Distribución χ² (Chi o ji cuadrado)

La distribución chi-cuadrado es una de las distribuciones de probabilidad más ampliamente

utilizada en la estadística inferencial. Su utilidad reside en que, bajo algunos supuestos
razonables y poco exigentes, existen variables que al calcularse pueden dar lugar a una
distribución aproximada a la chi-cuadrado. Las situaciones mejor conocidas del uso de esta
distribución está en la común prueba chi-cuadrado de bondad de ajuste de una distribución
observada a una distribución teórica, y la de independencia de dos criterios de clasificación
de datos cualitativos. Sin embargo, muchos otros test utilizan esta distribución.
Como muchas otras distribuciones comunes, la distribución chi-cuadrado está asociada a un
parámetro conocido como grado de libertad. La forma de la distribución depende del valor
de este parámetro.

Definición de una v.a. X que se distribuye χ²

Una v.a. X se dice que se distribuye χ² con n grados de libertad si su función de densidad es:

 n2 −1 − 2x
x e para x > 0
 n
f(x)=  2 2 Γ n 
 2
0 para x ≤ 0

∞

∫
donde Γ(y)= t y −1 e − t dt
0

Gráfica de la función de densidad de la χ² para diversos grados de libertad.

Notación:
a) X ~ χ²(n)
b) El percentil α se denota χα ( n )
2

Teorema
n
Si Z1,...,Zn son n v.a. independientes distribuidas N(0,1). Entonces la v.a. X= ∑ Z 2i
i =1

se distribuye χ²(n).

Corolario
2
 Y − µ
n
Si Y1,...,Yn son n v.a. independientes distribuidas N(µ,σ²). Entonces la v.a. X= ∑  i 
i =1  σ 
se distribuye χ²(n).

Propiedades
a) Si n > 2 la función de densidad tiene un máximo en n – 2.
b) Si X ~ χ²(n) entonces E(X) = n y V(X) = 2n.
c) La función de densidad de una v.a. χ²(n) no es simétrica. Aunque cuando n → ∞ la
función tiende a la simetría.

Propiedad
Si X ~ χ²(n) y n es grande entonces 2 X − 2 n − 1 tiende a distribuirse N(0,1).
Propiedad
Si Y1,...,Yk son k v.a. independientes, distribuidas χ² con n1, n2,... nk grados de libertad
k
respectivamente, entonces la v.a. X= ∑ Y se distribuye χ²(n), con n=
i
i =1

Propiedad
Si Y1,...,Yn son n v.a. independientes, distribuidas normalmente con V(Yi)=σ² para todo i,
2
n Y −Y 
entonces la v.a. X= ∑  i  se distribuye χ²(n-1)
i =1  σ 

Corolarios
n
S 2
a) (n-1) 2 ~ χ²(n-1) donde 2
∑ (X i
− X) 2
i=1
σ S =
n−1
 
 (n − 1) S 2 ( n − 1) S 2 
b) P 2 <σ < 2
2
 = 1−α
 χ 1−α (n − 1) χ α ( n − 1) 
 2 2 

Distribución t-Student
La distribución t-Student (o distribución t, o distribución de Student) es una distribución de
probabilidades que se presenta en el problema de estimar la media de una distribución
normal cuando el tamaño de la muestra es pequeño. Es, asimismo, base del conocido test
para la diferencia de dos medias muestrales y para el intervalo de confianza de la diferencia
entre las medias de dos poblaciones. Fue publicada por primera vez en 1908 por el
estadístico William Gosset, mientras él trabajaba para Guinness Brewery in Dublin. Como no
se le permitió publicar con su propio nombre utilizó el seudónimo de Student.

Definición de una v.a. T que se distribuye t-Student

Una v.a. T se dice que se distribuye t-Student con n grados de libertad si su función de
densidad es:
 n + 1 n +1
Γ  2 − 2
 2   t 
f(t) = 1 +  con t∈ℝ
 n  n
Γ   nπ
 2

Gráfico de la función de densidad de la distribución t-Student con 1, 2 y 3 g.l.

En azul la N(0,1)
Notación:
a) T ~ t(n)
b) El percentil α se denota tα(n).

Propiedad
t1-α(n) = - tα(n)

Teorema
Si las variables Z e Y son independientes y Z ~ N(0,1) e Y ~ χ²(n), entonces la variable T=
Z
Y ~ t(n)
n

Corolario
Si las variables X1,..., Xn son n v.a. independientes distribuidas N(µ, σ²) y
n

∑ (X i
− X) 2
entonces la variable t =
X −µ
~ t(n-1)
i=1
S =
2
S/ n
n−1
Propiedades
a) La función de densidad de la t-Student es simétrica con respecto a 0.
b) Cuando n → ∞ la distribución t-Student tiende a la N(0,1).
c) Si T ~ t(n) entonces E(T) = 0
n
d) Si T ~ t(n) y n>2 entonces V(T) = .
n−2

Distribución F

La distribución F es una distribución de probabilidades continua utilizada en la teoría de

probabilidades y en la estadística. Es conocida también como F de Snedecor o distribución
de Fisher-Snedecor. El uso más notable de esta distribución se encuentra en el llamado
análisis de la varianza.

Definición de una v.a. X que se distribuye F

Una v.a. X se dice que se distribuye F con n y m grados de libertad si su función de densidad
es:

 n + m
 Γ 2   n  2
n n
−1
  x 2
 x>0
  n   m   m  n+m
f(x) =  Γ Γ   (n − 1) x  2
 2  2  1 − 
  m − 1 
0 x≤0

Notación:
a) X ~ F(n,m)
b) El percentil α se denota Fα(n,m)

Teorema
Si las variables Y1 y Y2 son independientes y Y1 ~χ²(n) y Y2 ~χ²(m) entonces la variable
Y1
X= n se distribuye F(n,m).
Y2
m

Propiedades
m
a) Si X ~ F(n,m) y m>2 entonces E(X) =
m− 2
2m 2 (n + m − 2)
b) Si X ~ F(n,m) y m>4 entonces V(X) =
n(m − 2) 2 (m − 4)
c) Si X ~ F(n,m) entonces 1/X ~ F(m,n)