Академический Документы
Профессиональный Документы
Культура Документы
DE PSICOLOGIA
Estadstica Inferencial
ESTADSTICA INFERENCIAL
Tema : Distibucin de Probabilidades
Prof. Csar Campos C. Prof
Estadstica Inferencial
VARIABLES ALEATORIAS
Una variable estadstica es una caracterstica (cualitativa o cuantitativa) que se observa en una poblacin. Si la poblacin es aleatoria y la caracterstica es cuantitativa la variable estadstica se denomina variable aleatoria
Definicin: Se denomina variable aleatoria a una variable estadstica cuantitativa definida en un espacio muestral. Las variables aleatorias pueden ser discretas o continuas.
Estadstica Inferencial Prof. Csar Campos C.
Distribucin de Probabilidad: A la tabla, frmula o grfico que contiene todos los valores de la variable y sus respectivas probabilidades, se le conoce con el nombre de funcin de probabilidad de la variable, la cual debe cumplir las siguientes propiedades:
Estadstica Inferencial
Estadstica Inferencial
Ejemplo
Sea el experimento E: lanzar 3 monedas al aire y observar el resultado Espacio muestral: {(C,C,C), (C,C,S), (C,S,C), (S,C,C), (C,S,S), (S,C,S) (S,S,C), (S,S,S)} Si definimos X: nmero de caras obtenidas en las tres monedas, entonces X es una variable aleatoria que puede tomar los siguientes valores: X=0 X=1 X=2 X=3 Corresponde al evento {(S,S,S)} con probabilidad 1/8 3/8 3/8 1/8
Corresponde al evento {(C,S,S), (S,C,S), (S,S,C)} con probab. Corresponde al evento {(C,C,S), (S,C,C), (C,S,C)} con probab. Corresponde al evento {(C,C,C)} con probabilidad
Estadstica Inferencial
Ejemplo
5% 0 1 2 3
Estadstica Inferencial
Varianza
Se representa mediante VAR[X] o 2 Es el equivalente a la varianza Se llama desviacin tpica a
Estadstica Inferencial
Modelos de Distribucin
Discreta Uniforme
Discreta
Continua Uniforme
Continua
Experimento de Bernoulli
Tenemos un experimento de Bernoulli si al realizar un experimento slo son posibles dos resultados:
X=1 (xito, con probabilidad p) X=0 (fracaso, con probabilidad q=1-p)
Ejemplos
Lanzar una moneda y que salga cara.
p =1/2 = 0.50
Estadstica Inferencial
11
Distribucin binomial
Es un modelo de distribucin discreta. X es la probabilidad de xito Media: =n p
n k nk P[ X = k ] = p q , 0 k n k
Varianza: 2 = n p q
Estadstica Inferencial
12
Estadstica Inferencial
13
Distribucin de Probabilidad
Nro de vuelos Probabilidad con retraso 0 1 2 3 4 5 Total
Estadstica Inferencial
n k nk P[ X = k ] = p q , 0 k n k
Distribucin de Poisson
Tambin se denomina de sucesos raros. Se obtiene como aproximacin de una distribucin binomial con la misma media, para n grande (n>30) y p pequeo (p<0,1). Queda caracterizada por un nico parmetro (que es a su vez su media y varianza.) Funcin de probabilidad:
P[ X = k ] = e
k
k!
, k = 0,1,2,...
Prof. Csar Campos C. 16
Estadstica Inferencial
Aplicaciones D. Poisson
a) numero de alumnos que solicitan prstamo de libros en la biblioteca, en cierto da . b) nmero de llamadas telefnicas de larga distancia que una casa recibe. c) nmero de personas que llegan a una lnea de espera en un determinado tiempo.
Estadstica Inferencial
1 = 2
=1
17
Estadstica Inferencial
18
Est caracterizada por dos parmetros: La media, , y la desviacin tpica, . Su funcin de densidad es:
1 f ( x) = e 2
1 x 2
Estadstica Inferencial
19
Se puede interpretar la media, , como un factor de traslacin. Y la desviacin tpica, , como un factor de escala, grado de dispersin,
Estadstica Inferencial
20
El valor de establece el centro de la curva. El valor de determina el esparcimiento o la dispersin de la curva. El rea bajo la curva es igual a 1.
Estadstica Inferencial
22
Tipificacin
Dada una variable de media y desviacin tpica , se denomina valor tipificado,z, de una observacin x, a la distancia (con signo) con respecto a la media, medido en desviaciones tpicas, es decir
z=
Nos permite as comparar entre dos valores de dos distribuciones normales diferentes, para saber cul de los dos es ms extremo.
Estadstica Inferencial Prof. Csar Campos C. 23
Ejemplo
Se quiere dar una beca a uno de dos estudiantes de sistemas educativos diferentes. Se asignar al que tenga mejor expediente acadmico.
El estudiante A tiene una calificacin de 8 en un sistema donde la calificacin de los alumnos se comporta como N(6,1). El estudiante B tiene una calificacin de 80 en un sistema donde la calificacin de los alumnos se comporta como N(70,10).
Solucin
No podemos comparar directamente 8 puntos de A frente a los 80 de B, pero como ambas poblaciones se comportan de modo normal, podemos tipificar y observar las puntuaciones sobre una distribucin de referencia N(0,1)
zA =
xA A
A xB B 80 70 zB = = =1 B 10
Como ZA>ZB, podemos decir que el porcentaje de compaeros del mismo sistema de estudios que ha superado en calificacin el estudiante A es mayor que el que ha superado B. Podramos pensar en principio que A es mejor candidato para la beca.
86 = =2 1
Estadstica Inferencial
24
Distribuciones asociadas a la normal Dependiendo del problema, podemos encontrar otras (asociadas):
X2 (chi cuadrado) t- student F-Snedecor
Estas distribuciones resultan directamente de operar con distribuciones normales. Tpicamente aparecen como distribuciones de ciertos estadsticos.
Estadstica Inferencial Prof. Csar Campos C. 25
Chi cuadrado
Tiene un slo parmetro denominado grados de libertad. La funcin de densidad es asimtrica positiva. La funcin de densidad se hace ms simtrica, incluso casi gausiana cuando aumenta el nmero de grados de libertad.
Estadstica Inferencial Prof. Csar Campos C. 26
T de student
Tiene un parmetro denominado grados de libertad. Cuando aumentan los grados de libertad, ms se acerca a N(0,1). Es simtrica con respecto al cero. Se consideran valores anmalos los que se alejan de cero (positivos o negativos).
Estadstica Inferencial Prof. Csar Campos C. 27
F de Snedecor
Tiene dos parmetros denominados grados de libertad. Slo toma valores positivos. Es asimtrica. Normalmente se consideran valores anmalos los de la cola de la derecha.
Estadstica Inferencial Prof. Csar Campos C. 28