96

Sumas y Promedios de Variables Aleatorias

Definicin: Sea X1, ..., Xn una coleccin de n variables
aleatorias, diremos que esas variables constituyen una
muestra aleatoria de tamao n si
(a)
(b)

las Xis son v.a. independientes

cada Xi tiene la misma distr. de probabilidad

Cuando se cumplan (a) y (b) diremos en forma indistinta

que las Xis son v.a. independientes e identicamente
distribuidas (v.a. i.i.d.)
Una muestra aleatoria, m.a., describe el comportamiento de
los datos tomados al azar de la misma poblacin.
Hemos visto que:
1) si los valores observados se obtienen mediante un
muestreo aleatorio con reposicin de una poblacin
finita, (a) y (b) se cumplen exactamente
2) si el muestreo se realiza sin reposicin de una poblacin
finita de tamao N mucho mayor que el tamao muestral
n, (a) y (b) se satisfacen aproximadamente , pero a los
fines prcticos pueden ser considerados como una
muestra aleatoria
Los valores observados de las variables aleatorias X1, ..., Xn
se los identifica por x1, ..., xn
Ya hemos visto en el captulo de estadstica descriptiva los
siguientes estadsticos:
X

1 n
Xi
n i 1

Media Muestral,

T Xi
i 1

Total Muestral

97

Son variables aleatorias. Les podemos calcular su esperanza

y su varianza.
Veamos cual es la esperanza y la varianza de la suma de
variables aleatorias i.i.d. (la suma corresponde al total
muestral si las v.a. son i.i.d)

i 1

i 1

i 1

i 1

E ( Xi ) E ( Xi )
Var ( X i ) Var ( X i )

SIEMPRE!!!!
SOLAMENTE cuando las v.a.
X1, ..., Xn son independientes

Ahora podremos demostrar fcilmente:

Proposicin
X~Bi ( n, p ) E ( X ) = n p

y Var ( X ) = n p ( 1 - p )

Demostracin:
X puede escribirse como una suma de v.a.i. X1, ..., Xn
X = no de xitos en un experimento binomial
Xi = no de xitos en la i -esima prueba del experimento
binomial - variable Bernouilli

0 si el resultado es F
Xi
1 si el resultado es E

p X i (1) p

p X i (0) 1 - p

98

Para cada Xi tenemos que

E ( Xi ) = 0 pXi (0) + 1 pXi ( 1 ) = p
E ( Xi2) = 02 pXi (0) + 12 pXi ( 1 ) = p
Var ( Xi ) = E ( Xi2) - [E ( Xi )]2 = p - p2
Para la suma de las Xi resulta
n

E(X ) E ( Xi ) E ( Xi ) n p
i 1

i 1

i 1

i 1

como
queramos
demostrar

Var ( X ) Var ( Xi ) Var ( Xi ) n p ( 1 - p )

Propiedades de la media muestral y la varianza muestral

Si X1, ..., Xn es una m.a. de una poblacin con media y
varianza 2 entonces
i) E (X )
ii) E ( S 2 ) E (

ii) Var (X ) 2 /n
in1 (X i X )
n -1

) 2

Decimos que
X

es un estimador insesgado de

S2 es un estimador insesgado de 2
SUMAS y ms sumas
En general es difcil calcular la distribucin de la suma o de una combinacin lineal de n
v.a. independientes, an cuando tengan la misma distribucin. Sin embargo, en los casos
siguientes, la distribucin de la suma o de combinaciones lineales es conocida.

99

Sean X 1 , X 2 ,...., X n v.a. independientes. Si

1)

X i ~ Bi ( ni , p) ,

entonces

X i ~ Bi (1, p ) i ,

entonces

i 1

2)

X i ~ P ( i ) ,

X i ~ ( ni , ) ,

entonces

5)

X i ~ N (0,1)

entonces

6)

X i ~ ( ) ,

7)

i 1

X
i 1

entonces

X i ~ N ( i , i2 )

X i ~
n

X i ~ ( ) ,

4)

i 1

i 1

entonces

~ Bi ( n, p ).

X i ~ P
i 1

3)

entonces

n , p .

i 1

X i ~ Bi

n ,
i 1

~ (n, ).

2
X i ~ n (n / 2,1 / 2).

i 1

2 X i ~ 22n
i 1

a1 , a 2 ,..., a n

son

nmeros

reales,

n
n
n

Y a i X i ~ N a i i , a i2 i2 .
i 1
i 1
i 1

2
En particular, si X i ~ N ( , ) , entonces

i)

iii)

T X i ~ N ( n , n 2 )
i 1

(X )
~ N 0 ,1

ii)

2
X ~ N ,
n

entonces