APUNTES DE ESTADISTICA

Nancy Lacourly

1996

Con la colaboracion de Ernesto San Martn y Felipe Faras

PREFACIO
Este curso de estad
stica hace parte del plan com
un de ingenier
a 1 . Como para algunas
carreras es el u
nico curso que tendr
a el alumno de Ingenieria, se ha trata aqu
 dar una
visi
on de la metodolog
a basica de la Inferencia Estad
stica y una introducci
on a los modelos
lineales y m
etodos multidimensionales. Se busca preparar al futuro ingeniero en la aplicaci
on
de modelos estad
sticos para tratar fen
omenos aleatorios en f
sica, mec
anica o econom
a en
donde se encuentra errores de medici
on, errores de muestreo etc., as
 como grandes volumenes
de datos que en la actualidad pueden ser estudiados f
acilmente.
Si bien el c
alculo de las probabilidades es una teor
a matem
atica abstracta, que deduce conse-
cuencias de un conjunto de axiomas, al contrario la estadistica necesita dar una interpretaci
on
concreta a la noci
on de probabilidad. Varias interpretaciones fueron propuestas por los es-
tadisticos, que se pueden resumir en dos puntos de vista diferentes: la noci
on frecuentista y
la noci
on intuicionista.
El punto de vista frecuentista asocia la noci
on de probabilidad a la noci
on emp
rica de frecuen-
cia, basada en observaciones aleatorias repetidas, mientras que el punto de vista intuicionista
liga la noci
on de probabilidad a lo incierto, para denir un grado de creencia.

1
Este texto fue
nanciado parcialmente por la Escuela de Ingeniera y Ciencias (Proyecto Docente 139301)
INDICE
1 INTRODUCCION A LA ESTADISTICA 6
1.1 HISTORICO : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 6
1.2 EJEMPLOS DE PROBLEMAS ESTADISTICOS : : : : : : : : : : : : : : : : : : : : : 7
1.3 EL RAZONAMIENTO ESTADISTICO : : : : : : : : : : : : : : : : : : : : : : : : : : 7
1.3.1 Recoleccion de los datos : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 8
1.3.2 Descripcion estad stica de los datos : : : : : : : : : : : : : : : : : : : : : : : : : 8
1.3.3 Analisis de los datos : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 8
1.3.4 Decision o prediccion : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 8
1.4 TEORIA DE MUESTREO : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 8

2 DISTRIBUCIONES EN EL MUESTREO 11
2.1 INTRODUCCION : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 11
2.2 TIPOS DE VARIABLES : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 11
2.3 FUNCION DE DISTRIBUCION EMPIRICA : : : : : : : : : : : : : : : : : : : : : : : 11
2.3.1 Caso de variables numericas (reales o enteras) : : : : : : : : : : : : : : : : : : : 11
2.3.2 Caso de variables no son numericas (nominal u ordinal) : : : : : : : : : : : : : 13
2.4 DISTRIBUCIONES EN EL MUESTREO Y EN LA POBLACION : : : : : : : : : : : 13
2.4.1 Media muestral : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 13
2.4.2 Varianza muestral : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 14
2.4.3 Caso de una distribucion normal : : : : : : : : : : : : : : : : : : : : : : : : : : 14
2.4.4 Valores extremos : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 17
2.4.5 Cuantilas : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 18

3 ESTIMACION PUNTUAL 19
3.1 INTRODUCCION : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 19
3.2 METODO DE LOS MOMENTOS : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 20
3.3 METODO DE MAXIMA VEROSIMILITUD : : : : : : : : : : : : : : : : : : : : : : : 20
3.4 EJEMPLOS : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 20
3.5 PROPIEDADES : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 22

3
 3.5.1 Invarianza : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 22
3.5.2 Consistencia : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 22
3.5.3 Estimador insesgado : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 23
3.5.4 Suciencia : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 24
3.6 ESTIMADORES BAYESIANOS : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 25
3.6.1 Distribuciones a priori : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 25
3.6.2 Distribuciones a posteriori : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 25
3.6.3 Funciones de perdida : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 26
3.6.4 Estimadores de Bayes : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 27
3.6.5 Estimadores de Bayes para muestras grandes : : : : : : : : : : : : : : : : : : : 28
3.7 EJERCICIOS : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 29

4 ESTIMACION POR INTERVALO 32

4.1 INTRODUCCION : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 32
4.2 CASO BAYESIANO : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 32
4.3 INTERVALO DE CONFIANZA DE NEYMANN : : : : : : : : : : : : : : : : : : : : : 32
4.4 EJERCICIOS : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 35

5 TESTS DE HIPOTESIS 38
5.1 GENERALIDADES : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 38
5.2 HIPOTESIS ESTADISTICAS : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 39
5.3 TEST DE HIPOTESIS PARAMETRICAS : : : : : : : : : : : : : : : : : : : : : : : : 40
5.3.1 Funcion de potencia : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 40
5.3.2 Tests para hipotesis simples : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 42
5.3.3 Tests U.M.P. : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 44
5.3.4 Tests usuales : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 46
5.4 TESTS 2 : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 51
5.4.1 La distribucion normal multivariada : : : : : : : : : : : : : : : : : : : : : : : : 51
5.4.2 La distribucion multinomial : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 53
5.4.3 Test de ajuste para un modelo multinomial : : : : : : : : : : : : : : : : : : : : 54

4
 5.4.4 Test de ajuste para una distribucion discreta : : : : : : : : : : : : : : : : : : : 55
5.4.5 Test de ajuste para una distribucion continua : : : : : : : : : : : : : : : : : : : 55
5.4.6 Test de independencia en una tabla de contingencia : : : : : : : : : : : : : : : 57
5.5 EJERCICOS : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 58

5
1 INTRODUCCION A LA ESTADISTICA 6

1 INTRODUCCION A LA ESTADISTICA
La estad
stica es una rama del m
etodo cient
co que trata datos emp
ricos, es decir datos
obtenidos contando o midiendo propiedades sobre poblaciones de fen
omenos naturales, cuyo
resultado es "incierto".
En teor
ia de las probabilidades, estudiaron el experimento relativo a tirar un dado y hicieron
el supuesto que el dado no est
a cargado (sucesos elementales equiprobables), lo que permite
deducir que la probabilidad de sacar "un n
umero par" es igual a 1=3. A partir de un modelo
probabilitico adecuado, se deduce nuevos modelos o propiedades. En Estad
istica tratamos
responder a la pregunta ">el dado no est
a cargado?", comprobando si el modelo probabilistico
de equiprobable subyacente esta en acuerdo con datos experimentales obtenidos tirando el
dado un cierto n
umero de veces. Se propone entonces un modelo probabilitico que debe seguir
los datos y no lo contrario.
La teor
a de las probabilidades permite deducir propiedades a partir de una serie de axiomas,
mientras que la Estad
tica propone m
etodos para vericar hip
otesis.
Esta introducci
on se inicia con una breve presentaci
on hist
orica de la estad
stica, para seguir
con algunos ejemplos de problemas estad
sticos. Siguen las etapas del razonamiento que se
usa para resolver tales problemas. Terminamos esta introducci
on con la presentaci
on de la
teor
a de muestreo, que es la base de la soluci
on de todo problema estad
stisco.

1.1 HISTORICO
Antes de la aparici
on del c
alculo de las probabilidades en el siglo 17, la estad
stica se ha
desarrollado poco y se limita a estudio descriptivo, que es la parte de la estad
stica que no se
apoya sobre la noci
on de probabilidad. En efecto es una actividad bien antigua, aquella de
recolectar datos para conocer la situaci
on de los estados: el emperador chino Yao organiz
o
un censo de producciones agricolas en 2238 A.C. en Egipto ya se hac
an catastros y censos
en 1700 A.C. m
as cerca, los Incas con sus quipus manten
an al d
a las estad
sticas de las
cosechas. Durante este per
odo, los censos de poblaciones y recursos naturales son s
olo cifras
informativas y descriptivas. Es s
olo en el siglo 18 que se expande la idea introducida por el
ingles John Grant, que las estad
sticas demogr
acas podr
an servir de base a predicciones.
Con Adophe Quetelet se empieza a concebir que la estad
stica puede ser fundada en el c
alculo
de las probabilidades. Pero hay que esperar los primeros estad
sticos matem
aticos ingleses
(despu
es de 1900) para ver realmente una metodolog
a estad
stica como una teor
a inductiva
bien formalizada, que permite inducir a partir de datos observados particulares, conclusiones
generales sobre el comportamiento probabil
stico de fen
omenos observados. Despu
es de la
Estad
stica Matem
atica, que se desarrolla entre 1900 y 1950, los estad
sticos neo-bayesianos
proponen hacer inferencia, no s
olo a partir de los datos observados, sino tomando tambi
en en
cuenta el conocimiento a priori respecto de los modelos probabil
sticos. En la misma
epoca
(1950), la aparici
on de los computadores potentes permite el auge del an
alisis de grandes
1 INTRODUCCION A LA ESTADISTICA 7

volumenes de datos, con m
as observaciones y m
as variables. Un conjunto de t
ecnicas para
estudiar datos multidimensionales, que se basan en modelos no probabil
sticos, permiten
describir, clasicar y simplicar los datos con el objeto de facilitar su interpretaci
on adem
as
de sugerir leyes, modelos o explicar fen
omenos.

1.2 EJEMPLOS DE PROBLEMAS ESTADISTICOS

Probar si una moneda est
a cargada.

Hacer predicciones demogr
acas a partir de un censo.

Controlar de la calidad de un proceso de fabricaci
on.

Estudiar la conabilidad de un material.

Evaluar el efecto de un fertilizante sobre la cosecha del choclo.

Evaluar la ecacia de una droga para combatir una enfermedad.

Predecir los resultados de una elecci
on presidencial.

Evaluar la audiencia de los programas de televisi
on.

Evaluar el efecto del consumo de alcohol sobre los reejos del conductor.

Evaluar la pobreza en un pa
s.

Todos estos problemas son distintos algunos se podr
an basar en datos censales y otros en
datos muestrales. Pero hay una l
nea general del razonamiento que es la misma para todos.

1.3 EL RAZONAMIENTO ESTADISTICO

Las etapas del razonamiento estad
stico son generalmente las siguientes:

Recolecci
on de los datos.

Descripci
on estad
stica de los datos.

An
alisis de los datos.

Decisi
on o predicci
on.
1 INTRODUCCION A LA ESTADISTICA 8

1.3.1 Recoleccion de los datos

Se distingue los censos, en que los datos estan recolectados sobre la integralidad de las
unidades de la poblaci
on considerada, de los muestreos, en los cuales se recoge informaciones
sobre s
olo una parte de la poblaci
on. La forma de elegir la muestra depende del problema
(dise~no de muestreo y dise~no de experimentos) y puede ser muy compleja, pero generalmente
la muestra est
a obtenida aleatoriamente y llama a usar la teor
a de las probabilidades.

1.3.2 Descripcion estadstica de los datos

La descripci
on estad
stica permite resumir, reducir y presentar el contenido de los datos con el
objeto de facilitar su interpretaci
on, sin considerar que estos datos provienen de una muestra.
Las t
ecnicas depender
an del volumen de las observaciones, de la cantidad de las variables, de
la naturaleza de los datos y de los objetivos del problema.

1.3.3 Analisis de los datos

El an
alisis estad
stico es la etapa m
as importante del razonamiento estad
stico, y general-
neralmente se basa en un modelo matem
atico o probabil
stico. Tal modelo depender
a de
los datos y eventualmente del conocimiento a priori que se puede tener sobre el fen
omeno
estudiado. El modelo no est
a en general totalmente determinado (es decir, se plantea una
familia de modelos de un cierto tipo) por ejemplo, en el caso de modelos probabil
sticos
podr
a ser una distribuci
on normal, una distribuci
on de Poisson o una distribuci
on Beta, o en
el caso de modelos matem
aticos podr
a ser un modelo lineal. Estos modelos tendr
an algunos
parametros indeterminados. Se trata entonces de jar lo mejor posible tales par
ametros
desconocidos a partir de datos emp
ricos obtenidos sobre una muestra: es un problema de
estimacion estadstica. Por otro lado, antes o durante el an
alisis, se tienen generalmente
consideraciones te
oricas respecto del problema estudiado y se trata entonces de comprobarlas
o rechazarlas a partir de los datos emp
ricos: es un problema de test estadstico.

1.3.4 Decision o prediccion

Una vez analizados los datos, se tiene en general que tomar una decisi
on o proceder a alguna
predicci
on, que depender
a del an
alisis previo. Por ejemplo, se tiene que decidir, a partir de
algunos experimentos, si un tratamiento es ecaz, o bien predecir el IPC del pr
oximo mes.

1.4 TEORIA DE MUESTREO

Una base importante de la estad
stica est
a contenida en la teor
a de muestreo.
1 INTRODUCCION A LA ESTADISTICA 9

Los datos experimentales son obtenidos sobre conjunto de individuos u objetos, llamado
poblacion, sobre el cual se quiere conocer algunas caracter
sticas. La poblaci
on puede ser
nita -por ejemplo, en una encuesta de opini
on, es la poblaci
on de un pa
s o una regi
on, los
productos fabricados por una maquina- o innita, cuando la poblaci
on se dene a partir del
experimento de tirar un dado, o sacar valores de la distribuci
on de probabilidad de la v.a.
N (0 1) (es el espacio muestral). Como generalmente la poblaci
on a estudiar es demasiado
vasta o incluso innita, se extrae solamente un subconjunto de la poblaci
on, llamada muestra
sobre la cual se observan caracter
sticas llamadas variables. >C
omo entonces sacar una
muestra de una poblaci
on o de una distribuci
on de probabilidad desconocida para obtener
informaciones dedignas sobre la poblaci
on de la cual proviene? Es lo que pretende contestar
la teor
a de muestreo, planteando la pregunta de otra manera: >Si la distribuci
on probabilidad
de obtener la muestra que se obtuvo? La teor
a de muestreo permite de demir el tama~no
de la muestra a tomar pero la forma de seleccionar los elementos de la muestra tambi
en.
Se tiene varios m
etodos de muestreo para obtener muestras que, dependiendo del problema,
pueden ser muy complejos.
Los valores de las variables obtenidos sobre los elementos de la muestra se llaman valores
muestrales. Ahora bien, cuando se emiten conclusiones sobre una poblaci
on a partir s
olo de
valores muestrales, entonces estos resultados est
an afectados de errores debidos al muestreo.
Pero se tiene generalmente errores de medici
on tambi
en que pueden inuir sobre la precisi
on
de las conclusiones.
Ahora bien hay que observar que los errores de muestreo decrecen con el tama~no de la muestra,
pero los errores de observaci
on crecen con este tama~no. Lo ideal es entonces tener un buen
equilibrio entre estos tipos de errores.
Se vi
o en el curso de probabilidad que el muestreo aleatorio simple (m.a.s.) permite sacar
muestras de tama~no dado equiprobables, distinguiendo el m.a.s. con reemplazo del m.a.s. sin
reemplazo.
Dado un experimento aleatorio E y una poblaci
on (o espacio muestral)  de sucesos ele-
mentales, el conjunto de n realizaciones del experimento E es una muestra de tama~no
n.

Una muestra aleatoria simple con reemplazo (o con repetici
on) se obtiene realizando n
repeticiones independientes del experimento E , tomando sobre  los sucesos elementales
equiprobables. Se obtiene entonces una n-tupla de .

Una muestra aleatoria simple sin reemplazo (o sin repetici
on) se obtiene de la poblaci
on
 realizando el experimento E :
{ sobre . Se obtiene un suceso !1 con equiprobabilidad
{ sobre  n f!1g. Se obtiene un suceso !2 con equiprobabilidad
{ sobre  n f!1 !2g. Se obtiene un suceso !3 con equiprobabilidad, etc.
As
 se obtienen elementos de , todos distintos.
1 INTRODUCCION A LA ESTADISTICA 10

El muestreo aleatorio simple es un m
etodo para obtener muestras de tama~no jo de tal
forma que todas las muestras de mismo tama~no tengan la misma probabilidad de ser
seleccionadas. Pero no es la u
nica forma de proceder.
2 DISTRIBUCIONES EN EL MUESTREO 11

2 DISTRIBUCIONES EN EL MUESTREO
2.1 INTRODUCCION
Los m
etodos estad
sticos permiten confrontar modelos matem
aticos o probabil
sticos con los
datos emp
ricos obtenidos sobre una muestra:

Dadas observaciones obtenidas sobre una muestra de tama~no n, se busca deducir

propiedades de la poblacion de la cual provienen.

Si se tiene una sola variable aleatoria X cuya funci
on de distribuci
on F es desconocida,

obteniendo observaciones de esta variable X, buscaremos conocer a la funci
on de distribuci
on
F de la poblaci
on. Los valores X1 X2 ::: Xn de una v.a. X obtenidos sobre una muestra de
tama~no n son los valores muestrales.
Se busca entonces, por ejemplo, estimar la media de la distribuci
on F a partir de los valores
muestrales. Esto tendr
a sentido si la muestra es representativa de la poblaci
on.

2.2 TIPOS DE VARIABLES

La cantidad y la naturaleza de las cacter
sticas que se puede medir sobre los elementos de
una poblaci
on  son de varios tipos. Supondremos aqu
 una sola variable que es una funci
on
X:  ;! Q. Se distingue la naturaleza de la variable X seg
un el conjunto Q:

variable cuantitativa (tambi
en llamada intervalar) si Q es un intervalo de IR o todo IR

es una v.a. real continua.

variable discreta si Q es un subconjunto de IN 

variable cualitativa (o nominal) si Q es un conjunto nito de atributos (o modalidades)
no num
ericos

variable ordinal si Q es un conjunto de atributos no num
ericos que se pueden ordenar.
El tratamiento estad
stico depende del tipo de variable considerada.

2.3 FUNCION DE DISTRIBUCION EMPIRICA

2.3.1 Caso de variables numericas (reales o enteras)
Sean X1 X2 ::: Xn, los valores muestrales obtenidos de un m.a.s..
2 DISTRIBUCIONES EN EL MUESTREO 12

Fn (x) = CardfXni =xi
xg es la proporci
on de observaciones de la muestra inferiores o iguales

a x Fn (x) tiene las propiedades de una funci
on de distribuci
on: F ; n(x) es monotona no
decreciente tiene limites a la derecha y a la izquierda es continua a la derecha F (;1) = 0
F (+1) = 1. Adem
as sus puntos de discontinuidad son en n
umero nito y son con salto

F 6

- x
Figura 2.1: Una distribuci
on emp
rica.

Adem
as para x jo Fn (x) es una variable aleatoria y nFn (x) es una v.a. igual a la suma de
variables de Bernoulli independientes de mismo par
ametro F (x), o sea nFn (x)  B(n F (x)).

Teorema 2.1 Para todo x, Fn (x) converge casi-seguramente hacia la distribucion teorica
F(x) de X.

Demostraci
on: Como nFn (x)  B(n F (x)), de la ley de los grandes n
umeros se concluye que:
P (lim
n Fn (x) = F (x)) = 1
c:s: F (x)
O sea que Fn (x) ;!

Teorema 2.2 (Glivenko-Cantelli)

Dn = sup j Fn (x) ; F (x) j;! 0
x

Teorema 2.3 (Kolmogorov)

La distribucion asintotica de Dn es conocida y no depende de X:
p X
+1

!1 P ( nDn < y ) =
nlim (;1)K exp(;2K 2 y 2)
;1

No se demuestran estos dos teoremas.

2 DISTRIBUCIONES EN EL MUESTREO 13

2.3.2 Caso de variables no son numericas (nominal u ordinal)

Cuando las variables no son num
ericas, Q es un conjunto nito:
Q = fq1 q2 ::: qrg. La distribuci
on de poblaci
on est
a denida por las probabilidades
IP (X = qk ) (8 k = 1,...,r).
Dada una muestra aleatoria simple X1 X2 ::: Xn de tama~no n, se dene las proporciones en
el muestreo sj = CardfnXi =qj g , j = 1 ::: r.
Consideramos el caso r = 2, por ejemplo, una pieza es defectuosa o no es defectuosa sea p la
probabilidad desconocida que una pieza est
e defectuosa. Dada una muestra aleatoria simple
de tama~no n, si fn es la proporci
on de piezas defectuosas encontradas entre las n observadas,
nfn sigue una distribuci
on Binomial(n,p) y adem
as fn ;! N (p p(1 ; p)=n).

2.4 DISTRIBUCIONES EN EL MUESTREO Y EN LA POBLACION

Sean X1 X2 ::: Xn, los valores muestrales.
Denicion 2.1 Las funciones de los valores muestrales son v.a. llamadas estadsticos y
las distribuciones de los estad sticos se llaman distribuciones en el muestreo.

La distribuci
on de la v.a. X, que es generalmente desconocida, se llama distribucion de

poblacion. Se le da en general una expresi
on teorica. Se supone, por ejemplo, que la dis-
tribuci
on de poblaci
on pertenece a una familia de distribuciones, por ejemplo la distribuci
on
normal, la distribuci
on beta o la distribuci
on de Poisson. Quedan desconocidas, en este caso,
s
olo algunas caracter
sticas. Estas caracter
sticas, son los parametros de la distribuci
on de
poblaci
on.
Los estad
sticos y sus distribuciones en el muestreo (o sus distribuciones asint
oticas cuando n
tiende a +1) permiten estimar los par
ametros desconocidos de la distribuci
on de poblaci
on.

2.4.1 Media muestral

Sean X1  X2 ::: Xn, los valores muestrales independientes
P e identicamente distribuidos (i.i.d.)

de una v.a. X. Se dene la media muestral como Xn = Xi =n. Si la distribuci
on de poblaci
on
tiene como esperanza y varianza  y  2 respectivamente (E (Xi) =  y V ar(Xi) =  2 para
todo i), entonces E (X n) =  y V ar(X n) =  2=n. Si adem
as la distribuci
on de poblaci
on es
normal entonces la distribuci
on en el muestreo de X n tambi
en lo es. Los valores muestrales
Xi no provienen necesariamenten ;
de una distribuci
on normal pero si son i.i.d., entonces la
X
distribuci
on asint
otica de =pn es N (0 1) (TEOREMA DEL LIMITE CENTRAL).
2 DISTRIBUCIONES EN EL MUESTREO 14

2.4.2 Varianza muestral

Sea una m.a.s. fX1 X2 ::: Xng, con E(Xi) =  y Var(Xi) =  2.
Sn2 = n1 Pni=1 (Xi ; Xn)2 = n1 P Xi2 ; X n2 = n1 Pni=1 (Xi ; )2 ; (X n ; )2
Propiedades:


c:s:  2
Sn2 ;! ( n1 Pni=1 Xi2 ;!
c:s: E (X 2) y X 2 ;!
n
c:s: E (X )]2).

m:c:  2
Sn2 ;! (E ((Sn2 ;  2 )2) ;! 0).
C
alculo de E (P Sn2 )
E (Sn2) = E ( n (Xi2 ; Xn )2 ) = E ( n1 P(Xi2 ; )2 ; (X n ; )2)


1

E (Sn2) = n1 P V ar(Xi) ; V ar(X n ) = n1 P 2 ; n

2

E (Sn2) = n;n 1 2 ;! 2 :

C
alculo de V ar(Sn2 )
V ar(Sn2) = nn;31 ((n ; 1)4 ; (n ; 3) 4)
en que 4 = E ((X ; )4 ) es el momento te
orico de orden 4 de la v.a. X.
Se deja este c
alculo como ejercicio.
V ar(Sn2 )  4 ;n 4 ;! 0.

C
alculo de Cov (X n  Sn2)
Cov(X n Sn2) = E ((X n ; )(Sn2 ; n;n 1  2))
Cov(X n Sn2 ) = E (( n1 P Xi ; )( n1 P(Xj ; )2 ; (X n ; )2 ; n;n 1  2))
Cov(X n Sn2 ) = E (( n1 P(Xi ; ))( n1 P(Xj ; )2 ; (X n ; )2 ; n;n 1  2))
E (Xi ; ) = 0 8i y E (Xi ; )(Xj ; ) = 0 8(i j )
Cov(X n Sn2 ) = n12 E (P(Xi ; )3 ) ; E ((X n ; )3)
Cov(X n Sn2) = n12 E (P(Xi ; )3 ) ; n13 E (P Xi3)
Cov(X n Sn2) = n3 ; n23 = nn;21 3
si n ! +1, Cov (X n  Sn2) ! 0 (lo que no signica que hay independencia).
En particular si la distribuci
on es sim
etrica (3 = 0), entonces Cov (X n  Sn2) = 0:

2.4.3 Caso de una distribucion normal

Xi  N ( 2) i.i.d. =) Xn  N ( 2=n)
2 DISTRIBUCIONES EN EL MUESTREO 15

Sn2 = n1 P(Xi ; )2 ; (Xn ; )2

nSn2
2 = P( Xi; )2 ; ( X=
 n ; 2
pn )

Como las v.a. ( Xi; ) son i.i.d. de una N (0 1), entonces U = P( Xi; )2 es una suma de
los cuadrados de n v.a. independientes de N (0 1) cuya distribuci
on es f
acil de calcular y se
 n ; 2
llama Ji-cuadrado con n grados de libertad y se denota 2n . Por otro lado, ( X= pn )
sigue una distribuci
on  con 1 grado de libertad.
2

En efecto recordemos en primer lugar la distribuci
on de Y = Z 2 , en que Z  N (0 1):

Sea (x) la funci
on de distribuci
on de pZ  N (0 1) p
y F(y) la
p
de Y = Zp2 .
F (y) = P (Y y ) = P (Z 2 y) = P (; y Z y ) = ( y ) ; (; y):
Se deduce la funci
on de densidad de Y:
f (y ) = p1 y ;1=2exp(;y=2) 8y > 0
2
Se dice que Y sigue una distribuci
on Ji-cuadrado con 1 grado de libertad, 21 .
Observando que la 21 tiene una distribuci
on Gamma particular ;(1=2 1=2), la funci
on gen-
eratriz de momentos (f.g.m.) se escribe:
"Y (t) = E (etY ) = ( 1 ;1 2t )1=2 8t < 12
Sea U = Pn1 Yi = Pn1 Zi2 en que las Zi2 son 21 independientes, entonces
"U (t) = ( 1;12t )n=2 , que es la f.g.m. de una distribuci
on Gamma( n2  21 ).
Se deduce as
 la funci
on de densidad de U la v.a. 2n , una Ji-cuadrado con n g.l.:
un=2;1 exp(;u=2) 8u > 0
f (u) = 2n=1 2 ;( n=2)
Se observa que E (U ) = n y V ar(U ) = 2n y se tiene el siguiente resultado:
Corolario 2.1 La suma de k v.a. independientes y de distribucion 2 a r1, r2,...,rk g.l.
respectivamente sigue una distribucion 2 a r1 + r2 + ::: + rk g.l.

Aplicamos estos resultados al c
alculo de la distribuci
on de Sn2 cuando X  N (  2)

Teorema 2.4 Si X1 X2 ::: Xn son i.i.d. de la N ( 2), entonces la v.a. nSn2 =2 sigue una
distribucion 2n;1
2 DISTRIBUCIONES EN EL MUESTREO 16

Demostraci
on: Sea X el vector de laspn v.a. ypuna transformaci
on ortogonal Y = BX tal

que la primera la de B es igual a (1= n ::: 1= n). Se tiene entonces que:

Y1 = pnXn


P Y 2 = P X 2 = P(X ; X )2 + nX 2
i i i n n
Y22 + ::: + Yn2 = nSn2
p

(Y1 ; n)2 + Y22 + ::: + Yn2 = (X1 ; )2 + ::: + (Xn ; )2
La densidad conjunta de Y1  ::: Yn es entonces proporcional a:
p
expf;(y1 ;  n)2 + Y22 + ::: + Yn2 g=22
Luego Y12  ::: Yn2 son independientes y
p p
nX n = Y1  N ( n 2)
nSn2 =2 = Y22 + ::: + Yn2g= 2  2n;1
Adem
as X n y Sn2 son independientes.

Teorema 2.5 Sean X1 X2 ::: Xn v.a. i.i.d., entonces Xn y Sn2 son independientes si y solo
si las Xi provienen de una distribucion normal.

La demostraci
on se deduce del teorema 2.4 y del corolario 2.1.

Denemos a continuaci
on la distribuci
on t de Student (Student es un seud
onimo utilizado por
el estad
stico ingl
es W. S. Gosset para publicar), que tiene muchas aplicaciones en inferencia
estad
stica como la distribuci
on 2 .
Denicion 2.2 Si X e Y son dos v.a. independientes, X  N (0 1) e Y  2n , entonces la
v.a. T = pX tiene una distribucion t de Student a n grados de libertad.
Y
n

Buscamos la funci
on de densidad de la v.a. T . Si f (x y ) es la densidad conjunta de (X Y )

y f1 (x) y f2 (y ) las densidades marginales de X e Y respectivamente, entonces f (x y ) =
f1 (x)f2(y).
f1 (x) = p1 exp(; x2 ) 8x 2 IR
2

y n=2;1 exp(;y=2) 8y > 0

f2(y) = 2n=1 2 ;( n=2)
2 DISTRIBUCIONES EN EL MUESTREO 17
p
El jacobiano del cambio de variables X = T W=n e Y = W es J = W=n. Deducimos la
p
densidad conjunta de (T W ):
r w e; t2n2 w w n2 ;1e; w2
g(t w) = n p 8w > 0 ;1 < t < 1
2 2 n2 ;( n2 )

n;1 ; 1 (1+ t )w2

w 2 e 2
g(t w) = p n+1
n
8w > 0 ;1 < t < 1
2 n;( n2 )

;( n+1 )(1 + x2 );( n+1 )

h(t) = 2 pn ;(nn )
2
t 2 IR
2

n
Se observa que la funci
on de densidad de T es sim
etrica y E (T ) = 0 y var(T ) = n ; 1
para n  2. Ademas para n=1 se tiene la distribuci
on de Cauchy y para n grande se puede
aproximar la distribuci
on de T a una N (0 1).
Aplicando estos resultados, deducimos que la distribuci
on de la v.a.

V = p X2 n ; 
Sn =(n ; 1)
es una t de Student con n-1 grados de libertad.

2.4.4 Valores extremos

Es importante estudiar entre que valores podrian estar los valores muestrales.
Si X(1) ::: X(n) los estad
sticos de orden (los valores muestrales ordenados de menor a mayor:
X(1) X(2)::: X(n)) entonces X(1) = inf fX1 ::: Xng y X(n) = supfX1 ::: Xng.
En el curso de Probabilidades se estudio las distribuciones de estos estad
sticos de orden en
funci
on de la distribuci
on de poblaci
on F(x) de X. En particular:

La distribuci
on de X(1) es 1 ; (1 ; F (x))n

La distribuci
on de X(n) es (F (x))n
El rango W = X(n) ; X(1) es otro estad
stico interesante a estudiar.
2 DISTRIBUCIONES EN EL MUESTREO 18

2.4.5 Cuantilas
Denicion 2.3 Dada una funcion de distribucion F(x) de X, se llama cuantila de orden p
al valor xp tal que F (xp ) = p.

Si tomamos p = 1/2, entonces x1=2 es tal que hay tantos valores por debajo que por arriba de
x1=2, que se llama mediana de la distribuci
on. Se llaman cuartilas a x1=4 y x3=4 y intervalo
intercuartila a x3=4 ; x1=4.
Se observara que para una distribuci
on discreta o emp
rica Fn una cuantila para un p dado
no es u
nica. Se dene entonces como xp al valor tal que IP (X < xp ) p IP (X xp ).
3 ESTIMACION PUNTUAL 19

3 ESTIMACION PUNTUAL
3.1 INTRODUCCION
En un problema estad
stico, si los datos fueron generados a partir de una distribuci
on de
probabilidad F(x) desconocida, los m
etodos de la Inferencia Estadstica permite decir
algo respecto de esta distribuci
on. Cuando se supone que tal distribuci
on no es totalmente
desconocida - por ejemplo pertenece a una determinada familia de distribuciones - entonces
son desconocidos s
olo uno o varios parametros que denen cada distribuci
on de esta familia.
En este caso la teor
a de estimaci
on tiene por objetivo dar valores a estos par
ametros a partir
de los valores muestrales.
Por ejemplo, F (x) pertenece a la familia de las distribuciones normales N ( 1) de varianza
igual a 1 y de esperanza  desconocida. Aqu
  es el u
nico par
ametro desconocido de la
distribuci
on. Pero si se supone la varianza tambi
en desconocida, se tendr
an dos par
ametros
desconocidos, la media  y la varianza  2 .
Los par
ametros son constantes que toman valores en un espacio llamado espacio de parametros
$:
N ( 1) $ = IR
N (  ) $ = IR]0 +1
Exp() $ =]0 +1
Binomial(10,p) $ = 0 1]
Sean X1  ::: Xn los valores muestrales obtenidos sobre una muestra aleatoria simple de una
v.a. X de funci
on de densidad f (x=), en que  es desconocido. Hay varias maneras de
decir algo sobre . Lo m
as simple consiste en dar un valor u
nico para . Es la estimacion
puntual: se busca elegir un valor para  a partir de los valores muestrales. Es decir se tiene
que denir una funci
on : IRn ;! $, que es un estad
stico llamado estimador de . El valor
tomado por esta funci
on sobre una muestra particular de tama~no n es una estimacion. Otra
forma de estimar un par
ametro consiste en buscar no un s
olo valor para , sino un conjunto
de valores, un intervalo en general, en el cual se tiene alta probabilidad de encontrar . Es la
estimacion por intervalo.
Procediendo as
, tratamos de estimar el valor de los parametros, que son considerados
como constantes, a partir de estad
sticos que son aleatorios. Ahora bien, frecuentemente se
sabe algo m
as sobre los par
ametros este conocimiento obviamente no es preciso, sino no
se tendr
a el problema de estimar estos par
ametros pero se tienen ideas sobre sus posibles
valores, que pueden ser traducidas a una funcion de distribucion a priori sobre el espacio
de par
ametro $. Los estimadores bayesianos toman en cuenta la distribuci
on a priori y los
valores muestrales.
El problema es encontrar m
etodos que permitan construir estos estimadores.
A continuaci
on daremos los m
etodos usuales de estimaci
on puntual.
3 ESTIMACION PUNTUAL 20

3.2 METODO DE LOS MOMENTOS

c:s: E (X ) = . M
as generalmente
Vimos en el cap
tulo anterior que la media muestral X n ;!
si el momento r = E (X r) existe, entonces por la ley de los grandes n
umeros:
X c:s:
mr = n1 Xir ;! r (IP (limn!1 mr = r ) = 1)

Luego se puede estimar r como ^r = mr .

Ejemplo: este m
etodo produce como estimador de la media , ^ = X n y como estimador de
la varianza  2 = m2 ; X n2 = Sn2

3.3 METODO DE MAXIMA VEROSIMILITUD

Sean x1  x2 ::: xn una muestra aleatoria simple de una v.a. de densidad f (x=) en que  2 $,
el espacio de par
ametros.

Denicion 3.1 Se llama funcion de verosimilitud a la densidad conjunta del vector de

los valores muestrales
para todo vector observado x = (x1 x2 ::: xn) en la muestra, se denota
fn (x=).

Como los valores son independientes, se tiene:

Y
n
fn (x=) = fn (x1  x2 ::: xn=) = f (xi =)
i=1

Un estimador del par
ametro  basado en una muestra de tama~no n es una funci
on de los
valores muestrales (x1 x2 ::: xn) a valores en el espacio de par
ametro $.
El valor que toma el estimador sobre una muestra (x1  ::: xn) se llama estimacion o valor
estimado.
El estimador de Maxima Verosimilitud es el estimador que hace fn (x=) maxima.
Tal estimador puede entonces no ser u
nico, o bien no existir.

3.4 EJEMPLOS
Ejemplo 1: Una m
aquina produce diariamente un lote de piezas. Un criterio basado sobre
normas de calidad vigente permite clasicar cada pieza fabricada como defectuosa o no defec-
tuosa. El cliente aceptara el lote si la proporci
on de piezas  defectuosas contenidas en el lote
no sobrepasa el valor o . El fabricante tiene que controlar entonces la proporci
on  de piezas
3 ESTIMACION PUNTUAL 21

defectuosas contenidas en cada lote que fabrica. Pero si la cantidad de piezas N de cada lote
es muy grande, no podr
a examinar cada una para determinar el valor de . El fabricante
efect
ua entonces el control de calidad de una muestra aleatoria peque~na con n piezas. Se
dene la v.a. X que toma el valor 1 si la pieza es defectuosa y 0 en el caso contrario. Sean
x1 x2 ::: xn los valores obtenidos sobre la muestra.

xi  Bernoulli() (0  1)
Y
n
fn (x=) = xi (1 ; )1;xi
i=1
max
 n
f (x=) () max

Logfn (x=)
X
n
Logfn (x=) = xi Log + (1 ; xi )Log (1 ; )]
i=1
dLogfn(x=) = P xi ; n ; P xi = 0
d  1;
Luego el estimador dePm
axima verosimilitud (E.M.V.) ^ de  es la proporci
on de piezas
defectuosas observada xi =n.
Ejemplo 2: El ministerio de la salud quiere conocer la talla promedia  de las mujeres
P chilenas
adultas. Si X1  X2 ::: XN son las tallas de todas las chilenas adultas,  = Xi =N . Dado
el tama~no grande de esta poblaci
on, se obtiene la talla de una muestra aleatoria de tama~no
peque~no n. Sean x1  x2 ::: xn.
Se supone que xi  N (  2) con  y  2 desconocidos.
X
fn (x=) = (1=2 2)n=2 expf; (xi ; )2=22g
Logfn (x=) es m
aximo cuando  = X n la media muestral y 2 = Sn2 la varianza muestral.
Notas:
- Si se supone la varianza poblacional  2 conocida, el E.M.V. de  queda igual a la media
muestral X n .
- Se puede buscar el estimador de la varianza o bien de su ra
z  . El resultado no cambia.
Ejemplo 3: xi  Uniforme0 ]  > 0
fn (x=) = 1=n si 0 xi  8i
Cuando   xi para todo i, fn (x=) es no nulo y es decreciente en  luego fn (x=) es
m
axima para el valor m
as peque~no de  que hace fn (x=) no nulo: el E.M.V. de  es entonces
^ = maxfx1  x2::: xng
El m
etodo de los momentos produce un estimador bien diferente. En efecto, como
E(X) = =2, el estimador de los momentos es ~ = 2X n.
3 ESTIMACION PUNTUAL 22

En este ejemplo, una dicultad se presenta cuando se toma el intervalo ]0  abierto, dado
que no se puede tomar como estimador el m
aximo ^ en este caso no existe E.M.V. Puede
ocurrir que no es u
nico tambi
en: si se dene el intervalo   + 1], la funci
on de verosimilitud
es:
fn (x=) = 1 si  xi  + 1 8i
es decir:
fn (x=) = 1 si maxfx1 ::: xng ; 1  minfx1 ::: xng
Por lo cual todo elemento del intervalo maxfx1 ::: xng ; 1 minfx1 ::: xng] es E.M.V.
Aqu
 el estimador de los momentos, que es igual a X n ; 1=2, es bien diferente tambi
en.

3.5 PROPIEDADES
>C
omo elegir un estimador? >C
omo decidir si un estimador es aceptable? Para ayudarnos
en esta elecci
on se puede estudiar si el estimador cumple ciertas propiedades razonables.

3.5.1 Invarianza
Observamos en las notas del ejemplo 2, que el E.M.V. de  se puede obtener directamente o
como la raiz del E.M.V. de  2. Eso se debe de la propiedad de invarianza del E.M.V. por
transformaci
on funcional:

Proposicion 3.1 Si ^ es el E.M.V. del parametro , si g : $ ;! $ es biyectiva, entonces

g (^) es el E.M.V. de g ()

Demostraci
on: en efecto si  = g (), como g es biyectiva,  = g ;1 ( ) si fn (x=) =

fn (x=g ;1( )) es m
axima para ^ tal que g;1 (^ ) = ^. ^ es necesariamente el E.M.V. y como g
es biyectiva, ^ = g (^).

3.5.2 Consistencia
Un estimador depende del tama~no de la muestra a traves de los valores muestrales los
estimadores ^n asociados a muestras de tama~no n (n 2 IN ) constituyen sucesiones de v.a..
Un buen estimador deberia converger en alg
un sentido hacia .
Denicion 3.2 Se dice que un estimador ^n de un parametro  es consistente cuando
converge en probabilidad hacia :
!1 1
IP (j^n ; j < ) n;!
3 ESTIMACION PUNTUAL 23

Los momentos emp
ricos de una v.a. real son estimadores consistentes de los momentos
te
oricos correspondientes. M
as a
un la convergencia es casi-segura y la distribuci
on asint
otica
de estos estimadores es normal.

3.5.3 Estimador insesgado

Denicion 3.3 Se dice que un estimador ^ de  es insegado si E (^) = .
Vimos que la media muestral X n es un estimador insesgado dePla media poblacional si la mues-
tra es aleatoria simple, pero la varianza muestral Sn2 = 1=n (xi ; xn )2 no es un estimador
insesgado para la varianza poblacional  2:
E (Sn2) = n ;n 1 2
Pero, la diferencia jE (Sn2) ;  2j =  2 =n, que es el sesgo, tiende a cero.
!1
Denicion 3.4 Se dice que el estimador ^ es asintoticamente insesgado cuando E (^) n;!
.
Por otro
P lado se puede construir un estimador insesgado de  2 a partir de Sn2 :
~ = (xi ; Xn )2=(n ; 1). Pero observamos que ~ 2 = ( n;n 1 )2 2, es decir que el estimador
2

insesgado ~ 2 tiene mayor varianza que Sn2 .

Por otro lado observamos que si ^n2 es un estimador sesgado de , se tiene:
E (^n ; )2 = V ar(^n ) + (sesgo)2
En efecto,
E (^n ; )2 = E (^n ; E (^n ) + E (^n ) ; )2]
E (^n ; )2 = E (^n ; E (^n))2] + E (^n) ; )]2
m:c: ).
Si E (^n) ; )]2 ;! 0 entonces ^n converge en media cuadr
atica hacia . (^n ;!
Proposicion 3.2
E (^n ; )2 ;! 0 () V ar(^n ) ! 0 y E (^n) ! 
Como la convergencia en media cuadr
atica implica la convergencia en probabilidad se tiene:
Proposicion 3.3 Si ^n es un estimador consistente de  y E (^n) es nito entonces ^n es
asintoticamente insesgado.
Proposicion 3.4 Si V ar(^n) ! 0 y E (^n) ! , entonces ^n es un estimador consistente
de .
Nota: Es una condici
on suciente pero no necesaria.
3 ESTIMACION PUNTUAL 24

3.5.4 Suciencia
En el ejemplo 1, se busca deducir de las observaciones de una muestra aleatoria de n piezas
una informaci
on sobre la proporci
on  de piezas defectuosas en el lote total. Es m
as simple
considerar el n
umero de piezas defectuosas encontradas en la muestra en vez de la sucesi
on
de resultados x1  x2 ::: xn. El conocimiento de nlos valores individuales no procura ninguna
X
informaci
on aditiva para la proporci
on  que xi . Se redujo los n datos a un s
olo valor,
i=1
que es funci
on de estos datos, sin perder informaci
on para determinar .
En el ejemplo 2, la media muestral X n permite simplicar la informaci
on dada por los n
valores muestrales. Pero nos preguntamos si se pierde informaci
on usando la media muestral
para estimar la media  de la poblaci
on.
Observamos que si suponemos la varianza conocida, la funci
on de verosimilitud puede es-
cribirse como funci
on unicamente de la media muestral y del tama~no n de la muestra:
p
fn (x=) = (1= 2 )nexpf;n(X n ; )2 =2g
Es decir que la u
nica informaci
on relevante para estimar  es dada por la media muestral. En
este caso se dice que la media muestral es un estad
stico suciente. Un estad
stico suciente
que se toma como estimador del par
ametro , deber
a contener toda la informaci
on que llevan
los valores muestrales sobre .
Denicion 3.5 Un estad stico T (x1 ::: xn), funcion de los valores muestrales y con valor en
$ se dice suciente para  si la distribucion conjunta de los valores muestrales condicional-
mente a T (x1  ::: xn) no depende de .

Denicion 3.6 Se dice que un estad stico T es suciente minimal si no se puede encontrar
otro estad stico suciente que hace una mejor reduccion de los datos que T.

No es siempre f
acil detectar si un estad
stico es suciente. Los dos siguientes teoremas

permiten enunciar condiciones para que un estad
stico sea suciente.
Teorema 3.1 Teorema de factorizacion
Si T (x) es suciente para  y g (T (x)=) es la densidad de T (x), entonces
fn (x=) = g (T (x)=)h(x=T (x))
Teorema 3.2 Theorema de Darmois-Koopman
Si X es una variable real cuyo dominio de variacion no depende del parametro , una
condicion necesaria y suciente para que existe un estad stico suciente es que la funcion
de densidad de X sea de la forma:
f (x ) = b(x)c()expfa(x)q()g
3 ESTIMACION PUNTUAL 25

X
n
Tn(X ) = a(Xi) es un estad stico suciente minimal.
i=1

Si X  N ( 1) y una muestra aleatoria es x1  ::: xn de X,

X
fn (x1 ::: xn=) = (2 1)n=2 exp(; 12 x2i )exp(; n2 + nX )
2

El t
ermino exp(; 21 P x2i ) no depende de  y el t
ermino exp(; n22 + nxn ) depende de  y

X n .
nX = P xi es un estad
stico suciente tambi
en toda funci
on biyectiva de X n lo es, en
particular X n .

3.6 ESTIMADORES BAYESIANOS

3.6.1 Distribuciones a priori
En el problema de estimaci
on de un par
ametro de una distribuci
on de funci
on de densidad
f (x=), es frecuente tener algunas ideas sobre los valores que puede tomar  en este caso
conviene tomar en cuenta este conocimiento o creencia que se puede traducir en una dis-
tribuci
on de probabilidad sobre el espacio de par
ametros $, sea (). Es decir que ahora 
ya no es un par
ametro constante, sino una variable aleatoria. Esta distribuci
on no depende
de los valores muestrales. Est
a denida previo al muestreo.
Por ejemplo, en un proceso de fabricaci
on se tiene la proporci
on  desconocida de piezas
defectuosas. Si no se sabe nada respecto a , se puede suponer que todos los valores son
equiprobables:   U (0 1). Pero uno puede sopechar que los valores alrededor de 0.10 son
m
as probables en este caso se podr
a tomar una distribuci
on m
as concentrada en 0.10.

Denicion 3.7 Se llama distribucion a priori a la distribucion atribuida a un parametro

poblacional, antes de tomar alguna muestra.

3.6.2 Distribuciones a posteriori

Ahora hay que relacionar los valores muestrales con la distribuci
on a priori ().
La funci
on de verosimilitud fn (x=) es ahora una densidad condicional y h(x ) = fn (x=) ()
es la densidad conjunta de (x ). De la cual se puede deducir la distribuci
on condicional de
 dado los valores muestrales x:
3 ESTIMACION PUNTUAL 26

Denicion 3.8 La distribucion condicional de  dada la muestra (x1 ::: xn) se llama dis-
tribucion a posteriori y su densidad es igual a (=x) = fn (x=
g n )
(
) () , en que
x
R
g (x) = h(x )d es la densidad marginal de x.
n

La distribuci
on a posteriori representa la actualizaci
on de la informaci
on a priori () en vista

de la informaci
on contenida en los valores muestrales, fn (x=). Podemos entonces estudiar
esta distribuci
on a posteriori de  dando la moda, la media, la mediana, la varianza, etc. Un
estimador natural en este caso es tomar la moda de  (=x), que aparece como el m
aximo de
la verosimilitud corregida.
Ejemplo 4: Sean X  Bernoulli(p) y p  eta(  ), con  y  dados.
fn (x=p) = pnXn (1 ; p)n;nXn
(p) = p;1 (1 ; p);1=B (  ) 0 p 1
en que B (  ) = ;(;();()
+ ) .
La densidad a posteriori de p es entonces:
(p=x) = p+nXn ;1 (1 ; p) +n;nXn ;1=B( + nX n   + n ; nX n )
que es la distribuci
on eta( + nX n   + n ; nX n ). La moda de esta distribuci
on, cuando
est
a denida, es igual a ( ; 1 + nX n )=( +  + n).
Ejemplo 5: Sean X  N ( 1) y   N (0 10).
 (=x) / fn (x=) () (/ se reere a la proporcionalidad con respecto a ).
P(xi;)2 2
 (=x) / exp(; 2 ; 20  )

 (=x) / exp(; ;11202 + nXn )

 (=x) / exp(; ;2011 ( ; (10nX n=11))2)
11 nXn  11 ). La moda de la distribuci

La distribuci
on a posteriori de  es entonces N ( 10  10 on es la
10 
media 11 nXn .

3.6.3 Funciones de perdida

Los m
etodos de estimaci
on propuestos hasta ahora no toman en cuenta un aspecto importante
del problema, que son las consecuencias de tales estimaciones.
Dado que los estimadores son la base de una decisi
on nal, es importante poder comparar los
procedimientos que conducen a estas decisiones mediente alg
un criterio de evaluaci
on, que
mide las consecuencias de cada estimaci
on en funci
on de los valores del par
ametro .
3 ESTIMACION PUNTUAL 27

Denicion 3.9 Se llama funcion de perdida o funcion de costo a la funcion

L: $  $ ;! 0 +1, en que L( ) es creciente con el error entre el parametro  y su
estimador :

No es siempre f
acil denir esta funci
on de p
erdida, que es espec
ca de cada problema y
puede tener alg
un aspecto subjectivo (noci
on de utilidad). Sin embargo, se puede elegir entre
diversas funciones de p
erdida cl
asicas, cuando no se puede construir una propia:

Funci
on de p
erdida cuadr
atica
Es la funci
on de p
erdida m
as utilizada y m
as criticada:
L( ) = ( ; )2
que penaliza demasiado los errores grandes.

Funci
on de p
erdida absoluta
Una soluci
on alternativa a la funci
on cuadr
adica es usar el valor absoluto:
L( ) = j ; j
o bien una funci
on af
n por parte:
(
L( ) = k1( ; ) si  >
k2( ; ) si no

Funci
on de perdida "0-1"
Sea I" ( ) el intervalo de centro y largo 2".
(
L( ) = 0 si  2 I" ( )
1 si no

3.6.4 Estimadores de Bayes

La funci
on de p
erdida L( ) es una funci
on de  considerada como aleatoria con la dis-
tribuci
on a posteriori  (=x). Luego es natural de buscar un estimador (x) de  tal que la
p
erdida promedio sea m
nima.
Denicion 3.10 El estimador de Bayes es solucion de min E (L( )=x)

Funci
on de p
erdida cuadr
atica
Para la funci
on de p
erdida cuadr
atica L( ) = ( ; )2, el estimador de Bayes es simple
de encontrar: E (( ; )2 =x) es m
nimo para (x) = E (=x).
3 ESTIMACION PUNTUAL 28

Funci
on de p
erdida absoluta

Para la funci
on de p
erdida absoluta L( ) = j ; j, el estimador de Bayes es la mediana
de la distribuci
on a posteriori. Mostramos un resultado m
as general:
Proposicion 3.5 El estimador de Bayes asociado a la distribucion a posteriori  y a
la funcion de perdida (
L( ) = k1 ( ; ) si  >
k2 ( ; ) si no
es la fractila k1k+1k2 de  .
Demostraci
on: Se tiene
Z Z +1
E L( )=x] = k2 ( ; ) (=x)d + k1 ( ; ) (=x)d
;1
Derivando con respecto a , se obtiene:
k2IP ( < =x) ; k1 IP ( > =x) = 0
Es decir:
IP ( < =x) = k k+1 k
1 2
En particular si k1 = k2, se obtiene la mediana de la distribuci
on a posteriori de .

Funci
on de p
erdida "0-1" R
E L( )] es m
nimo cuando I"( )  (=x)d es m
aximo. Si " ;! 0, entonces E L( )]
es m
nimo cuando  (=x) es m
aximo. El estimador de Bayes es la moda de  (=x).

Teorema 3.3 Theorema de Rao-Blackwell

Si T(X) es un estad stico suciente para  y si b(X) es un estimador insesgado de , entonces
(T ) = E (b(X )=T )
es un estimador insesgado de  basado sobre T mejor que b(X).

Este teorema permite entonces construir estimadores insesgados mejores.

3.6.5 Estimadores de Bayes para muestras grandes

Se muestra aqu
, a trav
es de un ejemplo, los efectos de la distribuci
on a priori y de la funci
on
de p
erdida sobre el estimador de Bayes, para muestras grandes. Sea  la proporci
on de
defectuosos. Tomamos dos distribuciones a priori y dos funciones de p
erdida:
3 ESTIMACION PUNTUAL 29

() = 1 para  2 0 1]0 y 0 () = 2(1 ; ) para  2 0 1]

L( ) = ( ; )2 y L ( ) = j ; j. Las distribuciones a posteriori son respectivamente
(=x) / nXn (1 ; )n;nXn
que es una eta(1 + nX n  n + 1 ; nX n ) y
0 (=x) / nXn (1 ; )n+1;nXn
que es una eta(1 + nX n  n + 2 ; nX n ).
Los estimadores de Bayes para la p
erdida cuadr
atica son las respectivas esperanzas de la
distribuci
on eta:
= (1 + nX n)=(n + 2) para  y 0 = (1 + nX n )=(n + 3) para  0 .
Los estimadores de Bayes para la p
erdida absoluta son las respectivas medianas de la dis-
tribuci
on eta, que se obtienen resolviendo la ecuaci
on:
Z
K ;1(1 ; );1d = 1=2
0

en que  = 1 + nXn y  = n + 1 ; nX n para  y  = n +0 2 ; nXn para  0 .

Si n=100 y nX n = 10 entonces = 11=102 = 0:108 y = 11=103 = 0:107 para la p
erdida
cuadr
atica. Se observara c
omo la muestra corrige la distribuci
on a priori, con las medias a
priori E () = 1=2 con  y E () = 1=3 con  0 .
Encontramos ambos estimadores de Bayes a posteriori muy cercanos con n=100 y cercanos
de la media muestral X n = 10=100 = 0:100.
En este ejemplo observamos que el estimador de Bayes cuadr
atico es consistente. No se puede
siempre asegurar que el estimador de Bayes es consistente, pero bajo condiciones bastante
generales es cierto.

3.7 EJERCICIOS
1. Sea Xi , i = 1 ::: n una muestra aleatoria simple de una v.a. X de funci
on de distribuci
on
Gamma(  ).
Estime E(X) por M
axima Verosimilitud. Muestre que el estimador resultante es insesgado,
convergente en media cuadr
atica y es consistente.
2. Sea una m.a.s. x1  :::xn de una v.a. X de funci
on de densidad f (x=) = x;1 I1 0
1].
Encuentre el estimador de M
axima Verosimilitud ^ de  y pruebe que ^ es consistente y
asint
oticamente insesgado.
3. Sea Y una v.a. de Bernoulli de par
ametro . Considere una m.a.s. y1  :::yn y una
distribuci
on a priori Beta(a,b) para . Obtenga el estimador de Bayes, ^ para , usando
una funci
on de p
erdida cuadr
atica. Muestre que ^ es sesgado, asint
oticamente insesgado,
convergente en media cuadr
atica y consistente.
3 ESTIMACION PUNTUAL 30

4.. Sean dos preguntas complementarias: Q="vota por Pedro" y Q'="no vota por Pedro".
Se obtiene una m.a.s. de n personas que contestan a la pregunta Q o Q' lo unico que se sabe
es que cada persona ha contestado a Q con probabilidad  conocida y Q' con probabilidad
(1 ; ). Se denen:
p: la probabilidad que una persona contesta "SI" a la pregunta (Q o Q')
: la proporci
on desconocida de votos para Pedro en la poblaci
on.
a) D
e la proporci
on en funci
on de p y .
b) D
e el estimador de M
axima Verosimilitud de p y deduzca un estimador ^ para . Calcule
la esperanza y la varianza de ^ .
c) Estudie las propiedades de ^  estudie en particular la varianza ^ cuando  = 0:5.
5. Suponga que X tiene una funci
on de densidad f (x=) y que T (X ) es un estimador de
Bayes insesgado para  con la funci
on de p
erdida cuadr
atica y una distribuci
on a priori ().
a) Demuestre que E ( ; T (X ))2 = 0
b) Asuma que f (x=) es una N ( 1). Pruebe que E ( ; X n )2 = n1 . Concluya si X n puede
ser un estimador de Bayes para p
erdida cuadr
atica.
6. Sea x1  x2 ::: xn una m.a.s. de una distribuci
on tal que IP (xi 2 a b]) = .
(
Se dene yi = 10 sienxcaso i 2 a b]
contrario
a) D
e la distribuci
on de yi .
b) D
e el estimador de m
axima verosimilitud ^ de .
c) D
e la esperanza y la varianza de ^.
d) Sean las distribuciones a priori de :
;( +  )  ; 1 (1 ; ) ; 1 (Distribuci
on Beta(  )) y 2 () = 2(1 ; )
1 () = ;( );( )
D
e los estimadores de Bayes y sus varianzas cuando se usa una funci
on de p
erdida cuadr
atica.
e) Aplicaci
on num
erica: d
e las soluciones a las preguntas anteriores con los valores: n=10,
 = 2,  = 2 xi : 1.2, 3.5, 2.4, 1.5, 6.3, 2.8, 4.2, 4.5, 3.8, 5.1 y a,b]=2,4].
7. Sea fX1  X2 ::: Xng una m.a.s. de una v.a. X con funci
on de densidad f (x=). Sea
Y = (X1 ::: Xn) un estimador de . Se dene Yi el estimador calculadoP sobre la muestra
salvo la observaci
on i (i = 1 2 ::: n), Yi = nY ; (n ; 1)Yi y Y  = (1=n) ni Yi.
a) Calcule la varianza S 2 de Y  cuando Y = X n la media muestral y E (X ) = .
b) Deducir la distribuci
on de (Y  ; )=S  cuando Y = X n y X  N (  2).
8. Sea X una v.a. real con densidad f (x=),  2 $ = f1  2 ::: N g (nito).
Sean una distribuci
on de probabilidad a priori sobre $ y la funci
on de p
erdida:
(
L( ) = 0 si  =
c si  6= (c > 0)
3 ESTIMACION PUNTUAL 31

a) Pruebe que la p
erdida esperada se escribe como E (L( )) = c(1 ;  ( =x)), en donde  es
la distribuci
on a posteriori sobre $.
b) Deduzca la condici
on que debe satisfacer para ser el estimador de Bayes de  asociado
a . Pruebe que el estimador no depende de c.
c) Si es la distribuci
on uniforme sobre $, pruebe que el estimador de Bayes de  y el
estimador de m
axima verosimilitud coinciden.
9. Se considera la distribuci
on discreta: IP (X = x) = ax x =h(), con x = 0 1 2 :::, en donde
h es diferenciable y ax puede ser nulo para algunos x.
Sea fx1  x2 ::: xng una m.a.s. de esta distribuci
on.
a) D
e las expresiones de h() y h0 ().
b) D
e el estimador de m
axima verosimilitud de  en funci
on de h y h0 .
c) Muestre que el estimador de m
axima verosimilitud es el mismo que el del m
etodo de los
momentos.
d) Aplique lo anterior para los casos siguientes:
i) X  Binomial(N p) (N conocido)
ii) X  Poisson().
10. Sean Ti , i = 1 ::: I estimadores del par
ametro  tales que : E (Ti) =  + bi , bi 2 R
Se dene un nuevo estimador T de  como T = PIi=1 iTi
a) D
e una condici
on sobre los i para que T sea insesgado.
b) Suponga que bi = 0 8i (estimadores insesgados). Plantee el problema de encontrar los
coecientes i para que la varianza de T sea m
nima.
c) Suponiendo que los Ti son no correlacionados , resuelva el problema planteado antes.
d) Sean Xij , i = 1 : : :M j = 1 : : :ni M m.a.s. independientes entre si, de variables aleatorias
X i con distribuciones
P normales de varianza com
un  2 .
Sea si = ni ;1 j =1 (Xij ; Xi )2, el estimador insesgado de la varianza calculado en la muestra
2 1 n i

"i".
Demuestre que S 2 = PM 1ni ;M PM i=1 (ni ; 1)si es el estimador lineal insesgado de varianza
2
i=1
m
nima para  2.
4 ESTIMACION POR INTERVALO 32

4 ESTIMACION POR INTERVALO

4.1 INTRODUCCION
Vimos en el cap
tulo anterior m
etodos de estimaci
on puntual. Pero no podemos esperar
que la estimaci
on que produce coincida exactamente con el verdadero valor del par
ametro
desconocido . Aqu
 buscamos entonces construir un intervalo 1 2 ] tal que la probabilidad
que  est
e en el intervalo sea alta.
Esta probabilidad tiene diferente interpretaci
on seg
un estemos en el caso bayesiano o no. Se
tiene entonces dos clases de m
etodos para construir estos intervalos.

4.2 CASO BAYESIANO

En el bayesiano, el intervalo tiene una interpretaci
on imediata a partir de la distribuci
on a
posteriori de . Lo u
nico inconviente es la falta de unicidad de tal intervalo. Pero es natural
buscar el intervalo de largo m
nimo.
Ejemplo: Vimos que si X  Bernoulli(p) y p  eta(  ), entonces la distribuci
on a
posteriori de p es una eta( + nXn   + n ; nXn ):
(p=x) = p+nXn ;1 (1 ; p) +n;nXn ;1=B( + nX n   + n ; nX n )
Se dene entonces un intervalo p1  p2] de probabilidad 1 ;  tal que IP (p1 p p2), calculada
a partir de la distribuci
on  .

4.3 INTERVALO DE CONFIANZA DE NEYMANN

En el caso de estimaci
on no bayesiana, el par
ametro  no es una variable aleatoria. En este
caso es el intervalo 1 2 ] que es aleatorio, y se habla de la probabilidad de que el par
ametro
 cubre el intervalo. Los valores 1 y 2 son entonces funciones de los valores muestrales.
Sean X1 X2 ::: Xn los valores muestrales, se tiene que encontrar dos funciones 1 = t1 (X1 X2 ::: Xn)
y 2 = t2 (X1 X2 ::: Xn) tales que :
IP (1  2 ) = 1 ; 
siendo la cantidad 1 ;  jada a priori y llamada el nivel de conanza. Generalmente se
determinan las funciones t1 y t2 a partir de un estimador de .
Ejemplo 1: Intervalo para una media
Sea X  N (  2), con la media  desconocido y la varianza  2 conocida y una muestra de
tama~no n. Sea X1  :::Xn los valores muestrales, si X es la media muestral, Z = =X ;pn 
4 ESTIMACION POR INTERVALO 33

N (0 1). Si IP (u1 Z u2 ) = 1 ; , X ; u2 pn  X ; u1 pn ] dene un intervalo para  de

nivel de conanza 1 ; .
Hay una innidad de intervalos de mismo nivel de conanza 1 ; . Pero se puede mostrar
que el intervalo X ; u X + u] sim
etrico con respecto a X tiene el largo m
nimo entre los
intervalos de mismo nivelp de conanza igual p
a 1 ; . Por ejemplo, para  = 0:05, se obtiene
 
el intervalo X ; 1:96= n X + 1:96= n].
Si no se supone que  es conocida, se tiene que usar un estad
stico cuya distribuci
on muestral
no depende de  . Eso nos lleva a usar el estad
stico

T = qP X ; 
(Xi ; X )2 =(n ; 1)
que sigue una distribuci
on t Student a n-1 g.l..
El estad
stico T puede escribirse en funci
on del estimador sesgado ^ 2 de  : T = X ; p.
p p 
^ = n
Si IP (t1 t t2 ) = 1 ; , X + t1 ^ = n X + t2 ^ = n] dene un intervalo para  de nivel de
conanza 1 ; .
Como en el caso de la distribuci
on normal, el intervalo m
as corto de nivel de conanza 1 ; 
es sim
etrico
p 
con respecto
p
a X :

X ; t^ = n X + t^ = n] con t tal que IP (;t tn;1 t) = 1 ; .
Ejemplo 2: Intervalo para una varianza
Si los valores muestrales X1  ::: Xn son i.i.d. de la N (  2), U = P(Xi ; X )2 = 2  2n;1 .
Un intervalo de nivel de conanza 1 ;  se obtiene a partir de IP (u1 U u2 ) = 1 ; :
P(X ; X )2 P(X ; X )2
IP ( i  2 i )= 1;
u2 u1
Ejemplo 3: Intervalo para la diferencia de dos medias
Sean dos poblaciones normales N (1  12) y N (2  22). Se consideran una muestra aleatoria
de tama~no n1 de la primera poblaci
on y una muestra aleatoria de tama~no n2 de la segunda
poblaci
on, las dos muestras siendo independientes. Si X 1 y X 2 son las medias muestrales
respectivas, d = X 1 ; X 2  N (1 ; 2  n11 + n22 ).
2 2

Sirlas varianzas son conocidas

r entonces un intervalo para d esta dado por: X 1 ; X 2 ;
u n11 + n22  X 1;X2 +u n11 + n22 ], con u determinado a partir de las tablas de la distribuci
on
2 2 2 2

normal seg
un el nivel de conanza 1 ; .

Si las varianzas no son conocidas, para encontrar un estad
stico que nos sirve y cuya dis-
tribuci
on no depende de estas varianzas, hay que hacer alguno supuesto suplementario. En

^12 
^22
efecto si tomamos como estimador de la varianza de la diferencia n1 + n2 con ^12 y ^2 las
varianzas muestrales sesgadas, n1 ^2 1 + n2 ^2 2  2n1 +n2 ;2 y
2 2

1 2
4 ESTIMACION POR INTERVALO 34
r
(X 1 ; X 2 ; 1 + 2 )= 12 + n22
2

r n1
 tn1 +n2 ;2 ,
( n1 1^2 1 + n2 2^2 2 )=(n1 + n2 ; 2)
2 2

que depende de la varianzas desconocidas 12 y 22 .

Si se supone que estas varianzas son proporcionales: 2 = k1 , entonces se tiene un estad
stico
que no depende de 12 y 22:
 
r X21 ;2X2 ;2 1 ;2 2  tn1 +n2 ;2
( kk2n(n1 1^+1 +n2n;2 ^2)2 )( k nn11n+2n2 )
Usualmente si toma k = 1.
Ejemplo 4: Intervalo para el cuociente de dos varianzas: la distribuci
on F de Fisher
Sean dos poblaciones normales N (1  12) y N (2  22), nos interesamos al cuociente de las
varianzas: 12 .
2

El estad
stico n1 ^12=12  2n1 ;1 y el estad
stico n2 ^22 =22  2n2 ;1 , siendo estos independientes.
Mostramos que si U  2r y V  2s , y son independientes, entonces Y = sU=rV sigue una
distribuci
on de Fisher a r y s grados de libertad con una funci
on de densidad igual a:

;( r+2 s ) rr=2ss=2 y (r=2);1

h(y ) = ;( r );( s ) (r+s)=2
8y >0
2 2 (ry + s)

Como U y V son independientes, se puede calcular facilmente la funci
on de densidad conjunta

de (U,V):
(r=2);1 ;u=2 (s=2);1 ;v=2
f (u v ) = u r=2 e v s=2 e
2 ;(r=2) 2 ;(s=2)
Con el cambio de variables:(U V ) ;! (Y Z ) con U = rY Z=s y V = Z , obtenemos la densidad
conjunta de (Y Z ):
g(y z ) = 2(r+s)=2(;(r=sr=)2);(
z
s=2) (r=s)
(r=2);1y (r=2);1z (r+s;1)=2 e;1=2(ry=s+1)z

Se deduce la densidad marginal de Y :

Z1 ;( r+2 s rr=2ss=2 y (r=2);1
f (y) = g(y z)dz =
0 ;(r=2);(s=2)(ry + s)(r+s)=2

Observamos que si Y  Fr
s entonces 1=Y  Fs
r .
4 ESTIMACION POR INTERVALO 35

Ejercicio: Muestre que 1 +rY=s rW=s  eta((r ; 2)=2 (s ; 2)=2).

Aqu
 el estad
stico nn1 ^^12==((nn1 ; 1)12  Fn ;1
n ;1 , lo que permite construir un intervalo de
2

2 ; 1)2
2 1 2
2 2
conanza para el cuociente 12=22.
Ejemplo 5: Intervalo para una proporci
on
Sea la proporci
on  de piezas defectuosas en un lote de piezas fabricadas por una industria.
El n
umero de piezas defectuosas encontradas en una muestra aleatoria simple de tama~no n
sigue una distribuci
on binomial B (n ). Para construir un intervalo de conanza para una
proporci
on es m
as complicado que para una media o varianza. Cuando n es peque~no hay
que recorrer a la distribuci
on binomial (tablas y abacos fueron calculados para determinar
valores de 1 y 2 para los diferentes valores de k y n y del nivel de conanza 1 ; ).
Cuando n es grande, se puede usar la aproximaci
on a la distribuci
on normal
N (n n(1 ; )), pero la varianza depende tambi
en de .

Si p^ = Yn , se tiene: p
IP (j pn(^p ; ) j u) = 1 ; 
(1 ; )
Lo que equivale a:
IP (n(^p ; )2 ; u2 (1 ; ) 0) = 1 ; 
Las soluciones de la ecuaci
on:
(n + u2)2 ; (2np^ + u2 ) + np^2 = 0
p
siendo 2np^ + u  2(un + 4np^u2 ; 4nu2 p^2 , se obtiene:
2 4
+ u2)
s s
IP ( n +n u2 (^p + 2un ) ; u p^(1 n; p^) + 4un2  n +n u2 (^p + 2un ) + u p^(1 n; p^) + 4un2 = 1 ; 
2 2 2 2

Para n muy grande, se puede aproximar por:

s s
IP (^p ; u p^(1 n; p^)  p^ + u p^(1 n; p^) ) = 1 ; 

4.4 EJERCICIOS
1. Sea una m.a.s. fx1 :::xng de una distribuci
on normal de media  desconocida y varianza
 2 conocida.
a) D
e el n
umero m
nimo n del tama~no de la muestra para que un intervalo de conanza I a
95% tenga un largo L a lo m
as igual a 0.016  .
4 ESTIMACION POR INTERVALO 36

b) Sea L = =5. D
e el nivel de conanza 1 ;  cuando n=10, 20, 30 y 100.

c) Repetir b) con  2 desconocido. Comente.
d) D
e el intervalo de conanza de largo m
nimo para  con un nivel de conanza de 95%,
cuando  2 = 4.
2. Una empresa desea estimar el promedio de tiempo que necesita una secretaria para llegar
a su trabajo. Se toma una m.a.s. de 36 secretarias y se encuentra que un promedio de 40
minutos. Suponiendo que el tiempo de trayecto proviene de una N (  2), con  = 12, d
e un
intervalo de conanza para la media .
3. Se dispone de 10 muestras de sangre tomadas en las mismas condiciones a una misma
persona. Se obtiene para cada una la dosis de Colesterol (en gramos) 245, 248, 250, 247, 249,
247, 247, 246, 246, 248. Cada medida puede considerarse como una realizaci
on particular de
la variable "tasa de Colesterol" X  N (  2).
a) D
e un intervalo de conanza para  al 95% suponiendo  2 = 1:5.
b) D
e un intervalo de conanza para  al 95% suponiendo  2 desconocido.
c) Construya un intervalo de conanza para  2 al 95% .
4. En el ejercicio 6 del capitulo 3, muestre que para construir un intervalo de conanza al
95% para , en el caso no bayesiano, hay que resolver una inecuaci
on de segundo grado en 
y escriba la inecuaci
on.
5. En el ejercicio 7 del capitulo 3, suponiendo las Yi independientes y n grande, d
e un
intervalo de conanza para  a 95%.
6. Se tienen 2 muestras de tama~nos n1 y n2 de una misma v.a. X medida sobre dos
poblaciones distintas. Se asume que para ambas poblaciones X sigue una distribuci
on Normal
con medias 1 , 2 y varianzas 12, 22, respectivamente.
a) Construya un intervalo de conanza para 1 ; 2 , suponiendo que 22 = k2 12 en que k es
una constante conocida.
b) Muestre que los extremos del intervalo anterior convergen en probabilidad si los tama~nos
de las muestras crecen.
c) Se supone ahora la constante k desconocida. D
e un m
etodo para construir un intervalo de
conanza para la constante k.
d) > Que inconveniente cree ud. que tiene este m
etodo?
7. Se considera una v.a. X  N ( 1) y una m.a.s. de X con una s
ola observaci
on x. Dada
una constante a > 0, se dene el intervalo aleatorio: Ca (x) = min(0 x ; a) max(0 x + a)].
a) Muestre que IP ( 2 Ca(x)= = 0) = 1 8x.
b) Muestre que Ca(x) es un intervalo de conanza para  de nivel de conanza 1 ;  = 95%,
cuando a=1.65.
c) Sea () = 1 (8) una distribuci
on a priori para . Deducir la distribuci
on a posteriori
de  dado x.
d) Sea la funci
on de distribuci
on de la normal N (0 1). Muestre que se encuentra una
4 ESTIMACION POR INTERVALO 37

probabilidad condicional
8
>
< (;x) ; (;a) si x < ;a
IP ( 2 Ca(x))=x) = > (a) ; (;a) si ;a < x < a
: (a) ; (;x) si x > a
e) Deducir que, para a=1.65, la probabilidad condicional IP ( 2 Ca(x)=x)  0:90 y que
lima!1 IP ( 2 Ca (x)=x) = 1.
5 TESTS DE HIPOTESIS 38

5 TESTS DE HIPOTESIS
5.1 GENERALIDADES
En el cap
tulo 3, se presentaron m
etodos que permiten encontrar los valores de los par
ametros
desconocidos de la distribuci
on de poblaci
on y en el cap
tulo anterior, la estimaci
on por
intervalo permite dar una cierta indicaci
on sobre la precision de la estimaci
on puntual. Tales
estimaciones, puntuales y por intervalo, que fueron obtenidas a partir de valores muestrales,
permiten formarse una opini
on sobre la poblaci
on y entonces darse una hipotesis de trabajo.
Ejemplos:

Antes de apostar "cara" o "sello" en el lanzamiento de una moneda, se tiene que postular
que la moneda est
a equilibrada. La hip
otesis de trabajo es entonces que el par
ametro
p=probabilidad de sacar "cara" de la Bernoulli es
p = 0:5

Un agricultor se compromete a entregar a una f
abrica de az
ucar remolacha con un cierto
porcentaje po de glucosa la hip
otesis de trabajo es entonces
p = po o p  po

Los hombres chilenos pretenden ser m
as altos que los argentinos en promedio si 1 y
2 son las tallas promedias respectivas de los hombres chilenos y argentinos, la hip
otesis
de trabajo es
1  2

Cuando se hizo la estimaci
on puntual de la talla promedia 1 de los hombres chilenos,
se hizo la hip
otesis de trabajo que la v.a. X talla de los hombres chilenos sigue una
distribuci
on
F  Normal
En los cuatro casos se procedera de la misma manera: se tiene una hip
otesis de trabajo y
una muestra de observaciones se trata de decidir si la hip
otesis planteada es compatible con
lo que se puede aprender del estudio de los valores muestrales. Se tiene que encontrar un
procedimiento para decidir si la muestra que se obtuvo esta de acuerdo con la hip
otesis de
trabajo. Naturalmente no se espera que, para cualquier muestra, el valor emp
rico obtenido
en la muestra coincide con el valor esperado de la hip
otesis el problema es entonces decidir
si la desviaci
on encontrada entre el valor esperado y el valor observado en la muestra es
demiasiado grande para poner en duda la hip
otesis de trabajo. Ahora bien si se pone en
duda la hip
otesis original, entonces se la rechaza en favor de una hipotesis alternativa.
5 TESTS DE HIPOTESIS 39

En efecto, en el ejemplo de la moneda, si se encuentra una proporci
on de 0.45 en 100 lanza-

mientos, >debemos rechazar la hip
otesis p=1/2? y si se rechaza, >ser
a a favor de la hip
otesis
p 1=2?
Se distingue la hip
otesis de trabajo llamandola hipotesis nula y una hip
otesis nula se con-
fronta a una hipotesis alternativa.
>Con qu
e grado de desacuerdo uno tiene que abandonar la hip
otesis nula para la
hip
otesis alternativa?
Para decidir, se necesita una regla de decision. Cualquier regla de decisi
on deber
a tratar de
minimizar los errores de decisi
on. Si es la regla de decisi
on adoptada y ( ) la probabilidad
de equivocarse cuando la hip
otesis nula es cierta y  ( ) la probabilidad de equivocarse cuando
la hip
otesis alternativa es cierta, uno buscara minimizar ambas probabilidades de error. Pero
veremos, a trav
es de un ejemplo, que a tener ( ) nula, se hace  ( ) igual a 1 e inversamente.
Dada una hip
otesis nula Ho , vimos que ( ) es la probabilidad condicional de rechazar la
hip
otesis Ho con la regla cuando Ho es cierta. Ahora bien la regla se basa en los valores
muestrales si la muestra es de tama~no n y los valores muestrales en IR, una regla de decisi
on
consiste en dividir el dominio IRn del conjunto de todas las muestras de tama~no n en dos
partes disjuntas: la parte W en donde se rechaza la hip
otesis nula Ho y la parte W en donde
no se rechaza. La parte W se llama regi
on de rechazo de Ho o region crtica del test.
Como la regi
on cr
tica del test es aquella en donde se rechaza Ho , deber
a tomar en cuenta
la hip
otesis alternativa.
Una regla de decisi
on consiste entonces en determinar la regi
on cr
tica del test en funci
on de
las dos hip
otesis.

5.2 HIPOTESIS ESTADISTICAS

Las hip
otesis estad
sticas son muy precisas: se reeren al comportamiento de variables aleato-
rias. Pero en los ejemplos expuestos en el parrafo anterior, se observara que las hip
otesis no
son todas del mismo tipo. En los tres primeros ejemplos, la hip
optesis concierne solamente a
los valores de par
ametros de una distribuci
on cuya forma no est
a puesta en duda y es especi-
cada a priori. Tales hip
otesis se llaman hipotesis parametricas. En el u
ltimo ejemplo, es
la distribuci
on completa que esta puesta en juicio se habla de hipotesis no parametricas.
Por ejemplo, sea una v.a. X de distribuci
on F (x=), que depende de un par
ametro . Si 
es el espacio del par
ametro  y o un subconjunto de , entonces
H :  2 o
es una hip
otesis par
ametrica, mientras que
H : F  Normal
5 TESTS DE HIPOTESIS 40

es una hip
otesis no par
ametrica.

Se puede clasicar tambi
en las hip
otesis par
ametricas seg
un su grado de especidad. Cuando
en la hip
otesis par
ametrica
H :  2 o
o esta reducido a un s
olo valor, entonces se habla de hipotesis simple, sino se habla de
hipotesis compuesta.

5.3 TEST DE HIPOTESIS PARAMETRICAS

Trataremos en primer lugar los tests de hip
otesis par
ametricas para hip
otesis simples antes
de tratar el caso general apoyandonos en los resultados del caso de las hip
otesis simples.
Encontrar una regla de decisi
on es encontrar una regi
on cr
tica del test. >Como hacerlo
minimizando los errores de decisi
on? Para eso usaremos la funci
on de potencia.

5.3.1 Funcion de potencia

Sea un test de hip
otesis sobre el par
ametro  ( 2 ) de la distribuci
on F de una v.a. X.
Ho :  2 o contra H1 :  2 1
Si una regla de decisi
on nos condujo a una regi
on cr
tica W para el test, entonces para cada
valor de  2 , determinaremos la probabilidad () que la regla de decisi
on nos conduce a
rechazar Ho cuando el par
ametro vale .

Denicion 5.1 La funcion () = IP (rechazarHo=) se llama FUNCION

 DE POTENCIA
del test.

<OJO! aqu
  no es una variables aleatoria.

W es la regi
on cr
tica del test y x el vector de los valores muestrales, entonces
() = IP (x 2 W=) 8 2 
Luego la regi
on cr
tica ideal es aquella que produce una funci
on de potencia tal que:
(
() = 0 si  2 o
1 si  2 1
En efecto, para todo  2 o , la decisi
on de rechazar Ho es una decisi
on equivocada, entonces
() es una probabilidad de error de tipo I (o riesgo de primer especie). Por otro lado,
para todo  2 1 , la decisi
on de rechazar Ho es una decisi
on correcta, entonces 1 ; () es
una probabilidad de error de tipo II (o riesgo de segundo especie).
5 TESTS DE HIPOTESIS 41

Denicion 5.2 Se llama TAMAN~ O del test a supf ()= 2 og

El problema es que tal regi
on cr
tica ideal no existe como lo veremos en el siguiente ejemplo,
cuando se disminuye uno de los errores a 0, se aumenta el otro a 1.
Ejemplo: Sea x1 x2 ::: xn una m.a.s. de una v.a. X uniforme en 0,] con  > 0.
Consideramos la hip
otesis nula Ho : 3  4 contra la hip
otesis alternativa H1 :  < 3 o
 > 4. Supongamos que una regla de decisi
on nos llevo a decidir de no rechazar a la hip
otesis
nula Ho cuando maxfx1  x2 ::: xng de una m.a.s. de la v.a. X esta en el intervalo 2.9,4.1] y a
rechazar Ho en el caso contrario. Luego la regi
on cr
tica del test es un subconjunto W  IRn
tal que maxfx1  x2 ::: xng < 2:9 o > 4:1g. La funci
on de potencia del test es entonces:

() = IP (maxfx1 + x2 ::: xng < 2:9=) + IP (maxfx1  x2 ::: xng > 4:1=)

( )
Si  2:9 ) IP (maxfx1 x2 ::: xng < 2:9=) = 1 ) ( ) = 1
IP (maxfx1 x2 ::: xng > 4:1=) = 0
( )
Si 2:9 <  4:1 ) IP (maxfx1  x2 ::: xng < 2:9=) = ( 2:9 )n ) () = ( 2:9 )n
IP (maxfx1  x2 ::: xng > 4:1=) = 0
( )
Si  > 4:1 ) IP (maxfx1 x2 ::: xng < 2:9=) = ( 2:9 )n ) () = 1 + ( 2:9 )n ; ( 4:1 )n
IP (maxfx1 x2 ::: xng > 4:1=) = 1 ; ( 4:1 )n
El tama~no del test es igual a  = Supf ()=3  4g = (3) = ( 23:9 )n
En los gr
acos 5.1, se muestra la funci
on de potencia para los casos n=10 y 50. Se observa que
el tama~no del test  = 0:10, es decir que en el intervalo 3, 4] la probabilidad de equivocarse
no sobrepasa 10%. Pero el error de tipo II, que es igual a 1 ; () cuando  2 o , puede ser
muy elevado entre 3 y 2.9, el error disminuye de 0.10 a 0 pero entre 4 y 4.1 es casi igual a 1.
En este ejemplo si queremos disminuir el tama~no del test , hay que elegir un intervalo W
m
as
grande o una muestra de tama~no mayor. Pero en ambos casos se aumentara el error de tipo
II. Para tratar de acercarnos a la situaci
on ideal, se puede, por ejemplo, buscar minimizar una
funci
on de los dos errores, o bien jarse una cota m
axima para el error de tipo I y minimizar
el error de tipo II.
5 TESTS DE HIPOTESIS 42

1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8

Gr
aco 5.1: Funci
on de potencia para Gr
aco 5.2: Funci
on de potencia para
la regi
on cr
tica 2.9,4.1] con n=10 la regi
on cr
tica 2.9,4.1] con n=50

5.3.2 Tests para hipotesis simples

Sean x1  x2 ::: xn, los valores muestrales independientes de una v.a. de funci
on de densidad
f (x=). Se plantea las hip
otesis simples:
Ho :  = o contra H1 :  = 1

Dada una regla de decisi
on , se tienen los dos errores:

( ) = IP (rechazarHo= = o ) (error de tipo I )
( ) = IP (no rechazarHo= = 1 ) (error de tipo II )
Presentaremos en primer lugar como minimizar una funci
on simple de los dos errores, tomando
una funci
on del tipo
a( ) + b( )
Usaremos la soluci
on anterior para encontrar la forma de construir la regi
on cr
tica, tal que
si uno se ja una cota m
axima para el error de tipo I, el error de tipo II sea m
nima.
Dados dos escalares a y b, buscamos minimizar la funci
on a( ) + b ( ). Se denota fo (x) y
f1(x) a las funciones de verosimilitud dado Ho y dado H1 respectivamente:
Y
n Yn
fo (x) = f (xi=o ) y f1 (x) = f (xi=1 )
i i

Teorema 5.1 Si  es la regla de decision tal que:

se rechaza Ho cuando afo (x) < bf1(x)
se acepta Ho cuando afo (x) > bf1(x)
5 TESTS DE HIPOTESIS 43

entonces a( ) + b ( ) a( ) + b ( ) 8

Demostraci
on: Si W es la regi
on cr
tica asociada a una regla de decisi
on ,

Z Z
( ) = ::: fo (x)dx1:::dxn
W
Z Z
( ) = ::: f1 (x)dx1:::dxn
Z Z W Z Z
a( ) + b( ) = a ::: fo (x)dx1:::dxn + b(1 ; ::: f1 (x)dx1:::dxn)
W R R W
Luego a( )(+ b ( ) es m
nimo cuando ::: W (afo (x) ; bf1 (x))dx1:::dxn es m
nimo.
Es decir si: af o (x) ; bf1 (x) < 0 8x 2 W
af (x) ; bf (x) > 0 8x 2 W
o 1

entonces  es o
ptimo para estos valores a y b dados. Se observar
a que fo (x) ; bf1 (x) = 0 es
irrelevante, dado que no cambia el m
nimo.
Denicion 5.3 Se llama RAZON
 DE VEROSIMILITUD de la muestra al cuociente
f1(x)
fo (x)
Sea o la cota m
axima de error de tipo I que se quiere aceptar.
Denicion 5.4 Se llama NIVEL DE SIGNIFICACIO N del test a la cota maxima de error
de tipo I aceptada.

Se tiene entonces que buscar una regla de decisi
on que produce un error de tipo I ( ) o
y tal que  ( ) sea m
nimo. El siguiente lema, que deriva del teorema anterior, nos da la
forma de proceder.
Lema 5.1 (NEYMAN-PEARSON)
Si  es una regla de decision tal que para algun k > 0 jo,
se rechaza Ho , si ff1 ((xx)) > k
0
no se rechaza Ho , si ff1 ((xx)) < k,
0
entonces para toda regla tal que ( ) (  ) se tiene  ( )   (  ).

Ejemplo: sea x1  ::: xn de una muestra aleatoria simple de la v.a. X  N (  2),  descono-
cido y  2 conocido. Se estudia Ho :  = 1 contre H1 :  = 2. La raz
on de verosimilitud se
escribe:
f1 (x) = expf; 1 X(x ; 2)2 ; X(x ; 1)2]g
fo (x) 2 2 i i
5 TESTS DE HIPOTESIS 44

f1 (x) = expf; 1 ;2 X x + 3n]g

fo (x) 2 2 i
f1 (x) = expf P xi ; 3n g
f (x)
o  2 2 2
La regla de decisi
on que minimiza a a( ) + b ( ) consiste en rechazar Ho si
f1 (x ) > a
fo (x) b
es decir: X > 23 +  2 ln( ab )
Si  2 = 2 y n = 20, la regi
on cr
tica R, que es de la forma fX > cg depende de a y b:
si a=b, c=3/2, pero si (a > b y c > 3=2) o si (a < b y c < 3=2) en particular, si a=2/3 y
b=1/3, R = fX > 2:88g, pero si a=1/3 y b=2/3, R = fX > 0:113g.
El error de tipo I ( ) es (1) = IP (X > C= = 1). Como X  N (1  2=n) bajo Ho ,
( ) = 1 ; ( =c;p1n ), en que (x) es la funci
on de distribuci
on de N (0 1).
El error de tipo II  ( ) es 1 ; (2) = 1 ; IP (X > c= = 1) = IP (X < c= = 2) = ( =c;p2n )
Si a=b, como c=3/2, para n=20, se obtiene ( ) =  ( ) = 1 ; (1:58) = 0:057, pero con
n=100, ( ) =  ( ) = 1 ; (3:53) ' 0.
Si se obtuvo una media muestral X = 1:30 para una muestra aleatoria de tama~no 20, no se
rechaza Ho :  = 1 con un error de tipo I de 0.057 cuando se toma a=b si se toma a=0.3 y
b=0.7, se rechaza Ho a favor de H1 con un error de tipo I igual a 0.11.
Si ahora se tiene un nivel de signicaci
on jado a o = 0:05, entonces se obtiene una regi
on
cr
tica R = fX > cg tal que
IP (X > c= = 1) = 0:05
p 
Como n(X ; 1)  N (0 1)
p p
IP (X > c= = 1) = 1 ; ( n(c ; 1)= 2) = 0:05
p p
Como (1:65) = 0:95, se obtiene que n(c ; 1)= 2 = 1:65, es decir que c=1.52 y
R = fX  > 1:52g. En este caso no se rechaza Ho .

5.3.3 Tests U.M.P.

Vamos extender ahora los resultados del lema de Neyman-Pearson para hip
otesis compuestas.
Sean las hip
otesis compuestas Ho :  2 o contra H1 :  2 1 .
Si nos jamos un nivel de signicaci
on o , buscamos una regla de decisi
on tal que la funci
on
de potencia cumple:
(= ) o 8 2 o y (= ) sea m
axima 8 2 1 .
5 TESTS DE HIPOTESIS 45

Ahora bien no es siempre posible encontrar un test que satisfaga esta condici
on. En efecto
si  = f1  2g, un test podra tener una potencia m
axima para 1 pero no necesariamente
para 2 .
Retomando el ejemplo anterior, si tomamos como una hip
otesis alternativa con dos valores
H1 = f0 2g, entonces para  = 0 la regi
on cr
tica m
as potente sera de la forma R = fX < cg,
que, como lo vimos, no es la regi
on cr
tica m
as potente para  = 2.
Denicion 5.5 Si un test maximiza la funcion de potencia para todo valor  de la hipotesis
alternativa H1 :  2 1 , se dice que el test es uniformemente mas potente (U.M.P.)
es
decir que  es un test U.M.P. al nivel de signicacion o si ( ) o y si para todo otro
test tal que ( ) o , se tiene (= ) (= ) 8 2 1
Observamos en el ejemplo que la raz
on de las verosimilitud dado  = 2 y  = 1 se escribe:
fn (x=2) n(2 ; 1)  1
fn (x=1) = expf  2 (X ; 2 (2 ; 1 ))g
Se observa que ffn ((x= 2)
depende de x a traves s
olo de la media muestral X  adem
as crece
n x=1 )
en funci
on de X si 1 < 2 . Es decir que este cuociente es mon
otono con respecto a X .
Denicion 5.6 Se dice que fn (x=) tiene una razon de verosimilitud monotona para un
estad stico g(x) si y solo si 81  2 tal que 1 < 2 , el cuociente ffn ((x=
x=
2 ) depende del vector
n 1)
x a traves de la funcion g(x) y el cuociente es una funcion creciente de g (x) 8x.
En el ejemplo anterior fn (x=) tiene una raz
on de verosimilitud mon
otona en x. Veamos
otro ejemplo: una muestra aleatoria de una Bernoulli de par
ametro p.
Tomando y = P xi  fn (x=p) = py (1 ; p)n;y .
Si 0 < p1 < p2 < 1: ffnn ((x=p 2) p2 (1 ; p1) y (1;p2) n
x=p1) = ( p1(1 ; p2) ) ( (1 ; p1) )
cuociente que depende de x a P traves de y , y es una funci
on creciente de y  tiene una raz
on
de verosimilitud mon
otona en xi .
Denicion 5.7 Un test sobre las hipotesis Ho :  o contra H1 :  > o , se dice test
unilateral y un test sobre las hipotesis Ho :  = o contra H1 :  6= o , se dice test bilateral.
Vamos a mostrar que si fn (x=) tiene una raz
on de verosimilitud mon
otona en alg
un es-
tad
stico T, entonces existe un test U.M.P. para las hip
otesis Ho :  o contra H1 :  > o
Teorema 5.2 Si fn (x=) tiene una razon de verosimilitud monotona en el estad stico T y
si c es la constante tal que IP (T  c= = o ) = o , entonces la regla de decision que permite
rechazar la hipotesis nula si T  c es un test U.M.P. para Ho :  o contra H1 :  > o al
nivel de signicacion o .
5 TESTS DE HIPOTESIS 46

Demostraci
on: Sea 1 tal que 1 > o

( ) = IP (rechazar Ho= = o ) = (o = )
 ( ) = IP (aceptar Ho= = 1 ) = 1 ; (1= )
Del lema de Neyman-Pearson, se deduce que entre todos los procedimientos tales que el error
de tipo I ( ) < o , el valor de  ( ) ser
a m
nimo para el procedimiento  que consiste en
rechazar Ho cuando ffnn ((x= 1)
x=o)  k, k siendo elegido de tal forma que
IP (rechaza Ho= = o ) o.
Como ffnn ((x=
x=1 ) es una funci
on creciente de T, un procedimiento, que rechaza Ho cuando el
o)
cuociente es al menos igual a k, es equivalente al procedimiento que rechaza Ho cuando T es
al menos igual a una constante c.
La constante c es elegida de tal forma que IP (rechazar Ho = = o ) o
Ahora bien esto es cierto para todo 1 > o . Luego este procedimiento es U. M. P. para
Ho :  = o contra H1 :  > o
Por otro lado, la funci
on de potencia es no decreciente en  y por lo tanto que si (o = ) o ,
entonces (= ) o 8 o .
Cuando fn (x=) no tiene una raz
on de verosimilitud mon
otona, el test de raz
on de verosim-
itud permite resolver una gran cuantidad de problemas:

Si Ho :  2 $o contra H1 :  2 $1 , se dene
(x) = Supf n (x= 2 $1 )
Supfn (x= 2 $o )
El test de raz
on de verosimilitud consiste en rechazar Ho si (x) > k y no rechazar Ho si
(x) < k.
El problema es encontrar la distribuci
on de (x). El siguiente teorema da una soluci
on.

Teorema 5.3 SI  es un parametro de dimension p y si la hipotesis nula es de la forma

Ho : H = 0 en que H 2 Mnxp, entonces ;2ln(x) tiene una distribucion asintotica 2r .

5.3.4 Tests usuales

Veamos algunos tests usuales que se basan en los resultados anteriores.
Test sobre una media con la varianza conocida
Sea una v.a. X  N (  2) en que la varianza  2 es conocida y igual a 362 y una muestra
aleatoria de tama~no n=9.
5 TESTS DE HIPOTESIS 47

Sea Ho :  = 180 contra H1 :  > 180 y un nivel de signicaci
on de 0.05.

De lo anterior, se deduce que la regi
on cr
tica m
as potente es de la forma R = fX > cg con
c determinado por:
IP (X > c= = 180) = 0:05
Como (X  N ( 144), (X ; 180)=12  N (0 1) bajo la hip
otesis Ho :  = 180.
IP (X ; 180)=12 > (c ; 180)=12) = 0:05 =) (c ; 180)=12 = 1:65 =) c = 200.
La regi
on cr
tica fX > 200g es U. M. P. para todo  > 180 de la hip
otesis alternativa.
El error de tipo II depende de . Como lo muestra la tabla 5.1 y el gr
aco 5.3, el error de
tipo II aumenta cuando el valor de  es muy cercano al valor 180 de Ho .

 180 185 190 200 210 220 230

() 0.05 0.11 0.20 0.50 0.80 0.95 0.994
1 ; () 0.95 0.89 0.80 0.50 0.20 0.05 0.006
Tabla 5.1: Potencia y error de tipo II para H1 :  > 180
1 1

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
180 190 200 210 220 230 240 120 130 140 150 160 170 180

Gr
aco 5.3: Funci
on de Potencia Gr
aco 5.4: Funci
on de Potencia

para H1 :  > 180 para H1 :  < 180
Sea ahora Ho :  = 180 contra H1 :  < 180 con un nivel de signicaci
on de 0.05.
La regi
on cr
tica m
as potente es de la forma R = fX < cg con c determinado por:
IP (X < c= = 180) = 0:05
La regi
on cr
tica fX < 160g es U. M. P. para todo  < 180 de la hip
otesis alternativa. La
funci
on de potencia esta dada en la tabla 5.2 y el gr
aco 5.4.
5 TESTS DE HIPOTESIS 48

 180 175 170 160 150 140 130

() 0.05 0.11 0.20 0.50 0.80 0.95 0.99
1 ; () 0.95 0.89 0.80 0.50 0.20 0.05 0.006
Tabla 5.2: Potencia y error de tipo II para H1 :  < 180

Sea nalemente Ho :  = 180 contra H1 :  6= 180 con un nivel de signicaci
on de 0.05.

No existe un test U. M. P. para este test bilateral se propone como regi
on cr
tica R = fX <
ag  fX > bg de tal forma que IP (X < a) = 0:025 y IP (X > b) = 0:025. Obtenemos a=156.5
y b=203.5, que da una funci
on de potencia presentada en la tabla 5.3 y el gr
aco 5.5. Se
nota que la potencia es siempre inferior o igual a la potencia de la tabla 5.1 o 5.2 para todo
.

 140 150 160 170 175 180 185 190 200 210 220
() 0.91 0.69 0.37 0.12 0.07 0.05 0.07 0.12 0.37 0.69 0.91
1 ; () 0.09 0.31 0.43 0.88 0.93 0.95 0.93 0.88 0.43 0.31 0.09
Tabla 5.3: Funci
on de Potencia para H1 :  6= 180

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
120 140 160 180 200 220 240 260

Gr
aco 5.5: Funci
on de Potencia para H1 :  6= 180

5 TESTS DE HIPOTESIS 49

Se observara que este test se basa en el supuesto de distribuci
on normal de los valores mues-
trales. Cuando el tama~no de la muestra es grande, este supuesto es aceptable, pero para
muestras peque~nas, es importante comprobar si lo es.
Test sobre una media con la varianza desconocida
Si retomamos el problema anterior pero suponemos que la varianza es desconocida. En este
caso se procede de manera parecida al caso anterior con la distribuci
on de Student de la
p; )
variable S(X
= n ; 1 que es una Student a n-1 g.l.
n
El problema en este caso es la dicultad que se encuentra para calcular la potencia del test
para una hip
otesis alternativa.
Test sobre una varianza
Si ahora planteamos las hip
otesis:
Ho : 2  o2 contra H1 :  2 < o2
en donde o2 es un escalar positivo dado.
A partir del estad
stico nS
2
n , que sigue una distribuci
on de 2 a n-1 grados de libertad bajo
o2
Ho , se construye la regi
on critica de nivel de signicaci
on ::
IP ( nS
2
n > c) = 
o2
Test de comparacion de dos medias
Frecuentemente uno esta interesado no en uma sola media, pero en la diferencia entre dos
medias. Por ejemplo, la diferencia de sueldos medios 1 y 2 entre dos poblaciones 1 y 2.
Las hip
otesis se escriben entonces:
Ho : 1 ; 2 = do
H1 : 1 ; 2 6= do
Es m
as usual tomar do = 0 y la hip
otesis alternativa H1 puede ser
H1 : 1 ; 2 6= 0 o H1 : 1 ; 2 > 0
Sea la v.a. sueldo X  N (1  12) en 1 y X  N (2 22) en 2. Si se tiene una media
muestral X 1 de X obtenida sobre una muestra de tama~no n1 en 1 y una media muestral X 2
de X obtenida sobre una muestra de tama~no n2 en 2 , entonces
X1 ; X2  N (1 ; 2 12=n1 + 22=n2)
Si las varianzas 12 y 22 son conocidas, entonces se obtiene una regi
on cr
tica de nivel de
signicaci
on  = 0:05 para Ho : 1 ; 2 = 0 contra H1 : 1 ; 2 > 0:
q
IP (X1 ; X 2 > 1:96 12=n1 + 22=n2 )
5 TESTS DE HIPOTESIS 50

Si las varianzas son desconocidas, pero si se supone que son iguales ( 12 = 22 =  2), entonces
se estima esta varianza y se usa un estad
stico que sigue una distribuci
on t de Student. Un
estimador insesgado de  2 es:
S 2 = (n1S12 + n2S22)=(n1 + n2 ; 2)
en que S12 y S22 son las varianzas emp
ricas sesgadas de 12 y 22 . Entonces
 
t = r 2X1 ; 2X2
( nn1 S1 +1 +n2n;2 S22 )( nn11+nn22 )
es una Student a n1 + n2 ; 2 grados de libertad.
La regi
on cr
tica se dene entonces como:
s
IP (X 1 ; X2 > t ( nn1 S+1 +n n;2 S22 )( n1n+nn2 )
2 2

1 2 1 2

en donde t es tal que

IP (tn1+n2 ;2 > t ) = 
Aqu
 se hizo el supuesto de igualdad de las varianzas y de independencia de las dos muestras.
Test para pares de observaciones
Hay situaciones en donde las muestras no son independientes. Es el caso cuando se toman
muestras formadas de pares, es decir cuando cada observaci
on de una muestra es relacionada
a una observaci
on de la otra muestra. Por ejemplo, se considera la diferencia de edades
de las parejas en un grupo de matrimonios una muestra esta formada de las esposas y
la otra muestra de sus maridos. La dos muestras no son independientes y son del mismo
tama~no. Sean (X,Y) las v.a. edades de la mujer y su marido y una muestra de n matrimonios
f(xi  yi) i = 1 2 ::: ng. La diferencia entre las medias emp
ricas X  n y yn es un estimador
insesgado de la diferencia poblacional 1 y 2 en las dos poblaciones apareadas:
E (X n ; yn ) = E (X ; Y ) = E (X ) ; E (Y ) = 1 ; 2
Pero debido a la dependencia entre X e Y la varianza de la diferencia X-Y cambia.
X2 ;Y = E (X ; Y ; 1 ; 1)2 ) = E (X ; 1 )2 + E (Y ; 1 )2 ; 2E (X ; 1)(Y ; 2 )
X2 ;Y = 12 + 12 ; 2Cov (X Y )
Como no se conoce en general las varianzas 12, 12 y la covarianza Cov(X,Y), lo m
as simple
es estimar la varianza de la diferencia X2 ;Y considerando que los valores muestrales son las
diferencias di = xi ; yi que provienen de una sola muestra:
P(d ; d )2
^X ;Y =
2 i n
n
5 TESTS DE HIPOTESIS 51
P Px ; y
en donde dn = ndi = i
n i
P(x ; y )2
^X ;Y
2
= i i ; d2
n n


El estimador de la varianza de la media diferencia es entonces ^Xn;Y y Xn^X;;yYn=;(n;1 ;1)2
2

sigue una t de Student a n-1 g.l.

Test de comparacion de dos varianzas: la distribuci
on F
Se quiere comparar las varianzas 12 y 22 de dos poblaciones normales a partir de mues-
tras aleatorias independientes Pde cada poblaci
on. SiPX1 ::: Xn e Y1  ::: Ym son las muestras
aleatorias respectivas, S12 = n1 (Xi ; X )2 y S22 = n1 (Yi ; Y )2 son las varianzas muestrales
sesgadas.
U = nS12=12  2n;1 y V = mS22=22  2m;1  ademas U y V son independientes.
Vimos en el cap
tulo anterior que V=U=(n ; 1) sigue una distribuci
on F de Fisher a n-1 y m-1
(m ; 1)
grados de libertad.
Consideramos entonces el estad
stico
nS12=(n ; 1)
mS22=(m ; 1)
que sigue una distribuci
on Fn;1
m;1 bajo la hip
otesis nula Ho : 1 = 2 .
Se dene entonces la regi
on cr
tica de nivel de signicaci
on  para Ho : 12 = 22
nS12=(n ; 1) > F ) = 
IP ( mS 2=(m ; 1) 
2

en donde F es calculado a partir de la F de Fisher a n ; 1 y m ; 1 g.l.

5.4 TESTS
2
Diversas situaciones pueden describirse a partir de una distribuci
on multinomial. Veremos
previamente dos distribuciones de vectores aleatorios, la distribuci
on normal multivariada, y
la distribuci
on multinomial con su comportamiento asint
otico. Despu
es de presentar un test
para un modelo multinomial, veremos aplicaciones para hip
otesis no param
etricas.

5.4.1 La distribucion normal multivariada

Se tiene dos deniciones equivalentes para la distribuci
on normal multivariada.
5 TESTS DE HIPOTESIS 52
0X 1
BB X12 CC
Sea X = BBB : CC un vector aleatorio
CA
@ :
Xp

Denicion 5.8 Sea u: IRp ;! IR

Se dice que X es un vector normal multivariado de orden p de vector de media  y de matriz
de varianza-covarianza ; (X  Np ( ;)) si y solo si u(X )  N (u() ;(u u))

Es decir que si X es un vector normal, toda combinaci
on lineal de X es una v.a. normal.

Denicion 5.9 Se dice que X  Np( ;)) si su funcion caracteristica es

"X (u) = exp(iut ; 12 ut ;u) 8u 2 IRp

Propiedades:

Tomando como vector u los vectores can
onicos, se obtiene las leyes marginales de X,
que son normales pero la rec
proca es falsa: un vector formado de variables normales
no es necesariamente un vector normal.

Sea Y una matriz (pxq).
X  Np( ;) =) Y = AX  Nq (A A;At)

Las v.a. Xi son independientes () ; es diagonal

; es semidenida positiva
En efecto ;(u u) = ut ;u es la varianza de la v.a. u(X ) = ut X .

Si ; es de rango r, existe * una matriz (pxr) tal que ; = **t. Entonces:
X  Np( ;) () X =  + *Y Y  Nr (0 Ir)

es decir que las componentes del vector Y son centradas, normalizadas y independientes
entre si.

Si ; es invertible, * es invertible tambi
en e Y = *;1 (X ; ).
Este u
ltimo resultado permite calcular la densidad del vector X. En efecto se puede calcular
la densidad del vector Y  Np (0 Ip):
Y X
f (Y ) = f (Yi ) = ( 21 )p=2exp(; 12 Yi2 )) = (1=2 )p=2exp(; 12 Y Y t )
5 TESTS DE HIPOTESIS 53

Como Y Y t = (*1 (X ; )t *1 (X ; ) = (X ; )t ;;1 (X ; ), el Jacobiano de la transformaci
on

es j;j;1=2, luego la densidad de X es:
;1=2
h(X ) = ( j;j2 )p=2exp(; 12 (X ; )t ;;1 (X ; ))

Proposicion 5.1 Si X  N ( ;) con ; de rango r, entonces k X ;  k2;;  2r .

1

Demostraci
on: Acordamos que si Y  N (0 I ), k Y k2 = P Y 2  2 . Como ; = **t, existe

r i r
Y tal que X =  + *Y , con Y  N (0 Ir). Pero se puede escribir Y = (*t*);1 *t(X ; ),
luego:
k Y k2Ip = Y Y t =k X ;  k2;;1  2r

5.4.2 La distribucion multinomial

Es una generalizaci
on de la distribuci
on binomial. En vez de tener dos alternativas en cada
experimento, se tienen k alternativas (k  2). Por ejemplo, hay seis resultados posibles
cuando se tira un dado. Si el "1" tiene probabilidad p1, el "2" tiene probabilidad p2 ,...,el "6"
tiene probabilidad p6 , y si hacemos n lanzamientos independientes, los n
umeros M1 de "1",
M2 de "2",..., M6 de "6" constituyen un vector P aleatorio M con una distribuci
on multinonimal
de par
ametros n p1 p2 ::: p6. Se observa que Mi = n.
IP (M = m) = IP (M1 = m1  ::: M6 = m6 ) = nm !pm1 1 pm2 2 :::pm6 6
1 !m2!:::m6!
0 1
BB pp12 CC
Calculamos la esperanza y la varianza de M. Si p = B @ : CA, entonces E (M ) = np.
p6
Sea el resultado Ji del lanzamiento i: Ji = eh , el h-esimo vector canonico si el resultado es h.
Entonces M ; P Ji , E (Ji) = p y 0 1
p1 0 : 0
B 0 p2 : 0 CC
E (JiJit ) = Ph eh eth IP (Ji = eh ) = B
B
@ : : : : CA = Diag(p)
0 0 : p6
V ar(Ji) = E (JiJit ) ; E (Ji)E (Ji)]t = Diag (p) ; ppt = +(p)
Luego V ar(M ) = n+(p)
Por el Teorema del L
mite Central, se tiene:
limn;!+1 IP ( Mp;nnp x) = (x)
5 TESTS DE HIPOTESIS 54

en donde es la funci
on de distribuci
on normal multivariada centrada de matriz de covarianza

+(p).
Ejercicio: Muestre que si el vector multinomial es de dimensi
on k, entonces el rango de la
matriz +(p) es igual a k-1 (Se podra mostrar que el nucleo de +(p) es de dimensi
on 1).

Proposicion 5.2 2Si M es un vector de distribucion multinomial (n p1 ::: pk), entonces
Q = P (Mi ; npi ) tiene una distribucion asintotica de 2 .
npi k ;1

La demostraci
on se basa en el resultado del ejercicio.

5.4.3 Test de ajuste para un modelo multinomial

Sea un dado que se tira n=102 veces. Se obtiene entonces la distribuci
on emp
rica (tabla
5.4):

Mi 1 2 3 4 5 6 Total
fi 12 11 22 20 16 21 102
Tabla 5.4

>Podemos concluir si el dado esta cargado?

Sea la hip
otesis nula Ho : pi = 16 8i
Entonces calculamos el estad
stico Q para construir la regi
on cr
tica (tabla 5.5).

i Mi npi Mi ; npi (Mi ; npi)2 =npi

1 12 17 -5 1.471
2 11 17 -6 2.118
3 22 17 5 1.471
4 20 17 3 0.529
5 16 17 -1 0.059
6 21 17 4 0.941
Total 102 102 0 6.589
Tabla 5.5

Se obtiene Q=6.589, y IP (25 > 6:589) > 5%, por lo cual no se rechaza Ho . Las diferencias
no son sucientemente signicativas para concluir que el dado esta cargado.
5 TESTS DE HIPOTESIS 55

5.4.4 Test de ajuste para una distribucion discreta

Se considera el n
umero de accidentes X observados cada n de semana en una carretera (tabla
5.6). Se quiere probar la hip
otesis que X sigue una distribuci
on de Poisson de par
ametro 
a partir de datos obtenidos sobre un a~no. En un primer tiempo supondremos  conocido e
igual a 1.5. Se tiene entonces Ho : X  P (1:5).

N o accidentes 0 1 2 3 4 5 6 Total
N o semanas 17 16 10 5 2 1 1 52
Tabla 5.6

Bajo Ho , los n
umeros de semanas Mo con 0 accidente, M1 con 1 accidente, ..., M6 con 6 o
m
as accidentes sigue una distribuci
on multinomial de par
ametros n=52, y po = IP (X = 0),
p1 = IP (X = 1), ..., p6 = IP (X  6),
Calculamos los pi = IP (X = i), con X  P (1:5).

i Mi pi Mi ; npi (Mi ; npi )2 =npi

0 17 0.2231 5.3988 2.5124
1 16 0.3347 0.5956 0.0204
2 10 0.2510 -3.0520 0.7137
3 5 0.1255 -1.5260 0.3568
4 2 0.0471 -0.4492 0.0824
5 1 0.0141 0.2668 0.0971
6 1 0.0045 0.7660 3.2735
Total 52 1.0000 0 7.0563
Tabla 5.7

Se obtiene Q=7.0563 (tabla 5.7), y IP (26 > 7:0563) > 5%, por lo cual no se rechaza Ho .
Ahora
P iM =si52 se= supone que no se conoce el par
ametro , se puede estimar por ^ = X n =
i 72=52 = 1:385 y proceder como antes. Pero ahora el estad
stico Q pierde un
grado de libertad debido a la estimaci
on.
Con el par
ametro ^, Q=5.62 y IP (25 > 5:62) > 5%.

5.4.5 Test de ajuste para una distribucion continua

Si queremos construir un test 2 para una hip
otesis sobre una distribuci
on continua como
Ho : X  N (1 0:25), hay que transformar la variable en una variable discreta. Se divide el
rango de X en k intervalos disjuntos I1, I2 , ...,Ik y se cuenta los n
umeros de observaciones de
5 TESTS DE HIPOTESIS 56

la muestra Mi que caen en el intervalo Ii . El vector M de los efectivos de los intervalos sigue
una distribuci
on multinomial de par
ametros de probabilidad determinados por la hip
otesis
nula.
Sea por ejemplo, las temperaturas medias X del mes de septiembre en Urbe durante 60 a~nos
(tabla 5.8). Se quiere probar la hip
otesis nula Ho : X  normal.
Hay diferentes maneras de denir la partici
on de intervalos de IR. Una vez jado el n
umero
de intervalos, se pueden elegir del mismo largo o de la misma probabilidad. Tomaremos aqu

10 intervalos equiprobables.
Para calcular las probabilidades, hay que estimar previamente los par
ametros  y  2 de la
normal:
^ = Xn = 15:76 ^ 2 = Sn2 = 13:82
Luego los intervalos Ij se obtienen de tal forma que (tabla 5.9):
IP (X 2 Ij ) = 0:10 8j

en donde X  N (15:76 13:82).

Se obtiene Q=9.35. El estad
stico 2 tiene aqu
 7 g.l. (Se estimaron dos par
ametros). Como
IP (27 > 9:35) > 5%, no se rechaza la hip
otesis de normalidad.

5.2 6.5 7.5 8.2 10.1 10.5 11.6 12.0 12.0 12.8 13.5 13.8
13.9 14.0 14.0 14.2 14.3 14.5 14.7 14.8 15.0 15.0 15.2 15.2
15.3 15.4 15.6 15.8 15.8 15.9 16.0 16.1 16.2 16.4 16.4 16.5
16.5 16.8 16.9 17.0 17.0 17.1 17.1 17.1 17.4 17.6 17.9 18.2
18.5 18.8 18.9 19.4 19.8 20.3 20.9 21.4 21.9 22.5 22.8 23.9
Tabla 5.8: Temperaturas medias

Ii Mi npi Mi ; npi (Mi ; npi )2 =npi

];1,10.96] 6 6 0 0.00
]10.96,12.64] 3 6 -3 1.50
]12.64,13.83] 3 6 -3 1.50
]13.83,14.83] 8 6 2 0.67
]14.83,15.76] 7 6 1 0.17
]15.76,16.69] 10 6 4 2.67
]16.69,17.69] 9 6 3 1.50
]17.69,18.88] 4 6 -2 0.67
]18.88,20.56] 4 6 -2 0.67
]20.56,+1] 6 6 0 0.00
Total 60 60 0 9.35
Tabla 5.9
5 TESTS DE HIPOTESIS 57

5.4.6 Test de independencia en una tabla de contingencia

Cuando dos v.a. discretas con valores en A y B respectivamente son independientes, se tiene:
IP (X = i e Y = j ) = IP (X = i)IP (Y = j ) 8(i j ) 2 A  B
Si A y B son conjuntos nitos (card(A)=p, card(B)=q), las frecuencias Mij de observaciones
obtenidas en una muestra bivariada de tama~no n siguen una distribuci
on multinomial de
par
ametro n, p en donde p es el conjunto de las probabilidades pij = IP (X = i e Y = j ).
Bajo la hip
otesis de independencia de X e Y, se puede estimar estos par
ametros pij a partir
de las frecuencias marginales de X e Y:
p^ij = p^ip^j
con p^i = Pj Mij =n y p^j = Pi Mij =n.
Lo que permite usar el estad
stico
X
Q = (Mij n;p^npp^^ip^j )
2

ij i j
que sigue una distribuci
on asint
otica 2 a (p-1)(q-1) g.l.
Sea un conjunto de consumidores que dan su apreciaci
on sobre una margarina. Se quiere
estudiar si existe una relaci
on entre la opini
on de los consumidores y su nivel socio-econ
omico
(NSE).
Se considera la tabla de contingencia obtenida a partir de une encuesta de estudio de mercado
sobre 1600 consumidores (tabla 5.10), que presenta las frecuencias Mij para cada NSE i y
apreciaci
on j.
NSE APRECIACION TOTAL
MALA REGULAR BUENA
A 140 100 45 285
B 50 225 350 625
C 15 175 500 690
TOTAL 205 500 895 1600
Tabla 5.10: Tabla de contingencia

Las probabilidades pij se estiman usando las frecuencias marginales de la tabla por ejemplo,
para el NSE A con la apreciaci
on MALA se obtiene p^11 = 285  205=1600 = 0:0228 y
np^11 = 36:51.
Se obtiene el valor Q=521.46. Como IP (4 > 521:46) < 5%, se rechaza la hip
otesis de
independencia entre el NSE y la apreciaci
on.
5 TESTS DE HIPOTESIS 58

Nota: Se puede usar el mismo test para probar la independencia de dos variables continuas
transformandolas en variables discretas.

5.5 EJERCICOS
1. El cocinero del casino prepar
o la masa para hacer 500 empanadas. Ese mismo d
a, en un
grupo de 20 alumnos que almorzaron juntos, alguien propuso contar la cantidad de pasas que
cada uno encontrase en su empanada, encontr
andose la siguiente distribuci
on:
N o de pasas N o de empanadas
0 1
1 3
2 4
3 5
4 4
5 2
8 1
a) Suponiendo que la distribuci
on de la cantidad de pasa X en una empanada sigue una ley
de Poisson, estime el par
ametro  de esta ley.
b) Justique la hip
otesis: "H0: La distribucion de la cantidad de pasas en una empanada
sigue una ley de Poisson" de las dos formas siguientes:
(i) A priori: Buscando la probabilidad de que una empanada tenga exactamente x pasas.
(ii) A posteriori: comparando los resultados esperados bajo la hip
otesis con aquellos obser-
vados en la muestra.
c) Se decide que las empanadas son aceptables si en promedio cada empanada tiene 3.5 pasas
el cocinero arma que esta se la cantidad de pasas por empanadas. Los alumnos, en cambio,
objetan que las empanadas tienen en promedio s
olo 2.5 pasas.
>Qu
e signica la elecci
on de los test de hip
otesis siguientes:

H0:  = 3.5 vs. H1 :  = 2.5 H00 :  = 2.5 vs H10 :  = 3.5 ?

d) Dar la regi
on cr
tica al test H0 vs. H1 al nivel de signicaci
on  = 0:05. Dar la potencia
de este test y concluir si las empanadas son aceptables.
e) Misma pregunta tomando H00 vs H10 .
f) Comparar las dos decisiones anteriores.
2. Se tienen los pesos de diez parejas antes y despu
es de 6 meses de matrimonio:
5 TESTS DE HIPOTESIS 59

antes 72 69 81 71 88 78 68 76 86 95
Hombres despues 77 68.5 85 74.5 90.5 76 71 75 87.5 101
antes 52 56 61 49 57 63 66 59 67 51
Mujeres despu
es 54 55 58 50 55 61 64 56 70 50

>Cu
al es la inuencia del matrimonio sobre el peso de los hombres y de las mujeres?
3. Se quiere probar si hay una diferencia de ingreso entre hombres y mujeres m
edicos. Se
hizo una encuesta a n = 200 m
edicos seleccionados al azar e independientemente. Se obtuvo
la siguiente informaci
on:

Ingresos bajos Ingresos altos Total

Hombres 20 100 120
Mujeres 70 10 80
Total 90 110 200

a) Sean p1 y p2 las proporciones poblacionales de m
edicos hombres y mujeres y sean p01 y p02
las proporciones poblacionales de m
edicos con ingresos bajos y altos. Realice los tests
H0 : p01 = p2 vs. H1 : p01 6= p2 H00 : p1 = p02 vs. H10 : p1 6= p02.
b) Estudie la independencia entre sexo e ingreso.
4. Sup
ongase que X1 , ..., Xn constituyen una m.a.s. de una v.a. X con distribuci
on uniforme
sobre 0 ] y que se han de contrastar las siguientes hip
otesis:
H0 :   2 vs. H1 :  < 2.
Sea Yn = maxfX1 ::: Xng y consid
erese un procedimiento de contraste tal que la regi
on
cr
tica contenga todos los resultados tq. Yn 1:5.
a) Determ
nese la funci
on de potencia del contraste.
b) Determ
nese el tama~no del test.
5. Sup
ongase que se desconoce la proporci
on p de art
culos defectuosos en una poblaci
on de
art
culos y se desea probar las hip
otesis
H0 : p = 0:2 vs H1 : p 6= 0:2.
Sup
ongase adem
as que se selecciona una m.a.s. de tama~no 20. Sea Y el n
umero de art
culos
defectuosos en la muestra y consid
erese un procedimiento para resolver el test tal que la
regi
on cr
tica est
a dada por Y  7 o Y 1.
5 TESTS DE HIPOTESIS 60

a) Determ
nese el funci
on de la potencia (p) en los puntos p = 0 0:1 0:2 0:3 0:4 0:5 0:6 0:7 0:8 0:9
y 1.
b) Determine el tama~no del test.
6. Sea X1  :::: Xn una m.a.s. de una distribuci
on normal de media  desconocida y varianza
1. Sea 0 un real dado. Se tienen las hip
otesis
H0 :  = 0 vs. H1 :  6= 0 .
Supongamos que el tama~no de la muestra es 25, y consid
erese que el procedimiento para no
rechazar H0 est
a dado por jXn ; 0 j < c. Determ
nese el valor de c para que el tama~no del
test sea 0.05.
7. Sea X1 ::: Xn una m.a.s. de una distribuci
on de media  desconocida y varianza 1, y sean
las hip
otesis
H0 :  = 3:5 vs. H1 :  = 5:0.
a) Entre los procedimientos para resolver el test anterior tal que  ( ) 0:05, descr
base un
procedimiento para el que ( ) sea un m
nimo.
b) Para n = 4, encu
entrese el valor m
nimo descrito en a).
8. Sup
ongase que se selecciona una observaci
on X de una U (0 ), donde  es desconocido y
se plantean las siguientes hip
otesis:
H0 :  = 1 vs H1 :  = 2.
a) Demostrar que existe un procedimiento para resolver el test para el cual ( ) = 0 y
 ( ) < 1.
b) Entre todas las soluciones del test para las cuales ( ) = 0, h
allese una para el cual  ( )
sea m
nimo.
9. Sea X1 ::: Xn una m.a.s. de una Poisson(), con  desconocido. Sean 0 y 1 dados, con
1 > 0 > 0. Se tienen las siguientes hip
otesis:
H0 :  = 0 vs. H1 :  = 1.
Demu
estrese que el valor de ( ) +  ( ) se minimiza por un procedimiento que rechaza H0
cuando Xn > c y encu
entrese el valor de c.
10. Sea X1 ::: Xn una m.a.s. de una distribuci
on con par
ametro  cuyo valor es desconocido.
Sup
ongase adem
as que se desea constrastar las siguientes hip
otesis:
H0 :  0 vs H1 :  > 0 .
5 TESTS DE HIPOTESIS 61

Sup
ongase adem
as, que el procedimiento que se va a utilizar ignora los valores observados
en la muestra y, en vez de ello, depende unicamente de una aleatorizaci
on auxiliar en la que
se lanza una moneda desequilibrada de forma que se obtendr
a cara con probabilidad 0.05 y
sello con probabilidad 0.95. Si se obtiene una cara, entonces se rechaza H0 , y si se obtiene
sello, no se rechaza H0 . Descr
base la funci
on de potencia de este procedimiento.
11. Sea X1  ::: Xn una m.a.s. de una distribuci
on con par
ametro  desconocido y una funci
on
de densidad conjunta fn (x=) que tiene cociente de verosimilitud mon
otona en el estad
stico
T = r(X ). Sea 0 un valor espec
co de  y sup
ongase que se quieren constrastar las hip
otesis
H0 :   0 vs H1 :  < 0 .
Sea c una constante tal que P (T c= = 0 ) = 0 . Demostrar que el procedimiento que
rechaza H0 si T c es UMP al nivel 0 .
12. Sea X1 ::: Xn una m.a.s. de una Poisson() con  desconocido. Sup
ongase que se quiere
constrastar las hip
otesis
H0 :   1 vs H1 :  < 1 .
Sup
ongase adem
as que el tama~no de la muestra es n = 20. >Para qu
e niveles de signicaci
on
0 , con 0 < 0 < 0:03 existen tests UMP?
13. Consideremos una observaci
on X de una distribuci
on de Cauchy con un par
ametro de
localizaci
on desconocido , esto es, una distribuci
on cuya funci
on de densidad est
a dada por:
f (x=) = 1 + (1x ; )2 ] (8x)
Se desean constrastar las hip
otesis
H0 :  = 0 vs H1 :  > 0.
Demuestre que no existe un test UMP de estas hip
otesis a ning
un nivel de signicaci
on 0 .
14. Sea X1  ::: Xn una m.a.s. de una distribuci
on N ( 1). Sup
ongase que se desean con-
trastar las hip
otesis
H0 :  0 vs H1 :  > 0.
Se denota  el test UMP con nivel de signicaci
on 0 = 0:025 y (= ) la funci
on de
potencia de .
15. Sea X1  ::: Xn una m.a. de una distribuci
on U (0 ) con  desconocido. Supongamos que
queremos contrastar las hip
otesis
5 TESTS DE HIPOTESIS 62

H0 :  = 3 vs H1 :  6= 3.
Considere que H0 se rechaza si c2 maxfX1 ::: Xng c1 y sea (= ) la funci
on de potencia
de . Determine los valores de c1, c2 para que (3= ) = 0:05 y sea insesgado.
1 ASOCIACION ENTRE DOS VARIABLES
1.1 Introduccion
Una asociacion entre variables expresa el grado de in
uencia que puede tener
una variable sobre otra. Los ndices que se pueden denir dependen del tipo
de relacion que se estudia y de la naturaleza de las variables consideradas.
Se presenta en primer lugar ndices descriptivos de asociacion y en seguida
se hace inferencia sobre estos coecientes.

1.2 Variables cuantitativas

Si se consideran dos variables X e Y cuantitativas, que toman valores sobre un
conjunto I de individuos, una simple representacion graca en IR2 permitira
detectar la existencia y la forma de una eventual relacion entre las dos vari-
ables. Una inspeccion del graco es necesaria para asegurarse de interpretar
correctamente el coeciente de correlacion lineal, el ndice de asociacion mas
usual.
Sea f(x y )/i=1,...,ng el conjunto de realizaciones del parP (X,Y) de variables
x y y = 1 P y a
i i

sobre una muestra I de tama~no n. Se denotan x = 1

i i

las medias empricas respectivas de x=(x1 x2 :::x ) e de y=(y1 y2 :::y ), y

n n

2 1 P 2 2 1 P
s = (x ; x ) y s = (y ; y )2 a las varianzas empiricas respectivas
n n

x i y i

de X e Y.
n n

De nici
on 1.1 Se llama covarianza empirica entre X e Y a:

X
cov(x y) = n1 (x ; x )(y ; y )
i i

Como la covarianza es sensible a los cambios de escala de las dos ariables,

se elimina este efecto con el coeciente de correlacion lineal, que toma en
cuenta de las varianzas s2 de X y s2 de Y.
x y

De nici
on 1.2 Se llama correlacion lineal entre X e Y a: r = covs(xs y) x y

P p (x ; x )(y ; y )
x y

r = P q q
p (x ; x )2 P p (y ; y )2
i i i
x y

i i i i

1
Este coeciente toma como valores extremos +1 y -1 da el grado de relacion
de tipo lineal que existe entre X e Y.
r = ;1 relacion estrictamente lineal de pendiente negativa
;1 < r < 0
x y

x y tendancia lineal negativa

r =0
x y ausencia de tendencia lineal
0 < r < +1
x y tendancia lineal positiva
r = +1
x y relacion estrictamente lineal de pendiente positiva
La tendencia lineal aumenta cuando r tiende a
1 (ver gracos 6.1). Pero
cuando r 6=
1, hay muchos casos muy diferentes que pueden producir
x y

x y

el mismo valor del coeciente r . De aqu la importancia de tener mu-

x y

cho cuidado en la interpretacion de un coeciente de correlacion. Un dato

aberrante, una mezcla de poblaciones, una relacion no lineal pueden cambiar
totalmente el valor del coeciente (ver gracos 6.2).
Cuando se estudia mas de dos variables, se puede presentar los coecientes
de correlacion en una matriz cuyo termino general r es el coeciente de
ij

correlacon relativo a las variables i y j . La matriz de correlaciones asociadas

a la tabla 6.1, en la cual se tiene 6 variables observadas sobre 20 paises, esta
dada en la tabla 6.2. Por ejemplo, el coeciente de correlacion entre la tasa
de natalidad y la fecundidad es igual a 0.972.

2
PAIS % POB. /ASA /ASA MOR ESPERAN FECUN MORTALIDAD
URBANA NATALIDAD /ALIDAD ZA VIDA DIDAD INFANTIL
ARGENTINA 86.2 20.3 8.6 71.0 2.8 28.8
BOLIVIA 51.4 34.4 9.3 54.5 4.6 84.8
BRASIL 76.9 26.1 7.5 65.6 3.2 56.4
COLOMBIA 70.3 25.8 5.9 68.8 2.9 37.0
COSTA RICA 53.6 26.3 3.7 74.9 3.1 13.7
CUBA 74.9 17.4 6.7 75.4 1.9 14.2
CHILE 85.6 22.5 6.4 71.8 2.7 16.9
ECUADOR 56.9 30.9 6.9 66.0 3.9 57.4
EL cALVADOR 44.4 33.5 7.1 64.4 4.0 45.6
GUATEMALA 42.0 38.7 7.6 63.4 5.4 48.5
HAITI 30.3 35.3 11.9 55.7 4.8 86.2
HONDURAS 43.6 37.1 7.2 64.9 4.9 59.7
ME XICO 72.6 27.9 5.4 69.7 3.2 35.2
NICARAGUA 59.8 40.5 6.9 64.8 5.0 53.1
PANAMA 54.8 24.9 5.2 72.4 2.9 20.8
PARAGUAY 47.5 33.0 6.4 67.1 4.3 47.0
PERU 70.2 29.0 7.6 63.0 3.6 75.8
R. DOMINICANA 60.4 28.3 6.2 66.7 3.3 56.5
URUGUAY 85.5 17.1 10.3 72.2 2.3 20.0
VENEZUELA 90.5 28.3 5.4 70.0 3.5 33.2
TABLA 6.1: INDICADORES DEMOGRAFICOS PARA 20 PAISES
LATINOAMERICANOS
Fuente: PNUD 1992

3
GRAFICOS 6.1 PARA INTERPRETAR UN COEFICIENTE DE
CORRELACION LINEAL

4
GRAFICOS 6.2 PARA INTERPRETAR UN COEFICIENTE DE CORRELACIO N LINEAL

5
 VARIABLES 12 13 14 15 16 17
12 % POB. URBANA 1.0 -.739 -.179 .588 -.735 -.532
13 TASA .NATALIDAD -.739 1.0 .101 -.723 .972 .682
14 TASA MORTALIDAD -.179 .101 1.0 -.609 .262 .533
15 ESPERANZA VIDA .588 -.723 -.609 1.0 -.769 -.951
16 FECUNDIDAD -.735 .972 .262 -.769 1.0 .709
17 MORTAL. INFANTIL -.532 .682 .533 -.951 .709 1.0
TABLA 6.2: Matriz de correlaciones asociada a la tabla 6.1
Si se quiere estudiar otro tipo de relacion, se tiene dos alternativas:
 Dada una funcion f sobre X, calcular el coeciente de correlacion entre
f(X) e y. Este metodo es factible cuando se sospecha de la funcion f.
 Usar otros ndices, como se vera mas adelante.
1.3 Una variable cuantitativa y una variable nominal
Cuando una de las dos variables es nominal u ordinal, no se puede calcular el
coeciente de correlacion lineal, salvo si se codica tal variable, atribuyendo
un valor numerico a cada una de las modalidades de la variable nominal. El
problema esta entonces en la eleccion de una codicacion.
1.3.1 Codi caci
on de la variable nominal
Una forma natural de codicar una variable nominal X para medir su ligazon
con una variable cuantitativa Y consiste en buscar la codicacion de las
modalidades de X que produce la mayor correlacion lineal con la variable Y.
Si X tiene p modalidades, se le puede asociar p variables indicadores fX 1 X 2 ::: X g
p

tales que
(
X (k) = 10 sisinoel individuo k toma la modalidad j de X
j

X p

Se observa que X (k) = 1 (8k). Entonces si a es la codicacion de

j
j

j=1
la modalidad j (j=1,...,p), entonces la variable cuantitativa  asociada a esta
codicacion se puede escribir:
6
 X
(k) = a X (k )
j
j

Dada f(x y )/i=1,...,ng una muestra de (X,Y), se dene entonces la codi-

cacion fa /j=1,...pg que maximiza
i i

X
cor(y a x ) j
j

Numericamente el maximo se puede obtener con la razon de correlacion,

comparando varianzas.
Para una variable ordinal, es natural de imponer ademas que las codica-
ciones a siguen el mismo orden que las modalidades en este caso hay que
j

tomar en cuenta esta restriccion en la maximizacion.

1.3.2 Raz
on de correlaci
on
Se puede distinguir los valores de la variable Y segun la modalidad que toman
las observaciones sobre la variable nominal X. Si n observaciones toman la j

modalidad j de X, se puede escribir y1 ,...,y estas n observaciones de Y.

j nj j j

Si y es la media emprica de la variable Y sobre el total de las n observaciones,

la varianza emprica de todas estas observaciones es igual a:
XX
s2 = n1
nj

y
(y ; y )2 kj

j k =1
Como se puede distinguir las observaciones segun la modalidad que toman
sobre la variable X, se puede calcular medias y varianzas en los p grupos
inducidos por las modalidades de X.
Si y es la media de la variable Y sobre las observaciones que toman la misma
j

modalidad j, la varianza de las observaciones de este grupo es igual a:

X
w2 = n1 (y ; y )2
nj

j j j
j k =1
Podemos comparar la varianza total s2 y
con el promedio de las varianzas de
los p grupos.
7
 Xn 2 + X n w2
s2 =n
y
y
( ; y
) j

n j
j
j
j j

La media ponderada por los efectivos relativos nn de las medias y es igual j

a la media total y ( P nn y = y ). Luego la cantidad P nn ( y ; y )2 es la

j

j j
j j

varianza ponderada de las medias y .

j

Sean b2 = P nn ( y ; y )2 la varianza entre los grupos, y w2 = P nn w2 la

j

j j
j j j j

varianza promedio dentro de los grupos. La varianza total se descompone

entonces en:
s2 = b2 + w2 y

Si w2 es nula, todas las varianzas w2 son nulas y todas las observaciones en

j

un mismo grupo j toman el mismo valor sobre la variable Y, que es igual a

la media y del grupo, y en consecuencias se podra obtener el valor de un
j

observacion sobre la variable Y conociendo su modalidad sobre X. Se detecto

en este caso una relacion funcional de X hacia Y.
Al contrario si la varianza entre los grupos b2 es nula, entonces todas las me-
dias y son iguales a y : no se podra decir nada sobre el valor de Y conociendo
j

la modalidad de X. No se detecto ninguna relacion funcional de X hacia Y.

El ndice siguiente permite de medir el grado de asociacion de tipo funcional
de X hacia Y:
2 = sb2
2
y=x
y

Este coeciente toma valores entre 0 y 1:

2 = 1 relacion funcional estricta
0 < 2 < 1 tendancia funcional
y=x

2 = 0
y=x

y=x
ausencia de tendencia funcional
La tendencia funcional aumenta con 2 .
Se tiene nalmente el resultado propuesto en el parrafo anterior, que permite
y=x

dar otra interpretacion de la razon de correlacion.

Proposici
on 1.1 El maximo de la cor2(y P a x ) es igual a 2 . j j
j
y=x

8
1.3.3 Relaci
on funcional entre dos variables cuantitativas
Cuando un coeciente de correlacion lineal entre X e Y es bajo, no signica
que las variables X e Y no estan ligadas puede existir otro tipo de relacion
entre X e Y. Ahora bien, por codicacion se puede transformar una vari-
able nominal u ordinal en una variable cuantitativa, inversamente, se puede
transformar una variable cuantitativa en una variable ordinal particionando
el rango de los valores de la variable en p intervalos.
Si se transforma X en variable nominal, se puede calcular la razon de cor-
relacion 2 , que permitira detectar la existencia de una relacion funcional de
X sobre Y. El valor del coeciente dependera de la transformacion (numero
y=x

de modalidades construidas). Se observa que ahora se tiene un coeciente que

no es smetrico en las variables como lo es el coeciente de correlacion lineal.
Por lo cual obtendremos resultados distintos segun la variable que transfor-
mamos, salvo si existe una relacion biyectiva entre las dos variables. Ademas,
la razon de correlacion es mas general que el coeciente de correlacion lineal,
y se tiene que cor2 (x y)  2 .
Se ilustra en el ejercicio al nal del captulo como estas tranformaciones
y=x

in
uyen sobre los coecientes de asociacion.

1.4 Variables nominales

Para estudiar la relacion entre dos variables nominales, se puede proceder
como en el parrafo anterior: a partir de codicaciones de ambas variables o
construyendo un ndice.
1.4.1 Codi caci
on de las dos variables nominales
Sean a , i=1,...,p las codicaciones de las modalidades de X y X , i=1,...,p las
i
i

variables indicadoras de X sean b , i=1,...,q las codicaciones de las modali-

i

dades Y e Y , i=1,...,q las indicadoras de Y.

i

Se busca codicaciones respectivas de X e Y tales que el coeciente de cor-

relacion lineal emprico de las codicaciones
X X
cor( a x b y )
i
i
j
j

i j

sea maximo.

9
Esta correlacion se usa en analisis factorial de correspondancias y esta rela-
cionada al 2 de contingencia.
1.4.2 2 de contingencia
Los datos obtenidos sobre las dos variables nominales pueden resumirse en
una tabla de contingencia sin perder informacion, salvo la identicacion de
las observaciones.
En la eleccion de consejales de 1991, se puede asociar a cada votante la
lista votada y la region. Se puede resumir los resultados en una tabla de
frecuencias (Tabla 6.3), que es la unica informacion que se conoce realmente
en este caso (por el anonimato de la eleccion).

PARTIDO I II III IV V METR. VI

D.C. 30142 63020 16793 58345 226333 759639 90521
RADICAL 19268 19265 9282 14336 39941 59767 21249
A.H. VERDE 2186 0 0 0 1680 43284 784
SOCIALDEMO 596 0 225 562 2817 6351 0
INDEP 346 73 55 86 1608 16493 2383
PPD 5165 11800 7390 21429 56405 295474 30714
SOCIALISTA 3405 15341 18339 28041 33282 177570 35779
INDEP 385 0 0 0 0 0 122
COMUNISTA 36648 13951 11588 21614 51135 171715 19312
LIBERAL 0 248 378 0 512 0 328
R.N. 12236 12424 16795 54648 96224 311801 54439
NACIONAL 0 0 0 0 422 2325 0
INDEP 3971 11669 4202 9385 40126 88614 7877
U.D.I. 8631 17464 8474 14495 71573 314984 33869
INDEP 587 980 47 0 6905 32008 6340
U.C.C. 6460 15428 5623 10671 73163 181913 26395
INDEP 105 5582 6007 1337 12263 37898 12797
IND IQUIQUE 24757 0 0 0 0 0 0
TOTAL 153888 187245 105198 234979 714389 24999836 342909

10
 PARTIDO VII VIII IX X XI XII TOTAL
D.C. 114070 223287 118841 121815 11555 13827 1848188
RADICAL 23416 61962 14420 26815 1602 2209 313562
A.H. VERDE 0 2931 1069 585 0 0 52519
SOCIALDEMO 7076 1110 6761 1291 0 0 26789
INDEP 1211 2631 1942 3572 45 27 30472
PPD 27759 64167 25498 29682 1250 8739 585472
SOCIALISTA 38338 94626 18987 51485 3715 20786 539694
INDEP 0 0 0 0 0 0 507
COMUNISTA 18379 50121 9824 13202 2342 2546 421377
LIBERAL 0 0 13842 0 241 0 15549
R.N. 60524 87849 56951 77702 8760 5807 856160
NACIONAL 0 1467 0 0 0 0 4214
INDEP 13644 29665 45384 23587 277 723 279124
U.D.I. 45905 75230 18194 32183 2065 8273 651340
INDEP 4794 16420 2358 3385 1598 731 76153
U.C.C. 47112 72049 21566 50650 1478 4237 516745
INDEP 13977 26376 9356 9066 119 1443 136326
IND IQUIQUE 0 0 0 0 0 0 24757
TOTAL 416205 809891 364993 445020 35047 69348 6378948
TABLA 6.3: Resultados de la eleccion de consejales de 1991
Sean diversos ejemplos de tablas de contingencia (Tablas 6.4 a 6.7) sobre dos
variables X (en la) e Y (en columna). Se observa en la tabla 6.4, que las
columnas 1 y 2 son proporcionales, lo que signica que reparten sus totales
en las mismas proporciones entre las modalidades A1 y A2. Las modalidades
B1 y B2 tienen los mismos perles. Al observar esta tabla no se ve muchas
relaciones entre las dos variables conociendo una modalidad de una variable,
no se puede decir nada sobre la otra variable. No es el caso de la tabla 6.5.
En efecto, si una observacion toma la modalidad B1, tomara la modalidad
A2 de X dada A1, entonces se tendra la modalidad B3 de Y, pero dada A2,
se tendra B1 o B2. Se tiene entonces una relacion funcional de Y hacia X, y
existe una relacion de X hacia Y, pero no de tipo funcional.
En el caso de la tabla 6.7 existe una relacion funcional, pero no hay ninguna
en la tabla 6.6.

11
 B1 B2 B3 B1 B2 B3
A1 50 100 10 160 A1 0 0 50 50
A2 100 200 50 350 A2 10 12 0 22
150 200 60 10 12 50
TABLA 6.4 TABLA 6.5
B1 B2 B3 B1 B2 B3
A1 20 10 7 37 A1 0 20 0 20
A2 40 20 14 74 A2 30 0 0 30
A3 80 40 28 148 A3 0 0 25 25
140 70 49 30 20 25
TABLA 6.6 TABLA 6.7
Si denotamos n , (i=1,..,p, j=1,...,q) los elementos
ij
P de una tabla de contin-
gencia, se tiene los margenes-las: n = n , i=1,...,p, y los margenes-
columnas n = P n , j=1,...q. Se dene los perles condicionales:
i j ij

j i ij

 Los perles condicionales-las: nn ij

 Los perles condicionales-colunmnas: nn ij

La variable Y no in
uye sobre la variable X si y solo si los perles condicionales-

columnas son todos iguales:
n 1 = n 2 = ::: = n = n para todo i=1,...,p
i i iq i

n1 n2 n n q

De la misma manera la variable X no in
uye sobre la variable Y si y solo si

los perles condicionales-las son todos iguales:
n1 = n2 = ::: = n = n para todo j=1,...,q
j j pj j

n1 n2 n n p

Luego las dos variables X e Y seran independientes si y solo si se cumplen a la

vez las dos condiciones anteriores. Se puede demostrar que son equivalentes
a:
n = n n n
ij
i j
para todo (i,j)

12
Considerando las diferencias n ; n n n , se puede evaluar cuan lejos esta
ij
i j

la relacion entre X e Y de la independencia. Se puede construir un ndice

que traduce estas diferencias, tomando en cuenta la importancia de cada
una, ponderando por la magnitud de n o n n n . Es el ndice 2 de
ij
i j

contingencia:
X
2 = (n ; n n n )2
i j

n n
ij

n
i j
ij

Este ndice es nulo cuando X e Y son independientes y crece al alejarse de la

independencia hasta un valor maximo igual a n  Mnfp-1,q-1g cuando hay
una relacion estricta entre una variable con respecto a la otra.
1.4.3 Relaci
on entre dos variables cuantitativas
Si transformamos las dos variables cuantitativas en variables nominales po-
dremos usar el 2 de contingencia que nos permite detectar una relacion de
cualquier tipo, no solamente lineal o funcional.
Para hacer las transformaciones se requiere un gran numero de observaciones
para tener una cantidad suciente de elementos en cada celda de la tabla de
contingencia.
Se observara que las transformaciones producen variables menos precisas que
las originales, pero con estas se puede investigar relaciones no lineales.

1.5 Variables ordinales

1.5.1 Codi caci
on de las dos variables ordinales
Como anteriormente vimos se puede construir codicaciones de ambas vari-
ables o ndices.
Sean a , i=1,...,p las codicaciones de las modalidades de X y x , i=1,...,p,
i
i

las variables indicadoras de X sean b , i=1,...,q, las codicaciones de las

i

modalidades de Y e Y , i=1,...,p, las indicadoras de Y.

i

Aqu las codicaciones deben respetar el orden denido sobre las modali-
dades. Entonces se busca las codicaciones que respetan los ordenes y tales
que el coeciente de correlacion lineal emprico

13
 X X
cor( a x b y ) i
i
j
j

i j

sea maximo.
Este problema no es facil de resolver en general.
1.5.2 Coe cientes de correlaci
on de rangos
A partir de una variable ordinal, se pueden ordenar las observaciones de
manera creciente y deducir una nueva variable que es el rango.
Sea x1 ::: x las realizaciones de la variable ordinal X y R 1 ::: R los rangos
n x xn

asociados:
R < R () x < x
xi xj i j

Si R y R son los rangos asociadas a X e Y respectivamente, se dene

xi yi

entonces el coeciente de rangos de SPEARMAN R de X e Y como el S

coeciente de correlacion lineal emprico entre R y R .

Si D = R ; R , se obtiene una expresion mas practica:
x y

P D2
i xi yi

6
R = 1 ; n(n2 ; 1) i
S

Se observa entonces que si los rangos inducidos por X e Y son identicos R S

= 1 si son totalmente opuestos R = -1. S

Si en vez de denir los rangos, se dene dos nuevas variables sobre los pares
de observaciones:
S (x x ) = 1 si x < x
S (x x ) = -1 si x x
i j i j

i j i j

S (y y ) = 1 si y < y
S (y y ) = -1 si y y
i j i j

i j i j

P S (x x )S (y y )
Se dene el coeciente de correlacion de rangos de KENDALL:  = n(n ; 1)
i j i j i j

El numerador es igual al numero de pares de observaciones con el mismo

orden menos el numero de pares de observaciones con orden contrario. El
numerador es igual al numero total de pares. Como R ,  toma valores entre S

-1 y +1 y vale +1 si los ordenes son identicos y -1 cuando son totalmente

opuestos.
14
1.5.3 Relaci
on entre dos variables cuantitativas
A partir de una variable cuantitativa se puede ordenar las observaciones, y
por lo tanto construir los rangos. Puede ser util especialmente cuando los
valores de las variables no son muy precisos o bien se busca la existencia de
una relacion monotona no lineal entre X e Y. Se puede aplicar entonces los
coecientes de correlacion de rangos anteriores.

1.6 Inferencia
Suponiendo que un coeciente de asociacion fue correctamente calculado,
es decir que fue calculado sobre una muestra aleatoria simple de una sola
poblacion, uno se pregunta a partir de que valor se puede decidir la existencia
o ausencia de una relacion. Se procede mediante un test de hipotesis sobre el
valor del coeciente de asociacion v desconocido de la poblacion: H0 : v = v0,
o bien se puede calcular un intervalo de conanza para v. Para eso se requiere
la distribucion del coeciente de asociacion en la muestra.
1.6.1 Coe ciente de correlaci
on lineal
>Cuando se obtiene un coeciente de correlacion lineal r peque~no podemos
admitir que la correlacion  en la poblacion es nula o si su valor no lo es,
podemos concluir a una relacion lineal?
Para responder se procede mediante un test de hipotesis sobre el valor del
coeciente de correlacion  desconocido de la poblacion: H0 :  = 0, o bien
se puede calcular un intervalo de conanza para . Para eso se requiere la
distribucion del coeciente de correlacion r.
Cuando  = 0 y las dos variables X e Y provienen de una distribucion normal
bivariada, entonces la distribucion del coeciente r de la muestra es facil de
obtener este depende del tama~no n de la muestra: existen tablas de la
distribucion de r en funcion de n y para n>100 se puede aproximar a la
normal N (0 p 1;1 ).
Por ejemplo, si un coeciente de correlacion lineal r es igual a 0.38 sobre
n

una muestra de n=52 observaciones, entonces vamos a rechazar que =0 al

nivel de signicacion de 5% o incluso 1%, dado que IP (jrj > 0:27) = 0:05 y
IP (jrj > :35) = 0:01, pero si r=0.32 con el mismo tama~no n=52, entonces se
rechaza al nivel de 5% pero no al nivel de 1%.

15
Cuando  no es nulo, la distribucion exacta de r es mucho mas complicada a
determinar, sin embargo se puede usar una aproximacion a partir de n=25:
1; ), la distribucion de z se aproxima a una normal N (1=2 ln( 1; )
si z = 1=2 ln( 1+
r 1+

p1 ).
n;3

Finalmente, si el par de variables no es normal, se puede usar los resultados

r 

anteriores cuando n es mayor que 30, pero si  es nulo, no se puede decir que
hay independencia, solo que no hay ligazon lineal.
1.6.2 Raz
on de correlaci
on
Para estudiar la signicatividad de una razon de correlacion emprica obtenida
sobre n observaciones entre la variable cuantitativa Y con la variable nominal
X a p modalidades, se plantea la hipotesis nula H0 :  = 0.
Se supone entonces distribuciones condicionales de Y dada cada modalidad
de X normales de misma media y misma varianza. Se considera entonces el
estadstico:
2=(p ; 1)
1 ; 2=(n ; p)
que sigue una distribucion de Fisher a p-1 y n-p grados de libertad bajo la
hipotesis de independencia.
1.6.3 2 de contingencia
>Si dos variables nominales X e Y son independientes, cuales son los valores
mas probables del 2 de contingencia?
X (n ; n n n )2 i j

 =
2
n n
ij

n
i j
ij

Si X e Y son independientes, n = n n n para todo par (i,j) en este caso

ij
i j

el estadstico 2 sigue una distribucion aproximada de 2 a (p-1)(q-1) grados

de libertad, si p y q son los numeros de modalidades de X e Y.
1.6.4 Coe ciente de correlaci
on de rangos de Spearman
Cuando X e Y resultan de un ordenamiento sin empates, entonces los rangos
inducidos por X o Y son valores de 1,..,n y los rangos de uno se obtienen por
permutacion de los rangos del otro.
16
Si X e Y son independientes, cualquiera sean las leyes de X e Y, las dos per-
mutaciones inducidas son independientes. En este caso, si el ordenamiento de
X esta jado, las n! permutaciones de este ordenamiento son equiprobables.
Se tiene tres maneras de obtener la distribucion de R bajo la hipotesis de
S

independencia:
 Si n es muy peque~no, se puede obtener empricamente la distribucion de
R , calculando los n! valores asociados a los distintas permutaciones.
S

 Para n < 100, exite tablas de la distribucion en funcion de n.

 Para n grande se puede usar la aproximacion a la normal N (0 p1
n;1
).
El coeciente de Spearman entre la Esperanza de Vida y la Tasa de Mortal-
idad de la tabla 1 vale 0.48.
En las tablas de la distribucion del coeciente de Spearman encontramos que
IP (jR j > 0:447) = 0.05, lo que nos lleva a rechazar la independencia entre
S

la Esperanza de Vida y la Tasa de Mortalidad.

1.6.5 Coe ciente de correlaci
on de rangos de Kendall
Como en el caso del coeciente de correlacion de Spearman, se puede con-
struir empricamente la distribucion del  de Kendall cuando n es muy
peque~no. Pero
r a partir de n > 8, se puede aproximar a una distribucion
normal N (0 92(2( +5)
n
n n ;1) )
Para las variables Esperanza de Vida y Tasa de Mortalidad de la Tabla 6.1,
obtenemos
 = 0.326.
s
P (j j < 1:96 18090 19 ) = P (j j < 0:317) = 0:05
Nuevamente encontramos signicativa la relacion entre las dos variables.

17
1.7 EJERCICIO
(Se deja propuesto)
Sea un conjunto I de n=300 individuos, y cuatro variables cuantitativas X,
Y, Z y T observadas sobre los 300 individuos. X varia entre -100 y 100, Y
varia entre 0 y 10000, Z y T varian entre -1100 y 1100.
1. Los coecientes de correlacion lineal calculados sobre los 300 individuos
son:
R = ;0:057, R = 0:991. Interprete estos coecientes.
X Y Z T

2. Se transforma la variable X en una variable nominal con la particion del

intervalo -100,100] en q intervalos iguales se llama X1 , X2, X3 y X4 a
las variables nominales obtenidas para q=10, 8, 6 y 4 respectivamente.
Interprete las razones de correlacion obtenidas y concluya:  1 = Y =X

0:96,  2 = 0:93,  3 = 0:86 y  4 = 0:74,

Y =X Y =X Y =X

3. Se transforma la variable Y en una variable nominal con la particion

del intervalo 0,10000] en q intervalos iguales se llama Y1, Y2 , Y3 y Y4 a
las variables nominales obtenidas para q=10, 8, 6 y 4 respectivamente.
Interprete las razones de correlacion obtenidas y concluya:  1 = X=Y

0:038,  2 = 0:027,  3 = 0:024 y  4 = 0:015,

X= Y X= Y X=Y

4. Se calcula los 2 de contingencia entre las variables nominales asociadas

a X e Y: 2 1 1 = 853, 2 2 2 = 679, 2 3 3 = 450 y 2 4 4 = 306.
X Y X Y X Y X Y

Concluir.
5. Interprete el coeciente de correlacion parcial de Z y T dado X R =
Z T =X

0:027. Compare con R y interprete.

Z T

18
2 MODELO LINEAL
2.1 INTRODUCCIO N
Estudiamos en el captulo anterior como detectar una asociacion entre dos
variables generalmente los roles de las variables no son simetricos - una
variable puede in
uir sobre la otra y la recproca no ser cierta - y mas de
una variable pueden intervenir en esta relacion. Aqu nos interesamos no es
solamente en evaluar la intensidad de la asociacion, pero tambien, describir
esta relacion.
Algunas relaciones son faciles a plantear y vericar - como las relaciones
planteadas a partir de leyes fsicas o mecanicas - pero cuando la aleatoriedad
juega un papel importante, el estudio de las relaciones es mas dicil. Se busca
aqu descubrir como un conjunto de variables X 1 X 2 ::: X - llamadas vari-
p

ables explicativas o variables independientes o variables ex
ogenas

- in
uye sobre otra variable Y - llamada variable a explicar o variable
repuesta o variable dependiente o variable end
ogena. Cuando las
variables son cuantitativas, se busca una funcion f que permita reconstituir
los valores obtenidos sobre una muestra:
Y = f (X 1 X 2 ::: X )
p

Por razon historica, este analisis se llama regresi
on. Preferemos aqu hablar
de modelo.
Ejemplo 1: La distancia d que una partcula recorre en el tiempo t esta dada
por la formula:
d =
+ t
en que  es la velocidad promedio y
la posicion de la partcula en t=0. Si

y  son desconocidos, observando la distancia d en dos tiempos distintos, la

solucion del sistema de las 2 ecuaciones lineales permite obtener
y  . Sin
embargo es dicil obtener en general la distancia sin error de medicion  que
es de tipo aleatorio. Por lo cual se observa una variable aleatoria: Y = d + 
en vez de d. En este caso no basta tener dos ecuaciones pero valores de la
distancia para varios valores del tiempo y metodos estadsticos basados en
la aleatoriedad del error permiten estimar a
,  y d sobre la base de una
relacion funcional de tipo lineal.
Ejemplo 2: Si consideramos el peso P y la talla T de las mujeres chilenas, esta
claro que no existe una relacion funcional entre P y T, pero existe una cierta
19
tendancia. Considerando que P y T son variables aleatorias de distribucion
conjunta normal bivariada, se plantea el modelo lineal:
E (P=T ) =
+ T
en que
y  dependen de los parametros de la distribucion conjunta de P y
T. El peso se escribe entonces:
P =
+ T + 
en que  re
eja la variabilidad del peso P entre las chilenas de la misma talla
con respecto a la media.
Ejemplo 3: Para decidir la construcion de una nueva central electrica, EN-
DESA busca prever el consumo total de electricidad en Chile despues del
a~no 2000. Se construye un modelo que liga el consumo de electricidad con
variables economicas y demogracas, que se estima en base a datos pasados.
Se aplica entonces el modelo para predecir el consumo de electricidad segun
ciertas evoluciones economicas y demogracas.
Ejempo 4: Para establecer una determinada publicidad a la television, se
cuantica el efecto de variables culturales y socio-economicas sobre la audi-
encia de los diferentes programas.
Ejemplo 5: Ajuste polinomial
El modelo lineal puede ser generalizado tomando funciones de las variables
explicativas y/o de la variable a explicar. Es el caso cuando se tiene una
variable Y a explicar a partir de una sola variable X en un modelo polinomial:
Y = a + a1X 1 + ::: + a X
o p
p

en donde X es la potencia j de X .
j

Ejemplo 6: Se quiere estimar la constante g de la gravitacion se toma los

tiempos de caida t de un objeto desde una distancia d dada del suelo.
d = 21 gt2
Dados los errores de mediciones varias observaciones son necesarias y se puede
considerar este modelo como lineal tomando como variable t2.
Nos limitamos aqu a los modelos lineales, es decir que la variable repuesta
se escribe como combinacion lineal de las variables explicativas.
20
Observamos en los distintos ejemplos que las variables pueden ser aleatorias o
no. En el caso que ninguna de las variables es aleatoria, se tiene un problema
de ajuste y se presenta a continuacion el metodo matematico de ajuste de los
mnimos cuadrados, que permite estimar los coecientes del modelo lineal a
partir de valores observados.
Para el caso de variables aleatorias, se presenta en el parrafo siguiente, el
metodo de maxima verosimilitud, que basado en un modelo probabilstico
normal permite justicar el metodo de mnimos cuadrados y discutir las
propiedades de los estimadores y la precision del ajuste. Finalmente se usara
el modelo para predicciones.
Se enfatizara los aspectos geometricos del problema y como hacer una crtica
de los supuestos probabilsticos usuales.

2.2 SOLUCION DE LOS MINIMOS CUADRADOS

Sean f(y x1 x2 ::: x ) (i = 1 ::: n)g los valores obtenidos sobre una
i
p

muestra p + 1 dimensional de tama~no n. Se plantea el modelo lineal:

i i i

y =  + 1x1 + ::: +  x
i o i p
p
i

Como generalmente no existen coecientes que cumplen exactamente esta

relacion para todas las observaciones, se escribe:
y =  + 1x1 + ::: +  x + 
i o i p
p
i i

en lo cual  es el error debido al modelo para la observacion i, y se buscara

i

minimizar una funcion de los errores, como por ejemplos:

X2
 i
i

X
 j j i

X
 Maxf g i

El criterio de los mnimos cuadrados toma como funcion: P 2 cuya solucion i

es facil de obtener y que tiene una interpretacion geometrica simple.

i

21
Escribiremos matricialmente el modelo aplicado a la muestra de observa-
ciones. 0 1
BB yy12 CC 0 1 x1 x21 ::: x1 1 p 0 1 0 1
BB CC BB 1 x112 x22 ::: x2 CCC,  = BBB 1
p
o
CC BB 12 CC
Sea y = B : C, X = B @ ::: ::: ::: A @ ::: CA,  = B@ ::: CA
B@ : CA
y 1 x1 n
x2 n
::: x p
n
 p n
n

Entonces el modelo se escribe:

y = X + 
El criterio de los mnimos cuadrados consiste entonces en buscar el punto del
subespacio vectorial W de IR generado por las columnas de la matriz X el
n

mas cercano al punto y. La solucion es la proyeccion ortogonal del punto y

sobre W. P
En efecto, 2 es igual a kj kj 2, el cuadrado de la norma del vector , es
decir el cuadrado de la distancia entre los vectores y y X, siendo X un
i i

vector del subespacio vectorial W. Si P es el operador lineal de proyeccion

ortogonal sobre el subespacio vectorial W, entonces la solucion es X ^ = Py.
La expresion matricial de P se puede obtener en funcion de la matriz X:
Como e = y ; Py es ortogonal a W o sea que y ; X es ortogonal a cada
columna de X si se denotan X X1 ::: X las p+1 columnas de X, se expresa
o p

la ortogonalidad en terminos de los p+1 productos escalares:

< y ; X X > (j = 0 1 :::p)
j

Matricialmente se escribe: X (y ; X) = 0 (8j ), y juntando las p+1 ecua-

t

ciones se obtiene las ECUACIONES NORMALES:

j

X X = X y
t t

Este sistema de ecuaciones lineales tiene una solucion unica cuando las colum-
nas de X son linealmente independientes, es decir que forman una base del
subespacio vectorial de W, o sea que X es de rango igual a p+1. En este caso
la solucion de los mnimos cuadrados es igual a:
^ = (X X );1X yt t

<Se deduce que el operador de proyeccion ortogonal sobre W se escribe ma-

tricialmente como:
P = X (X X );1X t t

22
Este operador lineal es idempotente (P 2 = P ) y simetrico (P = P ). t

Si el rango de X es inferior a p+1, basta encontrar una base de W entre

las columnas de X, y remplazar X por la matriz formada de estas columnas
linealmente independientes.

2.3 SOLUCIO N DE MA XIMA VEROSIMILITUD

En el parrafo anterior, se uso un criterio matematico para estimar los coe-
cientes  . Aqu usaremos un modelo probabilstico y el metodo de maxima
j

verosimilitud para estimarlos. El modelo consiste en la esperanza condicional

de la variable repuesta Y dadas las variables explicativas X 1 X 2 ::: X : p

E (Y=X 1 X 2 ::: X ) =  + 1X 1 + 2X 2 + ::: +  X

p
o p
p

con
Y = E (Y=X 1 X 2 ::: X ) +  p

en donde se supone que el error  sigue una distribucion normal de esperanza

nula y de varianza 2.
Si ahora tenemos una muestra de tama~no n f(y x1 x2 ::: x g, (i=1,...,n), en
i i i
p
i

que las observaciones son independientes, entonces la funcion de verosimilitud

condicional se escribe:
f (y=x1 ::: x  1 ::: ) = ( 2 1 ) 2expf; 1 X(y ; ; x1;:::; x )2g
1
p n= p
n o p 2 2 2 i o i p i

La funcion es maxima cuando se cumplen las ecuaciones normales:

X X ^ = X y t t

Ademas
P el estimador
P de maxima verosimilitud de 2 es:
n1 e2 = n1 =1(y ; ;^0 ; ^1x1 ; ::: ; ^ x )2.
n p
i i i i p i

2.4 PROPIEDADES DEL ESTIMADOR

Las propiedades del estimador ^ son ligadas a los supuestos hechos sobre los
errores  . Supondremos aqu que X es de rango p+1 (^ = (X X );1X y).
i
t t

 El estimador es insesgado: E () = 0 =) E (^) = 
23
 El estimador es consistente.
 El estimador tiene mnima varianza:
Teorema 2.1 Teorema de GAUSS MARKOV:
Si E () = 0 y E ( ) = 2I , entonces toda combinacion lineal a ^ de
t
n
t

^ tiene mnima varianza entre los estimadores insesgados lineales en y

de a  . t

Demostracion del teorema de GAUSS MARKOV:

Hay que comparar las varianzas de a ^ y a  en que   es un estimador
t t

insesgado de la forma Cy.

 = ^ + Dy, en que D = C ; (X X );1X . t t

Como los dos estimadores son insesgados, E (Dy) = 0 y luego DX = 0.

V ar() = V ar(^) + V ar(Dy ) + 2Cov(^ Dy)
Cov(^ Dy ) = 2(X X );1X D = 0 t t t

V ar() = V ar(^) + 2DD t

Luego, V ar(a  ) = a V ar(^)a + 2a DD a

t t t t

Como 2a DD a > 0, V ar(a ) > V ar(a ^)

t t t t

 La estimacion de 2 obtenida por maxima verosimilitud esPsesgada. En

efecto, si Q = I ; P , entonces e = Qy = Q. Luego, e2 = e e = t

 Q Q =  Q = Traza(Q ) Luego E (e e) = Traza(QE ( )) =

i
t t t t t t

2Traza(Q)
Traza(Q) = Traza(I ; X (X X )1 X ) = n ; Traza(I +1) = n ; p ; 1
t t
p

Es decir que E (e e) = (n ; p ; 1) 2
t

Se obtiene entonces un estimador insesgado de 2 tomando:

^ 2 = n ; 1p ; 1 (y ; X ^) (y ; X ^) t

24
2.5 CALIDAD DEL MODELO
Los residuos e dan la calidad del ajuste para cada observacion. Pero es una
i

medida individual que depende de la unidad de medicion. Un ndice que

evita este problema es: P e2
P y2 i

que representa el cuadrado del coseno del angulo del vector y con el vector
y^ = Py en IR . Se puede comparar las varianzas:
n

 varianza residual: (1=n) P e2 i

 varianza explicada: (1=n) P(^y ; y )2 i

 varianza total: (1=n) P(y ; y )2 i

El ndice estadsticamente mas interesante es el coe ciente de correlaci
on

m
ultiple: P(^y ; y )2
2
R = P(y ; y )2 i

que compara el varianza explicada con la varianza total. La raz cuadrada del
coeciente de correlacion multiple (R) es el coeciente de correlacion lineal
entre y e y^ El valor de R esta comprendido entre 0 y 1. Cuando R=0, el
modelo es E(y)= y , la media muestral de los valores y , y cuando R es iguali

a 1, el vector y pertenece al subespacio vectorial W, es decir que existe un

modelo lineal que permite escribir las observaciones y como combinacion de
i

las variables explicativas. Cuando R es cercano de 1, el modelo es bueno

siendo los valores observados y vecinos de los valores estimados y^ .
i i

Si se plantea la hipotesis H : 1 = 2 = ::: =  = 0, se usa el estadstico

o p

P (^y ; y )2=(p + 1)
F = P e2=(n ; p ; 1)i i

i i

que bajo la hipotesis nula H sigue una distribucion de F de Fisher a p+1 y

o

n-p-1 grados de libertad. 2

Se observara que F = (1; 2) (( +1)
R = p

R ; ;1)
= n p

25
2.6 PREDICCIO N
Si se tiene una nueva observacion para la cual se conoce los valores de las
variables explicativas, sean x1 x2 ::: x , pero se desconoce el valor y de la
o o
p
o o

variable repuesta, se puede entonces usar el modelo para inferir un valor para
y a traves de su valor esperado:
o

 E (y ) = x 
o o
t
o

en que x = (1 x1 ::: x ).
o
p

Se tiene un estimador insesgado de  aplicando el modelo sobre los valores

o o

tomados por las variables explicativas debido a la nueva observacion :

y^ = Ed(y ) = x ^ o o
t
o

Se puede calcular un intervalo de conanza para  . La distribucion de y^ es

N ( , 2(x (X X );1 x ) luego Como y no depende del vector y que sirvio a
o o
t t

estimar , y no depende de y^ tampoco. Ademas E (^y ) = E (y ) ; x  =

o o o o o
t
o o o o

 . Luego ^ ^(; );1

t ; ;1 se usa este estadstico para construir un
o
yo o
o  sqrtxt X t X
n p

intervalo de conanza de nivel 1 ;

para  :
x
o o
o

IP (^y ; t 2 ^ sqrtx (X X );1x <  < y^ + t 2 ^ sqrtx (X X );1 x = 1 ;

o =
t
o
t
o o o =
t
o
t
o

Un problema distinto es el de estimar un intervalo no para  pero si para y . o o

Hablaremos de un intervalo para la prediccion. En este caso hay que tomar

en cuenta la varianza de la v.a. y . y = y^ + ^ o o o o

La varianza de ^ es igual a: o

2x (X X );1 x + 2 t
o
t
o

dado que y^ no depende de y . Un intervalo de prediccion apra y se obtiene

o o o

entonces a partir de
y ; y^
^sqrt(1 + x (X X );1 x )
t ; ;1
o o
n p
t t
o o

. El intervalo es entonces:
y^ ; t 2 ^ sqrt(1 + x (X X );1 x ) y^ + t 2 ^ sqrt(1 + x (X X );1 x )
o =
t
o
t
o o =
t
o
t
o

26
2.7 ANA LISIS DE LOS RESIDUOS
Dado que las propiedades del estimador dependen de ciertos supuestos, es
importante comprobar si estas ultimas se cumplen. Las propiedades funda-
mentales se plantean sobre los errores y la mejor forma de chequear si los
errores son aleatorias de medias nulas, independientes y de misma varianza,
es estudiando los residuos:
X
^ = y ; ^ x 8i = 1 ::: n
i i j
j
i
j

Se puede usar el graco (x ^ ), que debera mostrar ninguna tendancia de

i i

los puntos, o bien test de hipotesis sobre los errores.

2.8 EJERCICIOS
1. Cuatro medicos estudian los factores que hacen esperar a sus pacientes
en la consulta. Toman una muestra de 200 pacientes y consideran el tiempo
de espera de cada uno el dia de la consulta, la suma de los atrasos de los
medicos a la consulta este mismo da, el atraso del paciente a la consulta este
da (todos estos tiempos en minutos) y el numero de medicos que estan al
mismo tiempo en la consulta este da. Se encuentra un tiempo promedio de
espera de 32 minutos con una desviacion tpica de 15 minutos. Se estudia el
tiempo de espera en funcion de las otras variables mediente un modelo lineal
cuyos resultados estan dados a continuacion:

VARIABLE COEFICIENTE DESV. /IPICA / ctudent IP ( X > T ) j j

CONSTANTE 22.00 4.42 4.98 0.00

ATRASO ME DICO 0.09 0.01 9.00 0.00
ATRASO PACIENTE -0.02 0.05 0.40 0.66

NUNERO MEDICOS -1.61 0.82 1.96 0.05
Coef. oe @orrelaci oW lultiple R2 = 0:72 F oe Fisher = 168  IP (X > F ) = 0:00
1. Interprete los resultados del modelo lineal. Comente su validez global
y la in
uencia de cada variable sobre el tiempo de espera. Especique
los grados de libertad de las t de Student y de la F de Fisher.

27
 2. Muestre que se puede calcular la F de Fisher a partir del R2. Si se
introduce una variable explicativa suplementaria en el modelo, > el R2
sera mas elevado?.

3. De un intervalo de conanza a 95% para el coeciente del atraso medico.

4. Predecir el tiempo de espera, con un intervalo de conanza a 95%, para

un nuevo paciente que llega a la hora un da que el consultorio funciona
con 4 medicos que tienen respectivamente 10, 30, 0 y 60 minutos de
atraso.
2. Suponga que tenemos un modelo lineal Y = X +  con 
N (0 2I ),
 2 IR , X 2 M (IR).
n
p
np

1. Escribamos X como: X = (X1 X2), con X1 y X2 submatrices de X

tales que X1 X2 = 0 (La matriz nula). El
t
 modelo! inicial Y = X +  se
escribe Y = X11 + X22 +  con  = 1 
2
Si ^1 es el estimador de maxima verosimilitud de
1 en el modelo
Y = X1
1 + 1 y ^2 es el estimador de maxima verosimilitud de
2
en el modelo Y = X2
2 +!2, muestre que el estimador de maxima ^ !
verosimilitud de  =  en el modelo Y = X +  es  = ^1 .
 1 ^
2 2
(Ind.: Se usara el siguiente resultado:
 Si A
! 2 M
nn( IR ) es una matriz
A 1 0
diagonal por bloque, i.e. A = 0 A , con las submatrices A1 y
2  ;1 !
A
A2 invertibles, entonces A es invertible, y A = 0 A;1 ).
;1 1 0
2
^ !
2. Si X1X2 6= 0 y si se toma ^ = ^1 como estimador de  , que
t

2
propiedad pierde bajo el supuesto usual E () = 0.
3. Consideramos tres variables Y X Z observadas sobre una muestra de
tama~no n=40, f(y x z )g. Se busca explicar Y a partir de X y Z .
i i i

28
1. Se presentan los resultados de modelo lineal: y =
+ x +  :
i i i

VARIABLE MEDIA DESV. ESTIMA- DESV. T STUDENT IP (j X j> T )

TIPICA CION TIPICA
Y 11.68 3.46
CONS- 7.05 1.03 6.84 0.00
TANTE
X 5.854 2.74 0.79 0.16 4.94 0.00
Coef. de correlacion multiple R2 = 0:39 F de Fisher = 24.44  IP (X > F ) = 0:00
Interprete estos resultados y efectue el test de hipotesis H :  = 0.
o

2. De una estimacion insesgada para 2 la varianza de los errores de este

modelo.

3. Comente el graco de los residuos en funcion de los y .i

4. Se tiene una nueva observacion que toma sobre la variable X el valor

x = 6:50. De una estimacion y^ del valor y que toma sobre la variable
o o o

Y. De V ar(^y ).
o

5. Se presentan los resultados del modelo lineal: y =  + z +  :

i i i

VARIABLE MEDIA DESV. ESTIMA- DESV. T STUDENT IP (j X j> t)

TIPICA CION TIPICA
Y 11.68 3.46
CONS- 11.68 0.36 32.54 0.00
TANTE
Z 0.00 2.65 1.00 0.14 7.27 0.00
Coef. de correlacion multiple R2 = 0:58 F de Fisher = 52.78  IP (X > F ) = 0:00

29
 Residuos 6

  
   
0-   
   
   
 
   -y
4 8 12 16 i

Se tiene P x z = 0 y P z = 0.
i i i i i

Muestre que si X1 = (I1 X ) es la matriz formada del vector de unos y del

vector de los x y X2 = Z el vector formado de los z , se tiene X1X2 = 0.
i i
t

Usando los resultados del ejercicio 2 deduzca las estimaciones de los

parametros del modelo y = 0 + 1x + 2z + .
i

4. Se quiere ajustar una funcion escalon y = f (t) con f constante en los

intervalos I = (a ;1 a ] en que j=0, : : :, K y a  a +1 8 j. Para ello se
j j j j j

observan datos (t Y ) ,i=1, : : :, n. Se asume que los Y son independientes y

i i i

que la distribucion de Y es N (f (t ) 2).

i i

1. Formule el problema anterior como un modelo lineal.

2. Obtenga la funcion ajustada por mnimos cuadrados.

R
3. Construya un intervalo de conanza para 0 f (t)dt. aK
a

5. Sea Y 2 IR un vector aleatorio con E(Y)= y Var(Y)= 2I . Se considera

n

el modelo lineal Y = X + , en que X=(1 X1 ::: X ) y X es de rango n p

completo. Llameremos W al subespacio de IR generado por las columnas n

de X e Y^ al estimador de mnimos cuadrados de  = E (Y ).

1. Sea a 2 W y " la recta generada por a. Se dene H = fz 2 W=a z = t

0g el suplemento ortogonal de  en W. Se tiene entonces

a a

L ala descom-
posicion en suma directa ortogonal de W: W = H " . a a

30
 Muestre que el estimador de mnimos cuadrados Y  de  en H se es- a

cribe como ^
Y  = Y^ ; ( )a.
t
a Y
at a

2. Si b 2 IR , muestre que V ar(b Y ) = V ar(b Y^ ) ; 2 ( )2 :

b a
t
n t t
t
a a

P 2
2 ,
3. Suponiendo que los errores son normales, de la distribucion de =1
n
i i

en que  = Y ; Y .

i i

i

P
2 Y

4. Se considera el caso particular a = I1 . De la distribucion de P 2 .

i
p
n

n;p i

^
Muestre que si las variables son centradas, Y = Y .

31
1 ANALISIS DE DATOS MULTIDIMENSION-
ALES
1.1 INTRODUCCION
Vimos que es practico asociar gra
cos a la interpretacion de los coe
cientes
de asociacion empiricos permiten visualizar la existencia de ligazon entre
dos variables y de posibles tipologias de las observaciones, mientras que los
coe
cientes permiten medir el grado de relacion. Pero la mayoria de los prob-
lemas envolucran mas de dos variables. En el capitulo anterior, el mo-
delo lineal permitio estudiar la relacion de una variable a partir de un con-
junto de variables explicativas. Veremos en este capitulo una forma de visu-
alizar observaciones y variables para interpretar la estructura que contienen.

1.2 PLANTEAMIENTO GENERAL

En general un fenomeno se observa en varias dimensiones, lo que hace mas
complejo el estudio. Se busca entonces sintetizar los multiples aspectos del
fenomeno en pocos valores. Es as que el objeto de un ndice es reducir una
realidad compleja a una sola dimension, de manera a permitir comparaciones.
Esta reduccion es imposible sin deformar aspectos del fenomeno.
Sea la tabla de datos (Tabla 6.1) que contiene 6 variables socioeconomicas
tomadas sobre 20 pases de America Latina. Si queremos comparar los pases
tomando una o dos variables, se puede ordenar los pases o gra
carlos. Pero
para las 6 variables, es mas di
cil hacerlo. El analisis en componentes prin-
cipales permite hacerlo: en este metodo se propone un cambio de base, que
permite una mejor descripcion de los pases y de los coe
cientes de correlacion
entre las variables.
Si tuvieramos dos variables solamente - Esperanza de vida y tasa de mor-
talidad infantil - con el gra
co 8.1 tendriamos una buena herramienta para
interpretar estos datos. Se observa, por ejemplo, que Bolivia tiene una alta
mortalidad infantil y una baja esperanza de vida, mientras que en Costa Rica
se da lo contrario ademas se nota una relacion lineal de pendiente negativa
entre las dos variables (vimos en la tabla 6.2 del capitulo 6, que el coe
ciente
de correlacion lineal es igual a -0.951).
Con tres o mas variables, no se puede hacer tal representacion gra
ca, que se-
ria en IR3 o mayor dimension. La idea del metodo es entonces hacer un cambio
1
de variables y, mediante aproximaciones, llevar a un conjunto de representa-
ciones gra
cas. Las nuevas variables -llamadas componentes principales- son
ndices que permiten interpretar mejor los datos.
MORTALIDAD INFANTIL
90 - -
HAITI
BOLIVIA
80 - -
PERU
70 - -

60 - HONDURAS ECUADOR -
BRASIL R. DOMINICANA
NICARAGUA
50 - nUATEMALA -
PARAGUAY
EL cALVADOR
40 - COLOMBIA -
MEXICO
30 - VENEZUELA -
ARGENTINA
20 - URUGUAY PANAMA -
CHILE CUBA
COSTA RICA
.0 - , , , , , -
55 60 65 70 75
ESPERANZA DE VIDA
GRAFICO 8.1

1.3 EL ANALISIS EN COMPONENTES PRINCIPALES

Sea X la tabla de datos 6.1. Hay dos maneras de mirarla:
Mirar las
las, que de
nen el conjunto de las observaciones
0x 1
BB xii12 CC 6
M = fxi = B
@ ::: CA 2 IR g
xi6
Mirar las columnas, que de
nen el conjunto de las variables
2
 0 x 1
1j
B x C
N = fxj = B 2j C
B 20
@ ::: CA 2 IR g
x20j
Se observara que si X es de rango igual a 1, entonces existe c 2 IR20 y
u 2 IR6 tal que X = cut. En este caso, existe una recta en IR6 que pasa por
el origen, con u de vector director, a la cual pertenecen los puntos de M si
u es unitario, las componentes ci de c son las coordenadas de los pases sobre
esta recta. Sea kck2 = l. Simetricamente, existe una recta en IR20, que pasa
por el origen, con cpde vector director, a la cual pertenecen los puntos de
N . Si kck2 = l, uj = l son las coordenadas de las variables sobre esta recta.
Si X es de rango igual a 2, entonces existe c1 y c2 2 IR20 y u1 y u2 2 IR6
tal que X = c1ut1 + c2ut2. En este caso, los soportes de M en IR6 y de N
en IR20 son planos. Mas generalmente si X es de rango igual a r, entonces
existe c1 ::: cr 2 IR20 y u1 ::: ur 2 IR6 tal que X = c1ut1 + ::: + cr utr. En este
caso, los soportes de M en IR6 y de N en IR20 son de dimension r con estos
vectores como vectores directores. El problemas es encontrar los vectores de
tal descomposicion.
Se distinguen las representaciones en IR6 y en IR20.
1.3.1 Representacion en R6
En este espacio los puntos son los 20 pases. Para comparar dos pases i e i , 0

se considera la distancia entre las
las xi y xi correspondientes:

0

v
u
u
u X
j
d(i i ) =
0
t (xij ; xi j )2 0

j =1

El calculo de esta distancia puede tener ciertos inconvenientes: la unidad de

medicion de las variables tiene un efecto, en el sentido que si multiplico por
10 una variable, por cambio de unidad, la distancia sera multiplicaado por 10
tambien. Se puede evitar este problema normalizando todas las variables, es
decir tomandolas
P de varianza iguales a 1: si j2 es la varianza de la variable
j (2 = (1=20) (x ; xj )2), se tomara:
j i ij
xij =j
3
Para simplicar la notacion, se supone que en la matriz X las variables son
normalizadas.
Se busca entonces el vector u 2 IR6 y el vector c 2 IR20 tales que
X = cut + E
de manera que (1=20) P20 i kxi ; ci uk sea mnimo con la restriccion kuk = 1.
2
Si el rango de X es igual a 1, se obtendran los dos vectores buscados c y u.
La restriccion kujk = 1 se impone para tener unicidad de la solucion y un
vector director de la recta unitario. El criterio de optimizacion usado es un
criterio de mnimos cuadrados que consiste a buscar la recta pasando por el
origen tal que los puntos del conjunto M sean en promedio mas cercanos a
esta recta (Gra
co 8.2).

6 xi
A 
A 
A  
A 
A
 i
cu
 


0 
*

u -
;
;
;
;
;
;


GRAFICO 8.2: Representacion de las
las en IR6

Ahora bien es un inconveniente de considerar una recta que pasa por el origen.
En efecto se observa en el gra
co 8.3 que la recta H' es mejor que la recta H.
Si no se impone que la recta pasa por el origen, es facil 0mostrar 1 que la recta
x 1
B 2 C
solucion pasa por el punto medio g 2 IR6g de calM : g = B B@ x::: CCA, en que xj es
x6
4
la media de la variable j . En efecto, si  es una recta pasando por el origen y 
0

la recta paralela a  pasando por g y si hiPy hi son las proyecciones

0

P ortogonales
respectivas de xi sobre  y  , entonces kxi ; hik < kxi ; hik2.
0 0
2
De aqu se toma el origen del sistema de referencia en el punto medio, es
decir Se supone entonces que en la matriz X , las columnas suman 0:
P x g ==00.(las medias son todas nulas).
i ij

H
H
H
6 HH
HH
H
HH

 H

HH  H

H
 HH
 HH

 HH
 HH


H
0
H
0
 -
HH
;
;
;
;
;
;


GRAFICO 8.3: Representacion de las
las en IR6

En estePcaso, el criterio de minimos cuadrados es equivalente a maximizar
(1=20) i kciuk2 con ci = xtiu = utxi. El criterio con la restriccion de norma
nos da entonces:
X
Q = (1=20) kciuk2 ; l(kuk2 ; 1)
i
X X
Q = (1=20) c2i ; l( u2j ; 1)
i j
X X
Q = (1=20)ut( xixti)u ; l( u2j ; 1)
i j
X
Q = (1=20)utX tXu ; l( u2j ; 1)
j

5
Sea V = (1=20)X t X = (vjk ), Q = Pjk uj uk vjk ; l(P u2j ; 1)
@Q = 2 X v u ; 2lu = 0
jk k j
@uj k
Se deduce que V u = lu, es decir que el vector u es vector propio de la
matriz V = (1=20)X t X . Se observara que la matriz V es igual a la matriz de
correlaciones asociada a la matriz X (Tabla 8.1) o a la matriz de covarianza
cuando las variables no son normalizadas. Esta matriz es simetrica semi-
de
nida positiva: tiene sus valores propios reales no negativos (mas aun la
suma de los valores propios es igual al numero de variables, 6 aqu). Pero
no se sabe cual de losP vectores propios tomar. Observando que se busca
maximizar y que l = i c2i , se concluye que hay que tomar un vector propio
normalizado asociado al mayor valor propio de V . Llamamos l1 el mayor
valor propio de V , u1 el vector propio asociado y c1 = Xu1. Si X es de rango
igual a 1, l1 es el unico valor propio no nulo de V y los puntos xi son alineados
en IR6. Si X es de rango mayor que 1, podemos repetir la descomposicion a
la matriz Y = X ; c1ut1. La matriz Y tY tiene los mismos valores propios no
nulos que X tX salvo l1. Luego la descomposicion solucion esta dada por el
vector propio normalizado u2 asociado a l2 el segundo mayor valor propio de
V , y c2 = Xu2:
X = c1u1 + c2ut2 + E
Generalizando, si l1  l2  :::  lr > 0, u1 u2 ::: ur los vectores propios
normalizados asociados y ck = Xuk k = 1 ::: r, se puede descomponer:
X = c1ut1 + c2ut2 + ::: + cr utr
en donde las matrices ck utk son de rango 1 y de importancia decreciente en
la reconstitucion de la matriz X (Tabla 8.2).
La matriz de correlacion V siendo simetrica semide
nida positiva, existe
una base ortonormal de IR6 formada de vectores propios de V . Luego,
fu1 u2  ::: ur g es una base ortonormal del espacio que contiene al conjunto
M.
Ademas se observa que los vectores ck son vectores propios de la matriz
(1=20)XX t , que tiene los mismos valores propios no nulos que X tX . En
efecto, ck = Xuk , luego
(1=20)X t Xuk = lk uk
6
 (1=20)X t ck = lk uk
(1=20)XX t ck = lk ck
Ademas kck k2 = lk (Se deja mostrarlo como ejercicio).
1.3.2 Representacion en IR20
En IR20, se quiere comparar las columnas de X , que representan las variables,
lo que equivale a tomar la matriz X t en vez de X . El criterio de minimos
cuadrados consiste ahora en buscar un vector d 2 IR20 normalizado tal que:
X6
(1=20) kxj ; vj dk2
j
sea mnimo.
Se tiene vj = dtxj con kdk = 1.
Se obtiene que d es el vector propio normalizado de XX t asociado al mayor
valorppropio l1. Luego d es colineal al vector c1 obtenido en elpestudio en IR6:
c1 = l1d. Los vectores u1 y v son colineales tambien: v = l1u1.
Interpretaremos el criterio en el caso de la representacion e IR20P. El criterio
de mnimos
P cuadrados es equivalente a maximizarP = (1=20) j kvj dk2 =
(1=20) j vj . Como vj = dtxj se obtiene que  = j (dtxj )2. Como las vari-
2
ables son centradas y normalizadas dtxj = Cor(d xj ), luego el criterio usado
aqu consiste en buscar una variable d de varianza igual a 1, combinacion
lineal de las variables xj de tal forma que
X 2 j
cor (d x )
j
sea maxima. De hecho vimos en el captulo 6 que el coe
ciente de correlacion
permite comparar dos variables. Muestre como ejercicio que si dos variables
son centradas y normalizadas entonces el coe
ciente de correlacion es igual
al coseno del angulo que forman en IR20 (Gra
co 8.4).
Ademas como los vectores dk forman una base ortonormal, se deduce que las
nuevas variables, que son las componentes principales no son correlacionadas
entre si.

7
 GRAFICO 8.4: Representacion de las variables en IR20
1.3.3 Interpretacion
Veamos como usar estos resultados para interpretar el contenido de la tabla
6.1 (Se centra y normaliza los datos).
fu1 u2  ::: ur g forma una base ortonormal de espacio que contiene al con-
junto M de los pases. Los ejes de
nidos por estos vectores se llaman ejes
principales. Las coordenadas de los pases sobre estos ejes son dadas por
los vectores ck , llamados componentes principales, se habla tambien de
factores. Si nos limitamos a tomar el primer eje principal de
nido por u1
(tabla 8.2), se obtiene una representacion unidimensional de los pases es la
mejor representacion unidimensional, en el sentido que deforma menos las
distancias mutuales entre los pases. Aun si es una representacion aprox-
imada, tiene la ventaja de permitir una interpretacion mucho mas simple
que la representacion original. Las coordenadas de los pases sobre este eje
constituyen la primera componente principal c1 (Tabla 8.3). El valor mas
elevado lo tiene CUBA y el mas bajo HAITI. Observando que
c1 = 0:3810x1+;0:4364x2+;0:2361x3+0:4590x4+;0:4531x5+;0:4389x6
se ve que la primera componente principal es una combinacion lineal de
las variables iniciales con algunos coe
cientes mayores que otros y algunos
positivos y otros negativos. EL PORCENTAJE DE POBLACION URBANA
8
y LA ESPERANZA DE VIDA tienen un coe
ciente positivo, mientras que
los otros son negativos. Lo que permite de interpretar la primera componente
principal como un ndice demogra
co, que crece con la calidad. Este ndice es
mas manipulable que las seis variables originales. Ahora bien que cantidad de
la informacion contenida en la tabla X perdimos o conservamos en el ndice.
En la decomposicion: xi = ciu1 + ei , ei representa el error de representacion
de xi sobre el primer eje principal. El valor propio l1 =P Pi c2i mide la
varianza de la componente principal c1 y TrazaV ; l1 = rk=2 lk = 6 ; 1
mide el error globalPde la representacion sobre el primer eje principal. Como
TrazaV = (1=20) i kxik2 representa la varianza total en IR6, se usa un
ndice de calidad de la representacion de c1 con el porcentaje de varianza
reproducida por c1:
l1
100 TrazaV
que aqu vale 69:24%. Se puede considerar 2, 3 o mas ejes principales para
tener una mejor representacion. Por ejemplo, con los dos primeros ejes prin-
cipales se puede vizualisar los pases (Gra
co 8.5) en un sistema cartesiano.
En este gra
co cada pas i tiene por coordenadas (c1i c2i) y como los ejes son
ortogonales, la varianza reproducida por el plano es igual a
l1 + l2
100 TrazaV
que aqu vale 88:53%.
Se nota en la tabla 8.4 que la representacion con 4 ejes principales contiene
casi integralmente los pases (99:23%). En el gra
co de los dos primeros
ejes principales (Gra
co 8.5) se proyectaron ademas los ejes iniciales, lo que
permite explicar las diferencias y semejanzas entre los pases. Es as que
ARGENTINA y GUATEMALA di
eren mas por las variables % POBLA-
CION URBANA, TASA NATALIDAD y FECUNDIDAD, que las variables
de MORTALIDAD y ESPERANZA DE VIDA. Mientras que PANAMA y
HAITI di
eren mas por la MORTALIDAD.
De la misma manera que se hizo una representacion plana aproximada de la
representacion en IR6, se hace una representacion aproximada de las variables
en IR20, considerando las proyecciones de las variables xj sobre los vectores d1
y d2 (Gra
co 8.6). Dado que las variables xj y d1 y d2 son de varianza igual a
1, la proyeccion de xj sobre d1 (d2) es igual al coe
ciente de correlacion entre

9
xj y c1 (c2) (Tabla 8.4). Este gra
co permite entonces interpretar las com-
ponentes principales. Se observa que la primera componente principal tiene
una correlacion igual a 0.935 con la ESPERANZA DE VIDA, pero solamente
-0.481 con la TASA DE MORTALIDAD, mientras que la segunda compo-
nente principal tiene una correlacion igual a -0.267 con la ESPERANZA DE
VIDA y 0.815 con la TASA DE MORTALIDAD.
Como las variables xj tienen una varianza igual a 1, sus proyecciones en el
plano caen al interior de un circulo de centro 0 y de radio 1. Si la proyeccion de
la variable xj es sobre la circunferencia del circulo, signi
ca que xj pertenece
a este plano, es decir que xj puede ser reproducida a partir de c1 y c2.
La distancia de la proyeccion de una variable al origen mide la calidad de
representacion de la variable en el plano principal. Mas aun es igual al
coe
ciente de correlacion multiple entre la variable con respecto a c1 c2 (Se
deja como ejercicio la demostracion). Aqu, las seis variables son bastante
bien representada en el plano principal.
Como los cosenos de los angulos son iguales al los coe
cientes de correlacion,
se tiene tambien una vizualisacion, aproximada, de la matriz de correlaciones
(Tabla 8.1). FECUNDIDAD y TASA DE NATALIDAD hacen un angulo
peque~no, son altamente correlacionados (0.972), ESPERANZA DE VIDA y
MORTALIDAD INFANTIL, que forman un angulo vecino de , son alta-
mente correlacionados negativamente (-0.951) y TASA DE MORTALIDAD
y TASA DE NATALIDAD, que son casi ortogonal, son muy poco correla-
cionados (0.101).
Se puede completar el estudio haciendo representaciones planas con otros
pares de ejes principales y las componentes principales correspondientes.
VARIABLES 1 2 3 4 5 6
1 % POB. URBANA 1.0 -.739 -.179 .588 -.735 -.532
2 TASA .NATALIDAD -.739 1.0 .101 -.723 .972 .682
3 TASA MORTALIDAD -.179 .101 1.0 -.609 .262 .533
4 ESPERANZA VIDA .588 -.723 -.609 1.0 -.769 -.951
5 FECUNDIDAD -.735 .972 .262 -.769 1.0 .709
6 MORTAL. INFANTIL -.532 .682 .533 -.951 .709 1.0
TABLA 8.1: Matriz de correlaciones

10
 MEDIA D. TIPICA u1 u2 u3 u4
VALORES PROPIOS 4.15 1.16 0.41 0.24
% POB. URBANA 62.87 17.26 0.3810 0.3203 0.7699 0.3797
TASA NATALIDA 28.86 6.64 -0.4364 -0.3742 0.1920 0.3201
TASA MORTALIDAD 7.11 1.85 -0.2361 0.7567 -0.3904 0.4068
ESPERANZA VIDA 67.11 5.52 0.4590 -0.2479 -0.2093 0.2282
FECUNDIDAD 3.61 0.96 -0.4531 -0.2488 0.0859 0.5245
MORTAL.INFANTIL 44.54 22.28 -0.4389 0.2405 0.3779 0.5102
TABLA 8.2: Tres primeros vectores propios normalizados de la matriz de
correlacion
u1 u2 u3 u4
VALORES PROPIOS 4.15 1.16 0.41 0.24
ARGENTINA 1.9029 1.3903 -.0092 0.5067
BOLIVIA -3.1987 1.1181 .4426 -.4150
BRASIL .2766 .8794 .6930 -.2980
COLOMBIA 1.1429 -.1561 .2443 -.3948
COSTA RICA 1.8937 -1.9713 -.6418 -.3264
CHILE 2.3727 .2178 .2529 .3686
ECUADOR -.7182 -.1958 .1244 -.2654
EL SALVADOR -1.1377 -.5743 -.5380 -.1134
GUATEMALA -2.3926 -.9928 -.3855 .8457
HAITI -4.0755 1.6465 -1.0408 -.1406
HONDURAS -2.0627 -.8537 -.1854 .2504
MEXICO 1.0889 -.5733 .4780 -.1113
NICARAGUA -1.8157 -.9593 .6089 .9066
PANAMA 1.5675 -1.0166 -.7486 -.4131
PARAGUAY -.8912 -.9583 -.3161 .0197
PERU -.8602 .8557 .9236 -.6187
REP.DOMINICANA -.0239 -.1564 .2586 -.7430
URUGUAY 2.3890 2.2318 -.7393 .6895
VENEZUELA 1.3812 -.3757 1.2787 .5232
CUBA 3.1611 .4441 -.7003 -.2704
TABLA 8.3: Tres primeras componentes principales

11
 MEDIA D. TIPICA FACTOR . FACTOR 2 FACTOR 3 FACTOR 4
VALORES PROPIOS 4.15 ..16 '41 0.24
% ACUMULADO DE
LA VARIABILIDAD 69.24 88.53 95.22 99.23
% POB. URBANA 62.87 .7.26 0.776 0.345 0.493 0.186
TASA NATALIDA 28.86 6.64 -0.889 -0.403 0.123 0.156
TASA MORTALIDAD 7.11 ..85 -0.481 0.815 -0.250 0.199
ESPERANZA VIDA 67.11 5.52 0.935 -0.267 -0.134 0.111
FECUNDIDAD 3.61 0.96 -0.923 -0.268 0.055 0.256
MORTAL.INFANTIL 44.54 22.28 -0.894 0.259 0.242 -0.249
TABLA 8.4: Coordenadas de las variables sobre los 4 primeros factores (rjk )

12
SEGUNDO
FACTOR, (19%) , , , , , , ,
? URUGUAY

2.0 - MORTALIDAD
-

? HAITI
% POB. URBANA

1.5 - -
? ARGENTINA

MORTALIDAD
? BOLIVIA
INFANTIL
1.0 - -
? PERU ? BRASIL

0.5 - CUBA ? -
? CHILE

0.0 - +
R. DOMINICANA -
ECUADOR ? ? ? COLOMBIA
? VENEZUELA
-0.5 - ? EL SALVADOR ? MEXICO
-

ESPERANZA VIDA
HONDURAS ?
?
-1.0 - GUATEMALA ? NICARAGUA? PARAGUAY -
? PANAMA

FECUNDIDAD
-1.5 - -
NATALIDAD

-2.0 - ? COSTA RICA- PRIMER
? ? ? ? ? ? ? ? FACTOR
-4 -3 -2 -1 0 1 2 3 69%
GRAFICO 8.5: Primer plano principal

13
 GRAFICO 8.6: Crculo de correlaciones
1.3.4 Puntos suplementarios
Es interesante de representar a posteriori algunas observaciones o variables que no
fueron includas en la matriz X originalmente. Sea un pas xo , su proyeccion sobre
el eje principal k es igual a xto uk . Para una nueva variable z , su proyecion sobre la
componente principal k es igual a Cor(z
ck ) .
Consideramos, por ejemplo, dos pases africanos -TUNEZ y EGIPTO- (Tabla 8.5),
la coordenada de TUNEZ en el plano son (F1
F2) con
F1 = 0:3810  (;0:514) ; 0:4364  0:021 ; 0:2361  (;0:059)+0:4590  (;0:074)+
;0:4531  0:094 + ;0:4389  0:155 = ;0:335
F2 = 0:3203  (;0:514) ; 0:3742  0:021+0:7567  (;0:059) ; 0:2479  (;0:074)+
;0:2488  0:094 + 0:2405  0:155 = ;0:18
Para EGIPTO, se obtiene de la tabla 8.5: F1 = ;0:18 y F2 = 0:96. Si se ubican es-
tos dos pases en el graco 8.5, encontramos TUNEZ cercano de R. DOMINICANA
y EGIPTO cercano de BOLIVIA.

14
Consideramos ahora cuatro nuevas variables cuyos coecientes de correlacion con
las dos primeras componentes principales son dados en la tabla 8.6. Las variables
GASTO MILITAR y GASTO EN EDUCACION son muy poco correlacionados
con estas componentes principales, se podria prever que un modelo lineal de estas
variables sobre las seis variables originales no seria bueno. No es el caso de las dos
otras variables suplementarias.
TUNEZ EGIPTO
(x ; x)= x
x (x ; x)= x 
% POB. URBANA 54 -0.514 47 -0.92 62.87 17.26
TASA NATALIDA 29 0.021 33 0.62 28.86 6.64
TASA MORTALIDAD 7 -0.059 10 1.56 7.11 1.85
ESPERANZA VIDA 66.7 -0.074 60.3 -1.23 67.11 5.52
FECUNDIDAD 3.7 0.094 4.3 0.72 3.61 0.96
MORTAL.INFANTIL 48.0 0.155 61.0 0.74 44.54 22.28
TABLA 8.5: Valores de las variables para TUNEZ y EGIPTO
FACTOR 1 FACTOR 2
PNB 0.814 0.130
GASTO EN EDUCACION -0.140 0.163
GASTO MILITAR -0.378 -0.061
ALFABETISMO 0.839 0.021
TABLA 8.6: Coecientes de correlacion

1.4 EJERCICOS 2 1 0 ;1 3
66 0 1 ;1 77
66 ;1 1 0 77
1. Sea X la tabla siguiente: 66 0 ;1 1 77
66 7
4 ;1 0 1 75
1 ;1 0
Consideremos los seis vectores M = fx1 ::: x6g de IR3 dotado de la metrica
euclidiana usual cuyas componentes estan dadas por las
las de la matriz X .
a) Muestre que la nube
P de los 6 puntos en IR3 esta centrada en el origen.
Calcule V = (1=6) x xt.i i i

15
b) Calcule I0, el momento de inercia de N con respecto al origen. Compare
con TrazaV .
c) Determine los diferentes valores propios de V .
d) De el vector propio asociado al valor propio nulo de V .
e) Determine dos vectores propios ortonormales de V asociado con los valores
propios no nulos de V .
2. Se consideran V1, V2 , V3 y V4, cuatro variables obtenidas sobre 20 obser-
vaciones repartidas en 3 clases (A, B y C) (Tabla 8.7).
a) Los resultados del analisis en componentes principales efectuado sobre las
variables V1, V2 y V3 con la matriz de correlaciones (tabla 8.9) estan dados
en el gra
co 1 y la tabla 8.8. Justi
que la calidad de la representacion en el
plano y comente el gra
co 8.7.
b) A partir de la tabla 8.8, dibuje y comente el crculo de correlaciones.
c) En la tabla 8.10, se dan las correlaciones entre las dos componentes prin-
cipales y la variable V4. Represente gra
camente V4 en el crculo de correla-
ciones.
d) Se quiere efectuar la regresion multiple de V4 sobre V1, V2 y V3. >Que
problema numerico se va a presentar?
e) Deduzca de la tabla 4 el coe
ciente de correlacion multiple de la regresion
de V4 sobre V1, V2 y V3 .
f) Deduzca de la tabla 8.10 los coe
cientes de la regresion de V4 sobre las
dos componentes principales (la media de V4 es 242.5 y la desviacion tipica
es 57.73).
CLASE V1 V2 V3 V4 CLASE V1 V2 V3 V4
C 45 25 30 160 C 60 27 13 350
C 40 30 30 200 B 38 37 25 240
C 32 32 36 210 B 35 38 27 220
C 35 28 37 250 B 22 38 40 180
C 50 33 17 260 A 18 33 49 190
B 55 45 0 300 B 15 39 46 185
B 58 35 7 320 A 20 40 40 300
C 62 28 10 310 A 25 35 40 220
B 48 32 20 280 A 22 33 45 225
B 52 34 14 300 C 32 26 42 150
TABLA 8.7: Tabla de datos

16
 MEDIA DESVIACION FACTOR 1 FACTOR 2
TIPICA
VALORES PROPIOS 1.956 1.044
% ACUMULADOS DE
LOS VALORES PROPIOS 65.20 100.00
V1 38.20 14.98 0.997 0.076
V2 33.40 5.18 -0.189 -0.982
V3 28.40 14.50 -0.962 0.273
TABLA 8.8: Correlaciones de las variables con las Componentes Principales
cEGUNDO
FACTOR, , , , , , , , ,
35 % C C
..5 - -
..0 - C C -
C C
0.5 - +A x V 3
C -
+A ?B x V1
0.0 - +A + C -
?B
-0.5 - ?B -
?B B
-1.0 - ? B +A
?
?B -
-1.5 - -
-2.0 - x V2 -
-2.5 - ?B -
? ? ? ? ? ? ? ? ?
PRIMER
FACTOR
-2.0 -1.5 -1.0 -0.5 0.0 0.5 ..0 ..5 2.0 65 %
GRAFICO 8.7
V1 V2 V3 C.P. 1 C.P. 2 V4
V1 1.00 -.26 -.94 C.P. 1 1.00 -.00 .69
V2 -.26 1.00 -.09 C.P. 2 -.00 1.00 -.29
V3 -.94 -.09 1.00 V4 .69 -.29 1.00
TABLA 8.9: Matriz de correlaciones TABLA 8.10: Matriz de cor-
relaciones
3. Sea M = fx1 ::: xn gPun conjunto de n puntos de IRp. Cada punto xi tiene
un peso pi , con pi > 0 pi = 1. Se supone que el centro de gravedad de M
17
es g = 0 y que la matriz de varianzas-covarianzasLasociadas es V = X tDp X
de rango p con Dp = diag(pi). Sea IRp = W1 W2 y sean P1 y P2 los
proyectores ortogonales sobre W1 y W2 respectivamente.
a) De las matrices de varianzas-covarianzas V1 y V2 de los conjuntos M1 =
fP1 x1 ::: P1xn g y M2 = fP2 x1  ::: P2xn g.
b) Muestre que V = V1 + V2 () W1?V W2
c) Pruebe que: W2?V W1] () V u = lu ) u 2 W1 S W2]
;

4. Sean E y F dos espacios vectoriales de dimensiones respectivas p y n. Se

tiene en E y F las metricas euclidianas usuales. Sea S una aplicacion lineal
de E en F tal que si y1 = S (x1) e y2 = S (x2), entonces ky1 ;y2k2 = kx1 ;x2k2
para todo x1 x2 2 E .
a) Dar la relacion que cumple S .
b) Sea E = E1  E2 con E2 suplemento ortogonal de E1. Sea A el proyector
ortogonal sobre E1 y S la aplicacion de simetra respecto de E2: y = S (x) =
;x1 + x2 .
Dar la expresion de S en funcion de A y mostrar que S es un isomor
smo.
c) Mostrar que S es simetrica y ortogonal.
d) En el caso de que E2 tiene dimension 1, se considera una nube M de
n puntos en E y V la matriz de covarianza asociada. Se supone que hay
simetra con respecto a E2 entre los puntos de calM (si x 2 M, entonces
S (x) 2 M).
Muestre que E2 es un eje principal de la nube M en E .
5. Consideremos el espacio euclidiano IRp dotado de una metrica euclidiana
M , y un conjunto de puntos M = fxi : i = 1 2 ::: ngPde IRp.
Cada punto xi esta dotado de una masa mi > 0, con miP= 1 y suponemos
que el centroPde gravedad de M esta en el origen (g = i mixi = 0) y se
de
ne V = i mixixti. IRp esta descompuesto en una suma directa de dos
s.e.v. M -ortogonales: u, generado por un vector u de IRp pasando por el
origen y L el hiperplano H = u M -ortogonal a u pasando por el origen:
?

IRp = u H .
a) Exprese el momento de inercia I0 del conjunto M con respecto al origen
en funcion de M .
b) Deduzca que I0 = tr(V M ).
c) Muestre que IH = utMV Mu donde IH es el momento de inercia de M
con respecto a H .

18
6. EXAMEN DE PRIMAVERA 1994.
PARTE 1
Se considera 6 mediciones hechas sobre 23 peces. Se presenta los resultados
de un analisis en componentes principales sobre estos datos.
a) Interprete los porcentajes de los valores propios (Tabla 8.11).
b) Interprete el gra
co 8.8: ?' Que tama~no y forma tienen los peces 1, 5, 8
y 11?
c) Gra
que el circulo de correlacion a partir de la tabla 8.11 y comente.
d) Usando la tabla 8.11 de las expresiones de las primeras componentes prin-
cipales C1 y C2 en funcion de las 6 mediciones. Interpretelas.
e) Usando la matriz de correlaciones (tabla 8.12), ubique las variables suple-
mentarias PESO y RADIOACTIVIDAD en el crculo de de correlaciones.
f) Se quiere hacer el modelo lineal: PESO = o + 1c1 + 2c2, en donde
c1 y c2 son las dos primeras componentes principales. De el coe
ciente de
correlacion multiple R2.
PARTE 2
a) Se quiere hacer el modelo lineal: RADIOACTIV IDAD Y = o + 1c1 +
2c2. Sea X la matriz (23x3) asociado a este modelo lineal. Calcule la matriz
(X t X ) 1 .
;

b) Calcule X tY , en donde Y es el vector a explicar del modelo lineal.

c) De los estimadores de mnimos cuadrados de o, 1 y 2.
d) De el coe
ciente de correlacion multiple R2 . Deduzca el estimador inses-
gado de la varianza 2 de los errores y la estimacion de la varianza de los
estimadores.
e) Muestre que los estimadores de 1 y 2 son no correlacionados. Haciendo
el supuesto de normalidad, encuentre intervalos de con
anza de nivel 95%
para 1 y 2.
f) Efectue los tests de hipotesis Ho : 1 = 0 contra H1 : 1 6= 0.
PARTE 3
a) Los 23 peces estan divididos en tres acuarios. Se busca si el acuario tiene
un efecto sobre la RADIOACTIVIDAD, usando el modelo: Yi = o + j +
i si
el pez i esta en el ACUARIO j el parametro j mide el efecto del ACUARIO
j (j=1,..,3) sobre la RADIOACTIVIDAD. Escribe el criterio de los mnimos
cuadrados en tres sumas que dependen de los tres acuarios. Usando la tabla
8.13 y tomando la media muestral y como estimador de o, deduzca el esti-
mador de los mnimos cuadrados de los tres parametros restantes.
b) Efectue el test Ho : 3 = 2 =. Precise los supuestos que tuvo que hacer.
19
c) Sea un nuevo pez que toma los valores: LARGO: 180, LARGO SIN
CABEZA: 152, ANCHO CABEZA: 40, ANCHO: 38, ANCHO HOCICO:
15, DIAMETRO OJOS: 12. Calcule C1 y C2 para este pez. Prediga su RA-
DIOACTIVIDAD y de un intervalo de con
anza.
d) Si se supone que la variable RADIOACTIVIDAD Y
Exp() y una dis-
tribucion a priori Exp() para  (() = exp(;) para  positivo), de la
distribucion a posteriori de  dada la muestra de los 23 peces.
e) Tomando la funcion de perdida cuadratica, de el estimador de Bayes.

MEDIA DESV. FACTOR . FACTOR 2 FACTOR 3 FACTOR 4

TIPICA
VALORES PROPIOS 4.885 '493 '388 '128
% ACUMULADOS DE
LOS VALORES PROPIOS 81.62 89.63 96.10 98.23
LARGO .90.17 .7.99 0.947 0.226 0.099 0.126
LARGO .90.17 .7.99 0.947 0.226 0.099 0.126
LARGO cIN CABEZA .70.70 .5.69 0.939 0.264 0.128 -0.005
ANCHO CABEZA 42.78 4.80 0.959 0.133 0.121 0.045
ANCHO 39.30 4.57 0.922 -0.215 0.144 -0.283
ANCHO HOCICO .3.57 2.54 0.816 0.071 -0.570 -0.040
DIAMETRO OJOS 9.74 0.96 0.817 -0.550 0.001 0.166
TABLA 8.11: Correlaciones de las variables sobre las 4 primeras
componentes principales

RADIOACTIVIDAD PESO
VARIABLES 10 2 C C2 ACUARIO 1 2 3 TOTAL PESO
PESO 1.00 -.44 .98 .00 EFECTIVO 8 8 7 23 23
RADIOACTIVIDAD -.44 1.00 -.41 .23 MEDIA 15.25 33.50 33.71 27.22 82.09
C .98 -.41 1.00 .00 DESVIACION
C2 .00 .23 .00 1.00 TIPICA 7.13 12.13 21.69 16.47 26.5

TABLA 8.12: Matriz de correlaciones TABLA 8.13: Radiactividad

20
FACTOR 2
8%
8
..0 - .0 2 -
.9
0.5 - .7 21 -
.6
6 .8 4.
0.0 - 7 + .5.3 -
22 3
-0.5 - .4 20 -
5 9
.2
-1.0 - -
23
.1 FACTOR .
-1.5 - , , , , , , , , - 82 %
-3 -2 -1 0 . 2 3 4
GRAFICO 8.8

21