DISTRIBUCION DE PROBABILIDAD T

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

de procedimientos para hacer inferencias con respecto a la media de una poblacin
normal con una varianza 2 . En este caso el teorema 7.1 nos dice que

n Y /

tiene una distribucin normal estndar. Cuando se desconoce se le puede estimar

mediante S S 2 y la expresin

Y
n
S

nos dar como base para el desarrollo de mtodos de inferencias con respecto a .
Demostraremos que la distribucin de probabilidad de n Y / S esta dada por
una funcin de densidad de probabilidad conocida como distribucin t de Student con n
1 grados de libertad . La definicin general de una variable aleatoria que posee una
distribucin t de Student ( 0 simplemente distribucin t), es la siguiente:
DEFINICION: Sea Z una variable aleatoria normal estndar y sea
aleatoria ji - cuadrada con grados de libertad.
Entonces si Z y 2 son independientes,
T

2 una variable

2 /

se dice que tiene una distribucin t con grados de libertad.

Si Y1, Y2, ..., Yn es una muestra aleatoria de una poblacin normal con media y varianza
2, se puede aplicar el teorema 7.1 para demostrar que

n Y /

tiene una

distribucin normal estndar. El teorema 7.3 nos dice que 2 n 1 S 2 / 2 tiene una
2
2
distribucin con v n 1 grados de libertad y que Z y son independientes (ya

que Yy 2 los son). Por lo tanto, por la definicin 7.2

2 /v

n Y /

n 1 S 2 / 2 n 1

Y
S

tiene una distribucin t con (n-1) grados de libertad.

La ecuacin para la funcin de densidad t no se presentara aqu, pero se dan
algunas indicaciones para su obtencin en los ejercicios del final del capitulo. Como la

funcin de densidad normal estndar, la funcin de densidad t es simtrica con respecto a

cero, adems, para v > 1, E( T ) =0 y para v > 2, V ( T ) = v / ( v - 2 ). As vemos que
una variable aleatoria con una distribucin t tiene el mismo valor esperado que una
variable normal estndar. Sin embargo, una variable aleatoria normal estndar siempre
tiene una varianza de 1, mientras que la varianza de una variable aleatoria con una
distribucin t siempre es mayor que 1.
En al figura 7.2 se muestran las grficas de una funcin de densidad normal
estndar y de una funcin de densidad t. Ntese que ambas funciones de densidad son
simtricas con respecto al origen, pero que la densidad t tiene mas masa probabilstica en
las colas.
Normal
7.2
estndar
Una comparacin entre las funciones
de densidad normal estndar y t
t
0
valores de tales que P ( T > t ) = para =0.100,0.050,0.025,0.010 y 0.005
se dan en la tabla 5 del apndice III . Por ejemplo si una variable aleatoria tiene una
distribucin t con 21 grados de libertad (g.1.), t 0.100 se encuentra al buscar en el
rengln encabezado por 21g.1. y en la columna con t 0.100 . aplicando la tabla 5, vemos
que t 0.100 = 1.323. Por lo tanto, para 21g.1. la probabilidad de que una variable aleatoria
con distribucin t sea mayor que 1.323 es 0.100.
DISTRIBUCION DE PROBABILIDAD F
Supngase que deseamos comparar las varianzas de dos poblaciones normales
basados en la informacin contenida en muestras aleatorias independiente de las dos
poblaciones. Supngase que una muestra aleatoria contiene n 1 variables aleatorias
distribuidas normalmente con una varianza comn 12 y que la otra muestra aleatoria
contiene n 2 variables aleatorias distribuidas normalmente con una varianza comn 12 y
que la otra muestra aleatoria contiene n 2 variables aleatorias distribuidas normalmente
con una varianza comn 12 . Si calculamos S12 de las observaciones en la muestra 1,
entonces S12 es una estimacin de 12 . De manera similar, S 22 calculada a partir de las
observaciones de la segunda muestra es una estimacin para 22 . As intuitivamente
podramos

pensar en utilizar S12 / S 22 para hacer inferencias con respecto a las

2
2
magnitudes relativas de 12 y 22 . Si dividimos cada S i por i , entonces la razn
siguiente

S12 / 12 22 S12

2 2 2 2
S2 / 2 1 S2
tiene una distribucin F con n1 1 n2 1 grados de libertad. La definicin general de
una distribucin F es como sigue:
DEFINICION Sean 12 y 22 variables aleatorias ji - cuadrada con v1 y v 2 grados de
libertad. Respectivamente. Entonces si 12 y 22 son independientes,

12 / v1
22 / v 2

se dice que tiene una distribucin F con v1 grados de libertad del numerador y
grados de libertad del denominador.

v2

La funcin de densidad para variables aleatorias con la distribucin F es un

miembro de la familia de las distribuciones beta . Omitimos la formula para la densidad de
una variable aleatoria con la distribucin F , pero el mtodo para obtenerla se indica en
los ejercicios al final del capitulo.
DISTRIBUCION DE PROBABILIDAD I CUADRADA
Considerando nuevamente las
distribuciones normales, sabemos que

muestras

12 n1 1 S12 / 12 y 22 n2 1 S 22 / 22
tienen distribuciones 2 independientes con

v1 n1 1 yv 2 n2 1
grados de libertad, respectivamente.
As la definicin 7.3 implica que

aleatorias

independientes

de

 12 / v1 n1 1 S12 / 12 n1 1 S12 / 12
F 2

2 / v 2 n2 1 S 22 / 22 n2 1 S 22 / 22
tiene una distribucin F con n1 1 grados de libertad del numerador y
grados de libertad del denominador.

n2 1

En al figura 7.3 se muestra la grfica de una tpica funcin de densidad F . Los

valoras de F tales que P F F se dan en la tabla 7 del apndice III, para los
valores de 0.100, 0.050, 0.025, 0.010 y 0.005. En la tabla 7 del apndice III, los
encabezados de las columnas corresponden a los grados de libertad del numerador, en
tanto que los grados de libertad del denominador se encuentran como los encabezados
principales de los renglones.
Frente a los grados de libertad del denominador (los encabezados de los
renglones), se encuentran los valores de 0.100, 0.050, 0.025, 0.010 y 0.005. Por
ejemplo, si la variable F estudiada tiene 5 grados de libertad del numerador y 7 grados
de libertad del denominador, F 0.100= 2.88, F 0.050= 3.97, F 0.025 = 5.29, F 0.010 = 7.46 y
F 0.005 =9.52. luego la probabilidad de que una variable aleatoria con una distribucin F
con 5 grados de libertad del numerador y 7 grados de libertad del denominador exceda de
7.46 es 0.01 . Lo correspondiente se afirma para los dems casos.
FIGURA 7.3
Una tpica funcin de densidad
De probabilidad F

f u

u
F

DISTRIBUCION PROBABILIDAD GAMA.

Los tiempos que tardan en revisar un motor de un automvil avin tienen una
distribucin de frecuencias sesgadas. Las poblaciones asociadas a estas variables
aleatorias frecuentemente tienen distribuciones que se pueden modelar adecuadamente
por la funcin de densidad tipo gamma.
Funcin de densidad de probabilidad para una variable aleatoria tipo gamma:
, 0;0 y

y 1e y /
f ( y)
( )
0
En donde:

( ) y 1 e

dy

La cantidad de la de la funcin alfa se conoce como la funcin gamma. La

integracin directa nos da que la funcin uno igual a uno. La integracin por partes nos da
que la funcin de alfa menos uno alfa menos uno por la funcin alfa menos uno para
cualquier intervalo de alfa mayor o igual a uno y que la funcin de n sea igual a n menos
uno factorial, para un nmero entero n.
En el caso especial cuando alfa es un nmero entero, se puede expresar la
funcin de distribucin de una variable aleatoria tipo gamma como una suma de ciertas
variables aleatorias de Poisson.
Si alfa no es un nmero entero, es imposible encontrar la antiderivada del
integrando de la expresin:

0 c d
donde

y 1 e y /
dy
( )

Y por lo tanto es importante obtener las reas bajo la funcin de densidad tipo
gamma mediante integracin directa.
Hay dos casos especiales de las variables aleatorias tipo gamma que merece
consideracin particular:
Una variable aleatoria tipo gamma que tiene una funcin de densidad con
parmetros alfa igual a v entre dos y beta igual a dos se denomina variable aleatoria ji cuadrada.
Ji - cuadrada se presenta con frecuencia en la teora de la estadstica. El parmetro v se
denomina nmero de grados de libertad asociado a la variable aleatoria ji - cuadrada.
La funcin de densidad gamma para el caso especial v = 1 se denomina funcin
de densidad exponencial.
0;0 y

1 y/
f ( y) e

En cualquier punto.
La funcin de densidad exponencial muchas veces es til en los modelos de
duracin de componentes elctricos.
Un fusible es un ejemplo de un componente para el cual este supuesto suele
cumplirse.

LA DISTRIBUCION DE PROBABILIDAD BETA.

La distribucin de probabilidad beta es una funcin de densidad con dos
parmetros definida en el intervalo cerrado 0 <= y <= 1. Se utiliza frecuentemente como
modelo para fracciones, tal como la proporcin de impurezas en un producto qumico o la
fraccin de tiempo que una maquina est en reparacin.
Funcin de densidad probabilidad:

, 0;0 y 1

y 1 (1 y) 1
f ( y) {
B( , )
En cualquier otro punto donde
B ( , ) y 1 (1 y ) 1 dy

( ) ( )
( )

Ntese que la definicin de (y) sobre el intervalo 0<= y <= 1 restringe su aplicacin. Si c<=
y <= d, y = (y- c) / (d- c) definir una nueva variable en el intervalo 0<= y <= 1. As la
funcin de densidad beta se puede aplicar a una variable aleatoria definida en el intervalo
c<= y <= d mediante una traslacin y una medicin en la escala.
La funcin de distribucin acumulativa para la variable aleatoria beta se llama
comnmente funcin beta y esta dada por
F ( y)

t 1 (1 t ) 1
dt I y ( , )
B ( , )

Para valores enteros de alfa y beta, Iy (alfa, beta) est relacionada con la funcin
de probabilidad binomial. Cuando y = p, se puede demostrar que

F ( p)

n
y 1 (1 y ) 1
dy p y (1 p ) n y
B ( , )
y

En donde 0< p < 1 y n igual a alfa ms beta menos uno.

DISTRIBUCIN WEIBULL
Devuelve la probabilidad de una variable aleatoria siguiendo una distribucin de
Weibull. Esta distribucin se aplica en los anlisis de fiabilidad, para establecer, por
ejemplo, el periodo de vida de un componente hasta que presenta una falla.
La ecuacin para la funcin de distribucin acumulada de Weibull es:
F x, , 1 e x

La funcin de densidad de probabilidad es:

f x, ,

1 x
x e
.

Cuando = 1 la distribucin de Weibull devuelve la distribucin exponencial con:

1
.

DISTRIBUCIN EXPONENCIAL
Devuelve la probabilidad de una variable aleatoria continua siguiendo una
distribucin exponencial. Se usa para la planeacin del tiempo entre dos sucesos.
Esta distribucin se puede usar en diversos casos tales como:, el tiempo que
tardara una maquina de cajero automtico en entregar efectivo. Esta funcin puede
usarse para determinar la probabilidad de que el proceso tarde como mximo un minuto.
La ecuacin de la distribucin exponencial es:
f x; e x

Distribucin acumulada:
F x; 1 e x .

Siendo el valor del parmetro y x el valor de la funcin.