Grado en Psicología

2º Curso
Curso Académico: 2019-2020
Asignatura: Modelos Estadísticos en Psicología

Tema 2

Distribuciones de Probabilidad
Continuas
 Esquema

0. Introducción
1. La distribución normal
2. La distribución Chi-Cuadrado de Pearson
3. La distribución t de Student
4. La distribución F de Snedecor

Bibliografía

Merino, J.M., Moreno, E., Padilla, M., Rodríguez-Miñón, P. y

Villarino, A. (2001). Análisis de Datos en Psicología I. Madrid:
UNED. [Cap. 18, pp. 503-536.]
 0. Introducción

Variable Escala de medida

Cualitativa Nominal
Cuasi-cuantitativa Ordinal
Cuantitativa:  De intervalo
 Discreta  De razón
 Continua

¿Qué es una distribución teórica o de probabilidad?

“Es una función matemática por la que a los valores de una

variable aleatoria se le asignan sus probabilidades de ocu-
rrencia.”
 0. Introducción

Variables aleatorias Distribuciones de probabilidad

 Bernoulli, B(p).
 Binomial, B(n, p).
Discretas  Poisson, multinomial, bi-
nomial negativa, etc.
 Normal, N(, 2).
Continuas  Chi-Cuadrado, 2.
 t de Student, t.
 F de Snedecor, F1,2.
 1. La Distribución Normal

Una variable aleatoria, X, se distribuye según una ley

normal con media  y varianza 2, si su función de
densidad de probabilidad, f(x), es:

2
1  x  
1   
2  
f ( x)  e
 2
 1. La Distribución Normal

 Formulación general: X  N(, 2).

 1. La Distribución Normal

 Propiedades:

 Es simétrica en torno a su media, .

 Tiene dos puntos de inflexión: X1 =  -  y X2 =  + .

 Es asintótica con respecto al eje de abscisas. Rango: [-; +].

 Esperanza matemática: E(X) = .

 Varianza: V(X) =2.

 1. La Distribución Normal

 La distribución normal tipificada:

Si X es una variable aleatoria que se distribuye según una

ley normal, N(, 2), entonces la variable aleatoria definida
como:
X 
Z 

también seguirá una distribución normal con media igual a 0
y varianza igual a 1: Z  N(0, 1).
 2. La Distribución Chi-Cuadrado de Pearson
¿Cómo se construye, en teoría, una distribución Chi-Cuadrado de Pearson?
Variable aleatoria:
Z  N(0, 1)


Muestreo aleatorio

Muestra 1

Muestra 22 ... Muestra i ...
z 2
1  z  ...  z
2
2
2
n  z  z 2  ...  z n  ... z1  z 2  ...  z n  ...
2
1
2 2 2 2


   z
n
  z  z  ...  z
2
n
2
1
2
2
2
n
2
i
i 1
 2. La Distribución Chi-Cuadrado de Pearson

 Formulación general: X  2.

 Propiedades:

 Se define como la suma de n variables aleatorias normales

tipificadas elevadas al cuadrado.

 Rango de valores asumibles: [0; +].

 Esperanza matemática: E(2) = .

 Varianza: V(2) = 2.

 2. La Distribución Chi-Cuadrado de Pearson

 Distribución asimétrica positiva (negativamente sesgada). Su grado

de asimetría depende de su parámetro:  (los grados de libertad).

 Conforme  aumenta disminuye el grado de asimetría y tiende a la

distribución normal. Con   30, ya se aproxima bien a una
distribución normal, por lo que puede establecerse una relación entre
ambas distribuciones:

z p  2 p 2  2  1

p 
2

1
2

z p  2  1
2

 2. La Distribución Chi-Cuadrado de Pearson

 La forma de la distribución Chi-Cuadrado depende de sus grados

de libertad:

12  zi2

 
2
 22  z12  z 22   zi2
i 1

 
3
  z  z  z   zi2
2
3
2
1
2
2
2
3
i 1
.
.
.

   z
n
  z  z  ...  z
2
n
2
1
2
2
2
n
2
i
i 1
2. La Distribución Chi-Cuadrado de Pearson

Algunas distribuciones Chi-Cuadrado de Pearson

 2. La Distribución Chi-Cuadrado de Pearson

 Propiedad aditiva: Sean U y V dos variables aleatorias cada una

de ellas distribuida según m y  n , respectivamente. Entonces, la2
2 2

nueva variable W = U + V tomará la forma de una distribución  m n


U m
2


V n
2

 2
W = U + V  m n
 3. La Distribución t de Student
¿Cómo se construye, en teoría, una distribución t de Student?
Variable aleatoria: Variable aleatoria:
Z  N(0, 1) 2


Muestreo aleatorio

Muestra 1

Muestra 2 ... Muestra i ...
Z Z ... Z ...
 2 /   2 /   2 / 

 Z
t 
 2 / 
 3. La Distribución t de Student
 Formulación general: X  t.

 Propiedades:

 Se define como el cociente entre una variable2 normal tipificada, Z, y la

raíz cuadrada de una variable Chi-Cuadrado,   , dividida por sus grados de
libertad, .

 Rango de valores asumibles: [-; +].

 Esperanza matemática: E(t) = 0.

 Varianza: V(t) = /( - 2), siempre y cuando  > 2.

 3. La Distribución t de Student
 Distribución simétrica. Conforme  aumenta converge a la distribución
normal.

 Propiedad inversa: t  p t
1 p  .
 4. La Distribución F de Snedecor
¿Cómo se construye, en teoría, una distribución F de Snedecor?
Variable aleatoria: Variable aleatoria:
21 2 2


Muestreo aleatorio

Muestra 1

Muestra 2 ... Muestra i ...
 / 1
2
1  / 1
2
1 ...  / 1
2
1 ...
 / 2
2
2  / 2
2
2  / 2
2
2

 21 / 1
F1 ,  2 
2 2 /  2
 4. La Distribución F de Snedecor
 Formulación general: X  F1 , 2 .

 Propiedades:

 Se define como el cociente entre dos variables Chi-Cuadrado,  1

2

y   2, cada una de ellas dividida por sus grados de libertad, 1 y

2

2.

 Rango de valores asumibles: [0; +].

 Esperanza matemática: E( F , )   2 /( 2  2) (para 2 > 2).

1 2

 Varianza: 2 22 (1   2  2)
V ( F1 , 2 )  (para 2 > 4).
1 ( 2  2) 2 ( 2  4)
 4. La Distribución F de Snedecor
 Distribución asimétrica positiva (negativamente sesgada).Su
grado de asimetría depende de sus dos parámetros: 1 y 2.

 Propiedad recíproca:
1
1 p F1 , 2 
p F 2 ,1