UNIVERSIDAD PUBLICA DE EL ALTO

INGENIERIA DE SISTEMAS
DISTRIBUCION
BIVARIANTE

ESTADISTICA II

NOMBRE: AMANDA ESTRELLA

LIMACHI RAMOS
DOCENTE: ING.RAMIRO KANTUTA
LIMACHI
Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
EL ALTO - LA PAZ - BOLIVIA
2
 DISTRIBUCIÓN BIVARIANTE
1. Estadística inferencial
La estadística inferencial, también conocida como estadística inductiva, es la
rama de la estadística que analiza y estudia los datos de una población a
partir de una muestra extraída.
Este método se encarga de analizar y estudiar los datos más allá de la
estadística descriptiva, con el objetivo de tomar decisiones y realizar
predicciones.
Ejemplo: supongamos que un investigador decide analizar cuantas personas
poseen estudios universitarios completos en una determinada ciudad. Para
hacerlo, deberá utilizar la estadística inferencial al tomar una muestra del total
de personas de la población, cantidad de habitantes, para analizarla y luego
establecer hipótesis y conclusiones a partir de los resultados obtenidos.
2. Población
Es el conjunto sobre el que estamos interesados en obtener conclusiones
(hacer inferencia).
*Normalmente es demasiado grande para poder abarcarlo.
3. Muestra
Es un subconjunto de la población al que tenemos acceso y sobre el que
realmente hacemos las observaciones (mediciones).
*Debería ser “representativo”.
*Formado por miembros “seleccionados” de la población (individuos, unidades
experimentales).
4. Estadígrafo
Un Estadígrafo o Estadístico es una función matemática que utiliza datos de
muestra para llegar a un resultado que debe ser un número real. Los
estadígrafos son utilizados para estimar parámetros o como valores de
distribuciones de probabilidad que permiten hacer inferencia estadística (la
inferencia estadística son los contrastes de hipótesis y los intervalos de
confianza de uno o varios parámetros).

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
 5. Parámetro y variables
Parámetro: Es una cantidad numérica calculada sobre una población.
 La altura media de los individuos de un país-
 La idea es resumir toda la información que hay en la población en unos
pocos números (parámetros).
Variables: las variables estadísticas son una característica o cualidad de un
individuo que esta propensa a adquirir diferentes valores. Estos valores, a su
vez se caracterizan por poder medirse.

6. Media (esperanza matemática)

La esperanza matemática de una variable aleatoria X es el número que expresa
el valor medio del fenómeno que representa dicha variable.

La esperanza matemática, también llamada valor esperado, es igual al

sumatorio de las probabilidades de que exista un suceso aleatorio, multiplicado
por el valor del suceso aleatorio. O, dicho de otra forma, el valor medio de un
conjunto de datos. Teniendo en cuenta, eso sí, que el término esperanza
matemática está acuñado por la teoría de la probabilidad. Mientras que en
matemáticas, se denomina media matemática al valor promedio de un suceso
que ha ocurrido. En distribuciones discretas con la misma probabilidad en
cada suceso la media aritmética es igual que la esperanza matemática.

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
 Cálculo de la esperanza matemática
La esperanza matemática se calcula utilizando la probabilidad de cada suceso.
La fórmula que formaliza este cálculo se enuncia como sigue:

Dónde x es el valor del suceso, P la probabilidad de que ocurra, i el periodo en

el que se da dicho suceso y N el número total de periodos u observaciones.

Varianza
La varianza es una medida de dispersión que representa la variabilidad de una
serie de datos respecto a su media. Formalmente se calcula como la suma de
los residuos al cuadrado divididos entre el total de observaciones.
También se puede calcular como la desviación típica al cuadrado. Dicho sea de
paso, entendemos como residuo a la diferencia entre el valor de una variable en
un momento y el valor medio de toda la variable.
Antes de ver la fórmula de la varianza, debemos decir que la varianza en
estadística es muy importante. Ya que aunque se trata de una medida sencilla,
puede aportar mucha información sobre una variable en concreto.

Fórmula para calcular la varianza

La unidad de medida de la varianza será siempre la unidad de medida

correspondiente a los datos pero elevada al cuadrado. La varianza siempre es
mayor o igual que cero. Al elevarse los residuos al cuadrado es
matemáticamente imposible que la varianza salga negativa. Y de esa forma no
puede ser menor que cero.

Donde

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
  X: variable sobre la que se pretenden calcular la varianza
 xi: observación número i de la variable X. i puede tomará valores entre 1
y n.
 n: número de observaciones.
 x̄: Es la media de la variable X.

O lo que es lo mismo:

Desviación estándar
La desviación estándar o desviación típica es una medida que ofrece
información sobre la dispersión media de una variable. La desviación estándar
es siempre mayor o igual que cero.

Para entender este concepto necesitamos analizar 2 conceptos fundamentales.

 Esperanza matemática, valor esperado o media: Es la media de

nuestra serie de datos.
 Desviación: La desviación es la separación que existe entre un valor
cualquiera de la serie y la media.

Fórmulas para calcular la desviación típica

La primera es elevando al cuadrado las desviaciones, dividir entre el número

total de observaciones y por último hacer la raíz cuadrada para deshacer el
elevado al cuadrado, tal que:

Alternativamente existiría otra forma de calcularla. Sería haciendo un promedio

de la suma de los valores absolutos de las desviaciones. Es decir, aplicar la
siguiente fórmula:

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
 Sin embargo, esta fórmula no es una alternativa de la desviación típica pues
arroja diferentes resultados. En realidad, la fórmula anterior es la desviación
respecto de la media. La desviación estándar o típica y la desviación respecto
de la media tienen similitudes pero no son lo mismo. A esta última forma se le
conoce como desviación media.

Covarianza
La covarianza es el valor que refleja en qué cuantía dos variables aleatorias
varían de forma conjunta respecto a sus medias.

Nos permite saber cómo se comporta una variable en función de lo que hace
otra variable. Es decir, cuando X sube ¿Cómo se comporta Y? Así pues, la
covarianza puede tomar los siguientes valores:

Covarianza (X, Y)  es menor que cero cuando “X” sube e “Y” baja. Hay una
relación negativa.

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
 Covarianza (X, Y)  es mayor que cero cuando “X” sube e “Y” sube. Hay una
relación positiva.

Covarianza (X, Y)  es igual que cero cuando no hay relación existente entre las
variables “X” e “Y”.

Cálculo de la covarianza

La fórmula de la covarianza se expresa como sigue:

Dónde la y con el acento es la media de la variable Y, y la x con el acento es la

media de la variable X. “i” es la posición de la observación y “n” el número total
de observaciones.

Coeficiente de correlación
La correlación, también conocida como coeficiente de correlación lineal (de
Pearson), es una medida de regresión que pretende cuantificar el grado de
variación conjunta entre dos variables.

Por tanto, es una medida estadística que cuantifica la dependencia lineal entre
dos variables, es decir, si se representan en un diagrama de dispersión los
valores que toman dos variables, el coeficiente de correlación lineal señalará lo
bien o lo mal que el conjunto de puntos representados se aproxima a una
recta.

De una forma menos coloquial, la podemos definir como el número que mide el
grado de intensidad y el sentido de la relación entre dos variables.

Siendo:

Cov (x;y): la covarianza entre el valor «x» e «y».

σ(x): desviación típica de «x».

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
 σ(y): desviación típica de «y».

Valores que puede tomar la correlación

ρ = -1          Correlación perfecta negativa

ρ = 0           No existe correlación

ρ = +1         Correlación perfecta positiva

Hablamos de correlación positiva si siempre que el valor «x» sube, el valor «y»
sube, y además con la misma intensidad (+1).

En el caso opuesto, si siempre que el valor «x» sube, y el valor «y» baja, y
además con la misma intensidad, entonces estamos hablando de correlación
negativa (-1).

Distribuciones
a) Distribución normal
Sea x una variable continua en el rango de −∞ y +∞, entonces X se
distribuye según una normal con media μ y varianza σ 2 y esta dada por la
siguiente expresión matemática o función de densidad:
2
−1 x− μ
1 2
(
σ
)
f ( x)= e ; si−∞≤ x ≤+∞
√2 π σ 2

b) Distribución normal estándar

La distribución normal estándar con media µ=0 y desviación típica =1 se
llama distribución normal estándar, o tipificada, o reducida. La función de
densidad de probabilidad (f.d.p) de la distribución normal tipificada
usualmente se denota por el símbolo ø y la función de distribución (f.d) se
denota por el símbolo . Entonces:

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
 Su función de densidad de probabilidad es:

Su funcion de distribucion es :

c) Distribución de F-ficher
Esta distribución es útil para realizar inferencias con las varianzas de dos
poblaciones normales usando los datos de las varianzas de dos muestras
aleatorias independientes con la siguiente definición.
Definición
Sean S21 y S22 las varianzas de dos muestras aleatorias independientes de

tamaño n1 y n2 tomadas de poblaciones normales con varianzas σ 12 , σ 22

entonces la variable aleatoria

Tiene distribución F con v1=n −1 , v =n −1 grados de libertad

1 2 2

d) Distribución t-student
La distribución T o de Student es una función de probabilidad con forma
tipo campana simétrica Su aplicación más importante se describe a
continuación.
Suponer que se toma una muestra aleatoria de tamaño n<30 de una
población con distribución normal con media μ y varianza desconocida. En

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
 este caso ya no se puede usar la variable aleatoria Z. En su lugar debe
usarse otro estadístico denominado T o de Student.
Este estadístico es útil cuando por consideraciones prácticas no se puede
tomar una muestra aleatoria grande y se desconoce la varianza poblacional.
Pero es necesario que la población tenga distribución normal.
Definición: Distribución T
2
Sean y S la media y varianza de una muestra aleatoria de tamaño n<30
tomada de una población normal con media μ y varianza desconocida,
entonces la variable aleatoria.

Tiene distribución T con v=n−1 grados de libertad.

e) Distribución exponencial
Es un caso particular de la distribución gamma y tiene aplicaciones de
interés práctico. Se obtiene con α = 1 en la distribución gamma
Definición
Sea X una variable aleatoria continua X tiene distribución exponencial si
su densidad de probabilidad está dada por:

En donde β>0, es el parámetro para este modelo.

f) Función Gamma
Es un modelo básico en la teoría estadística y corresponde a la siguiente
definición.
Definición

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59
 Sea X una variable aleatoria continua X tiene distribución Gamma si su
función de densidad es:

α>0, β>0 son los parámetros para este modelo.

g) Función chi cuadrada (X2)
Esta distribución se la obtiene de la distribución gamma. Tiene forma tipo
campana con sesgo positivo. Se puede demostrar que si X es una variable
aleatoria con distribución normal, entonces X 2 es una variable aleatoria con
distribución ji-cuadrado (o chi cuadrado). Este hecho explica la
importancia de la distribución ji-cuadrado en problemas de muestreo de
poblaciones con distribución normal. Una aplicación importante es la
estimación de la varianza poblacional.
Definición
Sean y S2 la media y varianza de una muestra aleatoria de tamaño n
tomada de una población normal con media μ y varianza σ 2, entonces la
variable aleatoria.

Tiene distribución Ji-cuadrado con ν = n – 1 grados de libertad.

El valor esperado de la variable X 2 es E ( X 2 ) = n – 1.

Nota. Enviar por aula virtual hasta 30 de abril de 2020 hrs. 23:59