Documente Academic
Documente Profesional
Documente Cultură
1
Introducción
Trabajaremos con tres distribuciones deducidas a partir de una
variable normal, por lo que estos modelos son aplicables sólo a
muestras extraídas de poblaciones normales.
2
Mariana Gonzalez, FCE, UNC
Introducción
Estadístico
toda función que depende de un
estimador y un parámetro.
3
Mariana Gonzalez– FCE, UNC
Distribución Chi- Cuadrado
Teorema: Sea una muestra aleatoria de tamaño n
extraída de una población normal:
X ∼ N (µ ,σ 2 )
X 1 , X 2 , .... X n E(X i ) = µ V (X i ) = σ 2
Z ∼ N (0,1)
Z 1 , Z 2 , ....Z n E(Z i ) = 0 V (Z i ) = 1
4
Mariana Gonzalez– FCE, UNC
Distribución Chi- Cuadrado
Si se suman los cuadrados de las variables
estandarizadas se obtiene una distribución Chi-cuadrado
con n grados de libertad.
n
(X i − µ)2 n
χ =
2
∑ = ∑ Z i2
i =1 σ2 i =1
Características
6
Mariana Gonzalez– FCE, UNC
Distribución en el muestreo de
S2
Generalmente la media poblacional µ no se conoce y
para estandarizar trabajamos con la media de la
muestra x , por lo que se pierde un gl, resultando una
Chi-Cuadrado con n-1 gl.
X 1 , X 2 , .... X n E(X i ) = µ V (X i ) = σ 2
7
Mariana Gonzalez– FCE, UNC
Distribución en el muestreo de
S2
Entonces: n
( X i − X )2
∑ i =1 σ2
tiene distribución Chi-Cuadrado con n-1 gl.
La expresión más frecuente para esta variables es:
n
( X i − X )2 ( n − 1) S 2
χ n2−1= ∑ =
i =1 σ 2
σ2
8
Mariana Gonzalez– FCE, UNC
Distribución F de Snedecor
Definición: La distribución F de Snedecor se define
como el cociente de dos variables Chi- Cuadrado
estadísticamente independientes, divididas por sus
respectivos grados de libertad.
Sean:
U ∼ χ m2 y V ∼ χ n2
Características
10
Mariana Gonzalez– FCE, UNC
Aplicaciones de la F de Snedecor
Toda vez que se necesite comparar dos sumas de cuadrados
independientes se deberá construir un estadístico F.
Supongamos que hemos definido dos variables Chi-Cuadrado:
( n1 − 1) S 1 2 ( n 2 − 1) S 2 2
U = y V =
σ1 2
σ 22
A partir de ellas armamos un estadístico F efectuando el cociente
de las mismas divididas por sus gl.
( n1 − 1) S 1 2
σ 12
n1 − 1 S 12 σ 22
F = = 2. 2
( n 2 − 1) S 2 2
S2 σ1
σ 22
n2 − 1
11
Mariana Gonzalez– FCE, UNC
Distribución t de Student
Definición: una variable t de Student se define como
el cociente entre una variable Y con distribución Normal
(0,1) y la raíz cuadrada de una variable U con
distribución Chi-Cuadrado, dividida por sus gl, siendo Y
y U estadísticamente independientes.
Sean:
Y ∼ N (0,1) y U ∼ χ n2
Características
13
Mariana Gonzalez– FCE, UNC
Aplicaciones de la t de Student
La media y la varianza provenientes de una misma población son
estadísticos independientes. Además, sabemos que:
x−µ ( n − 1) S 2
z= ∼ N (0,1) y χ n2−1=
σ / n σ2
Podemos escribir entonces:
x−µ
σ / n x−µ
t= = ∼ t n −1
( n − 1) S 2
S/ n
σ 2 ( n − 1)
14
Mariana Gonzalez– FCE, UNC