Beruflich Dokumente
Kultur Dokumente
DISTRIBUCIONES 2, t Y F
JtF I
Observacin
En este captulo se analizarn tres distribuciones que son de importancia crucial en la estimacin de
parmetros por intervalos de confianza, en las pruebas de hiptesis, en el ajuste de datos, etc, temas
que se vern en captulos subsiguientes.
Este captulo es pues solo un soporte de lo que se vendr ms tarde, y no existen ejemplos o
aplicaciones directas de estas distribuciones, las cuales solo cobrarn vigencia al entrar en los
temas arriba citados.
JtF II
Distribucin 2 (J i cuadrado)
JtF II.1
a.
Sea n variables aleatorias independientes X1, ..., Xn todas ellas normales (0 ; 1).
Sea una nueva variable aleatoria:
X = X 2 + ... + X 2
n
1
[1]
n 1 x
2 e 2
f X (x ) = x
n2 n
2 2
()
siendo en general: ( a ) =
a 1 x
para x < 0
para x 0
[2]
dx para a > 0.
b.
Se dir que la variable X definida en [1] tiene una distribucin 2 (J i-cuadrado) con n
grados de libertad, lo que se abrevia diciendo que X es una variable
distribucin
c.
n2 .
=n
2 = 2n
X
[4]
n2 y n2 respectivamente,
1
[5]
JtF 2
d.
n2 .
f (x)
n=2
n=5
n = 10
x
5
10
15
20
25
Funciones de densidad de probabilidad de
varias distribuciones 2.
JtF II.2
2 ;n ) =
[6]
2 ;n en funcin de distintos y
02,05;10 ) = 0,05
02,05;10 = 18,31.
JtF 3
f X (x)
P(X >
2 ;n tales que
2 ;n ) =
2 ;n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
.995
.00+
.01
.07
.21
.41
.68
.99
1.34
1.73
2.16
2.60
3.07
3.57
4.07
4.60
5.14
5.70
6.26
6.84
7.43
8.03
8.64
9.26
9.89
10.52
11.16
11.81
12.46
13.12
13.79
20.71
27.99
35.53
43.28
51.17
59.20
67.33
.990
.00+
.02
.11
.30
.55
.87
1.24
1.65
2.09
2.56
3.05
3.57
4.11
4.66
5.23
5.81
6.41
7.01
7.63
8.26
8.90
9.54
10.20
10.86
11.52
12.20
12.88
13.57
14.26
14.95
22.16
29.71
37.48
45.44
53.54
61.75
70.06
.975
.00+
.05
.22
.48
.863
1.24
1.69
2.18
2.70
3.25
3.82
4.40
5.01
5.63
6.27
6.91
7.56
8.23
8.91
9.59
10.28
10.98
11.69
12.40
13.12
13.84
14.57
15.31
16.05
16.79
24.43
32.36
40.48
48.76
57.15
65.65
74.22
.950
.00+
.10
.35
.71
1.15
1.64
2.17
2.73
3.33
3.94
4.57
5.23
5.89
6.57
7.26
7.96
8.67
9.39
10.12
10.85
11.59
12.34
13.09
13.85
14.61
15.38
16.15
16.93
17.71
18.49
26.51
34.76
43.19
51.74
60.39
69.13
77.93
.900
.02
.21
.58
1.06
1.61
2.20
2.83
3.49
4.17
4.87
5.58
6.30
7.04
7.79
8.55
9.31
10.09
10.87
11.65
12.44
13.24
14.04
14.85
15.66
16.47
17.29
18.11
18.94
19.77
20.60
29.05
37.69
46.46
55.33
64.28
73.29
82.36
.500
.100
.050
.45
2.71
3.84
1.39
4.61
5.99
2.37
6.25
7.81
3.36
7.78
9.49
4.35
9.24 11.07
5.35 10.65 12.59
6.35 12.02 14.07
7.34 13.36 15.51
8.34 14.68 16.92
9.34 15.99 18.31
10.34 17.28 19.68
11.34 18.55 21.03
12.34 19.81 22.36
13.34 21.06 23.68
14.34 22.31 25.00
15.34 23.54 26.30
16.34 24.77 27.59
17.34 25.99 28.87
18.34 27.20 30.14
19.34 28.41 31.41
20.34 29.62 32.67
21.34 30.81 33.92
22.34 32.01 35.17
23.34 33.20 36.42
24.34 34.28 37.65
25.34 35.56 38.89
26.34 36.74 40.11
27.34 37.92 41.34
28.34 39.09 42.56
29.34 40.26 43.77
39.34 51.81 55.76
49.33 63.17 67.50
59.33 74.40 79.08
69.33 85.53 90.53
79.33 96.58 101.88
89.33 107.57 113.14
99.33 118.50 124.34
.025
5.02
7.38
9.35
11.14
12.83
14.45
16.01
17.53
19.02
20.48
21.92
23.34
24.74
26.12
27.49
28.85
30.19
31.53
32.85
34.17
35.48
36.78
38.08
39.36
40.65
41.92
43.19
44.46
45.72
46.98
59.34
71.42
83.30
95.02
106.63
118.14
129.56
.010
6.63
9.21
11.34
13.28
15.09
16.81
18.48
20.09
21.67
23.21
24.72
26.22
27.69
29.14
30.58
32.00
33.41
34.81
36.19
37.57
38.93
40.29
41.64
42.98
44.31
45.64
46.96
48.28
49.59
50.89
63.69
76.15
88.38
100.42
112.33
124.12
135.81
.005
7.88
10.60
12.84
14.86
16.75
18.55
20.28
21.96
23.59
25.19
26.76
28.30
29.82
31.32
32.80
34.27
35.72
37.16
38.58
40.00
41.40
42.80
44.18
45.56
46.93
48.29
49.65
50.99
52.34
53.67
66.77
79.49
91.95
104.22
116.32
128.30
140.17
JtF 4
JtF III
Teorema (muy importante)
Sean X1, ..., Xn variables aleatorias normales e independientes, todas con un mismo valor medio m y
una misma varianza 2.
Sean las variables aleatorias X y S2 definidas segn las siguientes expresiones:
X=
1 n
Xi
n
i =1
S2 =
1 n
(X i X ) 2
n
i =1
Puede demostrarse (ver H. Cramer Elementos de la Teora de las Probabilidades, pgs 208 212)
que:
Xm
tiene una distribucin normal (0 ; 1).
1. La variable
nS 2
2. La variable
libertad).
3. Las variables
Xm
nS 2
son independientes.
JtF IV
Distribucin t de Student
JtF IV.1
a.
f nT ( x ) =
b.
n +1
1
2
; -<x<
n +1
n n x 2 2
2 1 +
[2]
Se dir que esta variable T tiene una distribucin t de Student con n grados de libertad, lo
que se abrevia diciendo que T es una variable tn.
JtF 5
n = 10
n = [N (0 ; 1)]
0
x
Funciones de densidad de probabilidad de varias distribuciones t.
En este grfico puede observarse que las f. de d. all representadas son simtricas con
respecto a x = 0, lo cual era dable esperar visto y considerando el integrando [2], y que sus
apariencias son bastante similares a la de la f. de d. de la distribucin normal (0 ; 1), a la que
se van aproximando a medida que aumenta n, pudiendo demostrarse que:
Lim f nT ( x ) = f N(0;1) ( x )
[3]
=0
c.
d.
Si una variable T tiene una distribucin tn se define que el punto t ; n es el valor tal que:
Observaciones:
1. En la tabla antedicha, comparando las filas n = 30 y n = (distribucin normal) puede
verse que las diferencias para un mismo son pequeas.
Es por este motivo que en la prctica a menudo se supone que a partir de n = 30 la
distribucin de la variable T es aproximadamente normal.
2. Puesto que la distribucin t es simtrica con respecto a cero, se tiene que:
P(T < t ; n) = P(T > t ; n)
[4]
JtF 6
t,n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
.40
.325
.289
.277
.271
.267
.265
.263
.262
.261
.260
.260
.259
.259
.258
.258
.258
.257
.257
.257
.257
.257
.256
.256
.256
.256
.256
.256
.256
.256
.256
.255
.254
.254
.253
.25
1.000
.816
.765
.741
.727
.718
.711
.706
.703
.700
.697
.695
.694
.692
.691
.690
.689
.688
.688
.687
.686
.686
.685
.685
.684
.684
.684
.683
.683
.683
.681
.679
.677
.674
.10
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.310
1.303
1.296
1.289
1.282
.05
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.671
1.658
1.645
.025
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
.01
31.821
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
2.583
2.567
2.552
2.539
2.528
2.518
2.508
2.500
2.492
2.485
2.479
2.473
2.467
2.462
2.457
2.423
2.390
2.358
2.326
.005
63.657
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756
2.750
2.704
2.660
2.617
2.576
.0025
127.32
14.089
7.453
5.598
4.773
4.317
4.029
3.833
3.690
3.581
3.497
3.428
3.372
3.326
3.286
3.252
3.222
3.197
3.174
3.153
3.135
3.119
3.104
3.091
3.078
3.067
3.057
3.047
3.038
3.030
2.971
2.915
2.860
2.807
.001
318.31
23.326
10.213
7.173
5.893
5.208
4.785
4.501
4.297
4.144
4.025
3.930
3.852
3.787
3.733
3.686
3.646
3.610
3.579
3.552
3.527
3.505
3.485
3.467
3.450
3.435
3.421
3.408
3.396
3.385
3.307
3.232
3.160
3.090
.0005
636.62
31.598
12.924
8.610
6.869
5.959
5.408
5.041
4.781
4.587
4.437
4.318
4.221
4.140
4.073
4.015
3.965
3.922
3.883
3.850
3.819
3.792
3.767
3.745
3.725
3.707
3.690
3.674
3.659
3.646
3.551
3.460
3.373
3.291
JtF 7
JtF IV.2
Por la definicin dada en [1] y por lo visto en JtF III se tiene que siendo las variables X1, ..., Xn
todas normales (m , ) resulta que:
Xm
T = n 1
Xm
n
= n 1
S
nS 2
2
[5]
JtF IV.3
Sean X1, ..., X n variables aleatorias normales (mX , ).
X
Sean Y1, ..., Yn Y variables aleatorias normales (mY , ).
(Notar que las variables X y las Y tienen todas la misma desviacin tpica).
Sean X1, ..., X n , Y1, ..., Yn todas independientes entre s.
X
Sean:
X=
Y=
Xi
X i =1
nY
1
n
n
1 X
2
SX =
(X i X ) 2
n
X i =1
nX
n
1 Y
2
SY =
(Yi Y) 2
n
Y i =1
Yi
Y i =1
Evidentemente:
m
X Y
=m
=m
Por ser
2 =2 =2
X
Y
2 2
1
X
1
2
2
2
= + =
+ Y = 2
+
XY
X
Y n
n
n
n
X
Y
Y
X
1
1
=
+
n
n
X Y
X
Y
(X Y ) (m X
1
n
m
1
)
es normal (0 , 1)
[6]
JtF 8
S2
n S2
X X = X X tiene una distribucin 2 con n 1 grados de libertad.
X
2
X
2
S2
n S2
Y Y = Y Y tienen una distribucin 2 con n 1 grados de libertad.
Y
2
Y
2
Estas dos variables son independientes por serlo las X1, ..., X n , Y1, ..., Yn , y entonces por lo
n
S2 n S2
X X + Y Y = 1 (n S 2 + n S 2 ) tiene una distribucin
X
Y Y
2
2
2 X
2 con (n
- 1) + (n
- 1) = n
+n
[7]
- 2 grados de libertad.
Como puede demostrarse que las variables indicadas en [6] y [7] son independientes se tiene por [1]
que:
( X Y ) (m
T= n
+n
1 + 1
n
n
X
Y
n S 2X + n S 2Y
Y
X
(n
+n
2)
(n S 2X + n S 2Y ) 1 + 1
n
Y
X
n
Y
X
[8]
[(X Y) (m X m Y )]
+n
- 2 grados de libertad.
JtF V
Distribucin F de Snedecor
a.
n21 y
X
n1
[1]
Z=
Y
n2
Puede probarse (ver Mtodos Matemticos de la Estadstica, pg. 276 de H. Cramer, donde
figura una demostracin detallada) que la funcin de densidad de la variable Z es:
JtF 9
n1
n1 2
f Z (z) =
n + n
1 2
2 n2
n1
1
z2
n1 + n 2
2
n n n
1 2 1 z + 1
2 2 n2
0<z<
[2]
b.
Si una variable Z tiene una distribucin Fn1 , n2 se define que el punto f , n , n es el valor
1 2
tal que:
P(Z > ) =
Z (z) dz =
[3]
f ,n1,n2
En las tablas indicadas en las figuras JtF V.a y JtF V.b se dan para = 0,01 y = 0,05
respectivamente, valores de f , n , n en funcin de n1 y n2.
1 2
As por ejemplo f 0,05 ; 5 ; 10 = 3,33 y f 0,01 ; 5 ; 10 = 5,64.
c.
f (1 ),n1 ,n2 =
1
f ,n1 ,n2
[4]
JtF 10
JtF 11