0.25
0.20
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9
158
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
159
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
160
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Peso y Estatura
100
90
80
70
60
50
40
150 160 170 180 190 200
161
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
S XY
R X, Y =
S XX S YY
S XY = ∑ ( x i − x )( y i − y ) ,
S XX = ∑ ( x i − x )2 y
S YY = ∑ ( y i − y )2 .
SXY = 1824.5,
SYY = 3423.2 y
SXX = 1498.4;
162
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Por tanto,
RX,Y = 0.806 y R 2X, Y = 0.649 .
y i = β0 + β1 x i
163
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
y = β0 + β1 x + ε
164
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
165
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
1. Separabilidad Aditiva
2. Normalidad
3. Homoscedasticidad
4. Independencia.
µ = -135 + (1.2)*(170) = 69
y varianza
σ2 = 64.
166
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
0.05
0.04
0.03
0.02
0.01
0.00
40 50 60 70 80 90 100
167
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
168
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
µˆ x = βˆ 0 + βˆ 1x .
ŷ = βˆ 0 + βˆ 1x
se le conoce como la recta ajustada.
169
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
sea lo más pequeña posible para todos y cada uno de los casos en
el banco.
o equivalentemente,
n
∆ = ∑ (y i − ŷ i )2 .
i =1
170
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
171
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
∂∆ n
= 2∑ (y i − βˆ 0 − βˆ 1x i )(-1)
∂βˆ 0 i =1
∂∆ n
= 2∑ (y i − βˆ 0 − βˆ 1x i )(-x i )
ˆ
∂β1 i =1
n n n
βˆ 0 ∑ x i + βˆ 1 ∑ x i2 = ∑ x i y i
i =1 i =1 i =1
βˆ 0 = y − βˆ 1x
n
∑ (x i - x )(y i − y )
βˆ 1 = i =1
n
∑ (x i - x )2
i =1
Equivalentemente,
βˆ 0 = y − βˆ 1x
S
βˆ 1 = XY
S XX
172
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
De manera que
βˆ 0 = −139.768
βˆ 1 = 1.218
y, por tanto, la recta ajustada por mínimos cuadrados resulta:
ŷ = −139.768 + 1.218 x
100
90
80
70
60
50
40
150 160 170 180 190 200
173
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
βˆ 1 ~ N(β1, σ 2 / S xx )
y
n
βˆ 0 ~ N β 0 , σ 2 ∑ x i2 (nS xx )
i =1
E(βˆ 1) = β1
y
E(βˆ 0 ) = β0 .
174
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
175
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ Los valores {e1, e2, …en} que se conocen como errores residuales,
tienen media cero y en cierto sentido aproximan el comportamiento
de las variables aleatorias {ε1, ε2, …εn}. En particular, su varianza
estima la varianza de ε.
2
Como variable aleatoria, se tiene que σ̂ presenta el siguiente
comportamiento:
nσˆ 2 / σ2 ~ χ(n
2
− 2) .
176
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
r/2
1 1 r/2 −1
f(w) = w exp(− w/2)
Γ(r/2) 2
E(W) = r
Var(W) = 2r
177
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
0.25
0.20
0.15
0.10
0.05
0.00
0 5 10 15 20
E(σˆ 2 ) = σ2 (n − 2)/n
2
de manera que σ̂ no es un estimador insesgado. Sin embargo, si
2
en lugar de σ̂ se utiliza
~2 = nσˆ 2 /(n − 2)
σ
n
~2 = 1 ∑(y − ŷ )2
σ n- 2 i i
i =1
178
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
~2 / σ2 ~ χ2
1. (n - 2)σ (n− 2)
~2 ) = σ2
2. E(σ
~2 ) = 2σ4 /(n - 2)
3. Var(σ
Por lo tanto,
~2 = 70.687
σ y ~ = 8.408
σ
~2 )
Y ~ N(βˆ 0 + βˆ 1x, σ
179
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
Γ[(r + 1)/2]
f(w) = (rπ)-1/2 (1 + w 2 /2)-(r +1)/2
Γ(r/2)
Z
W=
V/r
180
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
-5.0 -3.0 -1.0 1.0 3.0 5.0
181
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
{~ 1 + 1 + (x − x )
µˆ x ± t (n - 2, 1- α/2) σ n S xx
2
}
1/2
.
βˆ 0 = −139.768 , βˆ 1 = 1.218 y σ
~ = 8.408
182
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
{
± (2.11) ∗ (8.408) ∗ 1 + 191 + (x −171.63) 2
1498.4
}
1/2
120
100
80
60
40
20
150 160 170 180 190 200
183
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
184
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
~2 y
¾ Ahora bien, σ2 no es conocida pero se puede estimar con σ
entonces, se podría afirmar que aproximadamente,
~2 / S ) .
βˆ 1 - β1 ~ N(0, σ xx
S XX (βˆ 1 - β1 )
P( −t (n − 2,1− α / 2) ≤ ~ ≤ t (n − 2,1− α / 2) ) = 1 - α
σ
S XX (βˆ 1 - β1 )
− t (n − 2,1− α / 2) ≤ ~ ≤ t (n − 2,1− α / 2)
σ
185
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
~2
σ
βˆ 1 ± t (n − 2,1− α / 2) .
S XX
S XX (βˆ 1 - β1 )
− t (n − 2,1− α / 2) ≤ ~ ≤ t (n − 2,1− α / 2)
σ
S XX (βˆ 1 - β1* )
− t (n − 2,1− α / 2) ≤ ~ ≤ t (n − 2,1− α / 2)
σ
186
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
∗
¾ Es decir, la hipótesis β1 = β1 se rechaza –con un nivel de
confiabilidad (1-α)×100%-, si
S XX βˆ 1 - β1∗
~ > t (n − 2,1− α / 2)
σ
S XX βˆ 1
~ > t (n − 2,1− α / 2)
σ
70.687
1.218 ± 2.11
1498.4
187
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
S XX β̂ 1
~ = 5.6078
σ
S XX βˆ 1
~ > t (n − 2,1− α / 2)
σ
y se obtiene el resultado.
En consecuencia,
188
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
n
βˆ 0 - β0 ~ N(0, σ 2 ∑ x i2 /(nS xx ))
i =1
n
βˆ 0 - β0 ~ N(0, σ ∑ i
~ 2 x 2 /(nS ))
xx
i =1
nS xx (βˆ 0 - β0 )
~ t(n − 2)
∑ x i2 σ~
βˆ 0 ± t (n − 2,1− α / 2)
σ ∑ i .
~2 ( x2 )
nS XX
189
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
nS xx (βˆ 0 - β ∗0 )
~ > t (n − 2,1− α / 2)
∑ i
x 2
σ
190
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
P( χ(n
2
− 2) ≤ χ(n− 2, p) ) = p ,
2
~2 / χ2
P( σ2 ≤ (n - 2) σ (n−2, α) ) = 1- α
~2 / χ2
( 0, (n - 2) σ (n− 2, α) ) .
191
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
p
r 0.010 0.050 0.100 0.200 0.800 0.900 0.950 0.990
χ(17,
2
0.05) = 8.672
mientras que
~2 = 70.687
σ
193
Especialización en Evaluación de Proyectos Estadística y Probabilidad