Distribuciones Muestrales y Teorema Central del L mite

Malln Arenas e
Departamento de Estad stica Facultad de Ciencias F sicas y Matemticas a Universidad de Concepcin o

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

1 / 30

1 2 3 4 5 6 7 8

Propiedad reproductiva de la distribucin normal o Teorema Central del L mite Distribuciones muestrales Distribucin de la media muestral o Distribucin Chi-cuadrado(2 ) o Distribucin de la varianza muestral o Distribucin t de Student o Distribucin F o

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

2 / 30

Propiedad reproductiva de la distribucin normal o

Propiedad reproductiva de la distribucin normal o

Teorema Sean X1 , X2 , . . . , Xn , n variables aleatorias independientes donde 2 Xi N(i , i ), para i = 1, 2, . . . , n. Si
n

Y =
i=1

Xi = X1 + X2 + + Xn .
n i=1 i

Entonces la variable aleatoria Y se distribuye normal con media, 2 varianza n i . Es decir: i=1
n n

Y N(
i=1

i ,
i=1

2 i ).

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

3 / 30

Propiedad reproductiva de la distribucin normal o

El resultado anterior se puede generalizar a una combinacin lineal de o variables aleatorias normales independientes X1 , X2 , . . . , Xn de la siguiente forma: Si tomamos X0 = 1 sea
n

Y =
i=0

ai Xi = a0 + a1 X1 + a2 X2 + + an Xn ,

donde las ai son constantes entonces:

n n

Y N(a0 +
i=1

ai i ,
i=1

2 a2 i ). i

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

4 / 30

Teorema Central del L mite

Teorema Central del L mite

Teorema (Teorema central del l mite) Sea X1 , X2 , . . . , Xn , . . . una sucesin de variables aleatorias o 2 independientes con E(Xi ) = i y varianza V (Xi ) = i (ambas nitos). Si
n

Y =
i=1

Xi = X1 + X2 + + Xn .

, entonces bajo ciertas condiciones generales, la variable aleatoria Z denida por n Xi n i i=1 Z = i=1 n 2 i=1 i tiene una distribucin aproximadamente normal estndar (N(0, 1)), cuando o a n es sucientemente grande.
Malln Arenas (Dpto. Estad e stica) Distribuciones Muestrales y Teorema Central del L mite 5 / 30

Teorema Central del L mite

Las condiciones generales mencionadas anteriormente, se pueden resumir informalmente como sigue: los trminos Xi tomados individualmente, e contribuyen con una cantidad despreciable a la variacin de la suma, y no o es probable que un simple trmino haga una gran contribucin a la suma. e o Observe que la variable Y = n Xi puede ser aproximada a la i=1 distribucin normal, cualquiera sea la distribucin de Xi . o o

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

6 / 30

Teorema Central del L mite

Teorema Sean X1 , X2 , . . . , Xn , n variables aleatorias independientes idnticamente e distribuidas con E(Xi ) = y varianza V (Xi ) = 2 (con media y varianza comn y ambas nitas). Si u
n

Y =
i=1

Xi = X1 + X2 + + Xn ,

entonces la variable aleatoria: Z=

n i=1 Xi

/ n

n(X ) ,

1 o donde X = n n Xi , tiene una distribucin aproximadamente normal i=1 con media cero y varianza uno (N(0, 1)).

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

7 / 30

Distribuciones muestrales

Distribuciones muestrales

Denicin (muestra aleatoria (m.a.)) o Sea X una variable aleatoria, con funcin de densidad f (x) si X es una o v.a. continua y funcin de probabilidad p(x) si X es una v.a. discreta, con o media y varianza 2 . Una muestra aleatoria de tamao n, de X, es un n conjunto de n v.a. X1 , X2 , . . . , Xn que cumplen las siguientes condiciones: Cada Xi (i = 1, 2, , n) , tiene la misma distribucin que X. Es decir, o FXi (x) = FX (x) x, para i = 1, 2, . . . , n. Las v.a. Xi son independientes.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

8 / 30

Distribuciones muestrales

Consecuencias: Cada Xi tiene la misma distribucin, es decir, son idnticamente o e distribuidas. Entonces E(Xi ) = E(X) = V ar(Xi ) = V ar(X) = 2 La funcin de probabilidad conjunta de la m.a. X1 , X2 , . . . , Xn est o a dada por: n P (X= x1 , . . . , Xn = xn ) = i=1 P (Xi = xi ), (si X es discreta) . fX1 ,...,Xn (x1 , . . . , xn ) = n fXi (xi ), i=1 (si X es continua)

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

9 / 30

Distribuciones muestrales

Notas: La denicin anterior se cumple, cuando la muestra proviene de una o poblacin innita discreta o continua y cuando la muestra se extrae o con reemplazo de una poblacin nita. o Cuando la muestra se extrae sin reemplazo de una poblacin nita, o evidentemente no se cumple la denicin anterior pues las variables o aleatorias no son independientes. Sin embargo , si el tamao de la n muestra es muy pequeo comparado con el tamao de la poblacin, n n o se cumple aproximadamente la denicin. o

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

10 / 30

Distribuciones muestrales

Veremos las distribuciones de ciertas funciones de los elementos de una m.a. tales como X= S2 =
1 n n i=1 Xi , la n 1 i=1 (Xi n1

media muestral; X)2 ,, la varianza muestral;

sern muy utiles en inferencia estad a stica.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

11 / 30

Distribuciones muestrales

Denicin o Cualquier funcin de los elementos de una m.a. que no dependa de algn o u parmetro desconocido se llama estad a stico. Los estad sticos son, por lo tanto, v.a. , cuyos valores observados pueden ser evaluados despus que e los valores observados para X1 , X2 , . . . , Xn son conocidos. Las distribuciones de estas v.a. son conocidas como distribuciones muestrales.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

12 / 30

Distribuciones muestrales

Teorema Si X1 , X2 , . . . , Xn es una m.a. de una poblacin X que tiene media y o varianza 2 , entonces, X tiene valor esperado y varianza 2 /n. Teorema Si X1 , X2 , . . . , Xn es una muestra extra sin reemplazo de una poblacin da o 2 , entonces X tiene valor nita de N elementos, con media y varianza esperado y varianza 2 /n((N n)/(N 1)). El factor (N n)/(N 1) se llama factor de correccin para poblaciones o nitas.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

13 / 30

Distribucin de la media muestral o

Distribucin de la media muestral o

Teorema Si X1 , X2 , . . . , Xn es una m.a. de una poblacin X que tiene media y o o varianza 2 , entonces, X tiene distribucin aproximadamente Normal con parmetros y 2 /n (por el teorema central del l a mite).

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

14 / 30

Distribucin de la media muestral o

Ejemplo: Suponga que el nmero de barriles de petroleo crudo que produce un pozo u diariamente es una variable aleatoria con una distribucin no especicada. o Si se observa la produccin en 64 d seleccionados en forma aleatoria y o as, sse sabe que la desviacin estndar del nmero de barriles por d es o a u a = 16, determine la probabilidad de que la media muestral se encuentre a no mas de cuatro barriles del verdadero valor de la produccin por d o a.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

15 / 30

Distribucin Chi-cuadrado(2 ) o

Distribucin Chi-cuadrado(2 ) o

La distribucin 2 es un caso especial de la distribucin gamma. o o Denicin o Se dice que X es una variable aleatoria chi-cuadrado con r grados de libertad (o que tiene una distribucin chi-cuadrado con r grados de o libertad) si su funcin de densidad est dado por: o a f (x) =
r r 1 x 2 1 e 2 , 2r/2 ( r ) 2

x>0 e.o.c.

0,

donde representa la funcin gamma. o

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

16 / 30

Distribucin Chi-cuadrado(2 ) o

Teorema Sean Z1 , Z2 , . . . , Zr variables aleatorias independientes distribu das normalmente, cada una con media 0 y varianza 1. La variable aleatoria:
2 2 2 X = Z1 + Z2 + + Zr

tiene distribucin chi-cuadrado con r grados de libertad. o

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

17 / 30

Distribucin Chi-cuadrado(2 ) o

Los grados de libertad r, es el nmero de variables aleatorias u independientes que se suman. Tambin el grado de libertad se puede e concebir como un parmetro asociado con la distribucin de probabilidad o a o como al nmero de variables que pueden variar libremente. u La media y la varianza de la variable aleatoria chi-cuadrado con r grados de libertad son: = E(X) = r y 2 = V ar(X) = 2r

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

18 / 30

Distribucin Chi-cuadrado(2 ) o

La funcin de distribucin F (x) est tabulada, para distintos valores de r. o o a Ejemplo Si X es una variable aleatoria chi-cuadrado con 17 grados de libertad. Calcular: a) P (X < 7.564) b) P (X > 27.59) c) P (6.408 < X < 7.59) Ejemplo Sea X1 , X2 , . . . , X10 una muestra aleatoria de tamao 10 de una variable n aleatoria con distribucin chi cuadrado. Hallar la probabilidad de que o exactamente dos de los diez valores muestrales excede a 30.14.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

19 / 30

Distribucin Chi-cuadrado(2 ) o

Teorema Si X es una variable aleatoria que tiene una distribucin chi-cuadrado con o r grados de libertad. Entonces para r sucientemente grande, la variable aleatoria 2X, tiene aproximadamente una distribucin Normal. Es decir, o si X es 2 , con r grande, entonces: (r) 2X aprox.N ( 2r 1, 1)

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

20 / 30

Distribucin Chi-cuadrado(2 ) o

Teorema Sea X1 , X2 , . . . , Xn una muestra aleatoria de una variable aleatoria normal X con media y varianza 2 . Entonces, la variable aleatoria
n

Y =
i=1

(Xi )2 2

tiene una distribucin o

2 . n

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

21 / 30

Distribucin Chi-cuadrado(2 ) o

Teorema (PROPIEDAD ADITIVA DE LA CHI-CUADRADO)

2 2 2 Sea X1 , X2 , . . . , Xp variables aleatorias chi-cuadrados independientes con grados de libertad r1 , r2 , . . . , rp respectivamente, entonces la variable aleatoria p

X2 =
i=1

Xi2
p i=1 ri

Sigue una distribucin chi-cuadrado con o

grados de libertad.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

22 / 30

Distribucin de la varianza muestral o

Distribucin de la varianza muestral o

Teorema Si X1 , X2 , . . . , Xn es una m.a. de una poblacin X que tiene media y o 2 , entonces, la varianza muestral varianza 1 S = n1
2 n

(Xi X)2
i=1

tiene valor esperado igual a 2 .

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

23 / 30

Distribucin de la varianza muestral o

Teorema Sea X1 , X2 , . . . , Xn una m.a. de una poblacin X con distribucin normal o o 2 , entonces, que tiene media y varianza La media muestral X y la varianza muestral S 2 son variables aleatorias independientes. (n 1)S 2 = 2
n i=1 (Xi 2

X)2

es una variable aleatoria con distribucin chi-cuadrado (2 ) con n 1 o grados de libertad.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

24 / 30

Distribucin t de Student o

Distribucin t de Student o
Denicin o Sea Z una variable aleatoria normal con media 0 y varianza 1. Sea Y una variable que tiene una distribucin chi-cuadrado con r grados de libertad, o y si Z e Y son independientes, entonces la variable aleatoria Z r Z = T = Y Y /r se dice que tiene una distribucin t de student (o simplemente tiene una o distribucin t), con r grados de libertad, y su funcin de densidad est o o a dado por ( r+1 ) 1 1 2 f (t) = , r ( 2 ) r (1 + ( t2 ))(r+1)/2
r

< t < .
Malln Arenas (Dpto. Estad e stica) Distribuciones Muestrales y Teorema Central del L mite 25 / 30

Distribucin t de Student o

Observe que la distribucin de la variable aleatoria T , est completamente o a determinada slo por el parmetro r. Entonces hay una distribucin t o a o correspondiente a cada grado de libertad. La media y la varianza de la distribucin t con r grados de libertad estn dados por: o a = E(X) = 0, r>1 y 2 = V ar(X) = r , r2 r > 2.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

26 / 30

Distribucin t de Student o

Tabulacin de la distribucin t: o o Debido a la importancia de la distribucin t, en inferencia estad o stica y la dicultad para evaluar la funcin de distribucin de la variable aleatoria T , o o stas se dan en una tabla e

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

27 / 30

Distribucin t de Student o

Teorema Sea X1 , X2 , . . . , Xn es una m.a. de una poblacin X con distribucin o o normal que tiene media y varianza 2 , entonces n(X ) S tiene distribucin t-student con n 1 grados de libertad, donde S = S 2 o y S 2 es la varianza muestral.

Malln Arenas (Dpto. Estad e stica)

Distribuciones Muestrales y Teorema Central del L mite

28 / 30

Distribucin F o

Distribucin F o
Denicin o Sea U y V dos variables aleatorias independientes que tienen distribuciones chi-cuadrado con, r1 y r2 grados de libertad, respectivamente. Entonces, la variable aleatoria F = U/r1 V /r2

tiene una distribucin F con r1 y r2 grados de libertad. o Su funcin de densidad est dada por: o a f (z) = ( r1 +r2 ) r1 r1 /2 z r1 /21 2 ) , r1 r2 ( ( 2 )( 2 ) r2 (1 + ( r1 )z)(r1 +r2 )/2 r2

0 < z < , r1 , r2 = 1, 2, . . . .
Malln Arenas (Dpto. Estad e stica) Distribuciones Muestrales y Teorema Central del L mite 29 / 30

Distribucin F o

La media y la varianza de la variable aleatoria F estn dados por: a r2 , r2 2 r2 2 r1 + r2 2 ) , r2 2 r1 (r2 4)

= E(F ) =

r2 > 2

y 2 = V ar(F ) = 2(

La probabilidad que la variable aleatoria F sea menor o igual que una constante f est dada por a
f

P (F f ) =
0

fF (z)dz =

La distribucin F cumple con la siguiente propiedad: o f1,r2 ,r1 = y f,r1 ,r2 =

Malln Arenas (Dpto. Estad e stica)

1 f,r1 ,r2 1 .
30 / 30

f1,r2 ,r1

Distribuciones Muestrales y Teorema Central del L mite