Otras distribuciones muéstrales

Distribución de T Student

Distribución de probabilidad que surge del problema de estimar la media de una población
normalmente distribuida, cuando el tamaño de la muestra es pequeña .esta es la base de la
popular prueba de T Student , para determinación de de las diferencias entre dos medias
muéstrales y para la construcción de intervalos de confianza para la diferencia entre las media de
población .

z
La distribución T de Student es la distribución de la probabilidad del cociente v donde:
√
v

Z= Distribución normal de la media nula y la varianza 1

V=Distribución de chi-cuadrado con V grados

Z y V son independientes.

Distribución x2 de Poisson

Distribución de probabilidad continúa con un parámetro K que representa los grados de libertad
de la variable aleatoria x=z z ,+ …+ z zk Z = variables de distribución normal µ= 0 y σ =1

L a distribución x2 tiene muchas aplicaciones en inferencia estadística. X ejemplo en la prueba X 2

utilizada como prueba de independencia y como prueba de bondad de ajuste y en la estimación
de varianzas.

Su función de densidad es f ( x ; k )=¿ Para X ≥ 0

Función de distribución γ (K , Z ), función gamma incompleta

Para X ¿ 0
k x
γ( , )
2 2
F k ( x )=
k
Г( )
2

El valor esperado y la varianza de una variable aleatoria x con distribución x 2son respectivamente
K y 2K

Distribución F

Usada en la teoría de probabilidad y estadística, es una distribución de probabilidad continua.

También conocida como distribución F de Snedecor.

Una variable aleatoria de distribución F se construye:

 u1 /d 1
F= U1 y U2 siguen una distribución Chi-cuadrada cuando D 1 y D2 grados de libertad, U1 y
u2 /d 2
U2 son independientes

La distribución F aparece frecuentemente como la distribución nula de una prueba estadística,

especialmente en el análisis de varianza la función de densidad de una F (D 1 y D2 ) viene dado
1
G ( X )= ¿
por: d d
(
B 1, 2
2 2 )
Para todo número real x≥ 0 D1 y D2 son enteros positivos β función beta

d1 x d1 d2
Función de distribución G ( x ) =I (,
d 1 x +d 2 2 2 ) I Función beta incompleta regularizada

Variable aleatoria: regla o función que asigna un único número real o cada resultado de un
espacio muestral en un experimento

Ejemplo:

Experimento variable aleatoria lanzar 5 monedas

Discreta “Numero de soles”

V.A

Continua

Tabla de distribuciones de probabilidad

X P(X)

∑ ¿1
Media de variable aleatoria discreta

f
µx =∑ [ x P(x) ] ∑ [ ]
x
n

Donde X: variable aleatoria N: tamaño de población F: frecuencia

¿Qué datos necesita?

A B

V.A. Frecuencia V.A. Probabilidad

X frec. XF F/N ∑ [ x P( x)]
∑ ¿0

La media es también llamada valor esperado E(x)

µx =E ( X )=∑ [ x P( x) ]

Varianza variable aleatoria discreta

σ 2x =∑ ¿ ¿

Desviación estándar variable aleatoria discreta

σ x =√ varianza

Estimación

El objetivo de la estadística inferencial es la estimación esto es que mediante el estudio de una

muestra de una población queremos generalizar nuestras conclusiones al total de la misma.

La estadística es la generalización de una muestra a una población

Hay 2 procedimientos generales para hacer inferencias sobre parámetros poblacionales

desconocidos:

La estimación y prueba de hipótesis.

La lógica de prueba de hipótesis requiere de un método indirecto para hacer inferencias y eso lo
hace más complicado.

Hay dos tipos de estimación para parámetros:

 Estimación puntual: es el único valor estadístico y se usa para estimar un parámetro. El

estadístico usado se denomina estimador
 Estimación por intervalo: es un intervalo generalmente finito que se espera contenga el
parámetro.

La confiabilidad es la probabilidad de de que una estimación sea correcta.