Professional Documents
Culture Documents
DISTRIBUCIONES DE
PROBABILIDAD CONTINUA
PARTE II
INTEGRANTES :
- PONGO FLORES, CAMILA 2014 -128022
- CYNTHIA CUADROS OBANDO 2014 -128041
- ANTONIA MENDOZA CH. 2013 -38064
AÑO :
CUARTO AÑO - GRUPO (B)
CURSO :
PLANEAMIENTO URBANO II
CURSO :
ESTADISTICA
CURSO :
PLANEAMIENTO URBANO II
CATEDRA :
ING. CESAR DIEGO MELÉNDEZ DOMINGUEZ
CURSO :
PLANEAMIENTO URBANO II
FECHA :
17 / 06 /2017
FIAG – ESAQ
CURSO :
PLANEAMIENT
O URBANO II
TACNA – PERU
2017
1
CURSO :
PLANEA
MIENTO
URBANO II
ÍNDICE
7. CONCLUSIONES………………………………………………………………........ pág. ( 25 )
2
1. INTRODUCCIÓN
3
DISTRIBUCIONES DE PROBABILIDAD CONTINUA PARTE II
2. OBJETIVOS
Conocer los conceptos y aplicaciones de las principales distribuciones continuas, mediante una
investigación bibliográfica para saber la función que cumplen y su respectivo entendimiento.
Validar las hipótesis sobre la distribución teórica en la población que se realiza en la estadística
paramétrica, i.e., contrastes de hipótesis, intervalos de confianza, regresión lineal, etc.
3. CONCEPTOS BASICOS
3.1. DEFINICION :
3.2. USOS:
3.3. GRAFICA:
4
numéricos para aproximar el área sobre el intervalo a < x < b. Este cálculo puede realizarse utilizando
métodos muy aproximados o una computadora para obtener cualquier grado de precisión.
4. FUNDAMENTOS TEÓRICOS
4.1. 𝑻 𝑺𝑻𝑼𝑫𝑬𝑵𝑻
4.1.1. ANTECEDENTES
La distribución T de student fue descubierta por William S.
Gosset en 1908. Gosset era un estadístico empleado por la
compañía de cerveza Guinness Irlandesa que desaprobaba la
publicación de investigaciones de sus empleados. Para evadir
esta prohibición, publico su trabajo en secreto bajo el nombre
de “Student”. En consecuencia la distribución de T normalmente
se llama distribución de t de Student o simplemente t. Lo
interesante del caso es que su trabajo estaba enfocado al control de calidad de la cerveza. En el pasado
otros investigadores de la compañía Guinness habían publicado artículos en los que se divulgaban secretos
o información confidencial sobre el proceso de la cerveza y por eso se obligó a Gosset a aceptar la cláusula.
a) Para determinar el intervalo de confianza dentro del cual se puede estimar Ia media de una
población a partir de muestras pequeña (n < 30).
b) Para probar hipótesis cuando una investigación se basa en muestreo pequeño.
c) Para probar si dos muestras provienen de una misma población.
4.1.3. CARACTERISTICAS
La distribución de T es similar a la distribución de Z, pues ambas son simétricas alrededor de una media
de cero. Ambas tiene distribuciones de campana pero la distribución t es más variable debido a que
tienen fluctuaciones en 2 cantidades.
La distribución de T difiere de la de Z en que la varianza de T depende del tamaño de la muestra n y
siempre es mayor a 1, únicamente cuando n tiende a ∞ las dos distribuciones serán iguales.
4.1.6. PROPIEDADES
6
valorde la varianza se aproxima a 1, lo cual lleva a que ladistribucion t se aproxime a la distribución
normal en la medida que aumenta el valor de los grados de libertad.
4.1.7. CALCULO DE LA DISTRIBUCIÓN T DE STUDENT
PASO 1: Plantear Hipótesis Nula (Ho) e Hipótesis Alternativa (Hi).La Hipótesis alternativa plantea
matemáticamente lo que queremos demostrar.La Hipótesis nula plantea exactamente lo contrario.
PASO 2:
Determinar Nivel de Significancia. (Rango de aceptación de hipótesis alternativa).
Se considera: (0.05 para proyectos de investigación), (0.01 para aseguramiento de calidad.), (0.10 para
encuestas de mercadotecnia y políticas.)
PASO 3: Evidencia Maestral. Se calcula la media y la desviación estándar a partir de la muestra.
PASO 4: Se aplica la Distribución t de Student para calcular la probabilidad de error (P) por medio de
la fórmula. En base a la evidencia disponible se acepta o se rechaza la hipótesis alternativa.
La tabla de distribución t es más compacta que z y muestra las áreas y valores de t para unos cuantos
porcentajes exclusivamente (10%,5%,2% y 1%)
Una segunda diferencia de la tabla es que no se centra en la probabilidad de que el parámetro de la
población que está siendo estimado caiga dentro del intervalo de confianza. Por el contrario, mide la
probabilidad de que ese parámetro no caiga dentro del intervalo de confianza
Una tercera diferencia en el empleo de la tabla consiste en que hemos de especificar los grados de
libertad con que estamos trabajando.
¿CÓMO SE USA LA TABLA DE LA DISTRIBUCIÓN T-STUDENT?
Supongamos un riesgo del 5% ( o un nivel de confianza del 95% ), α=0.05, y grados de libertad ν=10.
Utilizaremos α/2 ya que dejamos el mismo espacio correspondiente a la región de rechazo por ambos
lados. ¿Cuál es el valor, pues, de 2 0.975,10 t ? Se busca la intersección y el resultado es 2.228. Éste es
el valor crítico para rechazar la hipótesis alternativa.
USOS DE LA TABLA DE DISTRIBUCION T
Los grados de libertad de una t de Student se indicaran como v.
7
De manera análoga a la definición utilizada para la Normal, si X es una tv,α de Student con v
grados de libertad, entonces:
El valor tv,α se busca en las tablas de la t de Student.
La tabla que utilizamos recoge los valores de distintos cuantiles para distintos
grados de libertad.
4.1.9. IMPORTANCIA
4.2.1 DEFINICION
Donde:
Zi= variable independiente
K o n = grado de libertad
Definición formal:
Zi < N(0,1)
4.2.2 PARÁMETROS
A) CAMPO DE VARIACIÓN
Si:
𝑏
P( a < 𝑋 2 (n) ≤ 𝑏) = ∫𝑎 𝑓(𝑥)𝑑𝑥
1) f(x) ≥ 𝟎
+∞
2) ∫𝟎 𝒇(𝒙)𝒅𝒙 = 𝟏 SUCESO
En forma gráfica:
3) ↑ 𝒏 → 𝒙𝟐 (𝒏) ≈ 𝑵𝒐𝒓𝒎𝒂𝒍
n≥ 30
CASO 1:
CASO 2:
10
CASO 3:
P ( 11.59 < 𝑋 2 (21) ≤ 20.34)
=P (𝑋 2 (21) ≥ 11.59) – P(X2(21) ≥ 20.34
=0.95 – 0.50= 0.45= 45%
4.3. DISTRIBUCION F
Antonia
11
5. EJERCICIOS DE APLICACION
A) EJERCICIO DE T STUNDENT:
ENCONTRANDO T
t= Una confianza del 99% con (n-1)
grados de libertad.
GL=16-1=15
DATOS
n= 16
X=13 minutos
S= 5.6 minutos x=x± t s .
t=2.947
√n
Tiempo medio requerido para realizar el trabajo será entre 8.88 y 17.12 minutos con
una certeza del 99%.
∂=13±2.947(5.6/√16)
∂=13±4.12
∂1=17.12 minutos
∂2=8.88 minutos
EJERCICIO 1
Un investigador quiere estudiar si hay asociación entre la práctica deportiva y la sensación
de bienestar. Extrae una muestra aleatoria de 100 sujetos. Los datos aparecen a
continuación.
Sensación de Práctica deportiva Total
Bienestar
Sí no
Sí 20 25 45
No 10 45 55
Total 30 70 100
SOLUCIÓN
1° Calculemos las frecuencias esperadas:
f i. f. j
eij
n
eij
= Frecuencia esperada
o teorica
Ho = No hay asociación entre la práctica deportiva
y la sensación de bienestar
f i. = total de la frecuencia
HIPOTESIS
= total de la frecuencia
f. j j Hi = Si hay una asociación entre la práctica
deportiva y la sensación de bienestar
Sí No
Sí (45x30)/100=13,5 (45x70)/100=31,5
No (55x30)/100=16,5 (55x70)/100=38,5
13
2) Determinamos los grados de libertad, son:
( f ij eij ) 2 (𝑓 − 𝑓𝑒)2
2
2
𝑥 =∑
eij 𝑓𝑒
i j
Donde
• fe= Frecuencia esperada o teorica
• f= frecuencia
• X2 = chi cuadrado
Sí No
Sí 3,1296 1,3413
No 2,5606 1,0974
exp
2
3,1296 1,3413 2,5606 1,0974 8,13
Tenemos:
exp
2
8,13
SIGNIFICADO: Las variables no son independientes
SE DEBE CUMPLIR QUE:
Ho
Si:
X2 calculado > X2 tabla
Hi
C) EJERCICIO DISTR. F
Antonia
15
6. CONCLUSIONES
Es una distribución de probabilidad que se usa cuando el tamaño de la muestra es menor de
30 datos, no se conoce la desviación estándar de la población y cuando la población de la que
se extrae la muestra es normal.
La distribución T student, tiene forma acampanada. Sus aplicaciones en la inferencia
estadística son para estimar y probar una media y una diferencia de medias (independiente
y pareada).
El estadístico ji-cuadrado (o chi cuadrado), que tiene distribución de probabilidad del mismo
nombre, sirve para someter a prueba hipótesis referidas a distribuciones de frecuencias. En
términos generales, esta prueba contrasta frecuencias observadas con las frecuencias
esperadas de acuerdo con la hipótesis nula.
7. FUENTES BIBLIOGRAFICAS
DEVORE, J. L., "Probabilidad y Estadística para Ingeniería y Ciencias". Grupo Editorial
International Thon Editores.
FREUND, J. F., MILLER, I., MILLER, M. "Estadística Matemática con Aplicaciones". Grupo
Editorial Prentice Hall.
McCLAVE, S., "Probabilidad y Estadística para Ingeniería". Grupo Editorial Iberoamericana.
MENDELHALL, W., WACKERLY, D., ACHEAFFER, R. "Estadística Matemática con Aplicaciones".
Segunda Edición. Grupo Editorial Iberoamericana. México. 1994.
MILLER, I., FREUND, J. E., JOHNSON, R. A. "Probabilidad y Estadística para Ingenieros". Quinta
Edición. Prentice Hall Hispanoamericana. México. 1997.
MONTGOMERY, D. C., RUNGER, G. C. "Probabilidad y Estadística Aplicada a la Ingeniería".
Primera Edición. McGraw Hill. México. 1996.
Introducción a la Bioestadística. Robert R. Sokal& F. James Rohlf.
http://www.fcv.unlp.edu.ar/sitios- cátedras/2/material/Distribucion%20de%20Ji.pdf
http://www.scribd.com/doc/6703611/Ji-Cuadrado
http://www.naumkreiman.com.ar/test_ji_cuadrado.html
http://www.monografias.com/trabajos27/hipotesis/hipotesis.shtml
16