Propiedades de la varianza

Si X es una variable aleatoria con funcin de probabilidad o densidad f(x), la varianza de una
funcin de la variable X , m(x) , se calcula segn la expresin:

Casos concretos:

1. Cuando a todos los valores de una variable se les suma una constante, la varianza de la
variable conserva el mismo valor (ver imagen en las propiedades de la media)

2. Cuando a todos los valores de una variable se les multiplica por una constante, la varianza de
la variable queda multiplicada por el valor de la constante elevado al cuadrado (ver imagen en las
propiedades de la media)

3. Si X e Y son dos variables aleatorias con funcin de densidad o probabilidad conjunta f(x,y), la
varianza de la funcin m(x,y) = a X b Y, donde a y b son constantes reales se calcula como:

En el caso de que a = b = 1

Si adems ocurre que X e Y sean independientes xy = 0 , luego

Varianza

Definicin 3.13 Se llama varianza de y se denota por , a la esperanza de la variable

aleatoria , si esta existe.

Se demuestra que la existencia de la varianza implica la existencia de la esperanza. Por el
contrario, una variable aleatoria puede tener una esperanza pero no tener varianza. Es el caso, por
ejemplo, si tiene por densidad:

El clculo de las varianzas se simplifica, con frecuencia, gracias al siguiente resultado.

Proposicin 3.14 La varianza de existe si y slo si existe y se tiene:

Demostracin : Para pasar de la definicin a la formula anterior, basta desarrollar el cuadrado y

emplear la linealidad de la integral.
La varianza mide cuanto se alejan del valor medio, , los valores que toma . La varianza

no es homognea: si es una longitud expresada en metros, est expresada en

metros cuadrados. Esto se corrige introduciendo la desviacin estndar que es la raz cuadrada de
la varianza. Las propiedades principales de la varianza son las siguientes.

Proposicin 3.15

Para todo : .

Para todo : .

Si e son independientes, entonces:

Demostracin : Las dos primeras propiedades son consecuencia directa de la definicin. Para la

tercera, si e son independientes, entonces y tambin lo

son. Tenemos por tanto:
La desigualdad de Bienaym-Tchebichev que presentamos a continuacin traduce la idea intuitiva

que los valores que toma se separan menos de segn es ms pequea. El

caso extremo es el de una variable aleatoria de varianza nula, la cual solamente puede tomar un
valor.

Teorema 3.16 Sea una variable aleatoria que admite una varianza. Entonces, para

todo :

Demostracin : Demostraremos este resultado para las variables continuas, el razonamiento para

las variables discretas es anlogo. Pongamos . Se tiene:

Presentamos algunos ejemplos de clculos de la varianza.

Ley de Bernoulli :
por tanto:

Ley binomial :

suma de Bernoullis independientes

Ley geomtrica :

por tanto:
Ley de Poisson :

por tanto:

Ley uniforme :

por tanto:

Si sigue la ley , sigue la ley .

Ley exponencial :

por partes

por tanto:

Ley normal :

por tanto:

Si sigue la ley , sigue la ley .

La tabla que presentamos a continuacin da las varianzas de las leyes usuales, discretas y
continuas.

Propiedades de la varianza

Algunas propiedades de la varianza son:

siendo a y b nmeros reales cualesquiera. De esta

propiedad se deduce que la varianza de una constante es cero, es decir,

, donde Cov(X,Y) es
la covarianza de X e Y.

, donde Cov(X,Y) es
la covarianza de X e Y.

[editar]Varianza muestral

En muchas situaciones es preciso estimar la varianza de una poblacin a partir de una muestra. Si
se toma una muestra con reemplazamiento de n valores de ella, de entre todos
los estimadores posibles de la varianza de la poblacin de partida, existen dos de uso corriente:

Cuando los datos estn agrupados:

A los dos (cuando est dividido por n y cuando lo est por n-1) se los denomina varianza muestral.
Difieren ligeramente y, para valores grandes de n, la diferencia es irrelevante. El primero traslada
directamente la varianza de la muestra al de la poblacin y el segundo es un estimador
insesgado de la varianza de la poblacin. De hecho,
mientras que

[editar]Propiedades de la varianza muestral

Como consecuencia de la igualdad , s2 es un estadstico insesgado de . Adems,

2
si se cumplen las condiciones necesarias para la ley de los grandes nmeros, s es un estimador
consistente de .

Ms an, cuando las muestras siguen una distribucin normal, por el teorema de
Cochran, tiene la distribucin chi-cuadrado:

a cantidad S2 se llama varianza muestral y tiene un valor fundamental en el anlisis estadstico, su

interpretacin es como sigue: es el promedio de las desviaciones cuadrticas respecto de la media.
Si las observaciones estn distribuidas en las clases c1, c2, ... ck entonces

Se puede demostrar fcilmente que

Propiedades de la varianza.

Supongamos que tenemos las siguientes observaciones x1, ..., xi, ..., xn, cuya varianza la

denotaremos por . Supongamos que sobre cada una de estas observaciones realizamos la
siguiente transformacin

Entonces para estas nuevas observaciones transformadas linealmente calcularemos su varianza,

esto es

Resultado muy lgico a pesar de lo extraordinario. Notemos lo siguiente, que si tenemos una serie

de observaciones, a saber , entonces si hacemos un "traslado" de todas estas

observaciones a una distancia que nos interesa, como por ejemplo

entonces lo que nos dice la propiedad anterior, que la varianza es la misma que las observaciones
anteriores. Es decir que si trasladamos "conjuntamente" las observaciones a otro sitio, las
observaciones siguen manteniendo el mismo grado de dispersin.
Finalmente, si hacemos un cambio de escala, es decir multiplicamos cada una de las observaciones
por una cantidad constante, entonces la varianza de este cambio de escala ser proporcional a la
anterior en un factor cuadrtico de la cantidad constante.

La siguiente propiedad es de suma importancia. Supongamos que tenemos los siguientes datos
estadsticos distribuidos de la siguiente manera:

Supongamos que cada fila tiene media y varianza , con . Entonces la varianza de

todas observaciones que son satisfacen la siguiente relacin

Veamos su demostracin. La varianza total de las observaciones, con

; es


Medidas de variabilidad

La varianza muestral

Se puede definir como el "casi promedio" de los cuadrados de las desviaciones de los datos con
respecto a la media muestral. Su formula matemtica para el caso de datos referentes a una
muestra es:

Y para el caso de datos de una poblacin es dada por

Propiedades de la varianza

Dos propiedades importantes de la varianza son:

1. La varianza de una constante es cero

2. Otra propiedad importante es que si se tiene la varianza de de un conjunto de datos y

a cada observacin se multiplica por una constante , entonces la nueva varianza de los
datos se obtiene multiplicando a la varianza de los datos por .

Ejemplo

La varianza muestral para los datos del ejemplo 1 de la clase 04, se determina de la siguiente
manera

Ejemplo propiedades de la varianza

Retomando el ejemplo 4 de la clase 04 y suponiendo que la varianza de los salarios del ao 2000
fu 100.000, se tiene que la varianza para los salarios del ao 2001 es
a varianza muestral

Si S es la varianza de una muestra aleatoria de tamao n que se toma de una poblacin normal

que tiene varianza la distribucin de S puede ser derivada a partir de una distribucin chi-
cuadrado.

Teorema 2.

Si se tiene una muestra aleatoria tomada de una poblacin normal con

varianza y es la varianza muestral

entonces Se dice entonces que X tiene una distribucin

chi-cuadrado con n-1 grados de libertad.

Observaciones.

1.La expresin grados de libertad se puede interpretar como el nmero de trminos

independientes en la suma. Por ejemplo, en la expresin solo

hay trminos cuadrados independientes ya que como entonces

podemos calcular cualquiera de los desvos en trminos de los restantes.

2.La distribucin chi-cuadrada es sesgada a la derecha. Los grados de libertad indicarn diferentes
formas de la curva de la densidad. El grfico 1 presenta dichas curvas.

FALTA!!11------------------Grfico 1. Distribucin chi cuadrado para diferentes grados de libertad.-----

-----------

Tomado de Probabilidad y estadstica aplicadas a la ingeniera, Douglas C. Montgomery y George

C. Runger

3.El grfico 2 presenta el rea sombreada que indica la probabilidad de que una muestra aleatoria

produzca un valor mayor que un valor especfico , esta probabilidad se calcula como el

rea a la derecha de . Se acostumbra representar con el valor por arriba del que
encontramos un rea de
-----------------------Grfico 2. Valores tabulados para la distribucin chi cuadrado.----------------

Tomado de Probabilidad y estadstica aplicadas a la ingeniera, Douglas C. Montgomery y George

C. Runger

El cociente de dos variazas muestrales

Sean y las varianzas muestrales obtenidas a partir de muestras aleatorias independientes

de tamao m y n tomadas de poblaciones normales con varianzas y respectivamente. La

distribucin de se puede obtener a partir de una distribucin F.

Teorema 3. Sean y variables aleatorias independientes tales que y y

sea entonces

Teorema 4. Sea una muestra aleatoria tal que y

sea una muestra aleatoria tal que ; si las muestras son

independientes,

Nota 1. Si entonces

La distribucin F es no negativa, tiene sesgo hacia la derecha y se encuentra centrada en 1. La

pareja de valores u y v proporcionan formas diferentes en la distribucin. Ver grfico 3.

------------------------Grfico 3. Formas diferentes de la distribucin F.---------------------

Tomado de Probabilidad y Estadstica para Ingenieros. Walpole, Myers, Myers.

Los puntos crticos de la distribucin F estn dados en la tabla del final. Sea el punto crtico
de la distribucin F con u grados de libertad en el numerador y v grados de libertad en el
denominador, tal que la probabilidad de que la variable aleatoria F sea mayor que este valor es:
 Esto se ilustra en el grfico 4.

Grfico 4. Valores tabulados para la distribucin F.

Tomado de Probabilidad y Estadstica para Ingenieros. Walpole, Myers, Myers.

Por ejemplo, si y entonces, de la tabla F se tiene que.