ESCUELA POLITÉCNICA NACIONAL

Facultad De Ingeniería Mecánica

Probabilidad Y Estadística

Nombre: José Luis Pineda

Grupo: GR-1

Fecha: 20/11/2016

Distribución de muestreo de la diferencia de dos medias:

Con varianzas conocidas:

Supongamos que se dispone de dos poblaciones que tienen medias µ1 y µ2 y
varianzas σ12 y σ22 respectivamente. Sean ̅̅̅
𝑋1 𝑦 𝑋̅2 las medias muéstrales de dos
muestras aleatorias independientes de tamaños n1 y n2, seleccionadas
respectivamente de las poblaciones 1 y 2. Entonces ̅̅̅𝑋1 − 𝑋̅2 cumple que:

1. µ̅̅̅̅ ̅̅̅ ̅
𝑋1 − 𝑋̅2 = 𝐸(𝑋1 − 𝑋2 ) = µ1 − µ2
𝜎1 2 𝜎2 2
2. 𝜎 2̅̅̅̅ ̅̅̅ ̅
𝑋1 − 𝑋̅2 = 𝑉𝑎𝑟(𝑋1 − 𝑋2 ) = 𝑛1
− 𝑛2
3. Para n1 y n2 suficientemente grandes, la variable aleatoria
̅̅̅1 − 𝑋̅2 ) − (µ1 − µ2 )
(𝑋
𝑍=
𝜎1 2 𝜎2 2
√ −
𝑛1 𝑛2

Sigue aproximadamente una ley normal estándar. Es decir,

𝑡 − (µ1 − µ2 ) 𝑡 − (µ1 − µ2 )
̅̅̅1 − 𝑋̅2 ≤ 𝑡) ≈ Pr 𝑍 ≤
Pr(𝑋 =𝜙
2
𝜎1 𝜎2 2 𝜎1 2 𝜎2 2
√ √
( 𝑛1 − 𝑛2 ) ( 𝑛1 − 𝑛2 )

Para la mayoría de aplicaciones, ya se obtiene una buena aproximación si n1 ≥ 25 y
n2 ≥ 25.

Con varianzas desconocidas:

Supongamos que se dispone de dos poblaciones que siguen una ley normal: la
población 1 sigue una ley N (µ1, σ12) y la población 2 N (µ2, σ22). Sean ̅̅̅
𝑋1 𝑦 𝑋̅2 las
medias muéstrales de muestras aleatorias de tamaños n1 y n2, seleccionadas
respectivamente de las poblaciones 1 y 2.

Caso 1. Las varianzas poblacionales son iguales σ12 = σ22 = σ2

La variable aleatoria
̅̅̅1 − 𝑋̅2 ) − (µ1 − µ2 )
(𝑋
𝑇=
1 1
𝑠√ 𝑛 − 𝑛
1 2

se redondea al entero más cercano. Distribución de muestreo de la razón de dos varianzas: Sea X1 y X2 dos variables aleatorias independientes que tienen distribución x2 con n1 y n2 grados de libertad. (𝑛1 −1)𝑠1 2 + (𝑛2 −1)𝑠2 2 sigue una ley t con (n1 + n2 – 2). 𝑛2 ) . Para la lectura de los valores porcentuales se emplea la relación: 1 𝐹(1−𝛼) = 𝐹𝛼 (𝑛1 . n2) grados de libertad. respectivamente. Su función densidad es: 𝑛 +𝑛 𝛤 ( 1 2 2 ) 𝑛1 𝑛1⁄2 𝑛2 𝑛2 ⁄2 𝑓(𝑥) = { 𝑛 𝑛 𝑥 (𝑛1 ⁄2)−1 (𝑛1 𝑥 + 𝑛2 )−(𝑛1 +𝑛2 )⁄2 𝑠𝑖 𝑥 > 0 𝛤 ( 21 ) 𝛤 ( 22 ) 0 𝑠𝑖 𝑥 < 0 La esperanza y varianza son: 𝑛2 2𝑛2 2 (𝑛1 + 𝑛2 + 2) 𝐸(𝑉) = 𝑦 𝑉𝑎𝑟(𝑉) = 𝑛2 − 2 𝑛1 (𝑛2 − 2)2 (𝑛2 − 4) Los valores de las probabilidades vienen tabulados. donde 2 𝑠 2 𝑠 2 ( 1 + 2 ) 𝑛1 𝑛2 𝑔= 2 2 𝑠 2 𝑠 2 ( 𝑛1 ) ( 𝑛2 ) 1 2 𝑛1 − 1 + 𝑛2 − 1 Cuando g no es un número natural. que se la notara como F(n1. Las varianzas poblacionales son diferentes σ12 ≠ σ22 La variable aleatoria ̅̅̅1 − 𝑋̅2 ) − (µ1 − µ2 ) (𝑋 𝑇= 𝑠1 2 𝑠2 2 √ 𝑛1 − 𝑛2 Sigue una ley t con g. entonces la variable aleatoria 𝑋1 𝑛 𝑉= 1 𝑋2 𝑛2 Sigue la distribución F con (n1. donde 𝑠 2 = 𝑛1 + 𝑛2 −2 Caso 2.n2).