FORMULARIO SEGUNDO PARCIAL

Distribución Chi-cuadrado
Si X1,X2,........,
X n son v.a. que siguen una distribución normal tipificada N(0,1), entonces

1+
2
X= X X2
2+ + 2
........
X 2
n sigue una distribución n .
E(Xn)=;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 = Y / n sigue una distribución t n E (
T )= 0 ;Var(T )=
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 = X / m sigue una dsitribución F con n y m grados de libertad.
2

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

(
X ~ N ,
2
) E
(X Var
)= (
X )=

2

n n
Varianza muestral
nS2 2n-
1 22
= 2 Var
(
n
=2
−1
)4
 
2 ~ n−1
2
. E
(
S) (
S)
 n n

Media muestral con varianza desconocida

X−
n−1( ) ~ tn-1
S

Si X1 ,...,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 
−
XYN
~(−, x+y)
 2

x y
n m

Diferencia de medias muestrales con varianzas desconocidas pero iguales y muestras

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

X −
Y−
( 
x−y)
−
n1( )~ t
S n-1
d

Cociente de varianzas muestrales

n
Sx
2 2
/ (
xn−
1)
~
F − −
m
Sy
2 2
/ (
ym−
1)
(
n 1
),
(
m 1
)

ESTIMACION

Intervalos de confianza a nivel 1-:

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



X −
 +
z ,X

z 



− n
1
2
1
2 
− n


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

 S S 

X−t−
n
1
−
,X+
t−
n1
−

 −
1
 2 n −
1 12
n1


• para la proporción en una población Bernoulli

 P(
1−P
) P
(
1−
P
)

P−z n ,P+
z n


−
1
2
1−
2 


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

 nS 2
nS  2
 , 

−
1/22
−
n1 /22
−
n1


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



X−−
Yz
2 2
 +,
x y
X−
Y+
z

2 2
 +
x y 
 − nm
1 − nm
1 
 2 2 

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

 
 
+
22
nS
mS11 nS+
22
mS11

−
XY−t
x y
+,
X−+
Yt
x y
+
+− +
−
 1
−
nm
2
+
n−
m
2 nm −
1
nm2
+
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

 2
S S2

X

−−
Y
−
1
t−
n
1
d
−
n
,
X
1
−
Y+
1

−
t
n−
1
n
d
−
1


 2 2 

• para la diferencia de proporciones.

 
 
P
(1
-
P)P
(1
-
P) P
(1
-
P)P
(1
-
P)

P−
P−
z xx yy
+ , −
P+
P
z xx+ 
yy

xy−
1/2
n m xy−
1/2
n m 
 

• para el cociente entre varianzas de dos poblaciones normales

 

nS2
/(
n−
1
) 1
2
nS
/(
n−
1
) 1 
x , x 
 
 
2 − f 2 − f
mS/(
m1) (−
n1
),
(
m−1mS
) y/(
m1) (−
n1−
),
(m1)
y 1
- 
 2 2 

CONTRASTES DE HIPOTESIS

Estadísticos de contraste y regiones de rechazo a nivel :

para la media (  conocida)

2
•
X
−
= 0 =  
T R T:Tz 

1 −
1 /
2
2
a) Bilateral
n

=
X
−0
=  
T R T:Tz 

1 −
1
2
b) Unilateral derecho
n
X
−
= 0 = − 
T R T:T z

1 1−
2
c) Unilateral izquierdo
n
• para la media de una población normal ( 2 desconocida)
X−
= 0
 =  
T
2
R
1 T:T−
1
/2t
n−
1
a) Bilateral S
−
n1
X−
= 0
 =  
T
2
R
1 T:T−
1t
n−1
b) Unilateral derecho S
−
n1
X−
= 0
 = − 
T
2
R
1 T:T −
1t
n−
1
c) Unilateral izquierdo S
n
• para la proporción en una población Bernoulli
−
=
T
P p0
=
R
1T
:T
z
−
1/
2
a) Bilateral p1−
0 p
( )
0
n
P−p
=
T 0
=
R
1 
T 
:Tz
1
−
b) Unilateral derecho p1−
0 p
( )
0
n
P−p
=
T 0
=
R
1 
T 
:T−
z
−
1
c) Unilateral izquierdo p1−
0 p
( )
0
n
• para la varianza de una población normal

a) Bilateral =
T
2
nS
2
=
R
1

T:
T
0

−
1/
2
2
−
n
1ó

T/
2
2
−
n
1   
 
2
nS
=

= n
2
b) Unilateral derecho T 2
R
1 T
:T−
1 −
1
0

 
2
nS
=

= n
2
c) Unilateral izquierdo T 2
R
1 T
: T −
1
0

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

−−
=
T
XY d
0
R=
T:T
z  
2
−

1 1/2
2
a) Bilateral y
x
+
nm

−
XY−
d
=
T 0
R=
T 
:Tz
−
2

1 1
2
b) Unilateral derecho y
x
+
n m

X−
Y−d
=
T 0
R=
T 
:T−z
−
2

1 1
2
c) Unilateral izquierdo y
x
+
n m
• sobre la diferencia de medias con muestras independientes y varianzas desconocidas pero iguales
H0: x − y =d 0

−−
=
T
XYd
0
2 2
=
R
1T
:T

−
1/
2 t
+
nm
−
2
a) Bilateral x+
nS
mS
y11
+
+
nm−
2nm

−
X−
Yd
=
T 0
2 2
=
R
1T
:T
−
1t+
n
m−
2
b) Unilateral derecho x+
nS
mS
y11
+
+
nm−
2nm

−
X−
Yd
=
T 0
2 2
=
R
1T
:T−

−
1t+
n
m−
2
c) Unilateral izquierdo x+
nS
mS
y11
+
+
nm−
2nm
• sobre la diferencia de medias con muestras relacionadas (datos apareados)

−−
=
T
XY
S
d0
=
R
1T
:T
−
1
/2t
n−
1
a) Bilateral d
−
n1
X−
Y−d
=
T 0
R
1=
T 
:T
−
1 t
n−
1
b) Unilateral derecho Sd
−
n1
X−
Y−d
=
T 0
R
1=
T 
:T−
1
−t
n−
1
c) Unilateral izquierdo Sd
−
n1

• sobre el cociente de varianzas

−
  
2
nS
/(
n1
)
1
a) Bilateral =
Tx
=
R
1T
:
T−
1
/f
2−
n
1
,
m−
1ó
T
/
2f−
n
1
,
m−
1
2
mS
y−
/(
mr
1
)
0

−
 
2
nS
/(
n1
)1
b) Unilateral derecho =
Tx
2
mS−
/(
m1r
)
=
R
1T:T

−
1f−
n
1,
m−1
y 0

−
 
2
nS
/(
n1
)1
c) Unilateral izquierdo =
T x
2
mS
/(
m−
1
)r
=
R
1T:
T 
f
n−
1,
m−1
y 0

• sobre la diferencia de proporciones en poblaciones Bernoulli

−−
 
PP d

x y 0
=
T =
R
1T 
:Tz
−
1/2
a) Bilateral P(
1−)P
P y(
1−
P)
y
x x+
n m
P− −
P d
=
T
x y 0
=
R
1T
:T
z
1
−
b) Unilateral derecho P
(
1−P) P
y(
1−P
)
y
x x +
n m
P−−
Pd
=
T
x y 0
=
R
1T
:T
−z
−
1

c) Unilateral izquierdo P
(
1−P
) P(
1−
y yP
)
x x+
n m
Regresión lineal
Distribuciones muestrales de los estadísticos
 2
ˆ − 
b = ˆ ~ N(, 2 ) ~ t n−2
nsx
s r2
2 (x2 + sx2 )
a =
ˆ ~ N(, ) ns x2
nsx2
ˆ − 
(n- 2)s2r ~ t n−2
~ n2−2 s r2 ( x 2 + s x2 )
2
ns x2
Intervalos de confianza para  a nivel 1-

 
 
2 2
ˆ s
r ˆ s
−
1
−/
2t−
n2 2
, +
−
1
/t
2−
n2
r
2


 ns
x ns
x


Intervalos de confianza para  a nivel 1-

 
 + +

2 22 2 22
s
(x s) s
(x s)
−
 + 
r x r x
−
1/
2t−
n
2 2
, −
1/
2t−
n
2 2

 ns
x ns
x 



ˆ −
0 
ˆ−0
T= T=
Contrastes sobre  y  sr2 s
r(x+
2 2 2
s
x)
2 2
nsx
ns
x

a) Bilateral 1=
R 
T:T
1
−/2t
n−
2

b) Unilateral derecho 1=
R 
T:T−
1t
n−
2

c) Unilateral izquierdo R 
1=T:T−−
1t
n−
2

rxy n−2
Contrastes sobre el coeficiente de correlación. T= ~tn−2
−
2
(1 rxy)
a) Bilateral 1=
R 
T:T
1
−/2t
n−
2

b) Unilateral derecho 1=
R 
T:T−
1t
n−
2

c) Unilateral izquierdo R 
1=T:T−−
1t
n−
2

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

 1(
x−
x2
) 1 (
x−
x2
)
−

ˆ
y
0


−
1/
2t
n−
2
2
s
(
r
n
+
0
)ˆ
,
y
2 0
ns
+
−
1/
2
t
n−
s
2r
2
(
n
+0
2
ns
)

 x x 

Intervalo de confianza para la predicción cuando X=x0

 −2
−2

21 (
xx) (
1xx
)
−

ˆ
y
0
−
1
/
t
2
n−
2
s
r+
(
1+0
)
,ˆ
y
2 0
+
−
1
/t
−
2
n2
2
s
(
1
r++0
2
)

 nns
x nns
x 
