FORMULARIO SEGUNDO PARCIAL

Distribución Chi-cuadrado
Si X 1 , X 2 ,........, X n son v.a. que siguen una distribución normal tipificada N(0,1),
entonces X= X 12 + X 22 + ........ + X n2 sigue una distribución χ 2n .
E ( X ) = n ; Var ( X ) = 2 n

Distribución t de Student
Si X y Z son v.a. independientes, donde Z sigue una dist. normal N(0, 1), y X una χ 2n ,
X n
entonces, la v.a. T = sigue una distribución t n E (T ) = 0 ; Var (T ) =
Y/n n −2

Distribución F de Snedecor
Si X1 y X2 son v.a. independientes, con distribución Ji-cuadrado con n y m grados de libertad
X1 / n
respectivamente, entonces F = sigue una dsitribución F con n y m grados de libertad.
X2 / m

DISTRIBUCIONES MUESTRALES

Se supondrá muestreo aleatorio simple y población normal. Si X 1 , X 2 ,........, X n es una muestra

aleatoria de una población con media µ y varianza σ 2

Media muestral con varianza conocida

σ2 σ2
X ~ N ( µ, ) E( X ) = µ Var ( X ) =
n n
Varianza muestral
nS 2 n -1 2 2( n − 1)σ 4
~ χ 2n −1 . E (S 2 ) = σ Var ( S 2 ) =
σ2 n n2

Media muestral con varianza desconocida

X −µ
n −1( ) ~ tn-1
S

Si X 1 ,..., X n es una m.a de una población con media µ x y varianza σ x2 y Y1 , ..., Ym es

otra m.a. de otra población con media µ y y varianza σ y2

Diferencia de medias muestrales con varianza conocidas y muestras independientes

2
σ x2 σ y
X − Y ~ N (µ x − µ y , + )
n m

Diferencia de medias muestrales con varianzas desconocidas pero iguales y muestras

independientes
X − Y − (µ x − µ y )
~ t n + m-2
nS x2 + mS y2 1 1
+
n+m−2 n m
 Diferencia de medias muestrales, muestras relacionadas
n=m, Di=Xi-Yi y Sd su desviación típica

X − Y − (µ x − µ y )
n − 1( ) ~ tn-1
Sd

Cociente de varianzas muestrales

n S x2 / σ x2 ( n − 1)
~ F( n −1), ( m −1)
m S y2 / σ 2y ( m − 1)

ESTIMACION

Intervalos de confianza a nivel 1-α :

• para la media de una población normal ( σ 2 conocida)

 σ σ 
X − z α ,X +z α 


1−
2
n 1−
2
n

• para la media de una población normal ( σ 2 desconocida)

 S S 
X − α t n −1 , X + α t n −1 


1−
2
n − 1 1−
2
n − 1 


• para la proporción en una población Bernoulli

 P (1 − P ) P (1 − P ) 
P − z α ,P +z α 
 1− n 1− n 
 2 2 

• para la varianza de una población normal (µ y σ 2 desconocidas)

 nS 2 nS 2 
 , 
2 2
 χ χ
 1−α / 2 n −1 α / 2 n −1 


• para la diferencia de medias de poblaciones independientes (varianzas conocidas)

 2 2 
X − Y − z σ x2 σ y σ x2 σ y 
α + , X −Y + z α +
 1− n m 1− n m 
 2 2 

• para la diferencia de medias de poblaciones independientes (varianzas desconocidas pero iguales)

 nS x2 + mS y2 nS x2 + mS y2 
X − Y − 1 1 1 1
α t n +m −2 + , X − Y + α t n +m −2 +
 1− n +m −2 n m 1− n +m −2 n m
 2 2 
• para la diferencia de medias con muestras relacionadas.
n=m, Di=Xi-Yi y Sd su desviación típica

 S d2 S d2 
 X − Y − α t n −1 , X − Y + α t n −1 
 1− n −1 1− n −1 
 2 2 

• para la diferencia de proporciones.

 Px (1 - Px ) P y (1 - P y ) Px (1 - Px ) P y (1 - Py ) 
P − P − z + , P −P +z + 
 x y 1 − α/2 n m x y 1 − α/2 n m 
 

• para el cociente entre varianzas de dos poblaciones normales

 
 nS 2 /( n −1) nS x2 /( n −1) 
 x 1 1 
,
mS 2 /( m −1) 2 
α f ( n −1), ( m −1) mS y /( m −1) α f ( n −1), ( m −1)
 y 1- 
 2 2 

CONTRASTES DE HIPOTESIS

Estadísticos de contraste y regiones de rechazo a nivel α :

• para la media ( σ 2 conocida)

X − µ0
T= R1 = {T : T ≥ z1−α / 2 }
a) Bilateral σ2
n
X − µ0
T= R1 = {T : T ≥ z1−α }
b) Unilateral derecho σ2
n
X − µ0
T = R1 = {T : T ≤ −z1−α }
c) Unilateral izquierdo σ2
n
• para la media de una población normal ( σ 2 desconocida)
X − µ0
T = R1 = {T : T ≥1−α / 2 t n −1 }
a) Bilateral S2
n −1
X − µ0
T= R1 = {T : T ≥1−α t n −1 }
b) Unilateral derecho S2
n −1
X − µ0
T= R1 = {T : T ≤ −1−α t n −1 }
c) Unilateral izquierdo S2
n

• para la proporción en una población Bernoulli

 P − p0
T= R1 = {T : T ≥ z1−α / 2 }
a) Bilateral p 0 (1 − p 0 )
n
P − p0
T= R1 = {T : T ≥ z1−α }
b) Unilateral derecho p 0 (1 − p 0 )
n
P − p0
T= R1 = {T : T ≤ − z1−α }
c) Unilateral izquierdo p 0 (1 − p 0 )
n
• para la varianza de una población normal

a) Bilateral T=
nS 2
{
R1 = T : T ≥1−α / 2 χ n2−1 ó T ≤α / 2 χ n2−1 }
σ 02

b) Unilateral derecho T =
nS 2
{
R1 = T : T ≥1−α χn2−1 }
σ 2
0

c) Unilateral izquierdo T=
nS 2
{
R1 = T : T ≤α χ n2−1 }
σ 02

• sobre la diferencia de medias con muestras independientes y varianzas conocidas

X −Y − d 0
T = R1 = {T : T ≥ z1−α / 2 }
a) Bilateral σ x2 σ y2
+
n m

X −Y − d 0
T = R1 = {T : T ≥ z1−α }
b) Unilateral derecho σ x2 σ 2y
+
n m

X −Y − d 0
T = R1 = {T : T ≤ −z1−α }
c) Unilateral izquierdo σ x2 σ 2y
+
n m
• sobre la diferencia de medias con muestras independientes y varianzas desconocidas pero iguales
H0 : µ x − µ y = d0

X −Y − d0
T = R1 = {T : T ≥1−α / 2 t n +m −2 }
a) Bilateral nS x2 2
+ mS y 1 1
+
n+m−2 n m

X − Y − d0
T = R1 = {T : T ≥1−α t n +m −2 }
b) Unilateral derecho nS x2 2
+ mS y 1 1
+
n+m−2 n m

X −Y − d0
T = R1 = {T : T ≤ −1−α t n +m −2 }
c) Unilateral izquierdo nS x2 2
+ mS y 1 1
+
n+m−2 n m
• sobre la diferencia de medias con muestras relacionadas (datos apareados)

X −Y − d 0
T = R1 = {T : T ≥1−α / 2 t n −1 }
a) Bilateral Sd
n −1
X −Y − d 0
T = R1 = {T : T ≥1−α t n −1 }
b) Unilateral derecho Sd
n −1
X −Y − d 0
T= R1 = {T : T ≤ −1−α t n −1 }
c) Unilateral izquierdo Sd
n −1

• sobre el cociente de varianzas

a) Bilateral

T =
nS x2 /( n −1) 1
mS y2 /( m −1) r0
{
R1 = T : T ≥1−α / 2 f n −1,m −1 ó T ≤α / 2 f n −1,m −1 }

b) Unilateral derecho T =
nS x2 /( n −1) 1
mS y2 /( m −1) r0
{
R1 = T : T ≥1−α f n −1, m −1 }

c) Unilateral izquierdo T =
nS x2 /( n −1) 1
mS y2 /( m −1) r0
{
R1 = T : T ≤α f n −1,m −1 }

• sobre la diferencia de proporciones en poblaciones Bernoulli

Px − Py −d 0
T = R1 = {T : T ≥ z1−α / 2 }
a) Bilateral Px (1 − Px ) Py (1 − Py )
+
n m
Px − Py − d 0
T = R1 = {T : T ≥ z1−α }
b) Unilateral derecho Px (1 − Px ) Py (1 − Py )
+
n m
Px − Py − d 0
T = R1 = {T : T ≤ −z1−α }
c) Unilateral izquierdo Px (1 − Px ) Py (1 − Py )
+
n m
Regresión lineal
Distribuciones muestrales de los estadísticos
σ 2
βˆ − β
b = βˆ ~ N ( β , 2 ) ~ t n−2
ns x
s r2
σ 2 ( x 2 + s x2 ) ns x2
a = αˆ ~ N (α , )
ns x2
αˆ − α
(n - 2)s 2r ~ t n−2
~ χ n2− 2 s r2 ( x 2 + s x2 )
σ 2
ns x2
Intervalos de confianza para β a nivel 1-α

 s r2 ˆ s r2 
βˆ −1−α / 2 t n −2 , β + t
1−α / 2 n −2 
 ns x2 ns x2 

Intervalos de confianza para α a nivel 1-α

 s 2 ( x 2 + s x2 ) s r2 ( x 2 + s x2 ) 
α −1−α / 2 t n − 2 r , α + t
1−α / 2 n − 2 
 ns x2 ns x2 

βˆ − β 0
T=
Contrastes sobre β y α s r2
ns x2
αˆ − α 0
T=
s r2 ( x 2 + s x2 )
ns x2
a) Bilateral R1 = {T : T ≥1−α / 2 t n −2 }
b) Unilateral derecho R1 = {T : T ≥1−α t n −2 }
c) Unilateral izquierdo R1 = {T : T ≤ −1−α t n −2 }

rxy n −2
Contrastes sobre el coeficiente de correlación. T = ~ t n −2
2
(1 − rxy )
a) Bilateral R1 = {T : T ≥1−α / 2 t n −2 }
b) Unilateral derecho R1 = {T : T ≥1−α t n −2 }
c) Unilateral izquierdo R1 = {T : T ≤ −1−α t n −2 }

Intervalo de confianza para la media de Y cuando X=x0

 2 1 ( x0 − x ) 2 2 1 ( x0 − x ) 2 
ˆ
y −
 0 1−α / 2 n−2 r
t s ( + 2
) , ˆ
y + t
0 1−α / 2 n − 2 s r ( + 2
)
 n ns x n ns x 
Intervalo de confianza para la predicción cuando X=x0

 1 ( x − x ) 2
1 ( x − x ) 2
 yˆ0 − 1− α / 2 tn− 2 sr (1 + + 0 2 ), yˆ0 + 1− α /2tn− 2 sr (1 + + 0 2 ) 
2 2

 n nxs n nxs 
