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

la esperanza de la variable aleatoria

y se denota por
, si esta existe.

,a

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

tiene:

existe si y slo si

existe y se

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,

toma

. La varianza no es homognea: si

, los valores que

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

son independientes, entonces:

Demostracin : Las dos primeras propiedades son consecuencia directa de la

definicin. Para la tercera, si
entonces

son independientes,
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
Entonces, para todo

una variable aleatoria que admite una varianza.

:

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

Ley exponencial

sigue la ley

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
de

, s2 es un estadstico insesgado

. Adems, si se cumplen las condiciones necesarias para la ley de los

grandes nmeros, s2 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 c 1, c2, ... ck entonces

Se puede demostrar fcilmente que

.
Propiedades de la varianza.
Supongamos que tenemos las siguientes observaciones x 1, ..., 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

;

es

observaciones, con

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
derivada a partir de una distribucin chi-cuadrado.

puede ser

Teorema 2.
Si se tiene una muestra aleatoria
normal con varianza

tomada de una poblacin

es la varianza muestral

entonces
Se dice entonces que X
distribucin chi-cuadrado con n-1 grados de libertad.

tiene una

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

representar con

el valor

. Se acostumbra

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
obtener a partir de una distribucin F.
Teorema 3. Sean

que

Teorema 4. Sea

se puede

variables aleatorias independientes tales

y sea

entonces
una muestra aleatoria tal que

y sea
una muestra aleatoria tal que
muestras son independientes,

; si las

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

entonces, de la tabla F se tiene que.