FORMULARIO SEGUNDO PARCIAL

Distribución Chi-cuadrado
Si X 1 , X 2 ,........, X n son v.a. que siguen una distribución normal tipificada N(0,1),
entonces X= X 12  X 22 + ........  X n2 sigue una distribución  2n .
E ( X )  n ; Var ( X )  2 n

Distribución t de Student
Si X y Z son v.a. independientes, donde Z sigue una dist. normal N(0, 1), y X una  2n ,
X n
entonces, la v.a. T  sigue una distribución t n E (T )  0 ; Var (T ) 
Y/n n2

Distribución F de Snedecor
Si X1 y X2 son v.a. independientes, con distribución Ji-cuadrado con n y m grados de libertad
X1 / n
respectivamente, entonces F  sigue una dsitribución F con n y m grados de libertad.
X2 / m

DISTRIBUCIONES MUESTRALES

Se supondrá muestreo aleatorio simple y población normal. Si X 1 , X 2 ,........, X n es una muestra

aleatoria de una población con media  y varianza 2

Media muestral con varianza conocida

2 2
X ~ N ( , ) E( X )   Var ( X ) 
n n
Varianza muestral
nS 2 n -1 2 2(n  1) 4
~ 2n 1 . E (S 2 )   Var ( S 2 ) 
2 n n2

Media muestral con varianza desconocida

X 
n  1( ) ~ tn-1
S

Si X 1 ,..., X n es una m.a de una población con media x y varianza x2 y Y1 , ..., Ym es otra
m.a. de otra población con media y y varianza y2

Diferencia de medias muestrales con varianza conocidas y muestras independientes

2
 x2  y
X  Y ~ N ( x   y ,  )
n m

Diferencia de medias muestrales con varianzas desconocidas pero iguales y muestras

independientes
X  Y  ( x   y )
~ t n + m-2
nS x2  mS y2 1 1

nm2 n m
 Diferencia de medias muestrales, muestras relacionadas
n=m, Di=Xi-Yi y Sd su desviación típica

X  Y  ( x   y )
n  1( ) ~ tn-1
Sd

Cociente de varianzas muestrales

n S x2 /  x2 ( n  1)
~ F( n 1),( m 1)
m S y2 /  2y ( m  1)

ESTIMACION

Intervalos de confianza a nivel 1-:

· para la media de una población normal (  2 conocida)

   
X  z  ,X  z  
 1
2
n 1
2
n 

· para la media de una población normal (  2 desconocida)

 S S 
 X   t n 1 , X   t n 1 
 1
2
n 1 1
2
n  1 

· para la proporción en una población Bernoulli

 P (1  P ) P(1  P) 
P  z  ,P  z  
 1 n 1 n 
2 2

· para la varianza de una población normal ( y  2 desconocidas)

 nS 2 nS 2 
 , 
 1 / 2  n21  / 2  n21 

· para la diferencia de medias de poblaciones independientes (varianzas conocidas)

 2 2 
X  Y  z  x2  y  x2  y 
  , X  Y  z  
 1 n m 1 n m 
 2 2 

· para la diferencia de medias de poblaciones independientes (varianzas desconocidas pero iguales)

 nS x2  mS y2 nS x2  mS y2 
X  Y  1 1 1 1
t
 n m 2  , X  Y   t nm2 
 1 nm2 n m 1 nm2 n m
 2 2 
· para la diferencia de medias con muestras relacionadas.
n=m, Di=Xi-Yi y Sd su desviación típica

 S d2 S d2 
 X  Y   t n 1 , X  Y   t n 1 
 1 n 1 1 n 1
 2 2 

· para la diferencia de proporciones.

 Px (1 - Px ) Py (1 - Py ) Px (1 - Px ) Py (1 - Py ) 
P  P  z  , Px  Py  z 1  /2  
 x y 1  /2 n m n m 
 

· para el cociente entre varianzas de dos poblaciones normales

 
 nS 2 /( n  1) 1 nS x2 /( n  1) 1 
 x , 
 mS 2 /( m  1) f ( n 1),( m1) mS 2 /( m  1) f ( n 1),( m1) 
 
 y 1- y 
 2 2 

CONTRASTES DE HIPOTESIS

Estadísticos de contraste y regiones de rechazo a nivel :

· para la media (  2 conocida)

X  0
T R1  T : T  z1 / 2 
a) Bilateral 2
n
X  0
T R1  T : T  z1 
b) Unilateral derecho 2
n
X  0
T R1  T : T   z1 
c) Unilateral izquierdo 2
n
· para la media de una población normal (  2 desconocida)
X  0
T R1  T : T 1 / 2 t n 1 
a) Bilateral S2
n 1
X  0
T R1  T : T 1 t n 1 
b) Unilateral derecho S2
n 1
X  0
T R1  T : T  1 t n 1 
c) Unilateral izquierdo S2
n

· para la proporción en una población Bernoulli

 P  p0
T R1  T : T  z1 / 2 
a) Bilateral p 0 (1  p 0 )
n
P  p0
T R1  T : T  z1 
b) Unilateral derecho p 0 (1  p 0 )
n
P  p0
T R1  T : T   z1 
c) Unilateral izquierdo p 0 (1  p 0 )
n
· para la varianza de una población normal

a) Bilateral T
nS 2

R1  T : T 1 / 2  n21 ó T   / 2  n21 
 02

b) Unilateral derecho T 
nS 2

R1  T : T 1  n21 
 02

c) Unilateral izquierdo T
nS 2

R1  T : T    n21 
 02

 sobre la diferencia de medias con muestras independientes y varianzas conocidas

X Y  d0
T  R1  T : T  z1 / 2 
a) Bilateral  2
x
 y2

n m

X Y  d0
T  R1  T : T  z1 
b) Unilateral derecho  2
x
 y2

n m

X Y  d0
T  R1  T : T   z1 
c) Unilateral izquierdo  2
x
 y2

n m
 sobre la diferencia de medias con muestras independientes y varianzas desconocidas pero iguales
H0 :  x   y  d0

X  Y  d0
T R1  T : T 1 / 2 t n  m 2 
a) Bilateral nS x2 2
 mS y 1 1

nm2 n m

X  Y  d0
T R1  T : T 1 t n  m 2 
b) Unilateral derecho nS x2 2
 mS y 1 1

nm2 n m

X  Y  d0
T R1  T : T  1 t n  m  2 
c) Unilateral izquierdo nS x2 2
 mS y 1 1

nm2 n m
 sobre la diferencia de medias con muestras relacionadas (datos apareados)

X Y  d0
T  R1  T : T  1 / 2 t n 1 
a) Bilateral Sd
n 1
X Y  d0
T  R1  T : T  1 t n 1 
b) Unilateral derecho Sd
n 1
X Y  d0
T  R1  T : T   1 t n 1 
c) Unilateral izquierdo Sd
n 1

 sobre el cociente de varianzas

a) Bilateral T 
nS x2 /( n  1) 1
mS y2 /( m  1) r0

R1  T : T 1 / 2 f n 1, m 1 ó T  / 2 f n 1, m 1 

b) Unilateral derecho T 
nS x2 /( n  1) 1
mS y2 /( m  1) r0

R1  T : T 1 f n 1,m 1 

c) Unilateral izquierdo T
nS x2 /( n  1) 1
mS y2 /( m  1) r0

R1  T : T   f n 1,m 1 

 sobre la diferencia de proporciones en poblaciones Bernoulli

Px  Py  d 0
T  R1  T : T  z1 / 2 
a) Bilateral Px (1  Px ) Py (1  Py )

n m
Px  Py  d 0
T  R1  T : T  z1 
b) Unilateral derecho Px (1  Px ) Py (1  Py )

n m

Px  Py  d 0
T  R1  T : T   z1 
c) Unilateral izquierdo Px (1  Px ) Py (1  Py )

n m
Regresión lineal
Distribuciones muestrales de los estadísticos
 2
ˆ  
b  ˆ ~ N (  , 2 ) ~ t n 2
ns x
s r2
 2 ( x 2  s x2 ) ns x2
a  ˆ ~ N ( , )
ns x2
ˆ  
(n - 2)s 2r ~ t n 2
~  n2 2 s r2 ( x 2  s x2 )
 2
ns x2
Intervalos de confianza para  a nivel 1-

 s r2 ˆ s r2 
 ˆ 1 / 2 t n  2 ,   t
1 / 2 n  2 
 ns x2 ns x2 

Intervalos de confianza para  a nivel 1-

 s r2 ( x 2  s x2 ) s r2 ( x 2  s x2 ) 
 1 / 2 t n  2 ,   1 / 2 t n  2 
 ns x2 ns x2 

ˆ   0 ˆ   0
T T
Contrastes sobre  y  s r2 s r2 ( x 2  s x2 )
ns x2 ns x2
a) Bilateral R1  T : T 1 / 2 t n  2 
b) Unilateral derecho R1  T : T 1 t n  2 
c) Unilateral izquierdo R1  T : T  1 t n  2 

rxy n  2
Contrastes sobre el coeficiente de correlación. T  ~ t n 2
2
(1  rxy )
a) Bilateral R1  T : T 1 / 2 t n  2 
b) Unilateral derecho R1  T : T 1 t n  2 
c) Unilateral izquierdo R1  T : T  1 t n  2 

Intervalo de confianza para la media de Y cuando X=x0

 2 1 ( x0  x ) 2 2 1 ( x0  x ) 2 
 yˆ 0 1 / 2 t n2 sr (  ) , yˆ 0  1 / 2 t n 2 sr (  )
 n ns x2 n ns x2 

Intervalo de confianza para la predicción cuando X=x0

 1 ( x0  x ) 2 1 ( x0  x ) 2 
 y0 1 / 2 t n 2 sr (1   ) , y0 1 / 2 t n2 sr (1  
2 2
ˆ ˆ )
 n ns x2 n ns x2 