You are on page 1of 4

UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE CIENCIA
DEPARTAMENTO MATEMTICA Y CIENCIA DE LA COMPUTACIN

Prof. Alma Placencia


Prof. Rosa Montao

1)

Definicin de Vector Aleatorio de dimensin n, o variable aleatoria n dimensional.


Def: Se dice que (X1, X2, X3,, Xn) es una variable aleatoria de dimensin n, si X1,
X2, Xn, son n variables aleatorias, tal que:
f(x1, x2, x3,, xn) es la funcin de densidad conjunta, si Xi son v.a.c.
p(x1, x2, x3,, xn) es la funcin de cuanta conjunta, si Xi son v.a.d.
f(xi) es la funcin de densidad marginal de Xi .
p(xi) es la funcin de cuanta marginal de Xi .

2)

Definicin de Independencia de n variables aleatorias.


Def: Se dice que (X1, X2, X3,, Xn) son n variables aleatorias independientes, si y slo
si se cumple:
f(x1 ,x2, , xn) = f ( x1 ) f ( x2 )... f ( x n ) =

f (xi ) para toda x1 ,x2, , xn

i =1

p(x1 ,x2, , xn) =

p( xi ) , para toda

i =1

x1 ,x2, , xn

Consecuencias: Si (X1, X2, , Xn) son n variables aleatorias independientes, se


cumple:
n

E[X1+ X2+ + Xn] = E [X 1 ] + E[ X 2 ] + ... + E [X n ] = E [X i ]


i =1
n

V[X1+ X2+ + Xn] = V [X 1 ] + V [ X 2 ] + ... + V [ X n ] = V [ X i ]


i =1

ya que Cov [Xi; Xj] = 0 , xi xj , en v.a. indep.


Si Xi ~ N i ; i2 ; i = 1, 2, entonces:

(
)
~ N (1 2 ; 12 + 22 )

X1 + X2 ~ N 1 + 2 ; 12 + 22
X1 - X2

Etc.

3)

Definicin de muestra aleatoria de Tamao n (m.a.(n))


Def. Se dice que (X1, X2, , Xn) es una m.a (n) de una poblacin distribuida segn X,
si (X1, X2, , Xn) son n v.a. independientes y tienen la misma distribucin de
probabilidad.

4)

( )

Distribucin de probabilidad Ji-cuadrado o Chi-cuadrado n2


Def: Sean (X1, X2, , Xn), n v.a. independientes distribuidas N(0,1), entonces:

X 12 + X 22 + ... + X n2 ~ n2 (Ji-cuadrado con n grados de libertad)


Def: Sea (X1, X2, , Xn) n v.a. independientes, tal que Xi ~ N(; 2), i = 1,2,,n,
2

X
2
~ n (Ji-cuadrado con n.g.l.)
i

i =1
n

entonces

Propiedades:
Es una distribucin de probabilidad asimtrica, unimodal, con Recorrido (0; +
), con E[X]= n V(x) = 2 n.
Grficamente (caso; n = 1, n =2, n > 2)

Uso de tabla Ji cuadrado


En la tabla aparecen los percentiles correspondientes a ciertos valores de
probabilidad dados.

2
k = 0,99
Ejemplo: Determinar k, tal que P 20

Resp k =

2
20
;0,99

= 37,566 = P99 (Percentil 99)

2
Ejemplo: Determinar k1, tal que P 185
< k1 = 0.05
2
2
k1 = 185
;0.05 200;0.05 = 168,279 = P05

5)

Distribucin de Probabilidad t de Student

Def: Sea X ~ N(0;1) y sea Y ~ n2 . Si X e Y son variables aleatorias independientes,


entonces:
X
~ t n (t de Student con n grados de libertad)
Y /n

Propiedades:
Es una distribucin de probabilidad simtrica respecto a su media igual a cero, es
unimodal, con Recorrido (-, + ). Su grfica es ms achatada que N(0,1) o ms
dispersa, pero cuando (n ), n es grande, se aproxima en forma y probabilidad
a la N(0,1).
Grficamente:

Density

0.10
0.00

-400

-200

200

400

600

-30

-20

-10

10

t Distribution: Degrees of freedom=10

t Distribution: Degrees of freedom=30

20

30

0.2
0.0

0.0

0.1

0.1

0.2

Density

0.3

0.3

0.4

0.4

-600

Density

0.20

0.30

t Distribution: Degrees of freedom=2

0.000 0.002 0.004 0.006

Density

t Distribution: Degrees of freedom=1

-4

-2

-2

Uso tabla t de Student


En la tabla aparecen los percentiles correspondientes a ciertos valores de
probabilidad.

Ej: Determinar k, tal que P[t80 k ] = 0,95


k = t 80;0.95 = 1,6641
Ej: Determinar k1, tal que P[t 25 k1 ] = 0,10
k1 = t 25;0.10 = t 20;0.90 = 1,3253 (utilizando la simetra de la distribucin)
tn; (pequeo) = - tn;1-
Ej: Determinar k2, tal que P[t 282 k 2 ] = 0,01

k 2 = t 282;0.01 t 300;0.01 = t 300;0.99 = 2,3388

Distribucin de Probabilidad F de Fisher


Def: Sea X ~ n21 , sea Y ~ n22 , si X e Y son v.a. independientes, entonces:

X / n1
~ Fn1;n2 (F de Fisher con n1 g.l. del numerador y n2 g.l. del denominador.)
Y / n2

Propiedades:
Es una distribucin de probabilidad unimodal, asimtrica, cuyo recorrido es (0; + ).
Grficamente:
F Distribution: Numerator degrees=10, Denominator degrees=14

0.6
0.2

0.4

Density

0.3
0.2

0.0

0.0

0.1

Density

0.4

0.8

F Distribution: Numerator degrees=4, Denominator degrees=4

20

40

60

F Distribution: Numerator degrees=14, Denominator degrees=10

F Distribution: Numerator degrees=25, Denominator degrees=30

Density
0

0.0 0.2 0.4 0.6 0.8 1.0

0.4
0.2

Density

0.6

0.8

0.0

6)

10

0.5

1.0

1.5

Fn1,n2 ; (pequeo) =

2.0
x

1
Fn1;n1;1

Ejemplos: Determinar k, tal que P F8;10 < k = 0,90


k = F8;10;0,90 = 2,3772

Determinar k1, tal que P F14;10 < k1 = 0,05


k1 = F14;10;0,05 (pequeo) =

1
F10;14;0.95

1
= 0,3843
2,6021

2.5

3.0

3.5