DISTRIBUCION DE PROBABILIDAD T

El resultado ofrecido en el teorema anterior nos proporciona la base del desarrollo

de procedimientos para acer inferencias con respecto a la media de una poblaci!n
normal con una "arian#a
$
% En este caso el teorema &%' nos dice (ue
/

Y n
tiene una distribuci!n normal est)ndar% Cuando se desconoce se le puede estimar
mediante
2
S S = * la e+presi!n

S
Y
n

nos dar) como base para el desarrollo de m,todos de inferencias con respecto a %
Demostraremos (ue la distribuci!n de probabilidad de
( ) S Y n /
esta dada por
una funci!n de densidad de probabilidad conocida como distribuci!n t de Student con n
' -rados de libertad % La definici!n -eneral de una "ariable aleatoria (ue posee una
distribuci!n t de Student . / simplemente distribuci!n t01 es la si-uiente2
DE3INICION2 Sea 4 una "ariable aleatoria normal est)ndar * sea
2

una "ariable
aleatoria 5i 6 cuadrada con -rados de libertad%
Entonces si Z *
2
son independientes1

/
2
Z
T =
se dice (ue tiene una distribuci!n t con -rados de libertad%
Si 7'1 7$1 %%%1 7n es una muestra aleatoria de una poblaci!n normal con media * "arian#a

$
1 se puede aplicar el teorema &%' para demostrar (ue
/

=

Y n Z
tiene una
distribuci!n normal est)ndar% El teorema &%8 nos dice (ue ( )
2 2 2
/ 1 S n = tiene una
distribuci!n
2

con
1 = n v
-rados de libertad * (ue 4 *
2

son independientes .*a

(ue

2
Yy
los son0% Por lo tanto1 por la definici!n &%$

( ) ( )

= =

S
Y
n
n S n
Y n
v
Z
T

1 / 1
/
/
2 2 2

tiene una distribuci!n t con .n6'0 -rados de libertad%
La ecuaci!n para la funci!n de densidad t no se presentara a(u91 pero se dan
al-unas indicaciones para su obtenci!n en los e5ercicios del final del capitulo% Como la
funci!n de densidad normal est)ndar1 la funci!n de densidad t es sim,trica con respecto a
cero1 adem)s1 para v : '1 E. T 0 ;/ * para v : $1 < . T 0 ; v = . v 6 $ 0% As9 "emos (ue
una "ariable aleatoria con una distribuci!n t tiene el mismo "alor esperado (ue una
"ariable normal est)ndar% Sin embar-o1 una "ariable aleatoria normal est)ndar siempre
tiene una "arian#a de '1 mientras (ue la "arian#a de una "ariable aleatoria con una
distribuci!n t siempre es ma*or (ue '%
En al fi-ura &%$ se muestran las -r)ficas de una funci!n de densidad normal
est)ndar * de una funci!n de densidad t% N!tese (ue ambas funciones de densidad son
sim,tricas con respecto al ori-en1 pero (ue la densidad t tiene mas masa probabil9stica en
las colas%
Normal
&%$ est)ndar
Una comparaci!n entre las funciones
de densidad normal est)ndar * t t

/
"alores de tales (ue P . T : t
0 ; para ;/%'//1/%/>/1/%/$>1/%/'/ * /%//>
se dan en la tabla > del ap,ndice III % Por e5emplo si una "ariable aleatoria tiene una
distribuci!n t con $' -rados de libertad .-%'%01 t
/%'// se encuentra al buscar en el
ren-l!n encabe#ado por $'-%'% * en la columna con t
/%'// % aplicando la tabla >1 "emos
(ue t
/%'// ; '%8$8% Por lo tanto1 para $'-%'% la probabilidad de (ue una "ariable aleatoria
con distribuci!n t sea ma*or (ue '%8$8 es /%'//%
DISTRIBUCION DE PROBABILIDAD 3
Sup!n-ase (ue deseamos comparar las "arian#as de dos poblaciones normales
basados en la informaci!n contenida en muestras aleatorias independiente de las dos
poblaciones% Sup!n-ase (ue una muestra aleatoria contiene n' "ariables aleatorias
distribuidas normalmente con una "arian#a com?n
2
1
* (ue la otra muestra aleatoria
contiene
2
n "ariables aleatorias distribuidas normalmente con una "arian#a com?n
2
1
*
(ue la otra muestra aleatoria contiene
2
n "ariables aleatorias distribuidas normalmente
con una "arian#a com?n
2
1
% Si calculamos
2
1
S de las obser"aciones en la muestra '1
entonces
2
1
S es una estimaci!n de
2
1
% De manera similar1
2
2
S calculada a partir de las
obser"aciones de la se-unda muestra es una estimaci!n para
2
2
% As9 intuiti"amente
podr9amos pensar en utili#ar
2
1
S =
2
2
S para acer inferencias con respecto a las
ma-nitudes relati"as de
2
1
*
2
2
% Si di"idimos cada
2
i
S por
2
i
1 entonces la ra#!n
si-uiente

=
2
2
2
1
2
1
2
2
2
2
2
2
2
1
2
1
/
/
S
S
S
S

tiene una distribuci!n F con ( ) ( ) 1 1

2 1
n n -rados de libertad% La definici!n -eneral de
una distribuci!n F es como si-ue2
DE3INICION Sean
2
1
*
2
2
"ariables aleatorias 5i 6 cuadrada con
1
v *
2
v -rados de
libertad% Respecti"amente% Entonces si
2
1
*
2
2
son independientes1

2
2
2
1
2
1
/
/
v
v
F

=
se dice (ue tiene una distribuci!n F con
1
v -rados de libertad del numerador *
2
v
-rados de libertad del denominador%
La funci!n de densidad para "ariables aleatorias con la distribuci!n F es un
miembro de la familia de las distribuciones beta % Omitimos la formula para la densidad de
una "ariable aleatoria con la distribuci!n F 1 pero el m,todo para obtenerla se indica en
los e5ercicios al final del capitulo%
DISTRIBUCION DE PROBABILIDAD
CUADRADA I
Considerando nue"amente las muestras aleatorias independientes de
distribuciones normales1 sabemos (ue

( ) ( )
2
2
2
2 2
2
2
2
1
2
1 1
2
1
/ 1 / 1 S n y S n = =
tienen distribuciones
2
independientes con
( ) ( ) 1 1
2 2 1 1
= = n yv n v
-rados de libertad1 respecti"amente%
As9 la definici!n &%8 implica (ue

( ) ( )
( ) ( )
2
2
2
2
2
1
2
1
2
2
2
2
2 2
1
2
1
2
1 1
2
2
2
1
2
1
/
/
1 / 1
1 / 1
/
/

S
S
n S n
n S n
v
v
F =


= =
tiene una distribuci!n F con ( ) 1
1
n -rados de libertad del numerador * ( ) 1
2
n
-rados de libertad del denominador%

En al fi-ura &%8 se muestra la -r)fica de una t9pica funci!n de densidad F % Los
"aloras de

F
tales (ue
( )

= > F F P se dan en la tabla & del ap,ndice III1 para los

"alores de
, 100 . 0 =
/%/>/1 /%/$>1 /%/'/ * /%//>% En la tabla & del ap,ndice III1 los
encabe#ados de las columnas corresponden a los -rados de libertad del numerador1 en
tanto (ue los -rados de libertad del denominador se encuentran como los encabe#ados
principales de los ren-lones%
3rente a los -rados de libertad del denominador .los encabe#ados de los
ren-lones01 se encuentran los "alores de = /%'//1 /%/>/1 /%/$>1 /%/'/ * /%//>% Por
e5emplo1 si la "ariable F estudiada tiene > -rados de libertad del numerador * & -rados
de libertad del denominador1 F /%'//; $%@@1 F /%/>/; 8%A&1 F /%/$> ; >%$A1 F /%/'/ ; &%BC *
F /%//> ;A%>$% lue-o la probabilidad de (ue una "ariable aleatoria con una distribuci!n F
con > -rados de libertad del numerador * & -rados de libertad del denominador e+ceda de
&%BC es /%/' % Lo correspondiente se afirma para los dem)s casos%
3IDURA &%8 ( ) u f
Una t9pica funci!n de densidad
De probabilidad 3
u

F
DISTRIBUCION PROBABILIDAD DAEA%
Los tiempos (ue tardan en re"isar un motor de un autom!"il ! a"i!n tienen una
distribuci!n de frecuencias ses-adas% Las poblaciones asociadas a estas "ariables
aleatorias frecuentemente tienen distribuciones (ue se pueden modelar adecuadamente
por la funci!n de densidad tipo -amma%
3unci!n de densidad de probabilidad para una "ariable aleatoria tipo -amma2
> y 0 ; 0 ,
0
) (
) (
/ 1

y
e y
y f

=
En donde2

0
1
) ( dy e y
y
La cantidad de la de la funci!n alfa se conoce como la funci!n -amma% La
inte-raci!n directa nos da (ue la funci!n uno i-ual a uno% La inte-raci!n por partes nos da
(ue la funci!n de alfa menos uno alfa menos uno por la funci!n alfa menos uno para
cual(uier inter"alo de alfa ma*or o i-ual a uno * (ue la funci!n de n sea i-ual a n menos
uno factorial1 para un n?mero entero n%
En el caso especial cuando alfa es un n?mero entero1 se puede e+presar la
funci!n de distribuci!n de una "ariable aleatoria tipo -amma como una suma de ciertas
"ariables aleatorias de Poisson%
Si alfa no es un n?mero entero1 es imposible encontrar la antideri"ada del
inte-rando de la e+presi!n2
< < < d c 0
donde
dy
e y
d
c
y

) (
/ 1

7 por lo tanto es importante obtener las )reas ba5o la funci!n de densidad tipo
-amma mediante inte-raci!n directa%
Fa* dos casos especiales de las "ariables aleatorias tipo -amma (ue merece
consideraci!n particular2
Una "ariable aleatoria tipo -amma (ue tiene una funci!n de densidad con
par)metros alfa i-ual a " entre dos * beta i-ual a dos se denomina "ariable aleatoria 5i 6
cuadrada%
Gi 6 cuadrada se presenta con frecuencia en la teor9a de la estad9stica% El par)metro " se
denomina n?mero de -rados de libertad asociado a la "ariable aleatoria 5i 6 cuadrada%
La funci!n de densidad -amma para el caso especial " ; ' se denomina funci!n
de densidad e+ponencial%
< > y 0 ; 0
0
1
) (
/

y
e y f

=

En cual(uier punto%
La funci!n de densidad e+ponencial mucas "eces es ?til en los modelos de
duraci!n de componentes el,ctricos%
Un fusible es un e5emplo de un componente para el cual este supuesto suele
cumplirse%
LA DISTRIBUCION DE PROBABILIDAD BETA%
La distribuci!n de probabilidad beta es una funci!n de densidad con dos
par)metros definida en el inter"alo cerrado / H; * H; '% Se utili#a frecuentemente como
modelo para fracciones1 tal como la proporci!n de impure#as en un producto (u9mico o la
fracci!n de tiempo (ue una ma(uina est) en reparaci!n%
3unci!n de densidad probabilidad2
1 0 ; 0 , > y

) , (
) 1 (
{ ) (
1 1


B
y y
y f

=
En cual(uier otro punto donde

+
= =

) (
) ( ) (
) 1 ( ) , (
1 1




dy y y B
N!tese (ue la definici!n de .*0 sobre el inter"alo /H; * H; ' restrin-e su aplicaci!n% Si cH;
* H; d1 * ; .*6 c0 = .d6 c0 definir) una nue"a "ariable en el inter"alo /H; * H; '% As9 la
funci!n de densidad beta se puede aplicar a una "ariable aleatoria definida en el inter"alo
cH; * H; d mediante una traslaci!n * una medici!n en la escala%
La funci!n de distribuci!n acumulati"a para la "ariable aleatoria beta se llama
com?nmente funci!n beta * esta dada por
) , (
) , (
) 1 (
) (
0
1 1



y
y
I dt
B
t t
y F =

Para "alores enteros de alfa * beta1 I* .alfa1 beta0 est) relacionada con la funci!n
de probabilidad binomial% Cuando * ; p1 se puede demostrar (ue

=
n
y
y n y
p p dy
B
y y
p F

) 1 (
) , (
) 1 (
) (
1 1
En donde /H p H ' * n i-ual a alfa m)s beta menos uno%
DISTRIBUCIIN JEIBULL
De"uel"e la probabilidad de una "ariable aleatoria si-uiendo una distribuci!n de
Jeibull% Esta distribuci!n se aplica en los an)lisis de fiabilidad1 para establecer1 por
e5emplo1 el periodo de "ida de un componente asta (ue presenta una falla%
La ecuaci!n para la funci!n de distribuci!n acumulada de Jeibull es2
( )
( )

x
e x F

=1 , ,
La funci!n de densidad de probabilidad es2
( )
( )

x
e x x f

=
1
, ,
%
Cuando ; ' la distribuci!n de Jeibull de"uel"e la distribuci!n e+ponencial con2

1
=
%
DISTRIBUCIIN EKPONENCIAL
De"uel"e la probabilidad de una "ariable aleatoria continua si-uiendo una
distribuci!n e+ponencial% Se usa para la planeaci!n del tiempo entre dos sucesos%
Esta distribuci!n se puede usar en di"ersos casos tales como21 el tiempo (ue
tardara una ma(uina de ca5ero autom)tico en entre-ar efecti"o% Esta funci!n puede
usarse para determinar la probabilidad de (ue el proceso tarde como m)+imo un minuto%
La ecuaci!n de la distribuci!n e+ponencial es2
( )
x
e x f



= ;
Distribuci!n acumulada2
( )
x
e x F

=1 ; %
Siendo el "alor del par)metro * x el "alor de la funci!n%