Professional Documents
Culture Documents
Variable aleatoria
Ejemplo
Nmero
de caras al lanzar 3
monedas.
Definicin
Funcin de distribucin
Valor esperado
Se
Varianza
Se
Experimentos dicotmicos.
Bernoulli
Distribucin de Bernoulli
p=1/2
10
Solucin.
11
Solucin.
12
Observacin
13
Distribucin binomial
Funcin de probabilidad
n k nk
P[ X k ] p q , 0 k n
k
Media: =n p
Varianza: 2 = n p q
14
Distribucin Binomial
Bin(n=10,p=1/2)
Bin(n=100,p=1/2)
Difcil hacer clculos con esas cantidades. El modelo normal ser ms adecuado.
Bin(n=500.000, p=1/2000)
Difcil hacer clculos con esas cantidades. El modelo de Poisson ser ms
adecuado.
15
Parecidos razonables
An no conocis la
distribucin normal, ni de
Poisson.
16
Distribucin de Poisson
k
, k 0,1,2,...
k!
17
18
de medida.
Distancia de frenado.
Altura, peso, propensin al crimen
Distribuciones binomiales con n grande (n>30) y p ni
pequeo (np>5) ni grande (nq>5).
1
f ( x)
e
2
1 x
2
19
N(, ): Interpretacin
geomtrica
Podis interpretar la
media como un factor
de traslacin.
Y la desviacin tpica
como un factor de
escala, grado de
dispersin,
Tema 5: Modelos probabilsticos
20
21
Algunas caractersticas
a distancia ,
a distancia 2 ,
a distancia 25
22
Tipificacin
x
z
23
Ejemplo
Solucin
xA A 8 6
zA
2
A
1
xB B 80 70
zB
1
B
10
Como ZA>ZB, podemos decir que el porcentaje de compaeros del mismo sistema de
estudios que ha superado en calificacin el estudiante A es mayor que el que ha
superado B. Podramos pensar en principio que A es mejor candidato para la beca.
24
25
Como ilustracin
mostramos una variable
que presenta valores
distribuidos ms o menos
uniformemente sobre el
intervalo 150-190.
Como es de esperar la
media es cercana a 170.
El histograma no se
parece en nada a una
distribucin normal con la
misma media y
desviacin tpica.
Tema 5: Modelos probabilsticos
26
A continuacin elegimos
aleatoriamente grupos de 10
observaciones de las anteriores y
calculamos el promedio.
Para cada grupo de 10 obtenemos
entonces una nueva medicin, que
vamos a llamar promedio muestral.
Observa que las nuevas cantidades
estn ms o menos cerca de la
media de la variable original.
Repitamos el proceso un nmero
elevado de veces. En la siguiente
transparencia estudiamos la
distribucin de la nueva variable.
Tema 5: Modelos probabilsticos
Muestra
1
185
190
179
174
169
163
167
170
167
160
159
152
172
179
178
183
175
183
188
159
155
178
152
165
152
185
185
175
152
152
173
169
168
27
28
Sea lo que sea lo que midamos, cuando se promedie sobre una muestra
grande (n>30) nos va a aparecer de manera natural la distribucin normal.
Tema 5: Modelos probabilsticos
29
X2 (chi cuadrado)
t- student
F-Snedecor
Significacin, p-valores,
30
Chi cuadrado
La funcin de densidad es
asimtrica positiva. Slo tienen
densidad los valores positivos.
Normalmente consideraremos
anmalos aquellos valores de la
variable de la cola de la
derecha.
Tema 5: Modelos probabilsticos
31
T de student
32
F de Snedecor
Normalmente se consideran
valores anmalos los de la
cola de la derecha.
Tema 5: Modelos probabilsticos
33
Qu hemos visto?
Bernoulli
Binomial
Poisson
Normal
Propiedades geomtricas
Tipificacin
Aparece tanto en problemas con variables cualitativas (dicotmicas,
Bernoulli) como numricas
Distribuciones asociadas
T-student
X2
F de Snedecor
34