 Distribuciones continuas

 Distribución normal o gaussiana

La distribución gaussiana, recibe también el nombre de distribución
normal, ya que una gran mayoría de las v.a continuas3 de la
naturaleza sigue esta distribución. Se dice que una v.a. X sigue una
distribución normal de parámetros µ y σ 2 , lo que representamos del
modo X❀N µ, σ2 si su función de densidad es:

 Tiene forma de campana, es asintótica al eje de las abscisas (para x

= rf ) Los puntos de inflexión tienen como abscisas los valores P r V.
Simétrica con respecto a la media (P) donde coinciden la mediana
(Mn) y la moda (Mo).
 Su función de densidad es:

Ejemplo: En una distribución normal de media 4 y desviación típica 2,

calcular el valor de a para que: P(4−a ≤ x ≤ 4+a) = 0.5934

 Chi cuadrada:

 La distribución de chi-cuadrada es una distribución continua que

se especifica por los grados de libertad y el parámetro de no
centralidad. La distribución es positivamente asimétrica, pero la
asimetría disminuye al aumentar los grados de libertad. Es probar
si unas mediciones que se hayan efectuado siguen una
distribución esperada.
 Los valores de X2 son mayores o iguales que 0.
 La forma de una distribución X2 depende del gl=n-1. En
consecuencia, hay un número infinito de distribuciones X2.
  El área bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
 Las distribuciones X2 no son simétricas. Tienen colas estrechas que
se extienden a la derecha; esto es, están sesgadas a la derecha.
 Cuando n>2, la media de una distribución X2 es n-1 y la varianza es
2(n-1).
 Ejemplo: Los siguientes son los pesos, en decagramos, de 10
paquetes de semillas de pasto distribuidas por cierta
compañía: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y
46. Encuentre un intervalo de confianza de 95% para la
varianza de todos los paquetes de semillas de pasto que
distribuye esta compañía, suponga una población normal.
Solución:
Primero se calcula la desviación estándar de la muestra:

Al elevar este resultado al cuadrado se obtiene la varianza de la

muestra s2= 0.286.
Para obtener un intervalo de confianza de 95% se elige un  =
0.05. Después con el uso de la tabla con 9 grados de libertad se
obtienen los valores de X2.

 F de Fisher.
•La distribución F de Fisher es una distribución que depende de dos
parámetros. Es una distribución que aparece, con frecuencia, como
distribución de un estadístico de test, en muchos contrastes de hipótesis
bajo las suposiciones de normalidad.

 Una variable con distribución F es siempre positiva por lo tanto su

campo de variación es 0 " F “.
  La distribución de la variable es asimétrica, pero su asimetría
disminuye cuando aumentan los grados de libertad del numerador y
denominador.
 Hay una distribución F por cada par de grados de libertad.
 Parámetros: Grados de libertad asociados al numerador y
denominador.

•La distribución F es asimétrica hacia la derecha y es descrita por los

grados de libertad de su numerador.
Ejemplo: Las siguientes son las calificaciones obtenidas en un examen de
personalidad por 2 muestras de 9 mujeres casadas y 9 mujeres solteras:
Ejemplo: Las siguientes son las calificaciones obtenidas en un examen de
personalidad por 2 muestras de 9 mujeres casadas y 9 mujeres solteras:

Solteras 88 68 77 82 63 80 78 71 72
Casadas 73 77 67 74 74 64 71 71 72

Suponiendo que estos datos se pueden considerar como

muestras aleatorias independientes tomadas de dos
poblaciones normales, pruebe la hipótesis de que la varianza
de las calificaciones de las mujeres solteras es diferente de la
varianza de las calificaciones de las mujeres casadas
con  = 0.05.

H0: 

Ha: 

 = 0.05

Estadístico de contraste  
Valores críticos:  ,