Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mayra Sáenz
FICB Universidad Central
Los conceptos básicos de estimación
estadística de muestras grandes se apoyan en
el teorema del límite central para justificar la
normalidad de los estimadores y estadísticas
de prueba, aplican sólo cuando las
muestras son grandes.
Solución:
𝑥̅ − 𝜇
𝑡=
𝑠⁄ 𝑛
Características:
§ Es más variable que z, con “colas más pesadas”, esto es, la curva t no aproxima al eje horizontal con la misma rapidez
que z. Esto es porque el estadístico t abarca dos cantidades aleatorias, 𝑥̅ y s, en tanto que el estadístico z tiene sólo
la media muestral.
Distribución t de Student
Características (Cont.):
La forma de la distribución t depende del tamaño muestral n. a medida que n aumenta, la variabilidad de t disminuye
porque la estimación s de 𝜎 está basada en más y más información. En última instancia, cuando n sea infinitamente
grande, las distribuciones t y z son idénticas.
Distribución t de Student
Los valores críticos de t permiten hacer inferencias confiables sólo si el experimentador sigue
todas las reglas; esto es, su muestra debe satisfacer estos requisitos especificados por la
distribución t:
• El estadístico t es robusto: la
distribución de la estadística no
cambia de manera significativa cuando
se viola el supuesto de normalidad.
Distribución t de Student
Ejemplo
Supongamos que usted tiene una muestra de tamaño n = 10 de una distribución normal. Encuentre un
valor de t tal que sólo 1% de todos los valores de t sea más pequeño.
• Las pruebas de aptitud deben estar diseñadas de manera que las calificaciones exhibirán
una cantidad razonable de variabilidad: Un examen de 800 puntos no es muy
discriminatorio, si todos los estudiantes obtienen calificaciones entre 601 y 605.
Inferencias sobre la varianza poblacional
∑($! %$)̅ "
Habíamos usado a 𝑠 ! = (%)
como estimador insesgado de 𝜎2 :
(𝑛 − 1)𝑠 (
𝑋( =
𝜎(
Recibe el nombre de variable chi (ji) cuadrada y tiene una distribución de muestreo llamada distribución de
probabilidad chi (ji) cuadrada, con n - 1 grados de libertad.
La distribución chi-cuadrada
• La distribución de chi-cuadrada es una distribución continua que se especifica por los
grados de libertad y el parámetro de no centralidad. La distribución es positivamente
asimétrica, pero la asimetría disminuye al aumentar los grados de libertad.
• Tiene dos usos principales:
• Pruebas de bondad de ajuste: Comprobar que tan bien se ajusta una muestra a una distribución teórica. P.
Ej., si unos datos se ajustan a una distribución de Poisson
• Pruebas de independencia de variables categóricas. P.Ej., un fabricante desea saber si la ocurrencia de
cuatro tipos de defectos en unas máquinas de producción está relacionada con los turnos
La distribución chi-cuadrada
• Cuando los grados de libertas son 30 o
más, la distribución Chi cuadrada puede
aproximarse a una distribución normal
Distribución muestral de la varianza
Si se extrae una muestra aleatoria de tamaño n de una población normal con media µ y varianza σ2,
y se calcula la varianza muestral, se obtiene el valor del estadístico s2 que se utilizará para conocer
la σ2, mediante una variable aleatoria chi cuadrada con “n-1” grados de libertad.
Formalizando:
Si s2es la varianza de una muestra aleatoria de tamaño “n” que se toma de una población normal
que tiene varianza σ2, entonces el estadístico:
!
(𝑛 − 1)𝑠 !
𝑥 =
𝜎!
Tiene una distribución chi cuadrado con v-n-1 grados de libertad
Distribución muestral de la varianza: Ejemplo
Un fabricante de baterías garantiza que su producto dura en promedio 2,5 años con una desviación estándar de
0,8 años. Se toma una muestra aleatoria de 8 baterías y se obtiene que 𝑥̅ = 2,8 𝑦 𝑠 = 1,2. Tiene razón el
fabricante respecto a la desviación estándar poblacional?
Solución:
Como el estadístico está dentro de estos valores, se puede afirmar, con un 95% de
confianza que el fabricante tiene la razón 20
Distribución F
Distribución F
• La distribución F es una distribución continua de muestreo de la relación de dos variables
aleatorias independientes con distribuciones de chi-cuadrada, cada una dividida entre sus grados
de libertad. La distribución F es asimétrica hacia la derecha y es descrita por los grados de libertad
de su numerador (ν1) y denominador (ν2).
• El efecto en la forma de la distribución de diferente número de grados de libertad:
Distribución F
• Utilice la distribución F cuando se quiera
probar la relación de dos variables que
tienen una distribución de chi-cuadrada
cada una.
• Por ejemplo:
• Análisis de varianza
• Pruebas de hipótesis para determinar
si dos varianzas de población son
iguales.
Ejercicio Verifique los siguientes enunciados:
a. El valor de F con área .05 a su derecha para df1 = 6 y df2 = 9 es 3.37.