Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
EAS201a - Inferencia Estad́ıstica Escuela de Administración Material de Apoyo Ayudant́ıa 1 : , 1 Teorema del Ĺımite Central Tópicos de la Ayudant́ıa I Teorema del Ĺımite Central. I Aplicaciones. : , 2 Teorema del Ĺımite Central Sea X1,X2, ..., variables aleatorias independientes e idénticamente distribuidas (iid) con E (Xi ) = µ y Var(Xi ) = σ 2 ∀i = 1, 2, ..., n. Sea Sn = ∑n i=1 Xi Entonces, Sn − nµ σ √ n → Z ∼ Normal(0, 1) cuando n→∞ : , 3 Teorema del Ĺımite Central I ¿Para qué sirve? Se utiliza para tener una buena aproximación de la distribución mues- tral de la suma Sn (o del promedio X n) que se puede utilizar prescin- diendo de la población sobre la cual se toman los datos (Xi ). I ¿Cuando se puede utilizar? Cuando se tiene un tamaño muestral grande. : , 4 Teorema del Ĺımite Central I ¿Para qué sirve? Se utiliza para tener una buena aproximación de la distribución mues- tral de la suma Sn (o del promedio X n) que se puede utilizar prescin- diendo de la población sobre la cual se toman los datos (Xi ). I ¿Cuando se puede utilizar? Cuando se tiene un tamaño muestral grande. : , 4 Teorema del Ĺımite Central I ¿Para qué sirve? Se utiliza para tener una buena aproximación de la distribución mues- tral de la suma Sn (o del promedio X n) que se puede utilizar prescin- diendo de la población sobre la cual se toman los datos (Xi ). I ¿Cuando se puede utilizar? Cuando se tiene un tamaño muestral grande. : , 4 Teorema del Ĺımite Central I ¿Para qué sirve? Se utiliza para tener una buena aproximación de la distribución mues- tral de la suma Sn (o del promedio X n) que se puede utilizar prescin- diendo de la población sobre la cual se toman los datos (Xi ). I ¿Cuando se puede utilizar? Cuando se tiene un tamaño muestral grande. : , 4 Teorema del Ĺımite Central Ejercicio 1 El aumento del uso de tecnoloǵıa en los útimos años, ha influido enor- mente en la manera de hacer docencia. Los profesores han ido adaptando sus clases utilizando material audiovisual de apoyo, por lo que es funda- mental contar con un proyector en la sala. Suponga que en una cierta Universidad, se sabe que las ampolletas del proyector de una sala tienen una vida útil media de µ = 100 horas y desviación estándar σ = 75. Durante el semestre, se utiliza el proyector durante 9000 horas. Calcule la probabilidad aproximada de que 100 ampolletas sean suficientes en el semestre. : , 5 Teorema del Ĺımite Central Solución Ejercicio 1 I Considere a Yi como el tiempo de vida útil de la ampolleta, y denote al stock de 100 ampolletas como S100 = ∑100 i=1 Yi I La media E(Yi ) = 100 y la desviación σ = 75 I Se está pidiendo determinar si el stock de 100 ampolletas es suficiente, por lo tanto se debe calcular Pr ( S100 > 9000 ) I Por TLC se puede aproximar la distribución de S100 por una Normal(1002, 752 · 100) : , 6 Teorema del Ĺımite Central Solución Ejercicio 1 De esta manera, Pr ( S100 > 9000 ) = Pr ( S100 − 100 · 100 75 · 10 > 9000− 100 · 100 75 · 10 ) = Pr (Z > −1.33) ≈ 0.91 : , 7 Teorema del Ĺımite Central Ejercicio 2 El Product Management de un banco sabe por medio de un estudio que la rentabilidad porcentual de las tarjetas de créditos de personas naturales durante el año se distribuye R ∼ Beta(α = 1.5, β = 8.5). El Product Management quiere saber la probabilidad de que un nuevo portafolio de 900 tarjeta de crédito rentabilice en promedio más de un 15.5% durante el año. Entregue una aproximación para la probabilidad. : , 8 Teorema del Ĺımite Central Solución Ejercicio 2 Antecedentes del ejercicio I Se dispone de una muestra aleatoria de 900 rentabilidades, tal que Ri iid∼ Beta(α = 1.5, β = 8.5). I La media y la varianza están dados por: E(R) = α α + β = 1.5 1.5 + 8.5 = 0.15, Var(R) = αβ (α + β + 1)(α + β)2 = 1.5 · 8.5 11 · (1.5 + 8.5)2 ≈ 0.0116. Entonces para el TLC µ = 0.15 y σ ≈ √ 0.0116. : , 9 Teorema del Ĺımite Central Solución Ejercicio 2 Note la siguiente relación ∑n i=1 Ri − nµ σ √ n = √ n ( Rn − µ ) σ Entonces Pr(Rn > 0.155) = Pr ( √ 900 ( Rn − 0.15 ) √ 0.0116 > √ 900 (0.155− 0.15) √ 0.0116 ) = Pr(Z > 1.3927) = 0.082 El portafolio tiene una probabilidad aproximada de 0.082 de rentar más de un 15.5%. : , 10 Teorema del Ĺımite Central Ejercicio 3 Suponga que en cada transacción, Xi corresponde al precio de compra de un Real (moneda brasileña) en pesos, e Yi al valor de venta. Obtenga la probabilidad aproximada de que, en valor absoluto, el promedio de las diferencias entre precios de compra y venta de 100 transacciones, sea mayor a 11, donde E (Xi ) = 240, E (Yi ) = 230, V(Xi ) = 16, V(Yi ) = 9. Asuma que los valores están asociados, de manera que su correlación es igual a -0.3. : , 11 Teorema del Ĺımite Central Solución Ejercicio 3 I Sea Ui = Xi − Yi , i = 1, ..., 100, las diferencias entre precio de compra y venta de las 100 transacciones. Los momentos son: E(Ui ) = E(Xi )− E(Yi ) = 10 Var(Ui ) = Var(Xi ) + Var(Yi )− 2Cov(Xi ,Yi ) = 16 + 9− 2 · (−3.6) = 32.2 La covarianza se derivó de la siguiente relación ρ(Xi ,Yi ) = −0.3 Cov(Xi ,Yi ) = −0.3 √ Var(Xi ) √ Var(Yi ) = −0.3 · 4 · 3 = −3.6 : , 12 Teorema del Ĺımite Central Solución Ejercicio 3 I Defina a U100 = 1 100 ∑100 i=1 Ui el promedio de las 100 diferencias. I Se pide calcular de manera aproximada la siguiente probabilidad Pr ( |U100| > 11 ) . I Por TLC se tiene que U100 puede ser aproximada por una Normal con media E (U100) = 1 100 100∑ i=1 E (Ui ) = 10 y varianza Var(U100) = 1 1002 100∑ i=1 Var(Ui ) = Var(Ui ) 100 = 32.2 100 : , 13 Teorema del Ĺımite Central Solución Ejercicio 3 Luego, Pr ( |U100| > 11 ) = Pr ({ U100 > 11 } ∪ { U100 < −11 }) = Pr ( U100 > 11 ) + Pr ( U100 < −11 ) = Pr (√ 100 ( U100 − 10 ) √ 32.2 > √ 100(11− 10)√ 32.2 ) +Pr (√ 100 ( U100 − 10 ) √ 32.2 < √ 100(−11− 10)√ 32.2 ) ≈ Pr (Z > 1.76) + Pr (Z < −37.01) = 0.039 : , 14
Compartir