DuocUC

Estadstica
UnidadAleatorias
III
Variables
y

distribuciones especiales
Sigla: EST400
Nombre Asignatura: Estadstica 1
Material de apoyo N 3/Unidad 3

Variable aleatoria

El resultado de un experimento aleatorio puede ser

descrito en ocasiones como una cantidad numrica.

En estos casos aparece la nocin de variable aleatoria

Funcin que asigna a cada suceso un nmero.

Las variables aleatorias pueden ser discretas o

continuas
En las siguientes diapositivas vamos a recordar
conceptos de temas anteriores, junto con su nueva
designacin. Los nombres son nuevos. Los conceptos
no.

Funcin de probabilidad (V. Discretas)

Asigna a cada posible valor

de una variable discreta su
probabilidad.

Recuerda los conceptos de

frecuencia relativa y diagrama de
barras.

Ejemplo
Nmero

de caras al lanzar 3
monedas.

Funcin de densidad (V. Continuas)

Definicin

Es una funcin no negativa de integral 1.

Pinsalo como la generalizacin del

histograma con frecuencias relativas para
variables continuas.

Para qu lo voy a usar?

Nunca lo vas a usar directamente.
Sus valores no representan probabilidades.

Para qu sirve la f. densidad?

Muchos procesos aleatorios vienen descritos por variables de forma

que son conocidas las probabilidades en intervalos.

La integral definida de la funcin de densidad en dichos intervalos

coincide con la probabilidad de los mismos.

Es decir, identificamos la probabilidad de un intervalo con el rea bajo

la funcin de densidad.

Funcin de distribucin

Es la funcin que asocia a cada valor de una

variable, la probabilidad acumulada
de los valores inferiores o iguales.

Pinsalo como la generalizacin de las

frecuencias acumuladas. Diagrama integral.

A los valores extremadamente bajos les

corresponden valores de la funcin de
distribucin cercanos a cero.

A los valores extremadamente altos les

corresponden valores de la funcin de
distribucin cercanos a uno.

Para qu sirve la f. distribucin?

Contrastar lo anmalo de una observacin concreta.

S que una persona de altura 210cm es anmala porque la funcin de

distribucin en 210 es muy alta.
S que una persona adulta que mida menos de 140cm es anmala porque
la funcin de distribucin es muy baja para 140cm.
S que una persona que mida 170cm no posee una altura nada extraa pues
su funcin de distribucin es aproximadamente 0,5.

Relacinalo con la idea de cuantil.

En otro contexto (contrastes de hiptesis) podremos observar unos

resultados experimentales y contrastar lo anmalos que son en
conjunto con respecto a una hiptesis de terminada.

Intenta comprender la explicacin de clase si puedes. Si no, ignora esto

de momento. Revisita este punto cuando hayamos visto el tema de
contrastes de hiptesis.

Valor esperado y varianza de una v.a. X

Valor esperado
Se

representa mediante E[X]

Es el equivalente a la media

Varianza
Se

representa mediante VAR[X] o 2

Es el equivalente a la varianza
Se llama desviacin tpica a

Algunos modelos de v.a.

Hay v.a. que aparecen con frecuencia en

las distintas ciencias.
Contar

xitos en experimentos dicotmicos

repetidos:
Binomial

en otras muchas ocasiones

Distribucin normal (gaussiana, campana,)

Distribucin binomial

Funcin de probabilidad
n k nk
P[ X k ] p q , 0 k n
k

Problemas de clculo si n es grande y/o p cercano a 0 o 1.

Media: =n p

Varianza: 2 = n p q

Distribucin Binomial

Si se repite un nmero fijo de veces, n, un experimento

de Bernoulli con parmetro p, el nmero de xitos sigue
una distribucin binomial de parmetros (n, p).

Lanzar una moneda 10 veces y contar las caras.

Lanzar una moneda 100 veces y contar las caras.

Bin (n=10,p=1/2)

Bin (n=100,p=1/2)
Difcil hacer clculos con esas cantidades. El modelo normal ser ms
adecuado.

El nmero de personas que enfermar (en una

poblacin de 500.000 personas) de una enfermedad
que desarrolla una de cada 2000 personas.

Bin(n=500.000, p=1/2000)
Difcil hacer clculos con esas cantidades.

Distribucin normal o de Gauss

Aparece de manera natural:

Errores

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).

Est caracterizada por dos parmetros: La media, ,

y la desviacin tpica, .
2
Su funcin de densidad es:

1
f ( x)
e
2

1 x

N(, ): Interpretacin
geomtrica

Puedes interpretar la
media como un factor
de traslacin.

Y la desviacin tpica
como un factor de
escala, grado de
dispersin,

N(, ): Interpretacin probabilista

Entre la media y una

desviacin tpica
tenemos siempre la
misma probabilidad:
aprox. 68%

Entre la media y dos

desviaciones tpicas
aprox. 95%

Algunas caractersticas

La funcin de densidad es simtrica, mesocrtica y unimodal.

Media, mediana y moda coinciden.

Los puntos de inflexin de la fun. de densidad estn a distancia de .

Si tomamos intervalos centrados en , y cuyos extremos estn

a distancia ,
a distancia 2 ,
a distancia 25

tenemos probabilidad 68%

tenemos probabilidad 95%
tenemos probabilidad 99%

No es posible calcular la probabilidad de un intervalo simplemente

usando la primitiva de la funcin de densidad, ya que no tiene primitiva
expresable en trminos de funciones comunes.

Todas las distribuciones normales N(, ), pueden ponerse mediante una

traslacin , y un cambio de escala , como N(0,1). Esta distribucin
especial se llama normal tipificada o normal estndar.

Justifica la tcnica de tipificacin, cuando intentamos comparar individuos

diferentes obtenidos de sendas poblaciones normales.

Tipificacin

Dada una variable de media y desviacin tpica , se denomina

valor tipificado,z, de una observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones tpicas, es decir

x
z

En el caso de variable X normal, la interpretacin es clara: Asigna a

todo valor de N(, ), un valor de N(0,1) que deja exctamente la
misma probabilidad por debajo.

Nos permite as comparar entre dos valores de dos distribuciones

normales diferentes, para saber cul de los dos es ms extremo.

Tabla N(0,1)

Z es normal estndar
Calcular P[Z<1,85]

Solucin: 0,968 = 96,8%

Tabla N(0,1)

Z es normalestndar
Calcular P[Z<-0,54]

Solucin: 1-0,705 = 0,295

Tabla N(0,1)

Z es normal estndar
Calcular P[-0,54<Z<1,85]

Solucin: 0,968-0,295= 0,673

Ejemplo: Clculo con probabilidades normales

El colesterol en la poblacin tiene distribucin

normal, con media 200 y desviacin 10.

Qu porcentaje de individuos tiene

colesterol inferior a 210?

Qu valor del colesterol slo es superado por

el 10% de los individuos.

Todas las distribuciones normales son similares salvo traslacin y cambio de

escala: Tipifiquemos.

210 200

1
10

P[ Z 1,00] ( ver tabla) 0,841

El valor del colesterol que slo supera el 10% de los individuos es el percentil 90.
Calculemos el percentil 90 de la N(0,1) y deshacemos la tipificacin.

x 200
1,28
10
x 200 10 1,28 212,8

Ejemplo: Tipificacin

Se quiere dar una beca a uno de dos estudiantes de

sistemas educativos diferentes. Se asignar al que
tenga mejor expediente acadmico.
El estudiante A tiene una calificacin de 8 en un sistema
donde la calificacin de los alumnos se comporta como
N(6,1).
El estudiante B tiene una calificacin de 80 en un sistema
donde la calificacin de los alumnos se comporta como
N(70,10).

Solucin

No podemos comparar directamente 8 puntos de A frente a

los 80 de B, pero como ambas poblaciones se comportan
de modo normal, podemos tipificar y observar las
puntuaciones sobre una distribucin de referencia N(0,1)

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.

Qu hemos visto?

En v.a. hay conceptos equivalentes a los de temas

anteriores
Funcin de probabilidad Frec. Relativa.
Funcin de densidad histograma
Funcin de distribucin diagr. Integral.
Valor esperado media,

Hay modelos de v.a. de especial importancia:

Binomial
Normal

Propiedades geomtricas
Tipificacin
Aparece tanto en problemas con variables cualitativas
(dicotmicas, binomial) como numricas