You are on page 1of 35

UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERIA ECONÓMICA

Estadística para economistas II
PARTE II: PRINCIPALES DISTRIBUCIONES: X2,t, F,

M.Sc. Sabino Edgar Mamani Choque
1

Aspectos introductorios: (Taro Yamane, pag 396)
 Existen situaciones en los que se deben hacer
inferencias con muestras pequeñas (n<30) y,
los supuestos básicos de la teoría del muestreo
grande (n>30), no funcionan.
 En muestreo pequeño la distribución no es
normal y no puede emplearse adecuadamente
al teorema del límite central, la distribución por
muestreo difiere en cada caso.
2

 Hay tres distribuciones de probabilidad que
generalmente se usan para muestras
pequeñas:
a) La distribución Ji cuadrada.
b) La distribución t de student
c) La distribución F.
Las tres distribuciones usan en su definición
los “grados de libertad”
3

4 .  El número de grados de libertad es V = n-k. k= número de restricciones para los cálculos de una estadística θ o que abarca sumas de cuadrados y las restricciones pueden ser por ejemplo el número de estimadores requerido para calcular la θ. Número de variables aleatorias independientes que se suman o.  GL. Grado de libertad es el nombre dado al número de observaciones linealmente independientes que ocurre en una suma de cuadrados. número de variables que pueden variar libremente.

a. Y tiene una distribución chi-cuadrado con m gl si su función de densidad es: f ( y)  1 m   2 2  m2 y m 1  y 2 2 e si y ≤ 0 =0 donde si y > 0   es la función gamma que se define como:      w 1e wdw 0   1  ! si α es un número entero positivo 5 .Distribución Chi – cuadrado X2(m) Una v.

La distribución Chi – cuadrado tiene la siguiente forma: f(y) X2(m) 6 .

Presenta un sesgo o asimetría a la derecha 3.m)    2 1 Z ( )  2m 1 2 α X (2 . los valores tabulares de una distribución chi-cuadrado se pueden aproximar mediante: X (2 . Es asintótica con respecto al eje horizontal en el lado derecho 4.Características 1. m) 2 X (m ) Donde Z(α) es el valor de la variable normal estándar correspondiente a una probabilidad acumulada igual a “α“ 7 . Para elevados grados de libertad (m > 50). Para una distribución chi-cuadrado con m gl se tiene: μY = m y σ2Y= 2m 6. La distribución tiene menor sesgo a medida que los gl son cada vez mayores 5. Está definida solo para valores positivos de la variable Y 2.

W2. Z2 tiene una distribución chi-cuadrado con 1 gl. …. …. independientes con distribución chi-cuadrado com m1.a. … mk gl.a.1) → Z2 ~ X2(1) Caso especial 2 Si W1. La v. …. W2.a. Y = W1. Si Z ~ N(0.a. m2.Caso especial 1 Si Z es una v. la v. Wk son v. Wk tiene una distribución chi-cuadrado con m1 + m2 + …+ mk gl Si W1 ~X2(m1) . Wk ~X2(mk) → Y = W1 + … + Wk ~X2(m1 + …+ mk) 8 . con distribución normal estándar.

Caso especial 3 si  X  x  n( X  x )2 2   X  N (x . )  Z    X (1)  x2  x  2 x 2 Caso especial 4 n 2  Xi      X  N (x . x2 ) n 2 x X      i i 1   x  n 2   x  X  i i 1  x2  (n  1)S 2  x2  X (2n 1) 9 . )   x  i 1  n si 2 x 2   X    i i 1  x2  X (2n) Caso especial 5 si X  N (x .

25 b) P(7.25 = 1 .4205 c) P(6.P(Y≤11.5 – P(Y ≤ Y1 ) = 0.807 < Y < 15.8 – 0.6 → Y1=X2(0.25 P(Y ≤ Y1) = 0.304 < Y < 13) = P(Y < 13) – P(Y ≤ 6.Si Y ~ X212 Hallar: a) P(Y>11.34)=0.1 = 0.524298 10 .812) – P(Y ≤ 7.2 = 0.624298 – 0.5 = 0.34) = P(Y<11.34) – P(Y ≤ Y1) =0.812) = P(Y < 15.807) = 0.304) = 0. P(Y1 < Y < 11.12) Interpolando Y1 = 8.34) d) Y1 si.25.25 = 1 – 0.5 = 0.

tal que P(Y<K)=0. y se establece que: ( X i  X )2 Y  100 i 1 60 Determine el valor de K. Si la variable de interés (X) se distribuye normalmente con media 40 y varianza 100.De una población se selecciona.646408 11 .645   2 1 K  1. entonces: Z(0. al azar y con reemplazo. corresponde al caso especial 5.95 Y~X259.95)≡1.645  (2)(59)  1 2 K  77. una muestra de tamaño 60.

σ2) y. de esta distribución se extraen muestras aleatorias de tamaño n.Distribución de la varianza muestral (S2) cuando la distribución inicial es normal Si X es una v. y se elige una muestra aleatoria de 21 clientes. la v. ~N(μ. S2 tendrá una distribución con media y varianza: E( S 2 )   2 y 4 2  Var(S 2 )  n 1 Si el tiempo de atención por cliente en una tienda tiene una distribución normal con una varianza de 0. hallar: 12 .a.a.81 minutos2.

272) c) El valor de k.σ2) y n=21 Y  a) (n  1)S 2  2 (21  1)S 2   X (220) 0.272)  2 P(S  1.81 Caso especial 5 2  ( n  1 ) S (n  1)(1.a) P(S2 < 1.272)  P   2 2     (21  1)(1.6 X = tiempo de atención al cliente y X ~ N(μ.272) b) P(0. tal que P(S2<k)=0.50625 < S2 < 1.272)   2  P X ( 20)   0.81  13 .

b) … c) Ejercicio 1.6 14 . y una varianza de 25 gr2. Los pesos de los artículos producidos por una máquina tiene una distribución normal con una media de 200 gr. b) P(20<S2<41. tal que P(S2<k)=0. Si se eligen al azar 16 artículos.185).66) c) k. calcule: a) P(S2<32.

LA DISTRIBUCIÓN t DE STUDENT Sea Z una v. que tiene una distribución Chi – cuadrado con r grados de libertad y. N(0.a.   2   t   15 . Y una v. con r grados de libertad con función de densidad:  r  1  2 ( r 1) / 2  2   t   f (t )  1   r r  r .a. si Z e Y son independientes. entonces: Z Z r T  Y Y /r se dice que tiene una distribución t de student.1) y.

r > 1  2  Var(T )  N(0. r>2 r 2 n=5 n=2 -3 -2 -1 0 1 2 3 16 .a. hay una distribución t para cada grado de libertad • t simétrico alrededor de t=0 Media y varianza de la distribución t con r grados de libertad:   E(T )  0 .• La v. • Entonces.1) r . T está determinado por el parámetro r.

es mayor que 1. porque varía para diferentes grados de libertad. como N(0. • La varianza de la distribución t. la distribución t no tiene media cuando r = 1 • No existe varianza cuando r = 1 ó 2 • La distribución t es similar a la distribución normal estándar porque ambos varían de -∞ a ∞ • Son simétricos y centrados alrededor de t=0. 17 . ya que:  2  rr 2 • La varianza de la distribución t. Se trata la distribución t.• Por tanto. (su media es cero) • La distribución t tiene mayor dispersión que la distribución normal. se aproxima a la distribución normal cuando el grado de libertad es suficientemente grande.1) cuando r > 30.

T sea menor o igual a una constante t = tα es: PT  t    f T ( z)dz   t  α tα 18 .a.La probabilidad de que la v.

Es simétrica respecto al origen 3. Tiene forma ligeramente acampanada 2. Para que la variable Y.Características 1. que tiene una distribución T con “m” grados de libertad se tiene: Y  0  Y2  m (m  2) para m > 2 19 . Es asintótica con respecto al eje horizontal 4. Se aproxima cada vez mas a la distribución normal estándar a medida que los grados de libertad son mayores 5.

10   PT  t 0.90   PT  1.90   PT  1.476  0.90 P  T  t0.Si r = 5 P  T  t 0.10 Porque t  t1 debido a la simetría de la distribución t α t1.tα α tα 20 .α = .476  0.

con N(μx.a.σ2x). 2 S S x2  n S x2  N  n  N  1  para muestras con reemplazo para muestreo sin reemplazo Corresponden a una distribución aproximadamente T con (n-1) gl 21 . entonces la v. Si se extrae una muestra aleatoria de tamaño n.a.: X  X Y Sx Tiene una distribución T con (n-1) gl y: X .Caso especial 1 Sea X una v.

independientes que tienen distribuciones normales con μ1 y μ1 y varianza común σ2.a. entonces la v. Si se extraen muestras aleatorias n1 y n2. : ( x1  x2 )  (1   2 ) Y S x1  x2 Tiene una distribución T con (n1+n2-2) gl 22 . dos v.a.Caso especial 2 Sean X1 y X2.

812  T  2.812 PT  t0.95 = 0.812  T  2.tα PT  t 0.228 PT  1.95  = 0.975   1  PT  t 0. calcular: P 1.975 -1 + 0.975  1  PT  1.812 t1.α = .228 Dado que:  2  rr 2 r = 10 P1.Sea T una v.925 23 . con distribución t y varianza σ2=5/4.228 PT  2.a.

179< Y <2] = Y1 si P[Y1 < Y < 1.875 = 0.075 = P[Y ≤ Y1] Y1 = T (0.075.356] = 1 .179] – P[Y ≤ 0.12) = t1 Y1 = T (0.025 = 0.873] = 0.Si r = 12 g.95 – P[Y ≤ Y1] = 0.12) ≈ -1.179] P[-2.9 P[0.975 – 0.1 = 0.356] = 1 .782] – P[Y ≤ Y1] = 0.963728 – 0.875 Si Y ~ T(12) P[Y > -1.l.873< Y <2.873 < Y < 2.0.179 < Y < 2] = P[Y < 2] – P[Y≤-2.8 = 0.5675 24 .782] = 0.175 P[-2. hallar: P[ Y >-1.356] P[0.179] = 0.075.P[Y ≤ -1.179] = P[Y < 2.782] = P[Y < 1.938728 P[Y1 < Y < 1.

cual es la probabilidad de que el promedio muestral difiera de su media poblacional en menos de 0. Si se toma otra muestra de tamaño 15.688 ≤ X ≤ 2.214) P(-0.534 ≤ X ≤ 3.04 minutos2.45 minutos. se tomó una muestra aleatoria sin reemplazo de 15 atenciones con los que se obtuvo un tiempo promedio de 5.5 minutos y una varianza de 1.610) Para analizar el tiempo de atención por cliente en un establecimiento con 3000 clientes. 25 .Si X~T (18) Calcular: P(0.

Tabla t de Student 26 .

con función de densidad: mU 2 mU 1  mU  mV   mU  2    y  mV  2    f ( y)  mU  mV m m      U  V   mU  2  2   2  1   m V   =0 si y > 0 si y ≤ 0 27 . independientes que tienen distribuciones chi – cuadrado mU y mV gl.Distribución F de Snedecor Si U y V son v. entonces: U Y V mU mV Tiene distribución F con mU y mV gl´.a. respectivamente.

La distribución F con mU y mV gl tiene la siguiente forma: f(y) F(mU. mV) 28 .

29 . Para una distribución F de mU y mV gl se tiene: Y  mV mV  2 2mV2 (mU  mV  2)   mU (mV  2)2 (mV  4) 2 Y para mV > 2 para mV > 4 6. Si Y se distribuye según T con m grados de libertad. la distribución es menos asimétrica 5. Presenta sesgo o asimetría a la derecha 3. Es asintótica con respecto al eje horizontal en su parte positiva 4. Está definida solo para valores positivos de la variable 2. A mayores valores de los grados de libertad.Características 1. entonces Y2 se distribuye según F con 1 y m gl.

Si se extraen muestras aleatorias de tamaños n1 y n2.a. v. y varianzas σ12 y σ22. entonces: S12 F S22 12  22 S12  22  2 2 S2  1 tiene una distribución F con (n1-1) y (n2-1) gl 30 . independientes distribuidas normalmente con medias μ1 y μ2.Caso especial Sean X1 y X2.

n2 1) S2  1 31 .Comprobación Si X1  N (1. ) U 2 1 X 2  N (2 . ) V 2 2 U y F V m1 m2 U  V (n1  1) (n2  1) S12  S22 (n1  1)S12 12 (n2  1)S22 12  22  22  X (2n1 1)  X (2n2 1) S12  22  2 2  F( n1 1.

que tiene una distribución F con mU y mV gl. mU ) U Y mU Mediante esta propiedad se tiene que: F(1 .Propiedad recíproca Si Y es una v.mU .mU ) α y (1-α) son probabilidades acumuladas 32 .mV )  1 F( . luego. mV ) mV V 1 mV   F( mV . la inversa de dicha variable (1/Y) tendrá una distribucìón F com mV y mU gl Si U  X (2mU ) y V  X (2mV ) U Y V mU  F( mU .mV .a.

95 = 0.99 – 0.74] = P[Y < 4.95 .P[Y≤ 2.73 = 0.95] = 0. 8) = 1 / 5.11) Luego.05 P[2. Y1 = F(0. 11.04 Hallar Y1 si P[Y1 < Y < 2.11) P[Y>2.95 = 0.95] = 1 – 0. 11) = 1 / F(0.17452 33 .95] – P[Y ≤ Y1] = 0.94 P[Y<2.01.94 de donde P[Y≤Y1] = 0.95] = 1.8.P[Y ≤ Y1] = 0.01 y Y1 = F(0.01.99.74 ] – P[Y≤2.Manejo de tabla Si Y ~ F (8.95 < Y < 4.95] = 0. 8.

24) hallar Y1 tal que P[Y > Y1] = 0. 24) ≡ 1.87 (1/45 – 1/46) → (1/44 – 1/46) (Y1 – 1. 45.87  1.87)(1 / 45  1 / 46)  1.88  1.95 y Y1 = F(0.874889 1 / 44  1 / 46 → (1.87) (1.875 gl denominador 24 24 24 gl numerador 44 45 46 Valor de F 1.Si Y ~ F(45. 24) Interpolando Y1 = F(0.95.05 = 1 – P[Y ≤ Y1] = 0. 45.88 Y1 Y1  1.87) 34 .88-1.05 P[Y > Y1] = P[Y ≤ Y1] = 0.95.

5568) = 0. hallar: a) P(S22 < 2.98 35 . respectivamente. en minutos. Si se eligen al azar 31 y 25 artículos producidos por las máquinas A y B. tal que P(k < S22/S12 < 3. tienen distribuciones normales con medias μ1=1430 y μ2=1410 y varianzas σ12=625 y σ22=900.7216 < S22/S12 < 3.5568) c) k.7216S12) b) P(2.Dos máquinas A y B producen un mismo artículo y los tiempos de producción.