Está en la página 1de 12

Distribución t-student

Definición 4.5.1: Sea T una v.a continua. Se dice que T tiene una distribución t-
student con 𝛾-grados de libertad, si y solamente si su función de densidad de
probabilidad está dada por:

−∞ < 𝑡 < ∞

𝛾 𝜖 𝑍+
Características de la distribución t-
student
• La distribución t es simétrica respecto al eje t=0.

• La variables t toma valores desde −∞ hasta ∞.

• La media de una variable T es 𝜇 = 0.

• La curva de la distribución t es semejante a la de la normal pero sus colas son más


altas, lo que indica que su variabilidad es mayor al de la normal.
Teorema 2.7: Si X una v.a tal que X~𝑁(𝜇, 𝜎 2 ), con 𝜎 2 desconocida. Si se toma una
muestra aleatoria de tamaño n pequeña de esta población, entonces la variable

𝑋−𝜇
aleatoria 𝑇 = 𝑆 tiene una distribución t-student con 𝛾 (𝛾 = n-1) grados de libertad,
𝑛
esto es:

𝑋−𝜇
𝑇= 𝑆 ~ 𝑡𝛾
𝑛

Teorema 2.8: Sean 𝑋1 ~𝑁(𝜇1 , 𝜎1 2 ) y 𝑋2 ~𝑁(𝜇2 , 𝜎2 2 ), con 𝜎1 2 , 𝜎2 2 desconocidas, pero


iguales. Si se toma una muestra aleatoria de tamaño 𝑛1 de la primera población, y de
manera independiente una 𝑛2 de la segunda, con 𝑛1 y 𝑛2 pequeñas, entonces:

𝑋ത1 − 𝑋ത2 − (𝜇1 − 𝜇2 )


𝑇= ~ 𝑡𝑛1+ 𝑛2−2
𝑆𝑃 2 𝑆𝑃 2
𝑛1 + 𝑛2

2 2
2 (𝑛1 −1)𝑆1 +(𝑛2 −1)𝑆2
𝑆𝑃 = 𝑛1+ 𝑛2 −2
Teorema 2.9: Sean 𝑋1 ~𝑁(𝜇1 , 𝜎1 2 ) y 𝑋2 ~𝑁(𝜇2 , 𝜎2 2 ), con 𝜎1 2 , 𝜎2 2 desconocidas, pero
diferentes. Si se toma una muestra aleatoria de tamaño 𝑛1 de la primera población, y
de manera independiente una 𝑛2 de la segunda, con 𝑛1 y 𝑛2 pequeñas, entonces:

𝑋ത1 − 𝑋ത2 − (𝜇1 − 𝜇2 )


𝑇= ~ 𝑡𝛾
𝑆1 2 𝑆2 2
𝑛1 + 𝑛2

2
𝑆1 2 𝑆2 2
𝑛1
+ 𝑛2
𝛾= 2 2 𝜖 𝑍+
𝑆1 2 𝑆2 2
𝑛1 𝑛2
+
𝑛1 −1 𝑛2 −1

Ejercicio: Si X es una v.a continua con distribución desconocida, y su media está dada
por 𝜇 = 16, pero su varianza se desconoce. Se toma una muestra de tamaño n=9 de
esta población y se encuentra que una varianza muestral de 9, encuentre el percentil

95 para 𝑋.
DISTRIBUCIÓN JI-CUADRADA
TEOREMA: Se tiene una muestra aleatoria de una distribución normal con parámetros 𝜇
y 𝜎2. Entonces la variable aleatoria
(n − 1)S 2 2
~𝜒 𝑛−1
σ2
tiene una distribución de probabilidad ji cuadrada (𝜒 2 ) con n - 1 grados de libertad.
DISTRIBUCIÓN JI-CUADRADA
TEOREMA: Se tiene una muestra aleatoria de una distribución normal con parámetros 𝜇
y 𝜎2. Entonces la variable aleatoria
(n − 1)S 2 2
~𝜒 𝑛−1
σ2
tiene una distribución de probabilidad ji cuadrada (𝜒 2 ) con n - 1 grados de libertad.
DISTRIBUCIÓN JI-CUADRADA
TEOREMA: Se tiene una muestra aleatoria de una distribución normal con parámetros 𝜇
y 𝜎2. Entonces la variable aleatoria
(n − 1)S 2 2
~𝜒 𝑛−1
σ2
tiene una distribución de probabilidad ji cuadrada (𝜒 2 ) con n - 1 grados de libertad.

2 2 2
𝜒𝑛−1,1−𝛼 𝜒𝑛−1,𝛼/2 𝜒𝑛−1,1−𝛼/2
EJERCICIOS
Determine los valores de las siguientes cantidades:

2
a) χ15,0.9 =

b) χ25,0.005 =

2
c) χ10,0.99 =
EJERCICIOS
Determine los valores de las siguientes cantidades:

2
a) χ15,0.9 = 22.307

b) χ25,0.005 = 0.4117

2
c) χ10,0.99 = 23.209
DISTRIBUCIÓN F (I)
Teorema 2.1. Si 𝑆1 2 y 𝑆2 2 son las varianzas de variables aleatorias independientes de
tamaño 𝑛1 y 𝑛2 respectivamente, tomadas de poblaciones normales con varianzas
𝜎1 2 y 𝜎2 2 , entonces el estadístico:

𝑆1 2
𝜎1 2
𝐹= 𝑆2 2
~ 𝐹𝑛1−1,𝑛2−1
𝜎2 2

Tiene una distribución F con 𝑛1 − 1 y 𝑛2 − 1 grados de libertad, donde 𝑛1 es la


muestra tomada en la población del numerador y 𝑛2 es la muestra tomada en la
población del denominador.
DISTRIBUCIÓN F (II)
Es importante resaltar en el teorema anterior que la tabla de la distribución F se
construye asumiendo que la mayor de las dos varianzas está en el numerador.

Adicionalmente, como la distribución F no es simétrica, y las tablas de la F solo


ofrecen los percentiles de las probabilidades más elevadas, es recomendable tener
presente la siguiente propiedad de la distribución:

1
𝐹𝑛1 −1,𝑛2−1,𝛼/2 =
𝐹𝑛2−1,𝑛1−1,1−𝛼/2
DISTRIBUCIÓN F (III)
Ejemplo:

F4,7,0.95 =4.120

1 1
F4,7,0.05 = = = 0.1641
F7,4,0.95 6.094

También podría gustarte