Propósitos de Formación

 Estudiar el concepto de variable aleatoria.

 Conocer qué es una distribución marginal y distribución conjunta.
 Identificar la independencia de variables aleatorias.
 Profundizar en la Teoría del Muestreo, sus implicaciones e importancia.

Distribuciones Conjuntas. Muestreo

Unidad 1 de la asignatura, que trata las Distribuciones Conjuntas y el concepto
de Muestreo.

https://d30vhku4ueogxj.cloudfront.net/5f804555db5feb78ec592b118bb24679Unidad1.mp4

Distribución Conjunta y Marginal

¿Qué es una variable aleatoria?

Una v.a. es una función que asocia a cada resultado del espacio maestral un
número real.
Tipologías:

- Discreta: toma valores en un conjunto numerable.

- Continua: toma valores un conjunto infinito no numeral

1. VARIABLE ALEATORIA:
2. EJEMPLO:
Se realiza un experimento en un laboratorio cuyo resultado puede ser positivo o negativo . Construir el
espacio muestral y dar una v.a asociada al experimento
E= {Positivo, Negativo}

X es una variable aleatoria

3. LOCALIZACIÓN VIA GPRS:

A un suceso experimental se le asocia un número real a través de la variable
aleatoria … En el experimento de laboratorio…

 A: “el test da positivo → A= {X=1}

 B: “el test da negativo” → B={X=0}
 AUB: “dar positivo o negativo
 AUB: {X=0 , X=1}=E

Distribución Conjunta y Marginal

¿Cuáles son las propiedades de una función de probabilidad para una
variable discreta?

Ejemplo:

Se lanzan 2 dados perfectos y llamamos X = resultado del primer dado, Y =

mínimo de los dos dados. Calculemos la función de probabilidad conjunta y
sus marginales.

DISTRIBUCIÓN CONJUNTA

Si (X,Y) es una variable aleatoria bidimensional discreta se define su función

de probabilidad (f.p.) en un punto (x,y) como:

DISTRIBUCIÓN CONJUNTA EN EL PUNTO (X,Y)

Esta función en el punto (x,y) toma la probabilidad de que ocurra X=x e Y=y. Es decir,
si (X,Y) es una variable discreta que toma valores en:
 Su función de probabilidad es para

Igual a cero para el resto de puntos del plano. i=1,2,…,m,… j= 1,2,…,n,…

CÁLCULO DE LA PROBABILIDAD PARA UNA VARIABLE DISCRETA

Se lanzan 2 dados perfectos y llamamos X=resultado del primer dado, Y=mínimo de los dos
dados.

Distribución Conjunta y Marginal

¿Qué entendemos por distribución conjunta y marginal?

A continuación se muestran las funciones que definen la distribución marginal y

conjunta.

FUNCIÓN DISTRIBUCIÓN MARGINAL

Dado el par de variables aleatorias (X,Y), con Función de Distribución F(X,Y).

Entonces la función:

Función de Distribución Marginal de X Función de Distribución Marginal de Y

 FUNCIÓN DENSIDAD MARGINAL

Dado el par de variables aleatorias (X,Y), absolutamente continuas con

función masa o de densidad de probabilidad f(x,y). Entonces la función:

Función de Densidad Marginal de X Función de Densidad Marginal de Y

EJEMPLO
Si X representa en numero de aspirinas extraídas del frasco y por lo tanto Y
representa el número de sedantes extraídos del frasco. Determina la
probabilidad condicionada con rodos los posibles valores de (x, e y ).

 Los valores que X puede tomar son : X=0,1,2

 Los valores que Y puede tomar son Y=0,1,2
 Entonces el espacio muestral es =
{(0,0),(0,1),(0,2),(1,0),(1,1),(1,2),(2,0),(2,1),(2,2)
Obtenemos la probabilidad de cada F[X,Y]

Independencia y Estadísticas de Asociación

¿Cuándo son independientes las variables aleatorias?

Se puede afirmar que en un par de variables aleatorias X e Y son

independientes si cumple que:
f(x,y) = f(x).f(y)
ESTADÍSTICAS DE ASOCIACIÓN
Covarianza: Es útil para detectar si existe relación de tipo lineal entre las variables y su
sentido.
Cov (X,Y) = E [(X-E(X)) (Y-E(Y))]

PROPIEDADES DE LA COVARIANZA

 Cov(X,Y)=E(XY)-E(X)E(Y).
 Cov(X,Y)=Cov(Y,X).
 Cov(X,X)=Var(X).
 Cov(c,Y)=0.
 Cov(cX,Y)=cCov(X,Y).
 Cov(X_1+X_2,Y)=Cov(X_1,Y)+Cov(X_2,Y).
 Si X e Y son independientes Cov(X,Y)=0
En general, Cov(X,Y)=0 no implica Independencia entre X y Y.

EJEMPLO
E[X] = 0 × 0,3 + 1 × 0,5 + 2 × 0,2 = 0,9
E[Y ] = 0 × 0,12 + 1 × 0,46 + 2 × 0,52 = 1,5
E [𝑿^𝟐] = 02 × 0,3 + 12 × 0,5 + 22 × 0,2 = 1,3
V [X] = 1,3 − 0,9 2 = 0,49 E Y 2 = 02 × 0,12 + 12 × 0,46 + 22 × 0,52 = 2,54
V [Y ] = 2,54 − 0,932 = 1,6751
E[XY ] = 0 × 0 × 0,00 + 0 × 1 × 0,09 + . . . + 2 × 2 × 0 = 0,93
Cov[X, Y ] = 0,93 − 0,9 × 1,5 = −0,42
¿µ y S? In
DT[X] = 0,7
DT[Y ] = 1,294
Cov [X, Y ] = −0,42
Corr[X, Y ] = −0,42 0,7 × 1,294 ≈ −0,464.

Teoría del Muestreo, sus Implicaciones e Importancia

¿Qué es una característica de interés?

Una característica de interés, que tiene como naturaleza ser una observación medida
directamente en U, conocida una población o el universo de nuestro interés, que está
conformado por elementos que notaremos como U = { 1, 2, …,𝑁 }.
El objetivo de hacer muestreo será estimar una característica de interés determinada en
un parámetro poblacional, a partir de la observación de un subconjunto con ciertas
características de los elementos del universo.
1. CARACTERÍSTICAS Y PARÁMETROS DE INTERÉS:
Totla poblacional

Promedio Poblacional

Varianza poblacional

2. MUESTRA ALEATORIA:
Es un subconjunto del universo que se extrae mediante un modelo estadístico de selección.
Muestra aleatoria sin reemplazo. la probabilidad de obtener un dato en cada selección viene influida
por los resultados anteriores , en la medida en que en este muestreo no permitimos que un mismo dato
sea seleccionado más de una vez (lo que hace variar las probabilidades en cada extracción muestral)

Muestra aleatoria con reemplazo. Si una vez observada la unidad ésta es devuelta a la población, es
decir, la estructura de la población permanece constante en cada extracción.

3. MUESTRA PROBABILÍSTICA:
El número de elementos en el modelo estadístico de selección es llamado tamaño de
la muestra.

4. DISEÑO MUESTRAL:

 Diseño de muestreo
 Diseño de muestreo sin reemplazo
 Diseño de muestreo con reemplazo
 Diseño de muestreo con tamaño de muestra fijo

Teoría del Muestreo, sus Implicaciones e

Importancia
 ¿Qué entendemos por intervalos de confianza?

Un intervalo de confianza es un rango de valores, calculado en una muestra,

en el que se encuentra el verdadero valor del parámetro, con una probabilidad
determinada.
La probabilidad de que el verdadero valor del parámetro se encuentre en el
intervalo construido se denomina nivel de confianza, y se denota 1-α. La
probabilidad de equivocarnos se llama nivel de significancia y se simboliza α.

TEORÍA DEL MUESTREO

Supongamos que tenemos una variable aleatoria que sigue una distribución Normal N(µ; σ)
donde la varianza es un valor fijo conocido σ2 = σ20. Nuestro objetivo es, dada una muestra
aleatoria simple de tamaño n de la variable obtener un intervalo de confianza con nivel de
confianza del 95 % para el parámetro µ de la distribución.
Utilizaremos la propiedad de que la media muestral sigue una distribución Normal de
parámetros y, por tanto, si construimos el estadístico:

Su distribución es una Normal estándar N(0, 1).

Es importante que sea una distribución conocida e independiente del parámetro que queremos estimar
µ, puesto que esto nos permite una vez construida la expresión siguiente

Determinar, de manera independiente de µ el valor zα/2 que delimita una probabilidad

del 95 % dentro del intervalo centrado en cero (-zα/2; zα/2). En este caso, para la
distribución N(0, 1), el valor es aproximadamente 1,96.
Sólo nos resta despejar µ de la expresión anterior para obtener el intervalo definitivo.

Representación Gráfica

Variables Aleatorias
El siguiente vídeo trata de explicar el sentido y significado de una variable
aleatoria.

Mira este vídeo y trata de resolver el ejercicio que te proponemos a

continuación.
https://d30vhku4ueogxj.cloudfront.net/153182ea99a2fe0f6e88104c7371255c1.V
ariablesaleatorias.mp4

Ejercicio
Selecciona solo la opción que consideres correcta
Para designar a una variable aleatoria, ¿se pueden utilizar
indistintamente X e Y con x e y?

a) Sí.
b) No.

¡EXCELENTE!
Esta es la respuesta correcta. La X e Y hacen referencia a la forma o
aplicación de asignar a cada elemento de espacio muestral un número real. Sin
embargo, la x e y hacen referencia a las variables algebraicas tradicionales.

Distribución Muestral
El siguiente vídeo trata de explicar, a través de un ejemplo, una distribución
muestral.

Mira este vídeo y trata de resolver el ejercicio que te proponemos a

continuación.
https://d30vhku4ueogxj.cloudfront.net/76e85bac1b81dd727669ad0ce2fff2c01.1P
roblemadedistribucinmuestral.mp4

Ejercicio
Selecciona solo la opción que consideres correcta

¿Qué es una distribución muestral?

a) Es resultado de haber tenido en consideración todas las muestras de una población

determinada.
b) Es un modelo de distribución de las variables aleatorias.
 ¡EXCELENTE!
Esta es la respuesta correcta. Con ella se puede calcular la probabilidad que
se tiene a la hora de acercarse al parámetro de la población y, con ello, obtener
el error cometido en un tamaño de muestra dado.

Caso Práctico
Aplica los conocimientos adquiridos para resolver el siguiente caso práctico:

EJERCICIO 1:
Se analizan dos poblaciones en las que se estudian las variables aleatorias:

ζ1 = estatura de los niños españoles (en cm)

ζ2 = estatura de los niños alemanes (en cm)
siendo ζ1 → N(120,5) y ζ2 → N(130,6)
Se extraen m.a.s independientes de cada población de tamaños n=25 y m=30, respectivamente.

Se pide:

a) La probabilidad de que la estatura media de los niños alemanes sea mayor de 180 cm.

Media =130
Desviación = 6
N = 30

𝑥 − 180 180 − 130,6

𝑃(𝑥 > 180) = 𝑃 ( )>
3 30

𝑝 = (𝑧 > 180 − 130,6)

180 − 130
𝑍=
6/√30
 50
𝑍=
6/5.47

50
𝑍=
1.096

𝑍 = 45.62
1 − 𝑃(𝑦 ≤ 180) = 1 − 𝑃(𝑍 ≤ 45.62) = 1 − 1 = 0

EJERCICIO 2:
Dada una población representada por una variable ζ cuya distribución de probabilidad se
supone N(μ,4).

Se pide:

Elaborar el intervalo de confianza para la estimación del parámetro μ, al nivel de confianza del
95% con base en una m.a.s de tamaño n=100 en la que se obtiene una media muestral igual a
10.

N = 100X = 10σ = 4
CONFIANZA = 95%

𝑎 = 1 − 0,95 = 0,05

𝑋 − (29/2 ∗ 6)/√𝑛
𝐿𝑖𝑚𝑖𝑡𝑒 1 =
10 − (1,96 ∗ 4/√100)
𝐿𝑖𝑚𝑖𝑡𝑒 1 = 10 − 7.84/10
𝐿𝑖𝑚𝑖𝑡𝑒 1 = 0,216

𝑋 + (2𝑎/2 ∗ 6)/√𝑛
𝐿𝑖𝑚𝑖𝑡𝑒 2 =
10 + (1,96 ∗ 4/√100)
𝐿𝑖𝑚𝑖𝑡𝑒 2 = 1,784
Pregunta 1
Una variable aleatoria es una función en la cual, la variable toma valores numéricos
determinados. Existe dos tipos de variables aleatorias, las discretas y las continuas. En el
primer caso la variable va asociada a experimentos en los que se cuenta el número de veces
que se ha presentado el suceso o donde el resultado es una puntuación concreta. En el segundo
tipo la variable puede tomar cualquiera de los valores entre dos números dados. Una empresa
realiza una encuesta telefónica para preguntar la preferencia de un lugar para ir a vacaciones,
en ella pregunta a un grupo de personas su edad. ¿Esta variable aleatoria será continua o
discreta?

La variable aleatoria es discreta puesto que sólo puede tomar un número finito de valores
dentro de un intervalo, por ejemplo el numero de hijos de una dálmata puede ser 6,7,8 o quizás
9 perritos, pero nunca 7,5 o 9.87. con ella es posible cuantificar la cantidad de personas que
deseen ir a vacaciones a x o y lugar y la asociamos a los números de veces que puede suceder
un evento.

Pregunta 2.

Una empresa nueva en el país, requiere estimar la proporción de personas que pueden
contratar con una experiencia de un año o menos para su departamento de ventas. Los
estándares de la empresa indican que los resultados deben estar dentro de un 2% con una
confianza del 95%. Los administradores de la empresa indican que, al realizar un examen a
los aspirantes, ¼ de ellos no lo aprueban. Uno de los administradores indica que el tamaño de
la muestra necesaria para contratar el personal es de 1551 personas ¿eso es cierto?

Datos:
Resultados (Rs)= 2%
Nivel de Confianza (C)= 95%
¼ de la muestra no aprueban ser contratados = 0,25 o sea 25%
Ds= Desviación Estándar
DS= 25%
n= tamaño de la muestra

Resultados= Desviación Estándar/Vn

Vn= Ds/Rs
n=(Ds/Rs)
n=(0,25/0,02)2
n= 156,25

Dado los resultados, el tamaño de la muestra es como mínimo de 157 personas, por lo tanto, la
afirmación del administrador NO ES CIERTA ya que la muestra es mínima de 157 personas.

Los intervalos finitos

La variable discreta es aquella que tiene un número finito de valores. En un intervalo
entre dos números también hay un número finito ¿O no?.
Según lo investigado en los intervalos entre dos números también puede haber un número finito
ya que los intervalos finitos tienen un centro de simetría que es (a + b)/2, llamado punto medio,
donde los extremos son a y b con a < b. En el caso a=b, no existe punto medio y el intervalo
abierto es ∅.9 y pueden ser cerrados, abiertos o semiabiertos.

Sean a y b dos números reales tales que a < b.

Intervalo cerrado

Es el conjunto de números reales formado por a, b y todos los comprendidos entre ambos.

[a, b] = { x / a £ x £ b}

Intervalo abierto

Es el conjunto de los números reales comprendidos entre a y b.

(a, b) = {x / a < x < b}

Intervalo semiabierto a izquierda (o semicerrado a derecha)

Es el conjunto de números reales formado por b y los números comprendidos entre a y b.

(a, b] = {x / a < x £ b}

Intervalo semiabierto a derecha (o semicerrado a izquierda)

Es el conjunto de números reales formado por a y los números comprendidos entre a y b.

[a, b) = { x / a £ x < b}

Referencia de apoyo

 Del portal Wb Publicado en la internet por WIKIPEDIA

https://es.wikipedia.org/wiki/Intervalo_(matem%C3%A1tica)

 Del portal Wb Publicado en la internet por FCA(UNL)

https://www.fca.unl.edu.ar/Limite/1.2%20Intervalo.htm

Buenas noches compañero Barreiro

Quiero agregar a su aporte lo siguiente:

Antes de llevarse a cabo el análisis descriptivo de los datos se ha de tener claro

de qué tipo es cada una de las variables de que disponemos.

Así se pueden clasificar las variables según el siguiente criterio:

Variables cuantitativas: Son aquellas que responden a la pregunta ¿cuánto?, y

pueden ser expresadas numéricamente (es decir, siempre tomarán un valor
numérico). A su vez se dividen en:

 Variables continuas: Podrán tomar cualquier valor (entero o no) dentro de

un rango determinado de valores.
 Variables discretas: Sólo podrán tomar ciertos valores concretos
(habitualmente números enteros).

Variables cualitativas o categóricas: Responden a la pregunta ¿de qué tipo?

Pueden tomar cualquier valor, numérico o de cualquier otro tipo. Cada uno de
los posibles valores que puede tomar estos tipos de variables de dicen Categorías.
Las variables cualitativas a su vez se dividen en:
 Variables ordinales: Serán aquellas variables de tipo cualitativo en el que
las posibles respuestas admiten una ordenación lógica.
 Variables nominales: Serán aquellas variables de tipo cualitativo en el que
las posibles respuestas NO admiten ningún tipo de ordenación lógica.