Está en la página 1de 5

1

Distribuci on Chi-Cuadrado y Binomial


Israel Proa no, Isabel Daz, Eduardo Vera, Carlos Fierro
Departamento de Ciencias Exactas, Universidad de las Fuerzas Armadas - ESPE
Sangolqu-Ecuador
iso.proano@gmail.com
isa_daya15@hotmail.com
edward_vc@hotmail.com
charlienagisa@outlook.com
Resumen- En este documento hablaremos sobre dos
Distribuciones de Estadstica Inferencial las cuales son muy
utiles para hacer un an alisis estadistico.La Distribuci on
Chi-cuadrada es una distribuci on de muestreo asociada a la
probabilidad de la varianza (2). Mientras que La distribuci on
binomial est a asociada a experimentos del siguiente tipo:
- Realizamos n veces cierto experimento en el que consideramos
s olo la posibilidad de exito o fracaso.
- La obtenci on de exito o fracaso en cada ocasi on es
independiente de la obtenci on de exito o fracaso en las dem as
ocasiones.
- La probabilidad de obtener exito o fracaso siempre es la
misma en cada ocasi on.
I. INTRODUCCI

ON
Estudiaremos en este tema dos de las distribuciones de probabilidad
m as importantes y que son imprescindibles a la hora de adentrarnos
en el estudio de la inferencia estadstica.
La familia de distribuciones Chi-cuadrado (
2
) es una distribuci on
unimodal con asimetra positiva.
Las distribuci on Chi cuadrado, se derivan de la distribuci on Normal
y est

An relacionadas con la teora del muestreo peque no n < 30.


Son muy importantes pues son la base de metodologas inferen-
ciales, tales como Intervalos de Conanza y Pruebas de Hip otesis.
En otros estudios se les dene como la suma de diferencias
cuadr aticas relativas entre valores experimentales (observados) y
valores te oricos (esperados).
La distribuci on binomial es uno de los primeros ejemplos de
las llamadas distribuciones discretas (que solo pueden tomar un
n umero nito, o innito numerable, de valores). Fue estudiada
por Jakob Bernoulli (Suiza,1654 1705, qui en escribi o el primer
tratado importante sobre probabilidad, Ars conjectandi (El arte de
pronosticar).
II. DEFINICI

ON CHI-CUADRADO
2
Sea:
Z
2
1
+ Z
2
2
+ Z
2
3
... + Z
2
k
Variables aleatorias normales e independientes cada una con media
0 y desviaci on tpica 1. Entonces la variable aleatoria sera :

2
= Z
2
1
+ Z
2
2
+ Z
2
3
... + Z
2
k
Se llama la variable aleatoria chi cuadrado con k grados de libertad.
III. PROPIEDADES
A. Funci on de Densidad
Su funci on de densidad es:
f(n) =

1
2
(
k/2)(k/2)
para x 0
0 para x < 0
donde es la funci on gamma.
DEMOSTRACI

ON:
La funci on densidad de X
1
= Z
2
si Z es tipo N(0, 1) viene
dada por:
P(x, x + dx) = f(x
1
)dx
1
=
1

2
e
z
2
/2
dz
Despejando y teniendo en cuenta contribuciones positivas y nega-
tivas de z
f(x
1
) =
1

2
e
x
1
/2
x

1
2
1
La funci on distribuci on de X = X
1
+ X
2
+ ... + X
n
viene dada
por su convoluci on
f(x; k) = f(x
1
) f(x
2
) ... f(x
k
)
Aplicando transformada de Laplace:
L{f(x; k)} = (L{f(x
1
)})
k
=
1
(2(s+
1
2
))
k
2
Aplicando antitransformada se obtiene f(x;k):
f(x; k) = L
1

1
(2(s+
1
2
))
k
2

=
1
2
k/2
(k/2)
x
(k/2)1
e
x/2
B. Funci on de Distribuci on Acumulada
Su funci on de distribuci on es:
F
k
(x) =
(k/2,x/2)
(k/2)
donde (k, z) es la funci on gamma incompleta.
El valor esperado y la varianza de una variable aleatoria X con
distribuci on
2
son, respectivamente, k y 2k.
Fig. 1 Distribuci on
2
C. Funci on Generatriz de Momentos
Para la Funci on Generadora de Momentos de la Distribuci on
Chi-cuadrada esta dada por:
m
u
= (1 2t)
n/2
con(t < 1/2)
D. Esperanza y Varianza
La esperanza y varianza son las siguientes:
= k
= 2k
IV. RELACI

ON CON OTRAS DISTRIBUCIONES
La distribuci on
2
es un caso especial de la distribuci on gamma.
De hecho, X

k
2
, = 2

. Como consecuencia, cuando k = 2,


la distribuci on
2
es una distribuci on exponencial de media k = 2.
Cuando k es sucientemente grande, como consecuencia del teo-
rema central del lmite, puede aproximarse por una distribuci on
normal:
lm
k

2
k
(x)
k
= N
(1,

2/k)
(x)
Fig. 2 Distribuci on Gamma
V. APLICACIONES
La distribuci on
2
tiene muchas aplicaciones en inferencia
estadstica. La m as conocida es la de la denominada prueba
2
utilizada como prueba de independencia y como prueba de bondad
de ajuste y en la estimaci on de varianzas.
Pero tambi en est a involucrada en el problema de estimar la media
de una poblaci on normalmente distribuida y en el problema de
estimar la pendiente de una recta de regresi on lineal, a trav es de
su papel en la distribuci on t de Student.
Aparece tambi en en todos los problemas de an alisis de varianza
por su relaci on con la distribuci on F de Snedecor, que es la
distribuci on del cociente de dos variables aleatorias independientes
con distribuci on
2
.
Fig. 3 Aplicaciones
VI. TEOREMA BINOMIAL
En el caso de dos n umeros reales cualesquiera a y b, adem as de
cualquier entero positivo n, se tiene que:
(a + b)
n
=
n

k=0

n
k

a
k
b
n1
donde

n
k

a
k
b
n1
est a dado por
n!
k!(n k)!
Propiedades binomiales
1. El experimiento consiste en un n umero jo, n, de ensayos
de Bernoulli, que da por resultado exito(E) o fracaso(F)
2. Los ensayos son id enticos e independientes, por lo que la
probabilidad de exito p permanece sin cambio de un ensayo
a otro.
3. La variable aleatoria X denota el n umero de exitos obtenidos
en n ensayos
VII. DISTRIBUCI

ON BINOMIAL
Una variable aleatoria X tiene distribuci on binomial con par ame-
tros n y p si su dendsidad est a dada por:
f(x) =

n
x

p
x
(1 p)
nx
x = 0, 1, 2, ..., n
0 < p < 1
donde n es un entero positivo.
Teorema Sea X una variable aleatoria binomial con par ametros n
y p.
1. La funci on generadora de momentos de X est a dada por:
m
x
(t) = (q + pe
t
)
n
donde q = 1 p
2. E[X] = = np
3. Var X =
2
= npq
Gr aca
Figura 1. Ejemplo de gracas de una distribuci on binomial
A. USOS:
La distribucci on binomial se tuliza en situaciones cuya soluci on
tiene dos posibles resultados.
Ejemplo:
1. Al nacer un beb e puede ser var on o hembra
2. En el deporte un equipo puede ganar o perder
3. En pruebas de verdadero o falso s olo hay dos alternativas
Tambi en se utiliza cuando el resultado se puede reducir a dos
opciones.
1. Un tratamiento m edico puede ser efectivo o inefectivo.
2. La meta de producci on o ventas del mes se pueden o no
lograr.
3. En pruebas de selecci on m ultiple, aunque hay cuatro o cinco
alternativas, se pueden clasicar como correcta o incorrecta.
VIII. EJERCICIOS:
A. Ejercicios Distribuci on Chi-cuadrado
1. Un fabricante X concluye que su producto tendr a una
vida util de 10 a nos. Se elige una muestra en-
tre los cuales tenemos:11.8-9.7-10.5-12.1-13.3-13.4-10.3-8.5-15-
10.5-7.6-6.3. Teniendo en cuenta una desviaci on poblaciona d
1.2 a nos. De acuerdo a lo anterior se puede corroborar que la
desviaci on poblacional es de 1.2 a nos?
X
2
=
(n 1) s
2

2
= 1,2
= 10s
=2.53
=12
V=11
X
2
= 48,88
No cae dentro del intervalo de conanza para una muestra de 12
2. Un psicologo de animales arma que el 25 por ciento de
los chimpances muestran conductas de indefenci on aprendida
ante un determinado estmulo aversivo, el 40 % muestran
una conducta de huida y el 35 % muestran indeferencia. En
su meustra de 30 especimenes encuentra que 12 meustran
indefensi on, 15 huida y 3 indiferencia. Apoyan estos datos su
teora con = 0, 05
a) Hip otesis
b) Supuestos
Muestra aleatoria, probabilidades constantes en cada extrac-
ci on.
c) Estadstico de Contraste
d) Zona crtica
X
2
0, 95 X
2
2
= 5, 99
e) Decisi on: Rechazar H
o
3. Se relaciona el conocimiento que tienen los estudiantes de
las noticias de actualidad con la facultad a la que pertenecen?
a) Hip otesis
H
0
=X e Y son variables independientes
H
1
=X e Y no son variables independientes
b) Supuestos
-Muestra aleatoria
-Probabilidades constantes en cada extracci on
-Todas las fr. observadas son mayores que 0
-El 80 % o m as de las esperadas son mayores o iguales que
5
c) Estadstico de contraste
Para cada casilla ij la frecuencia esperada es:
d) Zona crtica
X
2
= 1 X
2
(I 1)(J 1)
e) Rechazar H
0
si X
2
cae en la zona crtica
4. Se relaciona el conocimiento que tienen los estudiantes de
las noticias de actualidad con la facultad a la que pertenecen?
Utilizar = 0, 05
a) Hip otesis
H
0
=X e Y son variables independientes
H
1
=X e Y no son variables independientes
b Supuestos
-Muestra aleatoria
-Probabilidades constantes en cada extracci on
-Todas las fr. observadas son mayores que 0
-El 80 % o m as de las esperadas son mayores o iguales que
5
c) Estadstico de contraste
d) Zona crtica
e) Rechazar H
0
El conocimiento varia con la facultad.
5.- Un investigador decide tomar una muestra de 30 estudiantes
de ciencias, 35 de losofa y 40 de derecho. El objetivo es
contrastar sii la distribuci on del conocimiento de actualidad es
la misma en los tres grupos.
a Hip otesis
H
0
=La distribuci on de Y(conocimiento) es igual en los tres
grupos de X(facultad)
H
1
=La distribuci on de Y vara seg un la facultad
b Supuestos
-Muestra aleatoria
-Probabilidades constantes en cada extracci on
-Todas las fr. observadas son mayores que 0
-El 80 % o m as de las esperadas son mayores o iguales que
5
c Estadstico de contraste
d Zona crtica
e Rechazar H
0
El conocimiento varia con la facultad.
B. Ejercicios Distribuci on Binomial
1.La probabilidad de que un artculo producido por una
f abrica sea defectuoso es 0.02. Se envi o un cargamento de
10.000 artculos a unos almacenes. Hallar el n umero esperado
de artculos defectuosos, la varianza y la desviaci on tpica o
est andar.
a) = np
= 10000 0,02 = 200
b)
2
= npq

2
= 10000 0,02 0,98 = 196
c) =

196 = 14
2. Un examen consta de 10 preguntas a las que hay que
contestar S o No. Suponiendo que a las personas que se
le aplica no saben contestar ninguna de las preguntas y en
consecuencia, contestan al azar, hallar:
a) Probablidad de obtener cinco aciertos
b) Probablidad de obtener alg un acierto
c) Probablidad de obtener al menos cinco aciertos
Suceso A( exito)= acertar la pregunta p = p(A) = 0,5
Suceso A= no acertar la pregunta q = p(A) = 0,5
Distribuci on BInomial de par ametros n=10, p=0.5 B(10; 0, 5)
a) Probabilidad de obtener cinco aciertos Obtner exactamente
cinco aciertos k=5, aplicamos la formula:
P(x = k) =

n
k

p
k
q
nk
k = 5; n = 10; p = 0, 5; q =
0, 5
P(x = 5) =

10
5

(0, 5)
5
(0, 5)
1
0 5
P(x = 5) = 252 (0, 5)
5
(0, 5)
5
= 0, 2461
b) Probabilidad de obtener alg un acierto
p(x 1) = 1 p(x = 0)
Calculamos la probabilidad de no obtener ning un acierto
p(x=0)
P(x = 0) =

10
0

(0, 5)
0
(0, 5)
10
= 0, 0010
p(x 1) = 1 0, 0010 = 0, 999
c) Probabilidad de obtener al menos cinco aciertos
p(x 5) = p(x = 5) + p(x = 6) + p(x = 7) + p(x =
8) + p(x = 9) + p(x = 10)
p(x 5) = 0, 2461 + 0, 2051 + 0, 1172 + 0, 0439 +
0, 0098 + 0, 0010 = 0, 6231
3. La probabilidad de que un estudiante obtenga el ttulo
de Licenciado en Famacia es de 0,3. Hallar la probabilidad
de que un grupo de siete estudiantes matriculados en primer
curso nalice la carrera:
a) Ninguno de los siete nalice la carrera
b) Finalicen todos
c) Al menos dos acaben la carrera
A= obtener el ttulo p = p(A) = 0,3
A= no obtener el ttulo q = p(A) = 1 0, 30 = 0, 7
a) Ninguno de los siete nalice la carrera, x=0
P(X = 0) =

7
0

(0, 3)
0
(0, 7)
7
= 0, 0824
b) Finalicen todos, x=7
P(X = 7) =

7
7

(0, 3)
7
(0, 7)
0
= 0, 0002
c) Al menos dos terminen la carrera, x 2
p(X 2) = 1 [p(x = 0) + p(x = 1)]
p(x = 0) = 0, 0824
P(X = 1) =

7
1

(0, 3)
1
(0, 7)
6
= 0, 2471
p(X 2) = 1 [0, 0824 + 0, 2471] = 0, 6705
4. La probabilidad de que un alumno de 1ero de bachillerato
repita es de 0,3. Elegimos 20 alumnos al azar. Cu al es la
probabilida de que haya exactamente 4 alumnos repetidores?

Exito P(A) = p = 0, 3 P(A) = 1 p = q = 0, 7


P(X = k) =

n
k

(p)
k
(q)
nk
k = 4; n = 20; p = 0, 3; q =
0, 7
P(X = 4) =

20
4

(0, 3)
4
(0, 7)
16
= 0, 13
5. Calcule la probabilida de que una familia que tiene
cuatro hijos, tres de ellos sean ni nos. Es una distribuci on
binomial, los hijos s olo pueden ser ni nos o ni nas.
A ( exito) tener un ni no p(A) = 0, 5 p = 0, 5
A tener una ni na p(A) = 0, 5 q = 0, 5 n=4
Probabilidad de tener tres ni nos x = 3
P(X = k) =

n
k

(p)
k
(q)
nk
k = 3; n = 4; p = 0, 5; q =
0, 5
P(X = 3) =

4
3

(0, 5)
3
(0, 5)
1
= 0, 25
REFERENCIAS
[1] J. SUSAN MILTON,JESSE ARNOLD,PROBABILIDAD Y ESTADISTI-
CA PARA INGENIERIA Y CIENCIAS, cuarta edici

Aon,01-FEB-04.
[2] Wikipedia: http://es.wikipedia.org/wiki/Distribuci%C3%B3n %CF%
87%C2%B2
[3] http://www.eyeintheskygroup.com/Azar-Ciencia/
Analisis-Estadistico-Juegos-de-Azar/
Calculo-Distribucion-Chi-Ji-Cuadrado.htm
[4] http://www.uv.es/webgid/Descriptiva/44 ji cuadrado.html
[5] http://www.uam.es/personal pdi/psicologia/carmenx/Tema10.pdf