MEDIDAS ASOCIADAS A UNA VARIABLE ALEATORIA

Mismas ideas que en Descriptiva. Medidas de centralizacin: MEDIA (ESPERANZA O VALOR ESPERADO). Medidas de dispersin: VARIANZA, DESVIACIN TPICA Y COEFICIENTE DE VARIACIN. Cuantiles: MEDIANA, CUARTILES Y PERCENTILES. Medidas de forma: COEFICIENTE DE ASIMETRA DE FISHER.

MEDIA O ESPERANZA DE UNA VARIABLE ALEATORIA X

Definicin: Sea X una v.a. discreta con distribucin de probabilidad { xi , pi } , i = 1, 2,... Llamaremos esperanza matemtica o media de la variable aleatoria X al valor

= E[ X ] = xi pi
i

Definicin: Sea X una variable aleatoria de tipo continuo cuya funcin de densidad asociada es f. Llamaremos esperanza matemtica o media de la variable aleatoria X al valor

= E[ X ] = x f ( x)dx <

ESPERANZA DE UNA TRANSFORMACIN Y = G(X) DE UNA VARIABLE ALEATORIA X

Para calcular E[Y] = E[g(X)] se puede optar por dos caminos: Obtener la distribucin de probabilidad de Y y calcular E[Y] (transparencia anterior). Teorema: Sea X una variable aleatoria cualquiera y sea Y = g(X) una transformacin de X. Entonces,
si X es discreta g ( xi ) pi i = 1 E[ g ( X )] = g ( x) f ( x)dx si X es continua

ESPERANZA DE UNA TRANSFORMACIN Y = G(X) DE UNA VARIABLE ALEATORIA X

Caso particular:Y = aX+b. Para calcular E[Y] se puede: Obtener la distribucin de probabilidad de Y = aX+b y usar la definicin de E[Y]. Teorema: Sea X una variable aleatoria cualquiera y sea g(X)=aX+b. Entonces, E[aX+b]=aE[X]+b, siendo a y b nmeros reales cualesquiera. (Demostracin)
Ejemplo: Sea X v.a. discreta que toma los valores {0,1,2} con probabilidades {0.2,0.3,0.5} respectivamente. Calcular E[Y] siendo Y = 2X 1. Y toma los valores {-1,1,3} con probabilidades {0.2,0.3,0.5} . Entonces, E[Y] =-1*0.2+1*0.3+3*0.5 = 1.6. E[X] = 0*0.2+1*0.3+2*0.5= 1.3. Entonces, E[Y]=E[2X 1]=2E[X] 1 = 1.6

MEDIDAS DE DISPERSIN DE UNA VARIABLE ALEATORIA X

Definicin: Sea X una variable aleatoria cualquiera con media = E[X]. Llamaremos varianza de X , V(X), al valor 2 2 V ( X ) = 2 = E [( X E [ X ] ) ] = E [( X ) ] Propiedades de la varianza de una variable aleatoria X: 1. V(X) 0. 2 2 2. V ( X ) = E[ X ] E [ X ] (forma de clculo). Demostrar. 3. V (aX + b) = a 2V ( X ) a, b \ Demostrar Definicin: Sea X v.a. cualquiera y V(X) su varianza. Llamaremos desviacin tpica de X: = dt ( X ) = + V ( X ) Llamaremos coeficiente de variacin de X: CV ( X ) = dt ( X ) = E[X ]

MEDIANA DE UNA VARIABLE ALEATORIA X

Definicin: Llamaremos mediana de X, y lo denotaremos Me, a un valor que verifica
P ( X < Me) = F ( Me ) 1 1 y P ( X Me) = F ( Me ) . 2 2

Si esta condicin la cumplen todos los valores de un intervalo, la mediana es el punto medio del mismo (por convenio). Esto puede suceder tanto para variables discretas como para continuas. Adems, para variables continuas, la mediana es la solucin de la ecuacin F(Me) = 0.5.

EJEMPLOS DE CLCULO DE LA MEDIANA DE UNA VARIABLE ALEATORIA DISCRETA

Sean F y G funciones de distribucin de X e Y, v.a. discretas
0 1 8 1 F ( x) = 2 7 8 1 si x < 0 si 0 x < 1 si 1 x < 2 si 2 x < 3 si x 3
0 1 8 3 G ( x) = 4 7 8 1 si x < 0 si 0 x < 1 si 1 x < 2 si 2 x < 3 si x 3

En el caso de F , todos los valores del intervalo [1,2) verifican la condicin para ser mediana de X. Entonces, Me = 1.5. Para G, slo hay un valor que lo verifique. En este caso, Me = 1.

CUANTILES DE UNA VARIABLE ALEATORIA X

Definicin: Llamaremos cuantil de orden de X, y lo denotaremos C, a un valor que verifica

P ( X < C ) = F ( C ) y P ( X C ) = F ( C ) .
El clculo de cuantiles es anlogo al de la mediana. Si esta condicin la cumplen todos los valores de un intervalo, el cuantil es el punto medio del mismo. Para variables continuas, el cuantil de orden es la solucin de la ecuacin F(C) = . Los cuartiles son los cuantiles de rdenes = 0.25, 0.5, 0.75. Los denotaremos Q1, Q2 y Q3. Los percentiles son los cuantiles de rdenes = 0.01, 0.02,....,0.99. Los denotaremos P1, P2, ,P99.

MEDIDAS DE FORMA DE UNA VARIABLE ALEATORIA X

Definicin: Sea X una variable aleatoria cualquiera. Sean E[X] y V(X) su esperanza y varianza, respectivamente. Definimos el coeficiente de asimetra de Fisher

CAF ( X ) =

E[( X E [ X ])3 ] dt ( X )
3

Diremos que la distribucin de la variable aleatoria X es: Asimtrica a la derecha si CAF(X) >0. Asimtrica a la izquierda si CAF(X) <0. Simtrica si CAF(X) = 0. Grficos de variables aleatorias: para discretas, el diagrama de barras; para continuas, el grfico de la funcin de densidad.