IQ0809 Pateiro

ESTADSTICA
Beatriz Pateiro Lpez
ingeniera qumica USC
Curso 2008-2009
ESTADSTICA
ingeniera qumica USC

APUNTES DE TEORA Tema 1: ESTADSTICA DESCRIPTIVA Tema 2: DESCRIPCIN ESTADSTICA DE DOS VARIABLES Tema 3: PROBABILIDAD Tema 4: VARIABLES ALEATORIAS UNIDIMENSIONALES Tema 5: VECTORES ALEATORIOS: VECTORES BIDIMENSIONALES Tema 6: MODELOS DE DISTRIBUCIN DE PROBABILIDAD Tema 7: INFERENCIA ESTADSTICA: ESTIMACIN PUNTUAL E INTERVALOS DE CONFIANZA Tema 8: CONTRASTE DE HIPTESIS BOLETINES DE EJERCICIOS Boletn 1: ESTADSTICA DESCRIPTIVA Boletn 2: DESCRIPCIN ESTADSTICA DE DOS VARIABLES Boletn 3: PROBABILIDAD Boletn 4: VARIABLES ALEATORIAS UNIDIMENSIONALES Boletn 5: INFERENCIA ESTADSTICA: ESTIMACIN PUNTUAL E INTERVALOS DE CONFIANZA, CONTRASTE DE HIPTESIS PRCTICAS CON MATLAB Prctica 1: INTRODUCCIN A MATLAB Prctica 2: ESTADSTICA DESCRIPTIVA CON MATLAB Prctica 3: DESCRIPCIN ESTADSTICA DE DOS VARIABLES Prctica 4: VARIABLES ALEATORIAS UNIDIMENSIONALES I Prctica 5: VARIABLES ALEATORIAS UNIDIMENSIONALES II Prctica 6: INFERENCIA ESTADSTICA: ESTIMACIN PUNTUAL E INTERVALOS DE CONFIANZA
Este material se encuentra disponible en
http://eio.usc.es/pub/pateiro/files/IQ0809Pateiro.pdf
Estadstica Tema 1: ESTADSTICA DESCRIPTIVA

Curso 2008/2009
ndice
1. Introduccin a la Estadstica 2. Tipos de variables 3. Distribucin de frecuencias 3.1. Descripcin de variables cualitativas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Descripcin de variables cuantitativas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Representaciones grcas 4.1. Representaciones grcas de variables cualitativas . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Representaciones grcas de variables cuantitativas . . . . . . . . . . . . . . . . . . . . . . . . 5. Medidas caractersticas: Medidas de 5.1. Medidas de posicin . . . . . . . 5.2. Medidas de dispersin . . . . . . 5.3. Medidas de forma . . . . . . . . posicin, de dispersin y de forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 3 3 4 5 6 7 8 10 11 12 13
Estadstica. Ingeniera Qumica
Introduccin a la Estadstica
estadstica. (Del al. Statistik). 1. f. Estudio de los datos cuantitativos de la poblacin, de los recursos naturales e industriales, del trco o de cualquier otra manifestacin de las sociedades humanas. 2. f. Conjunto de estos datos. 3. f. Rama de la matemtica que utiliza grandes conjuntos de datos numricos para obtener inferencias basadas en el clculo de probabilidades.
Diccionario de la lengua espaola. Real Academia Espaola
La estadstica es una ciencia con base matemtica referente a la recoleccin, anlisis e interpretacin de datos, que busca explicar condiciones regulares en fenmenos de tipo aleatorio. Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias sociales, desde las ciencias de la salud hasta el control de calidad, y es usada para la toma de decisiones en reas de negocios e instituciones gubernamentales.
Wikipedia
El campo de la estadstica tiene que ver con la recopilacin, presentacin, anlisis y uso de datos para tomar decisiones y resolver problemas. Cualquier persona, tanto en su carrera profesional como en la vida cotidiana recibe informacin en forma de datos a travs de peridicos, de la televisin y de otros medios. De manera especca, el conocimiento de la estadstica y la probabilidad puede constituirse en una herramienta poderosa para ayudar a los cientcos e ingenieros a disear nuevos productos y sistemas, a perfeccionar los existentes y a disear, desarrollar y mejorar los procesos de produccin. Esta seccin consiste en una breve introduccin a las actividades propias de la Estadstica, sus objetivos y las herramientas y argumentos que utiliza. Pretendemos distinguir con claridad las labores de recoleccin y tratamiento de datos, el clculo de probabilidades y los razonamientos de inferencia estadstica. A continuacin exponemos algunos conceptos bsicos: Poblacin: Es el universo de individuos al cual se reere el estudio que se pretende realizar. Muestra: Subconjunto de la poblacin cuyos valores de la variable que se pretende analizar son conocidos. Variable: Rasgo o caracterstica de los elementos de la poblacin que se pretende analizar. Por tanto, nuestro objetivo es el conocimiento de la poblacin. Podramos pensar en analizar a todos los individuos de la misma. Sin embargo, esto puede ser inviable por su coste o por el tiempo que requiere. Entonces nos conformamos con extraer una muestra. La muestra proporciona informacin sobre el objeto de estudio. Lo habitual en nuestro contexto es que en el procedimiento de extraccin intervenga el azar. Ejemplo 1: Se quiere analizar el nmero de horas de estudio semanal que dedican los estudiantes de la Titulacin de Ingeniera Qumica de esta Universidad. Para ello se pregunta a 50 alumnos de esta titulacin. Poblacin: Todos los estudiantes de Ingeniera Qumica de esta Universidad. Variable: Nmero de horas de estudio semanal. Muestra: 50 alumnos encuestados. Ejemplo 2: Se desea estimar el porcentaje de albmina en el suero proteico de personas sanas. Para ello se analizan muestras de 40 personas, entre 2 y 40 aos de edad. Poblacin: Todas las personas sanas.
Pgina 2 de 14
Variable: Porcentaje de albmina en el suero proteico. Muestra: 40 personas, entre 2 y 40 aos de edad. Clasicamos las tareas vinculadas a la Estadstica en tres grandes disciplinas: Estadstica Descriptiva. Se ocupa de recoger, clasicar y resumir la informacin contenida en la muestra. Clculo de Probabilidades. Es una parte de la matemtica terica que estudia las leyes que rigen los mecanismos aleatorios. Inferencia Estadstica. Pretende extraer conclusiones para la poblacin a partir del resultado observado en la muestra. La Inferencia Estadstica tiene un objetivo ms ambicioso que el de la mera descripcin de la muestra (Estadstica Descriptiva). Dado que la muestra se obtiene mediante procedimientos aleatorios, el Clculo de Probabilidades es una herramienta esencial de la Inferencia Estadstica.
Tipos de variables
Variables cualitativas: No aparecen en forma numrica, sino como categoras o atributos. Ejemplos: sexo, color de los ojos, profesin, potabilidad del agua, tipo de carburante, origen animal de la leche, etc. Se clasican a su vez en: Cualitativas nominales: Miden caractersticas que no toman valores numricos. A estas caractersticas se les llama modalidades. Ejemplo: Si se desea examinar el origen animal de una serie de productos lcteos considerados para un estudio, las modalidades podran ser: Vaca, Oveja, Cabra,... Cualitativas ordinales: Miden caractersticas que no toman valores numricos pero s presentan entre sus posibles valores una relacin de orden. Ejemplos: nivel de estudios: sin estudios, primaria, secundaria, etc. Variables cuantitativas: Toman valores numricos porque son frecuentemente el resultado de una medicin. Ejemplos: peso (kg.) de una persona, altura (m.) de edicios, temperatura (co ) corporal, concentracin (g 100 ml1 ) de inmunoglobina en suero sanguneo, porcentaje (0100 %) de agua recuperada al centrifugar piedra arsnica, nivel (mg Kg1 ) de cromo en hierba de centeno, etc. Se clasican a su vez en: Cuantitativas discretas: Toman un nmero discreto de valores (en el conjunto de nmeros naturales). Ejemplos: nmero de hijos de una familia, nmero de tomos que constituyen una molcula gaseosa, etc. Cuantitativas continuas: Toman valores numricos dentro de un intervalo real. Ejemplos: altura, peso, concentracin de un elemento, tiempo de reaccion de un compuesto quimico, etc.
Distribucin de frecuencias
La primera forma de recoger y resumir la informacin contenida en la muestra es efectuar un recuento del nmero de veces que se ha observado cada uno de los distintos valores que puede tomar la variable. A eso le llamamos frecuencia. Daremos deniciones precisas del concepto de frecuencia en sus distintas formas de presentacin. Denimos previamente el tamao muestral, al que denotamos por n, como el nmero de observaciones en la muestra.
Pgina 3 de 14
3.1
Descripcin de variables cualitativas.
Supongamos que los distintos valores que puede tomar la variable son: c1 , c2 , . . . , cm Frecuencia absoluta: Se denota por ni y representa el nmero de veces que ocurre el resultado ci . Frecuencia relativa: Se denota por fi y representa la proporcin de datos en cada una de las clases, fi = ni . n
La frecuencia relativa es igual a la frecuencia absoluta dividida por el tamao muestral. Frecuencia absoluta acumulada. Es el nmero de veces que se ha observado el resultado ci o valores anteriores. La denotamos por Ni = cj ci nj . Frecuencia relativa acumulada. Es la frecuencia absoluta acumulada dividida por el tamao muestral. La denotamos por Ni Fi = = fj . n
cj ci
Debemos observar que las frecuencias acumuladas slo tienen sentido cuando es posible establecer una relacin de orden entre los valores de la variable, esto es, cuando la variable es ordinal. Las frecuencias se pueden escribir ordenadamente mediante una tabla de frecuencias, que adopta esta forma: ci c1 c2 . . . cm ni n1 n2 . . . nm fi f1 f2 . . . fm Ni N1 N2 . . . Nm Fi F1 F2 . . . Fm
Propiedades: Frecuencias Frecuencias Frecuencias Frecuencias absolutas relativas absolutas acumuladas relativas acumuladas 0 ni n 0 fi 1 0 Ni n 0 Fi 1
m i=1 ni = n m i=1 fi = 1
Nm = n Fm = 1
Claramente, la suma de las frecuencias absolutas es el nmero total de datos, n, y la suma de las frecuencias relativas es 1. Observar que el ltimo valor de la distribucin de frecuencias absolutas acumuladas coincide con el nmero de observaciones y que los valores no decrecen. Anlogamente, el ltimo valor de la distribucin de frecuencias relativas acumuladas es uno. La informacin que proporcionan la distribucin de frecuencias relativas y la distribucin de frecuencias relativas acumuladas es equivalente, pues cada una de ellas puede obtenerse a partir de la otra. La distribucin de frecuencias acumuladas permite conocer la proporcin de valores por debajo de cierto valor de la variable, o entre dos valores especicados, o por encima de cierta cantidad. Ejemplo 3: Dentro de los procesos industriales de gran importancia para el Ingeniero Qumico, estn los procesos de tratamiento de aguas. Un laboratorio determin la dureza del agua de 10 muestras obteniendo los siguientes Pgina 4 de 14
resultados. Muestra 1 2 3 4 5 6 7 8 9 10 Dureza Agua blanda Agua blanda Agua dura Agua muy dura Agua muy dura Agua extremadamente dura Agua blanda Agua blanda Agua dura Agua muy dura
Construir la tabla de distribucin de frecuencias relativas para la variable X =Dureza del agua. Dureza del agua (ci ) Agua blanda Agua dura Agua muy dura Agua extremadamente dura ni 4 2 3 1 fi 0,4 0,2 0,3 0,1 Ni 4 6 9 10 Fi 0,4 0,6 0,9 1
3.2
Descripcin de variables cuantitativas.
Como la variable toma valores numricos, los datos no se agrupan ahora en clases de modo natural. El concepto de continuidad supone la imposibilidad de repeticin en los distintos valores que toma la variable. Y es que en variables cuantitativas continuas y mejorando la precisin del aparato de medida, podramos encontrar diferencias entre dos observaciones cualesquiera. As, las frecuencias absolutas adoptaran casi siempre el valor uno en cada observacin y las frecuencias relativas el valor 1/n. Por esta razn, para construir las frecuencias es habitual agrupar los valores que puede tomar la variable en intervalos. De este modo contamos el nmero de veces que la variable cae en cada intervalo. A cada uno de estos intervalos le llamamos intervalo de clase y a su punto medio marca de clase. Por tanto, para la denicin de las frecuencias y la construccin de la tabla de frecuencias sustituiremos los valores ci por los intervalos de clase y las marcas de clase. Algunas consideraciones a tener en cuenta: Nmero de intervalos a considerar: Para adoptar esta decisin tendremos en cuenta: 1. Cuantos menos intevalos tomemos, menos informacin se recoge. 2. Cuantos ms intervalos tomemos, ms difcil es manejar las frecuencias. Aunque no hay unanimidad al respecto, un criterio bastante extendido consiste en tomar como nmero de intervalos el entero ms prximo a n. Amplitud de cada intervalo: Lo ms comn, salvo justicacin en su contra, es tomar todos los intervalos de igual longitud. Una amplitud variable de los intervalos podra justicarse por la bsqueda de una descripcin ms precisa en ciertas zonas de valores. A dichas zonas dedicaramos ms intervalos, con una consiguiente menor longitud. Posicin de los intervalos: Los intervalos deben situarse all donde se encuentran las observaciones y de forma contigua. Por lo dems, es aconsejable que los restos de intervalos en los extremos derecho e izquierdo del conjunto de observaciones sean similares. Pgina 5 de 14
Debemos aadir que para una variable cuantitativa discreta que pueda tomar demasiados valores distintos puede ser conveniente una agrupacin por intervalos como en el caso continuo. A continuacin veremos un ejemplo prctico de cmo se construyen los intervalos y la tabla de frecuencias para variables cuantitativas. En la resolucin de los ejemplos ser til ordenar la muestra de observaciones y despus calcular el recorrido o rango, que denimos como la diferencia entre el dato ms grande y el ms pequeo de la muestra. El recorrido se usa para obtener la amplitud de los intervalos. La ordenacin facilita mucho tambin el recuento de las frecuencias en cada intervalo. Ejemplo 4: Consideremos una muestra de 200 familias en las que contamos el nmero de hijos. Supongamos que se han observado 50 familias sin hijos, 80 familias con un hijo, 40 familias con dos hijos, 20 familias con tres hijos y 10 familias con cuatro hijos. Tamao muestral: n = 200.
Nmero de hijos
0 1 2 3 4
ni 50 80 40 20 10
fi Ni 0,25 50 0,40 130 0,20 170 0,10 190 0,05 200
Fi 0,25 0,65 0,85 0,95 1
Ejemplo 5: Con la nalidad de conocer el comportamiento de algunas variables qumicas del suelo y las correspondientes del sedimento provocado por el proceso de erosin hdrica, se analizaron las prdidas de suelo por escurrimiento de 10 muestras de suelo. Los valores de prdida de agua (cm3 ) de cada muestra son: 52, 47, 51, 28, 64, 31, 22, 53, 29, 23 Calculemos una tabla de frecuencias con estos datos. Muestra ordenada: 22, 23, 28, 29, 31, 47, 51, 52, 53, 64. Recorrido= 64 22 = 42. Nmero de intervalos 10 3 1623 3. 42/3 = 14. Tomamos como amplitud de cada intervalo 15 y as conseguimos contener toda la muestra y los extremos de los intervalos resultan manejables.
Intervalo de clase Marca de clase Densidad de frecuencia
[Li , Li+1 ) [20, 35) [35, 50) [50, 65)
ci 27,5 42,5 57,5
ni 5 1 4
fi Ni 0,5 5 0,1 6 0,4 10
Fi 0,5 0,6 1
ni / (Li+1 Li ) 5/15 1/15 4/15
Representaciones grcas
La representacin grca de la informacin contenida en una tabla estadstica es una manera de obtener una informacin visual clara y evidente de los valores asignados a la variable estadstica. Existen multitud de grcos adecuados a cada situacin. Unos se emplean con variables cualitativas y otros con variables cuantitativas.
Pgina 6 de 14
4.1
Representaciones grcas de variables cualitativas
Representaremos las frecuencias absolutas o relativas mediante el diagrama de barras. Para ello, situamos los valores de la variable en el eje de abscisas, respetando su orden si lo hubiera, y dibujamos barras verticales sobre ellos con altura proporcional a la frecuencia. Para el aspecto del diagrama de barras es irrelevante si representamos las frecuencias absolutas o relativas. Esto slo afectara a la escala del eje de ordenadas. Ejemplo 6: Utilizaremos el siguiente ejemplo. Realizamos un experimento en el laboratorio cuyo resultado es el color que adopta nalmente un lquido. Los colores posibles son: azul, verde y rojo. Se realiza el experimento 50 veces y en 15 ocasiones resulta el color azul, 25 veces se obtiene el color verde y en 10 ocasiones resulta el color rojo. Entonces tenemos: Tamao muestral: n = 50. Color (ci ) Azul Verde Rojo ni fi 15 0,3 25 0,5 10 0,2
Ntese que no calculamos las frecuencias acumuladas pues el color es una variable nominal. A continuacin representamos el diagrama de barras.
Figura 1: Diagrama de barras. A la izquierda frecuencias absolutas y a la derecha frecuencias relativas.
10
% Guardamos en el vector ni las frecuencias absolutas ni=[15 25 10]; % Guardamos en el vector fi las frecuencias relativas fi=[0.3 0.5 0.2]; % Diagrama de barras con las frecuencias absolutas s u b p l o t (1,2,1), bar(ni) s e t (gca,XTickLabel,{Azul,Verde,Rojo}) % Diagrama de barras con las frecuencias relativas s u b p l o t (1,2,2), bar(fi) s e t (gca,XTickLabel,{Azul,Verde,Rojo})
Pgina 7 de 14
4.2
Representaciones grcas de variables cuantitativas
Variables cuantitativas discretas Igual que para las variables cualitativas, las frecuencias de las variables cuantitativas discretas se representan mediante el diagrama de barras. Asimismo, representaremos las frecuencias acumuladas mediante el diagrama de frecuencias acumuladas o diagrama escalonado, segn se muestra a continuacin. Los datos son los correspondientes al Ejemplo 4.
Figura 2: A la izquierda diagrama de barras y a la derecha diagrama de frecuencias acumuladas.
10
% Datos ci=[0 1 2 3 4]; % Guardamos en el vector ni las frecuencias absolutas ni=[50 80 40 20 10]; % Guardamos en el vector Ni las frecuencias absolutas acumuladas Ni=cumsum(ni); % Diagrama de barras con las frecuencias absolutas s u b p l o t (1,2,1), bar(ci,ni) % Diagrama de frecuencias acumuladas s u b p l o t (1,2,2), bar(ci,Ni)
Variables cuantitativas continuas Las frecuencias de una variable cuantitativa continua tambin se pueden representar grcamente. Sin embargo, el diagrama de barras no parece adecuado para este caso, pues lo que debemos representar son frecuencias de intervalos contiguos. Histograma: Es un grco para la distribucin de una variable cuantitativa continua que representa frecuencias mediante reas. El histograma se construye colocando en el eje de abscisas los intervalos de clase, como trozos de la recta real, y levantando sobre ellos rectngulos con rea proporcional a la frecuencia. Una vez ms, aqu resulta irrelevante trabajar con frecuencias absolutas o relativas. Destacamos que es el rea y no la altura de los rectngulos lo que debe ser proporcional a la frecuencia. As, el eje de ordenadas no reeja la frecuencia, sino que la altura de cada rectngulo representa la densidad
Pgina 8 de 14
de frecuencia sobre ese intervalo, denida como: Densidad de frecuencia = frecuencia Amplitud
Slo si se toman clases de la misma longitud, las frecuencias son proporcionales a las alturas del histograma de modo que, donde hay ms altura hay ms datos y donde hay menos altura menos datos. Vamos a dibujar el histograma correspondiente a la distribucin de frecuencias obtenida en el Ejemplo 5.
Figura 3: Histograma.
% % % %
5
La funcion mihist3 que veremos en clase de prcticas construye el histograma y el polgono de frecuencias acumuladas x: Contiene los datos extremos: Contiene los extremos de los intervalos de clase
x=[22 23 28 29 31 47 51 52 53 64]; extremos=[20; 35; 50; 65]; mihist3([22 23 28 29 31 47 51 52 53 64],[20; 35; 50; 65]);
A diferencia del diagrama de barras, los rectngulos se dibujan contiguos. El aspecto del histograma cambia variando el nmero de clases y el punto donde empieza la primera clase. Cuanto mayor es el rea de una clase, mayor es su frecuencia. El histograma ayuda a describir cmo es la distribucin de la variable, si es simtrica (con un eje de simetra), bimodal (con dos mximos),...etc. El polgono de frecuencias: Se obtiene uniendo mediante segmentos los centros de las bases superiores de los rectngulos del histograma. Proporcionan una representacin ms suavizada que el histograma. El polgono de frecuencias acumuladas: Las frecuencias acumuladas se representan mediante el polgono de frecuencias acumuladas. Resulta interesante observar que el polgono de frecuencias acumuladas se obtiene integrando el histograma de izquierda a derecha. Pgina 9 de 14
Figura 4: Polgono de frecuencias acumuladas. Diagrama de tallo y hojas: Los datos se redondean a dos o tres cifras signicativas, tomndose como tallo la primera o dos primeras cifras y como hojas las ultimas cifras. El tallo se separa de las hojas por una lnea vertical. As, cada tallo se representa una sola vez y el nmero de hojas representa la frecuencia. La impresin resultante es la de acostar un histograma. Ejemplo 7: El DDT es un potente insecticida que fue muy empleado a comienzo de los 80. La mezcla tcnica de DDT est compuesta bsicamente por tres compuestos, entre ellos el pp-DDT. Se tienen los siguientes niveles de pp-DDT en 30 muestras de judas blancas (mg Kg1 ). 0.03 0.22 0.55 0.05 0.22 0.56 0.08 0.23 0.58 0.08 0.29 0.64 0.10 0.30 0.66 0.11 0.32 0.78 0.18 0.34 0.78 0.19 0.40 0.86 0.20 0.47 0.89 0.20 0.48 0.96
A continuacin se muestra el diagrama de tallo y hojas correspondiente. El punto decimal se situa un dgito a la izquierda de |. 0 1 2 3 4 5 6 7 8 9 | | | | | | | | | | 3588 0189 002239 024 078 568 46 88 69 6
Medidas caractersticas: Medidas de posicin, de dispersin y de forma
En estas dos ltimas secciones del tema estudiamos las medidas que sirven para obtener una descripcin muy resumida sobre alguna propiedad concreta del conjunto de datos. Por medida entendemos, pues, un nmero Pgina 10 de 14
que se calcula sobre la muestra y que reeja cierta cualidad de la misma. Parece claro que el clculo de estas medidas requiere la posibilidad de efecutar operaciones con los valores que toma la variable. Por este motivo, en lo que resta del tema tratamos slo con variables cuantitativas.
5.1
Medidas de posicin
En esta seccin estudiamos medidas que nos indican la posicin que ocupa la muestra. La posicin central son el objetivo de la media, la mediana y la moda. El estudio de posiciones no centrales se har con los cuantiles. Media aritmtica: Se dene la media aritmtica (o simplemente media) como: x=
n i=1
xi ; n
x=
m i=1
ci fi
donde la primera expresin corresponde a tener todos los datos cuantitativos y la segunda corresponde a datos agrupados. As, en el caso de una variable continua, tenemos dos opciones: o calculamos la media con todos los datos (los sumamos y dividimos por el tamao muestral), o usamos la tabla de frecuencias considerando las marcas de clase y las frecuencias en cada clase. Los resultados sern diferentes, siendo la segunda opcin una aproximacin de la primera, con la ventaja de una mayor sencillez de clculo. La media aritmtica tiene interesantes propiedades: Propiedades: 1. m i ) x mx(xi ) y tiene las mismas unidades que los datos originales. n(x a 2. Es el centro de gravedad de los datos: n i=1 (xi x ) = 0,
n i=1
(xi x )2 = m n
aR
n i=1
(xi a)2 .
3. Si yi = a + bxi y = a + b. (las transformaciones lineales se comportan bien con la media). x
Mediana: Una vez ordenados los datos de menor a mayor, se dene la mediana como el valor de la variable que deja a su izquierda el mismo nmero de valores que a su derecha. Si hay un nmero impar de datos, la mediana es el valor central. Si hay un nmero par de datos, la mediana es la media de los dos valores centrales. Si la variable est agrupada en intervalos de clase, se calcula la clase mediana (aquel intervalo donde la frecuencia relativa acumulada es menor o igual que 0,5 en su extremo inferior y mayor que 0,5 en su extremo superior) para a continuacin elegir un representante de este intervalo como mediana (la marca de clase, el valor obtenido por interpolacin lineal, etc.).
Propiedades: 1. La mediana es la medida de posicin central ms robusta (i .e. ms insensible a datos anmalos). 2. La mediana verica: n n n |xi a|. i=1 |xi Me | = m i=1
aR
Observa que la media y la mediana tendrn valores similares, salvo cuando haya valores atpicos o cuando la distribucin sea muy asimtrica. Pgina 11 de 14
Moda: Es el valor de la variable que se presenta con mayor frecuencia. A diferencia de las otras medidas, la moda tambin se puede calcular para variables cualitativas. Pero, al mismo tiempo, al estar tan vinculada a la frecuencia, no se puede calcular para variables continuas sin agrupacin por intervalos de clase. Al intervalo con mayor frecuencia le llamamos clase modal. Puede ocurrir que haya una nica moda, en cuyo caso hablamos de distribucin de frecuencias unimodal. Si hay ms de una moda, diremos que la distribucin es multimodal. Cuantiles: Sea p (0, 1). Se dene el cuantil p como el nmero que deja a su izquierda una frecuencia relativa p. Lo que es lo mismo, la frecuencia relativa acumulada hasta el cuantil p es p. Claro est que los cuantiles slo se podrn calcular con variables ordinales. Ntese que la mediana es el cuantil 0 5. Para calcular los cuantiles seguiremos las siguientes indicaciones. Si la variable es discreta, o si es continua y disponemos de todos los datos: Ordenamos la muestra. Tomamos el menor dato de la muestra (primero de la muestra ordenada) cuya frecuencia relativa acumulada es mayor o igual que p. Si se supera p estrictamente, este dato ya es el cuantil p; mientras que si se alcanza con igualdad, el cuantil p es la media de este dato con el siguiente. Ejemplo 8: Muestra ordenada: 1, 2, 35, 6, 7, 9, 12, 13, 145, 152. Cuantil 010=15; Cuantil 043=7. Si la variable es continua y se encuentra agrupada en intervalos de clase: Buscamos sobre la tabla de frecuencias el primer intervalo cuya frecuencia relativa acumulada es mayor o igual que p (pensemos que es el intervalo [Li , Li+1 )) y, dentro de ese intervalo, calculamos el cuantil p por interpolacin lineal, esto es: Cuantil p = Li + p n Ni1 (Li+1 Li ) ni
Algunos rdenes de los cuantiles tienen nombres especcos. As los cuartiles son los cuantiles de orden (0.25, 0.5, 0.75) y se representan por Q1 , Q2 , Q3 . Los deciles son los cuantiles de orden (0.1, 0.2,..., 0.9). Los percentiles son los cuantiles de orden j/100 donde j=1,2,...,99.
5.2
Medidas de dispersin
Las medidas de dispersin se utilizan para describir la variabilidad o esparcimiento de los datos de la muestra respecto a la posicin central. Recorrido o rango: R = mx xi m xi . a n Recorrido intercuartlico: se dene como la diferencia entre el cuartil tercero y el cuartil primero, es decir, RI = Q3 Q1 . Varianza: Si hemos empleado la media como medida de posicin, parece razonable tomar como medida de dispersin algn criterio de discrepancia de los puntos respecto a la media. Segn hemos visto, la simple diferencia de los puntos y la media, al ponderarla, da cero. Por tanto, elevamos esas diferencias al cuadrado para que no se cancelen los sumandos positivos con los negativos. El resultado es la varianza, cuya denicin se da a continuacin. La primera expresin corresponde a tener todos los datos cuantitativos y la segunda corresponde a datos agrupados. s2 = 1 n
n m
(xi x )2 ;
i=1
s2 =
i
(ci x )2 fi .
Pgina 12 de 14
Propiedades:
2 2 1. sa+X = sX . La varianza no se ve afectada por cambios de localizacin. 2 2 2. sbX = b2 sX . La varianza se mide en el cuadrado de la escala de la variable
Que una medida de dispersin no se vea afectada por cambios de localizacin, como ocurre con la varianza (propiedad 1), es una condicin casi indispensable para admitirla como tal medida de dispersin. La dispersin de un conjunto de datos no se ve alterada por una mera traslacin de los mismos. Desviacin tpica: La propiedad 2 de la varianza nos da pie a calcular la raz cuadrada de la varianza, obteniendo as una medida de dispersin que se expresa en la mismas unidades de la variable. Esta medida es la desviacin tpica, que en coherencia denotamos por s. Coeciente de variacin: Si queremos una medida de dispersin que no dependa de la escala y que, por tanto, permita una comparacin de las dispersiones relativas de varias muestras, podemos utilizar el coeciente de variacin, que se dene as: s CV = . x Por supuesto, para que se pueda denir esta medida es preciso que la media no sea cero. Es ms, el coeciente de variacin slo tiene sentido para variables que slo tomen valores positivos y que no sean susceptibles de cambios de localizacin.
5.3
Medidas de forma
Las medidas de forma tratan de medir el grado de simetra y apuntamiento en los datos. Coeciente de asimetra de Fisher: Se dene como AsF =
n i=1
(xi x )3 . ns 3
La interpretacin de este coeciente es la siguiente: Si su valor es prcticamente cero se dice que los datos son simtricos. Si toma valores signicativamente mayores que cero diremos que los datos son asimtricos a la derecha y si toma valores signicativamente menores que cero diremos que son asimtricos a la izquierda. Coeciente de apuntamiento de Fisher: Mide el grado de concentracin de una variable respecto a su medida de centralizacin usual (media). Se dene como: KF =
n i=1
(xi x )4 . 4 ns
Puesto que en Estadstica el modelo de distribucin habitual de referencia es el gausiano o normal y este presenta tericamente un coeciente de apuntamiento de 3, se suele tomar este valor como referencia. As, si este coeciente es menor que 3 diremos que los datos presentan una forma platicrtica, si es mayor que 3 diremos que son leptocrticos y si son aproximadamente 3 diremos que son mesocrticos. Pgina 13 de 14
Varias de las medidas vistas anteriormente utilizan desviaciones de los datos respecto a la media elevadas a distintos rdenes. Este tipo de coecientes se denominan momentos. Se dene el momento respecto al origen de orden r (r 0) como: ar = 1 n
n
xir .
i=1
Se dene el momento central de orden r (r 0) como: 1 mr = n

n
(xi x )r .
i=1
Casos particulares de los momentos son: a1 = x , m2 = s 2 , m3 = s 3 AsF y m4 = s 4 KF . Ejemplo 9: Un estudio tiene como objetivo determinar la concentracin de pH en muestras de saliva humana. Para ello se recogieron datos de 10 personas obtenindose los siguientes resultados. 6,59 7,37 7,15 7,08 5,75 5,83 7,12 7,23 7,13 5,60
Calcular la media, mediana, desviacin tpica, cuartiles y rango intercuartlico. La media se calcula como: x=
n i=1
6,59 + 7,37 + . . . + 5,60 xi = = 6,685. n 10
Para calcular la mediana debemos en primer lugar ordenar los datos: 5,60 5,75 5,83 6,59 7,08 7,12 7,13 7,15 7,23 7,37
La mediana se calcula entonces como: Me = 7,08 + 7,12 = 7,1. 2
Calculamos ahora la desviacin tpica. En primer lugar calculamos la varianza 1 s = n

2 n
(xi x )2 = 0,43172.
i=1
Entonces, la desviacon tpica es s = 0,43172 = 0,657. Calculemos ahora los cuartiles. El primer cuartil Q1 es el cuantil de orden 0,25. Para calcularlo, volvemos a tener en cuenta la muestra ordenada. Tomamos el menor dato de la muestra (primero de la muestra ordenada) cuya frecuencia relativa acumulada es mayor o igual que p = 0,25, es decir, el valor 5,83. Como se supera p = 0,25 estrictamente tenemos que Q1 = 5,83. Recuerda que Q2 = Me = 7,1. Por ltimo, Q3 = 7,15. En consecuencia, el recorrido intercuntilico es RI = Q3 Q1 = 1,32.
Pgina 14 de 14
Estadstica Tema 2: DESCRIPCIN ESTADSTICA DE DOS VARIABLES

Curso 2008/2009
ndice
1. Variable estadstica bidimensional 2. Distribuciones de frecuencias 2.1. Distribucin de frecuencia conjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Distribuciones marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3. Distribuciones condicionadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Representaciones grcas 4. Medidas caractersticas 4.1. Vector de medias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Matriz de varianzas-covarianzas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. Dependencia lineal. Recta de regresin 2 2 2 3 5 5 5 6 6 7
Variable estadstica bidimensional
En el Tema 1 nos hemos ocupado de la descripcin de variables estadsticas unidimensionales, es decir, cada individuo de la muestra era descrito de acuerdo a una nica caracterstica. Sin embargo, lo habitual es que tendamos a considerar un conjunto amplio de caractersticas para describir a cada uno de los individuos de la poblacin, y que estas caractersticas puedan presentar relacin entre ellas. As, si para un mismo individuo observamos simultneamente k caractersticas obtenemos como resultado una variable estadstica k-dimensional. Nos centraremos en el estudio de variables estadsticas bidimensionales, es decir, tendremos dos caractersticas por cada individuo. Ejemplo 1: Con frecuencia se obtienen datos bivariados cuando se usan dos tcnicas distintas para medir la misma cantidad. Por ejemplo, la concentracin de hidrgeno determinada con un mtodo de cromatografa de gases (X), y la concentracin determinada con un nuevo mtodo de sensor (Y ): X Y
47 38 62 62 65 53 70 67 70 84 78 79 95 93 100 114 118 124 127 140 140 140 150 152 164 198 221 106 117 116 127 114 134 139 142 170 149 154 200 215
Representaremos por (X, Y ) la variable bidimensional estudiada, donde X e Y son las variables unidimensionales correspondientes a las primera y segunda caractersticas, respectivamente, medidas para cada individuo. Es claro que el estudio de cada variable bidimensional particular (X, Y ) variar segn las variables unidimensionales X e Y sean cuantitativas o cualitativas y, de ser cuantitativas, segn sean continuas o discretas.
Distribuciones de frecuencias
Como en el caso unidimensional, con la obtencin de las distribuciones de frecuencias para variables bidimensionales se pretende organizar la informacin contenida en las observaciones muestrales de la variable (X, Y ) de manera que sea ms sencilla de interpretar en la prctica.
2.1
Distribucin de frecuencia conjunta
Estudiaremos las caractersticas (X,Y ) de una poblacin de la cual obtenemos una muestra (x1 ,y1 ),. . . ,(xn ,yn ). Igual que hemos hecho con una sola variable, cada una de estas variables se puede agrupar en modalidades. Supongamos que las modalidades (o datos agrupados) de X son c1 ,. . . ,cm y las de Y son d1 ,. . . ,dk . Frecuencia absoluta: Sea nij el nmero de individuos de la muestra que presentan la modalidad ci de X y la dj de Y . Este nmero se conoce como la frecuencia absoluta del par (ci ,dj ). Frecuencia relativa: Al igual que para variables unidimensionales, las frecuencias relativas se calculan como fij = nij . n
Las propiedades de estos nmeros son idnticas al caso unidimensional. La distribucin de frecuencias conjunta de la variable bidimensional (X, Y ) es el resultado de organizar en una tabla de doble entrada las modalidades de las variables unidimensionales X e Y junto con las correspondientes frecuencias absolutas (relativas).
Pgina 2 de 9
Propiedades: Frecuencias absolutas Frecuencias relativas 0 nij n, (i = 1, . . . , m, j = 1, . . . , k) 0 fij 1, (i = 1, . . . , m, j = 1, . . . , k)

m i=1 m i=1 k j=1 nij = n k j=1 fij = 1
X\Y c1 . . . ci . . . cm
d1 . . . dj . . . dk n11 (f11 ) . . . n1j (f1j ) . . . n1k (f1k ) . . . . . . . . . ni1 (fi1 ) . . . nij (fij ) . . . nik (fik ) . . . . . . . . . nm1 (fm1 ). . . nmj (fmj ). . . nmk (fmk )
Ejemplo 2: Distribucin de frecuencias absolutas del color de ojos (X) de 100 personas y de sus madres (Y ) X\Y Claros Oscuros Claros 28 20 Oscuros 15 37
Ejemplo 3: Distribucin de frecuencias relativas de asistencia mensual al cine (X) y al teatro (Y ) de una muestra de 200 estudiantes universitarios. X\Y 1 2 3 4 0 0.41 0.19 0.10 0.02 1 0.05 0.06 0.05 0.07 2 0 0.02 0.02 0.01
Ejemplo 4: Distribucin de frecuencias relativas del volumen de ventas (X) y el nmero de trabajadores (Y ) para un grupo de 100 empresas pequeas y medianas. X\Y 1-100 101-200 201-300 1-24 28/100 10/100 4/100 25-59 7/100 15/100 10/100 50-74 1/100 6/100 8/100 75-99 0 2/100 9/100
2.2
Distribuciones marginales
Llamaremos distribuciones marginales a las distribuciones de frecuencias unidimensionales que resultan de agregar todas las frecuencias que incluyen una determinada modalidad de la variable unidimensional. El nombre de marginal proviene de que esta distribucin se obtiene a partir de la distribucin conjunta acumulando en los
Pgina 3 de 9
mrgenes de la tabla la suma de las frecuencias de las las o columnas. Normalmente se denotaran por
k k
ni =
j=1
nij
y fi =
j=1
fij
cuando correspondan a frecuencias marginales de la primera variable y por

m m
nj =
i=1
nij
y fj =
i=1
fij
cuando corresponda a la segunda. X\Y c1 . . . ci . . . cm Y d1 . . . dj . . . dk X n11 (f11 ) . . . n1j (f1j ) . . . n1k (f1k ) n1 (f1 ) . . . . . . . . . ni1 (fi1 ) . . . nij (fij ) . . . nik (fik ) ni (fi ) . . . . . . . . . nm1 (fm1 ). . . nmj (fmj ). . . nmk (fmk ) nm (fm ) n1 (f1 ) . . . nj (fj ) . . . nk (fk ) n
Ejemplo 5: Color de ojos (X) de 100 personas y de sus madres (Y ) X\Y Claros Oscuros Y Claros 28 20 48 Oscuros 15 37 52 X 43 57
Ejemplo 6: Asistencia mensual al cine (X) y al teatro (Y ) de una muestra de 200 estudiantes universitarios. X\Y 1 2 3 4 Y 0 0.41 0.19 0.10 0.02 0.72 1 0.05 0.06 0.05 0.07 0.23 2 0 0.02 0.02 0.01 0.05 X 0.46 0.27 0.17 0.1
Ejemplo 7: Volumen de ventas (X) y medianas. X\Y 1-100 101-200 201-300 Y
y el nmero de trabajadores (Y ) para un grupo de 100 empresas pequeas 1-24 28/100 10/100 4/100 42/100 25-59 7/100 15/100 10/100 32/100 50-74 1/100 6/100 8/100 15/100 75-99 0 2/100 9/100 11/100 X 36/100 33/100 31/100
Pgina 4 de 9
2.3
Distribuciones condicionadas
La distribucin de X condicionada a Y=dj es la distribucin unidimensional de X sabiendo que Y ha tomado la modalidad dj . Para cada modalidad dj de Y , la frecuencia absoluta de X condicionada a Y = dj es ni/j = nij , (i = 1, . . . , m). La frecuencia relativa de X condicionada a Y = dj es fi/j = nij fij = (i = 1, . . . , m). nj fj
Esto corresponde a dividir la columna de frecuencias absolutas (relativas) de la modalidad dj por la suma de todos los valores de la columna. Anlogamente se dene la distribucin de Y condicionada a X = ci . Ejemplo 8: Distribucin de frecuencias (absolutas) condicionadas del color de ojos (X) de 100 personas con madres de ojos claros (Y ) X\Y = Claros Claros Oscuros 28 20 Ejemplo 9: Distribucin de frecuencias (relativas) condicionadas del nmero de asistencias al cine para los estudiantes que no han ido al teatro. X\Y = 0 1 0,41/0,72 2 0,19/0,72 3 0,10/0,72 4 0,02/0,72
Representaciones grcas
La representacin grca ms til de dos variables continuas sin agrupar es el diagrama de dispersin. Consiste en representar en un eje de coordenadas los pares de observaciones (xi ,yi ). La nube as dibujada (a este grco tambin se le llama nube de puntos) reeja la posible relacin entre las variables. A mayor relacin entre las variables ms estrecha y alargada ser la nube. Para los datos del Ejemplo 1, se obtiene el diagrama de dispersin de la Figura 3.
x=[47 62 65 70 70 78 95 100 114 118 124 127 y=[38 62 53 67 84 79 93 106 117 116 127 114 p l o t (x,y,o); x l a b e l (X=Concentracin de hidrgeno con un y l a b e l (Y=Concentracin de hidrgeno con un t i t l e (Diagrama de dispersin) 140 140 140 150 152 164 198 221]; 134 139 142 170 149 154 200 215]; mtodo de cromatografia de gases); nuevo mtodo de sensor);
Medidas caractersticas
La mayora de las medidas caractersticas estudiadas en el caso unidimensional pueden extenderse al caso bidimensional (multidimensional). Consideremos (x1 , y1 ),. . . , (xn , yn ) una muestra de n observaciones de una variable bidimensional cuantitativa (X, Y ).
Pgina 5 de 9
Figura 1: Diagrama de dispersin para los datos del Ejemplo 1.
4.1
Vector de medias
Llamaremos vector de medias de una variable bidimensional (X, Y ) al vector (, y ). Siendo x la media marginal x de la variable X e y la media marginal de la variable Y .
4.2
Matriz de varianzas-covarianzas
Llamaremos matriz de varianzas-covarianzas de la variable bidimensional (X, Y ) a la matriz S=

2 sx sxy
sxy 2 sy
2 2 donde sx , sy son las varianzas de las variables X e Y , respectivamente. El trmino sxy es la covarianza, que se dene a continuacin.
Cov(X, Y ) = sxy
1 = n
i=1
1 (xi x )(yi y ) = n
xi yi x y .
i=1
La covarianza puede interpretarse como una medida de relacin lineal entre las variables X e Y .
Propiedades: 1. La covarianza de (X, Y ) es igual a la de (Y, X), es decir, sxy = sy x 2 2. La covarianza de (X, X) es igual a la varianza marginal de X, es decir sxx = sx
Pgina 6 de 9
La covarianza cambia si modicamos las unidades de medida de las variables. Esto es un inconveniente porque no nos permite comparar la relacin entre distintos pares de variables medidas en diferentes unidades. La solucin es utilizar el coeciente de correlacin lineal muestral, que consiste en tipicar la covarianza dividindola por las desviaciones tpicas de ambas variables, y se calcula mediante, r (X, Y ) = rxy = sxy . sx sy
La correlacin lineal toma valores entre 1 y 1 y sirve para investigar la relacin lineal entre las variables. As, si toma valores cercanos a 1 diremos que tenemos una relacin inversa entre X e Y (esto es, cuando una variable toma valores altos la otra toma valores bajos). Si toma valores cercanos a +1 diremos que tenemos una relacin directa (valores altos de una variable en un individuo, asegura valores altos de la otra variable). Si toma valores cercanos a cero diremos que no existe relacin lineal entre las variables. Cuando el valor de la correlacin lineal sea exactamente 1 o 1 diremos que existe una dependencia exacta entre las variables mientras que si toma el valor cero diremos que son incorreladas.
Propiedades: 1. El coeciente de correlacin toma valores entre -1 y 1. 2. Si existe relacin lineal exacta (Y = a + bX), el coeciente de correlacin es igual a 1 si la relacin es positiva (b > 0), e igual a -1 si la relacin es negativa (b < 0). 3. No depende del orden en que se consideren las variables, es decir, rxy = ry x . 4. Si a, b, c, d son constantes, dadas nuevas variables U = a + bX y V = c + d Y se verica que ruv = rxy , si bd > 0, y ruv = rxy si bd < 0.
Dependencia lineal. Recta de regresin
En el estudio de variables bidimensionales tiene mucho inters buscar posibles relaciones entre las variables. La ms sencilla de estas relaciones es la dependencia lineal donde se supone que la relacin entre dos variables X e Y viene dada por la ecuacin Y = a + bX. Sin embargo, este modelo supone que una vez determinados los valores de los parmetros a y b es posible predecir exactamente la respuesta Y dado cualquier valor de la variable de entrada X. En la prctica tal precisin casi nunca es alcanzable, de modo que lo mximo que se puede esperar es que la ecuacin anterior sea vlida sujeta a un error aleatorio, es decir, la relacin entre la variable dependiente (Y ) y la variable regresora (X) se articula mediante una recta de regresin: Y = a + bX + . Dada una muestra (x1 ,y1 ),. . . ,(xn ,yn ), el objetivo es determinar los valores de los parmetros desconocidos a y b de manera que la recta denida ajuste de la mejor forma posible a los datos. Aunque existen muchos mtodos, el ms clsico es el conocido como mtodo de mnimos cuadrados que consiste en encontrar los valores de los parmetros que, dada la muestra de partida, minimizan la suma de los errores al cuadrado. Los coecientes a y b se determinan minimizando las distancias verticales entre los puntos observados, yi , y las ordenadas previstas por la recta para dichos puntos (i = a + bxi ). Es decir, el criterio ser minimizar y M(a, b) = 1 n
n
2 = i
i=1
1 n
(yi (a + bxi ))2 .

i=1
Pgina 7 de 9
Los valores de los parmetros se obtienen, por tanto, derivando e igualando a cero obtenindose la solucin b= y a = y b x que sern llamados coecientes de la regresin. De esta manera obtendremos la ecuacin de una recta: y = a + bx = y b + bx = y + b(x x ) = y + x sxy (x x ) 2 sx sxy 2 sx
que llamaremos recta de regresin de Y sobre X para resaltar que se ha obtenido suponiendo que Y es la variable respuesta y que X es la variable explicativa. Intercambiando los papeles de X e Y obtendremos una recta de regresin llamada recta de regresin de X sobre Y que representada en el mismo eje de coordenadas ser en general distinta de la anterior. Solamente coincidirn en el caso de que la relacin entre X e Y sea exacta. Ejemplo 10: Volvamos al Ejemplo 1, donce se recogan datos de la concentracin de hidrgeno determinada con un mtodo de cromatografa de gases (X), y la concentracin determinada con un nuevo mtodo de sensor (Y ). El diagrama de dispersin muestra la recta de regresin de ecuacin y = a + bx = 0,9625 + 1,0014x Haciendo uso de la recta de regresin anterior, si la concentracin de hidrgeno determinado con un mtodo de cromatografa de gases es 112 unidades, entonces por el nuevo mtodo ser y = 111,15 unidades.
Figura 2: Recta de regresin para los datos del Ejemplo 1.
m= p o l y f i t (x,y,1); yest= p o l y v a l (m,x); p l o t (x,y,o,x,yest,r) x l a b e l (X=Concentracin de hidrgeno con un mtodo de cromatografia de gases);
Pgina 8 de 9
y l a b e l (Y=Concentracin de hidrgeno con un nuevo mtodo de sensor); t i t l e (Recta de regresin)
Una vez resuelto el problema de estimar los parmetros surge la pregunta de si la recta estimada es o no representativa para los datos. Esto se resuelve mediante el coeciente de determinacin (R2 ) que se dene como el cuadrado del coeciente de correlacin lineal. El coeciente de determinacin toma valores entre 0 y 1 y representa el porcentaje de variabilidad de la variable dependiente que es explicada por la regresin. Ejemplo 11: Para los datos del Ejemplo 1 se puede observar que la recta de regresin no pasa por todos los puntos observados (ver Figura 10). Sin embargo, estn muy prximos a ella, el grado de ajuste viene determinado por el coeciente de determinacin R2 = 0,985222 = 0,9707 (el cuadrado del coeciente de correlacin), es decir, con el modelo de regresin lineal simple hallado, la variable X es capaz de explicar el 97,07 % de la variacin de Y .
Pgina 9 de 9
Estadstica Tema 3: PROBABILIDAD

Curso 2008/2009
ndice
1. Introduccin histrica 2. Conceptos bsicos 2.1. Experimento aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Espacio muestral. Sucesos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Deniciones de probabilidad 3.1. Denicin clsica o de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Denicin frecuentista . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3. Denicin axiomtica (Kolmogorov 1933) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Probabilidad condicionada 5. Independencia de sucesos 6. Teoremas clsicos: Regla del producto, ley de probabilidades 6.1. Regla del producto . . . . . . . . . . . . . . . . . . . . . 6.2. Ley de las probabilidades totales . . . . . . . . . . . . . . 6.3. Teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . 1 totales y teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 2 2 4 4 4 5 5 6 6 7 7 7
Introduccin histrica
El objetivo de la Estadstica es utilizar los datos para inferir sobre las caractersticas de una poblacin a la que no podemos acceder de manera completa. Es decir, a partir de la muestra inferir sobre la poblacin. En los temas anteriores, hemos visto como realizar un anlisis descriptivo de una muestra de datos y hemos comenzado a intuir que en las distribuciones de frecuencias se repiten ciertos patrones o formas. Esto indica que las observaciones corresponden a un modelo. La Probabilidad es la disciplina cientca que proporciona y estudia modelos para fenmenos aleatorios en los que interviene el azar y sirve de soporte terico para la Estadstica. La Teora de la Probabilidad surgi de los estudios realizados sobre los juegos de azar, y estos se remontan miles de aos atrs. Como primeros trabajos con cierto formalismo cabe destacar los realizados por Cardano y Galilei (siglo XVI), aunque las bases de esta teora fueron desarrolladas por Pascal y Fermat en el siglo XVII. De ah en adelante grandes cientcos han contribuido al desarrollo de la Probabilidad, como Bernouilli, Bayes, Euler, Gauss,... en los siglos XVIII y XIX. Ser a nales del siglo XIX y principios del XX cuando la Probabilidad adquiera una mayor formalizacin matemtica, debida en gran medida a la llamada Escuela de San Petesburgo en la que cabe destacar los estudios de Tchebychev, Markov y Liapunov.
2
2.1
Conceptos bsicos
Experimento aleatorio
Cuando de un experimento podemos averiguar de alguna forma cul va a ser su resultado antes de que se realice, decimos que el experimento es determinstico. As, podemos considerar que las horas de salida del Sol, o la pleamar o bajamar son determinsticas, pues podemos leerlas en el peridico antes de que se produzcan. Por el contrario, no podemos encontrar en ningn medio el nmero premiado en la Lotera de Navidad antes del sorteo. Nosotros queremos estudiar experimentos que no son determinsticos, pero no estamos interesados en todos ellos. Por ejemplo, no podremos estudiar un experimento del que, por no saber, ni siquiera sabemos por anticipado los resultados que puede dar. No realizaremos tareas de adivinacin. Por ello deniremos experimento aleatorio como aquel que verique ciertas condiciones que nos permitan un estudio riguroso del mismo. Llamamos experimento aleatorio al que satisface los siguientes requisitos: Todos sus posibles resultados son conocidos de antemano. El resultado particular de cada realizacin del experimento es imprevisible. El experimento se puede repetir indenidamente en condiciones idnticas. Ejemplo 1: Ejemplos de experimentos aleatorios son: E1 =Lanzar una moneda al aire, E2 =Lanzar dos veces una moneda, E3 =Lanzar dos monedas a la vez, E4 = Medir en mg kg 1 la concentracin de halofuginona en hgado de pollo, E5 =Determinar la solubilidad del sulfato de bario en gramos por 100 ml de agua.
2.2
Espacio muestral. Sucesos.
Espacio muestral: Es el conjunto formado por todos los resultados posibles del experimento aleatorio. Lo denotamos por . Ejemplo: Si lanzamos una moneda, = {c, +}. Suceso elemental: Es un suceso unitario. Est constituido por un solo resultado del experimento aleatorio. Ejemplo: Si lanzamos un dado, = {1, 2, 3, 4, 5, 6}, los sucesos elementales son A ="que salga un 1"= {1}, B ="que salga un 2"= {2},...,F ="que salga un 6"= {6}. Pgina 2 de 8
Suceso: Cualquier subconjunto del espacio muestral. Ejemplo: Si lanzamos un dado, = {1, 2, 3, 4, 5, 6}, podemos considerar muchos sucesos, entre ellos: A ="que salga par"= {2, 4, 6}. Decimos que ha ocurrido un suceso cuando se ha obtenido alguno de los resultados que lo forman. El objetivo de la Teora de la Probabilidad es estudiar con rigor los sucesos, que como vemos se pueden enunciar desde el lenguaje comn, asignarles probabilidades y efectuar clculos sobre dichas probabilidades. Observamos que los sucesos no son otra cosa que conjuntos y por tanto, sern tratados desde la Teora de Conjuntos. Recordamos las operaciones bsicas y las dotamos de interpretacin para el caso de sucesos. Suceso seguro: Es el que siempre ocurre y, por tanto, es el espacio muestral, . Suceso imposible: Es el que nunca ocurre y, por tanto, es el vaco, . Unin.: Ocurre A B si ocurre al menos uno de los sucesos A o B. Interseccin: Ocurre A B si ocurren los dos sucesos A y B a la vez. Complementario: Ocurre Ac si y slo si no ocurre A. Diferencia de sucesos: Ocurre A\B si ocurre A, pero no ocurre B. Por tanto, A\B = A B c . Sucesos incompatibles: Dos sucesos A y B se dicen incompatibles si no pueden ocurrir a la vez. Dicho de otro modo, que ocurra A y B es imposible. Escrito en notacin conjuntista, resulta A B = . Suceso contenido en otro: Diremos que A est contenido en B, y lo denotamos por A B, si siempre que ocurra A tambin sucede B. Ejemplo 2: Estudiamos el experimento aleatorio consistente en el lanzamiento de un dado, y consideramos los sucesos A ="que salga par"= {2, 4, 6}, B ="que sea mltiplo de tres"= {3, 6}. El suceso "que salga par y mltiplo de tres" se puede expresar como A B = {2, 4, 6} {3, 6} = {6}. De la misma manera, el suceso "que salga par o mltiplo de tres" se puede expresar como A B = {2, 4, 6} {3, 6} = {2, 3, 4, 6}. Ejemplo 3: En los experimentos E1 , E2 y E3 del Ejemplo 1 indica cules son los sucesos A =sale al menos una cara y B =no salen cruces. En el experimento E4 , indica cules son los sucesos C =la concentracin de halofuginona es menor de 0.25 mg kg 1 y D =la concentracin de halofuginona es mayor de 0.23mg kg 1 , y en el experimento E5 , cul es el suceso E =la solubilidad est entre 0.00021 y 0.00023 gramos por 100 ml de agua.
Propiedades Asociativa Conmutativa Distributiva Neutro Complementario Leyes de de Morgan A (B C) = (A B) C AB =BA A (B C) = (A B) (A C) para la unin para la interseccin A Ac = (A B)c = Ac B c A (B C) = (A B) C AB =BA A (B C) = (A B) (A C) A=A A=A A Ac = (A B)c = Ac B c
Pgina 3 de 8
Ejemplo 4: Indicar en los experimentos E1 , E2 y E3 del Ejemplo 3 cules son los sucesos A B, A B. son los sucesos A y B incompatibles?, son los sucesos A y Ac incompatibles?
Deniciones de probabilidad
El principal objetivo de un experimento aleatorio suele ser determinar con qu probabilidad ocurre cada uno de los sucesos elementales. A continuacin citamos las tres deniciones ms manejadas para asignar probabilidades a los sucesos.
3.1
Denicin clsica o de Laplace
Nos encontramos ante un experimento, con su coleccin de sucesos, y nos preguntamos cmo tenemos que actuar para asignarle a cada suceso un nmero entre 0 y 1 de forma que se respeten los dos axiomas de la denicin de probabilidad. Por desgracia, no existe una solucin universal a este problema. En los casos ms sencillos podemos hacer deducciones de la propia estructura del experimento, generalmente utilizando su simetra. En otros casos tendremos que combinar la experimentacin con la naturaleza terica del experimento para poder obtener conclusiones. Cuando el espacio muestral es nito, el problema se reduce a asignar probabilidades a los sucesos elementales. Las probabilidades de los dems sucesos se obtendrn sumando las de los sucesos elementales que lo componen (suma nita). Sin duda el caso ms fcil es aqul en el que no tenemos razones para suponer que unos sucesos sean ms probables que otros. Cuando, siendo el espacio muestral nito, todos los sucesos elementales tienen la misma probabilidad, diremos que son equiprobables y podremos utilizar la conocida Regla de Laplace P (A) = casos f av or ables casos posi bles
Ejemplo 5: Lanzamos dos dados y sumamos sus puntuaciones. Cul es la probabilidad de obtener un 2?, y de obtener un 7?
3.2
Denicin frecuentista
Cuando se emplea coloquialmente el trmino probabilidad quiere expresarse el grado de certidumbre o incertidumbre en el resultado de un experimento antes de su realizacin. Para cuanticar la probabilidad nos apoyamos en la experiencia emprica que ya podamos tener de ese experimento. As, si ya fue observado con anterioridad pudimos haber calculado las frecuencias relativas de los distintos resultados. fn (A) = No de veces que ha ocurrido A en n repeticiones . n
En base a esas frecuencias elaboramos nuestra idea de certidumbre sobre el resultado de una futura realizacin del experimento. Destacamos que las frecuencias se calculan despus de la realizacin del experimento y las probabilidades antes de la realizacin del experimento. Como respaldo a este planteamiento disponemos de la Ley de Estabilidad de las Frecuencias, que nos dice que cuando se repite muchas veces un mismo experimento, las frecuencias relativas de sus posibles resultados tienden a estabilizarse en torno a unos valores. Aqu usamos que el experimento se puede repetir, siempre en las mismas condiciones, cuantas veces necesitemos. As, en el siglo XIX se deni la probabilidad de un suceso como el lmite de sus frecuencias relativas cuando realizamos el experimento muchas veces. Pgina 4 de 8
Esta denicin presenta ciertos problemas. Aparte de serias dicultades formales, en la prctica quizs podamos realizar el experimento muchas veces, pero nos ser imposible repetirlo indenidamente.
3.3
Denicin axiomtica (Kolmogorov 1933)
Las dicultades que presenta la denicin frecuentista de probabilidad se han resuelto a principios del siglo XX mediante la utilizacin de una denicin axiomtica de la probabilidad, que se basa en que le exigimos unas condiciones de coherencia. La denicin, debida al ruso Kolmogorov, es muy parecida a la que damos a continuacin. Sea el espacio muestral, y sea P() el conjunto formado por todos los sucesos. Se dene la probabilidad como una aplicacin P : P() [0, 1] que cumple las siguientes condiciones: P () = 1 La probabilidad del suceso seguro es 1. A B = P (A B) = P (A) + P (B) Si A y B son sucesos incompatibles, entonces la probabilidad de su unin es la suma de sus probabilidades. A partir de la denicin anterior se pueden sacar una serie de consecuencias: 1. P () = 0 2. Si A1 , A2 , . . . , An son sucesos incompatibles dos a dos, se cumple P (A1 A2 . . . An ) = P (A1 ) + P (A2 ) + + P (An ) 3. P (Ac ) = 1 P (A) 4. Si A B, entonces P (A) P (B) 5. Si A y B son dos sucesos cualesquiera (ya no necesariamente incompatibles) se cumple P (A B) = P (A) + P (B) P (A B) En esta denicin est basado todo el Clculo de Probabilidades en el siglo XX.
Probabilidad condicionada
Supongamos que en el estudio de un experimento aleatorio nos interesa conocer la probabilidad de que ocurra un cierto suceso A. Pero puede ser que dispongamos de informacin previa sobre el experimento: supongamos que sabemos que el suceso B ha ocurrido. Est claro que ahora la probabilidad de A ya no es la misma que cuando no sabamos nada sobre B. Por ejemplo, si lanzamos un dado, la probabilidad de que salga 1 es 1/6, pero si disponemos de la informacin adicional de que el resultado es impar reducimos los casos posibles de 6 a 3 (slo puede ser un 1, un 3 o un 5), con lo cual la probabilidad es 1/3. Estamos ahora en condiciones de entender la siguiente denicin: La probabilidad del suceso A condicionada al suceso B se dene: P (A/B) = P (A B) , P (B) siendo P (B) = 0
Pgina 5 de 8
Fijando el suceso B, la aplicacin P (/B) : P() A verica los axiomas de probabilidad. Tambin se deduce de manera inmediata que P (A B) = P (A) P (B/A) = P (B) P (A/B) Ejemplo 6: Se ha realizado una encuesta en Santiago para determinar el nmero de lectores de La Voz y de El Correo. Los resultados fueron que el 25 % lee solamente La Voz, el 20 % slo El Correo, y el 5 % lee los dos. Si se selecciona al azar un lector de El Correo, cul es la probabilidad de que lea tambin La Voz? Y si se ha elegido un lector de La Voz, cul es la probabilidad de que no lea El Correo? [0, 1] P (A/B)
Independencia de sucesos
Dos sucesos A y B son independientes si P (A B) = P (A) P (B) Comentarios: Si P (B) > 0, A y B son independientes si y slo si P (A/B) = P (A), esto es, el conocimiento de la ocurrencia de B no modica la probabilidad de ocurrencia de A. Si P (A) > 0, A y B son independientes si y slo si P (B/A) = P (B), esto es, el conocimiento de la ocurrencia de A no modica la probabilidad de ocurrencia de B. No debemos confundir sucesos independientes con sucesos incompatibles: los sucesos incompatibles son los ms dependientes que puede haber. Por ejemplo, si en el lanzamiento de una moneda consideramos los sucesos incompatibles salir cara y salir cruz, el conocimiento de que ha salido cara nos da el mximo de informacin sobre el otro suceso: ya que ha salido cara es imposible que haya salido cruz. Ejercicio: Demostrar que si dos sucesos con probabilidades no nulas son incompatibles, entonces no son independientes. Si los sucesos A y B son independientes, tambin lo son los sucesos A y B c ; los sucesos Ac y B; y los sucesos Ac y B c . Ejemplo 7: Se estima que entre la poblacin de Estados Unidos, el 55 % padece de obesidad, el 20 % es hipertensa, y el 60 % es obesa o hipertensa. Es, de hecho, independiente el que una persona sea obesa de que padezca hipertensin?
Teoremas clsicos: Regla del producto, ley de probabilidades totales y teorema de Bayes
En esta seccin veremos tres teoremas muy importantes, tanto a nivel terico como para la resolucin de ejercicios.
Pgina 6 de 8
6.1
Regla del producto
Si tenemos los sucesos A1 , A2 , . . . , An tales que P (A1 A2 . . . An ) = 0, entonces se cumple P (A1 A2 . . . An ) = P (A1 ) P (A2 /A1 ) P (A3 /A1 A2 ) P (An /A1 A2 . . . An1 ) Se utiliza en experimentos aleatorios que estn formados por etapas consecutivas (de la 1 a la n) y nos permite calcular la probabilidad de que ocurra una concatenacin (interseccin) de sucesos a lo largo de las etapas (A1 en la primera etapa y A2 en la segunda etapa y . . . y An en la etapa n). Esta probabilidad queda expresada como el producto de la probabilidad inicial P (A1 ) y las probabilidades en cada etapa condicionadas a las etapas anteriores, conocidas como probabilidades de transicin. Ejemplo 8: La primera aplicacin de un insecticida mata al 80 % de los mosquitos. Los supervivientes desarrollan resistencia y en cada aplicacin posterior el porcentaje de muertos se reduce a la mitad del vericado en la aplicacin inmediatamente anterior: as en la segunda aplicacin muere el 40 % de los supervivientes de la primera aplicacin, en la tercera aplicacin muere el 20 %, etc. a Cul es la probabilidad de que un mosquito sobreviva a cinco aplicaciones? b Idem, dado que sobrevivi a las dos primeras.
6.2
Ley de las probabilidades totales
El segundo teorema es la llamada ley de las probabilidades totales. Descompone la probabilidad de un suceso en la segunda etapa en funcin de lo que ocurri en la etapa anterior. Previamente al enunciado de este teorema damos una denicin. Sistema completo de sucesos. Es una particin del espacio muestral, esto es, es una coleccin de sucesos A1 , A2 , . . . , An (subconjuntos del espacio muestral) vericando A1 A2 . . . An = (son exhaustivos, cubren todo el espacio muestral) y adems son incompatibles dos a dos (si se verica uno de ellos, no puede a la vez ocurrir ninguno de los otros). Ley de las probabilidades totales. Sea A1 , A2 , . . . , An un sistema completo de sucesos. Entonces se cumple que: P (B) = P (A1 ) P (B/A1 ) + P (A2 ) P (B/A2 ) + + P (An ) P (B/An ) Ejemplo 9: Se sabe que una enfermedad es padecida por el 7 % de los fumadores y por el 2 5 % de los no fumadores. Si en una poblacin de 5.000 habitantes hay 600 fumadores, cul es la probabilidad de que una persona elegida al azar sufra la enfermedad referida?
6.3
Teorema de Bayes
Por ltimo, tratamos el teorema de Bayes. Consideremos un experimento que se realiza en dos etapas: en la primera, tenemos un sistema completo de sucesos A1 , A2 , . . . , An con probabilidades P (Ai ) que denominamos probabilidades a priori. En una segunda etapa, ha ocurrido el suceso B y se conocen las probabilidades condicionadas P (B/Ai ) de obtener en la segunda etapa el suceso B cuando en la primera etapa se obtuvo el suceso Ai , i = 1, . . . , n. En estas condiciones el teorema de Bayes permite calcular las probabilidades P (Ai /B), que son probabilidades condicionadas en sentido inverso. Reciben el nombre de probabilidades a posteriori, pues se calculan despus de haber observado el suceso B.
Pgina 7 de 8
Teorema de Bayes. En las condiciones anteriores, P (Ai /B) = P (Ai ) P (B/Ai ) P (A1 ) P (B/A1 ) + P (A2 ) P (B/A2 ) + + P (An ) P (B/An )
Este teorema resulta de aplicar en el numerador la regla del producto y en el denominador la ley de probabilidades totales.
Pgina 8 de 8
Estadstica Tema 4: VARIABLES ALEATORIAS UNIDIMENSIONALES

Curso 2008/2009
ndice
1. Introduccin 2. Variable aleatoria 2.1. Variables aleatorias discretas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Variables aleatorias continuas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Medidas caractersticas de una variable aleatoria. 3.1. Media o esperanza. . . . . . . . . . . . . . . . . . . 3.2. Varianza. . . . . . . . . . . . . . . . . . . . . . . . . 3.3. Momentos . . . . . . . . . . . . . . . . . . . . . . . 3.3.1. Momentos respecto al origen de orden r . . . 3.3.2. Momentos centrales o respecto a la media de 4. Desigualdad de Chebychev. 2 2 2 4 6 6 6 7 7 7 8
. . . . . . . . . . . . . . . . . . . . orden r
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
Introduccin
En el tema de Estadstica Descriptiva hemos estudiado variables, entendindolas como mediciones que se efectan sobre los individuos de una muestra. As, la Estadstica Descriptiva nos permita analizar los distintos valores que tomaban las variables sobre una muestra ya observada. Se trataba, pues, de un estudio posterior a la realizacin del experimento aleatorio. En este tema trataremos las variables situndonos antes de la realizacin del experimento aleatorio. Por tanto, haremos uso de los conceptos del tema anterior (Probabilidad), mientras que algunos desarrollos sern anlogos a los del tema de Estadstica Descriptiva.
Variable aleatoria
De manera informal, una variable aleatoria es un valor numrico que corresponde al resultado de un experimento aleatorio. Por ejemplo, una variable X como resultado de lanzar una moneda al aire puede tomar el valor 1 si el resultado es cara y 0 si es cruz. De este modo, escribiremos, por ejemplo, P (X = 1) = 0.5. Otro ejemplo de variable aleatoria, Y, puede ser el resultado de medir en mg Kg1 la concentracin de halofuginona en hgado de pollo. Cuando se han tomado muchsimas observaciones (innitas), se puede llegar a la conclusin por ejemplo que la probabilidad de que la concentracin sea inferior a 0.25 mg Kg1 es igual a 0.8, lo que escribimos con P (Y < 0.25) = 0.8. Denicin 1. Llamamos variable aleatoria a una aplicacin del espacio muestral asociado a un experimento aleatorio en R, que a cada resultado de dicho experimento le asigna un nmero real, obtenido por la medicin de cierta caracterstica. X : R X() Denotamos la variable aleatoria por una letra mayscula. El conjunto imagen de esa aplicacin es el conjunto de valores que puede tomar la variable aleatoria, que sern denotados por letras minsculas. Las variables aleatorias son equivalentes a las variables que analizbamos en el tema de Estadstica Descriptiva. La diferencia es que en el tema de Estadstica Descriptiva se trabajaba sobre una muestra de datos y ahora vamos a considerar que disponemos de toda la poblacin (lo cual es casi siempre imposible en la prctica). Ahora vamos a suponer que podemos calcular las probabilidades de todos los sucesos resultantes de un experimento aleatorio. De modo idntico a lo dicho en el tema de Descriptiva, podemos clasicar las variables aleatorias en discretas y continuas en funcin del conjunto de valores que pueden tomar. As, una variable aleatoria ser discreta si dichos valores se encuentran separados entre s. Por tanto ser representable por conjuntos discretos, como Z o N. Una variable aleatoria ser continua cuando el conjunto de valores que puede tomar es un intervalo.
2.1
Variables aleatorias discretas.
Una variable aleatoria es discreta cuando toma una cantidad numerable (que se pueden contar) de valores. Por ejemplo, el nmero de caras al lanzar dos veces una moneda o el nmero de pacientes con enfermedades articulares en centros de salud. Si X es una variable discreta, su distribucin viene dada por los valores que puede tomar y las probabilidades de que aparezcan. Si x1 < x2 < .. < xn son los posibles valores de la variable X, las diferentes probabilidades de
Pgina 2 de 8
que ocurran estos sucesos, p1 p2 = P (X = x1 ) , = P (X = x2 ) , . . . = P (X = xn ) .
pn constituyen la distribucin de X.
Denicin 2. La funcin P (X = x) se denomina funcin de probabilidad o funcin de masa. La funcin de probabilidad se puede representar anlogamente al diagrama de barras. Ejemplo 1: Se lanza dos veces una moneda equilibrada. Sea X la variable que expresa el nmero de caras en los dos lanzamientos. Halla y representa la funcin de probabilidad de X. Ejemplo 2: Sea X la variable aleatoria que expresa nmero de pacientes con enfermedades articulares en centros de salud con las siguientes probabilidades: xi pi 0 0.230 1 0.322 2 0.177 3 0.155 4 0.067 5 0.024 6 0.015 7 0.01
Comprueba que se trata efectivamente de una funcin de probabilidad y represntala. Denicin 3. La funcin de distribucin de una variable aleatoria se dene como: F : R x0 R F (x0 ) = P (X x0 )
El diagrama de barras de frecuencias acumuladas para variables discretas del tema 1 se puede reinterpretar en trminos de probabilidades y da lugar a lo que recibe el nombre de funcin de distribucin, F (x) , denida para cada punto x0 como la probabilidad de que la variable aleatoria tome un valor menor o igual que x0 , F (x0 ) = P (X x0 ) . La funcin de distribucin es siempre no decreciente y verica que, F () F (+) = = 0, 1.
Suponiendo que la variable X toma los valores x1 < x2 < . . . < xn , los puntos de salto de la funcin de distribucin vienen determinados por: F (x1 ) F (x2 ) = = P (X x1 ) = P (X = x1 ) P (X x2 ) = P (X = x1 ) + P (X = x2 ) . . . P (X xn ) = P (X = x1 ) + ... + P (X = xn ) = 1
F (xn )
Obsrvese que siempre la funcin de distribucin en el mximo de todos los valores posibles es igual a uno. Ejemplo 3: Calcular la funcin de distribucin de la variable X en el Ejemplo 1.
Pgina 3 de 8
Ejemplo 4: Calcular la funcin de distribucin de la variable X en el Ejemplo 2. Ejemplo 5: Calcula la probabilidad de que el nmero de caras sea al menos 1 en el Ejemplo 1. Ejemplo 6: Calcula la probabilidad de que el nmero de pacientes con enfermedades articulares sea menor o igual que 4 y la probabilidad de que haya ms de dos pacientes de este tipo en un centro de salud con la informacin del Ejemplo 2.
2.2
Variables aleatorias continuas.
Una variable aleatoria es continua cuando puede tomar cualquier valor en un intervalo. Por ejemplo, el peso de una persona o el contenido de paracetamol en un lote de pastillas. El estudio de las variables continuas es ms sutil que el de las discretas. Recordemos que la construccin del histograma es ms delicado que el del diagrama de barras ya que depende de la eleccin de las clases. Se ha comprobado en la prctica que tomando ms observaciones de una variable continua y haciendo ms nas las clases, el histograma tiende a estabilizarse en una curva suave que describe la distribucin de la variable (vase la Figure 1). Esta funcin, f (x) , se llama funcin de densidad de la variable X y su relacin con el histograma es la misma que la existente entre el concepto de probabilidad y la idea de frecuencia relativa. La funcin de densidad constituye una idealizacin de los histogramas de frecuencia o un modelo del cual suponemos que proceden las observaciones.
Figura 1: Histograma del diamtro (en mm.) de n = 100, n = 500 y n = 1000 ejes producidos por una empresa. Tomando ms observaciones y haciendo ms nas las clases, el histograma tiende a estabilizarse en una curva suave (en rojo) que describe la distribucin de la variable. Denicin 4. Llamamos funcin de densidad de una variable aleatoria continua X a una aplicacin f : R R no negativa y tal que
x0
P (X x0 ) =
f (x) dx
De lo anterior se deduce que cualquier funcin es funcin de densidad si y slo si verica: 1. f (x) 0 x R 2.

f (x) dx = 1.
Cualquier funcin que verique estas dos propiedades es una funcin de densidad. La funcin de densidad se interpreta como el histograma. Sus valores ms altos corresponden a las zonas ms probables y viceversa. Por Pgina 4 de 8
ejemplo, la densidad de la variable X = Dimetro de un eje de la Figura 1 indica que lo ms probable es que el dimetro tome valores en el intervalo [4, 6] . Con menos probabilidad el dimetro estar en los intervalos [2, 4] y [6, 8] y ser prcticamente imposible que el dimetro supere los 8 mm. o que sea menor de 2 mm. Del mismo modo que el histograma representa frecuencias mediante reas, anlogamente, la funcin de densidad expresa probabilidades por reas. La probabilidad de que una variable X sea menor que un determinado valor x0 se obtiene calculando el rea de la funcin de densidad hasta el punto x0 , es decir,
x0
P (X x0 ) =
f (x) dx,
y anlogamente, la probabilidad de que la variable tome un valor entre x0 y x1 es,

x1
P (x0 x x1 ) =
x0
f (x) dx.
Es errneo entender la funcin de densidad como la probabilidad de que la variable tome un valor especco, pues esta siempre es cero para cualquier variable continua ya que el rea que queda encima de un punto es siempre cero. Por ejemplo, la probabilidad de que el dimetro de un eje sea exactamente un 5.2 mm. es cero. Sin embargo, la probabilidad de que el dimetro de un eje est en el intervalo [5.1, 5.3] , es el rea encerrada por la funcin de densidad en ese intervalo. De esto deducimos que, para variables continuas, P (x0 < x < x1 ) = P (x0 x x1 ) = P (x0 < x x1 ) = P (x0 x < x1 ) . Ejemplo 7: Se sabe que la proporcin de paracetamol en un lote de pastillas es una variable aleatoria continua que tiene como funcin de densidad, f (x) = kx, 0, 0 < x < 100, en otro caso.
1. Calcular el valor de k para que f (x) sea funcin de densidad. 2. Calcular la probabilidad de que la proporcin de paracetamol sea mayor del 90 %. 3. Calcular la probabilidad de que en un lote determinado la proporcin de paracetamol sea inferior al 80 %. 4. Cul es la probabilidad de que la proporcin de paracetamol est en el intervalo [80 % 90 %]?
La funcin de distribucin para una variable aleatoria continua se dene como en el caso discreto por, F (x0 ) = P (X x0 ) , y por tanto, F (x0 ) = P (X x0 ) =
x0
f (x) dx,
La funcin de distribucin de una variable continua es tambin no decreciente y verica que, F () F (+) = = 0, 1.
Pgina 5 de 8
Adems, podemos obtener la funcin de densidad a partir de la de distribucin calculando su derivada: f (x) = F (x) . Ejemplo 8: Calcula la funcin de distribucin de la variable X = Proporcin de paracetamol en un lote de pastillas del Ejemplo 7 y obtn F (60) , F (90) y P (30 X 50) . Calcular el valor a tal que P (X a) = 25.
Medidas caractersticas de una variable aleatoria.
Los conceptos que permiten resumir una distribucin de frecuencias utilizando valores numricos pueden utilizarse tambin para describir la distribucin de probabilidad de una variable aleatoria. Las deniciones son anlogas a las introducidas en el tema 1.
3.1
Media o esperanza.
Se dene la media poblacional o esperanza de una variable aleatoria discreta como la media de sus posibles valores x1 , x2 , ..., xk ponderados por sus respectivas probabilidades p1 , p2 , ..., pk , es decir,
k
= E(X) = x1 p1 + x2 p2 + ... + xk pk =
i=1
xi pi .
Ejemplo 9: Calcula la media de pacientes con enfermedades articulares del Ejemplo 2. Anlogamente, la media poblacional o esperanza de una variable aleatoria continua viene dada por,
= E(X) =
xf (x) dx.
Ejemplo 10: Calcula la proporcin media de paracetamol en un lote de pastillas del Ejemplo 7. La interpretacin de la media o esperanza es el valor esperado al realizar el experimento con la variable aleatoria. Adems, la media puede verse tambin como el valor central de la distribucin de probabilidad.
3.2
Varianza.
Se dene la varianza poblacional de una variable aleatoria discreta con valores x1 , x2 , ..., xk como la media ponderada de las desviaciones a la media al cuadrado,
k
= Var(X) =
i=1
(xi )2 pi .
Ejemplo 11: Calcula la varianza de pacientes con enfermedades articulares del Ejemplo 2. Anlogamente, la varianza de una variable aleatoria continua viene dada por,
2 = Var(X) =
(x )2 f (x) dx.
Pgina 6 de 8
Ejemplo 12: Calcula la varianza de la proporcin de paracetamol en un lote de pastillas del Ejemplo 7. La interpretacin de la varianza es la misma que para un conjunto de datos: es un valor no negativo que expresa la dispersin de la distribucin alrededor de la media. Adems, se puede calcular la desviacin tpica poblacional como la raz cuadrada de la varianza. Los valores pequeos de indican concentracin de la distribucin alrededor de la esperanza y valores grandes corresponden a distribuciones ms dispersas.
3.3
Momentos
Al igual que en el tema 1, podremos denir a nivel poblacional los momentos respecto al origen de orden r y los momentos centrales respecto a la media de orden r . Para ello ser de gran utilidad la siguiente propiedad, que se verica tanto para variables discretas como continuas. Propiedad. Sea X una variable aleatoria discreta con valores x1 , x2 , ..., xk . Entonces:
k k
E(g(X)) =
i=1
g(xi )P (X = xi ) =
i=1
g(xi )pi .
Sea X una variable aleatoria continua con funcin de densidad f (x). Entonces:
E(g(X)) =
g(x)f (x)dx.
De la anterior propiedad podemos deducir facilmente que, tanto si X es una variable discreta como continua, E(a + bX) = a + bE(X) Var(X) = E((X E(X))2 ) = E(X 2 ) (E(X))2 3.3.1 Momentos respecto al origen de orden r
Se dene el momento respecto al origen de orden r de una variable aleatoria discreta con valores x1 , x2 , ..., xk como
k
E(X r ) =
i=1
xir pi .
Anlogamente, el momento respecto al origen de orden r de una variable aleatoria continua viene dada por,
E(X r ) =
x r f (x) dx.
3.3.2
Momentos centrales o respecto a la media de orden r
Se dene el momento central o respecto a la media de orden r de una variable aleatoria discreta con valores x1 , x2 , ..., xk como
k
E((X )r ) =
i=1
(xi )r pi .
Pgina 7 de 8
Anlogamente, el momento central o respecto a la media de orden r de una variable aleatoria continua viene dada por,
E((X )r ) =
(x )r f (x) dx.
Desigualdad de Chebychev.
El teorema de Chebychev dice que para cualquier variable aleatoria, la probabilidad de que un valor diste de la media menos de k desviaciones tpicas es como mnimo 1 1/k 2 , es decir, P (k X k) 1 1 . k2
Ejemplo 13: Despus de medir los dimetros de muchsimos ejes, se llega a la conclusin de que la media poblacional de los dimetros es 5.12 mm. y la desviacin tpica 0.64 mm. Determinar entre qu valores se encontrar el dimetro de un nuevo eje fabricado con una probabilidad mayor de 0.75
Pgina 8 de 8
Estadstica Tema 5: VECTORES ALEATORIOS: VECTORES BIDIMENSIONALES

Curso 2008/2009
ndice
1. Concepto de vector aleatorio y su funcin de distribucin. 2. Vectores aleatorios discretos. 2.1. Distribuciones condicionadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Independencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Medidas caractersticas de un vector aleatorio. 4. Vectores aleatorios continuos. 2 2 3 3 4 5
Concepto de vector aleatorio y su funcin de distribucin.
Pretendemos ahora estudiar varias mediciones simultneas sobre el resultado de un experimento aleatorio. De esta forma obtenemos vectores cuyas componentes son variables aleatorias como las ya consideradas. En esta ocasin, adems vamos a analizar las relaciones entre esas variables. Por comodidad en la notacin slo trataremos vectores bidimensionales, esto es, la relacin entre dos variables aleatorias. Formalmente, un vector aleatorio bidimensional se dene simplemente como un par de variables aleatorias denidas sobre el mismo espacio muestral. Lo denotamos (X, Y ) : R2 Denicin 1. Se denomina funcin de distribucin del vector aleatorio (X, Y ) a F : R2 (x, y ) R F (x, y ) = P (X x, Y y )
Propiedades. La funcin de distribucin de cualquier vector aleatorio verica las siguientes propiedades, que extienden las ya conocidas para una variable aleatoria. 1. 0 F (x, y ) 1 2. l m
x + y +
(x, y ) R2 .
F (x, y ) = 1 y0 R x0 R
x+
l F (x, y0 ) = 0 m l F (x0 , y ) = 0 m
y +
3. F es creciente en cada variable. x1 x2 F (x1 , y0 ) F (x2 , y0 ) y1 y2 F (x0 , y1 ) F (x0 , y2 ) y0 R x0 R
4. F es continua por la derecha respecto a cada una de las variables.

h>0,h0
l m
F (x + h, y ) = F (x, y ) F (x, y + h) = F (x, y )
(x, y ) R2 (x, y ) R2
l m
h>0,h0
5. P (x1 < X x2 , y1 < Y y2 ) = F (x2 , y2 ) F (x1 , y2 ) F (x2 , y1 ) + F (x1 , y1 ). Ejemplo 1: Consideremos el vector aleatorio (X, Y ) que toma los valores (2, 0), (0, 2) y (4, 2) con igual probabilidad. Calcula F (1, 1), F (2, 2), F (4, 1), F (2, 4), F (4, 2). Tras denir la funcin de distribucin y estudiar sus propiedades de forma general, trataremos los conceptos fundamentales de vectores aleatorios separando los casos discreto y continuo, que por lo dems slo se distinguirn en los sumatorios frente a las integrales y las probabilidades frente a las densidades.
Vectores aleatorios discretos.
Un vector aleatorio (X, Y ) se dice discreto si X e Y son discretas. En ese caso suponemos que X toma los valores x1 , x2 , . . . , xr e Y toma los valores y1 , y2 , . . . , ys . Entonces el vector (X, Y ) tomar los valores (xi , yj ) 1 i r, 1 j s con probabilidades pij = P (X = xi , Y = yj ). A estas probabilidades las llamamos Pgina 2 de 6
probabilidades conjuntas y a la tabla siguiente la llamaremos distribucin de probabilidad conjunta del vector aleatorio (X, Y ). X\Y y1 . . . yj . . . ys x1 p11 p1j p1s p1 . . . . . . . . . . . . . . . xi pi1 pij pis pi . . . . . . . . . . . . . . . xr pr 1 p1 pr j pj pr s ps pr 1
Ntese que a esta tabla le hemos aadido una ltima columna a la derecha y una ltima la en la base. Representan las distribuciones marginales de las variables X e Y , respectivamente. La distribucin marginal de X es la distribucin de probabilidad que tiene la variable X sin tener en cuenta la variable Y . Por eso se obtiene de sumar la la correspondiente.
s
pi = P (X = xi ) =
j=1
pij
Anlogamente denimos la distribucin marginal de la variable aleatoria Y y la obtenemos sumando en la columna correspondiente.
r
pj = P (Y = yj ) =
i=1
pij
2.1
Distribuciones condicionadas
Si ya conocemos que la variable X ha tomado el valor xi , esta informacin modicar la distribucin de probabilidad de la variable Y . De hecho de toda la tabla de valores que puede tomar el vector aleatorio nos restringiremos a la la de xi . Sobre ella calcularemos las probabilidades condicionadas P (Y = yj /X = xi ) = P (X = xi , Y = yj ) pij = P (X = xi ) pi
y constituirn la distribucin de Y condicionada a que X = xi . Como vemos, se obtiene dividiendo la la de xi por el total de la la pi . Anlogamente podemos denir la distribucin de X condicionada a que Y = yj .
2.2
Independencia
Diremos que las variables aleatorias X e Y son independientes si cualesquiera dos sucesos relativos respectivamente a X e Y son independientes. Esta denicin es aplicable a cualquier vector aleatorio (X, Y ). En el caso discreto es equivalente a que la distribucin conjunta resulte del producto de las marginales, esto es: P (X = xi , Y = yj ) [pij = P (X = xi ) P (Y = yj ) = pi pj ] i {1, . . . , r } j {1, . . . , s}
Ejemplo 2: Calcula la distribucin de probabilidad conjunta del ejemplo 1, las distribuciones marginales y la distribucin de X condicionada a Y = 2. Son X e Y independientes? Ejemplo 3: Considrense las siguientes distribuciones de probabilidad conjunta:
Pgina 3 de 6
X\Y 10 X\Y 10 20 X\Y 10 20 20 (b) (c) 1 1/4 1/4 1 1/2 0 1 0 1/2 3 3 3 1/4 1/4 0 1/2 1/2 0 En cada uno de estos tres casos, representa los valores que puede tomar el vector aleatorio. En qu casos son X e Y independientes? (a)
Medidas caractersticas de un vector aleatorio.
En base a las distribuciones marginales podemos calcular las medidas ya conocidas (media, varianza, desviacin tpica,. . . ) para cada una de las variables que componen el vector aleatorio. Dado el vector aleatorio k-dimensional (X1 , X2 , . . . , Xk ), llamamos vector de medias al que tiene por componentes las medias de los Xi , esto es: (E (X1 ) , E (X2 ) , . . . , E (Xk )) Tambin podemos estudiar momentos que involucran a dos o ms variables del vector aleatorio. As, por ejemplo, sea (X, Y ) el vector aleatorio discreto considerado hasta ahora. La variable aleatoria unidimensional X Y toma los valores xi yj 1 i r 1 j s con probabilidades pij , y por tanto su media ser
r s
E(X Y ) =
i=1 j=1
xi yj pij
Y, en general, para cualquier funcin g : R2 R,

r s
E (g(X, Y )) =
i=1 j=1
g (xi , yj ) pij
A continuacin enunciamos propiedades relativas a la esperanza de la suma y la esperanza del producto: 1. E (X1 + X2 + + Xk ) = E (X1 ) + E (X2 ) + + E (Xk ). (Para cualesquiera variables)
2. Si X e Y son independientes entonces E (X Y ) = E (X) E (Y ). Denicin 2. Denimos la covarianza de las variables X e Y como
r s
Cov(X, Y ) = E [(X E(X)) (Y E(Y ))] =

i=1 j=1
(xi E(X)) (yj E(Y )) pij
Es una medida de la relacin lineal entre las dos variables, de tal forma que cuando es positiva interpretamos que existe una relacin lineal creciente entre ellas y cuando es negativa que dicha relacin es decreciente. Adems verica las siguientes propiedades. 1. Cov(X, Y ) = E(XY ) E(X)E(Y ). 2. Si X e Y son independientes entonces Cov(X, Y ) = 0. La implicacin en sentido inverso no es cierta. Como contraejemplo sirve el ejemplo 1. 3. Cov(a + bX, c + d Y ) = b d Cov(X, Y ). Por tanto, la covarianza no se ve afectada por los cambios de localizacin, pero s por los de escala. 4. Var(X +Y ) = Var(X)+Var(Y )+2Cov(X, Y ). De esto se deduce que la varianza de la suma es la suma de varianzas slo en el caso de que Cov(X, Y ) = 0, lo cual ocurre, por ejemplo, si X e Y son independientes. Pgina 4 de 6
Llamamos matriz de varianzas y covarianzas de un vector aleatorio k-dimensional (X1 , X2 , . . . , Xk ) a Var (X1 ) Cov (X1 , X2 ) Cov (X1 , Xk ) Var (X2 ) Cov (X2 , Xk ) Cov (X2 , X1 ) . . . . . . . . . Cov (Xk , X1 ) Cov (Xk , X2 ) Var (Xk ) Ntese que es una matriz simtrica y semidenida positiva. Hemos dicho que la covarianza depende de la escala. Daremos a continuacin una medida de la relacin lineal que no depende de la escala y se obtiene simplemente dividiendo la covarianza por las desviaciones tpicas de las dos variables. De esta forma acabamos de denir el coeciente de correlacin: (X, Y ) = Cov(X, Y ) Var(X) Var(Y )
El coeciente de correlacin hereda muchas propiedades de la covarianza. Sigue teniendo el mismo signo de la covarianza y la misma interpretacin como medida de dependencia lineal. Al haber eliminado el efecto de la escala verica adems: 1 (X, Y ) 1 As, sobre ese rango de valores entre -1 y 1 podemos evaluar la cuanta de la relacin lineal. Si la correlacin est prxima a 1 hay mucha relacin creciente, y si est prxima a -1 hay mucha relacin decreciente. Cuando est prxima a cero hay poca dependencia lineal, y cuando vale cero diremos que las variables X e Y estn incorrelacionadas.
Vectores aleatorios continuos.
Denicin 3. Un vector aleatorio (X, Y ) se dice continuo si existe una aplicacin f : R2 R no negativa y tal que
x0 y0
F (x0 , y0 ) = P (X x0 , Y y0 ) =

f (x, y ) dy dx
A la funcin f la llamamos funcin de densidad conjunta del vector aleatorio (X, Y ). Podemos hacer un desarrollo anlogo al realizado para el caso discreto. Los conceptos son los mismos y nicamente reemplazamos las probabilidades por las densidades y los sumatorios por las integrales. As, X e Y sern variables continuas y sus densidades marginales se obtienen as: fX (x0 ) =
R
f (x0 , y ) dy
x0 R
fY (y0 ) =
R
f (x, y0 ) dx
y0 R
La densidad de Y condicionada a que X = x0 y la de X condicionada a que Y = y0 vienen dadas por: f (y /X = x0 ) = f (x0 , y ) fX (x0 ) f (x/Y = y0 ) = f (x, y0 ) fY (y0 )
Las variables X e Y sern independientes si y slo si las distribuciones condicionadas coinciden con las marginales o, equivalentemente: f (x, y ) = fX (x) fY (y ) (x, y ) R2 Por ltimo, las medidas se denen de modo natural tambin para variables continuas y verican las mismas
Pgina 5 de 6
propiedades que para el caso discreto. Por ejemplo: E(XY ) =

R R
x y f (x, y ) dx dy
Ejemplo 4: Sea (X, Y ) un vector aleatorio con distribucin uniforme en el tringulo de vrtices (0,0), (1,0) y (1,1). (a) Calcular la funcin de densidad conjunta de (X, Y ). (b) Calcular las funciones de densidad marginales de X y de Y . (c) Calcular la media y la varianza de X y de Y . (d) Son X e Y independientes? Calcular el coeciente de correlacin.
1 (e) Calcular P Y 2 /X 1 2 7 8
.
1 y P Y 2 /X = 1 4
(f) Calcular P Y 1 /X = 2
Pgina 6 de 6
Estadstica Tema 6: MODELOS DE DISTRIBUCIN DE PROBABILIDAD

Curso 2008/2009
ndice
1. Introduccin 2. Principales modelos de distribuciones discretas 2.1. Distribucin uniforme discreta . . . . . . . 2.2. Distribucin de Bernoulli . . . . . . . . . . 2.3. Distribucin binomial . . . . . . . . . . . . 2.4. Distribucin de Poisson . . . . . . . . . . . 2.5. Distribucin hipergeomtrica . . . . . . . . 2 2 2 3 4 5 7 8 8 9 10 13 13 14 15 15
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
3. Principales modelos de distribuciones continuas 3.1. Distribucin uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Distribucin exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3. Distribucin normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Aproximacin de otras distribuciones por la distribucin normal 4.1. Aproximacin de la distribucin binomial por la distribucin normal . . . . . . . . . . . . . . . . 4.2. Teorema Central del Lmite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3. Aproximacin de la distribucin de Poisson por la distribucin normal . . . . . . . . . . . . . . 5. Propiedades de aditividad para la Binomial, la Poisson y la Normal
Introduccin
En este tema estudiaremos distribuciones de variables aleatorias que han adquirido una especial relevancia por ser adecuadas para modelizar una gran cantidad de situaciones. Presentaremos en primer lugar los modelos de variables discretas y despus los continuos. Caracterizaremos estas distribuciones mediante la distribucin de probabilidad en el caso discreto y mediante su funcin de densidad en el caso continuo. Calcularemos tambin los momentos (media y varianza) y destacaremos las propiedades de mayor utilidad.
Principales modelos de distribuciones discretas
En esta seccin examinaremos algunas de las distribuciones de probabilidad de variables aleatorias discretas que ms destacan en la teora estadstica y en la prctica.
2.1
Distribucin uniforme discreta
Si una variable puede tomar n valores distintos con iguales probabilidades, decimos que sta tiene una distribucin uniforme discreta. Formalmente: Denicin 1. Una variable aleatoria X tiene una distribucin uniforme discreta y se conoce como variable aleatoria uniforme discreta si y slo si X toma los valores x1 < x2 < . . . < xn y su funcin de probabilidad est dada por: 1 pi = P (X = xi ) = , i = 1, . . . , n. n La media y la varianza de esta variable aleatoria son: =
1 n 1 n n i=1 xi . n i=1
2 =
(xi )2 .
Ejemplo 1: Se lanza un dado ordinario. Para i = 1, . . . , 6 denimos la variable aleatoria X = xi como la cara del dado que cae hacia arriba. Obtn la distribucin de probabilidad de esta variable aleatoria, su media y su desviacin tpica.
Figura 1: Funcin de masa de uniforme discreta que toma los valores {1,2,3,4,5,6}.
Pgina 2 de 15
% Funcin de masa de una Uniforme discreta que toma % los valores 1,2,3,4,5,6. masa_unif_discreta=unidpdf(1:6,6); bar(1:6,masa_unif_discreta)
2.2
Distribucin de Bernoulli
En muchas ocasiones nos encontramos ante experimentos aleatorios con slo dos posibles resultados: xito y fracaso (cara o cruz en el lanzamiento de una moneda, ganar o perder un partido, aprobar o suspender un examen,...). Se pueden modelizar estas situaciones mediante la variable aleatoria X= 1 0 si xito si Fracaso
Lo nico que hay que conocer es la probabilidad de xito, p, ya que los valores de X son siempre los mismos y la probabilidad de fracaso es q = 1 p. Denicin 2. Si denotamos por p a la probabilidad de xito, entonces diremos que la variable X tiene distribucin de Bernoulli de parmetro p, y lo denotamos X Ber noulli(p). La distribucin de probabilidad de X Bernoulli(p) viene dada por X 0 1 P (X = xi ) 1 p p Por tanto, la probabilidad de xito p determina plenamente la distribucin de Bernoulli. La media y la varianza de una Ber noulli (p) son: = p. 2 = p (1 p). Como ejemplo, la Figura 2 muestra la funcin de masa de una variable con distribucin de Bernoulli para p = 0.8.
Figura 2: Funcin de masa de una Bernoulli(0.8).
% Funcin de masa de una Bernoulli(0.8) masa_bernoulli=binopdf(0:1,1,0.8); bar(0:1,masa_bernoulli)
Pgina 3 de 15
2.3
Distribucin binomial
Ejemplo 2: Supongamos que lanzamos un dado normal 5 veces y queremos determinar la probabilidad de que exactamente en 3 de esos 5 lanzamientos salga el 6. Cada lanzamiento es independiente de los dems y podemos considerarlo como un ensayo de Bernoulli, donde el xito es sacar un 6 (p = 1/6). Lo que hacemos es repetir el experimento 5 veces y queremos calcular la probabilidad de que el nmero de xitos sea igual a 3 (es decir, obtener 3 xitos y 2 fracasos) Empezando con una prueba de Bernoulli con probabilidad de xito p, vamos a construir una nueva variable aleatoria al repetir n veces la prueba de Bernoulli. La variable aleatoria binomial X es el nmero de xitos en n repeticiones de una prueba de Bernoulli con probabilidad de xito p. Debe cumplirse: Cada prueba individual puede ser un xito o un fracaso. La probabilidad de xito, p, es la misma en cada prueba. Las pruebas son independientes. El resultado de una prueba no tiene inuencia sobre los resultados siguientes. Denicin 3. La variable aleatoria X que representa el nmero de xitos en n intentos independientes, siendo la probabilidad de xito en cada intento p, diremos que tiene distribucin Binomial de parmetros n y p.Lo denotamos X Bi nomi al(n, p). La distribucin binomial es discreta y toma los valores 0, 1, 2, 3, . . . , n con probabilidades n k P (X = k) = p (1 p)nk si k {0, 1, 2, . . . , n} k donde el coeciente binomial n k = n! k!(n k)!
representa el nmero de subconjuntos diferentes de k elementos que se pueden denir a partir de un total de n elementos (combinaciones de n elementos tomados de k en k). La media y la varianza de una Bi n(n, p) son: = n p. 2 = n p (1 p). Como ejemplo, la Figura 3 muestra las funciones de masa de una variable con distribucin binomial de parmetros n = 5 y p = 1/6 y una variable con distribucin binomial de parmetros n = 60 y p = 1/6.
% Funcin de masa de una Binomial(5,1/6) masa_binomial=binopdf(0:5,5,1/6); s u b p l o t (1,2,1), bar(0:5,masa_binomial) a x i s ([-1 5 0 0.5]) % Funcin de masa de una Binomial(60,1/6) masa_binomial=binopdf(0:60,60,1/6); s u b p l o t (1,2,2), bar(0:60,masa_binomial) a x i s ([-1 60 0 0.15])
Pgina 4 de 15
Figura 3: En la izquierda, funcin de masa de una Binomial(5,1/6). En la derecha, funcin de masa de una Binomial(60,1/6).
2.4
Distribucin de Poisson
En muchas circunstancias (llamadas a una centralita telefnica, tomos que pueden emitir una radiacin, . . . ) el nmero de individuos susceptibles de dar lugar a un xito es muy grande. Para modelizar estas situaciones mediante una distribucin binomial tendremos problemas al escoger el parmetro n (demasiado grande o incluso difcil de determinar) y al calcular la distribucin de probabilidad (la frmula resulta inviable). Sin embargo, se ha observado que si mantenemos constante la media E(X) = np y hacemos n , la distribucin de probabilidad de la binomial tiende a una nueva distribucin, que llamaremos de Poisson de parmetro = np. En concreto, podemos probar que n k k p (1 p)nk e k k! cuando n y k jos, p =
n
Denicin 4. Una variable aleatoria X tiene distribucin de Poisson de parmetro , y lo denotamos X P oi sson(), si es discreta y P (X = k) = e k k! si k {0, 1, 2, 3, . . .}
La media y la varianza de la Poisson de parmetro son: = 2 = Como ejemplo, la Figura 4 muestra las funciones de masa de una variable con distribucin de Poisson de parmetro = 2 y una variable con distribucin de Poisson de parmetro = 15.
% Funcin de masa de una Poisson de parmetro lambda=2 masa_poisson=poisspdf(0:15,2); s u b p l o t (1,2,1), bar(0:15,masa_poisson)
Pgina 5 de 15
Figura 4: En la izquierda, funcin de masa de una Poisson(2). En la derecha, funcin de masa de una Poisson(15).
a x i s ([-1 15 0 0.4])
5
% Funcin de masa de una Poisson de parmetro lambda=15 masa_poisson=poisspdf(0:30,15); s u b p l o t (1,2,2), bar(0:30,masa_poisson) a x i s ([-1 30 0 0.2])
En la prctica usaremos la distribucin de Poisson como aproximacin de la distribucin binomial cuando n sea grande y p pequeo, en base al lmite que hemos visto. Usaremos el siguiente criterio: Si n > 50, p < 0.1 entonces la Binomial de parmetros n y p puede ser aproximada por una Poisson de parmetro = np. Ejemplo 3: La probabilidad de que una persona se desmaye en un concierto es p = 0.005. Cul es la probabilidad de que en un concierto al que asisten 3000 personas se desmayen 18? La variable X =Nmero de personas que se desmayan en el concierto sigue una distribucin Bi n(3000, 0.005). Queremos calcular 3000 P (X = 18) = 0.00518 0.9952982 . 18 Estos valores estn fuera de las tablas de la binomial y son difciles de calcular, por eso es preferible aproximar por una Poisson de parmetro = np = 3000 0.005 = 15. Entonces: P (X = 18) P (P oi sson(15) = 18) = e 15 1518 = 0.07061. 18!
Ejemplo 4: Se sabe que la probabilidad de que un individuo reaccione desfavorablemente tras la inyeccin de una vacuna es de 0.002. Determina la probabilidad de que en un grupo de 2000 personas vacunadas haya como mucho tres que reaccionen desfavorablemente.
Pgina 6 de 15
Aunque la distribucin de Poisson se ha obtenido como forma lmite de una distribucin Binomial, tiene muchas aplicaciones sin conexin directa con las distribuciones binomiales. Por ejemplo, la distribucin de Poisson puede servir como modelo del nmero de xitos que ocurren durante un intervalo de tiempo o en una regin especca. Denimos el proceso de Poisson como un experimento aleatorio que consiste en contar el nmero de ocurrencias de determinado suceso en un intervalo de tiempo, vericando: El nmero medio de sucesos por unidad de tiempo es constante. A esa constante la llamamos intensidad del proceso. Los nmeros de ocurrencias en subintervalos disjuntos son independientes. En un proceso de Poisson, consideremos X =nmero de ocurrencias en un subintervalo. Entonces X tiene distribucin de Poisson, cuyo parmetro es proporcional a la longitud del subintervalo. Ejemplo 5: El nmero de nacimientos en un hospital constituye un proceso de Poisson con intensidad de 21 nacimientos por semana. Cul es la probabilidad de que se produzcan al menos tres nacimientos la prxima semana? P (X 3) = 1 P (X < 3) = 1 [P (X = 0) + P (X = 1) + P (X = 2)] 210 211 212 = 1 e 21 . + e 21 + e 21 0! 1! 2!
2.5
Distribucin hipergeomtrica
Consideremos una poblacin formada por N individuos, de los cuales R presentan cierta caracterstica. Extraemos de esa poblacin una muestra sin reemplazamiento de n individuos y contamos el nmero de elementos de la muestra que presentan la caracterstica. Las similitudes con la distribucin binomial son grandes. El experimento consta de n extracciones, que podramos R considerar intentos. La probabilidad de que salga un individuo con la caracterstica en el primer intento es p = N . Si el muestreo fuera con reemplazamiento los intentos seran independientes y con esa misma probabilidad, resultando as una distribucin binomial. Pero al ser sin reemplazamiento, el resultado de una extraccin afecta a las siguientes. Denicin 5. Sea X =nmero de individuos con la caracterstica en la muestra obtenida sin reemplazamiento. Diremos que la variable aleatoria X tiene distribucin Hipergeomtrica de parmetros N, n, p, y lo denotamos X Hipergeomtrica(N, n, p). La distribucin de probabilidad de la Hipergeomtrica viene dada por: P (X = k) =
R k NR nk N n
si k {0, 1, 2, . . . , n} , k R , n k N R.
La media y la varianza de la Hipergeomtrica(N, n, p) son: = np 2 = np(1 p) Nn N1 Ejemplo 6: En una urna hay 3 bolas blancas y 5 bolas negras. Extraemos de la urna 6 bolas sin reeemplazamiento. Cul es la probabilidad de que el nmero de bolas blancas extradas sea igual a 2? La poblacin est formada por N = 8 individuos, de los cuales R = 3 presentan cierta caracterstica (bola blanca). Extraemos de esa poblacin una muestra sin reemplazamiento de n = 6 individuos y contamos el Pgina 7 de 15
nmero de elementos de la muestra que presentan la caracterstica. P (X = 2) =

R k NR nk N n
3 2 8 6
5 4
15 . 28
Principales modelos de distribuciones continuas
En esta seccin examinaremos algunas de las distribuciones de probabilidad de variables aleatorias continuas que ms destacan en la teora estadstica y en la prctica.
3.1
Distribucin uniforme
La distribucin uniforme es una distribucin muy simple cuya funcin de densidad es simplemente un tramo de lnea recta horizontal, denominada densidad uniforme. Denicin 6. Una variable aleatoria se dice uniforme en el intervalo [a,b], y lo denotamos X Uniforme[a, b], si su funcin de densidad es 1 f (x) = si x [a, b] ba La media y la varianza de una Uniforme[a,b] son: La media ser el punto medio del intervalo: = La varianza es: 2 =
(ba)2 12 . a+b 2 .
Como ejemplo, la Figura 5 muestra la funcin de densidad de una variable uniforme en el intervalo [5,10]
Figura 5: Funcin de densidad de una Uniforme[5,10].
% Densidad de una Uniforme continua en [5,10] x= l i n s p a c e (0,15,1000); unif_continua=unifpdf(x,5,10); p l o t (x,unif_continua,r,LineWidth,2) a x i s ([0 15 0 0.3])
Pgina 8 de 15
3.2
Distribucin exponencial
La distribucin exponencial tiene especial utilidad para representar tiempos de vida: duracin de una pieza hasta que se avera, longevidad de una persona, etc. Por ello, es una variable continua que toma valores en el intervalo [0, +). La denimos a travs de su funcin de densidad. Denicin 7. Una variable aleatoria X tiene distribucin exponencial de parmetro , (0, +), y lo denotamos X Exponencial(), si su funcin de densidad viene dada por: f (x) = e x La media y la varianza de una Exponencial() son:
1 = .
si x [0, +)
2 =
1 2 .
Como ejemplo, la Figura 6 muestra la funcin de densidad de una variable exponencial de parmetro = 1 y la funcin de densidad de una variable exponencial de parmetro = 1/3.
Figura 6: En la izquierda, funcin de densidad de una Exponencial(1). En la derecha, funcin de densidad de una Exponencial(1/3)
x= l i n s p a c e (0,20,1000); % Densidad de una exponencial de parmetro lambda=1 exponencial=exppdf(x,1); s u b p l o t (1,2,1), p l o t (x,exponencial,r,LineWidth,2)

5
% Densidad de una exponencial de parmetro lambda=1/3 exponencial=exppdf(x,3); s u b p l o t (1,2,2), p l o t (x,exponencial,r,LineWidth,2)
Pgina 9 de 15
Adems, la distribucin exponencial rige los tiempos de espera entre acontecimientos consecutivos de Poisson. El parmetro se toma como el nmero (o fraccin) de acontecimientos de Poisson que ocurren por unidad de tiempo. Ejemplo 7: Una secretaria recibe un promedio de 6 llamadas telefnicas por hora durante una jornada de trabajo ordinaria. Expresa el nmero de llamadas por hora como sucessos de Poisson y expresa el tiempo transcurrido entre 2 llamadas consecutivas que recibe (en horas) como una distribucin exponencial. X=Nmero de llamadas por hora P oi sson(6) Y =Tiempo transcurrido entre 2 llamadas Exponenci al(6) Una de las propiedades ms importantes que caracteriza a la distribucin exponencial es la llamada falta de memoria, que se expresa as: P (X x + /X x) = P (X ). Signica que la probabilidad de duracin un tiempo adicional es independiente del tiempo transcurrido x y slo depende de la cuanta de ese tiempo adicional.
3.3
Distribucin normal
La distribucin normal es la ms importante y de mayor uso de todas las distribuciones continuas de probabilidad. Por mltiples razones se viene considerando la ms idnea para modelizar una gran diversidad de mediciones de la Fsica, Qumica o Biologa. Entre estas razones estudiaremos el teorema central del lmite, que justica la utilizacin de la normal como aproximacin para las distribuciones de variables aleatorias bajo ciertas condiciones. En particular, lo usaremos para aproximar la Binomial y la Poisson. La normal es una familia de variables que depende de dos parmetros, la media y la varianza. Dado que todas estn relacionadas entre si mediante una transformacin muy sencilla, empezaremos estudiando la denominada normal estndar para luego denir la familia completa. Denicin 8. Una variable aleatoria continua Z se dice que tiene distribucin normal estndar, y lo denotamos Z N(0, 1), si su funcin de densidad viene dada por:
1 2 1 f (z) = e 2 z 2
si z R
Figura 7: Funcin de densidad f (z) para Z N(0, 1).
Pgina 10 de 15
% Densidad de una N(0,1) x= l i n s p a c e (-5,5,1000); densnormal=normpdf(x,0,1); p l o t (x,densnormal,r,LineWidth,2)
Propiedades: (Ver Figura 7) 1. Z N(0, 1) toma valores en toda la recta real. (f (z) > 0 z R) 2. f es simtrica en torno a cero. (Si Z N(0, 1) entonces Z N(0, 1)) 3. f tiene dos puntos de inexin en -1 y +1. 4. Si Z N(0, 1) entonces E(Z) = 0 y = 1. Ejemplo 8: Supongamos entonces que Z N(0, 1). Cmo calcularas P (Z 1.03)?
1.03 1.03
P (Z 1.03) =
f (z)dz =
1 2 1 e 2 z dz 2
Figura 8: En rojo P (Z 1.03), para Z N(0, 1).
La probabilidad inducida vendr dada por el rea bajo la densidad, ver Figura 8. Como no existe una expresin explcita para el rea existen tablas con algunas probabilidades ya calculadas. Las tablas que nosotros utilizaremos proporcionan el valor de la funcin de distribucin, (z) = P (Z z), de la normal estndar para valores positivos de z, donde z est aproximado hasta el segundo decimal. Por lo tanto, para calcular P (Z 1.03), en el eje de las x marcamos el valor de Z (en este caso z = 1.03) e indicamos la probabilidad como el rea que queda debajo de la campana de Gauss. (ver Figura 8). Buscaremos P (Z 1.03) en la tabla en el cruce entre la la correspondiente a 1.0 y la columna correspondiente a 0.03. As obtenemos P (Z 1.03) = 0.8465. Ejemplo 9: Supongamos que Z N(0, 1). Calcula usando las tablas de la normal estndar: Pgina 11 de 15
P (Z 1.64). P (Z > 1). P (Z > 1.23). P (Z 0.53). P (1.96 Z 1.96). P (1 Z 2). Cunto vale aproximadamente P (Z > 4.2)? Ejemplo 10: Sea Z una variable aleatoria con distribucin normal estndar. Halla los valores z0 tales que P (Z z0 ) = 0.87. P (Z > z0 ) = 0.05. P (Z > z0 ) = 0.975. P (|Z| > z0 ) = 0.01. Efectuando un cambio de localizacin y escala sobre la normal estndar, podemos obtener una distribucin con la misma forma pero con la media y desviacin tpica que queramos. Denicin 9. Si Z N(0, 1) entonces X = + Z N(, 2 ) y diremos que X tiene distribucin normal de media y desviacin tpica . As, la funcin de densidad de X tendr la misma forma de campana, ser simtrica en torno a la media y sus puntos de inexin sern y + . La forma ms sencilla de calcular la funcin de densidad de una N(, 2 ) es calculando su funcin de distribucin y despus derivandor. La funcin de distribucin de X viene dada por x x F (x) = P (X x) = P ( + Z x) = P Z = , donde () es la funcin de distribucin de la Normal estndar. La funcin de densidad de una N(, 2 ) (ver Figura 9) es entonces f (x) = F (x) = x = 1 2 2 e
(x)2 2 2
x R.
10
% Densidad de % a)N(0,1) % b)N(2,1) % c)N(-1,0.5) % d)N(0,2) x= l i n s p a c e (-5,5,1000); normal_a=normpdf(x,0,1); normal_b=normpdf(x,2,1); normal_c=normpdf(x,-1,0.5); normal_d=normpdf(x,0,2);
Pgina 12 de 15
Figura 9: Funciones de densidad de variables normales con distintas medias y varianzas. En rojo densidad de una N(0, 1).
p l o t (x,normal_a,r,LineWidth,2) hold on; p l o t (x,normal_b,b,LineWidth,2) p l o t (x,normal_c,k,LineWidth,2) p l o t (x,normal_d,g,LineWidth,2)
15
En la prctica slo disponemos de la tabla de la distribucin normal estndar. Para efectuar clculos sobre cualquier distribucin normal hacemos la transformacin inversa, esto es, le restamos la media y dividimos por la desviacin tpica. A este proceso le llamamos estandarizacin de una variable aleatoria. X N(0, 1). Debemos observar que la estandarizacin se puede aplicar a cualquier variable aleatoria, tenga o no distribucin normal. Al estandarizar una variable aleatoria, obtendremos otra (variable estandarizada) con media cero y desviacin tpica uno. Si X N(, 2 ) entonces Z = Ejemplo 11: Supongamos que X N(5, 4). Cmo calcularas P (X 1)? P (X 1) = P donde Z =
X5 2
X5 15 2 2
= P (Z 2)
N(0, 1).
4
4.1
Aproximacin de otras distribuciones por la distribucin normal

Aproximacin de la distribucin binomial por la distribucin normal
Empezaremos aproximando la distribucin binomial por la normal. Si mantenemos ja la probabilidad de xito p e incrementamos el nmero de intentos n hasta valores muy grandes (n +), al representar la distribucin de probabilidad Binomial(n, p) observamos que adopta una forma de campana muy parecida a la funcin de densidad normal. Al mismo tiempo, para n grande no disponemos de tablas para las probabilidades binomiales y la frmula se hace impracticable. Por todo esto, resulta tentador calcular esa probabilidad como si la variable fuera normal. Sin embargo, necesitamos una justicacin de que esto es vlido, de que el error cometido es pequeo o se hace pequeo en ciertas condiciones. Esto lo aporta el Teorema de De Moivre-Laplace, precursor del teorema central del lmite. Pgina 13 de 15
Teorema 1 (Teorema de De Moivre-Laplace). Tomemos una probabilidad de xito ja p. Consideremos una sucesin de variables aleatorias Xn Bi nomi al(n, p), n {1, 2, 3, . . .} y Z N(0, 1). Entonces l P m Xn np np(1 p) z = P (Z z) z R.
Denotaremos esto ms brevemente as:
Xn np np(1 p)
Z.
Ntese que hemos estandarizado la variable binomial. Utilizaremos el siguiente criterio: Si n 30, np 5 y nq 5 entonces la Binomial de parmetros n y p puede ser aproximada por una normal de media = np y varianza 2 = np(1 p). Elemento de correccin por continuidad. Al pasar de la distribucin binomial a la normal estamos aproximando una distribucin discreta por otra continua. Esto produce trastornos al calcular la probabilidad de un punto (no nula para la discreta y nula para la continua) o a la hora de discernir entre < y en las expresiones. Para solventar esto, aproximamos la probabilidad de un valor de la distribucin binomial k {0, 1, 2, . . . , n} por la del intervalo centrado en k de longitud unidad (k 0.5, k + 0.5], excepto para el 0 y el n, valores menor y mayor de la distribucin discreta, respectivamente, cuyas probabilidades se aproximan por las de los intervalos (, 0.5] y (n 0.5, +). Ejemplo 12: Una empresa se dedica a la fabricacin de bombas de turbina. La probabilidad de que una bomba pase todos los controles de calidad establecidos es 0.7. Si se fabrican 50 bombas, calcula la probabilidad de que superen los controles de calidad exactamente 38 bombas. Sea X=Nmero de bombas que pasan todos los controles de calidad. Tenemos que X Bi nomi al(50, 0.7). Por lo tanto, tendramos que calcular P (X = 38) = 50 38 0.738 0.312
Como n 30, np 5 y nq 5, podemos aproximar la Binomial por una normal de media = np = 35 y varianza 2 = np(1 p) = 10.5, es decir: P (X = 38) P (37.5 N(35, 10.5) 38.5) = P 37.5 35 38.5 35 Z 10.5 10.5 = P (0.77 Z 1.08) = = donde Z N(0, 1). 0.8599 0.7794 0.0805
4.2
Teorema Central del Lmite
En realidad el resultado anterior es un caso particular del denominado Teorema Central del Lmite que arma que, si X1 , X2 , . . . , Xn son variables aleatorias independientes y con la misma distribucin X, entonces para n grande, la variable Sn = X1 + X2 + . . . + Xn es aproximadamente normal con media n y varianza n 2 donde y 2 son la media y varianza de la variable X. Formalmente: Pgina 14 de 15
Teorema 2 (Teorema central del lmite). Sea X1 , X2 , . . . , Xn , . . . una sucesin de variables aleatorias independientes y con la misma distribucin. Denotamos Sn = X1 + X2 + . . . + Xn a la suma, y sea Z N(0, 1). Entonces Sn E (Sn ) d Z Var (Sn )
4.3
Aproximacin de la distribucin de Poisson por la distribucin normal
En particular el Teorema Central del Lmite implica que la Poisson de parmetro puede ser aproximada, bajo ciertas condiciones, por la Normal de media = y varianza 2 = . Nosotros utilizaremos el siguiente criterio: Si 10 entonces la Poisson de parmetro puede ser aproximada por una normal de media = y varianza 2 = . Como la Poisson es discreta y la normal continua, recurriremos al elemento de correccin por continuidad.
Propiedades de aditividad para la Binomial, la Poisson y la Normal
Por ltimo, presentamos una serie de propiedades muy tiles sobre la suma de variables independientes. Si X1 Binomial(n1 , p), X2 Binomial(n2 , p) y son independientes entonces X1 +X2 Binomial (n1 + n2 , p). Si X1 Poisson (1 ), X2 Poisson (2 ) y son independientes entonces X1 + X2 Poisson (1 + 2 ).
2 2 2 2 Si X1 N 1 , 1 , X2 N 2 , 2 y son independientes, entonces X1 + X2 N 1 + 2 , 1 + 2 .
Pgina 15 de 15
Estadstica Tema 7: INFERENCIA ESTADSTICA: ESTIMACIN PUNTUAL E INTERVALOS DE CONFIANZA

Curso 2008/2009
ndice
1. Introduccin 2. Conceptos bsicos. 3. Planteamiento general del problema de inferencia paramtrica. 4. Estimacin puntual de una proporcin. Propiedades de un estimador. 5. Concepto de intervalo de conanza. Intervalo de conanza para una proporcin. 6. Estimacin puntual de la media y la varianza de una poblacin normal. Distribuciones muestreo de una poblacin normal. 6.1. Estimador de la media . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Estimacin de la varianza cuando la media es conocida . . . . . . . . . . . . . . . . . . . 6.3. Estimacin de la varianza cuando la media es desconocida . . . . . . . . . . . . . . . . . 7. Intervalos de conanza para la media y varianza 7.1. Media con varianza conocida . . . . . . . . . 7.2. Media con varianza desconocida . . . . . . . 7.3. Varianza con media conocida . . . . . . . . . 7.4. Varianza con media desconocida . . . . . . . de una poblacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . normal. . . . . . . . . . . . . . . . . . . . . en el . . . . . . . . . 5 6 6 6 7 7 7 8 9 2 2 3 3 4
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
Introduccin
En el tema 1 hemos estudiado la Estadstica Descriptiva, que se dedica al anlisis y tratamiento de datos. A partir de ellos, resume, ordena y extrae los aspectos ms relevantes de la informacin que contienen. Sin embargo, los objetivos de la Estadstica son ms ambiciosos. No nos conformamos con describir unos datos contenidos en una muestra sino que pretendemos extraer conclusiones para la poblacin de la que fueron extrados. A esta ltima tarea la llamamos Inferencia Estadstica. Obtendremos las muestras de forma aleatoria y por tanto necesitaremos la Teora de la Probabilidad vista en el tema 3 para elaborar nuestros argumentos. En los temas 4-6, vimos algunos modelos de variables discretas y continuas para una poblacin y sus caractersticas ms importantes, como la media y varianza poblacionales y otros parmetros. En este tema vamos a construir estimadores de los parmetros de inters a partir de una muestra y adems, vamos a estudiar qu propiedades tienen que tener los estimadores para obtener buenas estimaciones.
Conceptos bsicos.
Veamos algunas deniciones bsicas en Inferencia Estadstica, algunas de ellas ya las hemos introducido en los temas anteriores. Poblacin. Es el conjunto homogneo de individuos sobre los que se estudian una o varias caractersticas observables. Por ejemplo, la poblacin de un pas cuya intencin de voto nos interesa. En otros casos (como por ejemplo, al estudiar la probabilidad de explosin en una reaccin qumica), no est tan clara la existencia de una poblacin, entendida como conjunto de individuos. En cualquier caso, el objetivo de la Inferencia Estadstica es obtener informacin sobre una poblacin. Muestra. Es un subconjunto extrado de la poblacin, al que podemos observar. Mltiples razones nos imposibilitan observar toda la poblacin. Por ese motivo, extraemos una muestra y con ella obtenemos informacin sobre toda la poblacin. Tamao de la poblacin o de la muestra. Es el nmero de individuos que los forman, en cada caso. Debemos hacer una primera distincin, al hablar de Inferencia, segn la naturaleza del problema que se plantee: 1. Inferencia paramtrica: cuando se conoce la forma de la distribucin de probabilidad e interesa averiguar el parmetro o parmetros de los que depende. Por ejemplo, sabemos que la poblacin es Normal e interesa conocer la media y la desviacin tpica . A su vez, dentro de la Inferencia Paramtrica vamos a distinguir distintos problemas: a) Estimacin Puntual. Consiste en aventurar un valor, calculado a partir de la muestra, que est lo ms prximo posible al verdadero parmetro. Por ejemplo, la media muestral puede ser un estimador razonable de la media poblacional y la proporcin muestral de la proporcin poblacional. b) Intervalos de Conanza. Dado que la estimacin puntual conlleva un cierto error, construmos un intervalo que con alta probabilidad contenga al parmetro. La amplitud del intervalo nos da idea del margen de error de nuestra estimacin. c) Contrastes de Hiptesis. Se trata de responder a preguntas muy concretas sobre la poblacin, y se reducen a un problema de decisin sobre la veracidad de ciertas hiptesis. Por ejemplo, nos podemos preguntar si nuestra proporcin de votantes superar el 40 %, umbral que nos otorga la mayora absoluta en el parlamento. 2. Inferencia no Paramtrica: cuando no se sabe la forma de la distribucin poblacional. Tambin se pueden plantear las tareas de estimacin, intervalos de conanza y contrastes de hiptesis, aunque las tcnicas estadsticas son diferentes. Pgina 2 de 9
Planteamiento general del problema de inferencia paramtrica.
Consideramos un experimento aleatorio sobre el cual medimos una cierta variable aleatoria, que denotaremos por X. El objetivo es estudiar la variable aleatoria X, cuya funcin de distribucin F es en mayor o menor grado desconocida. Ejemplo 1: Provocamos una reaccin qumica y medimos el calor que se desprende X. Nos interesa saber qu valores puede tomar y con qu probabilidades, esto es, su distribucin. Ejemplo 2: Queremos conocer la proporcin de individuos con cierta caracterstica en una poblacin. El experimento consiste en extraer uno al azar, y as la distribucin de Bernoulli que indica la presencia de la caracterstica tiene como parmetro la proporcin desconocida. Suponemos que la distribucin de X, an siendo desconocida, sigue un modelo como los del tema anterior. En el caso del calor desprendido en la reaccin del Ejemplo 1, podra ser normal, y en el caso de la proporcin del Ejemplo 2, es claramente de Bernoulli. As, el problema se reduce a averiguar los parmetros. Para hacer inferencia, repetimos el experimento n veces en idnticas condiciones y de forma independiente. Una muestra aleatoria simple de tamao n est formada por n variables X1 , X2 , , Xn independientes y con la misma distribucin que X. Llamamos realizacin muestral a los valores concretos que tomaron las n variables aleatorias despus de la obtencin de la muestra. Un estadstico es una funcin de la muestra aleatoria, y por tanto nace como resultado de cualquier operacin efectuada sobre la muestra. Es tambin una variable aleatoria y por ello tendr una cierta distribucin, que se denomina distribucin del estadstico en el muestreo. Para resolver el problema de estimacin puntual, esto es, para aventurar un valor del parmetro poblacional desconocido, escogemos el valor que ha tomado un estadstico calculado sobre nuestra realizacin muestral. Al estadstico escogido para tal n le llamamos estimador del parmetro. Al valor obtenido con una realizacin muestral concreta se le llama estimacin. El problema radica, por lo tanto, en elegir un buen estimador, es decir, una funcin de la muestra con buenas propiedades. En general, un buen estimador de un parmetro poblacional (media, proporcin de individuos que presentan cierta caracterstica,. . . ) va a ser el correspondiente parmetro muestral (media de la muestra, proporcin de individuos que presentan la caracterstica en la muestra,. . . ).
Estimacin puntual de una proporcin. Propiedades de un estimador.
Resolvemos ahora dos problemas prcticos de inferencia. El primero consiste en obtener informacin sobre la proporcin de individuos con cierta caracterstica en una poblacin (entendida como conjunto de individuos), mediante la extraccin de una muestra con reemplazamiento. El segundo consiste en obtener informacin sobre la probabilidad de ocurrencia de un suceso (xito), mediante la realizacin de n intentos independientes y en idnticas condiciones del mismo. En ambos casos nos ajustamos al planteamiento general de inferencia paramtrica presentado en la seccin anterior. La muestra est formada por n variables X1 , . . . , Xn independientes y con distribucin Bernoulli(p). El parmetro p es la proporcin poblacional desconocida. Como ya se ha sugerido, el estimador razonable es la
Pgina 3 de 9
proporcin muestral p= nmero de individuos con la caracterstica en la muestra X1 + + Xn = n n
Observa que el numerador tiene distribucin Binomial(n, p). Por lo tanto p puede tomar los valores 0, 1/n, 2/n, . . . , 1 y las probabilidades son las mismas de la Binomial(n, p). Observamos en primer lugar que E(p ) = p. Esta nos parece una buena propiedad del estimador. Denicin 1. Llamamos sesgo de un estimador para un parmetro poblacional a Sesgo = E , y diremos que el estimador es insesgado si su sesgo vale cero. Por tanto, p es un estimador insesgado de p. Si un estimador presenta sesgo, nos sentimos tentados a efectuar un cambio de localizacin sobre dicho estimador. Ahora que sabemos que p est centrado en torno a p, nos interesa que su dispersin sea pequea. Lo ideal sera que E(p ) = p y V ar (p ) = 0. En ese caso p slo tomara un valor, que sera p y nunca habra error. En nuestro caso p(1 p) Var (p ) = n que es distinta de cero, pero l n V ar (p ) = 0. Esto signica que al aumentar el tamao muestral el estimador m se aproxima al parmetro poblacional, lo cual constituye una justicacin fundamental del mtodo estadstico. Denicin 2. Denimos el error cuadrtico medio de un estimador para un parmetro poblacional como E ( )2 = Sesgo()
2
+ Var()
y diremos que dicho estimador es consistente si l n E ( )2 = 0. m Vemos claramente que la proporcin muestral p es un estimador consistente de p.
Concepto de intervalo de conanza. Intervalo de conanza para una proporcin.
La estimacin puntual resulta incompleta en el siguiente sentido: qu seguridad tenemos de que un estadstico se aproxime al verdadero valor del parmetro? Para poder dar respuesta a esta cuestin construimos intervalos de conanza, que permiten precisar la incertidumbre existente en la estimacin. Denicin 3. Un intervalo de conanza es un intervalo construido en base a la muestra y, por tanto, aleatorio, que contiene al parmetro con una cierta probabilidad, conocida como nivel de conanza. Sea el parmetro desconocido y L1 y L2 los extremos del intervalo (que son estadsticos por estar el intervalo de conanza construido en base a la muestra). Se dice que [L1 , L2 ] tiene un nivel de conanza 1 , siendo [0, 1], si P (L1 L2 ) 1 . El nivel de conanza con frecuencia se expresa en porcentaje. As, un intervalo de conanza del 95 % es un intervalo de extremos aleatorios que contiene al parmetro con una probabilidad de 0 95. Construimos ahora un intervalo de conanza para p. Nos basamos en la proporcin muestral, p . Recordamos que la distribucin binomial se puede aproximar por la normal cuando n es sucientemente grande, manteniendo p ja. Pero en nuestro caso p est ja y, como en cualquier problema de inferencia, el tamao muestral n debe
Pgina 4 de 9
ser moderado o grande. Dado que p slo consiste en dividir a la binomial por un nmero real, n, su distribucin tambin se puede aproximar por la normal, con su misma media y desviacin tpica. Por tanto, pp
p (1p) n
N(0, 1)
A ese estadstico le llamamos estadstico pivote y al mtodo que estamos usando para construir el intervalo de conanza mtodo pivotal. Denotemos z/2 al nmero real tal que P (Z > z/2 ) = /2, siendo Z N(0, 1), ver Figura 1. El valor de z/2 se obtiene de las tablas de la normal. Entonces 1=P | p| p p (1 p)/n < z/2 =P p z/2 p (1 p) < p < p + z/2 n p (1 p) n
De la expresin anterior se deduce un intervalo de conanza para p con nivel de conanza 1 , que estara centrado en p y tendra radio z/2 p (1 p)/n. Sin embargo, la desviacin tpica de p es p (1 p)/n que, por depender de la proporcin poblacional p, es desconocida. Por este motivo, tenemos que tomar p (1 p )/n como estimador de la desviacin tpica de p , y usarlo para construir el intervalo de conanza: p z/2 p (1 p ) , p + z/2 n p (1 p ) n
z/2 Figura 1: Denotamos z/2 el nmero real tal que P (Z > z/2 ) = /2, siendo Z N(0, 1).
Ejemplo 3: El fabricante de un determinado tipo de bombillas desea averiguar la proporcin de bombillas defectuosas que produce. Para ello selecciona y prueba 200 unidades y descubre un total de 80 unidades defectuosas. Cmo podra estimar la proporcin de bombillas defectuosas? Calcula un intervalo de conanza para la proporcin al 95 %.
Estimacin puntual de la media y la varianza de una poblacin normal. Distribuciones en el muestreo de una poblacin normal.
Consideramos ahora el problema de inferencia paramtrica en una poblacin normal. En esta situacin disponemos de una muestra aleatoria simple X1 , . . . , Xn
Pgina 5 de 9
formada por n variables aleatorias independientes y con la misma distribucin N(, 2 ). El problema de inferencia consiste en averiguar los parmetros , media poblacional, y , desviacin tpica poblacional.
6.1
Estimador de la media
Como estimador natural para la media de la poblacin, , proponemos la media muestral: 1 X= n La media de X es E(X) = . La varianza de X es Var(X) =
2 n .
Xi .
Por la propiedad de aditividad de la distribucin normal y dado que X, la media muestral, es la suma de n variables independientes, entonces la media muestral tiene distribucin normal X N(, 2 /n). De esto se deduce que la media muestral es un estimador insesgado de la media poblacional y que su varianza es la poblacional dividida por n. Por tanto, la dispersin ser tanto mayor cuanto mayor sea la de la poblacin y decrece tendiendo a cero cuando el tamao muestral aumenta. De este modo vemos tambin que la media muestral es un estimador consistente de la media.
6.2
Estimacin de la varianza cuando la media es conocida
Si la media es conocida entonces el estimador natural de la varianza es la varianza muestral, denida como la media de las desviaciones al cuadrado de los datos muestrales respecto a la media de la poblacin:
2 S =
1 n
(Xi )2 .
2 Se puede comprobar que E(S ) = 2 y, por lo tanto, la varianza muestral es un estimador insesgado de la varianza.
6.3
Estimacin de la varianza cuando la media es desconocida
Si la media es desconocida entonces, para calcular la varianza muestral, debemos reemplazar la media de la poblacin por la media de la muestra: 1 2 S2 = Xi X . n Aunque S 2 sera el estimador natural de la varianza cuando es desconocida, se puede comprobar que E(S 2 ) = (n 1) 2 /n y, por lo tanto S 2 no es insesgado, lo cual no lo hace un estimador apropiado. Denimos la cuasivarianza muestral:
2 Sc =
1 n1
Xi X
Lo nico que la diferencia de la varianza muestral es la sustitucin del denominador n por el denominador n 1. La cuasivarianza muestral es, pues, un estimador alternativo de la varianza. Se puede comprobar que 2 E(Sc ) = 2 , esto es, que la cuasivarianza muestral es un estimador insesgado de la varianza de la poblacin.
Pgina 6 de 9
7
7.1
Intervalos de conanza para la media y varianza de una poblacin normal.

Media con varianza conocida
La distribucin de la media muestral permite obtener como pivote X N(0, 1) / n y extraer de este pivote un intervalo de conanza para la media cuando la varianza es conocida, de la forma: X z/2 , X + z/2 n n donde z/2 denota el nmero real tal que P (Z > z/2 ) = /2, siendo Z N(0, 1).
7.2
Media con varianza desconocida
Podemos construir un pivote para la media cuando la varianza es desconocida de la siguiente manera: X Tn1 . Sc / n La distribucin T de Student: La distribucin T de Student con k grados de libertad es un modelo de variable aleatoria continua. En la Figura 2 se representa la funcin de densidad de variables T de Student para diferentes grados de libertad junto con la densidad de una N(0,1).
Figura 2: En verde densidad de una T de Student con 2 grados de libertad, en rojo densidad de una N(0,1) y en negro densidad de una T de Student con 20 grados de libertad
Propiedades: 1. La variable T de Student toma valores en toda la recta real. 2. La distribucin T de Student es simtrica en torno al origen. 3. Tk N(0, 1) cuando k . Del pivote anterior se deduce un intervalo de conanza para la media cuando la varianza es desconocida, de la forma: Sc Sc X t/2 , X + t/2 n n Pgina 7 de 9
d
siendo t/2 el valor que deja una probabilidad /2 a su derecha en la distribucin Tn1 , ver Figura 3.
t/2 Figura 3: Denotamos t/2 el nmero real tal que P (Tk > t/2 ) = /2, siendo Tk una variable T de Student con k grados de libertad.
El precio que tenemos que pagar por no conocer la varianza es que, como t/2 > z/2 , el intervalo de conanza para la media con varianza desconocida suele resultar ms amplio que el construido con varianza conocida.
7.3
Varianza con media conocida
Podemos construir un pivote para la varianza cuando la media es conocida as:

2 nS 2 n 2
La distribucin 2 : La distribucin Chi-cuadrado (o ji-cuadrado) con n grados de libertad es un modelo de n variable aleatoria continua. En la Figura 4 se representa la funcin de densidad de variables Chi-cuadrado para diferentes grados de libertad.
Figura 4: En verde densidades de variables 2 para distintos valores de n. n
Pgina 8 de 9
Propiedades:
2 2 1. Si Z1 , . . . , Zn N(0, 1) son variables aleatorias independientes, entonces X = Z1 + + Zn tiene distribucin Chi-cuadrado con n grados de libertad.
2. La variable Chi-cuadrado toma valores [0, +). 3. La distribucin T Chi-cuadrado es asimtrica. Del pivote anterior se deduce un intervalo de conanza para la varianza cuando la media es conocida, de la forma:
2 2 nS nS , 2 2 1/2 /2
siendo 2 2 /2 1/2 los valores que dejan probabilidades respectivas /2 y 1 /2 a la derecha en la distribucin 2 , ver Figura 5. n
1 /2 2 1/2 /2 2 /2
Figura 5: Denotamos 2 y 2 /2 1/2 los valores que dejan probabilidades respectivas /2 y 1 /2 a su derecha en la distribucin 2 . n
7.4
Varianza con media desconocida
En base al pivote
2 (n 1)Sc 2 n1 2 obtenemos el intervalo de conanza para la varianza con media desconocida as: 2 2 (n 1)Sc (n 1)Sc , 2 2 /2 1/2
siendo 2 y 2 /2 1/2 los valores que dejan probabilidades respectivas /2 y 1/2 a su derecha en la distribucin 2 n1 .
Pgina 9 de 9
Estadstica Tema 8: CONTRASTE DE HIPTESIS

Curso 2008/2009
ndice
1. Introduccin 2. Planteamiento y resolucin de un contraste de hiptesis. 3. Contraste de hiptesis sobre una proporcin. 4. Contrastes de hiptesis para dos proporciones 5. Contrastes en una poblacin normal 5.1. Contraste sobre la media . . . . . . . . 5.1.1. Media con varianza conocida . . 5.1.2. Media con varianza desconocida 5.2. Contraste sobre la varianza . . . . . . . 5.2.1. Varianza con media conocida . . 5.2.2. Varianza con media desconocida 2 2 3 5 5 6 6 6 6 6 7 8 8 8 9 9 10 11
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
6. Contrastes referidos a dos poblaciones normales 6.1. Contrastes referidos a dos poblaciones normales basados en muestras independientes . 6.1.1. Contraste sobre la igualdad de medias con varianzas conocidas . . . . . . . . . 6.1.2. Contraste sobre la igualdad de medias con varianzas desconocidas pero iguales 6.1.3. Contraste sobre la igualdad de medias con varianzas desconocidas y desiguales 6.2. Contrastes referidos a dos poblaciones normales basados en muestras apareadas . . . 6.2.1. Contraste para comparar dos medias con muestras apareadas . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
Introduccin
Los procedimientos de inferencia que hemos realizado hasta ahora se resumen en dos: la estimacin puntual y los intervalos de conanza. Con la estimacin puntual se obtienen valores concretos que sirven de estimaciones de los parmetros poblacionales de inters, por ejemplo, estimamos la media poblacional, , con la media muestral, x . Con los intervalos de conanza se obtienen regiones aleatorias que contienen a los parmetros de inters con cierta probabilidad, por ejemplo, el intervalo de conanza con nivel de conanza 1 para la media de una poblacin normal es x z/2 n , cuando la desviacin es conocida. La otra gran tarea de la Inferencia Estadstica consiste en responder a preguntas muy concretas sobre la poblacin. Por ejemplo, hay la misma proporcin de vehculos disel que de gasolina? Como veremos se plantean en trminos de unas hiptesis que debemos aceptar o rechazar. Y esta decisin la tomaremos en base a una realizacin muestral. Cuando los datos muestrales discrepen mucho de la hiptesis (en nuestro ejemplo, cuando la proporcin muestral de vehculos disel sea muy distinta de la proporcin de vehculos de gasolina) rechazaremos la hiptesis.
Planteamiento y resolucin de un contraste de hiptesis.
Se tiene una hiptesis de trabajo y una muestra de observaciones, y se trata de decidir si la hiptesis planteada es compatible con lo que se puede aprender del estudio de los valores muestrales, es decir, decidir si la muestra que se obtuvo est de acuerdo con la hiptesis de trabajo. En nuestro ejemplo la hiptesis que queremos contrastar sera H0 : p = 0.5, siendo p la proporcin de vehculos disel. Observamos que esta hiptesis y su alternativa, que sera Ha : p = 0.5, no son tratadas de igual modo. Damos por cierta la hiptesis H0 y vemos si la muestra aporta pruebas en su contra. Llamaremos hiptesis nula, y la denotamos por H0 , a la que se da por cierta antes de obtener la muestra. Goza de presuncin de inocencia. Llamaremos hiptesis alternativa, y la denotamos por Ha a lo que sucede cuando no es cierta la hiptesis nula. Por gozar la hiptesis nula de presuncin de inocencia, sobre la hiptesis alternativa recae la carga de la prueba. Por tanto, cuando rechazamos H0 en favor de Ha es porque hemos encontrado pruebas signicativas a partir de la muestra. Ms adelante denimos con precisin qu entendemos por pruebas signicativas. Una Hiptesis simple es la que est constituida por un nico punto. En el ejemplo, H0 : p = 0.5 es una hiptesis simple. Si una hiptesis consta de ms de un punto la llamaremos hiptesis compuesta. La hiptesis la proporcin de vehculos disel es menor o igual que la de vehculos de gasolina sera compuesta, pues viene expresada as: H0 : p 0.5. Volviendo al problema de decisin que supone el contraste de hiptesis, prestemos atencin la siguiente tabla. Decisin\ Realidad Aceptar Rechazar H0 cierta Correcto Error tipo I H0 falsa Error tipo II Correcto
Observamos que se puede tomar una decisin correcta o errnea. Llamamos error de tipo I al que cometemos cuando rechazamos la hiptesis nula, siendo cierta. Error de tipo II es el que cometemos cuando aceptamos la hiptesis nula, siendo falsa. Nivel de signicacin: Es la probabilidad del error de tipo I. Lo denotamos por : = P (Rechazar H0 /H0 es cierta) Potencia: Es la probabilidad de detectar que una hiptesis es falsa. La denotamos por : = P (Rechazar H0 /H0 es falsa) = 1 P (Error de tipo II) Pgina 2 de 12
Debemos adoptar un criterio que, en base a la muestra, nos permita decidir si aceptamos o rechazamos la hiptesis nula. Obviamente, queremos minimizar las probabilidades de los errores de tipo I y II. Pues bien, la forma de minimizar la probabilidad del error de tipo I (el nivel de signicacin) es mediante un criterio que acepte H0 la mayor parte de las veces. Sin embargo, as se incrementa la probabilidad del error de tipo II, esto es, disminuye la potencia del test. Una forma de proceder ante un problema con dos objetivos como es ste, consiste en jar el nivel de signicacin y escoger el criterio que nos proporcione la mayor potencia posible. Al jar un nivel de signicacin, , se obtiene implcitamente una divisin en dos regiones del conjunto de posibles valores del estadstico de contraste: La regin de rechazo o regin crtica que tiene probabilidad (bajo H0 ) y la regin de aceptacin que tiene probabilidad 1 (bajo H0 ). Si el valor del estadstico cae en la regin de aceptacin, no existen razones sucientes para rechazar la hiptesis nula con un nivel de signicacin , y el contraste se dice estadsticamente no signicativo, es decir no existe evidencia a favor de Ha . Si el valor del estadstico cae en la regin de rechazo, los datos no son compatibles con H0 y la rechazamos. Entonces se dice que el contraste es estadsticamente signicativo, es decir existe evidencia estadsticamente signicativa a favor de Ha .
Resumiendo, las etapas en la resolucin de un contraste de hiptesis son: 1. Especicar las hiptesis nula H0 y alternativa Ha . 2. Elegir un estadstico de contraste apropiado, T (X1 , ..., Xn ) , que sea una medida de la discrepancia entre la hiptesis y la muestra. 3. Fijar el nivel de signicacin en base a cmo de importante se considere rechazar H0 cuando realmente es cierta. 4. Prejado y elegido T (X1 , ..., Xn ), construir las regiones de aceptacin y rechazo, segn se trate de un contraste uni o bilateral. 5. Tomar la muestra {x1 , ..., xn } y evaluar el estadstico de contraste T (x1 , ..., xn ) 6. Concluir si el test es estadsticamente signicativo (se rechaza H0 ) o no al nivel de signicacin segn el valor del estadstico T (x1 , ..., xn ) se ubique en la regin de rechazo o no, respectivamente.
Contraste de hiptesis sobre una proporcin.
Queremos contrastar hiptesis como las propuestas como ejemplos en la seccin anterior. La muestra en la que basaremos nuestra decisin est constituida por n variables independientes con distribucin Bernoulli(p), como en el planteamiento general de Inferencia Paramtrica sobre una proporcin. Contrastaremos dos tipos de hiptesis sobre p: Hiptesis simple. H0 : p = p0 , siendo p0 una proporcin conocida. En el ejemplo, hemos considerado H0 : p = 0.5, esto es p0 era 0.5. Hiptesis compuesta. H0 : p p0 H0 : p p0 , siendo p0 una proporcin conocida. Rechazaremos la hiptesis simple H0 : p = p0 si la proporcin muestral discrepa mucho de p0 , tanto por ser mucho mayor como por ser mucho menor. Estandarizando p obtenemos un estadstico con distribucin conocida y tabulada. Sobre este estadstico construimos la regin de aceptacin y la regin de rechazo (o regin crtica). Pgina 3 de 12
Pues bien, hemos dicho que jamos el nivel de signicacin y escogemos el criterio que maximiza la potencia. Supongamos entonces que hemos determinado ya . Si la hiptesis fuera cierta, esto es, p = p0 entonces el estadstico tiene distribucin dependiente del parmetro p0 (conocido). Podemos buscar entonces z/2 en las tablas de la normal de forma que la regin crtica tenga probabilidad , pues sta sera la probabilidad de que, siendo p = p0 , el estadstico cayera en esa regin y en consecuencia se rechazara la hiptesis. El criterio nal sera (ver Figura 1): | p0 | p Rechazamos H0 : p = p0 si > z/2
p0 (1p0 ) n
En este caso de hiptesis nula simple, la regin crtica se descompone en dos trozos y, por ello, hablamos de contraste bilateral. Si la hiptesis nula fuera compuesta, por ejemplo H0 : p p0 , slo rechazaramos cuando p fuera mucho mayor que p0 , y la regin crtica tendra un nico trozo. En esta ocasin diremos que se trata de un contraste de hiptesis unilateral. El criterio sera (ver Figura 1): Rechazamos H0 : p p0 si p p0
p0 (1p0 ) n
> z
(a)
(b)
(c)
z/2
z1
Figura 1: Funcin de densidad de una N(0,1). (a) Regin de aceptacin y rechazo para el estadstico del contraste H0 : p = p0 . (b) Regin de aceptacin y rechazo para el estadstico del contraste H0 : p p0 . (c) Regin de aceptacin y rechazo para el estadstico del contraste H0 : p p0 . Por ltimo, en muchas ocasiones, en lugar de jar el nivel de signicacin, se proporciona la probabilidad que contendra una regin crtica limitada por el valor observado del estadstico. A esta probabilidad le llamamos nivel crtico y viene a representar el mayor nivel de signicacin que permite aceptar la hiptesis nula. Ejemplo 1: Una empresa farmacutica quiere comercializar un medicamento que cura cierta dolencia. Se sabe que el 40 % de los pacientes se curan sin tomar este medicamento. La empresa debe probar que su medicamento es ecaz y para ello administra el medicamento a 100 pacientes, de los cuales se curan 50. Ejemplo 2: En un ecosistema dos especies de aves A y B se encuentran en equilibrio, con igual proporcin de ambas. Se teme que los ltimos acontecimientos hayan alterado el equilibrio, y para comprobarlo, se toma una muestra de 1600 aves, de las cuales 720 son de la especie A. Podemos concluir que se ha alterado el equilibrio? Ejemplo 3: Las normas de calidad no permiten que la proporcin de unidades defectuosas supere el 5 %. Una inspeccin toma una muestra de 400 unidades y encuentra 16 defectuosas. Constituye este resultado una prueba signicativa de que no se respeta la norma de calidad?
Pgina 4 de 12
Como comentario general, debemos ser conscientes de que cuando rechazamos la hiptesis nula en base a una muestra es porque nos ha aportado pruebas signicativas a un nivel de que esa hiptesis no es cierta. Por pruebas signicativas a un nivel entendemos que si la hiptesis fuera cierta, la probabilidad de que el resultado muestral discrepara tanto de ella sera tan pequea como . Sin embargo, cuando aceptamos una hiptesis nula no es porque haya pruebas a su favor, sino porque no las hubo en su contra.
Contrastes de hiptesis para dos proporciones
Supongamos que una poblacin contiene una proporcin p1 de individuos que presentan cierta caracterstica, mientras que otra poblacin contiene una proporcin p2 de dicha caracterstica. Extraemos una muestra aleatoria simple en cada poblacin X11 , . . . , X1n1 Bernoulli (p1 ) X21 , . . . , X2n2 Bernoulli (p2 ) independientes independientes
y adems ambas muestras son extradas de manera independiente entre s. Estimaremos cada proporcin poblacional mediante la correspondiente proporcin muestral: p1 p2 = = X11 + . . . + X1n1 n1 X21 + . . . + X2n2 n2
Pensemos en el contraste de la hiptesis nula de que las dos proporciones poblacionales son iguales. Si dicha hiptesis nula H0 : p1 = p2 es cierta, entonces p1 p2
p1 (1p1 ) n1
p2 (1p2 ) n2
N(0, 1)
Rechazaremos la hiptesis nula de igualdad de las proporciones cuando las proporciones muestrales sean muy distintas, y si a eso aadimos un nivel de signicacin prejado, debemos actuar as: Rechazar H0 : p1 = p2 si |1 p2 | p
p1 (1p1 ) n1
p2 (1p2 ) n2
> z/2
El contraste unilateral consistira en: Rechazar H0 : p1 p2 si p1 p2

p1 (1p1 ) n1
p2 (1p2 ) n2
> z
Contrastes en una poblacin normal
Queremos contrastar hiptesis relativas a la media y la varianza de una poblacin N(, 2 ). Para ello, tomamos una muestra aleatoria simple: X1 , . . . , Xn N(, 2 ) independientes
Pgina 5 de 12
5.1
5.1.1
Contraste sobre la media

Media con varianza conocida
Supongamos que la varianza 2 es conocida, y se desea contrastar una hiptesis relativa a la media, , por ejemplo, que la media toma cierto valor conocido H0 : = 0 . Si dicha hiptesis nula H0 : = 0 es cierta, entonces X 0 N(0, 1) / n El sentido comn nos aconseja rechazar la hiptesis nula de que la media poblacional es 0 cuando la media muestral sea muy distinta de 0 . Si adems debemos respetar un nivel de signicacin prejado, debemos actuar as: X 0 Rechazar H0 : = 0 si > z/2 / n El contraste unilateral consistira en: Rechazar H0 : 0 si X 0 < z / n
5.1.2
Media con varianza desconocida
Podemos repetir toda la argumentacin anterior, con la salvedad de que, cuando la varianza es desconocida, no podemos usar y en su lugar debemos emplear un estimador adecuado, por ejemplo, Sc . Sabemos que este cambio afecta a la distribucin, que pasa a ser T de Student. As, si H0 : = 0 es cierta, entonces X 0 Tn1 Sc / n y la regla de decisin ser: Rechazar H0 : = 0 De igual modo, el contraste unilateral consistira en: Rechazar H0 : 0 si X 0 < t Sc / n si X 0 > t/2 Sc / n
En la Figura 2 se muestran las regiones de aceptacin y rechazo de los contrastes sobre la media de una poblacin con varianza desconocida.
5.2
5.2.1
Contraste sobre la varianza

Varianza con media conocida
2 Si la hiptesis nula H0 : 2 = 0 es cierta, entonces 2 nS 2 2 n 0
y, por tanto, la regla de decisin ser:

2 Rechazar H0 : 2 = 0
si
2 2 nS nS 2 > 2 /2 o 2 2 < 1/2 0 0
Pgina 6 de 12
(a)
(b)
(c)
t/2
t1
Figura 2: Funcin de densidad de una Tn1 . (a) Regin de aceptacin y rechazo para el estadstico del contraste H0 : = 0 . (b) Regin de aceptacin y rechazo para el estadstico del contraste H0 : 0 . (c) Regin de aceptacin y rechazo para el estadstico del contraste H0 : 0 .
mientras que para el contraste unilateral ser:

2 Rechazar H0 : 2 0
si
2 nS 2 2 > 0
En la Figura 3 se muestran las regiones de aceptacin y rechazo de los contrastes sobre la varianza de una poblacin con media conocida. (a) (b) (c)
2 1/2
2 /2
2 1
Figura 3: Funcin de densidad de una 2 . (a) Regin de aceptacin y rechazo para el estadstico del contraste n 2 2 H0 : 2 = 0 . (b) Regin de aceptacin y rechazo para el estadstico del contraste H0 : 2 0 . (c) Regin de 2 2 aceptacin y rechazo para el estadstico del contraste H0 : 0 .
5.2.2
Varianza con media desconocida
2 Si la hiptesis nula H0 : 2 = 0 es cierta, entonces 2 (n 1)Sc 2 n1 2 0
Pgina 7 de 12
y, por tanto, la regla de decisin ser:

2 Rechazar H0 : 2 = 0
si
2 2 (n 1)Sc (n 1)Sc > 2 < 2 /2 o 1/2 2 2 0 0
mientras que para el contraste unilateral ser:

2 Rechazar H0 : 2 0
si
2 (n 1)Sc > 2 2 0
6
6.1
Contrastes referidos a dos poblaciones normales

Contrastes referidos a dos poblaciones normales basados en muestras independientes
Consideremos el siguiente ejemplo: Ejemplo 4: El Verapamil y el Nitroprusside son dos productos utilizados para reducir la hipertensin. Para compararlos, unos pacientes son tratados con Verapamil y otros con Nitroprusside. Los resultados obtenidos se muestran en la siguiente tabla, donde: X1 =reduccin (en mm.) de la presin arterial de un paciente tratado con Verapamil X2 =reduccin (en mm.) de la presin arterial de un paciente tratado con Nitroprusside X1 X2 10 15 15 10 18 19 23 9 12 14 16 12
18
Admitiendo normalidad y sabiendo que ambas variables tienen la misma desviacin tpica, se puede aceptar la igualdad de medias?. La situacin descrita en el Ejemplo 4 responde al siguiente modelo general. Pensemos en dos poblaciones 2 2 normales, con sus respectivas medias y varianzas: N(1 , 1 ) y N(2 , 2 ). Queremos contrastar hiptesis que comparen sus medias, 1 y 2 . Extraemos una muestra aleatoria simple en cada poblacin
2 X11 , . . . , X1n1 N 1 , 1
independientes independientes
X21 , . . . , X2n2 N
2 2 , 2
y adems ambas muestras son extradas de manera independiente entre s. 6.1.1 Contraste sobre la igualdad de medias con varianzas conocidas
2 2 Supongamos que conocemos las varianzas de ambas poblaciones 1 y 2 y que queremos contrastar la hiptesis H0 : 1 = 2 . Fijamos el nivel de signicacin y escogemos el criterio que maximiza la potencia. Supongamos entonces que hemos determinado ya . Si dicha hiptesis nula H0 : 1 = 2 es cierta, entonces
X1 X2
2 1 n1
2 2 n2
N(0, 1).
Pgina 8 de 12
El sentido comn nos aconseja rechazar la hiptesis nula de que las medias son iguales cuando X1 X2 sea muy distinta de cero. Por tanto, rechazaremos H0 : 1 = 2 (ver Figura 4) si X1 X2
2 1 n1
2 2 n2
> z/2
z/2 Figura 4: Funcin de densidad de una N(0,1). Regin de aceptacin y rechazo para el estadstico del contraste H0 : 1 = 2 en el caso de dos poblaciones normales basados en muestras independientes con varianzas conocidas.
6.1.2
Contraste sobre la igualdad de medias con varianzas desconocidas pero iguales
Supongamos ahora que desconocemos las varianzas de ambas poblaciones pero que podemos asumir que dichas varianzas son iguales. Queremos contrastar la hiptesis H0 : 1 = 2 . Si suponemos que las varianzas de las dos poblaciones son iguales el mejor estimador de la varianza ser:
2 ST = 2 2 (n1 1)Sc1 + (n2 1)Sc2 , n1 + n2 2
que no es ms que una adecuada ponderacin de los mejores estimadores de cada poblacin (en la ecuacin 2 2 anterior, Sc1 y Sc2 denotan la cuasivarianza muestral de primera y segunda poblacin, respectivamente). Se puede demostrar que X1 X2 Tn1 +n2 2 . 1 1 ST n1 + n2 Por los mismos argumentos que en casos anteriores, rechazaremos H0 : 1 = 2 (ver Figura 5) si X1 X2 ST
1 n1
1 n2
> t/2
donde t/2 es el valor que deja una probabilidad /2 a su derecha en la distribucin Tn1 +n2 2 . 6.1.3 Contraste sobre la igualdad de medias con varianzas desconocidas y desiguales
Supongamos ahora que desconocemos las varianzas de ambas poblaciones y que no podemos asumir que dichas varianzas son iguales. Queremos contrastar la hiptesis H0 : 1 = 2 . Si las varianzas de ambas poblaciones no
Pgina 9 de 12
t/2 Figura 5: Funcin de densidad de una Tn1 +n2 2 . Regin de aceptacin y rechazo para el estadstico del contraste H0 : 1 = 2 en el caso de dos poblaciones normales basados en muestras independientes con varianzas desconocidas pero iguales.
pueden suponerse iguales, entonces el estadstico de contraste que debemos utilizar es de la forma: X1 X2
2 Sc1 n1
2 Sc2 n2
N(0, 1)
siendo vlida esta aproximacin cuando las dos muestras son grandes (Criterio: n1 > 30 y n2 > 30). Por lo tanto, rechazaremos H0 : 1 = 2 si X1 X2 > z/2 2 Sc1 S2 + nc2 n1 2 donde de nuevo z/2 es el valor que deja una probabilidad /2 a su derecha en la distribucin N(0,1). Observacin: En la prctica, cuando las varianzas tericas no se conocen, antes de contrastar la igualdad de medias, se deber realizar un contraste de igualdad de varianzas. Si ste resulta signicativo, entonces se resolver el contraste de igualdad de medias considerando varianzas iguales y viceversa.
6.2
Contrastes referidos a dos poblaciones normales basados en muestras apareadas
Consideremos ahora el siguiente ejemplo: Ejemplo 5: La siguiente tabla proporciona los resultados de la determinacin de la concentracin de paracetamol ( %) en pastillas por dos mtodos diferentes. Para ver si existen diferencias entre los resultados obtenidos por
Pgina 10 de 12
los dos mtodos se analizan diez pastillas de diez lotes diferentes, Lote 1 2 3 4 5 6 7 8 9 10 Ensayo espectomtrico UV 84.63 84.38 84.08 84.41 83.82 83.55 83.92 83.69 84.06 84.03 Espectroscopa de reectancia en el infrarojo cercano 83.15 83.72 83.84 84.20 83.92 84.16 84.02 83.60 84.13 84.24
Nos gustara contrastar si existe diferencia signicativa entre los resultados obtenidos con los dos mtodos. La situacin descrita en el Ejemplo 5 es ligeramente diferente a lo visto hasta este momento. En este caso se tienen dos muestras:
2 X11 , . . . , X1n N 1 , 1 2 X21 , . . . , X2n N 2 , 2
observadas en los mismos individuos 1, ..., n, es decir, cada par de observaciones (X1i , X2i ) , se toma del mismo i -simo individuo, para i = 1, ..., n. 2 2 Se supone que las muestras se han obtenido de poblaciones normales, X1 N 1 , 1 e X2 N 2 , 2 , pero teniendo en cuenta que ahora X1 y X2 no son independientes. A las muestras obtenidas de esta manera se les denomina muestras apareadas. 6.2.1 Contraste para comparar dos medias con muestras apareadas
Para abordar contrastes para comparar dos medias en esta situacin se considera la variable, D = X1 X2 , que sigue una distribucin normal (puesto que es una combinacin lineal de variables normales). D = E (X1 X2 ) = 1 2
2 V ar (D) = D = V ar (X1 X2 )
Tendremos entonces una muestra D1 = X11 X21 , . . . , Dn = X1n X2n . Estimaremos D mediante D
2 2 D mediante ScD
Queremos contrastar la hiptesis H0 : 1 = 2 . Fijamos el nivel de signicacin y escogemos el criterio que maximiza la potencia. Supongamos entonces que hemos determinado ya . Si dicha hiptesis nula H0 : 1 = 2 es cierta, entonces D Tn1 ScD / n
Pgina 11 de 12
El sentido comn nos aconseja rechazar la hiptesis nula de que las medias son iguales cuando D sea muy distinta de cero. Como siempre, rechazaremos H0 : 1 = 2 si D > t/2 ScD / n donde t/2 es el valor que deja una probabilidad /2 a su derecha en la distribucin Tn1 .
Pgina 12 de 12
Estadstica Boletn 1: ESTADSTICA DESCRIPTIVA

Curso 2008/2009
Ej. 1 Se midi el tiempo en segundos que tarda en consumirse cierto combustible, con los siguientes resultados: 11, 14, 7, 18, 12, 8, 10, 16, 12, 6 Obtn la tabla de frecuencias resultante de agrupar esos 10 datos en los intervalos [5, 10), [10, 15) y [15, 20). Calcula la mediana con los 10 datos y con la tabla de frecuencias obtenida anteriormente. Ej. 2 Bajo qu condiciones la varianza muestral vale cero? Ej. 3 Se han medido los pesos y las alturas de diez personas, obtenindose los resultados siguientes (los pesos vienen expresados en kilogramos y las alturas en centmetros): Peso: Altura: 68 161 65 165 75 168 84 178 81 185 62 158 88 182 70 163 72 172 78 176
1. Calcular la media del peso y la altura. 2. Cul de las dos variables est ms dispersa, el peso o la altura? 3. Cmo se veran afectadas las contestaciones a los apartados anteriores si las alturas se midiesen en metros? Ej. 4 De un total de n nmeros la fraccin p son unos y la fraccin 1 p son ceros. Hallar los tres primeros momentos respecto a la media de estos nmeros. Ej. 5 Las longitudes, medidas en metros, en una muestra de varillas de acero, han sido: 16, 5, 8, 19, 9, 6, 13, 9, 11, 14 Obtn la tabla de frecuencias resultante de agrupar estos datos en los intervalos [4, 8), [8, 12) y [12, 20). Representa el histograma de frecuencias. Sobre la tabla de frecuencias, calcula la media, la desviacin tpica y el coeciente de variacin. Qu valores habran tomado estas tres medidas si la longitud hubiera sido medida en centmetros? Ej. 6 Se han medido mediante pruebas adecuadas los coecientes intelectuales de un grupo de 20 alumnos, viniendo los resultados agrupados en seis intervalos de amplitud variable. Estas amplitudes son C1 = 12, C2 = 12, C3 = 4, C4 = 4, C5 = 12, C6 = 20. Si las frecuencias relativas acumuladas correspondientes a cada uno de los intervalos son: F1 = 0,15, F2 = 0,15, F3 = 0,55, F4 = 0,8, F5 = 0,95, F6 = 1. Se pide: 1. Formar la tabla de distribucin de frecuencias (absolutas, relativas, absolutas acumuladas, relativas acumuladas), sabiendo que el extremo inferior del primer intervalo es 70. 2. Dibujar el histograma y el polgono de frecuencias. Calcular las medidas de posicin central. 3. Entre que dos percentiles est comprendido un coeciente intelectual de 98.4? Encontrar el valor de ambos percentiles. De qu tipo de medida se trata? 1
Ej. 7 Se considera el nmero de materias suspensas que constan en el expediente de un grupo de alumnos. Con estos datos se construy la siguiente distribucin de frecuencias: Materias suspensas 0 1 2 3 4 5 6 1. Representar las frecuencias y sus acumuladas. 2. Calcular la moda, la media, la mediana, la desviacin tpica y el coeciente de variacin. No de estudiantes 13 16 25 16 9 5 4
Estadstica Boletn 2: DESCRIPCIN ESTADSTICA DE DOS VARIABLES

Curso 2008/2009
Ej. 1 Se ha medido el contenido de oxgeno (Y ) en mg/litro de un lago a una profundidad de X metros, obtenindose los siguientes datos: Profundidad en m. Contenido oxgeno en mg/l 15 6.5 20 5.6 30 5.4 40 6 50 4.6 60 1.4 70 0.1
Calcular la recta de regresin de Y sobre X y el coeciente de correlacin lineal. Ej. 2 La siguiente tabla contiene 6 lecturas del colormetro (X) efectuadas sobre 6 disoluciones y sus 6 concentraciones de resina correspondientes (Y ) determinadas por anlisis qumico (medidas en mg/100ml): X 8 50 81 102 140 181 Y 0.12 0.71 1.09 1.38 1.95 2.50
1. Obtener la ecuacin de la recta ajustada a la muestra bidimensional por el mtodo de mnimos cuadrados. 2. Estudiar el grado de asociacin lineal de la muestra anterior. 3. Supongamos que sobre una sptima disolucin sabemos que la lectura del colormetro fue 95, pero hemos extraviado su correspondiente medida de la concentracin de resina. Haz una prediccin de dicha concentracin. Ej. 3 Se han examinado una serie de soluciones estndar de uorescena en un uormetro lo que condujo a las siguientes intensidades de uorescencia (en unidades arbitrarias ): Intensidad de uorescencia Concentracin en pg/ml 2.1 0 5 2 9 4 12.6 6 17.3 8 21 10 24.7 12
1. Queremos predecir la intensidad de uorescencia a partir de la concentracin. Obtener la recta mnimo cuadrtica correspondiente. 2. Estudiar el grado de asociacin lineal de la muestra anterior. 3. Obtener una prediccin de la intensidad de uorescencia para una solucin cuya concentracin es de 7 pg/ml. Es able el resultado obtenido?.
Ej. 4 De una variable estadstica bidimensional se conoce que: La recta de regresin de Y sobre X es Y = 2 + 0,5X La recta de regresin de X sobre Y es X = 4 + 2Y sx = 3 1
1. Halla la covarianza y la varianza de Y . 2. Si x = 2, determina y y el momento respecto al origen de orden 2 de Y .
Ej. 5 La siguiente tabla muestra la distribucin conjunta de frecuencias relativas de la variable X, que representa el nmero de tarjetas de crdito que posee una persona, y la variable Y , que reeja el nmero de compras semanales pagadas con tarjeta de crdito. X\Y 1 2 3 0 0.08 0.03 0.01 1 0.13 0.08 0.03 2 0.09 0.08 0.06 3 0.06 0.09 0.08 4 0.03 0.07 0.08
1. Si se sabe que en el estudio han participado 300 personas, hallar la distribucin conjunta de frecuencias absolutas. 2. Hallar la distibucin marginal de Y . Cul es el nmero medio y la desviacin tpica del nmero de compras semanales pagadas con tarjeta de crdito? 3. Obtener la distibucin del nmero de tarjetas de crdito que poseen las personas de dicho estudio. Cul es el nmero ms frecuente de tarjetas de crdito que posee una de estas personas? 4. Calcular la distribucin del nmero de compras semanales pagadas con tarjetas de crdito que realizan las personas que poseen tres tarjetas. Cul es la media de esta distribucin?
Ej. 6 Se han estudiado el cociente intelectual de 100 nios (X) y sus calicaciones en Matemticas (Y ) obtenindose los siguientes resultados: x = 110 y = 2,5 sx = 10 sy = 0,5. Adems se sabe que el coeciente de correlacin entre ambas variables es de 0.85. 1. Qu nota se puede predecir para un nio con un cociente intelectual de 125? 2. Cunto vale los momentos de segundo orden respecto al origen de ambas variables? 3. Cul es la ecuacin de la recta de regresin de X sobre Y ?
Estadstica Boletn 3: PROBABILIDAD

Curso 2008/2009 Ej. 1 Una moneda se lanza tres veces. Se pide: 1. Construir el espacio muestral. 2. Asignar probabilidades a los sucesos elementales. 3. Expresar a travs de los sucesos elementales y calcular la probabilidad de los siguientes sucesos: A=Los tres lanzamientos producen el mismo resultado. B=El mismo resultado aparece dos veces exactamente. C=Al menos dos veces sale cara. D=Exactamente dos veces sale cara. E=Aparece cara en los lanzamientos primero y segundo. Ej. 2 Sean A, B y C sucesos tales que P (A) = 0. 5, P (B) = 0. 3, P (C) = 0. 6, P (A B) = 0. 2, P (A C) = 0. 3, P (B C) = 0. 1, P (A B C) = 0. 01. Calcular: P (A/B), P (B/A), P (A/C), P (B c /A), P ((A B)/C) y P ((A B)/C). Ej. 3 A un congreso asisten cien personas, de las cuales 60 hablan slo ingls, 30 slo francs y los 10 restantes ambos idiomas. Calcular la probabilidad de que se entiendan dos congresistas elegidos al azar. Ej. 4 Sean A, B y C sucesos arbitrarios de un experimento aleatorio. Se consideran los siguientes sucesos: E1 = al menos dos de los sucesos A, B, C ocurren. E2 = exactamente dos de los sucesos A, B, C ocurren. E3 = al menos uno de los sucesos A, B, C ocurre. E4 = exactamente uno de los sucesos A, B, C ocurre. E5 = no ms de dos sucesos A, B, C ocurren. 1. Expresar E1 , E2 , E3 , E4 y E5 en funcin de A, B y C. 2. Suponiendo que los sucesos A, B y C son independientes y sus probabilidades son 0.5, 0.2 y 0.3, respectivamente, calcula la probabilidad de E5 . Ej. 5 La probabilidad de que un chico acuda a una esta el sbado es 1/4, y la probabilidad de que su novia acuda a la esta es 1/3. Hallar la probabilidad de que: 1. Ambos acudan a la esta. 2. Al menos uno acuda a la esta. 3. Ninguno vaya a la esta. 4. Solamente la chica acuda a la esta. Ej. 6 En una urna hay dos bolas blancas y una negra. Dos individuos han de sacar sucesivamente y sin reemplazamiento una bola de la urna. Cul de los dos tiene mayor probabilidad de sacar la bola negra?
Ej. 7 Tenemos dos urnas. La urna U1 contiene 3 bolas blancas y 2 negras, y la urna U2 contiene 1 bola blanca y 3 negras. Con probabilidad 1/3, extraeremos una bola al azar de la urna U1 y con probabilidad 2/3 extraeremos una bola al azar de la urna U2 . Si al nal nos comunican que la bola obtenida es blanca, cul es la probabilidad de que provenga de la urna U1 ?, y de que provenga de la urna U2 ? Ej. 8 Se lanzan dos monedas y, a continuacin, se lanza un dado tantas veces como caras se hayan obtenido. Hallar la probabilidad de que la suma de puntuaciones sea 6. Ej. 9 Una poblacin est formada por tres grupos tnicos: A (30 %), B (10 %) y C (60 %). Los porcentajes del carcter ojos claros son, respectivamente, 20 %, 40 % y 5 %. Calcular: 1. La probabilidad de que un individuo elegido al azar tenga ojos claros. 2. La probabilidad de que un individuo de ojos oscuros sea de A. 3. Si un individuo, elegido al azar, tiene los ojos claros, a qu grupo es ms probable que pertenezca? Ej. 10 En un laboratorio se toman 200 medidas del contenido de mercurio en muestras de polvo utilizando un polargrafo a varias distancias. Los resultados se clasican por nivel de mercurio en cuatro clases (bajo, medio-bajo, medio-alto y alto) y por distancia al polargrafo en tres clases (cerca, intermedio, lejos). El nmero de observaciones en cada grupo se clasican en la tabla siguiente: Nivel de Hg \ Distancia Bajo Medio-bajo Medio-alto Alto Si se escoge una medida al azar, calcular: 1. Probabilidad de que tenga un nivel alto de mercurio. 2. Probabilidad de que haya sido medida lejos del polargrafo. 3. Probabilidad de que se clasique dentro del grupo nivel bajo de mercurio - Cerca del polargrafo 4. Probabilidad de tener un nivel medio-bajo de mercurio condicionado a estar cerca del polargrafo. 5. Son los sucesos nivel bajo de mercurio y distancia intermedia al polargrafo independientes? Ej. 11 Un ladrn en la plaza Roja, al huir de un polica, puede hacerlo por la calle Fray Rosendo Salvado, Repblica del Salvador o San Pedro de Mezonzo, con probabilidades 0.25 , 0.6 y 0.15, respectivamente. La probabilidad de ser alcanzado si huye por la calle Fray Rosendo Salvado es 0.4 , si huye por la calle Repblica del Salvador es 0.5 y si huye por la calle San Pedro de Mezonzo es 0.6. 1. Calcula la probabilidad de que la polica alcance al ladrn 2. Si el ladrn ha sido alcanzado, cul es la probabilidad de que haya sido en la calle Fray Rosendo Salvado? Ej. 12 De una urna que contiene 8 bolas blancas y 7 negras, hacemos una extraccin de 2 bolas, sin reemplazamiento. En el supuesto de que hayamos visto que una de estas bolas es negra Cul es la probabilidad de que la otra tambin lo sea?. Cerca 8 16 6 0 Intermedio 26 40 62 2 Lejos 6 14 12 8
Ej. 13 Se lanzan dos dados, A y B. A es un dado corriente, mientras que B tiene en sus caras {1, 1, 1, 2, 2, 3}. Calcula la probabilidad de los siguientes sucesos, 1. La suma de los puntos obtenidos es 3. 2. En ambos dados se obtiene el mismo resultado. 3. Obtener un 1 con el dado A, sabiendo que el resultado de B ha sido distinto del obtenido en A. Ej. 14 Demostrar que si A y B son sucesos independientes, entonces tambin lo son Ac y B c .
Estadstica Boletn 4: VARIABLES ALEATORIAS UNIDIMENSIONALES

Curso 2008/2009 Ej. 1 Se lanza un dado. A continuacin se lanza una moneda y si sale cara se suma uno a la puntuacin del dado, y si sale cruz se deja igual la puntuacin del dado. Sea X la variable aleatoria resultante de esa operacin. 1. Determinar la distribucin de probabilidad de X. 2. Calcular la media, la varianza y la desviacin tpica de X. 3. Determinar la probabilidad de que a lo sumo se obtenga un tres. Ej. 2 Sea X el tiempo de supervivencia de cierto tipo de resistencias. La funcin de densidad de X viene dada por: x f (x) = + 1 si 0 x 2 2 1. Comprueba que f es una funcin de densidad y represntala grcamente. 2. Halla la probabilidad de supervivencia ms all de 1. 3. Determina la funcin de distribucin correspondiente. Ej. 3 Una mquina fabrica discos cuyos radios se distribuyen con densidad f (x) = k(x 1)(3 x) si 1 x 3. La variable X se mide en metros. 1. Hallar k. 2. Hallar la densidad para los radios de los discos medidos en centmetros. 3. Calcular la densidad para el dimetro de los discos. 4. Calcular la densidad para el rea de los discos. Ej. 4 Se lanzan tres monedas. Sea X =nmero de caras. Se pide: 1. Distribucin de probabilidad de X. 2. Funcin de distribucin de X y su representacin grca. 3. Media, varianza y desviacin tpica. 4. Probabilidad de que salgan a lo sumo dos caras. 5. Probabilidad de que salgan al menos dos caras. Ej. 5 Calcular k para que f (x) = kx 2 sea una funcin de densidad. Hallar: 1. Funcin de distribucin. 2. Media y varianza. 3. El valor de a tal que P (X a) = 1/4. si 0 < x < 1
Ej. 6 Para establecer el precio a pagar por cada litro de leche, una central lechera ha dividido, atendiendo al contenido de materia grasa por litro, la leche recibida en su factora en tres categoras: Categora ligera: contenido de materia grasa inferior al 4 % Categora media: contenido de materia grasa entre el 4 % y el 5 % Categora extra: contenido de materia grasa superior al 5 % El porcentaje de materia grasa por litro de leche recibido es una variable aleatoria con funcin de densidad: f (x) =
2 9 (6
x)
si x [3, 6] si x [3, 6]
Esta empresa paga el litro de leche a 30 pesetas para la categora ligera, 35 pesetas para la categora media y 40 pesetas para la categora extra. Obtngase el precio medio del litro de leche pagado por esta empresa. Ej. 7 Sea X una variable aleatoria continua con funcin de densidad f (x) = 1. Hallar la constante k. 2. Hallar la probabilidad de que X est comprendida entre 1 y 2. 3. Hallar la probabilidad de que X sea menor que 1. k(1 + x 2 ) 0 si x (0, 3) si x (0, 3)
Estadstica Boletn 5: MODELOS DE DISTRIBUCIN DE PROBABILIDAD

Curso 2008/2009
Ej. 1 En un examen entran 10 temas, se preguntan tres y para aprobar hay que contestar correctamente al menos dos. Un estudiante sabe 7 temas. Qu probabilidad tiene de aprobar? Ej. 2 El tiempo de espera de un cliente hasta recibir el producto que ha solicitado sigue una distribucin exponencial de media 40 das. Se pide: 1. La probabilidad de que tenga que esperar ms de 40 das. 2. Lleva 40 das esperando, cul es la probabilidad de que llegue en los prximos 5 das? Calcula la misma probabilidad si llevase slo 10 das esperando.
Ej. 3 Una caja de cincuenta cerillas contiene diez defectuosas. Para inspeccionar la calidad de la caja, se toman siete cerillas de la misma. 1. Cul es la probabilidad de que no haya ninguna cerilla defectuosa entre las siete inspeccionadas? 2. Calcula la media y la varianza del nmero de cerillas defectuosas entre las siete inspeccionadas.
Ej. 4 Una compaa de explotacin petrolfera va a perforar 10 pozos, y cada uno de ellos tiene una probabilidad 0.1 de producir petrleo en forma comercial. A la compaa le cuesta 1 milln de euros perforar cada pozo. Un pozo comercial saca petrleo por valor de 50 millones de euros. 1. Calcular la media de la ganancia que obtendr la compaa por los 10 pozos, as como su desviacin tpica. 2. Calcular la probabilidad de que la compaa pierda dinero con la operacin.
Ej. 5 Los errores en un aparato que transmite informacin, constituyen un proceso de Poisson con intensidad de 0.1 errores por minuto. Cul es la probabilidad de que en una hora haya como mucho un error? Ej. 6 El departamento de investigacin de un fabricante de acero cree que una de las mquinas de rolado de la compaa est produciendo lminas de metal con espesores variables. El espesor es una variable aleatoria uniforme con valores entre 150 y 200 mm. Cualquier lmina que tenga menos de 160 mm. de espesor deber desecharse, pues resulta inaceptable para los compradores. 1. Calcula la media y la desviacin tpica del espesor de las lminas producidas por esta mquina. 2. Calcula la funcin de densidad y represntala. 3. Calcula la fraccin de las lminas de acero producidas por esta mquina que se desechan.
Ej. 7 Los empleados de cierto laboratorio tienen un horario ocial establecido de 7 horas y media al da, aunque trabajan entre 7 horas y 7 horas y 45 minutos al da dependiendo de diversos factores. 1. Calcula el tiempo que se puede esperar que trabaje al da un empleado. 2. Cul es la probabilidad de que un da cualquiera un empleado incumpla su horario?
3. En un departamento de ese laboratorio trabajan 5 empleados de forma independiente, cul es la probabilidad de que un da cualquiera slo uno de esos empleados incumpla su horario?
Ej. 8 Los errores en el peso proporcionado por la bscula de un laboratorio son normales de media 0 y desviacin 1 kg. Calcula la probabilidad de que la diferencia entre el peso real de un material y el proporcionado por la bscula no supere los 500 gr. (bien por exceso o bien por defecto). Ej. 9 El consumo diario de carburante de cierta maquinaria sigue una distribucin normal de media 7.31 y desviacin 2.36 litros. 1. Calcula el porcentaje de das que el consumo supera los 9 litros. 2. Cuntos litros consume como mnimo el 5 % de los das de mayor gasto?
Ej. 10 Segn recomendaciones de un estudio de salud laboral, no se deberan pasar ms de 2 horas seguidas trabajando con el ordenador. Una gran empresa sabe que el tiempo mximo diario que estn sus empleados trabajando con el ordenador sin realizar ninguna pausa es normal con una media de 3 horas y media y una desviacin de 48 minutos, qu porcentaje de empleados incumple esa recomendacin? Ej. 11 En una universidad se ha observado que el 60 % de los estudiantes que se matriculan lo hacen en una carrera de Ciencias, mientras que el otro 40 % lo hacen en carreras de Humanidades. Si un determinado da se realizan 20 matrculas, calcular la probabilidad de que: 1. Haya igual nmero de matrculas en Ciencias y en Humanidades. 2. El nmero de matrculas en Ciencias sea menor que en Humanidades. 3. Haya al menos 8 matrculas en Ciencias. 4. No haya ms de 12 matrculas en Ciencias.
Ej. 12 Supongamos que la probabilidad de tener una unidad defectuosa en una lnea de ensamblaje es de 0.05. Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes 1. Cul es la probabilidad de que entre diez unidades dos se encuentren defectuosas? 2. Y de que a lo sumo dos se encuentren defectuosas? 3. Cul es la probabilidad de que por lo menos una se encuentre defectuosa?
Ej. 13 Una empresa electrnica observa que el nmero de componentes que fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el nmero promedio de estos fallos es ocho, 1. Cul es la probabilidad de que falle un componente en 25 horas? 2. Y de que fallen no ms de dos componentes en 50 horas?
Ej. 14 Supngase que X se distribuye como N(, 2 ), de manera que P (X 0) = 1/3 y P (X 1) = 2/3. 1. Cules son los valores de y 2 ? 2. Y si P (X 1) = 3/4?
Estadstica Boletn 6: INFERENCIA ESTADSTICA: ESTIMACIN PUNTUAL, INTERVALOS DE CONFIANZA Y CONTRASTE DE HIPTESIS
Curso 2008/2009 Ej. 1 En 20 das lectivos y a la misma hora se ha observado el nmero de terminales de una universidad conectados a Internet. Los resultados son: 1027, 1023, 1369, 950, 1436, 957, 634, 821, 882, 942, 904, 984, 1067, 570, 1063, 1307, 1212, 1045, 1047, 1178. Se pide: 1. Calcular el intervalo de conanza al 95 % para el nmero medio de terminales conectados a Internet. 2. Calcular el intervalo de conanza al 90 % para la varianza del nmero de terminales conectados a Internet. Ej. 2 Una compaa asegura que sus tornillos miden por trmino medio tres centmetros. Se sabe que el proceso de produccin sigue una distribucin normal y padece una desviacin tpica de 0.1 cm. Se puede dudar de la veracidad de ese tamao medio si en una muestra de 25 tornillos la media fue de 3.5 cm? Ej. 3 Se lanza una moneda cien veces. 1. Cul es la probabilidad de que la proporcin muestral de caras se encuentre entre 0.45 y 0.55? 2. Cuntas veces habra que lanzar la moneda para que la proporcin muestral de caras se encuentre entre 0.45 y 0.55 con una probabilidad de al menos el 95 %? Ej. 4 Una empresa desea conocer la proporcin de clientes dispuestos a demandar el producto que ofrece. Para ello consult, al azar, a cien de ellos, obteniendo los siguientes resultados: 30 estaran dispuestos a demandar y el resto no. 1. Obtener la estimacin puntual de la proporcin poblacional de demandantes. 2. Calcular la probabilidad de que la proporcin muestral de demandantes diera de la correspondiente proporcin poblacional en menos de 0.15. Ej. 5 Se toma una muestra aleatoria de diez alumnos de una poblacin escolar. Se considera, por experiencias anteriores, que la estatura de un alumno tiene distribucin normal de media 167 cm y desviacin tpica 3.2 cm. Se pide: 1. Probabilidad de que la media muestral de las alturas de los diez alumnos sea inferior a 165 cm. 2. Probabilidad de que la cuasivarianza muestral de las alturas de los 10 alumnos sea superior a 16.50 cm2 . Ej. 6 Cierta empresa se ha propuesto comercializar un aparato para analizar la concentracin en sangre de una sustancia. Los fabricantes son conocedores de que su mtodo presenta un error de medicin cuya desviacin tpica es de 2.4 mg/l. Sin embargo, dado que desconocen la media, se han decidido a tomar una muestra que les permita estimarla. A continuacin consta tal muestra de los errores de medicin (en mg/l): 0.51, -2.75, 1.83, 2.97, -0.82, 2.32, -0.69, -2.19, 1.47, -1.54, 0.30, -1.25, 0.18, -0.21, -1.95, -3.67.
Elabora una estimacin de la media y construye un intervalo de conanza a un nivel del 99 % para dicha estimacin, suponiendo que los errores siguen una distribucin normal. Ej. 7 Los siguientes datos representan los tiempos (en minutos) de montaje para 20 unidades seleccionadas aleatoriamente: 9.8 10.4 10.6 9.6 9.7 9.9 10.9 11.1 9.6 10.2 10.3 9.6 9.9 11.2 10.6 9.8 10.5 10.1 10.5 9.7 Supngase que el tiempo necesario para montar una unidad es una variable aleatoria normal. A partir de esta muestra, existe alguna razn para creer, a un nivel de 0.05, que la media del tiempo de montaje es mayor de 10 minutos? Ej. 8 La cantidad de horas que duermen los escolares cada noche vara mucho. Consideremos la siguiente muestra de las horas que duermen cada noche 16 alumnos de un instituto. 6.9, 7.6, 6.5, 6.2, 7.8, 7.0, 5.5, 7.6, 7.3, 6.6, 7.1, 6.9, 6.8, 6.5, 7.2, 5.8 1. Calcula una estimacin puntual para la media de horas que se duerme cada noche y para la desviacin tpica. Qu estimadores utilizas? Por qu? 2. Suponer que la poblacin sigue una distribucin normal. a) Determinar un intervalo de conanza del 80 % para la media de horas que se duerme cada noche. b) Determinar un intervalo de conanza del 90 % para la varianza. Ej. 9 Se pretende conocer la media y la varianza del tiempo de eliminacin de un medicamento. Para ello, se han observado los tiempos en una muestra de pacientes, obtenindose los siguientes datos (en horas): 5.64, 7.83, 6.92, 5.31, 8.85, 7.94, 6.04, 5.19, 7.33, 8.24, 7.68, 6.47, 6.09, 8.75, 5.87, 7.28. Supn que los datos proceden de una distribucin normal y, en base a ello, confecciona estimaciones para la media y la varianza, as como intervalos de conanza a un nivel del 90 % para las mismas. Ej. 10 En una regin han registrado las profundidades que tuvieron que alcanzar los pozos hasta obtener agua (en metros): 21, 19, 29, 30, 28, 22, 26, 25, 28, 22. Proporciona una estimacin de la media. Suponiendo que la profundidad tiene distribucin normal, construye un intervalo de conanza a un nivel del 95 % para esa estimacin de dos formas: sabiendo que la desviacin tpica es de 4 metros y sin conocer la desviacin tpica. Ej. 11 El responsable del control de calidad de una factora est interesado en determinar si la distribucin de la tensin de ruptura (en K/cm2 ) de cierto metal cumple los requisitos para ser empleado en la construccin de buques. Estos requisitos se traducen en que la media de la tensin debe ser de 454 K/cm2 , con una desviacin de 9 K/cm2 . Para ver si se cumplen dichos requisitos, se seleccionan de forma aleatoria 21 muestras del metal sometindolas a presin hasta su ruptura. Las tensiones obtenidas dan lugar a una media muestral de 443.81 K/cm2 y a una cuasidesviacin tpica muestral igual a 9.4 K/cm2 . Suponiendo normalidad, 1. Realizar los test de hiptesis pertinentes ( = 0.1) para vericar si se cumplen los requisitos. 2. Determinar un intervalo de conanza de nivel 0.90 para la tensin media y otro para su desviacin tpica. Explicar cmo se podran haber resuelto los contrastes del apartado anterior a partir de estos intervalos.
Ej. 12 Se cree que los jvenes adolescentes que fuman comienzan a hacerlo a una edad ms temprana que las chicas adolescentes fumadoras. Los siguientes datos apoyan esta suposicin?. (Suponer que la distribucin de la variable edad a la que empiezan a fumar hombres y mujeres, es normal). Hombres n = 31 x = 11.3 aos 2 sx = 4 aos2 Mujeres m = 13 y = 12.6 aos 2 sy = 3.5 aos2
Ej. 13 Para estudiar el efecto del ejercicio fsico sobre el nivel de triglicrido, se ha realizado el siguiente experimento con 11 individuos: previo al ejercicio, se tomaron muestras de sangre para determinar el nivel de triglicrido por 100 mililitros de sangre, de cada sujeto. Despus los individuos fueron sometidos a un programa de ejercicios que se centraba diariamente en carreras y marchas. Al nal del periodo de ejercicios, se tomaron nuevamente muestras de sangre y se obtuvo una segunda lectura del nivel de triglicrido. De este modo, se dispone de dos conjuntos de observaciones del nivel de triglicrido por 100 mililitros de sangre de los sujetos: (suponer normalidad), Sujeto Previo Posterior 1 68 95 2 77 90 3 94 86 4 73 58 5 37 47 6 131 121 7 77 136 8 24 65 9 99 131 10 629 630 11 116 104
Hay pruebas sucientes para armar que el ejercicio fsico produce cambios en el nivel de triglicrido? Ej. 14 Hallar un intervalo de conanza del 99 % para , nmero medio de microgramos de partculas en suspensin por metro cbico de aire, en base a los valores de una muestra aleatoria simple de tamao n = 5, dada por {58, 70, 57, 61, 59}, en los siguientes casos: 1. X, nmero de microgramos de partculas en suspensin por metro cbico de aire, est normalmente distribuida con varianza 9. 2. X, nmero de microgramos de partculas en suspensin por metro cbico de aire, est normalmente distribuida con varianza desconocida. Ej. 15 Una empresa de metalurgia est interesada en la temperatura media que alcanza cierta mquina utilizada en el proceso de fabricacin. Para su estimacin se obtienen 10 mediciones en grados centgrados: 41.60, 41.84, 42.34, 41.95, 41.86, 42.18, 41.72, 42.26, 41.81, 42.04. 1. Obtener el intervalo de conanza al 95 % para la temperatura media supuesto que = 0.30 grados. 2. Deducir el tamao muestral necesario para conseguir un intervalo de conanza al 95 % con una longitud menor o igual que 0.1 grados. 3. Determinar el intervalo de conanza al 95 % para la temperatura media supuesto que desconocemos el valor de .
Estadstica Prctica 1: INTRODUCCIN A MATLAB

Curso 2008/2009
ndice
1. Objetivos de la prctica 2. Introduccin 3. El escritorio de MATLAB 4. Fundamentos de MATLAB 4.1. Operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Estructuras de datos: vectores y matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3. Operadores relacionales y lgicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. Representaciones grcas con MATLAB 2 2 2 3 3 4 6 7
Objetivos de la prctica
El objetivo de esta prctica es familiarizarse con el funcionamiento y terminologa bsicas en MATLAB. Repasaremos: El entorno de desarrollo. descripcin y localizacin de las herramientas ms habituales. Fundamentos de MATLAB: estructuras de datos y operaciones bsicas. Representaciones grcas.
Introduccin
MATLAB es un lenguaje de computacin tcnica de alto nivel y un entorno interactivo para desarrollo de algoritmos, visualizacin de datos, anlisis de datos y clculo numrico. MATLAB cuenta con una amplia gama de aplicaciones que incluyen procesamiento de seales e imgenes, comunicaciones, diseo de sistemas de control, sistemas de prueba y medicin, modelado y anlisis nanciero y biologa computacional. Los conjuntos de herramientas complementarios (colecciones de funciones de MATLAB para propsitos especiales, que estn disponibles por separado) amplan el entorno de MATLAB permitiendo resolver problemas especiales en estas reas de aplicacin. Adems, MATLAB contiene una serie de funciones para documentar y compartir el trabajo. Se puede integrar cdigo de MATLAB con otros lenguajes y aplicaciones, y distribuir los algoritmos y aplicaciones que desarrollo usando MATLAB. Caractersticas principales: Lenguaje de alto nivel para clculo tcnico Entorno de desarrollo para la gestin de cdigo, archivos y datos Herramientas interactivas para exploracin, diseo y resolucin de problemas iterativos Funciones matemticas para lgebra lineal, estadstica, anlisis de Fourier, ltraje, optimizacin e integracin numrica Funciones grcas bidimensionales y tridimensionales para visualizacin de datos Herramientas para crear interfaces grcas de usuario personalizadas Funciones para integrar los algoritmos basados en MATLAB con aplicaciones y lenguajes externos, tales como C/C++, FORTRAN, Java, COM y Microsoft Excel.
El escritorio de MATLAB
En general, cuando se inicia MATLAB, aparece el escritorio de trabajo junto con una serie de herramientas que nos permiten manejar los cheros, variables y aplicaciones asociadas a MATLAB. En la Figura 2 aparece un ejemplo del escritorio de MATLAB. Se puede cambiar la visualizacin del escritorio segn las necesidades abriendo o cerrando nuevas ventanas, redistribuyendo las herramientas, etc. Consulta la ayuda del programa para adaptar el escritorio a tus necesidades.
Pgina 2 de 8
El paquete de ayuda de MATLAB: Para acceder al paquete de ayuda de MATLAB pulsa en el men superior el botn Help. Una vez desplegada la ayuda selecciona en la pestaa de Contenidos el tema que deseas consultar. Adems, si tienes dudas sobre los argumentos de una funcin o sobre su funcionamiento puedes utilizar el comando help en la consola de comandos. Por ejemplo, escribe help mean. Qu hace la funcin mean? Qu argumentos toma?
Figura 1: Vista del escritorio de MATLAB con ventana de comandos, navegador de cheros, historia de comandos, editor, etc.
4
4.1.
Fundamentos de MATLAB
Operaciones elementales
/ + exponenciacin multiplicacin divisin suma resta
La notacin para las operaciones matemticas elementales es la siguiente:
Veamos un ejemplo muy sencillo: >> x=3+5 x = 8 Pgina 3 de 8
Si no se asigna el resultado a ninguna variable, MATLAB lo asigna por defecto a la variable ans (answer): >> 3-8 ans = -5 En ocasiones, es interesante no presentar el resultado en la pantalla (por ejemplo, cuando se trata de una lista de datos muy larga). Eso se consigue poniendo un punto y coma al nal de la instruccin. >> y=3+5; >> Veamos ahora un listado con las funciones elementales: sin cos tan exp log sqrt abs seno coseno tangente exponencial logartimo natural raz cuadrada valor absoluto
Edicin de la lnea de comandos: Con las echas del teclado se pueden recuperar las rdenes anteriores, sin tener que volver a teclearlas. As, en el caso de una equivocacin en un comando complicado en vez de volver a teclear todo, puede recuperarse la instruccin pulsando la tecla echa hacia arriba, desplazarse hasta el error y arreglarlo.
4.2.
Estructuras de datos: vectores y matrices
Un vector se dene introduciendo los componentes, separados por espacios o por comas, entre corchetes: v=[sqrt(3) 0 -2] v = 1.7321 0 -2.0000 Para denir un vector columna, se separan las las por puntos y comas: w=[1;0;1/3] w = 1.0000 0 0.3333 La operacin transponer (cambiar las por columnas) se designa por el apstrofe: w ans = 1.0000 0 0.3333
Las operaciones matemticas elementales pueden aplicarse a los vectores:
Pgina 4 de 8
v*w ans = 1.0654 v+w ans = 2.7321 0 -1.6667
Para crear un vector de componentes equiespaciados se emplean los dos puntos: x=4:2:10 x = 4 6 8 10 Utiliza esta funcin para construir el vector v = (8, 6, 4, 2). Vectores de ceros y unos: Con la funcin zeros se puede crear un vector en el que todas las componentes sean ceros. La funcin ones sirve para crear vectores en los que todas las componentes sean unos. Consulta la ayuda y utiliza dichas funciones para crear vectores de ceros y unos. Cmo aprovecharas dichas funciones para crear el vector v = (5, 5, 5, 5, 5)? Consulta la ayuda de la funcin linspace para obtener el mismo resultado. Para introducir matrices, se separa cada la con un punto y coma: M = [1 2 3 ;4 5 6 ;7 8 9] M = 1 2 3 4 5 6 7 8 9 Para referirse a un elemento de la matriz se hace as: M(3,1) ans = 7 Para referirse a toda una la o a toda una columna se emplean los dos puntos. Por ejemplo, la segunda columna de la matriz se obtiene as: v1=M(:,2) v1 = 2 5 8 Para obtener la primera la haremos >> M(1,:) ans = 1
Con las matrices tambin funcionan las operaciones matemticas elementales. As
Pgina 5 de 8
M^2 ans = 30 36 42 66 81 96 102 126 150 Si se quiere operar en los elementos de la matriz, uno por uno, se pone un punto antes del operador. Si se quiere elevar al cuadrado cada uno de los elementos de M, entonces M.^2 ans = 1 4 9 16 25 36 49 64 81 Longitud de un vector y dimensin de una matriz: Consulta la ayuda de las funciones length, size y numel y aplcalas a diferentes vectores y matrices. Qu calcula cada una de ellas? Dene las matrices A= 2 1 6 5 4 8 B= 4 2 1 2 3 1 C= 3 4 6 7
Qu ests calculando si ejecutas en MATLAB A*B, A*C, A.*B, A.*C? Por qu algunas de estas operaciones no tienen sentido?
4.3.
Operadores relacionales y lgicos
Los principales operadores relacionales aparecen recogidos en la siguiente tabla. == = > >= < <= igual distinto mayor mayor o igual menor menor o igual
Estos operadores se pueden combinar utilizando los operadores lgicos: & | y o no
Veamos algunos ejemplos de como usar estos operadores. >> v=[4 5 7 2 1 6] v = 4 5 7 >> v==4 ans = 1 0 0 >> v~=4
Pgina 6 de 8
ans = 0 1 1 >> ~(v==4) ans = 0 1 1 >> v>4 ans = 0 1 1 >> v>=4 ans = 1 1 1 >> v>2&v<6 ans = 1 1 0 >> w=[4 6 7 1 5 7] w = 4 6 7 >> v==w ans = 1 0 1 >> x=[2 4] x = 2 4 >> v==x ??? Error using ==> eq Matrix dimensions must >> v(v>4) ans = 5 7 6 1 1 1
agree.
Representaciones grcas con MATLAB
Las posibilidades que ofrece MATLAB para hacer representaciones grcas son muy grandes. Veremos a continuacin cmo realizar grcos sencillos. Representaciones grcas con MATLAB: Para ms informacin sobre todas las posibilidades que ofrece MATLAB a la hora de hacer representaciones grcas consulta en la ayuda el captulo dedicado a este tema. Tambin puedes consultar la ayuda de la funcin graph2d. Veamos cmo se puede representar la funcin seno entre 0 y 10. Para empezar creamos una variable x que va de cero a 10. x=0:0.1:10; y a continuacin, calculamos sin(x) almacenando el resultado en la variable y : y=sin(x); Para trazar el grco, se emplea la funcin plot: Pgina 7 de 8
plot(x,y) y se obtiene en otra ventana el grco. Otras funciones para cambiar el aspecto del grco: Consulta la ayuda de la funcin plot y utiliza las funciones a las que se hace referencia en dicha ayuda para cambiar el aspecto de tu grco, aadiendo un ttulo, nombre a los ejes, cambiando el aspecto de los puntos, etc.
Densidades Normales 0.8 0.7 0.6 Eje de Ordenadas 0.5 0.4 0.3 0.2 0.1 0 3 N(0,1) N(0,0.25)
0 Eje de Abscisas
Figura 2: Intenta reproducir este grco. En azul se representa la funcin f (x) = la funcin f (x) =
x 1 e 0,5 0,5 2
x 1 e 2 2
. En verde se representa
Pgina 8 de 8
Estadstica Prctica 2: ESTADSTICA DESCRIPTIVA CON MATLAB

Curso 2008/2009
ndice
1. Objetivos de la prctica 2. Importando datos 3. Tablas de frecuencias y grcas para variables cualitativas 4. Tablas de frecuencias y grcas para variables cuantitativas discretas 5. Tablas de frecuencias y grcas para variables cuantitativas continuas 6. Medidas caractersticas 6.1. Medidas de posicin . 6.2. Medidas de dispersin 6.3. Medidas de forma . . 6.4. El diagrama de caja o 7. Ejercicios 2 2 3 4 5 6 6 7 7 7 8
. . . . . . . . . . . . . . . boxplot
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
El principal objetivo de esta prctica es conocer los procedimientos de estadstica descriptiva que nos ofrece MATLAB y aplicarlos a un conjunto de datos. Repasaremos: Principales funciones para importar datos. Tablas de frecuencias para variables cualitativas y cuantitativas (discretas o continuas). Representaciones grcas. Medidas caractersticas
Importando datos
La forma ms sencilla de importar datos desde MATLAB es mediante el men de importar datos (File->Import Data). Utilizando dicho men podemos leer automticamente datos numricos almacenados en cualquier chero de texto. Como ejemplo, el chero altura.txt contiene las alturas de los alumnos de Ingeniera Qumica del curso 2008/2009. Guarda dichos datos en una variable llamada altura . Los datos recogidos en clase (sexo, altura, peso, nmero de hermanos y equipo de los alumnos de Ingeniera Qumica del curso 2008/2009) se encuentran guardados en el archivo IQ0809.csv. Ficheros CSV: Los cheros CSV (del ingls comma-separated values) son un tipo de documento sencillo para representar datos en forma de tabla, en los que las columnas se separan por un carcter delimitador (coma, punto y coma,...) y las las se separan por saltos de lnea. Abre el chero IQ0809.csv con un editor de texto y comprueba su estructura. Si intentas importar los datos de IQ0809.csv en MATLAB a travs del men de importar datos, vers que no es posible. Si el chero de datos que queremos importar contiene una mezcla de datos numricos y alfanumricos, la opcin ms simple para importar dichos datos es la funcin textscan. Previamente tendrs que abrir el chero IQ0809.csv mediante la funcin fopen para acceder a su lectura. fid=fopen(IQ0809.csv) Ahora, para leer el contenido del chero IQ0809.csv, utiliza la funcin textscan. Debes especicar el identicador del chero fid y los formatos de las columnas de datos (%s para variables carcter, %f para formato double, %d para formato entero, ...). Adems si se utiliza un carcter distinto del espacio en blanco como delimitador de columnas, utiliza el parmetro delimiter para especicar dicho delimitador. Por ltimo, usando el parmetro headerlines podemos especicar el nmero de lneas de cabecera que debemos ignorar. Completa el siguiente comando con los argumentos necesarios para importar los datos de IQ0809.csv. IQ=textscan(fid, ...
Cell array: El resultado de importar los datos del chero IQ0809.csv es un objeto de tipo cell. Para acceder a los elementos de dicho objeto utiliza { }. Una vez importado el chero, guarda en sexo, altura, peso, nher y equipo los datos de las variables. Guarda en nind y nvar el nmero de individuos (tamao muestral) y el nmero de variables recogidas.
Pgina 2 de 8
Tablas de frecuencias y grcas para variables cualitativas
Veamos ahora diversas maneras de hacer estadstica descriptiva con este conjunto de datos: (1) mediante tablas de frecuencias, (2) mediante grcos, (3) mediante el uso de medidas de centralizacin, dispersin y forma. Empezamos con las variables cualitativas. Vemos en primer lugar como obtener las frecuencias absolutas de la variable equipo, que es una variable cualitativa nominal. Para obtener las frecuencias absolutas utilizamos la funcin tabulate, como sigue: >> equipo=nominal(equipo); >> neq=getlabels(equipo); >> tabulate(equipo); Value Count Percent Atletico 2 2.82% Barcelona 24 33.80% Betis 1 1.41% Celta 5 7.04% Depor 20 28.17% Madrid 15 21.13% Numancia 1 1.41% Sporting 1 1.41% Valencia 1 1.41% nc 1 1.41% Comenta los resultados. Qu representan las columnas Count y Percent? Cmo calcularas las frecuencias relativas a partir de dichas columnas? Comprueba que se verican las propiedades de frecuencias relativas y absolutas. Suma de los elementos de un vector: El comando sum permite obtener la suma a lo largo de un vector columna o un vector la. Una vez calculadas las frecuencias absolutas y relativas de cada uno de los equipos de la muestra, podemos empezar a hacer resmenes grcos. Por ejemplo, para hacer un diagrama de barras utilizaremos la funcin bar. Representaciones grcas de variables cualitativas: La funcin bar(x,y) realiza un diagrama de barras. Podemos inuir en la anchura de los rectngulos representados. La funcin stem(x,y) representa segmentos verticales rematados con una circunferencia en su extremo superior, en las posiciones del eje de abscisas contenidas en el vector x y cuyas alturas vienen dadas por el vector y. Por ejemplo, si guardamos en el vector frel las frecuencias relativas de los equipos de ftbol de la muestra, >> bar(frel) >> set(gca,XTickLabel,neq) representar el diagrama de barras que aparece en la Figura 1. El ltimo comando nos permite situar en el eje de abcisas los nombres de los equipos. Ejercicio: Realiza un estudio similar con el resto de variables cualitativas recogidas.
Pgina 3 de 8
0.35
0.3
0.25
0.2
0.15
0.1
0.05
Atletico Barcelona Betis
Celta
Depor
Madrid NumanciaSporting Valencia
nc
Figura 1: La funcin bar representa rectngulos.
25
20
15
10
0 Atletico
Barcelona
Betis
Celta
Depor
Madrid
Numancia Sporting
Valencia
nc
Figura 2: La funcin stem representa segmentos verticales.
Tablas de frecuencias y grcas para variables cuantitativas discretas
Consideremos ahora la variable Nmero de hermanos, que es una variable cuantitativa discreta. Podemos volver a utilizar la funcin tabulate para obtener una tabla de frecuencias absolutas y porcentajes. Fjate que ahora, el resultado de la funcin tabulate es una matriz. >> tabulate(nher)
Pgina 4 de 8
Value 0 1 2 3
Count 13 45 12 1
Percent 18.31% 63.38% 16.90% 1.41%
Adems ahora tiene sentido calcular las frecuencias acumuladas (tanto absolutas como relativas). Utiliza la funcin cumsum para calcularlas. Comprueba que se verican las propiedades de frecuencias relativas y absolutas acumuladas. Utiliza la funcin bar para realizar las representaciones grcas correspondientes, entre ellas un diagrama de frecuencias acumuladas como el que se muestra en la Figura 3.
Diagrama de frecuencias acumuladas 80
70
60
50
40
30
20
10
Figura 3: Diagrama de frecuencias acumuladas para la variable Nmero de hermanos.
Tablas de frecuencias y grcas para variables cuantitativas continuas
Para variables cuantitativas continuas las cosas se complican algo debido a que tenemos que agrupar los valores de las variables. Consideremos como ejemplo la variable Altura. Existen varias opciones para denir los intervalos en los cuales agruparemos los datos. Fjate en el siguiente cdigo. Qu es lo que hace? >> ninter=round(sqrt(nind)); >> aumento=range(altura)*0.15; >> extremos=linspace(min(altura)-aumento,max(altura)+aumento,ninter+1) Una vez determinados los intervalos que tendremos en cuenta, cmo determinaras el intervalo al que pertenece cada observacin? >> intervalo=zeros(nind,1); >> for i=1:ninter intervalo(extremos(i)<=altura&altura<extremos(i+1))=i; end Pgina 5 de 8
>> tabulate(intervalo) Value Count Percent 1 2 2.82% 2 12 16.90% 3 16 22.54% 4 13 18.31% 5 17 23.94% 6 7 9.86% 7 3 4.23% 8 1 1.41%
La funcin histc: MATLAB ofrece el comando histc para construir la agrupacin en intervalos de clase y calcular las frecuencias. Se utiliza as ni = histc(y,ext): para el vector y cuenta el nmero de valores de y que caen entre los elementos del vector ext.
El histograma: MATLAB ofrece el comando hist para construir la agrupacin en intervalos de clase, calcular las frecuencias y representarlas mediante un histograma. Presenta las siguientes posibilidades: ni = hist(y): Reparte la muestra contenida en el vector y en diez intervalos de igual longitud y devuelve en el vector ni las frecuencias absolutas de cada intervalo. ni = hist(y,m): Utiliza m intervalos. ni = hist(y,x): Utiliza las marcas de clase especicadas por el vector x. [ni, x] = hist(y): Devuelve en x las marcas de clase. hist(y): Sin argumentos de salida, produce la gura con el histograma. Ojo! las alturas que representa son frecuencias absolutas
Ejercicio: Programa una funcin histograma que represente el histograma de una variable cuantitativa continua de forma que las alturas de los rectngulos representen las densidades de frecuencias.
6
6.1.
Medidas caractersticas
Medidas de posicin
MATLAB ofrece comandos que permiten calcular directamente algunas medidas de posicin. Para el clculo de la media podemos usar la funcin mean, que efecta la media aritmtica simple de los elementos de un vector, esto es, los suma y divide entre el nmero de ellos. De este modo nos permite calcular la media de una muestra de una variable continua. Cul es la altura media de los alumnos de Ingeniera Qumica? Y el peso medio? Datos agrupados: Si deseamos ponderar por las frecuencias, en lugar de la funcin mean, debemos efectuar el producto escalar del vector de valores distintos por el vector de frecuencias.
Pgina 6 de 8
Respecto a la mediana, MATLAB ofrece la funcin median, que permite calcular la mediana de un vector de observaciones como el valor central o la media de los dos centrales (segn proceda) en las observaciones ordenadas. Al igual que la funcin mean, no tiene en cuenta frecuencias y por tanto es aplicable slo cuando disponemos de todos los datos de una muestra de una variable continua. Para calcular la moda, MATLAB no ofrece ninguna funcin. Sin embargo, podemos obtener la moda solicitando el mximo de las frecuencias, mediante la funcin max, que devuelve el mximo valor a lo largo de un vector. Por ejemplo, calcula la moda para la variable Nmero de hermanos. MATLAB ofrece la posibilidad de calcular los percentiles de un vector de valores mediante la funcin prctile. La sintaxis sera: >> prctile(x,p) y devuelve un valor que sera mayor que el p % de los valores del vector x. Por ejemplo, si p = 50, estamos pidiendo la mediana de x. Utiliza la funcin prctile para calcular los cuartiles de las variable Altura y Peso.
6.2.
Medidas de dispersin
Programa una funcin que calcule la varianza de un vector de datos y sala para calcular la varianza de las variables Peso y Altura. Calcula tambin la desviacin tpica de dichas variables. La funcin std: El lenguaje MATLAB ofrece la funcion std para el clculo de la desviacin tipica de un vector de datos. Igual que en casos anteriores, no tiene en cuenta frecuencias y maneja como antes las matrices y vectores. Compara el resultado obtenido con la funcin que has programado y con la funcin std. Ambos resultados no coinciden porque la funcin std devuelve 1 n1
n
s=
(xi x )2 .
i=1
El origen de esta medida (conocida como cuasidesviacion tipica y su cuadrado como cuasivarianza) se ver justicado en el Tema 7 de Inferencia Estadistica.
6.3.
Medidas de forma
Programa una funcin que te permita calcular los momentos centrales de cualquier orden y utiliza dicha funcin para obtener lo coecientes de asimetra y kurtosis de las variables Altura y Peso.
6.4.
El diagrama de caja o boxplot
La informacin obtenida a partir de las medidas de centralizacin, dispersin y forma se puede usar para realizar diagramas de caja (boxplots) que visualmente nos proporcionen la informacin de cmo estn distribuidos los datos. El diagrama de caja consta de una caja central que est delimitada por la posicin de los cuartiles Q3 y Q1 . Dentro de esa caja se dibuja la lnea que representa la mediana. Tambin ocasionalmente se puede representar la media dentro de la caja. De los extremos de la caja salen unas lneas que se extienden hasta los puntos LI = mx {m i ), Q1 1,5 (RI)} y LS = m {mx(xi ), Q3 + 1,5 (RI)} que representaran el rango a n(x n a razonable hasta el cual se pueden encontrar datos. Los datos que caen fuera del intervalo (LI, LS) se consideran
Pgina 7 de 8
datos atpicos y se representan individualmente. La funcin para obtener esta representacin en MATLAB es boxplot. >> boxplot(altura)
1.9
1.85
1.8
Values
1.75
1.7
1.65
1.6
1.55 1 Column Number
Figura 4: Diagrama de caja para la variable Altura.
Ejercicios
Calcula la altura media y peso medio de los chicos y de las chicas de la clase. Cul es el equipo favorito de los chicos? Y el de las chicas? Obtn un diagrama de caja como el que se muestra en la Figura 5 e intrepreta el resultado.
1.9
1.85
1.8
Values
1.75
1.7
1.65
1.6
1.55 H M
Figura 5: Diagrama de caja para la variable Altura agrupado por Sexo.
Pgina 8 de 8
Estadstica Prctica 3: DESCRIPCIN ESTADSTICA DE DOS VARIABLES

Curso 2008/2009
ndice
1. Objetivos de la prctica 2. Grcos de dispersin 3. Medidas caractersticas de variables bidimensionales 4. El modelo de regresin lineal simple con MATLAB
4.1. El coeciente de determinacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 2 3 4
5
1 Objetivos de la prctica
El objetivo de esta prctica es aprender a utilizar MATLAB como herramienta para la estimacin y discusin de modelos de regresin. Repasaremos: Grcos de dispersin. Funciones para ajustar un modelo de regresin lineal simple. Covarianza, coeciente de correlacin lineal, coeciente de determinacin.
2 Grcos de dispersin
La situacin general es la siguiente. Disponemos de una variable aleatoria respuesta Y , que supondremos relacionada con otra variable X , que llamaremos explicativa o independiente. A partir de una muestra de n individuos para los que se dispone de los valores de ambas variables, f(X ; Y ); i = 1; : : : ; ng, podemos visualizar grcamente la relacin existente entre ambas. As, utilizando la funcin plot de MATLAB podemos realizar un grco de dispersin, en el que los valores de la variable X se disponen en el eje horizontal y los de Y en el vertical. En la Figura 2 se muestran ejemplos de grcos de dispersin.
i i
6 5 5 4 4 3 3
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 3
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
25
20
15
10
10 0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
4 0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Figura 1: Ejemplos de grcos de dispersin.
Pgina 2 de 5
Qu conclusiones podras sacar a partir de las grcas sobre la relacin entre las variables X e Y en cada ejemplo? Los puntos (X ; Y ) de la grca inferior izquierda han sido generados a partir del modelo lineal Y = a + bX + " . A qu crees que se debe que casi no se aprecie la relacin lineal?
i i i i i
Existe relacin lineal entre las variables X e Y representadas en la grca superior derecha? Qu tipo de relacin crees que existe? En la primera y ltima grca, los puntos (X ; Y ) han sido generados a partir del modelo lineal Y = a + bX + " . En que se diferencian ambos ejemplos?
i i i i i
Podras determinar ejemplos reales en los que la relacin entre variables se ajuste a alguna de las grcas mostradas? Consideremos ahora el siguiente ejemplo real, que ya hemos comentado en clase de teora. Se han obtenido veinte mediciones de la concentracin de hidrgeno determinada con un mtodo de cromatografa de gases (X ), y la concentracin determinada con un nuevo mtodo de sensor (Y ):
X Y
47 38
62 62
65 53
70 67
70 84
78 79
95 93
100 114 118 124 127 140 140 140 150 152 164 198 221 106 117 116 127 114 134 139 142 170 149 154 200 215
Realiza el grco de dispersin correspondiente a la variable bidimensional (X ,Y ). Observas algn tipo de relacin entre X e Y ?
Y=Concentracin de hidrgeno con un nuevo mtodo de sensor
Diagrama de dispersin 220 200 180 160 140 120 100 80 60 40 20 40 60 80 100 120 140 160 180 200 220 240 X=Concentracin de hidrgeno con un mtodo de cromatografia de gases
Figura 2: Diagrama de dispersin.
3 Medidas caractersticas de variables bidimensionales

Como vimos en clase de teora, dada una variable bidimensional podemos calcular medidas caractersticas. Para el ejemplo anterior, calcula el vector de medias. Recuerda que la matriz de varianzas-covarianzas de la variable Pgina 3 de 5
bidimensional (X; Y ) se dena como la matriz

S= s2 s
x
xy
s s2
y
xy
donde s 2 , s 2 son las varianzas de las variables X e Y , respectivamente. El trmino s es la covarianza, que se dene como 1 1 (x x )(y y ) = x y x y: Cov(X; Y ) = s =
x y xy n n xy
=1
=1
Calcula la covarianza entre las variables X e Y del ejemplo que estamos tratando. La funcin
cov(X,Y)
devuelve la matriz de varianzas-covarianzas, lo que nos permite conocer que la covarianza entre X e Y calculada por la funcin cov para esta muestra es 2.1569. Es el mismo resultado que has obtenido programando directamente la frmula de la covarianza? La funcin cov: El lenguaje MATLAB ofrece la funcion cov para el clculo de la matriz de varianzascovarianzas de una variable bidimensional. La funcin cov devuelve entre otros la covarianza entre dos variables calculada como: 1 (x x )(y y ): n1 =1
n i i i
4 El modelo de regresin lineal simple con MATLAB

Para estudiar el grado de relacin lineal que existe entre dos variables, calculamos el coeciente de correlacin lineal. Recuerda que s : r (X; Y ) = r =
xy xy
s s
x
En MATLAB se calcula mediante

corrcoef(X,Y)
que devuelve la matriz de correlacin entre ambas variables. En este caso el coeciente es 0.9852, prximo a 1 lo que indica una fuerte relacin lineal creciente entre ambos mtodos de medicin. Para obtener la recta de regresin realizaremos un ajuste por el mtodo de mnimos cuadrados.
m=polyfit(X,Y,1)
devuelve la recta de regresin
y = a + bx =
0;9625 + 1;0014x :
s s2
x xy
Comprueba que los coeciente de regresin obtenidos responden a las ecuaciones

b=
a=y
bx :
Pgina 4 de 5
A partir de la recta de regresin se pueden obtener las predicciones para la variable Y a partir de los valores conocidos de la variable X , sustituyendo convenientemente o bien utilizando el comando polyval de MATLAB. La funcin polyval: La funcin polyval(m,X) evala el polinomio con coecientes almacenados en el vector m en todos los valores de la variable X Por ejemplo, si la concentracin de hidrgeno determinada con un mtodo de cromatografa de gases es 112 unidades, entonces por el nuevo mtodo ser
>> polyval(m,112) ans = 111.1908
Almacena en un vector yest las predicciones para todos los valores de la variable X y representa grcamente los valores reales y los valores pronosticados como se muestra en la Figura 3
250 Y=Concentracin de hidrgeno con un nuevo mtodo de sensor
200
150
100
50
0 40
60 80 100 120 140 160 180 200 220 X=Concentracin de hidrgeno con un mtodo de cromatografia de gases
240
Figura 3: Valores reales y pronosticados por la recta de regresin. Representa la recta de regresin y demuestra que dicha recta pasa por la media muestral.
4.1. El coeciente de determinacin

Una vez resuelto el problema de estimar los parmetros surge la pregunta de si la recta estimada es o no representativa para los datos. Esto se resuelve mediante el coeciente de determinacin (R2 ) que se dene como el cuadrado del coeciente de correlacin lineal. El coeciente de determinacin toma valores entre 0 y 1 y representa el porcentaje de variabilidad de la variable dependiente que es explicada por la regresin. Calcula el coeciente de determinacin para el ejemplo de la concentracin de hidrgeno.
Pgina 5 de 5
Estadstica Prctica 4: VARIABLES ALEATORIAS UNIDIMENSIONALES

Curso 2008/2009

ndice
1. Objetivos de la prctica 2
2.
Distribucin de Bernoulli
3.
Distribucin binomial
4.
El Quincunx o tablero de Galton
5.
Ejercicios
1 Objetivos de la prctica
Hasta ahora hemos supuesto que disponamos de un conjunto de datos que nos vena dado, pero hemos reexionado muy poco acerca de cmo se obtienen estos datos. Se denomina experimento al proceso por el que obtenemos observaciones. Notar que podemos distinguir entre dos tipos diferentes de experimentos: deterministas y aleatorios.
1. Los experimentos deterministas son aquellos tales que siempre que se repitan bajo condiciones anlogas, se obtiene el mismo resultado. Es decir, son totalmente predecibles. 2. Los experimentos aleatorios son aquellos tales que siempre que se repitan bajo condiciones anlogas, se obtienen resultados diferentes, pero que se conocen previamente. Es decir, dentro de los posibles resultados, el resultado del experimento es impredecible.
Los experimentos que nos interesan son los que producen resultados impredecibles, es decir, los experimentos aleatorios. Cal es el tiempo de reaccin de un determinado proceso qumico (por ejemplo, tiempo de reaccin del cloro en agua)? Dicho tiempo depende de multitud de factores que ocasionan que tengamos un amplio rango de valores posibles, pero antes de realizar el proceso es imposible de determinar con exactitud. Una variable aleatoria se dene entonces como el resultado de realizar un experimento aleatorio. En el ejemplo, podemos denir la variable aleatoria X
="Tiempo
de reaccin del cloro en agua". Este experimento se puede repetir
tantas veces como se quiera. Si realizamos este experimento 100 veces y tomamos los tiempos de reaccin, obtenemos una muestra de valores de la variable aleatoria de tamao muestral 100. La poblacin correspondera a todas las posibles veces que podemos intentar medir el tiempo de reaccin del cloro en agua que, en principio, son innitas. Podemos dividir las variables aleatorias en discretas y continuas:
1. Variables aleatorias discretas son las que toman valores de un conjunto de valores discretos. Por ejemplo, el nmero de zapato, el nmero de hermanos, el resultado de lanzar un dado o el nmero de aciertos en una quiniela son variables aleatorias discretas. 2. Variables aleatorias continuas son las que toman valores de la recta real. Por ejemplo, el tiempo de reaccin del cloro en agua o el ndice de masa corporal son variables aleatorias continuas.
Pero gracias a nuestra experiencia sabemos que los valores de ciertos experimentos se repiten unos ms que otros. Por ejemplo, sabemos que es ms frecuente tener 7 aciertos en la quiniela que 14. Esto ya lo sabemos ya que hemos visto como obtener frecuencias absolutas y relativas. El concepto de probabilidad procede de estas frecuencias. Gracias a la probabilidad, podemos relacionar los conceptos de poblacin y muestra e inferir si los resultados sobre una muestra pueden ser extrapolados al conjunto de la poblacin. El objetivo de esta prctica es simular, con la ayuda de MATLAB, algunos experimentos aleatorios sencillos y relacionarlos con modelos de probabilidad conocidos.
2 Distribucin de Bernoulli
Vamos a comprobar los resultados del lanzamiento de una moneda. Slo tenemos dos posibles resultados para cada lanzamiento: cara o cruz. El ejercicio es el siguiente. Vamos a escribir una funcin que simule los lanzamientos de una moneda. Para ello, utilizamos la siguiente funcin, donde los valores C corresponden a caras y los valores X corresponden a cruces:
Pgina 2 de 6
f u n c t i o n [res] = moneda(n) % moneda(n) % Esta funcin simula n lanzamientos de una moneda

5
% La funcion unidrnd genera datos de la Uniforme discreta simulo=unidrnd(2,n,1); res(simulo==1)=C; res(simulo==2)=X; return
Esta funcin proporciona n resultados del lanzamiento de una moneda al aire. Probamos los resultados para 1 y 5 lanzamientos.
>> moneda(1) ans = X >> moneda(5) ans = CCXXX >> moneda(5) ans = XCXXX
Aumentando el nmero de lanzamientos: Simula 10 lanzamientos de una moneda y calcula las frecuencias absolutas y relativas del nmero de caras y nmero de cruces obtenido. Representa el diagrama de barras correspondiente para las frecuencias relativas. Qu ocurre si realizas 100 lanzamientos? Y si realizas 1000 lanzamientos? Y con 10000 lanzamientos? Fjate en la Figura 2
Parece ser que, cuanto mayor es el nmero de intentos, ms se acerca la frecuencia relativa del nmero de caras a 0.5. Este valor corresponde a lo que llamamos probabilidad de obtener cara. Claro est, la probabilidad de obtener cruz es 0.5. Por lo tanto, podemos decir que la variable aleatoria X
=Resultado
y P
de lanzar una
moneda al aire toma el valor C (cara) con probabilidad 0.5 y el valor X (cruz) con probabilidad 0.5. Se dene entonces la funcin de probabilidad de la variable X como P que las variables aleatorias que tienen funcin de probabilidad P cierto valor de p entre
(X = 0) = 0;5
p y P
(X = 1) = 0;5.
(X = 1) =
(X = 0) = 1
Se dice
p , para un
1,
tienen distribucin de Bernoulli de parmetro p .
3 Distribucin binomial
Como hemos visto, una variable aleatoria Bernoulli toma dos posibles valores con probabilidades p y
p,
respectivamente. A continuacin, consideramos la variable aleatoria binomial que se obtiene a partir de la variable aleatoria Bernoulli. Para ello, consideramos el siguiente ejemplo. Suponemos que una empresa se dedica a la fabricacin de condensadores. Cada condensador consta de 60 tubos metlicos que deben soportar la circulacin de agua a 310K. Se sabe que la probabilidad de que un tubo sea defectuosos es 0.04. Cul es la probabilidad de que un condensador no contenga ningn tubo defectuoso? Recuerda que para una distribucin
Pgina 3 de 6
n=10 0.8 0.7 0.6 0.5 0.4 0.4 0.3 0.2 0.1 0 C X 0.3 0.2 0.1 0 C 0.7 0.6 0.5
n=100
n=1000 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 C X 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 C
n=10000
Figura 1: Diagrama de barras para las frecuencias relativas.
binomial de parmetros n y p , se tiene:

n k
(X =
k)
(1
p)
n k
; k
= 0; 1; : : : ; n
Coecientes binomiales: La funcin
nchoosek(n,k)
calcula el nmero de subconjuntos diferentes
de k elementos que se pueden denir a partir de un total de n elementos (combinaciones de n elementos tomados de k en k ). Las diferentes subconjuntos de k elementos se pueden obtener con la funcin
combnk
As, en el ejemplo anterior, la probabilidad de que un condensador no contenga ningn tubo defectuoso es:
>> nchoosek(60,0)*0.04^0*(1-0.04)^60 ans = 0.0864

Supongamos ahora que la empresa consigue mejorar el sistema de fabricacin de tubos reduciendo la probabilidad
Pgina 4 de 6
de que un tubo sea defectuoso a 0.01. Calcula la probabilidad de que un condensador no tenga tubos defectuosos tras esta mejora. La empresa decide sacar a mercado una segunda gama de condensadores ms baratos (aquellos en los que el nmero de tubos defectuosos es mayor que 0 y menor o igual que 10). Cul es la probabilidad de que un condensador pertenezca a esta segunda gama?
La funcin de masa binomial: La funcin
binopdf(k,n,p)
=
calcula la funcin de masa de una
variable binomial Bi n (n; p ) en k , es decir P (X
k ). Adems, k puede ser un vector. Esta funcin se
incluye dentro de la Statistics Toolbox de MATLAB.
4 El Quincunx o tablero de Galton

Vemos ahora qu ocurre cuando el nmero de intentos en una Binomial Bi n (n; p ) va creciendo. El Quincunx o tablero de Galton (ver Figura 2) es un curioso aparato diseado por el cientco ingls Sir Francis Galton en el que una coleccin de bolitas van bajando de manera aleatoria. Cada vez que una bola llega a un piso lanza una moneda y si sale cara se desva hacia la derecha y si sale cruz hacia la izquierda. Las bolitas se van acumulando en la parte inferior en unas cajas que representaran el nmero de caras obtenidas. El proceso da lugar, por lo tanto, a una distribucin binomial donde el nmero de intentos n viene determinado por el nmero de las del tablero.
Figura 2: Quincunx o tablero de Galton con n
= 7.
Existen varias pginas en internet con aplicaciones que simulan el funcionamiento de un tablero de Galton. Puedes consultar, por ejemplo, la pgina http://www.math.psu.edu/dlittle/java/probability/plinko/index.html Programa una funcin que simule un tablero de Galton. Los argumentos de entrada sern el nmero de las del tablero y el nmero de bolas que vamos a lanzar. Debes contar cuntas bolas caen en cada caja y representar el diagrama de barras correspondiente como se ve en la Figura 4.
Pgina 5 de 6
n=1 0.7 0.6 0.4 0.5 0.4 0.3 0.2 0.1 0.1 0 0 1 0 0 0.3 0.5
n=2
0.2
n=20 0.2 0.08
n=100
0.15
0.06
0.1
0.04
0.05
0.02
10
15
20
20
40
60
80
Figura 3: Diagrama de barras para las frecuencias relativas tras lanzar 10000 bolas un tablero de Galton con 1, 2, 20 y 100 las.
5 Ejercicios
1. Construye una funcin en MATLAB que simule el siguiente experimento aleatorio. En una urna hay dos bolas negras y una bola blanca. Un jugador saca de la urna una bola al azar y gana el juego si la bola que ha sacado es blanca. Representa los correspondientes diagramas de barras para n
n
= 10,
= 100,
= 1000
y n
= 10000
repeticiones del juego. (Te puede ser de ayuda la funcin
unifrnd).
104
2. Una mezcla contiene un 1 % de partculas de KCl y un 99 % de partculas de KNO. Si se sacan partculas. Cul es la probabilidad de que se extraigan
102
partculas de KCl? Cuntas partculas de KCl
se espera sacar y cul ser la desviacin tpica si el experimento se realiza muchas veces? 3. Simula la construccin de un condensador como el del ejemplo de la Seccin 3 siendo la probabilidad de fabricar un tubo defectuoso p
= 0;01.
Repite el proceso 1000 veces simulando la fabricacin de 1000
condensadores. Que proporcin de condensadores estn pefectos (ningn tubo averiado)?
Pgina 6 de 6
Estadstica Prctica 5: VARIABLES ALEATORIAS UNIDIMENSIONALES II

Curso 2008/2009
ndice
1. Objetivos de la prctica 2. Distribucin uniforme continua 3. Distribucin exponencial 4. Distribucin normal 5. Aproximacin de otras distribuciones por la distribucin normal 2 2 2 3 5
El objetivo de esta prctica es repasar, con la ayuda de MATLAB, algunos modelos de probabilidad conocidos para variables aleatorias continuas.
Distribucin uniforme continua
La distribucin uniforme es una distribucin muy simple cuya funcin de densidad es simplemente un tramo de lnea recta horizontal, denominada densidad uniforme. Una variable aleatoria se dice uniforme en el intervalo [a,b], y lo denotamos X Uniforme[a, b], si su funcin de densidad es f (x) = 1 ba si x [a, b]
La media y la varianza de una Uniforme[a,b] son: La media ser el punto medio del intervalo: = La varianza es: 2 =
(ba)2 12 . a+b 2 .
La densidad uniforme en MATLAB:La funcin unifpdf devuelve el valor de la funcin de densidad de una variable uniforme continua. Consulta la ayuda de la funcin y utilzala para representar la densidad de una Uniforme[5,10] como se muestra en la Figura 1.
Figura 1: Funcin de densidad de una Uniforme[5,10].
Distribucin exponencial
La distribucin exponencial tiene especial utilidad para representar tiempos de vida: duracin de una pieza hasta que se avera, longevidad de una persona, etc. Por ello, es una variable continua que toma valores en el intervalo [0, +). La denimos a travs de su funcin de densidad. Una variable aleatoria X tiene distribucin exponencial de parmetro , (0, +), y lo denotamos X Exponencial(), si su funcin de densidad viene dada por: f (x) = e x si x [0, +) Pgina 2 de 5
La media y la varianza de una Exponencial() son:

1 = .
2 =
1 2 .
La densidad exponencial en MATLAB:La funcin exppdf devuelve el valor de la funcin de densidad de una variable exponencial. Consulta la ayuda de la funcin y utilzala para representar las densidades de variables exponenciales para diferentes valores de , como se muestra en la Figura 2.
Figura 2: En la izquierda, funcin de densidad de una Exponencial(1). En la derecha, funcin de densidad de una Exponencial(1/3)
Distribucin normal
La distribucin normal es la ms importante y de mayor uso de todas las distribuciones continuas de probabilidad. Por mltiples razones se viene considerando la ms idnea para modelizar una gran diversidad de mediciones de la Fsica, Qumica o Biologa. La normal es una familia de variables que depende de dos parmetros, la media y la varianza. Dado que todas estn relacionadas entre si mediante una transformacin muy sencilla, empezaremos estudiando la denominada normal estndar para luego denir la familia completa. Una variable aleatoria continua Z se dice que tiene distribucin normal estndar, y lo denotamos Z N(0, 1), si su funcin de densidad viene dada por:
1 2 1 f (z) = e 2 z 2
si z R
La densidad normal en MATLAB:La funcin normpdf devuelve el valor de la funcin de densidad de una variable normal. Consulta la ayuda de la funcin y utilzala para representar la densidad de una normal estndar como se muestra en la Figura 3.
La distribucin normal en MATLAB:La funcin normcdf devuelve el valor de la funcin de distribucin de una variable normal. Consulta la ayuda de la funcin y utilzala para resolver el Ejemplo 1.
Pgina 3 de 5
Figura 3: Funcin de densidad f (z) para Z N(0, 1). Ejemplo 1: Supongamos que Z N(0, 1). Calcula: P (Z 1,64). P (Z > 1). P (Z > 1,23). P (Z 0,53). P (1,96 Z 1,96). P (1 Z 2). P (Z > 4,2)
Cuantiles de la normal en MATLAB:La funcin norminv devuelve la inversa de la funcin de densidad de una variable normal. Consulta la ayuda de la funcin y utilzala para para resolver el Ejemplo 2. Ejemplo 2: Supongamos que Z N(0, 1). Calcula los valores de z para los cuales: P (Z z) = 0,5. P (Z < z) = 0,95. P (Z > z) = 0,95 P (Z z) = 0,775. P (Z z) = 0. P (Z z) = 1. Efectuando un cambio de localizacin y escala sobre la normal estndar, podemos obtener una distribucin con la misma forma pero con la media y desviacin tpica que queramos. Si Z N(0, 1) entonces X = + Z N(, 2 ) y diremos que X tiene distribucin normal de media y desviacin tpica . Pgina 4 de 5
La funcin de densidad de una N(, 2 ) es f (x) = F (x) = x = 1 2 2 e

(x)2 2 2
x R.
Utiliza de nuevo la funcin normpdf para representar la funcin de densidad de variables normales con diferentes valores de y , como en la Figura 4.
Figura 4: Funciones de densidad de variables normales con distintas medias y varianzas. En rojo densidad de una N(0, 1).
Aproximacin de otras distribuciones por la distribucin normal
Utiliza las funciones binopdf, poisspdf y normpdf para justicar grcamente las siguientes aproximaciones. Si n 30, np 5 y nq 5 entonces la Binomial de parmetros n y p puede ser aproximada por una normal de media = np y varianza 2 = np(1 p). Si 10 entonces la Poisson de parmetro puede ser aproximada por una normal de media = y varianza 2 = . Tambin habamos visto que: Si n > 50 y p < 0,1 entonces la Binomial de parmetros n y p puede ser aproximada por una Poisson de parmetro = np.
Pgina 5 de 5
Estadstica Prctica 6: INFERENCIA ESTADSTICA: ESTIMACIN PUNTUAL E INTERVALOS DE CONFIANZA

Curso 2008/2009
ndice
1. Objetivos de la prctica 2. Planteamiento general de un problema de inferencia paramtrica 3. Estimacin puntual e intervalo de conanza para la proporcin 4. Ejercicios 2 2 2 4
El objetivo de esta prctica es repasar, con la ayuda de MATLAB, algunos conceptos bsicos de la inferencia estadstica. Veremos cmo estimar puntualmente un parmetro desconocido. Tambin repasaremos el concepto de intervalo de conanza y veremos como construirlos dependiendo del parmetro a estimar y de la informacin de la que dispongamos.
Planteamiento general de un problema de inferencia paramtrica
Consideramos un experimento aleatorio sobre el cual medimos una cierta variable aleatoria, que denotaremos por X. El objetivo es estudiar la variable aleatoria X, cuya funcin de distribucin F es en mayor o menor grado desconocida. Suponemos que la distribucin de X, an siendo desconocida, sigue un modelo como los vistos en temas anteriores. Para hacer inferencia, repetimos el experimento n veces en idnticas condiciones y de forma independiente. Una muestra aleatoria simple de tamao n est formada por n variables X1 , X2 , , Xn independientes y con la misma distribucin que X. Llamamos realizacin muestral a los valores concretos que tomaron las n variables aleatorias despus de la obtencin de la muestra. Un estadstico es una funcin de la muestra aleatoria, y por tanto nace como resultado de cualquier operacin efectuada sobre la muestra. Es tambin una variable aleatoria y por ello tendr una cierta distribucin, que se denomina distribucin del estadstico en el muestreo. Para resolver el problema de estimacin puntual, esto es, para aventurar un valor del parmetro poblacional desconocido, escogemos el valor que ha tomado un estadstico calculado sobre nuestra realizacin muestral. Al estadstico escogido para tal n le llamamos estimador del parmetro. Al valor obtenido con una realizacin muestral concreta se le llama estimacin. El problema radica en elegir un buen estimador, es decir, una funcin de la muestra con buenas propiedades.
Estimacin puntual e intervalo de conanza para la proporcin
Resolvemos ahora un problema prctico de inferencia a travs de un ejemplo clsico: la paradoja de Mr. Existe una vieja historia sobre el Caballero de Mr, un famoso jugador francs del siglo XVII. El Caballero de Mr iba de camino al estado de Poitou cuando conoci a Blaise Pascal, uno de los matemticos ms famosos del siglo. De Mre le plante dos problemas a Pascal, ambos relacionados con juegos de azar. En 1654 Pascal le propuso estas paradojas a Pierre Fermat, otro gran cientco de la poca con quien mantena contacto por correspondencia. Ambos llegaron a la misma conclusin, lo cual alegr a Pascal, quien escribe en una de sus cartas: Ya veo que la verdad es la misma en Toulouse y en Paris. La primera paradoja est relacionada con un juego de dados. Aunque no est claro cuanto hay de cierto en la historia, se cree que el Caballero de Mr era muy acionado al juego y que, basndose en su propia experiencia, propona la siguiente apuesta: l ganaba si al tirar cuatro dados sala al menos un 6. Pgina 2 de 4
1. Crees que era un juego rentable para el Caballero de Mr? 2. Cmo simularas una apuesta? 3. Cmo estimaras la probabilidad de ganar el juego? 4. Cul es la distribucin en el muestreo del estimador? 5. Sabras calcular la probabilidad de ganar el juego? Empezaremos por plantear el problema. El parmetro desconocido para el Caballero de Mr es p, donde p = Probabilidad de ganar el juego. Estimamos p mediante un estimador p , que se obtiene simulando n partidas como: p= Nmero de partidas ganadas nG = . n Nmero de partidas jugadas
Jugando a ser Mr con MATLAB: Simula con MATLAB una apuesta del Caballero de Mr y decide si has ganado la apuesta o no. Simula 1000 apuestas, cuntas veces has ganado? cul es la probabilidad estimada de ganar p a partir de esas 1000 apuestas? Juega otras 1000 partidas. Cunto vale ahora p ? Habamos visto en clase de teora que La media de p es E(p ) = p La varianza de p es Var(p ) =
p(1p) n
Para n grande p es aproximadamente normal. pp

p (1p) n
N(0, 1).
Adems de la estimacin puntual, podemos calcular un intervalo de conanza para p. Hemos visto que p z/2 p (1 p ) , p + z/2 n p (1 p ) n
es el intervalo de conanza para p con nivel de conanza 1 . En la expresin anterior, z/2 denota el nmero real tal que P (Z > z/2 ) = /2, siendo Z N(0, 1), ver Figura 1. Intervalo de conanza para p con MATLAB: Calcula el intervalo de conanza para p con nivel de conanza 0.95 a partir de p . Cul es le intervalo de conanza al 90 %?
Distribucin en el muestreo de p : Cada da el caballero de Mr realiza 1000 apuestas y apunta en una libreta (de la poca) la proporcin de partidas ganadas. En los ltimos 5 aos tiene 1500 anotaciones. Simula la situacin descrita. Cmo se distribuyen los valores de p ?
Pgina 3 de 4
Figura 1: z/2 denota el nmero real tal que P (Z > z/2 ) = /2, siendo Z N(0, 1).
Y con la teora de la probabilidad lleg la solucin al problema. Sabras calcular exactamente el valor de p? A la vista del resultado, haca bien el caballero de de Mr en apostar su dinero a este juego? Ahora que sabemos cul es el verdadero valor de p podemos entender el signicado que tiene el nivel de conanza. 1=P p z/2 p (1 p ) < p < p + z/2 n p (1 p ) n
Interpretacin del nivel de conanza. Construye los diferentes intervalos de conanza construidos en base a las 1500 anotaciones de p que has generado. Cuntos de esos intervalos contienen al verdadero valor de p?
Cansado de este juego, el Caballero de Mr propuso una nueva apuesta: el caballero de Mr gana si al tirar 24 veces 2 dados le sale al menos un 6 doble. Qu diras de esta nueva apuesta?
Ejercicios
Importa de nuevo a MATLAB los datos del chero IQ0809.csv utilizado en la Prctica 2. Podemos considerar dichos datos como una muestra representativa de los estudiantes universitarios de primer curso. Cmo estimaras la media y la varianza de la variable altura? Suponiendo que la variable altura sigue una distribucin normal, construye un intervalo de conanza para la altura media basndote en los datos de la muestra con un nivel de conanza del 95 %. Consulta la ayuda de las funciones tpdf, tcdf, tinv. De igual modo, construye el intervalo de conanza para la varianza de la altura basndote en los datos de la muestra. Consulta la ayuda de las funciones chi2pdf, chi2cdf, chi2inv.
Pgina 4 de 4

IQ0809 Pateiro

Cargado por

Copyright:

Formatos disponibles

IQ0809 Pateiro

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

IQ0809 Pateiro

Cargado por

Copyright:

Formatos disponibles

ESTADSTICA

Beatriz Pateiro Lpez

ingeniera qumica USC

ingeniera qumica USC

Este material se encuentra disponible en

Estadstica Tema 1: ESTADSTICA DESCRIPTIVA

Beatriz Pateiro Lpez

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Descripcin de variables cualitativas.

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Descripcin de variables cuantitativas.

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

fi Ni 0,25 50 0,40 130 0,20 170 0,10 190 0,05 200

Fi 0,25 0,65 0,85 0,95 1

[Li , Li+1 ) [20, 35) [35, 50) [50, 65)

ci 27,5 42,5 57,5

fi Ni 0,5 5 0,1 6 0,4 10

ni / (Li+1 Li ) 5/15 1/15 4/15

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Representaciones grcas de variables cualitativas

Figura 1: Diagrama de barras. A la izquierda frecuencias absolutas y a la derecha frecuencias relativas.

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Representaciones grcas de variables cuantitativas

Figura 2: A la izquierda diagrama de barras y a la derecha diagrama de frecuencias acumuladas.

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Medidas caractersticas: Medidas de posicin, de dispersin y de forma

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

3. Si yi = a + bxi y = a + b. (las transformaciones lineales se comportan bien con la media). x

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Se dene el momento central de orden r (r 0) como: 1 mr = n

6,59 + 7,37 + . . . + 5,60 xi = = 6,685. n 10

La mediana se calcula entonces como: Me = 7,08 + 7,12 = 7,1. 2

Calculamos ahora la desviacin tpica. En primer lugar calculamos la varianza 1 s = n

Estadstica Tema 2: DESCRIPCIN ESTADSTICA DE DOS VARIABLES

Beatriz Pateiro Lpez

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica

Variable estadstica bidimensional

Distribucin de frecuencia conjunta

Beatriz Pateiro Lpez

Estadstica. Ingeniera Qumica