Álvarez Vázquez Gabriel

Semestre: 1° Grupo: 1

INTRODUCCIÓN

La teoría de pequeñas muestras o teoría exacta de muestreo se podrá utilizar siempre y

cuando la distribución de donde proviene la muestra tenga un comportamiento normal. Esta
es una condición para utilizar las tres distribuciones que se manejan en este tema; t de
student, chi cuadrada y f de Fisher.

Para poder utilizar las tres distribuciones mencionadas, es necesario un nuevo concepto.
Este concepto es grados de libertad, para definir este concepto se hará referencia a la
varianza muestral:

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠2 =
𝑛−1

Esta formula esta basada en n -1 grados de libertad, entonces la formula de grados de

libertad será n – 1 y su simbología 𝑣 = 𝑛𝑢.

Distribución t de student: En probabilidad y estadística, la distribución t de Student es

una distribución de probabilidad que surge del problema de estimar la media de
una población normalmente distribuida cuando el tamaño de la muestra es pequeño.

Aparece de manera natural al realizar la prueba t de Student para la determinación de las

diferencias entre dos medias muéstrales y para la construcción del intervalo de
confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la
desviación típica de una población y ésta debe ser estimada a partir de los datos de una
muestra.

Distribución chi cuadrada: En estadística, la distribución Chi cuadrada, es una distribución

de probabilidad continua con un parámetro k que representa los grados de libertad de
la variable aleatoria 𝑋 = 𝑍12 + ⋯ + 𝑍𝑘2 donde Zi son variables aleatorias normales
independientes de media cero y varianza uno. El que la variable aleatoria X tenga esta
distribución se representa habitualmente así:𝑋~𝑋𝑘2 .
Distribución f de Fisher: Esta es distribución de probabilidad de la razón de dos varianzas
provenientes de dos poblaciones diferentes. Por medio de esta distribución es posible
determinar la probabilidad de ocurrencia de una razón especifica con V1=n1 – 1 y V2=n2 – 1
grados de libertad en muestras de tamaño n1 y n2.
Es la distribución más importante en experimentación pues permite hacer cálculos sobre
varianzas diseminadas determinando si las diferencias mostradas son significativas y por lo
tanto atribuibles a cambios importantes en el comportamiento de las poblaciones en
estudio.
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

T – STUDENT
En probabilidad y estadística, la distribución t o distribución t de student es una
distribución de probabilidad que surge del problema de estimar la media de población
normalmente distribuida cuando el tamaño de la muestra es pequeña.

A la teoría de pequeñas muestras también se le llama teoría exacta del muestreo, ya que
también la podemos utilizar con muestras aleatorias de tamaño grande. Veremos un nuevo
concepto necesario para poder entender la distribución t student. Este concepto es “grados
de libertad”.

Para definir grados de libertad se hará referencia a la varianza maestral:

∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠2 =
𝑛−1

Esta formula esta basada en n – 1 grados de libertad. Esta terminología resulta de hecho de
que si bien s2 esta basada en n cantidades x1 - 𝑥̅ , x2 - 𝑥̅ ,…xn - 𝑥̅ , estas sumando cero, así que
especificar los valores de cualquier n – 1 de las cantidades determina el valor restante.

Por ejemplo, si n=4 y x1 - 𝑥̅ = 2, así que solo tres de las cuatro medias de xi -𝑥̅ están
libremente determinadas, la otra debe tomar el valor que haga esta suma cero, es por eso
que solo tenemos 3 gramos de libertad.

Gramos de libertad = numero de mediciones – 1

Distribución de probabilidad t – student:

Una variable se distribuye según el modelo de probabilidad t o T de Student con k gramos

de libertad, donde k es un número entero positivo, si su función de densidad es la siguiente:
𝑘+1 (𝑘+1)
𝑟( ) 𝑡2 ∞
ℎ𝑘 (𝑡) = 𝑘
2
(1 + 𝑘 )− 2 -∞<t<∞, donde Γ (p)=∫0 𝑒 −𝑥 𝑥 𝑝−1 𝑑𝑥
𝑟( )√𝜋𝑘
2

La grafica de esta función de densidad es simétrica, respecto del eje de ordenadas, con
independencia del valor de k, y de forma algo semejante a la de una distribución normal:
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

La apariencia general de la distribución t es similar a la distribución normal estándar:

ambas son simétricas y unimodales, y el valor máximo de la ordenada se alcanza en la
media 𝜇 = 0. Sin embargo, la distribución t tiene colas más amplias que la normal; esto es,
la probabilidad de las colas es mayor que en la distribución normal. A medida que el
número de grados de libertad tiende a infinito, la forma limite de la distribución normal
estándar.
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

Propiedades de las distribuciones t

1.- Cada curva t tiene forma de campana con centro en 0.

2.- Cada curva t, esta mas dispersa que la curva normal estándar.

3.- A medida que k aumenta, la dispersión de la curva t correspondiente disminuye.

4.- A medida que 𝑘 → ∞, la secuencia de curvas t se aproxima a la curva normal estándar

La distribución de probabilidad de t se publico por primera vez en 1908 en un artículo de

W. S. Gosset. En esa época, Gosset era empleado de una cervecería irlandesa que
desaprobaba la publicación de investigaciones de sus empleados. Para evadir esta
prohibición, publico su trabajo en secreto bajo el nombre de “student”.
Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

La distribución de t student se construye como un cociente entre normal y la raíz de una ji –

cuadrado independiente. Esta desempeña un papel importante en la inferencia estadística
asociada a la teoría de muestras pequeñas. Se usa habitual mente en el contraste de
hipótesis para la media de una población, o para comparar las medias de dos poblaciones, y
viene definida por sus grados de libertad.

EJERCICIOS
Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

CHI CUADRADA
La denominada «Distribución Chi Cuadrado» (que usualmente se escribe y se lee como: Ji
Cuadrado), es una distribución cuadrática de la probabilidad que utiliza básicamente
variables aleatorias continuas. La Distribución Chi Cuadrado de la probabilidad se denota
mediante la letra griega minúscula ji elevada al cuadrado (χ2), y consiste en establecer un
espacio continuo delimitado por la suma de los cuadrados de n variables aleatorias que son
independientes entre sí, espacio dentro del cual la variable X puede asumir cualquiera de
los infinitos valores que lo conforman, y por tanto para establecer el valor aproximado de
una variable X dentro de ese espacio se procede a incluir una estimación de sus posibles
límites que están dados por los distintos «Grados de Libertad» que pueden existir entre las
variables aleatorias analizadas que dan origen al referido espacio. En otras palabras, la
Distribución Chi Cuadrado en un delimitado espacio conjuga un determinado número de
variables aleatorias independientes entre sí, con unos valores de probabilidad ubicados
entre 1 y 0 que son atribuibles a esas variables, y con unos límites de la probabilidad para el
verdadero valor de X delimitados por los Grados de Libertad atribuibles a las variables
aleatorias analizadas.
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

La Distribución Chi Cuadrado permite calcular la probabilidad existente para que una
variable X, que tiene un determinado Grado de Libertad frente a otras variables del mismo
conjunto, permanezca dentro de unos «límites ideales» previstos para Xcuando tiene ese
específico Grado de Libertad o independencia. En otras palabras, la Distribución Chi
Cuadrado suministra un modelo ideal sobre los límites probables que deberían regir las
fluctuaciones en la aparición de un determinado valor aleatorio X dependiendo del Grado
de Libertad que tiene ese valor frente a otras variables similares dentro de un conjunto de
datos analizados. La fórmula matemática para calcular la probabilidad de que una
variable X permanezca dentro del límite ideal correspondiente al respectivo Grado de
Libertad es la siguiente:
𝑘 𝑥
2 (𝑥)
𝑥 2 −1 𝑒 −2
𝑋𝑘 = 𝑘
𝑘
22 𝛤( )
2

En esta ecuación la letra k que aparece como un subíndice de la expresión χ2 indica el

Grado de Libertad que se toma como límite para calcular la probabilidad de la variable
aleatoria X. Esta ecuación para ser despejada requiere el uso de la compleja Función
Gamma (representada por la letra griega mayúscula gamma: Γ), y por tanto generalmente
para solucionar esta ecuación se emplean métodos basados en la consulta de tablas o en el
uso de algoritmos para ordenador que permiten obtener los valores de probabilidad
respectivos.

Explicación de los Grados de Libertad usados en la Distribución Chi Cuadrado:

Dentro de la Distribución Ji Cuadrado los denominados «Grados de Libertad» atribuibles a

un conjunto de variables equivalen al número de datos independientes entre sí existentes
dentro de ese conjunto que es necesario conocer previamente para poder estimar el valor de
cualquier otro dato independiente del mismo grupo. Por ejemplo, si se afirma que en un
cesto hay un conjunto de 10 manzanas, conformado por 2 clases independientes de
manzanas, pues algunas de esas 10 manzanas son de color rojo y otras son de color verde,
entonces en tal caso basta con saber que en el cesto hay 4 manzanas rojas para poder
calcular inmediatamente que las restantes son 6 manzanas de color verde, es decir, en este
caso hay 2 clases de datos independientes entre sí (rojas y verdes), pero para poder conocer
el valor de una clase de esos dos datos es siempre necesario conocer previamente el valor
de la otra clase de datos, motivo por el cual se concluye que el Grado de Libertad o el grado
de independencia existente entre las dos clases de datos tiene un valor de uno (1).

En otro ejemplo, si se afirma que en una sala hay un conjunto de 30 personas, conformado
por 3 clases de razas independientes entre sí, pues algunas de esas personas son caucásicas,
otras son negras y otras son asiáticas, entonces basta con saber que en la sala hay 12
personas caucásicas y 9 negras para poder calcular exactamente que las restantes 9 personas
son asiáticas, es decir, en este caso hay 3 clases de datos independientes entre sí, pero para
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

poder conocer cuál es el valor de una clase particular de esos datos es siempre necesario
conocer previamente el valor de las otras 2 clases de datos; en otras palabras, si sólo se sabe
que en la sala hay 12 personas caucásicas, ese dato resulta insuficiente para poder saber con
exactitud cuántas son negras y cuántas son asiáticas dentro de las restantes 18 personas de
la sala, y si sólo se sabe que en la sala 9 personas son asiáticas, ese dato por sí sólo también
resulta insuficiente para poder saber cuántas son negras y cuántas son caucásicas dentro de
las restantes 21 personas de la sala, motivo por el cual se concluye que el Grado de Libertad
o grado de independencia existente entre las tres clases de datos tiene un valor de 2, pues
únicamente conociendo el valor de 2 clases de datos se puede saber con exactitud cómo
están distribuidas las tres clases de razas dentro de la población total del conjunto
analizado.

En otro ejemplo, si se afirma que existe un conjunto formado por 5 números diferentes que
al ser sumados dan como resultado 24, en tal caso no es indispensable conocer previamente
todos los cinco números que conforman el conjunto, pero para poder calcular el valor
exacto de cualquiera de los 5 números que conforman ese conjunto sí es necesario conocer
al menos 4 de esos 5 números, como podría ocurrir con la combinación conformada por los
siguientes cinco números: 4+3+10+2+X = 24, combinación en la cual necesariamente se
requiere conocer al menos 4 números para poder calcular directamente que el quinto
número desconocido (representado por la X) es un 5, es decir, el Grado de Libertad
existente entre los cinco datos diferentes tiene un valor de 4.

En síntesis, el Grado de Libertad, que usualmente se representa por las letras G.L., equivale
a restarle 1 a un conjunto conformado por k variables consideradas independientes entre sí,
lo cual se resume en la fórmula: G.L. = k − 1. Así, si el conjunto contiene 5 variables
consideradas independientes entre sí, entonces el Grado de Libertad que le corresponde a
cualquier variable de ese conjunto es de: G.L. = 5−1 = 4, lo que equivale a que en ese
conjunto sólo 4 variables una vez conocidas pueden operar de manera independiente sin
necesidad de que deba ser conocido el valor exacto de la quinta variable del conjunto. Y si
el conjunto contiene 2 variables independientes, como en el ejemplo de las manzanas
verdes y las manzanas rojas, entonces el Grado de Libertad es 1, ya que: G.L. = 2−1 = 1, lo
que equivale a que en ese conjunto sólo una variable ya conocida puede operar de manera
independiente sin necesidad de que deba ser conocido el valor exacto de la otra.

Aplicaciones

La distribución χ² tiene muchas aplicaciones en inferencia estadística. La más conocida es

la de la denominada prueba χ² utilizada como prueba de independencia y como prueba de
bondad de ajuste y en la estimación de varianzas. Pero también está involucrada en el
problema de estimar la media de una población normalmente distribuida y en el problema
de estimar la pendiente de una recta de regresión lineal, a través de su papel en
la distribución t de Student.
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

Aparece también en todos los problemas de análisis de varianza por su relación con
la distribución F de Snedecor, que es la distribución del cociente de dos variables aleatorias
independientes con distribución χ².

Probabilidad de un valor superior - Alfa (α)

Grados
0,1 0,05 0,025 0,01 0,005
libertad
1 2,71 3,84 5,02 6,63 7,88
2 4,61 5,99 7,38 9,21 10,60
3 6,25 7,81 9,35 11,34 12,84
4 7,78 9,49 11,14 13,28 14,86
5 9,24 11,07 12,83 15,09 16,75
6 10,64 12,59 14,45 16,81 18,55
7 12,02 14,07 16,01 18,48 20,28
8 13,36 15,51 17,53 20,09 21,95
9 14,68 16,92 19,02 21,67 23,59
10 15,99 18,31 20,48 23,21 25,19
11 17,28 19,68 21,92 24,73 26,76
12 18,55 21,03 23,34 26,22 28,30
13 19,81 22,36 24,74 27,69 29,82
14 21,06 23,68 26,12 29,14 31,32
15 22,31 25,00 27,49 30,58 32,80
16 23,54 26,30 28,85 32,00 34,27
17 24,77 27,59 30,19 33,41 35,72
18 25,99 28,87 31,53 34,81 37,16
19 27,20 30,14 32,85 36,19 38,58
20 28,41 31,41 34,17 37,57 40,00
21 29,62 32,67 35,48 38,93 41,40
22 30,81 33,92 36,78 40,29 42,80
23 32,01 35,17 38,08 41,64 44,18
24 33,20 36,42 39,36 42,98 45,56
25 34,38 37,65 40,65 44,31 46,93
26 35,56 38,89 41,92 45,64 48,29
27 36,74 40,11 43,19 46,96 49,65
28 37,92 41,34 44,46 48,28 50,99
29 39,09 42,56 45,72 49,59 52,34
30 40,26 43,77 46,98 50,89 53,67
40 51,81 55,76 59,34 63,69 66,77
50 63,17 67,50 71,42 76,15 79,49
60 74,40 79,08 83,30 88,38 91,95
70 85,53 90,53 95,02 100,43 104,21
80 96,58 101,88 106,63 112,33 116,32
90 107,57 113,15 118,14 124,12 128,30
100 118,50 124,34 129,56 135,81 140,17

EJERCICIOS
Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

F – FISHER
Definición: Supongamos que X e Y sean dos variables aleatorias independientes, que
signen distribuciones con n y m grados de libertad respectivamente, y tales que
𝑛 𝑚

𝑋= ∑ 𝑋𝑖2 𝑒 𝑌 = ∑ 𝑌𝑗2
𝑖=1 𝑗=1
Siendo las variables Xi e Yj que signen distribuciones normal estándar.

Se define la variable F de snedecor (o de Fisher-Snedecor), la definida por

𝑋⁄
𝑛
𝐹=
𝑌⁄
𝑚
Denominada distribución de F de Fisher-Snedecor con n y m grados de libertad.

Su función de densidad esta definida por la función:

𝑛+𝑚 𝑛 𝑛 𝑛
𝛤( 2 )(𝑚) ⁄2 𝑥 ⁄2−1
𝑛 𝑚 ∙ 𝑠𝑖 𝑥>0
𝑓𝑛,𝑚 (𝑥) = 𝛤(2 )𝛤( 2 ) 𝑛 (𝑛+𝑚)⁄2
(1 + 𝑚 𝑥)
{ 0 𝑠𝑖 𝑥≤0
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

Su representación grafica es de la siguiente forma:

Propiedades de la distribución F de snedecor

1.- El recorrido de la variable F s el intervalo (0, ∞)

2.- Depende de los parámetros, los grados de libertad n y m.
3.- Presenta asimetría positiva, con un grado que depende conjuntamente de los grados de
libertad del numerador y del denominador.
𝑠̂ 2
4.- El cociente 1⁄ 2 sigue una distribución con n1 -1 y n2 – 1 grados de libertad, siendo 𝑠̂12
𝑠̂2
y 𝑠̂22 las cuasivarianza muéstrales de dos muestras de tamaño n1 y n2 respectivamente,
provenientes de dos poblaciones normales 𝑁(𝜇1 , 𝜎1 ) 𝑦 𝑁(𝜇2 , 𝜎2 ) respectivamente.

Esto es consecuencia de que el teorema de Fisher indica que la variable

(𝑛1 − 1)𝑠̂12
𝜎2
Sigue una distribución Chi-cuadrado con n1 – 1 grados de libertad, y analógicamente, la
variable
(𝑛1 − 1)𝑠̂22
𝜎2
Sigue una distribución Chi-cuadrado con n2 – 1 grados de libertad. Entonces, el cociente
(𝑛1 − 1)𝑠̂12
(𝑛1 − 1)𝜎 2
(𝑛2 − 1)𝑠̂22
(𝑛2 − 1)𝜎 2
Sigue una distribución F de Snedecor con n1 – 1 y n2 – 1 grados de libertad, y si las
varianzas poblacionales son iguales, se verifica entonces el resultado indicado.
5.- La distribución F juega un papel importante en el análisis de la varianza (ANOVA) y en
el análisis de la regresión.

TABLA DE DISTRIBUCIÓN F DE FISHER CON PROBABILIDAD DE 0.05

1 2 3 4 5 6 7 8 9 10 12

1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 243.90
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
2 18.513 19.000 19.164 19.247 19.296 19.329 19.353 19.371 19.385 19.396 19.412

3 10.128 9.552 9.277 9.117 9.013 8.941 8.887 8.845 8.812 8.785 8.745

4 7.709 6.944 6.591 6.388 6.256 6.163 6.094 6.041 5.999 5.964 5.912

5 6.608 5.786 5.409 5.192 5.050 4.950 4.876 4.818 4.772 4.735 4.678

6 5.987 5.143 4.757 4.534 4.387 4.284 4.207 4.147 4.099 4.060 4.000

7 5.591 4.737 4.347 4.120 3.972 3.866 3.787 3.726 3.677 3.637 3.575

8 5.318 4.459 4.066 3.838 3.688 3.581 3.500 3.438 3.388 3.347 3.284

9 5.117 4.256 3.863 3.633 3.482 3.374 3.293 3.230 3.179 3.137 3.073

10 4.965 4.103 3.708 3.478 3.326 3.217 3.135 3.072 3.020 2.978 2.913

11 4.844 3.982 3.587 3.357 3.204 3.095 3.012 2.948 2.896 2.854 2.788

12 4.747 3.885 3.490 3.259 3.106 2.996 2.913 2.849 2.796 2.753 2.687

13 4.667 3.806 3.411 3.179 3.025 2.915 2.832 2.767 2.714 2.671 2.604

14 4.600 3.739 3.344 3.112 2.958 2.848 2.764 2.699 2.646 2.602 2.534

15 4.543 3.682 3.287 3.056 2.901 2.790 2.707 2.641 2.588 2.544 2.475

16 4.494 3.634 3.239 3.007 2.852 2.741 2.657 2.591 2.538 2.494 2.425

17 4.451 3.592 3.197 2.965 2.810 2.699 2.614 2.548 2.494 2.450 2.381

18 4.414 3.555 3.160 2.928 2.773 2.661 2.577 2.510 2.456 2.412 2.342

19 4.381 3.522 3.127 2.895 2.740 2.628 2.544 2.477 2.423 2.378 2.308

20 4.351 3.493 3.098 2.866 2.711 2.599 2.514 2.447 2.393 2.348 2.278

21 4.325 3.467 3.072 2.840 2.685 2.573 2.488 2.420 2.366 2.321 2.250

22 4.301 3.443 3.049 2.817 2.661 2.549 2.464 2.397 2.342 2.297 2.226

23 4.279 3.422 3.028 2.796 2.640 2.528 2.442 2.375 2.320 2.275 2.204

24 4.260 3.403 3.009 2.776 2.621 2.508 2.423 2.355 2.300 2.255 2.183

25 4.242 3.385 2.991 2.759 2.603 2.490 2.405 2.337 2.282 2.236 2.165

26 4.225 3.369 2.975 2.743 2.587 2.474 2.388 2.321 2.265 2.220 2.148

27 4.210 3.354 2.960 2.728 2.572 2.459 2.373 2.305 2.250 2.204 2.132

28 4.196 3.340 2.947 2.714 2.558 2.445 2.359 2.291 2.236 2.190 2.118

29 4.183 3.328 2.934 2.701 2.545 2.432 2.346 2.278 2.223 2.177 2.104
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
30 4.171 3.316 2.922 2.690 2.534 2.421 2.334 2.266 2.211 2.165 2.092

35 4.121 3.267 2.874 2.641 2.485 2.372 2.285 2.217 2.161 2.114 2.041

40 4.085 3.232 2.839 2.606 2.449 2.336 2.249 2.180 2.124 2.077 2.003

45 4.057 3.204 2.812 2.579 2.422 2.308 2.221 2.152 2.096 2.049 1.974

50 4.034 3.183 2.790 2.557 2.400 2.286 2.199 2.130 2.073 2.026 1.952

60 4.001 3.150 2.758 2.525 2.368 2.254 2.167 2.097 2.040 1.993 1.917

70 3.978 3.128 2.736 2.503 2.346 2.231 2.143 2.074 2.017 1.969 1.893

80 3.960 3.111 2.719 2.486 2.329 2.214 2.126 2.056 1.999 1.951 1.875

90 3.947 3.098 2.706 2.473 2.316 2.201 2.113 2.043 1.986 1.938 1.861

100 3.936 3.087 2.696 2.463 2.305 2.191 2.103 2.032 1.975 1.927 1.850

120 3.920 3.072 2.680 2.447 2.290 2.175 2.087 2.016 1.959 1.910 1.834

15 20 24 30 40 50 60 70 80 100 120

245.95 248.02 249.05 250.10 251.14 251.77 252.20 252.50 252.72 253.04 253.25

19.429 19.446 19.454 19.463 19.471 19.476 19.48 19.48 19.48 19.49 19.49

8.703 8.660 8.638 8.617 8.594 8.581 8.572 8.566 8.561 8.554 8.549

5.858 5.803 5.774 5.746 5.717 5.699 5.688 5.679 5.673 5.664 5.658

4.619 4.558 4.527 4.496 4.464 4.444 4.431 4.422 4.415 4.405 4.398

3.938 3.874 3.841 3.808 3.774 3.754 3.74 3.73 3.722 3.712 3.705

3.511 3.445 3.410 3.376 3.340 3.319 3.304 3.294 3.286 3.275 3.267

3.218 3.150 3.115 3.079 3.043 3.020 3.005 2.994 2.986 2.975 2.967

3.006 2.936 2.900 2.864 2.826 2.803 2.787 2.776 2.768 2.756 2.748

2.845 2.774 2.737 2.700 2.661 2.637 2.621 2.609 2.601 2.588 2.580

2.719 2.646 2.609 2.570 2.531 2.507 2.490 2.478 2.469 2.457 2.448

2.617 2.544 2.505 2.466 2.426 2.401 2.384 2.372 2.363 2.350 2.341

2.533 2.459 2.420 2.380 2.339 2.314 2.297 2.284 2.275 2.261 2.252

2.463 2.388 2.349 2.308 2.266 2.241 2.223 2.210 2.201 2.187 2.178
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
2.403 2.328 2.288 2.247 2.204 2.178 2.160 2.147 2.137 2.123 2.114

2.352 2.276 2.235 2.194 2.151 2.124 2.106 2.093 2.083 2.068 2.059

2.308 2.230 2.190 2.148 2.104 2.077 2.058 2.045 2.035 2.020 2.011

2.269 2.191 2.150 2.107 2.063 2.035 2.017 2.003 1.993 1.978 1.968

2.234 2.155 2.114 2.071 2.026 1.999 1.980 1.966 1.955 1.940 1.930

2.203 2.124 2.082 2.039 1.994 1.966 1.946 1.932 1.922 1.907 1.896

2.176 2.096 2.054 2.010 1.965 1.936 1.916 1.902 1.891 1.876 1.866

2.151 2.071 2.028 1.984 1.938 1.909 1.889 1.875 1.864 1.849 1.838

2.128 2.048 2.005 1.961 1.914 1.885 1.865 1.850 1.839 1.823 1.813

2.108 2.027 1.984 1.939 1.892 1.863 1.842 1.828 1.816 1.800 1.790

2.089 2.007 1.964 1.919 1.872 1.842 1.822 1.807 1.796 1.779 1.768

2.072 1.990 1.946 1.901 1.853 1.823 1.803 1.788 1.776 1.76 1.749

2.056 1.974 1.930 1.884 1.836 1.806 1.785 1.770 1.758 1.742 1.731

2.041 1.959 1.915 1.869 1.820 1.790 1.769 1.754 1.742 1.725 1.714

2.027 1.945 1.901 1.854 1.806 1.775 1.754 1.738 1.726 1.71 1.698

2.015 1.932 1.887 1.841 1.792 1.761 1.740 1.724 1.712 1.695 1.683

1.963 1.878 1.833 1.786 1.735 1.703 1.681 1.665 1.652 1.635 1.623

1.924 1.839 1.793 1.744 1.693 1.660 1.637 1.621 1.608 1.589 1.577

1.895 1.808 1.762 1.713 1.660 1.626 1.603 1.586 1.573 1.554 1.541

1.871 1.784 1.737 1.687 1.634 1.599 1.576 1.558 1.544 1.525 1.511

1.836 1.748 1.700 1.649 1.594 1.559 1.534 1.516 1.502 1.481 1.467

1.812 1.722 1.674 1.622 1.566 1.530 1.505 1.486 1.471 1.45 1.435

1.793 1.703 1.654 1.602 1.545 1.508 1.482 1.463 1.448 1.426 1.411

1.779 1.688 1.639 1.586 1.528 1.491 1.465 1.445 1.429 1.407 1.391

1.768 1.676 1.627 1.573 1.515 1.477 1.450 1.430 1.415 1.392 1.376

1.750 1.659 1.608 1.554 1.495 1.457 1.429 1.408 1.392 1.369 1.352

EJERCICIOS
Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1
 Álvarez Vázquez Gabriel
Semestre: 1° Grupo: 1

CONCLUSIÓN

La distribución t de studen, chi cuadrada y f de Fisher desempeñan un importante papel en

la inferencia estadística.

La distribución t de student es similar a la distribución normal, ambas son simétricas y el

valor máximo que pueden alcanzar se alcanza en la media, pero la probabilidad de las colas
es mayor que en la distribución normal, y su aplicación es cuando tenemos muestras
pequeñas (menos de 30 datos), en cambio la distribución normal se aplica cuando tenemos
muestras muy grandes.

En la distribución chi cuadra se utilizan variables aleatorias continuas, y podemos

determinar la probabilidad de cualquier carácter que este dentro de un intervalo, donde el
carácter puede tomar infinidad de valores, y con esta distribución podemos estimar la media
de una población normalmente distribuida

La distribución f de Fisher sirve para determinar el grado de variabilidad de dos

poblaciones independientes con una distribución normal, y poder probar diferencias que
existan entre dos poblaciones.