Estad Uma 05b

Bioestadstica
Tema 5: Modelos probabilsticos
Bioestadstica. U. Mlaga.
Variable aleatoria
El resultado de un experimento aleatorio puede ser

descrito en ocasiones como una cantidad numrica.
En estos casos aparece la nocin de variable aleatoria
Funcin que asigna a cada suceso un nmero.
Las variables aleatorias pueden ser discretas o

continuas (como en el primer tema del curso).
En las siguientes transparencias vamos a recordar

conceptos de temas anteriores, junto con su nueva
designacin. Los nombres son nuevos. Los conceptos
no.
Funcin de probabilidad (V. Discretas)
Asigna a cada posible valor

de una variable discreta su
probabilidad.
Recuerda los conceptos de

frecuencia relativa y diagrama de
barras.
Ejemplo
Nmero
de caras al lanzar 3
monedas.
Funcin de densidad (V. Continuas)
Definicin
Es una funcin no negativa de integral 1.
Pinsalo como la generalizacin del

histograma con frecuencias relativas para
variables continuas.
Para qu lo voy a usar?

Nunca lo vas a usar directamente.
Sus valores no representan probabilidades.
Para qu sirve la f. densidad?
Muchos procesos aleatorios vienen descritos por variables de forma

que son conocidas las probabilidades en intervalos.
La integral definida de la funcin de densidad en dichos intervalos

coincide con la probabilidad de los mismos.
Es decir, identificamos la probabilidad de un intervalo con el rea bajo

la funcin de densidad.
Funcin de distribucin
Es la funcin que asocia a cada valor de una

variable, la probabilidad acumulada
de los valores inferiores o iguales.
Pinsalo como la generalizacin de las

frecuencias acumuladas. Diagrama integral.
A los valores extremadamente bajos les corresponden

valores de la funcin de distribucin cercanos a cero.
A los valores extremadamente altos les corresponden

valores de la funcin de distribucin cercanos a uno.
Lo encontraremos en los artculos y aplicaciones en forma

de p-valor, significacin,
No le deis ms importancia a este comentario ahora. Ya

os ir sonando conforme avancemos.
Para qu sirve la f. distribucin?
Contrastar lo anmalo de una observacin concreta.
S que una persona de altura 210cm es anmala porque la funcin de

distribucin en 210 es muy alta.
S que una persona adulta que mida menos de 140cm es anmala porque
la funcin de distribucin es muy baja para 140cm.
S que una persona que mida 170cm no posee una altura nada extraa pues
su funcin de distribucin es aproximadamente 0,5.
Relacinalo con la idea de cuantil.
En otro contexto (contrastes de hiptesis) podremos observar unos

resultados experimentales y contrastar lo anmalos que son en
conjunto con respecto a una hiptesis de terminada.
Intenta comprender la explicacin de clase si puedes. Si no, ignora esto

de momento. Revisita este punto cuando hayamos visto el tema de
contrastes de hiptesis.
Valor esperado y varianza de una v.a. X
Valor esperado
Se
representa mediante E[X]

Es el equivalente a la media
Ms detalles: Ver libro.
Varianza
Se
representa mediante VAR[X] o 2

Es el equivalente a la varianza
Se llama desviacin tpica a
Ms detalles: Ver libro.
Distribucin normal o de Gauss
Aparece de manera natural:

Errores
de medida.
Distancia de frenado.
Altura, peso, propensin al crimen
Distribuciones binomiales con n grande (n>30) y p ni
pequeo (np>5) ni grande (nq>5).
Est caracterizada por dos parmetros: La media, ,

y la desviacin tpica, .
2
Su funcin de densidad es:
1
f ( x)
e
2
1 x

N(, ): Interpretacin
geomtrica
Podis interpretar la
media como un factor
de traslacin.
Y la desviacin tpica
como un factor de
escala, grado de
dispersin,
10
N(, ): Interpretacin probabilista
Entre la media y una

desviacin tpica
tenemos siempre la
misma probabilidad:
aprox. 68%
Entre la media y dos

desviaciones tpicas
aprox. 95%
11
Algunas caractersticas
La funcin de densidad es simtrica, mesocrtica y unimodal.
Media, mediana y moda coinciden.
Los puntos de inflexin de la fun. de densidad estn a distancia de .
Si tomamos intervalos centrados en , y cuyos extremos estn
a distancia ,
a distancia 2 ,
a distancia 25
tenemos probabilidad 68%

No es posible calcular la probabilidad de un intervalo simplemente

usando la primitiva de la funcin de densidad, ya que no tiene primitiva
expresable en trminos de funciones comunes.
Todas las distribuciones normales N(, ), pueden ponerse mediante una

traslacin , y un cambio de escala , como N(0,1). Esta distribucin
especial se llama normal tipificada.
Justifica la tcnica de tipificacin, cuando intentamos comparar individuos

diferentes obtenidos de sendas poblaciones normales.
12
Tipificacin
Dada una variable de media y desviacin tpica , se denomina

valor tipificado,z, de una observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones tpicas, es decir
x
z
En el caso de variable X normal, la interpretacin es clara: Asigna a

todo valor de N(, ), un valor de N(0,1) que deja exctamente la
misma probabilidad por debajo.
Nos permite as comparar entre dos valores de dos distribuciones

normales diferentes, para saber cul de los dos es ms extremo.
13
Tabla N(0,1)
Z es normal tipificada.
Calcular P[Z<1,85]
Solucin: 0,968 = 96,8%
14
Tabla N(0,1)
Calcular P[Z<-0,54]
Solucin: 1-0,705 = 0,295

15
Tabla N(0,1)
Calcular P[-0,54<Z<1,85]
Solucin: 0,968-0,295= 0,673
16
Ejemplo: Clculo con probabilidades normales
El colesterol en la poblacin tiene distribucin

normal, con media 200 y desviacin 10.
Qu porcentaje de indivduos tiene

colesterol inferior a 210?
Qu valor del colesterol slo es superado por

el 10% de los individuos.
17
Todas las distribuciones normales son similares salvo traslacin y cambio de

escala: Tipifiquemos.
210 200
1
10
P[ Z 1,00] ( ver tabla) 0,841

18
El valor del colesterol que slo supera el 10% de los individuos es el percentil 90.
Calculemos el percentil 90 de la N(0,1) y deshacemos la tipificacin.
x 200
1,28
10
x 200 10 1,28 212,8
19
Ejemplo: Tipificacin
Se quiere dar una beca a uno de dos estudiantes de

sistemas educativos diferentes. Se asignar al que
tenga mejor expediente acadmico.
El estudiante A tiene una calificacin de 8 en un sistema
donde la calificacin de los alumnos se comporta como
N(6,1).
El estudiante B tiene una calificacin de 80 en un sistema
donde la calificacin de los alumnos se comporta como
N(70,10).
Solucin
No podemos comparar directamente 8 puntos de A frente a

los 80 de B, pero como ambas poblaciones se comportan
de modo normal, podemos tipificar y observar las
puntuaciones sobre una distribucin de referencia N(0,1)
20
xA A 8 6
zA
2
A
1
xB B 80 70
zB
1
B
10
Como ZA>ZB, podemos decir que el
porcentaje de compaeros del mismo
sistema de estudios que ha superado
en calificacin el estudiante A es
mayor que el que ha superado B.
Podramos pensar en principio que A
es mejor candidato para la beca.
21
Por qu es importante la distribucin normal?
Las propiedades que tiene la distribucin normal son

interesantes, pero todava no hemos hablado de por qu
es una distribucin especialmente importante.
La razn es que aunque una v.a. no posea distribucin

normal, ciertos estadsticos/estimadores calculados
sobre muestras elegidas al azar s que poseen una
distribucin normal.
Es decir, tengan las distribucin que tengan nuestros

datos, los objetos que resumen la informacin de una
muestra, posiblemente tengan distribucin normal (o
asociada).
22
Aplic. de la normal: Estimacin en muestras
Como ilustracin
mostramos una variable
que presenta valores
distribuidos de forma muy
asimtrica. Claramente
no normal.
Saquemos muestras de
diferentes tamaos, y
usemos la media de cada
muestra para estimar la
media de la poblacin.
23
Cada muestra ofrece un

resultado diferente: La media
muestral es variable aleatoria.
Su distribucin es ms parecida
a la normal que la original.
Tambin est menos dispersa.

A su dispersin (desv. tpica del
estimador media muestral
os gusta el nombre largo?) se
le suele denominar error tpico.
24
Al aumentar el
tamao, n, de la
muestra:
La
normalidad de las
estimaciones mejora
El
error tpico
disminuye.
25
Puedo garantizar medias

muestrales tan cercanas
como quiera a la
verdadera media, sin ms
que tomar n bastante
grande
Se utiliza esta propiedad

para dimensionar el
tamao de una muestra
antes de empezar una
investigacin.
26
Resumen: Teorema del lmite central
Dada una v.a. cualquiera, si extraemos muestras de

tamao n, y calculamos los promedios muestrales, entonces:
dichos promedios tienen distribucin

aproximadamente normal;
La media de los promedios muestrales

es la misma que la de la variable original.
La desviacin tpica de los promedios disminuye en un factor raz de n (error

estndar).
Las aproximaciones anteriores se hacen exactas cuando n tiende a infinito.
Este teorema justifica la importancia de la distribucin normal.
Sea lo que sea lo que midamos, cuando se promedie sobre una muestra
grande (n>30) nos va a aparecer de manera natural la distribucin normal.
27
Distribuciones asociadas a la normal
Cuando queramos hacer inferencia estadstica hemos visto que la

distribucin normal aparece de forma casi inevitable.
Dependiendo del problema, podemos encontrar otras (asociadas):
X2 (chi cuadrado)
t- student
F-Snedecor
Estas distribuciones resultan directamente de operar con distribuciones

normales. Tpicamente aparecen como distribuciones de ciertos
estadsticos.
Veamos algunas propiedades que tienen (superficialmente). Para ms

detalles consultad el manual.
Sobre todo nos interesa saber qu valores de dichas distribuciones son

atpicos.
Significacin, p-valores,
28
Chi cuadrado
Tiene un slo parmetro

denominado grados de libertad.
La funcin de densidad es
asimtrica positiva. Slo tienen
densidad los valores positivos.
La funcin de densidad se hace

ms simtrica incluso casi
gausiana cuando aumenta el
nmero de grados de libertad.
Normalmente consideraremos
anmalos aquellos valores de la
variable de la cola de la
derecha.
29
T de student
Tiene un parmetro denominado

grados de libertad.
Cuando aumentan los grados de

libertad, ms se acerca a N(0,1).
Es simtrica con respecto al cero.
Se consideran valores anmalos los

que se alejan de cero (positivos o
negativos).
30
F de Snedecor
Tiene dos parmetros

denominados grados de
libertad.
Slo toma valores

positivos. Es asimtrica.
Normalmente se consideran
valores anmalos los de la
cola de la derecha.
31
Qu hemos visto?
En v.a. hay conceptos equivalentes a los de temas

anteriores
Funcin de probabilidad Frec. Relativa.

Funcin de densidad histograma
Funcin de distribucin diagr. Integral.
Valor esperado media,
Modelos de v.a. de especial importancia:
Normal
Propiedades geomtricas
Tipificacin
Aparece tanto en problemas con variables cualitativas (dicotmicas,
Bernoulli) como numricas
Distribuciones asociadas
T-student
X2
F de Snedecor
32

Estad Uma 05b

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estad Uma 05b

Enviado por

Direitos autorais:

Formatos disponíveis

Bioestadstica

Tema 5: Modelos probabilsticos

Tema 5: Modelos probabilsticos

El resultado de un experimento aleatorio puede ser

En estos casos aparece la nocin de variable aleatoria

Funcin que asigna a cada suceso un nmero.

Las variables aleatorias pueden ser discretas o

En las siguientes transparencias vamos a recordar

Tema 5: Modelos probabilsticos

Funcin de probabilidad (V. Discretas)

Asigna a cada posible valor

Recuerda los conceptos de

Tema 5: Modelos probabilsticos

Funcin de densidad (V. Continuas)

Es una funcin no negativa de integral 1.

Pinsalo como la generalizacin del

Para qu lo voy a usar?

Tema 5: Modelos probabilsticos

Para qu sirve la f. densidad?

Muchos procesos aleatorios vienen descritos por variables de forma

La integral definida de la funcin de densidad en dichos intervalos

Es decir, identificamos la probabilidad de un intervalo con el rea bajo

Tema 5: Modelos probabilsticos

Es la funcin que asocia a cada valor de una

Pinsalo como la generalizacin de las

A los valores extremadamente bajos les corresponden

A los valores extremadamente altos les corresponden

Lo encontraremos en los artculos y aplicaciones en forma

No le deis ms importancia a este comentario ahora. Ya

Tema 5: Modelos probabilsticos

Para qu sirve la f. distribucin?

Contrastar lo anmalo de una observacin concreta.

S que una persona de altura 210cm es anmala porque la funcin de

Relacinalo con la idea de cuantil.

En otro contexto (contrastes de hiptesis) podremos observar unos

Intenta comprender la explicacin de clase si puedes. Si no, ignora esto

Tema 5: Modelos probabilsticos

Valor esperado y varianza de una v.a. X

representa mediante E[X]

Ms detalles: Ver libro.

representa mediante VAR[X] o 2

Ms detalles: Ver libro.

Tema 5: Modelos probabilsticos

Distribucin normal o de Gauss

Aparece de manera natural:

Est caracterizada por dos parmetros: La media, ,

Tema 5: Modelos probabilsticos

Tema 5: Modelos probabilsticos

N(, ): Interpretacin probabilista

Entre la media y una

Entre la media y dos

Tema 5: Modelos probabilsticos

La funcin de densidad es simtrica, mesocrtica y unimodal.

Media, mediana y moda coinciden.

Los puntos de inflexin de la fun. de densidad estn a distancia de .

Si tomamos intervalos centrados en , y cuyos extremos estn

tenemos probabilidad 68%

No es posible calcular la probabilidad de un intervalo simplemente

Todas las distribuciones normales N(, ), pueden ponerse mediante una

Justifica la tcnica de tipificacin, cuando intentamos comparar individuos

Tema 5: Modelos probabilsticos

Dada una variable de media y desviacin tpica , se denomina

En el caso de variable X normal, la interpretacin es clara: Asigna a

Nos permite as comparar entre dos valores de dos distribuciones