MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS 5.1.- Distribuciones n-dimensionales. Análisis marginal y condicionado 5.2.- Variables aleatorias independientes. Propiedades 5.3.-Agregación de variables aleatorias 5.4.-Teorema Central del Límite y sus aplicaciones Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa TEMA 5. COMPETENCIAS • Saber calcular e interpretar la covarianza y el coeficiente de correlación lineal. • Conocer las principales propiedades derivadas de la independencia de variables aleatorias. • Saber aplicar e interpretar el Teorema Central del Límite. Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 1 MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS 5.1.- Distribuciones n-dimensionales. Análisis marginal y condicionado Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Distribución conjunta de dos variables aleatorias COCHES Se han analizado conjuntamente las variables número de hijos de cada familia (X) y número de coches por familia (Y) Y X 1 2 3 1 0,19 0,16 0,09 2 0,06 0,19 0,31 Valores (xi, yj) Probabilidades conjuntas pij P(X=2,Y=1)=0,16 Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 2 Variable aleatoria bidimensional discreta Observación conjunta de dos variables aleatorias unidimensionales discretas X e Y {(xi ,y j )/i, j = 1,2,...} (X,Y) v. a. DISCRETA P:(x,y) ∈ R2 → P(x,y) = P(X=x, Y=y) ∈ [0,1] Y\ X x1 y1 p11 ... xi ... pi1 xk pk1 P(X = x i , Y = y j ) = p ij ... yj p1j pij pkj ∑∑ p ij i ... yl Probabilidad conjunta pij=P(X=xi,Y=yj) p1l pil pkl =1 j pij ≥ 0 Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Distribuciones marginales Y\ X x1 ... xi ... xk y1 p11 pi1 pk1 p1j pij pkj ... yj Distribución marginal de Y: (yj, p.j) p.j =∑ pij i ... yl p1l pil pkl pi. =∑ pij j Distribución marginal de X: (xi, pi.) Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 3 Distribuciones marginales Las distribuciones marginales son distribuciones de v.a. unidimensionales, sobre las que: Se pueden calcular probabilidades y Se pueden obtener las correspondientes características marginales de X e Y: E(X) Var (X) E(Y) Var(Y) Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Variables bidimensionales continuas Observación conjunta de dos variables aleatorias unidimensionales continuas X e Y (X,Y) v. a. CONTINUA Función de densidad conjunta f:(x,y) ∈ R2 → f(x,y) ∈ R +∞ +∞ ∫ ∫ f (x, y)dxdy = 1 f(x, y) ≥ 0 −∞ − ∞ Funciones de densidad marginales fY (y)=∫ +∞ -∞ f(x,y)dx f X (x) = +∞ ∫−∞ f(x, y)dy Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 4 Función de distribución conjunta Dada una v.a. bidimensional (X,Y) definimos la función de distribución conjunta asociada a esta variable como: Función de distribución conjunta F:(x,y) ∈ R2 → F(x,y) = P(X≤x, Y≤y) ∈ [0,1] Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Relación lineal entre variables aleatorias Covarianza σX,Y =Cov ( X,Y ) =E ( X-µ X )( Y-µ Y ) σ X,Y =E ( XY ) -E ( X ) E ( Y ) Coeficiente de correlación lineal ρX,Y = σX,Y σX σY −1 ≤ ρX,Y ≤ 1 El signo de ρX,Y indica el tipo de dependencia lineal El valor absoluto de ρX,Y indica el grado de relación lineal Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 5 Vectores aleatorios. Características Vector aleatorio Unidimensional X Bidimensional (X,Y) n-dimensional (X1, X2,... , Xn) Esperanza VarianzasCovarianzas µ = E(X) σ2 = Var(X) µ = (E(X),E(Y)) σ 2X σ XY 2 σ YX σ Y µ = (E(X1 ), ..., E(Xn )) σ12 σ 21 ... σn1 σ12 ... σ1n σ 22 ... σ 2n ... ... ... σn2 ... σn2 Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS 5.2.- Variables aleatorias independientes. Propiedades Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 6 Variables aleatorias independientes Dos v.a. X e Y son independientes si y sólo si: ∀(x,y)∈ℜ2 F(x,y) = FX(x) FY(y) f. de distribución de (X,Y) f. de distribución marginal de X f. de distribución marginal de Y CONDICIÓN DE INDEPENDENCIA (X,Y) DISCRETA P(xi,yj)=P(xi)P(yj) ∀(xi,yj)∈ℜ2 (X,Y) CONTINUA f(x,y)=fX(x)fY(y) ∀(x,y)∈ℜ2 Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Propiedades Dadas X e Y, v.a. independientes se cumple: E(XY) = E(X)E(Y) Cov(X,Y) = 0 y ρXY=0 Var(X+Y) = Var(X) + Var(Y) Var(aX+bY) = a2Var(X) + b2Var(Y) ∀a,b∈R Var(X-Y) = Var(X) + Var(Y) X e Y v.a. normales e incorreladas (ρXY=0) X e Y independientes Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 7 Reproductividad Dada una familia de variables aleatorias ψ, se dice que ésta es reproductiva si y sólo si para todo par de v.a. independientes X1, X2 ∈ ψ se cumple X1+X2 ∈ ψ V.a. independientes X ≈ B(n X , p ) Y ≈ B (n Y ,p ) X ≈ N(µX ,σX ) Y ≈ N(µY , σY ) X ≈ P( λ X ) Y ≈ P( λ Y ) Suma Reproductividad Modelo Binomial reproductivo respecto a n (p constante) X + Y ≈ B(n X + nY , p) X + Y ≈ N(µX + µY , σ + σ ) 2 X Modelo Normal 2 reproductivo respecto Y X + Y ≈ P(λ X + λ Y ) a media y varianza Modelo de Poisson reproductivo respecto al parámetro λ Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS 5.3.- Agregación de variables aleatorias Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 8 Agregación de variables aleatorias X1 (Beneficio de la empresa 1) X2 (Beneficio de la empresa 2) ........ Xn (Beneficio de la empresa n) Media Suma n ∑X n Sn =∑ Xi Xn = i=1 Beneficio total de las empresas i i=1 n Beneficio medio de las empresas Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Características de las agregados Dada la v.a. n-dimensional (X1, X2, …, Xn) con esperanzas y varianzas finitas: X1 E ( X1 ) =µ1 Var ( X1 ) =σ12 X2 E ( X2 ) =µ2 ... ... Xn E ( Xn ) =µn Var ( X1 ) =σ 22 ... Var ( X1 ) =σ n2 n n Esperanz a Varianza E ( Sn ) =∑ µi i=1 ( ) E Xn = ∑µ i i=1 n n n Var(Sn ) = Var ∑ Xi = ∑ σ i2 + ∑ σ ij i=1 i =1 i≠ j X1, X2, ..., Xn independientes n ∑σ n Var(Sn ) = ∑ σ i2 i =1 Var(Xn ) = 2 i i=1 n2 Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 9 Desigualdad de Chebyshev Sea (X1, X2, …, Xn) v.a. n-dimensional con esperanzas y varianzas finitas Acotación de Chebyshev para la suma: P ( Sn -E(Sn ) ≥ ε ) ≤ Var(Sn ) ε2 Acotación de Chebyshev para la media: ( ) P Xn -E(Xn ) ≥ ε ≤ Var(Xn ) ε2 Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Variables aleatorias i.i.d. Dadas X1, X2, ..., Xn v.a. independientes e indénticamente distribuidas con: Xi E ( Xi ) =µ Var ( Xi ) =σ 2 ∀i=1,...,n MAGNITUD ESPERANZA VARIANZA Suma(Sn) E(Sn)=nµ Var(Sn)=nσ2 P S n − n µ ≥ ε ≤ nσ 2 ε2 σ2 n P X n − µ ≥ ε ≤ σ2 nε 2 Media (X n ) E ( Xn ) = µ Var ( X n ) = ACOTACIÓN DE CHEBYSHEV Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 10 MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS 5.4.-Teorema Central del Límite y sus aplicaciones Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Teorema Central del Límite Enunciado de Levy-Lindeberg: Dadas X1, X2, ..., Xn v.a. independientes e idénticamente distribuidas con Xi E ( Xi ) =µ n Var ( Xi ) =σ 2 finitas ∀i=1,...,n ( Sn =∑ Xi →N nµ,σ n i=1 ) Sn -nµ →N(0,1) σ n Aproximación n>30 Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 11 Teorema Central del Límite EFECTO GLOBAL AGREGADO X1 ( n S n = ∑ X i → N nµ, σ n X2 i =1 ) ... EFECTO MEDIO Xn n Xn = ∑X i =1 CAUSAS INDIVIDUALES n i σ → N µ, n Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa Teorema Central del Límite Enunciado de De Moivre: X1, X2, ..., Xn v.a. de Bernoulli, de parámetro p, e Independientes: n ∑ X − np i i=1 npq →N(0,1) Consecuencia: Corrección de continuidad Xi ≈ B(p) ∑ X ≈ B(n,p) →N(np, n i=1 i npq ) Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 12 Aproximación BINOMIAL → NORMAL n=5 n=20 n=40 Universidad de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para la Empresa 13