UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU

FACULTAD DE INGENIERIA DE MINAS

UNIDAD DE POST GRADO

ESTADISTICA APLICADA A LA
INVESTIGACION INGENIERIL (7)

Ing. Ms. Eli Teobaldo Caro Meza

HUANCAYO – 2010 - I
 DISTRIBUCIÓN NORMAL
Definición

La v.a.c. X es normal (campana de Gauss) con media  y varianza

2 si:

Función de probilidad

1  x 
2   x  
1   
    
f ( x)  f ( x;  ,  ) 
2
e 2  

2   0
X es N(, 2)

Medidas de resumen

Media = ; Varianza = 2; DE = ; CA = 0; CC = 0

 Distribución normal N(100, 400)

0,020

0,015
f(x)

0,010

0,005

0,000
50 75 100 125 150
X
 Aplicaciones de la distribución normal
• Representación de variables continuas simétricas.
• Pruebas de hipótesis sobre una y dos proporciones con muestras
grandes.
• Pruebas de hipótesis sobre una y dos medias con distribución normal y
varianzas conocidas.
• Pruebas de hipótesis sobre los coeficientes de correlación de Pearson y
de Spearman.
• Estimación del tamaño de muestra.

Propiedades de la distribución normal

Es simétrica con respecto a la media .
Fa(–x) = 1 – Fa(x); P(–a ≤ X ≤ a) = 2Fa(a) – 1
P(– < X < +) = 0,6826
P(–2 < X < +2) = 0,9545
P(–3 < X < +3) = 0,9973
Ejemplo

Distribución normal N(100, 400) ( = 100 y 2 = 400).

Función de probilidad
2
1  x 100 
1   
f ( x)  f ( x; 100, 400)  e 2  20 
  x  
20 2
X es N(100, 400)

Medidas de resumen

 = 100; 2 = 400;  = 20; CV = 20%

Me = 100; Mo = 100
 Cálculo de probabilidades
X es N(100, 400)
P(X ≤ 120) = 0,841 P(80 < X ≤ 120) = 0,683

Distribución normal N(100, 400) Distribución normal N(100, 400)

P(80 < X < 120) = 0,683
P(X < 120) = 0,841

0,020 0,020

0,015 0,015
0,683
Densidad

Densidad
0,010 0,010
0,841

0,005 0,005

0,000 0,000
100 120 80 100 120
X X
 Cálculo de probabilidades
X es N(100, 400)

P(60 < X ≤ 140) = 0,954 P(X > 120) = 0,159

Distribución normal N(100, 400) Distribución normal N(100, 400)

P(60 < X < 140) = 0,954 P(X > 120) = 0,159

0,020 0,020

0,015 0,015
0,954
Densidad

Densidad
0,010 0,010

0,005 0,005
0,159

0,000 0,000
60 100 140 100 120
X X

8
 Cálculo de percentiles
X es N(100, 400)
P(X < A) = 0,95 P(X > B) = 0,95

Distribución normal N(100, 400) Distribución normal N(100, 400)

P(X < A) = 0,95 P(X > B) = 0,95

0,020 0,020

0,95 0,95
0,015 0,015
Densidad

Densidad
0,010 0,010

0,005 0,005

0,000 0,000
100 A = 133 B = 67,1 100
X X
 DISTRIBUCIÓN NORMAL ESTÁNDAR
Definición
Si la v.a.c. X es normal (campana de Gauss) con media
 y varianza 2, entonces la v.a.c. Z es normal estándar
con media 0 y varianza 1 si:
X 
Z

Función de probilidad
z2
1 
f ( z)  e 2
;   z  
2
.
X es N(0, 1)
Medidas de resumen
 = 0; 2 = 1;  = 1; CA = 0; CC = 0
10
 Distribución normal estándar
(Distribución normal N(0, 1))

0,4

0,3
f(z)

0,2

0,1

0,0
-3 -2 -1 0 1 2 3
Z
 Cálculo de probabilidades
X es N(100, 400)  Z es N(0, 1)
P(X ≤ 120) = 0,841 P(80 < X ≤ 120) = 0,683
P(Z ≤ 1) = 0,841 P(–1 < Z ≤ 1) = 0,683

Distribución normal estándar Distribución normal estándar

P(Z < 1) = 0,841 P(-1 < Z < 1) = 0,683

0,4 0,4

0,3 0,3 0,683

0,841
Densidad

Densidad
0,2 0,2

0,1 0,1

0,0 0,0
0 1 -1 0 1
Z Z
 Cálculo de probabilidades
X es N(100, 400)  Z es N(0, 1)

P(60 < X ≤ 140) = 0,954 P(X > 120) = 0,159

P(–2 < Z ≤ 2) = 0,954 P(Z > 1) = 0,159

Distribución normal estándar Distribución normal estándar

P(-2 < Z < 2) = 0,954 P(Z > 1) = 0,159

0,4 0,4

0,3 0,3
Densidad

Densidad
0,954
0,2 0,2

0,1 0,1
0,159

0,0 0,0
-2 0 2 0 1
Z Z
 Cálculo de percentiles
Z es N(0, 1)
P(–A < Z ≤ A) = 0,95 P(Z > B) = 0,25

Distribución normal estándar Distribución normal estándar

P(-A < Z < A) = 0,95
P(Z > B) = 0,25

0,4 0,4

0,3 0,3

Densidad
Densidad

0,95
0,2 0,2

0,1 0,1
0,25

0,0 0,0
-A = -1,96 0 A = 1,96 0 B = 0,674
Z Z
 DISTRIBUCIÓN T DE STUDENT
Definición
La v.a.c. X es t de Student con r grados de libertad si:
Función de probilidad
 r  1
 
1
2  2  r 1
 2  x 
f (x )  f (x ; r )  1   ;  < x < 
 
r r 
  
 2

X es t(r)
(r )  (r  1)(r  1); (r )  (r  1)!; (1)  1; (1/ 2)  

Medidas de resumen
Media:  = 0; Varianza: 2 = r/(r–2); r > 2; CA = 0
 Distribución t de Student t(10)
0,4

0,3
Densidad

0,2

0,1

0,0
-4 -3 -2 -1 0 1 2 3 4
X
 Aplicaciones de la distribución t de Student
• Representación de variables continuas simétricas.

• Pruebas de hipótesis sobre una y dos proporciones con

muestras pequeñas.

• Pruebas de hipótesis sobre una y dos medias con distribución

normal, varianzas desconocidas y muestras pequeñas.

• Pruebas de hipótesis sobre los coeficientes de correlación de

Pearson y de Spearman con muestras pequeñas.

• Estimación del tamaño de muestra.

Propiedades de la distribución t de Student

Es simétrica con respecto a la media 0.

Fa(–x) = 1 – Fa(x); P(–a ≤ X ≤ a) = 2Fa(a) – 1

Ejemplo
Distribución t de Student con 10 grados de libertad (r =
10):
Función de probabilidad
5,5 5,5
  5,5  x 
2
50,0625   x 
2
f (x )  f (x ; r )  1    1  ;  < x < 
  5  10  24  10 

X es t(10)

Medidas de resumen
Media:  = 0; Varianza: 2 = 1,25;  = 1,118; CA = 0
 Cálculo de probabilidades
X es t(10)
P(X ≤ 1,2) = 0,871 P(1 < X ≤ 2) = 0,134

Distribución t de Student t(10) Distribución t de Student t(10)

P(X < 1,2) = 0,871 P(1 < X < 2) = 0,134

0,4 0,4

0,3 0,3
Densidad

Densidad
0,2 0,2
0,871

0,134

0,1 0,1

0,0 0,0
0 1,2 0 1 2
X X
 Cálculo de percentiles
X es t(10)
P(X > B) = 0,1 P(X A) = 0,05

Distribución t de Student t(10) Distribución t de Student t(10)

P(X > B) = 0,1 P(|X|>A) = 0,05

0,4 0,4

0,3 0,3
Densidad

Densidad
0,2 0,2

0,1 0,1

0,1
0,025 0,025
0,0 0,0
0 B = 1,37 -A = -2,23 0 A = 2,23
X X
 DISTRIBUCIÓN JI CUADRADO
Definición
La v.a.c. X es ji cuadrado con r grados de libertad si:
Función de probilidad
r x
1 1 
f (x )  f (x ; r )  r
x 2
e ; x  0
2

r
2  
2

 2

X es J(r)
(r )  (r  1)(r  1); (r )  (r  1)!; (1)  1; (1/ 2)  

Medidas de resumen
Media:  = r; Varianza: 2 = 2r
 Distribución ji cuadrado J(8)

0,12

0,10

0,08
Densidad

0,06

0,04

0,02

0,00
0 5 10 15 20 25
X
 Aplicaciones de la distribución ji
cuadrado
• Representación de variables continuas asimétricas (+).

• Pruebas de hipótesis sobre una y varias varianzas.

• Pruebas de hipótesis sobre el ajuste de una distribución de

probabilidad.

• Pruebas de hipótesis sobre la asociación de variables

cualitativas.

• Pruebas de hipótesis sobre varias proporciones.

• Pruebas de hipótesis no paramétricas

Propiedades de la distribución ji cuadrado

Es asimétrica positiva.
Ejemplo

Distribución ji cuadrado con 8 grados de libertad (r = 8):

Función de probilidad

x x
1  1 
f ( x )  f ( x ; 8)  4 x e 2 
3
x e 2; x  0
3

2   4 96
X es J(8)

Medidas de resumen

Media:  = 8; Varianza: 2 = 16;  = 4; CV = 50%

 Cálculo de probabilidades
X es J(8)
P(X < 15) = 0,941 P(5 < X < 12) = 0,606

Distribución ji cuadrado J(8) Distribución ji cuadrado J(8)

P(X < 15) = 0,941 P(5 < X < 12) = 0,606

0,12 0,12

0,10 0,941 0,10

0,606

0,08 0,08
Densidad

Densidad
0,06 0,06

0,04 0,04

0,02 0,02

0,00 0,00
0 15 0 5 12
X X
 Cálculo de percentiles
X es J(8)
P(X < B) = 0,65 P(X > A) = 0,25

Distribución ji cuadrado J(8) Distribución ji cuadrado J(8)

P(X < B) = 0,65 P(X > A) = 0,25

0,12 0,12

0,10 0,10

0,65
0,08 0,08
Densidad

Densidad
0,06 0,06

0,04 0,04

0,02 0,02
0,25

0,00 0,00
0 B = 8,91 0 A = 10,2
X X
 DISTRIBUCIÓN F DE FISHER
Definición
La v.a.c. X es F de Fisher con r y s grados de libertad
si:
Función de probilidad
r
r
r  r+ s 
2 1
    x
2

f ( x )  f ( x ; r, s)   
s  2  ; x  0
r+ s
 r   s  rx  2
  1 
 2   2  s 

X es F(r, s)
(r )  (r  1)(r  1); (r )  (r  1)!; (1)  1; (1/ 2)  

Medidas de resumen
2  r+ s  2  s2
Media:  = s/(s–2); Varianza: 2  ; s>4
r  s  4   s  2
2
 Distribución F de Fisher F(10, 8)

0,8

0,7

0,6

0,5
Densidad

0,4

0,3

0,2

0,1

0,0
0 1 2 3 4 5 6
X
 Aplicaciones de la distribución F de Fisher

• Representación de variables continuas asimétricas (+).

• Pruebas de hipótesis sobre dos varianzas.

• Pruebas de hipótesis del ANOVA sobre varias medias y

regresión, DCA, DBCA, DF, DCL.

Propiedades de la distribución F de Fisher

Es asimétrica positiva.
Ejemplo

Distribución F de Fisher con 10 y 8 grados de libertad

(r = 10, s = 8):

Función de probilidad

 1,25 5   9 x 4  1,25 5   9 x 4
f ( x )  f ( x ; 10, 8)   ; x  0
  5   4   1  1,25x  144  1  1,25x 
9 9

X es F(10, 8)

Medidas de resumen

 = 1,33; 2 = 1,42222;  = 1,1926; CV = 89,67%

 Cálculo de probabilidades
X es F(10, 8)
P(X < 2,5) = 0,896 P(X > 2) = 0,169

Distribución F de Fisher F(10, 8) Distribución F de Fisher F(10, 8)

P(X < 2,5) = 0,896 P(X > 2) = 0,169

0,8 0,8

0,7 0,7

0,6 0,6

0,5 0,5
Densidad

Densidad
0,4 0,896 0,4

0,3 0,3

0,2 0,2

0,1 0,1 0,169

0,0 0,0
0 2,5 0 2
X X
 Cálculo de percentiles
X es F(10, 8)
P(X < B) = 0,95 P(X > A) = 0,375

Distribución F de Fisher F(10, 8) Distribución F de Fisher F(10, 8)

P(X < B) = 0,95 P(X > A) = 0,375

0,8 0,8

0,7 0,7

0,6 0,6

0,5 0,5
Densidad

Densidad
0,4 0,4

0,3 0,3
0,95
0,2 0,2

0,1 0,1 0,375

0,0 0,0
0 B = 3,35 0 A = 1,27
X X