UNT Estadística II IV Ciclo Ingeniería Industrial

Dra. María Teresita Rojas García

Distribuciones en el muestreo: t de Student, Ji Cuadrado,

F de Fisher-Snedecor

SEMANA 5

CAPACIDADES:

• Identificar las características y aplicaciones de las distribuciones “t

de Student, Ji Cuadrado y F de Snedecord”.

• Determinar las probabilidades de sucesos de interés en problemas

aplicados a su carrera profesional, con ayuda de las funciones
estadísticas de EXCEL.

• Existen una serie de distribuciones especiales que resultan de

especial interés en la utilización de las herramientas de inferencia
estadística. Dichas distribuciones son:

▪ Distribución Ji Cuadrada
▪ Distribución t de Student
▪ Distribución F de Fisher-Snedecor

La distribución Ji Cuadrada con n grados de libertad se corresponde con

la distribución de la suma de los cuadrados de n variables aleatorias
independientes que siguen modelos normales con media 0 y desviación
típica 1.

La distribución t de Student con n grados de libertad se corresponde con

la distribución del cociente de una variable aleatoria Normal con media 0
y desviación típica 1, respecto a la raíz cuadrada de una variable aleatoria
Ji cuadrado con n grados de libertad dividida por n. La distribución
Normal y Ji cuadrado que intervienen en la definicióndeben ser
independientes.

La distribución F de Fisher-Snedecor con v1 y v2 grados de libertad se

corresponde al cociente de una Ji al cuadrado con v1 grados de libertad
dividida entre v1, respecto a por una Ji al cuadrado con v2 grados de
libertad dividida por v2.

1
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García

DISTRIBUCION JI-CUADRADA (X2)

1. Definición: Sea X una variable aleatoria con una distribución normal
con parámetros μ, σ2; consideremos muestras pequeñas de tamaño n
< 30 (x1, x2, … , xn) y sea s2 varianza muestral tomada de una población
que tiene una varianza σ2, entonces el estadístico de prueba:

es una 𝝌𝟐𝒏−𝟏 𝒈. 𝒍.

tiene una distribución muestral que es una distribución ji-cuadrada

con gl = n-1 grados de libertad y se denota X2. El estadístico ji-cuadrada
está dado por:

donde n es el tamaño de la muestra, s2 la varianza muestral y la

varianza poblacional

2. Propiedades de las distribuciones Ji-cuadrada

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.

3. Función de densidad de probabilidad

La función de densidad de la distribución X2 está dada por:

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

Para determinar las probabilidades de las distribuciones a estudiar en la

presente sesión de clase virtual, usaremos las Distribuciones de
Probabilidad de las Funciones Estadísticas de Excel.

5
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García

Ejemplo 1.

Usando la tabla de la distribución “JI – CUADRADO”, dado en 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(8.64 < 𝑥 2 22 < 36.8)

b) 𝑃(𝑥 210 < 20.5)
c) 𝑃(𝑥 2 5 > 0.554)
d) 𝑃(𝑥 2 7 > 𝑏 ) = 0.05
e) 𝑃(𝑎 < 𝑥 218 < 𝑏 ) = 0.95
f) 𝑃(𝑎 < 𝑥 210 < 𝑏 ) = 0.90

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

𝑐) 𝑃(𝑥 2 5 > 0.554) = 1 − 𝑃(𝑥 2 5 < 0.554) = 1 − 0.01 = 0.99

0.99001
0
0.554 𝑛
𝜇 = 𝑛−2 , 𝑣 > 2

6
𝑢= = 1.5
4

𝜎 2 = 2𝑛
𝜎 2 = 2 × 6 = 12

𝑑) 𝑃(𝑥 2 7 > 𝑏 ) = 0.05 = 1 − 𝑃(𝑥 2 7 < 𝑏 ) → 𝑃(𝑥 2 7 < 𝑏 )

= 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

α/2 1- α/2 α/2

0.025 0.025

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

f) 𝑓) 𝑃(𝑎 < 𝑥 210 < 𝑏 ) = 0.90

→ 𝑃(𝑥 210 < 𝑏 ) = 0.05 + 0.90 = 0.95 → 𝑏 = 18.3
→ 𝑃(𝑥 210 < 𝑎) = 0.05 → 𝑎 = 3.9

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

3. Función de densidad de probabilidad

La Distribución t de Student, tiene por función de densidad:

con -∞ < x < ∞

Donde el parámetro n de , se denomina grados de libertad de la

distribución.

4. Características

4.1. Esperanza matemática

µ= 0

4.2. Varianza matemática

σ2 = n / (n – 2); n > 2

10
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García

MANEJO DE LA TABLA t (Ver tabla Pedro Diaz Pg. 43)

TABLA DE LA DISTRIBUCION t-Student con n grados de libertad.

43

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

2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925

3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841

4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604

5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032

6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707

7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499

8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355

9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250

10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169

Para el cálculo de esta integral existen distintos tipos de Tabla de distribución t de

Student, en la que para distintos valores de n y de x se puede buscar su
probabilidad. Usaremos la función dada en EXCEL.

Ejemplo1
Cuál es la probabilidad de que una variable t de Student de 6 grados de libertad
deja a la izquierda de -1,45:

los valores negativos no vienen en la tabla, pero según lo anterior:

=

11
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García

en la tabla encontramos:

por tanto:

con lo que obtenemos:

acumulada p, veamos una de esas tablas

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:

por la tabla tenemos que:

que sustituyéndolo en la expresión, resulta:

que da como resultado:

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.

según lo anterior, tenemos:

en la tabla las probabilidades, tenemos los valores:

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:

consultando la tabla en la columna del 0,85 y en la fila del 5, tenemos que;

DISTRIBUCIÓN F DE SNEDECOR

1. Definición : La distribución F se plantea partiendo de dos

variables aleatorias X e Y tales que :

es decir una χ 2 con m grados de libertad

es decir una χ 2 con n grados de libertad ;

de manera que, si establecemos el cociente,

es decir el cociente entre ambas χ 2 divididas a su vez, por sus

correspondientes grados de libertad tendremos que la función F
corresponde a una distribución F de Snedecor con m y n grados de
libertad ; es decir una .

13
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García

2. Propiedades

1. Es asimétrica positiva ( x > 0)

2. El área bajo la curva es igual a 1.
3. Tiene dos parámetros, que son m y n; grados de libertad del
numerador, grados de libertad del denominador.
4. Su Uso, es una distribución de probabilidad de gran aplicación
en la inferencia estadística, fundamentalmente en la
contrastación de igualdad de varianzas de dos poblaciones
normales, y, fundamentalmente en el análisis de la varianza.

3. Función de densidad de probabilidad

La función de densidad de la distribución F de Snedecor viene

dada por:

siendo m y n los parámetros de la función(distribución) y la función

gamma de Euler.

14
UNT Estadística II IV Ciclo Ingeniería Industrial
Dra. María Teresita Rojas García

4. Características

4.1 Esperanza matemática

con n > 2

4.2 Varianza matemática

con n > 4

5. Manejo de la tabla F ver tabla de Pedro Diaz (pg. 48-61)

Para determinar las probabilidades haremos uso de la función dada

en EXCEL

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)

c) 𝑃(𝐹5,10 > 0.073) = 1 − 𝑃(𝐹5,10 ≤ 0.073)

= 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)

d) 𝑷(𝑭𝟓,𝟏𝟐 > 𝑎) = 0.05 0.05

73

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)

𝒇) (𝑭𝟔,𝟏𝟓 < 𝑏) = 0.95

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)

𝒈) 𝑷(𝒂 < 𝐹𝟖,𝟏𝟒 < 𝑏) = 0.95

a b

𝑷(𝑭𝟖,𝟏𝟓 ≤ 𝒃) − 𝑷(𝑭𝟖,𝟏𝟓 ≤ 𝒂) = 0.95

𝛼 𝛼
+ + 0.95 = 1
2 2
𝛼
2 ( ) = 0.05
2
𝛼
= 0.025
2

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