Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2 de septiembre de 2018
3 Distribución Normal
5 Distribución t de Student
6 Intervalos de Confianza
3 Distribución Normal
5 Distribución t de Student
6 Intervalos de Confianza
Unknown Known
Statistical
Inference
Medidas de localización
⇒ Media, mediana, moda.
Medidas de forma
⇒ Sesgo o asimetría, curtosis.
n
1X x1 + · · · + xn
x̄ = xi =
n n
i=1
n
2 1 X 2 Varianza y desviación
s = xi − x̄ estándar muestrales o
n−1
i=1
√ insesgadas
s= s 2
n 2
1 X
σ2 = xi − x̄
n
i=1
√
σ = σ2
x̄ − xmo x̄ − xmo
AK = ó AK =
s σ
P75 − P25
K=
2(P90 − P10 )
Media geométrica
n
!1/n
Y √
x̄g = xi = n
x1 x2 · · · xn
i=1
Media armónica
1 n
x̄a = 1 Pn 1
= Pn 1
n i=1 xi i=1 xi
3 Distribución Normal
5 Distribución t de Student
6 Intervalos de Confianza
Espacio muestral X
NN 0 x 0 1 2
RN 1 f (x) 1/4 1/2 1/4
NR 1 X
RR 2 f (x) = 1
∀x
La variable aleatoria X puede valer 0, 1 ó 2.
Espacio muestral X
NN 0 x 0 1 2
RN 1 f (x) 1/4 1/2 1/4
NR 1 X
RR 2 f (x) = 1
∀x
La variable aleatoria X puede valer 0, 1 ó 2.
Discreta Continua
i) f (x) ≥ 0, ∀x i) f (x) ≥ 0, ∀x ∈ R
P R∞
ii) f (x) = 1 ii) −∞ f (x)dx =1
∀x
Rb
iii) P(X = x) = f (x) iii) P(a < X < b) = a f (x)dx
Si X es discreta, f (x) se denomina función masa de probabilidad. Si X es
continua, entonces f (x) es una función de densidad de probabilidad.
Discreta X
F(x) = P(X ≤ x) = f (t), ∀x
∀t≤x
Continua Z x
F(x) = P(X ≤ x) = f (t)dt, ∀x ∈ R
−∞
Discreta X
µ = E(X ) = x f (x)
∀x
Continua Z ∞
µ = E(X ) = x f (x)dx
−∞
Discreta X
σ 2 = E[(X − µ)2 ] = (x − µ)2 f (x)
∀x
Continua Z ∞
2 2
σ = E[(X − µ) ] = (x − µ)2 f (x)dx
−∞
Notas:
√
La desviación estándar de X es σ = σ 2
La varianza también se puede calcular como
σ 2 = E(X 2 ) − µ2
3 Distribución Normal
5 Distribución t de Student
6 Intervalos de Confianza
1 1 x−µ 2
n(x; µ, σ) = √ e− 2 ( σ ) , −∞ < x < ∞
σ 2π
La moda ocurre en x = µ.
Es simétrica respecto a x = µ.
Se aproxima asintóticamente
al eje horizontal en ambas
direcciones.
Y = a1 X1 + · · · + an Xn
µy = a 1 µ1 + · · · + a n µn
y varianza
σy2 = a21 σ12 + · · · + a2n σn2
3 Distribución Normal
5 Distribución t de Student
6 Intervalos de Confianza
y varianza
2 1 1 σ2
σ 2 + · · · + σ 2 = 2 (nσ 2 ), 2
σX̄ = 2
σX̄ =
n | {z } n n
n términos
3 Distribución Normal
5 Distribución t de Student
6 Intervalos de Confianza
Es simétrica respecto a t = 0.
La varianza de la distribución t
depende del tamaño n de la
muestra y es siempre mayor a 1.
Cuando n → ∞, (ν → ∞),
coincide con la distribución
normal estándar n(z; 0, 1).
3 Distribución Normal
5 Distribución t de Student
6 Intervalos de Confianza
NOTA:
P −zα/2 < Z < zα/2 = 1 − α
X̄ −µ
con Z = √ .
σ/ n
En consecuencia:
X̄ − µ
P −zα/2 < √ < zα/2 = 1 − α
σ/ n
Reordenando:
σ σ
P X̄ − zα/2 √ < µ < X̄ + zα/2 √ =1−α
n n
Resulta obvio del resultado anterior que los límites de confianza son:
σ σ
µ̂L = x̄ − zα/2 √ , µ̂U = x̄ + zα/2 √
n n
Para muestras del mismo tamaño, todos los intervalos con igual grado
de confianza tienen el mismo ancho, dado que éste únicamente
depende de zα/2 .
Cuanto más grande sea zα/2 , los intervalos serán más anchos y se
podrá tener mayor confianza de que la muestra producirá un intervalo
que contenga a µ.
68.3 0.317 1
s s
x̄ − zα/2 √ < µ < x̄ + zα/2 √ , n ≥ 30
n n
Los límites de confianza son µ̂L = x̄ − tα/2 √sn , µ̂U = x̄ + tα/2 √sn .
El error de estimación de µ está acotado por |e| ≤ tα/2 √sn .
√
El error estándar estimado es e.e.s (x̄) = s/ n.