Está en la página 1de 35

UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERIA ECONMICA

Estadstica para economistas II


PARTE II: PRINCIPALES DISTRIBUCIONES: X2,t, F,

M.Sc. Sabino Edgar Mamani Choque


1

Aspectos introductorios: (Taro Yamane, pag 396)


Existen situaciones en los que se deben hacer
inferencias con muestras pequeas (n<30) y,
los supuestos bsicos de la teora del muestreo
grande (n>30), no funcionan.
En muestreo pequeo la distribucin no es
normal y no puede emplearse adecuadamente
al teorema del lmite central, la distribucin por
muestreo difiere en cada caso.
2

Hay tres distribuciones de probabilidad que


generalmente se usan para muestras
pequeas:
a) La distribucin Ji cuadrada.
b) La distribucin t de student
c) La distribucin F.
Las tres distribuciones usan en su definicin
los grados de libertad
3

Grado de libertad es el nombre dado al nmero de


observaciones linealmente independientes que
ocurre en una suma de cuadrados.
GL. Nmero de variables aleatorias independientes
que se suman o, nmero de variables que pueden
variar libremente.

El nmero de grados de libertad es V = n-k, k=


nmero de restricciones para los clculos de una
estadstica o que abarca sumas de cuadrados y
las restricciones pueden ser por ejemplo el nmero
de estimadores requerido para calcular la .
4

Distribucin Chi cuadrado X2(m)


Una v.a. Y tiene una distribucin chi-cuadrado con m gl si su funcin de
densidad es:

f ( y)

1
m

2 2 m2

m
1 y
2
2

si y 0

=0
donde

si y > 0

es la funcin gamma que se define como:

w 1e wdw
0

1 ! si es un nmero entero positivo

La distribucin Chi cuadrado tiene la siguiente forma:

f(y)

X2(m)

Caractersticas
1. Est definida solo para valores positivos de la variable Y
2. Presenta un sesgo o asimetra a la derecha
3. Es asinttica con respecto al eje horizontal en el lado derecho

4. La distribucin tiene menor sesgo a medida que los gl son cada vez
mayores
5. Para una distribucin chi-cuadrado con m gl se tiene:
Y = m

y 2Y= 2m

6. Para elevados grados de libertad (m > 50), los valores tabulares de


una distribucin chi-cuadrado se pueden aproximar mediante:

X (2 ,m)

2
1
Z ( ) 2m 1
2

X (2 , m)

2
X (m
)

Donde Z() es el valor de la variable normal estndar correspondiente a una probabilidad


acumulada igual a

Caso especial 1
Si Z es una v.a. con distribucin normal estndar, la v.a. Z2 tiene una
distribucin chi-cuadrado con 1 gl.

Si Z ~ N(0,1) Z2 ~ X2(1)

Caso especial 2

Si W1, W2, , Wk son v.a. independientes con distribucin chi-cuadrado


com m1, m2, mk gl. La v.a. Y = W1, W2, , Wk tiene una distribucin
chi-cuadrado con m1 + m2 + + mk gl

Si W1 ~X2(m1) , , Wk ~X2(mk)

Y = W1 + + Wk ~X2(m1 + + mk)
8

Caso especial 3
si

X x n( X x )2
2

X N (x , ) Z

X
(1)
x2
x
2
x

Caso especial 4
n

Xi

X N (x , )
x
i 1
n

si

2
x

i
i 1

x2

X (2n)

Caso especial 5
si X N (x , x2 )
n

x X

i
i 1 x

X
i
i 1

x2

(n 1)S 2

x2

X (2n 1)
9

Si Y ~ X212
Hallar:
a) P(Y>11.34)

d) Y1 si, P(Y1 < Y < 11.34)=0.25

= 1 - P(Y11.34)

= P(Y<11.34) P(Y Y1) =0.25

= 1 0.5 = 0.5

= 0.5 P(Y Y1 ) = 0.25


P(Y Y1) = 0.25

b) P(7.807 < Y < 15.812)

= P(Y < 15.812) P(Y 7.807)


= 0.8 0.2 = 0.6

Y1=X2(0.25,12)
Interpolando

Y1 = 8.4205

c) P(6.304 < Y < 13)


= P(Y < 13) P(Y 6.304)
= 0.624298 0.1 = 0.524298
10

De una poblacin se selecciona, al azar y con reemplazo, una muestra


de tamao 60. Si la variable de inters (X) se distribuye normalmente
con media 40 y varianza 100, y se establece que:

( X i X )2
Y
100
i 1
60

Determine el valor de K, tal que P(Y<K)=0.95

Y~X259, corresponde al caso especial 5, entonces:


Z(0.95)1.645

2
1
K 1.645 (2)(59) 1
2

K 77.646408

11

Distribucin de la varianza muestral (S2) cuando la distribucin inicial es


normal
Si X es una v.a. ~N(, 2) y, de esta distribucin se extraen muestras
aleatorias de tamao n, la v.a. S2 tendr una distribucin con media y
varianza:

E( S 2 ) 2

4
2

Var(S 2 )
n 1

Si el tiempo de atencin por cliente en una tienda tiene una distribucin


normal con una varianza de 0.81 minutos2, y se elige una muestra
aleatoria de 21 clientes, hallar:
12

a) P(S2 < 1.272)


b) P(0.50625 < S2 < 1.272)
c) El valor de k, tal que P(S2<k)=0.6

X = tiempo de atencin al cliente


y X ~ N(,2) y n=21

a)

(n 1)S 2

(21 1)S 2

X (220)
0.81

Caso especial 5

(
n

1
)
S
(n 1)(1.272)
2
P(S 1.272) P

2
2

(21 1)(1.272)
2
P X ( 20)

0.81

13

b)
c)
Ejercicio
1. Los pesos de los artculos producidos por una mquina tiene una distribucin
normal con una media de 200 gr. y una varianza de 25 gr2. Si se eligen al
azar 16 artculos, calcule:

a) P(S2<32.185),
b) P(20<S2<41.66)

c) k, tal que P(S2<k)=0.6


14

LA DISTRIBUCIN t DE STUDENT
Sea Z una v.a. N(0,1) y,
Y una v.a. que tiene una distribucin Chi cuadrado con r grados de
libertad y, si Z e Y son independientes, entonces:

Z
Z r
T

Y
Y /r
se dice que tiene una distribucin t de student, con r grados de
libertad con funcin de densidad:

r 1

2 ( r 1) / 2

2 t

f (t )
1

r r
r .
2

t
15

La v.a. T est determinado por el parmetro r.


Entonces, hay una distribucin t para cada grado de libertad
t simtrico alrededor de t=0
Media y varianza de la
distribucin t con r
grados de libertad:

E(T ) 0 , r > 1
2 Var(T )

N(0,1)

r , r>2
r 2

n=5

n=2

-3

-2

-1

3
16

Por tanto, la distribucin t no tiene media cuando r = 1


No existe varianza cuando r = 1 2
La distribucin t es similar a la distribucin normal estndar porque
ambos varan de - a
Son simtricos y centrados alrededor de t=0, (su media es cero)
La distribucin t tiene mayor dispersin que la distribucin normal, ya
que:

2 rr 2
La varianza de la distribucin t, es mayor que 1, porque vara para
diferentes grados de libertad.
La varianza de la distribucin t, se aproxima a la distribucin normal
cuando el grado de libertad es suficientemente grande. Se trata la
distribucin t, como N(0,1) cuando r > 30.
17

La probabilidad de que la v.a. T sea menor o igual a una constante

t = t es:

PT t f T ( z)dz
t

t
18

Caractersticas
1. Tiene forma ligeramente acampanada
2. Es simtrica respecto al origen
3. Es asinttica con respecto al eje horizontal
4. Se aproxima cada vez mas a la distribucin normal estndar a medida
que los grados de libertad son mayores
5. Para que la variable Y, que tiene una distribucin T con m grados de
libertad se tiene:

Y 0
Y2 m (m 2)

para m > 2

19

Si r = 5

P T t 0.90 PT 1.476 0.90

P T t0.10 PT t 0.90 PT 1.476 0.10


Porque

t t1

debido a la simetra de la
distribucin t

t1- = - t

20

Caso especial 1
Sea X una v.a. con N(x,2x). Si se extrae una muestra aleatoria de
tamao n, entonces la v.a.:

X X
Y
Sx
Tiene una distribucin T con (n-1) gl y:

2
S
S x2
n

S x2
N n
N 1

para muestras con reemplazo

para muestreo sin reemplazo

Corresponden a una distribucin aproximadamente T con (n-1) gl


21

Caso especial 2
Sean X1 y X2, dos v.a. independientes que tienen distribuciones
normales con 1 y 1 y varianza comn 2. Si se extraen muestras
aleatorias n1 y n2, entonces la v.a. :

( x1 x2 ) (1 2 )
Y
S x1 x2
Tiene una distribucin T con (n1+n2-2) gl

22

Sea T una v.a. con distribucin t y varianza 2=5/4, calcular:

P 1.812 T 2.228
Dado que:

2 rr 2

r = 10

P1.812 T 2.228
PT 2.228 PT 1.812
PT t0.975 1 PT 1.812

t1- = - t

PT t 0.975 1 PT t 0.95
= 0.975 -1 + 0.95 = 0.925
23

Si r = 12 g.l. hallar:

P[ Y >-1.356]
P[0.873< Y <2.179]
P[-2.179< Y <2] =
Y1 si P[Y1 < Y < 1.782] = 0.875

Si Y ~ T(12)

P[Y > -1.356] = 1 - P[Y -1.356] = 1 - 0.1 = 0.9


P[0.873 < Y < 2.179] = P[Y < 2.179] P[Y 0.873]
= 0.975 0.8 = 0.175

P[-2.179 < Y < 2] = P[Y < 2] P[Y-2.179]


= 0.963728 0.025 = 0.938728
P[Y1 < Y < 1.782] = P[Y < 1.782] P[Y Y1]

= 0.95 P[Y Y1] = 0.875


= 0.075 = P[Y Y1]
Y1 = T (0.075,12) = t1

Y1 = T (0.075,12) -1.5675

24

Si X~T (18)

Calcular:

P(0.688 X 2.214)
P(-0.534 X 3.610)

Para analizar el tiempo de atencin por cliente en un establecimiento


con 3000 clientes, se tom una muestra aleatoria sin reemplazo de 15
atenciones con los que se obtuvo un tiempo promedio de 5.5 minutos y
una varianza de 1.04 minutos2.
Si se toma otra muestra de tamao 15, cual es la probabilidad de que
el promedio muestral difiera de su media poblacional en menos de
0.45 minutos.
25

Tabla t de Student

26

Distribucin F de Snedecor
Si U y V son v.a. independientes que tienen distribuciones chi cuadrado
mU y mV gl, respectivamente, entonces:

U
Y

mU
mV

Tiene distribucin F con mU y mV gl, con funcin de densidad:


mU
2

mU
1
mU mV mU
2

mV
2

f ( y)
mU mV
m
m


U V mU 2
2 2 1

m
V

=0

si y > 0

si y 0
27

La distribucin F con mU y mV gl tiene la siguiente forma:

f(y)

F(mU, mV)

28

Caractersticas
1. Est definida solo para valores positivos de la variable
2. Presenta sesgo o asimetra a la derecha
3. Es asinttica con respecto al eje horizontal en su parte positiva
4. A mayores valores de los grados de libertad, la distribucin es menos
asimtrica
5. Para una distribucin F de mU y mV gl se tiene:

mV
mV 2

2mV2 (mU mV 2)

mU (mV 2)2 (mV 4)
2
Y

para mV > 2

para mV > 4

6. Si Y se distribuye segn T con m grados de libertad, entonces Y2


se distribuye segn F con 1 y m gl.
29

Caso especial
Sean X1 y X2, v.a. independientes distribuidas normalmente con medias
1 y 2, y varianzas 12 y 22. Si se extraen muestras aleatorias de
tamaos n1 y n2, entonces:

S12
F

S22

12
22

S12 22
2 2
S2 1

tiene una distribucin F con (n1-1) y (n2-1) gl

30

Comprobacin
Si

X1 N (1, )

2
1

X 2 N (2 , )

2
2

U
y

m1
m2

(n1 1)
(n2 1)

S12

S22

(n1 1)S12

12

(n2 1)S22

12
22

22

X (2n1 1)

X (2n2 1)

S12 22
2 2 F( n1 1, n2 1)
S2 1

31

Propiedad recproca

Si Y es una v.a. que tiene una distribucin F con mU y mV gl, luego, la


inversa de dicha variable (1/Y) tendr una distribucn F com mV y mU gl
Si

U X (2mU )

V X (2mV )

U
Y

mU

F( mU , mV )

mV

1
mV

F( mV , mU )
U
Y
mU
Mediante esta propiedad se tiene que:

F(1 ,mU ,mV )

1
F( ,mV ,mU )

y (1-) son probabilidades acumuladas

32

Manejo de tabla
Si Y ~ F (8,11)
P[Y>2.95] = 1- P[Y 2.95] = 1 0.95 = 0.05

P[2.95 < Y < 4.74] = P[Y < 4.74 ] P[Y2.95] = 0.99 0.95 = 0.04

Hallar Y1 si P[Y1 < Y < 2.95] = 0.94

P[Y<2.95] P[Y Y1] = 0.95 - P[Y Y1] = 0.94


de donde P[YY1] = 0.01 y Y1 = F(0.01,8,11)

Luego, Y1 = F(0.01, 8, 11) = 1 / F(0.99, 11, 8) = 1 / 5.73 = 0.17452


33

Si Y ~ F(45,24) hallar Y1 tal que P[Y > Y1] = 0.05

= 1 P[Y Y1] = 0.05

P[Y > Y1]

= P[Y Y1] = 0.95


y

Y1 = F(0.95, 45, 24)


Interpolando

Y1 = F(0.95, 45, 24) 1.875

gl denominador

24

24

24

gl numerador

44

45

46

Valor de F

1.88

Y1

Y1 1.87

1.87

(1/45 1/46) (1/44 1/46)


(Y1 1.87)

(1.88 1.87)(1 / 45 1 / 46)


1.874889
1 / 44 1 / 46

(1.88-1.87)

34

Dos mquinas A y B producen un mismo artculo y los tiempos de


produccin, en minutos, tienen distribuciones normales con medias
1=1430 y 2=1410 y varianzas 12=625 y 22=900, respectivamente. Si
se eligen al azar 31 y 25 artculos producidos por las mquinas A y B,
hallar:
a) P(S22 < 2.7216S12)
b) P(2.7216 < S22/S12 < 3.5568)
c) k, tal que P(k < S22/S12 < 3.5568) = 0.98

35