Documentos de Académico
Documentos de Profesional
Documentos de Cultura
F de Fisher-Snedecor
SEMANA 5
CAPACIDADES:
▪ Distribución Ji Cuadrada
▪ Distribución t de Student
▪ Distribución F de Fisher-Snedecor
1
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
es una 𝝌𝟐𝒏−𝟏 𝒈. 𝒍.
2
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
1. Los valores de X2 son mayores o iguales que 0 (es positiva por la
suma de cuadrados de las v.a. xi 2).
2. La forma de una distribución X 2 depende del gl = n-1. En
consecuencia, hay un número infinito de distribuciones X 2, cuando
n es pequeño es asimétrica y cuando n crece tiende a la
distribución normal.
3. El área bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones X2 son asimétricas. Tienen colas estrechas que
se extienden a la derecha; esto es, están sesgadas a la derecha.
5. Tiene un solo parámetro “n” llamado grados de libertad.
6. Se usa para el estudio de la varianza poblacional en muestras
grandes y pequeñas y pruebas de bondad de ajuste en regresión
logística.
𝟏
𝝌𝟐 = 𝒏 𝒙𝒏/𝟐 𝒆−𝒙/𝟐 para o < x < ∞
𝟐 𝒏/𝟐 𝜞( )
𝟐
4. Características
3.1. Esperanza matemática 3.2. Varianza matemática
µ=n σ 2 = 2n
5. Manejo de la Tabla
3
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
Ver páginas 44 al 47, de tabla de Pedro Diaz de la página 44-45.
4
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
5
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
Ejemplo 1.
SOLUCIÓN
𝑎) 𝑃(8.64 < 𝑥 2 22 < 36.8) = 𝑃(𝑥 2 22 < 36.8) − 𝑃(𝑥 2 22 < 8.64)
= 0.975 − 0.0
= 0.97
0
8.64 36.8
𝑛
𝑢= ,𝑣 > 2
𝑛−2
23
𝑢= = 1.095
21
𝜎 2 = 2𝑛
𝜎 2 = 2 × 23 = 46
a)
b) 𝑏) 𝑃(𝑥 210 < 20.5) = 0.975
0
𝑛
20.5 𝑢 = 𝑛−2 , 𝑣 > 2
6
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
11
𝑢= = 1.222
9
𝜎 2 = 2𝑛
𝜎 2 = 2 × 11 = 22
0.99001
0
0.554 𝑛
𝜇 = 𝑛−2 , 𝑣 > 2
6
𝑢= = 1.5
4
𝜎 2 = 2𝑛
𝜎 2 = 2 × 6 = 12
= 1 − 0.05 = 0.95
→ 𝑏 = 14.1
0.95 α
0 1- α 0.05
b =14.1
𝑛
𝑢= ,𝑛 > 2 8
𝑛−2 𝑢 = 6 = 1.333
𝜎 2 = 2𝑛
𝜎 2 = 2 × 8 = 16
c)
7
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
d)
e) 𝑒) 𝑃(𝑎 < 𝑥 218 < 𝑏 ) = 0.95
→ 𝑃(𝑥 218 < 𝑏 ) = 0.025 + 0.95 = 0.975 → 𝑏 = 31.5
0.95
a b
? ? → 𝑃(𝑥 218 < 𝑎) = 0.025 → 𝑎 = 8.23
𝑛
𝑢= ,𝑛 > 2
𝑛−2
19
𝑢= = 1.118
17
𝜎 2 = 2𝑛
𝜎 2 = 2 × 19 = 38
0.9
α/2 1- α/2 α/2
0.05 0.05
a b
𝑛
? ? 𝑢 = 𝑛−2 , 𝑛 > 2
11
𝑢= = 1.222
9
𝜎 2 = 2𝑛
𝜎 2 = 2 × 11 = 22
8
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
Distribución t de Student
1. Definición: Sea la v.a. X con distribución normal estándar y la
v.a. U con una distribución Ji-Cuadrada con “n” grados de
libertad, si las variables X y U son independientes, entonces la
distribución de la v.a. t dado por:
𝑿− 𝝁
𝒕= 𝒔 𝒕𝒊𝒆𝒏𝒆 𝒖𝒏𝒂 𝒅𝒊𝒔𝒕. 𝒕 (𝒏 − 𝟏) 𝒈. 𝒍.
⁄ 𝒏
√
2. Propiedades
1. Es continua y exacta
2. Es unimodal y simétrica con respecto a la media
3. Es asintótica en sus extremos
4. A medida que los grados de libertad aumenta presenta mayor kurtosis
o apuntamiento
5. El área bajo la curva es igual a 1
6. Tiene un solo parámetro “n” llamado grados de libertad
7. Se usa para estudios de la media poblacional y diferencia de dos medias
poblacionales, en muestras pequeñas (n< 30).
9
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
4. Características
µ= 0
σ2 = n / (n – 2); n > 2
10
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
n t(n) p
1−α 0.75 0.80 0.85 0.90 0.95 0.975 0.99 0.995
n
1 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.657
Ejemplo1
Cuál es la probabilidad de que una variable t de Student de 6 grados de libertad
deja a la izquierda de -1,45:
11
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
en la tabla encontramos:
por tanto:
Ejemplo2
Cuál es la probabilidad acumulada a la derecha de 2,45, en una
variable t de Student de 15 grados de libertad.
según lo anterior:
Ejemplo3
Cuál es la probabilidad acumulada de una variable t de Student de 25
grados de libertad,se encuentre entre: 0,75 y 1,25.
sustituyendo tenemos:
realizando la operación:
12
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
Ejemplo 4
Cual es la abscisa de una distribución t de Student de 5 grados de libertad
que deja a su izquierda una probabilidad del 85%. esto es:
DISTRIBUCIÓN F DE SNEDECOR
13
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
2. Propiedades
14
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
4. Características
con n > 2
con n > 4
Ejemplo.
Usando la distribución “F de Snedecord” de las funciones estadísticas de Excel.
Halle las probabilidades, los valores que se indican y la esperanza y la varianza
matemática en los siguientes casos:
a. 𝑃(𝐹1,5 < 1.69)
b. 𝑃(0.017 < 𝐹3,9 < 13.6)
c. 𝑃(𝐹5,10 > 0.073)
d. 𝑃(𝐹5,12 > 𝑎) = 0.05
e. 𝑃(𝐹6,15 < 𝑏) = 0.95
f. 𝑃(𝑎 < 𝐹8,14 < 𝑏) = 0.95
15
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
SOLUCIÓN
0.75
a) 𝑷(𝑭𝟏,𝟓 < 1.69) = 0.75
1.69
𝒗
Cálculo de la media 𝒖 = 𝒗−𝟐 , 𝒗 > 𝟐
6
𝑢= = 1.5
4
Cálcule la varianza
𝟐𝒗𝟐 (𝒖 + 𝒗 − 𝟐)
𝟐
𝝈 = ,𝒗 > 𝟒
𝒖(𝒗 − 𝟐)𝟐 (𝒗 − 𝟒)
2(25)(1 + 5 − 2)
𝜎2 = = 22.22
1(9)(1)
b) 𝑷(𝟎. 𝟎𝟏𝟕 < 𝐹𝟑,𝟗 < 13.6) = 𝑃(𝐹1,9 < 13.6) − 𝑃(𝐹1,9 < 0.017)
= 0.995 − 0.10
= 0.895
𝑣
0.017 13.6 calculando la media: 𝑢 = 𝑣−2 , 𝑣 > 2
9
𝑢= = 1.29
7
Calculando la varianza:
2𝑣 2 (𝑢 + 𝑣 − 2)
2
𝜎 = ,𝑣 > 4
𝑢(𝑣 − 2)2 (𝑣 − 4)
16
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
2(81)(1 + 9 − 2)
𝜎2 = = 5.29
1(49)(5)
= 1 − 0.005 = 0.995
0.073
𝑣
𝑢 = 𝑣−2 , 𝑣 > 2
10
𝑢= = 1.25
8
2𝑣 2 (𝑢 + 𝑣 − 2)
2
𝜎 = ,𝑣 > 4
𝑢(𝑣 − 2)2 (𝑣 − 4)
2(100)(5+10−2)
2= =1.35
𝜎 5(64)(6)
a
1 − 𝑃(𝐹5,12 ≤ 𝑎) = 0.05
𝑃(𝐹5,12 ≤ 𝑎) = 1 − 0.05
= 0.95
𝒂 = 𝟑. 𝟏𝟏
𝑣
𝑢= ,𝑣 > 2
𝑣−2
12
𝑢= = 0.12
10
17
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
2𝑣 2 (𝑢 + 𝑣 − 2)
2
𝜎 = ,𝑣 > 4
𝑢(𝑣 − 2)2 (𝑣 − 4)
2(144)(5 + 12 − 2)
𝜎2 = = 1.08
(5)(100)(8)
𝑏 = 2.79
b
𝑣
𝑢= ,𝑣 > 2
𝑣−2
15
𝑢= = 1.15
13
2
2𝑣 2 (𝑢 + 𝑣 − 2)
𝜎 = ,𝑣 > 4
𝑢(𝑣 − 2)2 (𝑣 − 4)
2
2(152 )(6 + 15 − 2)
𝜎 = = 0.77
6(132 )(11)
a b
𝑃(𝐹8,15 ≤ 𝑎) = 0.025
18
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García
𝑎 = 0.244
𝑃(𝐹8,15 ≤ 𝑏) = 0.025 + 0.95
𝑃(𝐹8,15 ≤ 𝑏) = 0.975
𝑏 = 3.20
𝑣
𝑢= ,𝑣 > 2
𝑣−2
15
𝑢 = 1.15
13
2𝑣 2 (𝑢 + 𝑣 − 2)
2
𝜎 = ,𝑣 > 4
𝑢(𝑣 − 2)2 (𝑣 − 4)
2
2(152 )(8 + 15 − 2)
𝜎 = = 0.64
(8)(132 )(11)
19