Distribuciones importantes en el muestreo : t de Student, Ji al cuadrado, F de Fisher-Snedecor

Existen una serie de distribuciones especiales que resultan de especial inters en la utilizacin de las herramientas de inferencia estadstica. Dichas distribuciones son :

Distribucin Ji al cuadrado Distribucin t de Student Distribucin F de Fisher-Snedecor

La distribucin Ji al cuadrado con n grados de libertad se corresponde con la distribucin de la suma de los cuadrados de n variables aleatorias independientes que siguen modelos normales con media 0 y desviacin tpica 1. La distribucin t de Student con n grados de libertad se corresponde con la distribucin del cociente de una variable aleatoria Normal con media 0 y desviacin tpica 1, respecto a la raiz cuadrada de una variable aleatoria Ji al cuadrado con n grados de libertad dividida por n. La distribucin Normal y Ji al cuadrado que intervienen en la definicin deben ser independientes. La distribucin F de Fisher-Snedecor con n y m grados de libertad se corresponde al cociente de una Ji al cuadrado con n grados de libertad dividida por n respecto una Ji al cuadrado con m grados de libertad dividida por m.

DISTRIBUCION JI-CUADRADA (X2) En realidad la distribucin ji-cuadrada es la distribucin muestral de s2. O sea que si se extraen todas las muestras posibles de una poblacin normal y a cada muestra se le calcula su varianza, se obtendr la distribucin muestral de varianzas. Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer el estadstico X2. Si se elige una muestra de tamao n de una poblacin normal con varianza , el estadstico:

tiene una distribucin muestral que es una distribucin ji-cuadrada con gl=n-1 grados de libertad y se denota X2 (X es la minscula de la letra griega ji). El estadstico ji-cuadrada esta dado por:

donde n es el tamao de la muestra, s2 la varianza muestral y

la varianza

Propiedades de las distribuciones ji-cuadrada 1. Los valores de X2 son mayores o iguales que 0. 2. La forma de una distribucin X2 depende del gl=n-1. En consecuencia, hay un nmero infinito de distribuciones X2. 3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1. 4. Las distribuciones X2 no son simtricas. Tienen colas estrechas que se extienden a la derecha; esto es, estn sesgadas a la derecha. 5. Cuando n>2, la media de una distribucin X2 es n-1 y la varianza es 2(n-1). El valor modal de una distribucin X2 se da en el valor (n-3). 6. Se usa para el estudia de la varianza poblacional en muestras grandes y pequeas. La siguiente figura ilustra tres distribuciones X2. Note que el valor modal aparece en el valor (n-3) = (gl-2).

La funcin de densidad de la distribucin X2 esta dada por:

para x>0 La tabla que se utilizar para estos apuntes es la del libro de probabilidad y estadstica de Walpole, la cual da valores crticos (gl) para veinte valores especiales de . Para denotar el valor crtico de una distribucin X2 con gl grados de libertad se usa el smbolo (gl); este valor crtico determina a su derecha un 2 rea de bajo la curva X y sobre el eje horizontal. Por ejemplo para encontrar X20.05(6) en la tabla se localiza 6 gl en el lado izquierdo y a o largo del lado superior de la misma tabla.

Media: = n

Varianza: 2 = 2n

Clculo de Probabilidad El clculo de probabilidad en una distribucin muestral de varianzas nos sirve para saber cmo se va a comportar la varianza o desviacin estndar en una muestra que proviene de una distribucin normal.

Ejemplos: 1.Suponga que los tiempos requeridos por un cierto autobs para alcanzar un de sus destinos en una ciudad grande forman una distribucin normal con una desviacin estndar =1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la probabilidad de que la varianza muestral sea mayor que 2. Solucin: Primero se encontrar el valor de ji-cuadrada correspondiente a s2=2 como sigue:

El valor de 32 se busca adentro de la tabla en el rengln de 16 grados de libertad y se encuentra que a este valor le corresponde un rea a la derecha de 0.01. En consecuencia, el valor de la probabilidad es P(s2>2)

2. Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de una poblacin normal con varianza , tenga una varianza muestral: a. Mayor que 9.1 b. Entre 3.462 y 10.745 Solucin. a. Primero se proceder a calcular el valor de la ji-cuadrada:

Al buscar este nmero en el rengln de 24 grados de libertad nos da un rea a la derecha de 0.05. Por lo que la P(s2 >9.1) = 0.05 b. Se calcularn dos valores de ji-cuadrada:

y Aqu se tienen que buscar los dos valores en el rengln de 24 grados de libertad. Al buscar el valor de 13.846 se encuentra un rea a la derecha de 0.95. El valor de 42.98 da un rea a la derecha de 0.01. Como se est pidiendo la probabilidad entre dos valores se resta el rea de 0.95 menos 0.01 quedando 0.94. Por lo tanto la P(3.462 s2 10.745) = 0.94

Distribucin t de Student

La Distribucin t de Student, tiene por funcin de densidad:

Donde el parmetro n de

, se denomina grados de libertad de la distribucin.

La distribucin t de Student existe para todos los valores de x reales, y es simtrica respecto al eje y. La distribucin de probabilidad de esta funcin para valores menores de un x dado, que representamos por

donde:

PROPIEDADES DE LA DISTRIBUCIN t

1. 2. 3. 4.

Es simtrica con respecto a la media Es asinttica en sus extremos El rea bajo la curva es igual a 1 Tiene un parmetro n llamado grados de libertad 5. Se usa para el estudio de la media poblacional y de la diferencias de medias , en muestras pequeas (n <30)

CARACTERSTICAS Media: = 0 ; Varianza: 2= n / n 2 ; n > 2

MANEJO DE LA TABLA Para el clculo de esta integral existen distintos tipos de Tabla de distribucin t de Student, en la que para distintos valores de n y de x se puede buscar su probabilidad Ejemplo1 Cul es la probabilidad de que una variable t de Student de 6 grados de libertad deja a la izquierda de -1,45: los valores negativos no vienen en la tabla, pero segn lo anterior: en la tabla encontramos: por tanto: con lo que obtenemos: acumulada p, veamos una de esas tablas

Ejemplo2 Cul es la probabilidad acumulada a la derecha de 2,45, en una variable t de Student de 15 grados de libertad. segn lo anterior: por la tabla tenemos que: que sustituyndolo en la expresin, resulta: que da como resultado:

Ejemplo3 Cual es la probabilidad acumulada de una variable t de Student de 25 grados de libertad,se encuentre entre: 0,75 y 1,25. segn lo anterior, tenemos: en la tabla las probabilidades, tenemos los valores:

sustituyendo tenemos: realizando la operacin:

Ejemplo 4 Cual es la abscisa de una distribucin t de Student de 5 grados de libertad que deja a su izquierda una probabilidad del 85%. esto es: consultando la tabla en la columna del 0,85 y en la fila del 5, tenemos que;

DISTRIBUCIN F DE SNEDECOR Es una distribucin de probabilidad de gran aplicacin en la inferencia estadstica, fundamentalmente en la contrastacin de la igualdad de varianzas de dos poblaciones normales, y , fundamentalmente en el anlisis de la varianza . La distribucin se plantea partiendo de dos variables X e Y tales que :

es decir una chi2 con m grados de libertad

es decir una chi2 con n grados de libertad ;

de manera que si establecemos el cociente,

es decir el cociente entre ambas chi2 divididas a su vez, por sus correspondientes grados de libertad tendremos que la funcin F corresponde a una distribucin F de Snedecor con m y n grados de libertad ; es decir una Queda claro por tanto que la distribucin F de Snedecor tiene dos parmetros , que son m y n ; grados de libertad del numerador , grados de libertad del denominador. Ggrfica de la funcin de densidad)

os.

La funcin de densidad de la F de Snedecor viene dada por

siendo m y n los parmetros de la funcin(distribucin) y

la funcin gamma de Euler

la media de la distribucin es siendo la varianza cuando n> 4

si n > 2