Professional Documents
Culture Documents
Probabilstico en
Geoestadstica
Interpretacin probabilstica
Variables aleatorias
Funciones de distribucin y de densidad de
probabilidad
Momentos
Ejemplos de distribuciones
Distribuciones bivariables y multivariables
Nocin de funcin aleatoria
Interpretacin
Algunos problemas:
Variable aleatoria
Funcin de distribucin
acumulada
Funcin de Distribucin Acumulada (fda) de una
variable aleatoria Z:
F ( z ) Prob{Z z} [0,1]
lim FZ ( z ) 0
lim FZ ( z ) 1
Probabilidad acumulada
Funcin de distribucin
acumulada
Prob{Z z} 1 F ( z )
Funcin de distribucin
acumulada
ProbY y y, 0 y 1
Funcin de densidad de
probabilidad
f ( z ) F ' ( z ) lim
F ( z)
f ( z )dz
Funcin de densidad de
probabilidad
f ( z )dz 1
Grfico de probabilidad
acumulativo
Valores extremos
Afectan considerablemente las estadsticas bsicas
Qu hacer con ellos?:
Suavizamiento de
distribuciones
Pocos datos: estadsticas y grficos errticos
experimentales
Suavizamiento de la distribucin experimental permite reducir
Momentos
Caso discreto n
E{Z } m wi zi
donde:
E{Z} = valor esperado o media de
i 1
wi = probabilidad de ocurrencia
del i-simo valor
n = nmero de datos
E{Z } m zdF ( z ) zf ( z ) dz
Caso continuo
Momentos
Propiedades de la esperanza:
E a a
E bZ b E Z
E a bZ a b E Z
E g ( Z )
g ( z ) f ( z ) dz
Momentos
Caso discreto
n
Var {Z } wi ( zi m) 2
2
i1
Caso continuo
Var {Z } ( z m) dF ( z ) ( z m) 2 f ( z )dz
2
Momentos
Var aZ a 2 Var Z
Var b Z Var Z
, 2
La desviacin estndar
, que es la raz
cuadrada de la varianza, tambin es una medida de la
variabilidad de los datos respecto a la media. Se escribe
en las mismas unidades de la variable.
El coeficiente de variacin (CV), que es adimensional,
es la razn entre la desviacin estndar y la media ( /m).
Distribucin Uniforme
fdp
1
z [a,b]
f ( z) b a
0 ,
en otro caso
fda F ( z ) f ( z )dz
Momentos
0, z a
za
z [a,b]
ba
1, z b
E{Z }
ab
m mediana
2
b
1
1 2
2
E{Z }
z
dz
(a ab b 2 )
ba a
3
2
(b a ) 2
Var {Z } E{Z } m
12
2
Distribucin Dirac
F ( z)
0, si no
fdp
0, z a
f ( z)
indefinida en z a
Momentos:
E{Z} = m = a
2 = 0
Distribucin Normal
(Gaussiana)
2
z
g o ( z)
exp
2
2
Distribucin Normal
(Gaussiana)
Go ( z )
G ( z ) g ( z ) dz G o
g o ( z )dz
Si
Z ~ N (, 2 )
y definimos:
, entonces: Y ~ N (0,1)
g(z)
0.40
0.35
0.25
95 %
0.20
0.15
0.10
0.05
0.00
0
2.5%
2.5%
2
10
12
14
16
Distribucin Lognormal
Z ~ log N (m, 2 ), si Y ln Z ~ N (, 2 )
g(z)
G(z)
0.35
1.0
0.9
0.30
0.8
0.25
0.7
0.6
0.20
0.5
0.15
0.4
0.3
0.10
0.2
0.05
0.00
0.1
0
10
0.0
10
Distribucin Lognormal
Las distribuciones lognormales tambin se caracterizan por
dos parmetros: media y varianza. Sin embargo, pueden
caracterizarse ya sea por los parmetros aritmticos (m y 2) o
por los parmetros logartmicos ( y 2).
La fda y fdp lognormal se expresan mas fcilmente en funcin
de sus parmetros logartmicos:
ln z
para todo z 0
FZ ( z ) Prob{Z z )} Go
f Z ( z)
dFZ ( z ) 1 ln z
g o
dz
z
ln m / 2
2
ln
2
1 2
m
Combinacin de
distribuciones
De la combinacin de distribuciones resulta una nueva
distribucin.
F(z) =kkF'k(z) es un modelo de distribucin si las F' k(z) son
funciones de distribucin y si los k son positivos y suman 1.
F ( z ) zi ( z )
n i1
Una suma de n
distribuciones Dirac
de parmetros zi e
igual amplitud 1/n
E{m } E{Z} m
Normal
1
2
E{ } E{ log Z}
Normal
1
2
Distribucin bivariable
f ( z1 , z 2:)
Funcin de densidad de probabilidad conjunta
de R2 en R es la funcin de densidad de probabilidad
conjunta del vector aleatorio bivariable (ZA1
,ZR2)2 si para
cada
:
Distribucin bivariable
Z1Z 2
( s,t ) ds dt
FZ1Z 2 ( z1 , z 2 )
Distribuciones marginales
(univariables):
f Z1 ( z1 )
f Z1Z 2 ( z1 , z 2 )
Z1Z 2
( z1 ,t ) dt
f Z 2 ( z2 )
Z1Z 2
( s, z2 ) ds
Distribuciones condicionales
(Ley de
f Z1Z 2 ( z1 , z 2 )
f Z1ZBayes):
( z1 , z 2 )
2
f Z 2 ( z 2 | z1 )
E{g ( Z 2 ) | Z1}
f Z1 ( z1 | z 2 )
f Z1 ( z1 )
f Z 2 ( z2 )
g ( z) f
Z2
( z | z1 ) dz
z1 z 2
Distribucin bivariable
5a. Fila
7
4
Variable z1
8
V a ria b le z 2
15
12
K1
1
1
7
6
Lnea de
regresin
5
de z 2 en z 1
4
3
Lnea de regresin
de z 1 en z 2
M
0
1
7
10
Variable z1
4
9
9
15
11
12 0
15
20 20
Coeficiente de
Correlacin
r = 0,5
31 31
D is trib u c i n M a rg in a l (G lo b a l) d e
z2
M e 2d ia = 5
Z 2 = 1 ,3 3 4
Z 2 = 1 ,1 5 5
11
15
10
3 4
4 a . C o lu m n a
4 6 3
1
8 a . C o lu m n a
E je m p lo s d e d is trib u c io n e s
e n c o lu m n a s v e rtic a le s
L a m e d ia c o rre s p o n d e a la
d e la 2ln e a K 2L d e 2 re g re s i n
Z 2 /Z 1 = Z 2 (1 -r ) = 1 ,0 0
V a ria b le z 2
1
9
Distribucin bivariable
( z m )( z
1
m2 ) f Z1Z 2 ( z1 , z2 )dz1dz 2
Distribucin multivariable
Nocin de funcin
aleatoria
Nocin de funcin
aleatoria