Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
EAS201a - Inferencia Estad́ıstica Escuela de Administración UC Material de Apoyo Ayudant́ıa 2 : , 1 Distribuciones derivadas de la Normal Tópicos de la Ayudant́ıa I Distribuciones derivadas de la Normal I Ejercicios I Ejercicios Propuestos : , 2 Distribuciones derivadas de la Normal I Si Z ∼ N(0, 1), entonces la v.a U = Z 2 tiene distribución χ2(1) I Si U1,U2, ...,Un son v.a iid χ 2(1), entonces V = ∑n i=1 Ui tiene distribución χ2(n) I Si Z ∼ N(0, 1) y U ∼ χ2(n) son va independientes, entonces T = Z√ U/n tiene distribución t(n) I Si U ∼ χ2(m) y V ∼ χ2(n) son va independientes, entonces F = U/mV/n tiene distribución F (m, n) : , 3 Distribuciones derivadas de la Normal La Media y Varianza Muestral Sean X1, ...,Xn son una m.a proveniente de la cualquier distribución. Se define la media y varianza muestral por X̄ = 1 n n∑ i=1 Xi S2 = 1 n − 1 n∑ i=1 (Xi − X̄ )2 : , 4 Distribuciones derivadas de la Normal La Media y Varianza Muestral Suponga que la distribución de la m.a es N(µ, σ2), entonces I La media muestral X̄ tiene distribución N ( µ, σ 2 n ) Note que si la m.a tiene otra distribución y n es grande, entonces por TLC la distribución de X̄ se puede aproximar por N ( µ, σ 2 n ) I La varianza muestral no tiene una distribución conocida, pero si la multiplicamos por un factor, (n−1)S 2 σ2 se tiene que la distribución es χ2(n − 1) I A partir de lo anterior, se tiene que la v.a X̄−µ S/ √ n tiene distribución t(n − 1) : , 5 Distribuciones derivadas de la Normal Ejercicio 1 Utilizando el teorema de transformación de variables aleatorias demuestre que si Z ∼ N(0, 1) entonces la v.a U = Z 2 tiene distribución χ2(1). Calcule E (U) y Var(U) : , 6 Distribuciones derivadas de la Normal Solución Ejercicio 1 Z ∼ N(0, 1) luego fZ (z) = 1√2π e − z22 , z ∈ R Sea U = Z 2, luego Z = ± √ U. Defina g−11 (z) = − √ U y g−12 (z) = √ U Sus respectivas derivadas son dg−11 (z) du = −1 2 √ u y dg−12 (z) du = 1 2 √ u Luego por teorema de transformación de v.a se tiene que fU(u) = ∣∣∣∣ −12√u ∣∣∣∣ 1√2π e− (− √ u)2 2 + ∣∣∣∣ 12√u ∣∣∣∣ 1√2π e− ( √ u)2 2 : , 7 Distribuciones derivadas de la Normal Solución Ejercicio 1 De esta manera, fU(u) = 1√ u 1√ 2π e− u 2 , u > 0 Que corresponde a la densidad de una v.a χ2(1) Note que fU(u) se puede reescribir de la siguiente forma: fU(u) = 1√ u 1√ 2π e− u 2 = 1√ π ( 1 2 )1/2 u 1 2−1e− 1 2 u Por propiedades de la función gamma Γ(·) se tiene que Γ(1/2) = √ π, luego : , 8 Distribuciones derivadas de la Normal Solución Ejercicio 1 fU(u) = 1 Γ(1/2) ( 1 2 )1/2 u 1 2−1e− 1 2 u Que corresponde a la densidad de una v.a Gamma ( 1 2 , 1 2 ) Lo que se concluye que una v.a χ2(1) es equivalente a una Gamma ( 1 2 , 1 2 ) Esta relación nos será de utilidad para el cálculo de E(U) y Var(U). Recuerde que si X ∼ Gamma(r , λ) entonces E(X ) = r λ Var(X ) = r λ2 De esta manera, E(U) = 1/2 1/2 = 1 Var(U) = 1/2 1/4 = 2 : , 9 Distribuciones derivadas de la Normal Ejercicio 2 (a) Demuestre que si V ∼ χ2(n) entonces para n grande su distribución se puede aproximar por una distribución Normal de media n y varianza 2n. (b) Sea S2 la varianza muestral de una m.a de tamaño n. Calcule E(S2) y Var(S2). : , 10 Distribuciones derivadas de la Normal Solución Ejercicio 2 (a) Por enunciado se tiene que V ∼ χ2(n), entonces V se puede escribir como una suma de v.a iid con distribución χ2(1), es decir, V = n∑ i=1 Ui donde Ui iid∼ χ2(1) Por ejercicio anterior se tiene que E (Ui ) = 1,Var(Ui ) = 2, luego E(V ) = n∑ i=1 E(Ui ) = n Var(V ) = n∑ i=1 Var(Ui ) = 2n Como V es una suma de v.a iid, por TLC se puede aproximar su distribución por una Normal con media n y varianza 2n. : , 11 Distribuciones derivadas de la Normal Solución Ejercicio 2 (b) La varianza muestral se define por S2 = ∑n i=1(Xi−X̄ ) 2 n−1 . Se sabe que (n − 1)S2 σ2 ∼ χ2(n − 1) Luego, por parte (a) del ejercicio se tiene que la media y varianza están dadas por E ( (n − 1)S2 σ2 ) = n − 1 Var ( (n − 1)S2 σ2 ) = 2(n − 1) : , 12 Distribuciones derivadas de la Normal Solución Ejercicio 2 Despejando se obtiene, (n − 1) σ2 E(S2) = (n − 1) ⇒ E(S2) = σ2 (n − 1)2 σ4 Var(S2) = 2(n − 1) ⇒ Var(S2) = 2σ 4 n − 1 : , 13 Distribuciones derivadas de la Normal Ejercicio 3 Sean X1, ...,X10 una m.a de una población N(µX , σ 2) Y1, ...,Y15 una m.a de una población N(µY , σ 2) W1, ...,W20 una m.a de una población N(µW , σ 2) Todas las muestras son independientes entre śı. Sean S2X ,S 2 Y y S 2 W las respectivas varianzas muestrales. (a) Obtenga P ( SX SY < 1.4365 ) (b) Usando la distribución de X + Y + W , construya un estad́ıstico T tal que T ∼ t(42) : , 14 Distribuciones derivadas de la Normal Solución Ejercicio 3 (a) Por enunciado se tiene que S2X = 10∑ i=1 (Xi − X̄ )2 9 S2Y = 15∑ i=1 (Yi − Ȳ )2 14 S2W = 20∑ i=1 (Wi − W̄ )2 19 Se sabe que 9S2X σ2 ∼ χ2(9) 14S 2 Y σ2 ∼ χ2(14) 19S 2 W σ2 ∼ χ2(19) todas independientes entre śı. De esta manera, 9S2X σ2 /9 14S2Y σ2 /14 ∼ F9,14 ⇒ S2X S2Y ∼ F9,14 : , 15 Distribuciones derivadas de la Normal Solución Ejercicio 3 Nos piden calcular, P ( SX SY < 1.4365 ) = P ( S2X S2Y < 2.063 ) Lo que corresponde a calcular la probabilidad acumulada de una F9,14 en el valor 2.063. Dos alternativas: I El valor exacto de dicha probabilidad se puede obtener por medio del software R con el comando pf(2.063,9,14) = 0.8915 : , 16 Distribuciones derivadas de la Normal Solución Ejercicio 3 I Usando las tablas F con 9 y 14 grados de libertad que se disponen para probabilidades de 0.90, 0.95, 0.975. Para dichos valores se obtiene P(F < 2.12) = 0.90 P(F < 2.65) = 0.95 P(F < 3.21) = 0.975 En nuestro caso el valor más cercano a 2.063 es 2.12 por lo cual P ( S2X S2Y < 2.063 ) ≈ 0.90 : , 17 Distribuciones derivadas de la Normal Solución Ejercicio 3 (b) Por enunciado Xi ,Yi y Wi tienen distribución Normal, luego X ∼ N ( µX , σ2 10 ) Y ∼ N ( µY , σ2 15 ) W ∼ N ( µW , σ2 20 ) y son todas independientes entre śı. Luego X + Y + W ∼ N ( µX + µY + µW , σ2 10 + σ2 15 + σ2 20 ) : , 18 Distribuciones derivadas de la Normal Solución Ejercicio 3 Además, 9S2X σ2 ∼ χ2(9) 14S 2 Y σ2 ∼ χ2(14) 19S 2 W σ2 ∼ χ2(19) independientes entre śı, luego la suma de ellas también es una v.a con distribución χ2 V = 9S2X σ2 + 14S2Y σ2 + 19S2W σ2 ∼ χ2(9 + 14 + 19) = χ2(42) Como (X +Y +W ) y V son v.a independientes, luego se puede construir un estad́ıstico T con distribución t-student de la siguiente manera : , 19 Distribuciones derivadas de la Normal Solución Ejercicio 3 T = (X+Y+W )−(µX +µY +µW )√ 1 σ2 ( 110 + 1 15 + 1 20 )√ 1 σ2 (9S2X +14S2Y +19S2W ) 42 ∼ t(42) Lo que es equivalente a T = (X + Y + W )− (µX + µY + µW )√ 13 60·42 (9S 2 X + 14S 2 Y + 19S 2 W ) ∼ t(42) : , 20 Distribuciones derivadas de la Normal Ejercicios Propuestos 1. Suponga que X1,X2, ...,Xn,Xn+1 constituyen una muestra aleatoria de una distribución Normal con media µ y varianza σ2 y sea X̄n = 1 n n∑ i=1 Xi Tn = (n −1 n∑ i=1 (Xi − X̄n)2)1/2 Determine el valor de la constante k tal que la v.a k(Xn+1 − X̄n)/Tn tengs una distribución t-student. Especifique sus grados de libertad. : , 21 Distribuciones derivadas de la Normal Ejercicios Propuestos 2. Suponga que X1,X2, ...,Xn constituyen una m.a de una distribución exponencial de parámetro β. Demuestre que 2β ∑n i=1 Xi tiene distribución χ2 con 2n grados de libertad. 3. Demuestre usando el teorema de transformación que si X ∼ Fn,m entonces 1X tiene distribución Fm,n. 4. Sea X1,X2, ...,X50 una m.a de con media 0 y varianza 4. Sea S 2 50 su varianza muestral. Calcule P ( 1 < S250 < 3 ) . : , 22
Compartir