Professional Documents
Culture Documents
(Actualizada al 11-08-12)
El documento fue realizado en base al libro: Probabilidad y estadstica para la ciencia y la tecnologa Walpole. El mismo fue recomendado en la cursada. El apunte no contiene la totalidad de las demostraciones a conocer por parte del alumno a la hora de dar el examen, solo sirve como ayuda una vez conocidos los temas de forma adecuada. El resumen no busca reemplazar a los libros ni a la teora dada en clase. El resumen puede contener nomenclatura que la cual no coincida con los apuntes tomados en clase. Realizado por: Fernando (F.E.P) para:
UTNnianos
www.utnianos.com.ar
Pgina 2 de 29
Unidad I - Probabilidad.
Experimento: Proceso que genera un conjunto de datos. Espacio muestral: Conjunto de todos los resultados posibles de un experimento estadstico. Se representa con el smbolo S. Suceso o evento: Sub conjunto del espacio muestral. - Evento imposible: - Evento cierto: S - Suceso binario: {o,1} (dos resultados posibles) Operaciones entre eventos (sucesos) Suceso unin: - Mutuamente excluyentes: = 0 - No son mutuamente excluyentes: 0 Suceso interseccin: - Independientes. Ej: Un dado. - No independientes -> condicionados. Ej: Mazo de cartas. Complemento: A -> A; Ac Propiedad: Au AC P(a) + P(Ac) = 1
Leyes de De Morgam: o o = =
1 0 1 2 = 1 3 = + = 0 Pgina 3 de 29
Probabilidad condicional: = ()
Pgina 4 de 29
Teorema de Bayes.
Si los eventos: 1 , 2 , , constituyen una particin del espacio muestral S, donde 0 / 1 ,2,3. . entonces para cualquier evento A en S tal que () 0 se cumple: = =1 ( = =1 = 1,2, ,
()
Si los eventos 1 , 2 , , constituye una particin del espacio muestral S tal que ( ) 0 para i=1,2,3,.,k entonces cualquier evento de A de S:
=
=1
( ) =
=1
(| )
Pgina 5 de 29
Tipos de variables:
Discretas: Una variable aleatoria se llama: Varaible aleatoria discreta (V.A.D) si se puede contar su conjunto de resultados posibles. Continuas: Una variable aleatoria cuyo conjunto de valores posibles es un intervalo completo de nmeros no es discreta.
Funciones: Funcin de probabilidad variable discreta. Funcin de densidad de probabilidad variable continua Funcin de distribucin o probabilidad acumulada (V.D) Funcin de distribucin o probabilidad acumulada ( V.C)
= ( = )
Definicin:
El conjunto de pares ordenados (, ) es una funcin de probabilidades o distribucin de probabilidad de la variable aleatoria X si para cada resultado posible de X: 0 = 1 = =
Pgina 6 de 29
Definicin: La funcin f(x) es una funcin de densidad de probabilidad para la variable aleatoria continua X, definida en el conjunto de nmeros reales R si:
0 = 1 < < =
+
= =
Funcin de distribucin o probabilidad acumulada (V.C) Definicin: La funcin de distribucin acumulada F(x) de una variable aleatoria continua X con funcin de densidad f(x) es:
Esperanza o valor esperado de una variable aleatoria. Sea X una variable aleatoria con distribucin de probabilidad f(x) la media o valor esperado de X es:
Pgina 7 de 29
Si X es discreta: = =
. ()
Si S es continua:
+
= =
Teorema:
Sea X una variable aleatoria con distribucin de probabilidad f(x). El valor esperado de la variable aleatoria g(x) es:
Si X es discreta: ( ) = =
( ) . ( )
Si X es continua:
+
( ) =
() .
Propiedades de la esperanza.
1 2 3 4 5
= = . = + = . . . = . ()
Pgina 8 de 29
= = = = =
2 2 + 2 2 + 2 + 2 2 2 + 2 2 2
2 . ()
2 =
2 .
Propiedades de varianza. 1 2 3 4 5 = 0 = 2 + = 2 . + = + . = + ()
Teorema Sea X una variable aleatoria con distribucin de probabilidad f(x). La varianza de la variable aleatoria g(x) es:
Pgina 9 de 29
Si es discreta:
2 ( ) = 2
Si es continua:
2 ( ) = + 2 2
Pgina 10 de 29
Caractersticas:
(1) Sucesos dicotmicos: - xito (P) - Fracaso (Q) (me interesa que salga lo que quiero si no, no me importa) - = - = - = 1 ; + = 1 (2) Ocurre en n pruebas o repeticiones independientes. (3) Se mantiene probabilidad constante de prueba en prueba. (4) Se denota como: ~B(n, p) Donde: N: Cantidad de ensayos; P: Probabilidad de xito en 1 ensayo. X: Numero de xito en n eventos. (5) ~B n, p = b x, n, p = = . . 1
Pgina 11 de 29
Distribucin hipergeomtrica. La distribucin hipergeomtrica encuentra aplicaciones en el muestreo de aceptacin, donde lotes de material o las partes se muestran con la finalidad de determinar si se acepta o no el lote completo. Ej: Mazo de 40 cartas -> extraigo 8 -> 3 de oro; 5 cualesquiera. =
10 3 40 8 30 5
= 3; = 5 =
Caractersticas:
(1) Esperanza: =
Donde: N: Lote. N: Elementos que tomo al azar. K: Nmero de xitos. (2) Varianza: = 1
Distribucin de Poisson.
Caractersticas:
(1) Sucesos raros que suceden en un continuo. Continuo: - Temporal - Espacial: longitud, superficie, volumen. (2) (3) (4) (5) La variable aleatoria X es el nmero de sucesos raros que ocurren en un continuo. Recorrido: = 0,1,2,3,4, . . , . . Parmetro: (lambda) > Valor esperado. Se expresa como: ~Poi con > 0
Pgina 12 de 29
= = = t Donde:
t k !
Distribucin uniforme. Caractersticas: (1) Se expresa como: ~Unif a, b (2) La funcin de densidad de la variable aleatoria uniforme continua X en el intervalo [a,b] es:
1 , , = 0
+ 2 2 12
Distribucin exponencial. Aplicacin: - Tiempo medio entre fallas. - Cantidad de continuo entre eventos de Poisson.
Pgina 13 de 29
0 1 > 0
(6) Propiedad Prdida de memoria. Sea: ~exp () = Entonces: > + > = = ( > ) > 0 0 0
Covarianza: , = [( ()( ]
Pgina 14 de 29
1 2 .
1 2 2
Distribucin Normal estndar. (1) (2) (3) (4) Se expresa como: ~ (0,1) = 0 = 1 Funcin que describe:
1 2
1 2
Si ~ , => =
~ 0,1
= +
Pgina 15 de 29
Distribucin Gamma.
Caractersticas:
(1) Se expresa como: ~ ( , ) Donde: : Parmetro de la forma. : Parmetro de la escala. (2) Funcin gamma:
+
=
0
Pgina 16 de 29
Unidad IV Estimacin.
Estadstica inferencial: - Estimadores puntuales. - Intervalos de confianza. - Test de hiptesis. (Unidad V) Estadstica descriptiva: - Media muestral. - Varianza muestral. - Desvi estndar. - Mediana - Moda o modo - Coeficiente de variabilidad. -
Nota: La estadstica descriptiva se ocupa del anlisis de datos. Representacin del resultado de un experimento.
Poblacin: Totalidad de observaciones que nos interesan, de nmero finito o infinito. Muestra: Sub-conjunto de la poblacin. Nota: Si se eligen muestras seleccionando a los miembros ms convenientes de la poblacin puede producir una estimacin errnea con respecto a la poblacin. Cualquier procedimiento que sobreestime o subestime alguna caracterstica de la poblacin se dice que esta SESGADO para eliminar el sesgo se toman muestras de forma aleatoria.
Definicin:
Sean X1, X2, , Xn variables aleatorias independientes, cada una con la misma distribucin de probabilidad (I.I.D) f(x). Definimos X1, X2, , Xn como una muestra aleatoria de tamao n de la poblacin f(x) y escribimos su distribucin de probabilidad conjunta como: 1 , 2 , . = 1 2 . .
Pgina 17 de 29
Si X1,X2,,Xn representa una muestra aleatoria de tamao n, entonces la media de la muestra se define mediante el estadstico: = Donde: .
Definicin:
=1
Cualquier funcin de las variables aleatorias X1, X2, , Xn que forman una muestra aleatoria se llama ESTADISTICO.
Mediana de la muestra: El que est en el medio de la muestra. Se busca el valor: = 2 Moda o Modo: Valor de la serie de mayor frecuencia, nomenclatura: Varianza de la muestra: La variabilidad en la muestra es como se dispersan las observaciones a partir del promedio. = Definicin: Si X1, X2, , Xn representa una muestra aleatoria de tamao n, entonces la varianza de la muestra se define con el estadstico:
=
=1
Pgina 18 de 29
Como un estadstico es una variable aleatoria que depende solo de la muestra observada, debe tener una distribucin de probabilidad. La distribucin de probabilidad de un estadstico se llama distribucin muestral. La distribucin de probabilidad de se llama distribucin muestral de la media, est depende del tamao de la poblacin y del mtodo de eleccin de datos.
Distribuciones muestrales: - Normal - Chi-Cuadrado - T-Student - F-Snedecor
Estimadores puntuales: Dado (X1, X2, , Xn) llamamos estamiador a cualquier funcin de la muestra aleatoria.
Pgina 19 de 29
es insesgado si = 0
(2) Eficiencia relativa: Si 1 y 2 son dos estimadores insesgados de , decimos que 1 es ms eficiente que 2 si (1 ) < (2 )
Pgina 20 de 29
Desvi estndar:
(X1,X2,,Xn) ~ , Si ~ , entonces la variable media muestral se distribuye en forma exactamente normal. ~(,
(2) Distribucion asinttica. Teorema central del lmite (VER HOJA DE FORMULAS) Sean (X1,X2,,Xn) una sucesin de variables aleatorias independientes e idnticamente distribuidas (I.I.E.D) tales que = y = 2 , ( 30)
Pgina 21 de 29
Distribucin Chi-Cuadrado. Si S2 es la varianza de una muestra aleatoria de tamao n que se toma de una poblacin normal que tiene la varianza 2 , entonces el estadstico: 1 2 2
= Distribucin T-Student.
1 2 ~ 2 1 2
Aplicacin: Se utiliza para inferencia sobre la media poblacional cuando 2 desconocido. Si + 30 entonces ~ ,
es
~(0,1)
Distribucin de =
=1
Esperanza de : = Varianza de : =
Pgina 22 de 29
La estimacin por intervalo de un parmetro poblacional es un intervalo de la forma donde . A medida que se aumenta el tamao de la muestra, nuestra estimacin est ms cerca del parmetro lo cual tiene como resultado un intervalo ms pequeo. De esta manera, el intervalo estimado, indica por su longitud, la precisin de la estimacin puntual. Tipos:
(1) (2) (3) (4) Intervalo de confianza para la media poblacional. Intervalo de confianza par la media poblacional con 2 desconocido. Intervalo de confianza para la proporcin P. Intervalo de confianza para la varianza poblacional.
Intervalo de confianza para estimar la media poblacional. Muestra aleatoria {X1,X2,.,Xn} V.A.I.I.D ~(, ) con desconocida y conocida. Estimador: =
~(0,1)
: ( 1
; + 1
Observaciones:
(1) El intervalo de confianza est centrado en (2) Longitud del intervalo: 2 . 1 (4) Error: = 1
2
~1
: (
; +
Pgina 23 de 29
~(0,1)
: ( 1
; + 1 2
2 1
: (
1 2 1 2 ; ) 2 2
2
1
Relacin entre error y confiabilidad: Para n: fijo mayor precisin -> menor confiabilidad y viceversa. Si se quiere mejorar la precisin sin perder confiabilidad debe aumentarse el tamao de la muestra. Intervalo ms amplio -> mayor longitud.
Pgina 24 de 29
Papel de probabilidad en la prueba de hiptesis: El rechazo de una hiptesis implica que la evidencia de la muestra la refuta. Por otro lado significa que hay una pequea probabilidad de obtener la informacin muestral observada cuando, de hecho, la hiptesis es verdadera. El planteamiento de una hiptesis est influido por la estructura de la probabilidad de una conclusin errnea. Ej: Para probar que un medidor es ms preciso que otro el ingeniero prueba la hiptesis de que no hay diferencia en la precisin de los dos tipos de medidores.
Se refiere a cualquier hiptesis que deseamos probar y se denota con H0. Nota: El rechazo de H0 conduce a la aceptacin de una hiptesis alternativa que se denota con H1.
Hiptesis alternativa: Representa la pregunta que debe responderse, la teora que debe probarse y, por ello, su especificacin es muy importante. Nota: La hiptesis nula H0 anula o se opone a H1
Pgina 25 de 29
Decisiones en hiptesis.
Dos decisiones:
Rechazo H0: Siendo H0 falsa -> CORRECTO Siendo H0 verdadera -> ERROR TIPO I
Acepto H0: Siendo H0 falsa -> ERROR TIPO II Siendo H0 verdadera -> CORRECTO
Error tipo I:
Probabilidades. P P P P rechazar H0 falsa = potencia del test = 1 rechazar H0 verdadera = nivel de significacin = aceptar H0 falsa = aceptar H0 verdadera = 1
Nota: Si para un tamao de muestra fijo: Si reducimos la probabilidad de cometer un error de tipo II, aumenta la probabilidad de cometer un error de tipo I. La probabilidad de cometer ambos errores se puede disminuir al aumentar el tamao de la muestra.
Pgina 26 de 29
Potencia del test. La potencia de una prueba () es la probabilidad de rechazar H0 dado que una alternativa especfica es verdadera, se puede calcular como: 1-
Test o prueba de hiptesis para la media (de una poblacin) con varianza conocida. Estadstico de prueba: = Casos:
0
~(0,1)
Caso 1
Caso 2
Caso 3
0: = 0 1: > 0
0: = 0 1: < 0
0: = 0 1: 0
Para los test restantes solo variar el estadstico de prueba, segn los estimadores vistos en cada uno de los intervalos de confianza.
Pgina 27 de 29
> 0 ; =
Pgina 28 de 29
= 0 + 1
Obtencin de los coeficientes de la recta: 1 =
0 = 1
Coeficiente de determinacin: 2 =
Pgina 29 de 29