Está en la página 1de 5

DESCRIPCIN GENERAL (RESULTADOS)

Distribucin para hacer inferencias sobre medias. T de Student


La distribucin de probabilidad de t se public por primera vez en 1908 en un artculo de W. S. Gosset. En esa poca, Gosset era empleado de una cervecera irlandesa que desaprobaba la publicacin de investigaciones de sus empleados. Para evadir esta prohibicin, public su trabajo en secreto bajo el nombre de Student. En consecuencia, la distribucin t normalmente se llama distribucin t de Student, o simplemente distribucin t. Para derivar la ecuacin de esta distribucin, Gosset supone que las muestras se seleccionan de una poblacin normal. Aunque esto parecera una suposicin muy restrictiva, se puede mostrar que las poblaciones no normales que poseen distribuciones en forma casi de campana an proporcionan valores de t que se aproximan muy de cerca a la distribucin t. La distribucin t difiere de la de Z en que la varianza de t depende del tamao de la muestra y siempre es mayor a uno. nicamente cuando el tamao de la muestra tiende a infinito las dos distribuciones sern las mismas. Se acostumbra representar con ta el valor t por arriba del cual se encuentra un rea igual a a. Como la distribucin t es simtrica alrededor de una media de cero, tenemos t1-a = -ta; es decir, el valor t que deja un rea de 1-a a la derecha y por tanto un rea de a a la izquierda, es igual al valor t negativo que deja un rea de a en la cola derecha de la distribucin. Esto es, t0.95 = -t0.05, t0.99=-t0.01, etc. Para encontrar los valores de t se utilizar la tabla de valores crticos de la distribucin t. Un ejemplo de esto es, El valor t con v=14 grados de libertad que deja un rea de 0.025 a la izquierda, y por tanto un rea de 0.975 a la derecha es:

La manera de encontrar el valor de t es buscar el valor de en el primer rengln de la tabla y luego buscar los grados de libertad en la primer columna y donde se intercepten y v se obtendr el valor de t

Distribucin para hacer inferencias sobre varianzas. Ji Cuadrada


En realidad la distribucin ji-cuadrada es la distribucin muestral de s2. O sea que si se extraen todas las muestras posibles de una poblacin normal y a cada muestra se le calcula su varianza, se obtendr la distribucin muestral de varianzas; Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer el estadstico X2. Si se elige una muestra de tamao n de una poblacin normal con varianza s2, el estadstico:

Tiene una distribucin muestral que es una distribucin ji-cuadrada con gl=n-1 grados de libertad y se denota X2 (X es la minscula de la letra griega ji). El estadstico ji-cuadrada esta dado por:

Donde n es el tamao de la muestra, s2 la varianza muestral y s2 la varianza de la poblacin de donde se extrajo la muestra. El estadstico ji-cuadrada tambin se puede dar con la siguiente expresin:

La funcin de densidad de la distribucin X2 esta dada por:

La tabla que se utilizar para estos da valores crticos X2 a (gl) para veinte valores especiales de a. Para denotar el valor crtico de una distribucin X2 con gl grados de libertad se usa el smbolo X2 a (gl); este valor crtico determina a su derecha un rea de a bajo la curva X2 y sobre el eje horizontal. Por ejemplo para encontrar X2 0.05(6) en la tabla se localiza 6 gl en el lado izquierdo y a=0.05 a o largo del lado superior de la misma tabla.

Distribucin para comparar varianzas F de Fisher


Esta distribucin nace de la necesidad de la comparacin de la precisin de un instrumento de medicin con la de otro, la diferencia de un proceso de produccin a otro, etc. Por deduccin podramos comparar las varianzas de dos poblaciones, s2 1 y s2 2, utilizando la razn de las varianzas muestrales s2 1/s2 2. Si s2 1/s2 2 es casi igual a 1, se tendr poca evidencia para indicar que s2 1 y s2 2 no son iguales. Por otra parte, un valor muy grande o muy pequeo para s2 1/s2 2, proporcionar evidencia de una diferencia en las varianzas de las poblaciones. La variable aleatoria F se define como el cociente de dos variables aleatorias ji-cuadrada independiente, cada una dividida entre sus respectivos grados de libertad. Esto es,

Donde U y V son variables aleatorias ji-cuadrada independientes con grados de libertad v1 y v2 respectivamente. La variable aleatoria F no es negativa, y la distribucin tiene un sesgo hacia la derecha. La distribucin F tiene una apariencia muy similar a la de ji-cuadrada, pero se encuentra centrada respecto a 1, y los dos parmetros v1 y v2 proporcionan una flexibilidad adicional con respecto a la forma de la distribucin. Si s1 y s2 son las varianzas muestrales independientes de tamao n1 y n2 tomados de poblaciones normales con varianzas respectivamente. La tabla de Fisher se deber buscar primero los grados de libertad dos para luego localizar el rea correspondiente, relacionndola con los grados de libertad 1 para calcular el valor de F

CONCLUSIONES
En base a la investigacin realizada puedo concluir sobre la importancia que representa el manejo adecuado de las tablas para la inferencia sobre varianzas y medias por medio de estas distribuciones, adems de comprender de manera general las aplicaciones practicas de cada una de ellas y la forma de poder comparar ambos modelos, esto llevndolo a la practica en aplicaciones comunes como mediciones de procesos, inclusive comparaciones de formas de trabajo de un ingeniero a otro, en medida que trabaje la aplicacin de estas distribuciones podre tener mas claro el alcance que podran tener aplicndolas en el mbito laboral que me desempeo.

REFERENCIAS BIBLIOGRAFICAS
Probabilidad y Estadstica para Ingenieras y Ciencias, Jay L. Devore, Septima Edicin Probabilidad y Estadstica Aplicadas a la Ingeniera, Montgomery, D.C. y Runger G.C., Primera Edicin, Mc Graw Hill.