Estadstica II

UNIDAD 0 Revisin de conceptos bsicos

Andrs Redchuk
andres.redchuk@uautonoma.cl

Programa del curso

UNIDAD 0: UNIDAD I: UNIDAD II: Revisin de Conceptos Bsicos Variables Aleatorias Bidimensionales Teora de Muestreo

UNIDAD III: Modelos Probabilsticos UNIDAD IV: Estimacin de Parmetros UNIDAD V: Test de Hiptesis

Estadstica II. Andrs Redchuk

Unidad 0 Pre requisitos: Estadstica I

Estadstica Descriptiva Probabilidades

CUIDADO: pre requisitos Estos temas se consideran ya conocidos por ustedes y son imprescindibles para esta asignatura.
Estadstica II. Andrs Redchuk 3

Pre requisitos: Estadstica descriptiva

UNIDAD I:
ESTADSTICA DESCRPTIVA

- Clasificacin de las variables: continuos, discretos, atributos. - Representacin grfica: grficos de barra histograma de frecuencias, diagrama de dispersin, etc. - Medidas de posicin: media aritmtica, mediana, percentiles, moda, etc. - Medidas de dispersin: amplitud o rango, varianza, desvo tpico, covarianza, coeficiente de correlacin, etc.

Estadstica II. Andrs Redchuk

Estadstica descriptiva
La estadstica descriptiva utiliza, tablas, grficos y resmenes numricos.
Frequency Tabulation for Edades -------------------------------------------------------------------------------Lower Upper Relative Cumulative Cum. Rel. Class Limit Limit Midpoint Frequency Frequency Frequency Frequency -------------------------------------------------------------------------------at or below 0,0 0 0,0000 0 0,0000 1 0,0 10,0 5,0 0 0,0000 0 0,0000 2 10,0 20,0 15,0 0 0,0000 0 0,0000 3 20,0 30,0 25,0 1 0,0025 1 0,0025 4 30,0 40,0 35,0 158 0,3950 159 0,3975 5 40,0 50,0 45,0 233 0,5825 392 0,9800 6 50,0 60,0 55,0 8 0,0200 400 1,0000 7 60,0 70,0 65,0 0 0,0000 400 1,0000 8 70,0 80,0 75,0 0 0,0000 400 1,0000 9 80,0 90,0 85,0 0 0,0000 400 1,0000 10 90,0 100,0 95,0 0 0,0000 400 1,0000 above 100,0 0 0,0000 400 1,0000 -------------------------------------------------------------------------------Mean = 41,51 Standard deviation = 4,23908

Datos
22 13 50 25 15 48 57 49 38 69 64 41 39 44 4 1 22 52 78 4 14 24 60 17 31 80 19 6 43 29 56 29 61 9 9 37 21 28 48 0 53 72 52 30 34 59 2 6 70 15 62 0 56 81 59 26 29 17 46 36 37 79 3 19 64 5 70 80 80 28 65 70 20 59 32 81 67 29 14 17 1 1 45 59 8 32 61 50 13 5 35 8 39 35 78 27 14 17 71 82 7 49 51 58 15 29 46 23 56 54 18 43 14 38 20 81 52 27 71 12 81 30 72 77 42 18 52 37 77 18 66 63 29 79 22 63 18 13 24 60 12 68 52 70 0 67 42 21 44 22 72 48 17 70 52 16 31 2 48 70 66 1 78 80 19 56 23 80 14 8 73 36 3 60 51 19 33 77 50 57 11 12 79 0 79 69 82 19 44 18 30 75 74 82 44 78 23 59 78 77 38 19 4 55 77 36 63 18 64 10 17 20 81 18 40 50 31 11 56 53 48 20 61 52 6 12 33 56 20 46 71 36 68 12 8 69 4 51 42 78 55 15 56 43 76 14 21 56 46 73 44 40 46 45 52 18 62 56 60 45 7 37 67 41 56 13 1 53 66 76 0 74 16 12 55 42 2 65 2 38 12 75 56 7 75 62 36 70 26 22 77 5 10 46 28 53 63 43 8 47 77 62 60 11 76 9 45 82 45 73 6 44 70 35 4 39 1 30 14 60 75 9 33 0 35 6 16 74 38 31 62 72 60 48 35 34 17 81 42 51 46 30 25 10 26 23 28 65 26 18 74 24 8 24 58 78 30 39 80 32 27 1 50 13 26 59 79 64 5 43 27 64 18 74 43 55 3 82 64 59 3 12 21 69 31 58 46 24 0 24

Summary Statistics for Edades Count = 400 Average = 41,51 Median = 42,0 Variance = 17,9698 Standard deviation = 4,23908 Minimum = 28,0 Maximum = 57,0 Range = 29,0 Lower quartile = 39,0 Upper quartile = 44,0 Interquartile range = 5,0 Skewness = 0,137057 Kurtosis = 0,181614

Resumen numrico

Edades
150 120 90 60 30 0

Estadstica II. Andrs Redchuk

Frecuencia

26

36

46

56

66

Aos

Pre requisitos: Estadstica descriptiva

1. Clasificacin de los datos: continuos, discretos, atributos. 2. Representacin grfica: grficos de barra histograma de frecuencias, diagrama de dispersin, etc. 3. Medidas de posicin: media aritmtica, mediana, moda, (cuartiles, percentiles), etc. 4. Medidas de dispersin: rango, varianza, desvo tpico, covarianza, coeficiente de correlacin, etc.

Estadstica II. Andrs Redchuk

Pre requisitos: Estadstica descriptiva

1. Clasificacin de los datos: continuos, discretos, atributos.
Continuos Pueden ser divididos conservando su significado en incrementos cada vez ms exactos de precisin: peso, longitud, voltaje, tiempo, etc. Discretos Mltiples de unidades enteras. No pueden ser divididas conservando su significado. Contar o clasificar Atributos Si - no Bueno - malo Aceptar rechazar Pasa no pasa
Estadstica II. Andrs Redchuk 7

Pre requisitos: Estadstica descriptiva

2. Representacin grfica: grficos de barra histograma de frecuencias, diagrama de dispersin, etc.
14 F R E C U E N C I A 12 10 8 6 4 2 50 60 70 80 Edades 90 100 110

Estadstica II. Andrs Redchuk

Pre requisitos: Estadstica descriptiva

3. Medidas de posicin: media aritmtica, mediana, moda, (cuartiles, percentiles ), etc.

x=

x
i =1

x1 + x2 + ... + xn = n

Me = ? Mo = ? Q1 = ? Q3 = ?

Estadstica II. Andrs Redchuk

Pre requisitos: Estadstica descriptiva

4. Medidas de dispersin: rango, varianza, desvo tpico, covarianza, coeficiente de correlacin, etc.
2 ( x x ) i i =1 n

x =

n 1
i i

Varx = x

cov x , y =

( x x )( y y )
i =1

rx , y =

cov x , y

x y
10

Estadstica II. Andrs Redchuk

Pre requisitos: Probabilidades

UNIDAD II:
PROBABILIDADES

Experimento aleatorio, espacio muestral. Definicin de probabilidad. Probabilidad condicional. Teorema de multiplicacin. Teorema de probabilidad total. Teorema de Bayes. Definicin de variable aleatoria. Variables aleatorias discretas. Variables aleatorias continuas. Esperanza y varianza de una variable aleatoria.

Estadstica II. Andrs Redchuk

11

Pre requisitos: Probabilidades

1. Experimento aleatorio, espacio muestral. 2. Definicin de probabilidad. 3. Probabilidad condicional. Teorema de multiplicacin. Teorema de probabilidad total. Teorema de Bayes. 4. Definicin de variable aleatoria. Variables aleatorias discretas. Variables aleatorias continuas. 5. Esperanza y varianza de una variable aleatoria.

Estadstica II. Andrs Redchuk

12

Pre requisitos: Probabilidades

1. Experimento aleatorio, espacio muestral.
Experimento aleatorio: Proceso de observar una caracterstica. Un experimento es determinista cuando existe un conjunto de circunstancias que, antes de su ejecucin, determinan completamente su resultado. Un experimento es aleatorio si no podemos predecir su resultado de antemano: Se conocen previamente y con exactitud los posibles resultados del experimento. Es imposible saber su resultado antes de su realizacin. Se puede repetir indefinidamente, en las mismas condiciones iniciales, obteniendo resultados distintos.

Estadstica II. Andrs Redchuk

13

Pre requisitos: Probabilidades

1. Experimento aleatorio, espacio muestral.
Cuando se realiza un experimento aleatorio diversos resultados son posibles. Denominamos espacio muestral , al conjunto de todos los resultados del experimento . Ejemplo: En el lanzamiento de un dado, = {1,2,3,4,5,6}. Se llama suceso a un subconjunto del espacio muestral: Suceso elemental, cada uno de los posibles resultados individuales del experimento. Ejemplo: Lanzar dado, A = {6}. Sucesos compuestos, uniones de los sucesos elementales. Ejemplo: Lanzar dos dado, B= {5,6}. Suceso imposible, es aquel que nunca ocurre como resultado de un experimento. Ejemplo: Lanzar dado, sacar un numero negativo.
14

Estadstica II. Andrs Redchuk

Pre requisitos: Probabilidades

1. Ejemplos de experimentos aleatorios:
Lanzar una moneda 3 veces y observar el numero de caras. Medir el peso del producto fabricado. Medir la corriente en un cable de cobre. Medir la temperatura de un fluido en un tanque (proceso industrial). Medir el caudal de un fluido que circula por una tubera. El numero mensual de reclamaciones de una compaa. El tiempo de atencin al cliente de una sucursal bancaria (o call center). El numero de artculos defectuosos de un lote de materia prima.

Estadstica II. Andrs Redchuk

15

Pre requisitos: Probabilidades

2. Definicin de probabilidad.
La probabilidad es el arma que vamos a utilizar para poder generalizar nuestras conclusiones a toda la poblacin de referencia a partir de una muestra. El Clculo de Probabilidades nos permite conocer el grado de fiabilidad o error de las conclusiones obtenidas mediante inferencia estadstica. La probabilidad se define sobre un suceso y trata de cuantificar su incertidumbre
P ( A) =
Estadstica II. Andrs Redchuk

nmero de casos favorables a A nmero de casos posibles

16

Pre requisitos: Probabilidades

2. Definicin de probabilidad.
Una probabilidad es una funcin P que asigna a cada suceso A asociado al experimento un valor real tal que verifica: 1. 2. 3. 0 P(A) 1 ; P( ) = 1 ; Si A y B son mutuamente excluyentes (su interseccin es el vaco) P(A U B) = P(A) + P(B) Si A y B no son mutuamente excluyentes P(A U B) = P(A) + P(B) - P(A I B) P(Ac) = 1 - P(A)
17

4. 5.

Estadstica II. Andrs Redchuk

Pre requisitos: Probabilidades

3. Probabilidad condicional. Teorema de multiplicacin. Teorema de probabilidad total. Teorema de Bayes.
Consiste en modificar la probabilidad de un suceso cuando se dispone de informacin adicional, es decir, consiste en cambiar la probabilidad de un suceso A cuando se sabe que otro suceso B ha ocurrido.

B A

P( A I B) P( A | B) = P( B)
Cuando calculamos P(A | B) estamos calculando la probabilidad de P(A) en el espacio reducido de B, en lugar de en el espacio muestral original . Es decir, medimos lo que mide A B con relacin a B.

Estadstica II. Andrs Redchuk

18

Pre requisitos: Probabilidades

3. Ejemplo de probabilidad condicional: lanzamos dos dados
Calculamos la probabilidad de la suma sea mayor que 7 P(suma 7) = 21/36

Supongamos que ahora sabemos que el 1 dado ha sido un numero menor que 4, calcular la probabilidad de que la suma sea mayor que siete. Ahora los posibles resultados son

P(suma 7 | 1 menor que 4) = 6/18 = 1/3

Estadstica II. Andrs Redchuk

19

Pre requisitos: Probabilidades

3. Probabilidad condicional. Teorema de multiplicacin. Teorema de probabilidad total. Teorema de Bayes.
Definicin: Diremos que dos sucesos A y B son independientes cuando se verifique

P ( A I B) = P ( A) * P ( B )
Observacin: si la P(B) es distinta de cero, el hecho de que A y B sean independientes implica que:

P( A | B) = P( A)

Estadstica II. Andrs Redchuk

20

Pre requisitos: Probabilidades

3. Probabilidad condicional. Teorema de multiplicacin. Teorema de probabilidad total. Teorema de Bayes.
1
B

Sea A1 , A2 ,..., Ai una particin de

P ( B ) = P ( B | Ai ) * P ( Ai )
2
i

Demostracin P( B) = P(( B I A1 ) U ( B I A2 ) U ... U ( B I AI )) =

= P( B I Ai ) = P ( B | Ai ) * P( Ai )
i
Estadstica II. Andrs Redchuk

i
21

Probabilidad total
Ejemplo: Supongamos que el mismo artculo es fabricado por dos mquinas, A y B. La probabilidad de que el articulo sea defectuoso dependiendo de la mquina de la que provenga y la probabilidad de que el articulo sea fabricado por cada una de las mquinas son detalladas en el diagrama de rbol. Calcular la probabilidad de que un articulo sea defectuoso.
B Defect.| A 0.022 0.978 No Defect.| A 0.36 0.64 Defect.| B 0.014 0.986 No Defect.| B Defectuoso

P(D) = P(D|A)*P(A) + P(D|B)*P(B) = 0.022*0.36 + 0.014*0.64

Estadstica II. Andrs Redchuk

22

Teorema de Bayes
3. Probabilidad condicional. Teorema de multiplicacin. Teorema de probabilidad total. Teorema de Bayes.
1 3
B

Sea A1 , A2 ,..., Ai una particin de

P( B | AI )* P( AI ) P( AI | B) = P( B | Ai )* P( Ai )
i

Demostracin

P( B I AI ) P( B | AI ) * P ( AI ) P ( AI | B ) = = P( B) P( B | Ai ) * P( Ai )
i
Estadstica II. Andrs Redchuk 23

Teorema de Bayes
Ejemplo: Sabiendo que un articulo es defectuoso. Calcular la probabilidad de que provenga del proveedor A.
Defect.| A 0.022 0.978 No Defect.| A 0.36 0.64 Defect.| B 0.014 0.986 No Defect.| B

B Defectuoso

P( A D) P(D|A)*P(A) 0.022*0.36 = = P(A | D) = P( D) P(D|A)*P(A) + P(D|B)*P(B) 0.022*0.36 + 0.014*0.64

Estadstica II. Andrs Redchuk 24

Pre requisitos: Probabilidades

4. Definicin de variable aleatoria. Variables aleatorias discretas. Variables aleatorias continuas.
Variable aleatoria: Una variable aleatoria es una variable cuyo valor numrico est determinado por el resultado del experimento aleatorio.
N de artculos defectuosos en un lote de materia prima. N de clientes atendidos al da. N de BIT transmitidos correctamente. Peso de las piezas fabricadas. Temperatura del fluido. Resistencia de un material. Corriente que circula por un cable.
25

Estadstica II. Andrs Redchuk

Pre requisitos: Probabilidades

4. Definicin de variable aleatoria. Variables aleatorias discretas. Variables aleatorias continuas.
Atendiendo al rango, las variables aleatorias se clasifican como: Discretas: El rango es finito o infinito numerable: N de artculos defectuosos en un lote de materia prima N de clientes atendidos al da N de BIT transmitidos correctamente Continuas: El rango es un intervalo de la recta real Peso de las piezas fabricadas Temperatura del fluido Resistencia de un material Corriente que circula por un cable
Estadstica II. Andrs Redchuk 26

Pre requisitos: Probabilidades

4. Definicin de variable aleatoria. Variables aleatorias discretas. Variables aleatorias continuas.
Funcin de probabilidad: A cada valor de la variable le asocia una probabilidad. E = Lanzar 2 veces una moneda X = Nmero de caras
0,6

C C X X

C X

X 0 1

PX =0.25 2/4=0.5 =0.25

0,5 0,4 0,3 0,2 0,1 0

C 2 X

Estadstica II. Andrs Redchuk

27

Pre requisitos: Probabilidades

5. Esperanza de una variable aleatoria Cunto dinero esperas ganar? Benef = -100 $ Caso discreto

Defect.| A 0.022 0.978 No Defect.| A 0.36 0.64 Defect.| B 0.014 0.986 No Defect.| B

Benef = +500 $ Benef = -200 $

E[ x] = xi P( xi )

Caso continuo Benef = +100 $

E[ x] = xi f ( xi ) dx

Estadstica II. Andrs Redchuk

28

Estadstica II
Captulo 0: Revisin de conceptos bsicos
Andrs Redchuk
andres.redchuk@uautonoma.cl