Professional Documents
Culture Documents
probabilidad
16 de julio de 2018
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
2 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
3 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
4 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
5 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
6 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
7 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
pj = P(X = xj ); j = 1, 2, ..., k
Donde
k
∑ pj = 1; pj ∈ [0, 1], j = 1, 2, ..., k
j=1
8 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
f (xj ) = pj ; j = 1, 2, ..., k
9 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
10 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
11 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
12 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
14 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
15 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Distribuciones
16 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Distribución conjunta
Sean X y Y variables aleatorias discretas. Entonces (X , Y ) tiene
una distribución conjunta descrita por la función de probabilidad
conjunta de (X , Y ):
fX ,Y (x, y) = P(X = x, Y = y)
Distribución binomial
18 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Distribuciones condicionales
En economı́a, con frecuencia se busca conocer cómo se relacio-
na una variable Y con otra X . Lo más que se puede saber de
cómo afecta X a Y está contenido en la función de distribución
condicional de Y dado X :
fY |X (y|x) = fX ,Y (x, y)/fX (x)
Cuando X y Y son discretas:
fY |X (y |x) = P(Y = y|X = x)
Cuando X y Y son independientes:
fY |X (y|x) = fY (y)
fX |y (x|y) = fX (x)
19 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
20 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
21 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Esperanza
El valor esperado es una medida de tendencia central
Si X es una variable aleatoria, su esperanza (o valor
esperado o media poblacional) se denota por E(x) o µ es
un promedio ponderado de los posibles valores de X
Los pesos están determinados por la fdp
Sea X una variable aleatoria discreta que toma un número finito
de valores {x1 , x2 , ..., xk }. Sea f (x) la función de probabilidad de
X . Entonces el valor esperado de X es el promedio ponderado:
k
E(X ) = x1 f (x1 ) + x2 f (x2 ) + ... + xk f (xk ) = ∑ xk f (xk ) (1)
i=1
22 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Esperanza
Si X es una variable aleatoria continua:
Z ∞
E(X ) = xf (x)dx (2)
−∞
Si X es contı́nua:
Z ∞
E(g(X )) = g(x)f (x)dx
−∞
23 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Propiedades de la esperanza
24 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Mediana
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
26 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Varianza
La varianza es una medida de variabilidad o dispersión
Sea la variable aleatoria X , tal que µ = E(X ) una forma de
medir qué tan lejos está X de µ es con la forma cuadrática
(X − µ)2
La forma cuadrática es para que se trate igual a valores
menores y mayores que µ y los valores sean positivos, de
forma que se mantenga el concepto de distancia
La varianza indica, en promedio, cuán lejos está X de µ y
se define como:
Var (X ) = E[(X − µ)2 ] (3)
σ 2 = E(X 2 − 2X µ + µ 2 ) = E(X 2 ) − µ 2
27 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Propiedades de la varianza
28 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
29 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Estandarización
30 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Sesgo
31 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Curtosis
32 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
33 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
34 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Covarianza
Es conveniente contar con una medida de cómo cambia en
promedio una variable aleatoria respecto a otra
Sean µX = E(X ) y µY = E(Y ) de dos variables aleatorias X
y Y . La covarianza entre estas dos variables se define
como:
Cov (X , Y ) = σX ,Y = E[(X − µX )(Y − µY )] = E[XY ] − E[X ]E[Y ]
Propiedades de la covarianza
|Cov (X , Y )| ≤ σX × σY
El signo de la covarianza es informativo. No obstante, la
magnitud no lo es.
36 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Coeficiente de correlación
37 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Propiedades de la correlación
−1 ≤ ρX ,Y ≤ 1
Para todas las constantes a1 , a2 , b2 y b2 con a1 × a2 > 0
Corr (a1 X + b1 , a2 Y + b2 ) = ρX ,Y
con a1 × a2 < 0
38 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
39 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
40 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Esperanza condicional
Previamente se introdujo el concepto de función de distribución
condicional. Uno de los momento de dicha función es la
esperanza condicional. Si se conoce un valor particular que X
tomó, se puede calcular el valor esperado de Y dado que se
conoce dicho valor tomado por X y se denota por E(Y |X = x).
Si Y es una variable aleatoria discreta que toma los valores
{y1 , y2 , ..., y3 }, entonces:
n
E(Y |x) = ∑ yi fY |X (yi |x)
i=1
Si Y es una variable aleatoria continua, se tiene:
Z
E(Y |x) = yfY |X (y |x)dx
que ha tomado X. 41 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Salario y educación
42 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Esperanza condicional
43 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Salario y educación
En lugar de calcular el salario esperado para cada nivel de
educación, se puede establecer la siguiente relación consistente
con la Figura 2
E(sal|educ) = 1.05 + 0.45educ (4)
Y de forma general:
y = β0 + β1 + u (5)
44 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
45 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Outline
1 Variables aleatorias
Variables aleatorias discretas
Variables aleatorias continuas
2 Distribuciones
3 Momentos de las distribuciones
Medidas de tendencia central
Medidas de variabilidad
Momentos superiores
4 Caracterı́sticas de las distribuciones
Medidas de asociación
Esperanza condicional
Distribuciones
46 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Distribución normal
Sea X una variable aleatoria tal que E(X ) = µ y Var (X ) = σ 2
con distribución normal. Entonces X ∼ N (µ, σ 2 ) y su fdp es de
la forma
1 (x − µ)2
1
f (x) = √ exp −
2πσ 2 2 σ2
48 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Distribución χ 2
49 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Distribución t
Z
T=p ∼ tN
X /N
50 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Lecturas sugeridas
51 / 52
Variables aleatorias Distribuciones Momentos de las distribuciones Caracterı́sticas de las distribuciones Referencias
Referencias I
52 / 52