Universidad de las fuerzas armadas ESPE

Estadstica diferencial
Nombre: Sandra Rocha

Tema 1: distribucin t de Student

Esta distribucin fue propuesta y tabulada por William Sealy Gosset (1876-1937), ms
conocido por el seudnimo de Student, como resultado de un estudio sobre la estimacin
de la media cuando el tamao de muestra es pequeo, estos resultados fueron
publicados en 1908 en el artculo The Probable Error of a Mean.

La distribucin t de Student queda completamente definida por medio de sus grados

de libertad, n, y se denota por tn. Surge cuando se plantea estudiar el cociente entre una
variable aleatoria con distribucin normal estndar y la raz cuadrada del cociente entre
una variable aleatoria con distribucin ji-cuadrado y sus grados de libertad (n), siendo las
dos variables independientes. Esta distribucin desempea un papel muy importante en
la inferencia estadstica asociada a la teora de muestras pequeas y es usada
habitualmente en el contraste de hiptesis para la media de una poblacin o para
comparar medias de dos poblaciones.

En cuanto a la forma que presenta su funcin de densidad cabe destacar las

similitudes que mantiene con la funcin de densidad de la distribucin normal estndar:
forma acampanada, simtrica y centrada en el origen; la nica diferencia existente entre
ambas distribuciones es que la funcin de densidad de la t de Student presenta unas
colas ms pesadas (mayor dispersin) que la normal.

Cabe destacar que el programa slo permite realizar el clculo para una distribucin t
de Student con 150 grados de libertad o menos. Esto no supone una limitacin ya que, a
medida que aumentan los grados de libertad, esta distribucin se va aproximando a la
normal estndar, de forma que a partir de ese valor de n pueden considerarse
prcticamente idnticas.

La distribucin t de Student con 1 grado de libertad coincide con la distribucin de

Cauchy estndar.

Caractersticas Distribucin t
Tiene media igual 0, es asinttica al eje x y su dominio va de - a +
El rea bajo la curva desde - a + es igual a 1
= 0, 2 depende parmetro n (grados libertad)
Varianza > 1, pero se aproxima a 1 cuando n
Al aumentar n, la distribucin t se aproxima a la Normal; n > 30 ms,
excelente aproximacin
Entre las aplicaciones:
o Estimacin de intervalos de confianza para medias a partir de
muestras pequeas
 o Pruebas de hiptesis basadas en muestras < 30
Campo de variacin: - < x <

Parmetros: n: grados de libertad, n 1 entero =

Ejemplo: Se aplica una prueba de autoestima a 25 personas quienes obtienen una

calificacin promedio de 62.1 con una desviacin estndar de 5.83 Se sabe que el valor
correcto de la prueba debe ser mayor a 60. Existe suficiente evidencia para comprobar
que no hay problemas de autoestima en el grupo seleccionado?

Considera un nivel de significancia de 0.05

DATOS:

Nivel de significancia: = 0,05

= 62.1
62,160 2.1
= 5.83 = = 5,83 = = 1.8
1.166
25

= 1 = 25 1 = 24

Tema 2: Distribucin probabilstica exponencial

Esta distribucin es un caso especial de la distribucin gamma, la variable aleatoria

exponencial es el tiempo que transcurre hasta que se da el primer evento de Poisson. Es
decir, la distribucin exponencial puede modelar el lapso entre dos eventos consecutivos
de Poisson que ocurren de manera independiente y a una frecuencia constante.

Describe procesos en los que interesa saber el tiempo hasta que ocurre un
determinado evento, sabiendo que el tiempo que puede transcurrir desde cualquier
instante dado t, hasta que ello ocurra en un instante tf, no depende del tiempo
transcurrido anteriormente.

Esta distribucin se puede caracterizar como la distribucin del tiempo entre sucesos
consecutivos generados por un proceso de Poisson; por ejemplo, el tiempo que
transcurre entre dos heridas graves sufridas por una persona. La media de la distribucin
de Poisson, , que representa la tasa de ocurrencia del evento por unidad de tiempo, es
el parmetro de la distribucin exponencial, y su inversa es el valor medio de la
distribucin.

f ( x ) e x
Funcin densidad: 0, x 0
 =1/
=1/
:

: Esperanza de distribucin

Ejemplo: El tiempo durante el cual cierta marca de batera trabaja en forma efectiva
hasta que falle (tiempo de falla) se distribuye segn el modelo exponencial con un tiempo
promedio de fallas igual a 360 das.

a) qu probabilidad hay que el tiempo de falla sea mayor que 400 das?

b) Si una de estas bateras ha trabajado ya 400 das, qu probabilidad hay que

trabaja ms de 200 das ms?

c) Si se estn usando 5 de tales bateras calcular la probabilidad de que ms de dos

de ellas continen trabajando despus de 360 das.

Solucin

Sea X=el tiempo que trabaja la batera hasta que falle. El tiempo promedio de falla es
de 360 das. Entonces, X ~Exp (=1/360) y su funcin de densidad es:

TEMA 3: INDICES BURSTILES

Los ndices burstiles son una medida estadstica y reflejan el rendimiento del
mercado a travs del tiempo, en funcin de las variaciones de precio de la canasta de
instrumentos que los conforman. Proveen de un punto de referencia a los inversores y
usuarios que desean conocer la evolucin de los mercados.
 Los ndices pueden suponer agrupaciones parciales de valores (sectoriales) o
globales(generales). Tcnicamente son nmeros ndices temporales complejos y en la
mayora delos casos ponderados.

La finalidad de los ndices burstiles es reflejar la evolucin en el tiempo de los precios

delos ttulos admitidos a cotizacin en Bolsa.

En resumen, tratan de reflejar el comportamiento de todos los valores que cotizan en

la bolsa tomados en conjunto como si fuera una sola unidad

Parmetro que tiene por objeto medir la evolucin de un determinado

mercado. En el mercado, hay muchas acciones, por lo cual, para formar un
ndice, se debe elegir solo aquellas que tengan mayor representatividad.

Para esto se pueden consideran diversos criterios.

Capitalizacin Burstil Valor global de las acciones de una empresa que cotizan en
bolsa

Volumen de negociacin. - Cantidad de acciones que se negocian por da. Nmero de

accionistas. Un alto volumen de negociacin, no implica que las acciones se transen
entre muchas personas.

El ndice Dow Jones

ndice ms famoso del mundo. Compuesto por 30 empresas industriales

ms importantes de EEUU. Se suma el valor total de cada empresa que
compone en ndice.

El DJIA fue creado el 26 de mayo de 1896 por Charles Dow

General Electric es la nica empresa que se mantiene desde su fundacin. A

partir de 1999 se empez a incluir acciones del NASDAQ

El ndice Standard & Poors

El Indice Standard & Poors 500 est compuesto por 500 empresas de gran
capitalizacin burstil. La mayor parte de ellas cotiza en el NYSE y el NASDAQ.
Es ponderado por capitalizacin burstil, Creado el 4 de marzo de 1957

NASDAQ

El Nasdaq Composite ndice burstil que incluye a todas las empresas que
cotizan en el NASDAQ. Ms de 5000 empresas. Creado creado el 5 de febrero de
1971 con un precio base de 100. Ponderado por capitalizacin burstil

NASDAQ 100 Creado en enero de 1985. Incorpora nicamente las 100 empresas
ms importantes del NASDAQ

Los ndices RUSSELL

Conjunto de ndices de empresas de Estados Unidos que estn clasificadas

por determinados parmetros. Administrados por Russell Investment Group