Professional Documents
Culture Documents
2
).
6. Si X ~ N(
x
,
x
2
) e Y ~ N(
y
,
y
2
) son variables aleatorias normales independientes,
entonces:
o Su suma est normalmente distribuida con U = X + Y ~ N(
x
+
y
,
x
2
+
y
2
)
(demostracin). Recprocamente, si dos variables aleatorias independientes tienen
una suma normalmente distribuida, deben ser normales (Teorema de Crmer).
o Su diferencia est normalmente distribuida con
.
o Si las varianzas de X e Y son iguales, entonces U y V son independientes entre s.
o La divergencia de Kullback-Leibler,
Si e son variables aleatorias independientes
normalmente distribuidas, entonces:
o Su producto XY sigue una distribucin con densidad p dada por
donde K
0
es una funcin de Bessel modificada
de segundo tipo.
o Su cociente sigue una distribucin de Cauchy con X / YCauchy(0,
X
/
Y
). De este
modo la distribucin de Cauchy es un tipo especial de distribucin cociente.
Si son variables normales estndar independientes, entonces
sigue una distribucin con n grados de libertad.
Si son variables normales estndar independientes, entonces la media
muestral y la varianza muestral
son independientes. Esta
propiedad caracteriza a las distribuciones normales y contribuye a explicar por qu el test-F no es
robusto respecto a la no-normalidad).
Interpretacin y aplicacin
La desviacin estndar es una medida del grado de dispersin de los datos con respecto al
valor promedio. Dicho de otra manera, la desviacin estndar es simplemente el
"promedio" o variacin esperada con respecto a la media aritmtica.
Por ejemplo, las tres muestras (0, 0, 14, 14), (0, 6, 8, 14) y (6, 6, 8, 8) cada una tiene una
media de 7. Sus desviaciones estndar muestrales son 8,08, 5,77 y 1,33, respectivamente.
La tercera muestra tiene una desviacin mucho menor que las otras dos porque sus valores
estn ms cerca de 7.
La desviacin estndar puede ser interpretada como una medida de incertidumbre. La
desviacin estndar de un grupo repetido de medidas nos da la precisin de stas. Cuando
se va a determinar si un grupo de medidas est de acuerdo con el modelo terico, la
desviacin estndar de esas medidas es de vital importancia: si la media de las medidas est
demasiado alejada de la prediccin (con la distancia medida en desviaciones estndar),
entonces consideramos que las medidas contradicen la teora. Esto es coherente, ya que las
mediciones caen fuera del rango de valores en el cual sera razonable esperar que ocurrieran
si el modelo terico fuera correcto. La desviacin estndar es uno de tres parmetros de
ubicacin central; muestra la agrupacin de los datos alrededor de un valor central (la
media o promedio).