Tema 3. Organización de La Información.

Doble Grado en Psicología y Logopedia, curso 1º
ESTADÍSTICA APLICADA I
Curso 2016/2017
Prof. Miguel A. Mateo García

Facultad de Psicología y Logopedia, UCM, edificio lateral 2, despacho 2123-O
mamateog@ucm.es
Organización de información estadística
Se denomina variable aleatoria (v.a.) a toda regla o función, X, que asocia a

todos y cada uno de los sucesos relevantes de un experimento aleatorio
(elementos de un campo sigma), ωϵσ, un número real X(ω):
X = { X(ω)=x | xϵɌ y ωϵσ}
Una variable aleatoria es una forma de expresar/codificar numéricamente los
resultados de un experimento aleatorio.
Una distribución de probabilidad (inducida) es una variable aleatoria con

la correspondiente función de probabilidad asociada. Constituye la forma
estadísticamente tratable de organizar la información obtenida en un
experimento aleatorio, una transcripción de un campo sigma con su
correspondiente función de probabilidad asociada (población).
Organización de información estadística: distribución
(inducida) de probabilidad
Se denomina distribución X p
(inducida) de probabilidad de
una v.a. a una función, f, que XN pN
asocia una probabilidad a
XN-1 pN-1
todos y cada uno de los
valores de esa v.a.: … …
f(x) = px | x=X(ω), xϵR, pxϵ[0,1]
Xi pi
… …
X2 p2
X1 p1
(no importa el orden de los valores

de la v.a.)
Distribución (inducida) de probabilidad: v.a. discretas
(I) Se dice que una v.a., X, es discreta si solo puede tomar valores de un
conjunto contable, A={x1, x2, x3…}.
La distribución (inducida) de probabilidad de una v.a. discreta se expresa:
f(x) = p(X=x) = p(x) | xϵA, p(x)ϵ[0,1],
y se suele conocer como función de probabilidad.
Propiedades:
(a) Para cualquier subconjunto S⊆A,
pX(S) ≡ p(S) = Σp(xj), para todo xjϵS.
∞
(b) ∑j=1 p(xj) = p(Ж) = p(σ) = 1.
Distribución (inducida) de probabilidad: v.a. continuas
(II) Se dice que una v.a., X, es continua si puede tomar todos los valores de
un entorno de x, en un cierto intervalo B⊆Ɍ.
La distribución (inducida) de probabilidad de una v.a. continua se expresa:
f(x) = p(X≈x) = ∫Bf(x)dx | xϵB, p(x)ϵ[0,1],
siendo conocida como función de densidad de probabilidad.
Propiedades:
(a) -∞∫ f(x)dx
+∞ = p(B) = p(σ) = 1.
Función de distribución de probabilidad
Se denomina función de X F
distribución de probabilidad de una
v.a. a una función, F, que asocia a XN FN
todos y cada uno de sus valores XN-1 FN-1
-‘ordenables’- un valor numérico
igual a la suma de las … …
probabilidades asociadas a todos y Xi Fi
cada uno de los valores anteriores … …
más la asociada a él mismo:
F(x) = p(X≤x) = Σp(xj), para todo
X2 F2
xj≤x, en el caso discreto, X1 F1
x
F(x) = p(X≤x) = -∞∫ (t)dt, en el caso
continuo. (los valores de la v.a. deben de estar
organizados en orden ascendente –desde
el menor, abajo, hasta el mayor, arriba-)
Función de distribución de probabilidad: propiedades
(1) 0 ≤ F(x) ≤ 1, para todo xϵɌ.

(2) Sean x1,x2 ϵ Ɍ. Si x1 < x2 → F(x1) ≤ F(x2), F es NO decreciente.
(3) limx→x0+F(x) = F(x0), para todo x0 ϵ Ɍ, F es continua por la derecha.
[limx→x0-F(x) = F(x0) – p(X=x0) = p(X≤x0) → p(X=xj) = F(xj) – F(xj-)]
(4) limx→∞F(x) = 1, y limx→-∞F(x) = 0.
(5) Existe una correspondencia biunívoca entre una distribución (inducida) de
probabilidad y una función de distribución de probabilidad: dada px, se define
F(x) = p((-∞,x]).
Dados una función de distribución, F, y dos valores reales, x1 y x2 ϵ Ɍ, tales que
x1<x2:
p{ω | X(ω) ϵ (x1,x2]} = p{ω | X(ω) ≤ x2} - p{ω | X(ω) ≤ x1}, es decir,
p(ω | x1 < X(ω) ≤ x2) = p(X≤x2) - p(X≤x1), o,
p((x1,x2]) = p(x1 < X ≤ x2) = F(x2) – F(x1).
En el caso particular (límite) de que x2=∞,
p(X>x1) = 1 - F(x1).
Distribución de probabilidad: parámetro valor esperado
Parámetros (números característicos) de una distribución: la información

contenida en una distribución de probabilidad se resume en 4 valores
numéricos característicos o parámetros, (1) de tendencia central, (2) de
variabilidad o dispersión, (3) de sesgo (simetría o asimetría, y (4) de
apuntamiento o curtósis.
(1) Tendencia central: Valor esperado, esperanza matemática o media

(centro de gravedad).
Sea X una v.a. definida en un espacio de probabilidad (Ω,σ,P):
n
E(X) = ∑j=1 xjp(X=xj) = µX, caso discreto.
∞
E(X) = -∞∫ xf(x)dx = µX, caso continuo.
En general, sea g(X) una función real que define también una v.a.:
n
E(g(X)) = ∑j=1 g(xj)p(X=xj), caso discreto.
∞
E(g(X)) = -∞∫ g(x)f(x)dx, caso continuo.
Valor esperado: propiedades
(a) E(X-µX) =0.

(b) E(mX+n) = mE(X)+n = mµX+n, m,n ϵ Ɍ.
(c) E(∑j=1kxj) = ∑j=1kE(xj).
(d) X es una v.a. simétrica respecto de un punto a si y solo si:
p(X≥[a+x]) = p(X≤[a-x]) ≡ F(a-x) = 1-F(a+x)+p(X=[a+x])
Una v.a. X es siempre simétrica respecto de su valor esperado.
- Otros parámetros de tendencia central: mediana, moda...

Distribución de probabilidad: parámetro varianza
(2) Variabilidad o dispersión: Varianza (momento de inercia):

Sea X una v.a. definida en un espacio de probabilidad (Ω,σ,P).
n
σX2 = var(X) = E(X- µX)2 = ∑j=1 (xj-µX)2p(X=xj), caso discreto.
∞
σX2 = var(X) = E(X- µX)2 = -∞∫ (x-µX)2f(x)dx, caso continuo.
En general: σX2 = var(X) = E(X- µX)2 = E(X2)-µX2 = E(X2)-[E(X)]2.
A la raíz cuadrada positiva se le denomina desviación típica (σX=DT(X)).
Propiedades.
(a) E(X-µX)2 < E(X-c)2, c ≠ µX, c ϵ Ɍ.
(b) σX2 ≥ 0. [σX2 = 0 si y solo si p(X=c) = 1, para todo c ϵ Ɍ]
(c) var(b1X+b0) = b12var(X).
(d) p(|X-µX|≥kσX) ≤ 1/k2 o p(|X-µX|<kσX) ≥ 1-1/k2,
para todo k ≥ 1, k ϵ Ɍ. (Desigualdad de Chebyshev)
- Otros parámetros de variabilidad: amplitud (semi)intercuartil...

Distribución de probabilidad: momentos
Momento de orden k respecto de un punto c (k ϵ Z+, c ϵ Ɍ):

mk(c) = E(X-c)k.
(I) c=0, mk = E(X)k, momento de orden k respecto del origen.

m1 = E(X) = µX, momento de primer orden respecto del origen.
(II) c=µX, mk(µ) = E(X-µX)k, momento de orden k respecto de la media o

momento central de orden k.
m2(µ) = E(X-µX)2 = var(X), momento de segundo orden respecto
de la media o momento central de segundo orden.
[Mk=E(ekX), función generatriz de momentos de una v.a. X;

ƒk=E(eikX) = E(cos(kX)) + iE(sen(kX)), función característica de X]
Distribución de probabilidad: parámetros de sesgo y
curtósis
(3) Sesgo:
a3 = m3(µ)/[m2(µ)√ m2(µ)], distibución simétrica: a3=0.
distibución asimétrica positiva: a3>0.
distibución asimétrica negativa: a3<0.
(4) Apuntamiento o curtosis:

a4 = [m4(µ)/(m2(µ))2]-3, distibución mesocúrtica: a4=0.
distibución leptocúrtica: a4>0.
distribución platicúrtica: a4<0.

Tema 3. Organización de La Información.

Cargado por

Copyright:

Formatos disponibles

Tema 3. Organización de La Información.

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 3. Organización de La Información.

Cargado por

Copyright:

Formatos disponibles

Doble Grado en Psicología y Logopedia, curso 1º

Prof. Miguel A. Mateo García

Se denomina variable aleatoria (v.a.) a toda regla o función, X, que asocia a

Una distribución de probabilidad (inducida) es una variable aleatoria con

(no importa el orden de los valores

(1) 0 ≤ F(x) ≤ 1, para todo xϵɌ.

Parámetros (números característicos) de una distribución: la información

(1) Tendencia central: Valor esperado, esperanza matemática o media

(a) E(X-µX) =0.

- Otros parámetros de tendencia central: mediana, moda...

(2) Variabilidad o dispersión: Varianza (momento de inercia):

- Otros parámetros de variabilidad: amplitud (semi)intercuartil...

Momento de orden k respecto de un punto c (k ϵ Z+, c ϵ Ɍ):

(I) c=0, mk = E(X)k, momento de orden k respecto del origen.

(II) c=µX, mk(µ) = E(X-µX)k, momento de orden k respecto de la media o

[Mk=E(ekX), función generatriz de momentos de una v.a. X;

(4) Apuntamiento o curtosis:

También podría gustarte