Professional Documents
Culture Documents
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
Varianza
Proposicin 3.15
Para todo : .
Para todo : .
Demostracin : Las dos primeras propiedades son consecuencia directa de la definicin. Para la
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
Ley de Bernoulli :
por tanto:
Ley binomial :
Ley geomtrica :
por tanto:
Ley de Poisson :
por tanto:
Ley uniforme :
por tanto:
por partes
por tanto:
Ley normal :
por tanto:
Propiedades de la varianza
, 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:
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
Ms an, cuando las muestras siguen una distribucin normal, por el teorema de
Cochran, tiene la distribucin chi-cuadrado:
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
Resultado muy lgico a pesar de lo extraordinario. Notemos lo siguiente, que si tenemos una serie
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
; 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:
Propiedades de la varianza
Ejemplo
La varianza muestral para los datos del ejemplo 1 de la clase 04, se determina de la siguiente
manera
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.
Observaciones.
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.
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.----------------
sea entonces
Nota 1. Si entonces
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.