1.- Introduccin: La estadstica trabaja sobre poblaciones, extrae conclusiones sobre la base de un anlisis de un muestrario de datos de una poblacin.

Hay muchas maneras de tomar una muestra de una poblacin. Adems las conclusiones que se extraen acerca de la poblacin dependen de como se selecciona la muestra, deseamos que la muestra sea representativa de la poblacin. Vamos a concluir esta introduccin con un ejemplo hipottico y algo extrao que ilustra como las conclusiones sacadas de una muestra pueden ser muy diferentes de la realidad. Supongamos que una nave espacial del planeta Marte llega por primera vez a la Tierra, y aterriza por casualidad en el centro de Africa. Despus de haber aterrizado en un claro de la selva, los marcianos recogen muestras de la vegetacin que los rodea, toman nota de la constitucin, temperatura, presin y humedad del ambiente y capturan como muestra a tres nios pigmeos. Vuelven a Marte y pasan varias semanas analizando los datos recogidos, haciendo, mas tarde, el informe para sus superiores. ste da a entender que la Tierra est cubierta de selva, envuelta en un ambiente de aire caliente y hmedo y poblada de gente de piel negra, casi sin ropa cuya estatura media no es superior a un metro. Del ejemplo observamos que hay varias cosas a tener en cuenta cuando se procede a tomar una muestra. Hay que elegir el tamao de la muestra y esto depender no solamente de la cantidad de informacin que se quiere conseguir, y el grado de certeza deseada, sino tambin del costo del muestreo. Cualquiera sea el mtodo elegido, el requisito ms importante es que la muestra obtenida proporcione una imagen tan real como sea posible de aquella poblacin que s ha sometido al muestreo. Describiremos a continuacin los metodos de muestreo mas importantes, que introducen el azar y que aseguran la representatividad de las muestras.

2.- Muestreo Aleatorio: Empezaremos definiendo Poblacin, como un conjunto de individuos que se pueden identificar por separado. Se puede pensar en una poblacin concreta que realmente existe, como en una conceptual que no exista ni que existir jams. En ambos casos, el inters se centrar casi exclusivamente en las poblaciones nmeros. Una poblacin puede ser discreta o continua, dependiendo de que el conjunto de nmeros referidos sea discreto o continuo. Una poblacin es discreta si consta de un nmero finito o fijo de elementos, medidas u observaciones. Por ejemplo los pesos netos de 20 latas de atn.

A diferencia de las poblaciones discretas, las poblaciones continuas contienen una infinidad de elementos. Este es el caso de cuando observamos una variable continua y hay una infinidad de resultados distintos. Tambin es el caso de las alturas de los estudiantes de la Universidad. Un mtodo para obtener una muestra sencilla aleatoria de una poblacin es el siguiente: el empleo de una tabla de nmeros aleatorios. Estas tablas son listas de cifras del 0 al 9, colocados de tal manera que si se elige al azar una posicin cualquiera de la tabla, cada dgito tiene una posibilidad igual de aparecer en dicha posicin. Es fcil seleccionar una muestra al azar de un conjunto de nmeros, empleando estas tablas como se muestra en el siguiente ejemplo: Obtener una muestra sencilla aleatoria de tamao 5 de una clase de 30 estudiantes. Suponer que los estudiantes estn numerados del 1 al 30 en la listad de la clase. Solucin : vamos a una tabla de nmeros aleatorios, y escogemos un punto de comienzo. Entonces leemos a lo largo de la fila desde este punto, tomando las cifras por parejas (o de una columna de dos cifras hacia abajo), obteniendo los nmeros as: 01, 53, 25, 73, 49, 82, 35, 15, 10, 32, 97, 08 En la serie elegimos slo los nmeros comprendidos entre el 1 y el 30, ignorando los otros **** Para ver la idea de muestreo aleatorio en una poblacin finita de tamao N, primero veamos cuantas muestras distintas se pueden tomar de tamao n. El nmero de muestras distintas es Por ejemplo si N=12 y n= 2 muestras distintas.

Con base en el resultado de que hay muestras distintas de tamao n de una poblacin finita de tamao N, podemos definir como muestra aleatoria o muestra aleatoria simple de una poblacin finita: Una muestra de tamao n de una poblacin finita de tamao N es una variable aleatoria si se selecciona de manera tal que cada una de las

muestras posibles tienen la misma probabilidad de ser seleccionada.

Por ejemplo si una poblacin consistente en lo N= 5 elementos a,e,i, o, u (que podran ser los ingresos anuales de cinco personas, los pesos de 5 vacas,.....) hay muestras posibles de tamao n = 3 . estas constan de los elementos: aei aeo aeu aio aiu aou eio eiu eou iou

si seleccionamos una de esas muestras de forma que esta muestra tenga probabilidad 1/10 de ser elegida, decimos que dicha muestra es aleatoria. En la prctica el describir todas las posibles muestras seria complicado si N y n son grandes. Por ejemplo si n = 4 y N = 200 tendramos 64,684,950 muestras distintas. Por suerte podemos realizar una muestra aleatoria, sin necesidad de describirlas todas. Basta con numerar los N elementos de la poblacin y retirar una a una hasta completar

los n- elementos de la muestra. Este procedimiento tambin da una probabilidad de de ser seleccionada la muestra por los que sera aleatoria. Ahora bien si la poblacin es infinita: diremos que: Una muestra de tamao n de una poblacin infinita es aleatoria si consta de valores de variables aleatorias independientes que tienen la misma distribucin. Por ejemplo si lanzamos un dado 12 veces y obtenemos 2, 5, 5, 3, 3, 3, 5, 1, 6, 1,4, 1. Estos nmeros constituyen una variable aleatoria si son valores aleatoria independientes que tienen la misma distribucin de probabilidad f(x) = 1/6 para x= 1,2,3,4,5,6 Introduccin al muestreo. a. Concepto e importancia Es la actividad por la cual se toman ciertas muestras de una poblacin de elementos de los cuales vamos a tomar ciertos criterios de decisin, el muestreo es importante porque a travs de l podemos hacer anlisis de situaciones de una empresa o de algn campo de la sociedad. b. Terminologa bsica para el muestreo Los nuevos trminos, los cuales son frecuentemente usados en inferencia estadstica son: Estadstico: Un estadstico es una medida usada para describir alguna caracterstica de una muestra , tal como una media aritmtica, una mediana o una desviacin estndar de una muestra. Parmetro: Una parmetro es una medida usada para describir alguna caracterstica de una poblacin, tal como una media aritmtica, una mediana o una desviacin estndar de

una poblacin. Cuando los dos nuevos trminos de arriba son usados, por ejemplo, el proceso de estimacin en inferencia estadstica puede ser descrito como le proceso de estimar un parmetro a partir del estadstico correspondiente, tal como usar una media muestral ( un estadstico para estimar la media de la poblacin (un parmetro). Los smbolos usados para representar los estadsticos y los parmetros, en ste y los siguientes captulos, son resumidos en la tabla siguiente: Tabla 1 Smbolos para estadsticos y parmetros correspondientes Medida Smbolo para el estadstico Smbolo para el parmetro (muestra) (Poblacin) Media X Desviacin estndar s Nmero de elementos n N Proporcin p P Distribucin en el muestreo: Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la poblacin (N), dos o ms muestras pueden ser extradas de la misma poblacin. Un cierto estadstico puede ser calculado para cada una de las muestras posibles extradas de la poblacin. Una distribucin del estadstico obtenida de las muestras es llamada la distribucin en el muestreo del estadstico. Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos A, B, C), es posible extraer 3 muestras ( AB, BC Y AC) de la poblacin. Podemos calcular la media para cada muestra. Por lo tanto, tenemos 3 medias mustrales para las 3 muestras. Las 3 medias mustrales forman una distribucin. La distribucin de las medias es llamada la distribucin de las medias mustrales, o la distribucin en el muestreo de la media. De la misma manera, la distribucin de las proporciones (o porcentajes) obtenida de todas las muestras posibles del mismo tamao, extradas de una poblacin, es llamada la distribucin en el muestreo de la proporcin. Error Estndar: La desviacin estndar de una distribucin, en el muestreo de un estadstico, es frecuentemente llamada el error estndar del estadstico. Por ejemplo, la desviacin estndar de las medias de todas la muestras posibles del mismo tamao, extradas de una poblacin, es llamada el error estndar de la media. De la misma manera, la desviacin estndar de las proporciones de todas las muestras posibles del mismo tamao, extradas de una poblacin, es llamada el error estndar de la proporcin. La diferencia entre los trminos "desviacin estndar" y "error de estndar" es que la primera se refiere a los valores originales, mientras que la ltima est relacionada con valores calculados. Un estadstico es un valor calculado, obtenido con los elementos incluidos en una muestra. Error muestral o error de muestreo La diferencia entre el resultado obtenido de una muestra (un estadstico) y el resultado el cual deberamos haber obtenido de la poblacin (el parmetro correspondiente) se llama el error muestral o error de muestreo. Un error de muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la poblacin, sino que se toma una muestra para estimar las caractersticas de la poblacin. El error muestral es medido por

el error estadstico, en trminos de probabilidad, bajo la curva normal. El resultado de la media indica la precisin de la estimacin de la poblacin basada en el estudio de la muestra. Mientras ms pequeo el error muestras, mayor es la precisin de la estimacin. Deber hacerse notar que los errores cometidos en una encuesta por muestreo, tales como respuestas inconsistentes, incompletas o no determinadas, no son considerados como errores mustrales. Los errores no mustrales pueden tambin ocurrir en una encuesta completa de la poblacin. 2. Mtodos de seleccin de muestras. Una muestra debe ser representativa si va a ser usada para estimar las caractersticas de la poblacin. Los mtodos para seleccionar una muestra representativa son numerosos, dependiendo del tiempo, dinero y habilidad disponibles para tomar una muestra y la naturaleza de los elementos individuales de la poblacin. Por lo tanto, se requiere una gran volumen para incluir todos los tipos de mtodos de muestreo. Los mtodos de seleccin de muestras pueden ser clasificados de acuerdo a: 1. El nmero de muestras tomadas de una poblacin dada para un estudio y 1. La manera usada en seleccionar los elementos incluidos en la muestra. Los mtodos de muestreo basados en los dos tipos de clasificaciones son expuestos en seguida. Mtodos de muestreo clasificados de acuerdo con el nmero de muestras tomadas de una poblacin. Bajo esta clasificacin, hay tres tipos comunes de mtodos de muestreo. Estos son, muestreo simple, doble y mltiple. Muestreo simple Este tipo de muestreo toma solamente una muestra de una poblacin dada para el propsito de inferencia estadstica. Puesto que solamente una muestra es tomada, el tamao de muestra debe ser los suficientemente grande para extraer una conclusin. Una muestra grande muchas veces cuesta demasiado dinero y tiempo. Muestreo doble Bajo este tipo de muestreo, cuando el resultado dele estudio de la primera muestra no es decisivo, una segunda muestra es extrada de la misma poblacin. Las dos muestras son combinadas para analizar los resultados. Este mtodo permite a una persona principiar con una muestra relativamente pequea para ahorrar costos y tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra puede no necesitarse. Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la primera muestra arroja una calidad muy alta, el lote es aceptado; si arroja una calidad muy pobre, el lote es rechazado. Solamente si la primera muestra arroja una calidad intermedia, ser requerir la segunda muestra. Un plan tpico de muestreo doble puede ser obtenido de la Military Standard Sampling Procedures and Tables for Inspection by Attributes, publicada por el Departamento de Defensa y tambin usado por muchas industrias privadas. Al probar la calidad de un lote consistente de 3,000 unidades manufacturadas, cuando el nmero de defectos encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es considerado bueno y es aceptado; si el nmero de defectos es 9 o ms, el lote es considerado pobre y es rechazado; si el nmero est entre 5 y 9, no puede llegarse a una decisin y una segunda muestra de 80 unidades es

extrada del lote. Si el nmero de defectos en las dos muestras combinadas (incluyendo 80 + 80 = 160 unidades) es 12 o menos, el lote es aceptado si el nmero combinado es 13 o ms, el lote es rechazado. Muestreo mltiple El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble, excepto que el nmero de muestras sucesivas requerido para llegar a una decisin es ms de dos muestras. Mtodos de muestreo clasificados de acuerdo con las maneras usadas en seleccionar los elementos de una muestra. Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes: a. Basados en el juicio de una persona. b. Seleccin aleatoria (al azar) Muestreo de juicio Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados mediante juicio personal. La persona que selecciona los elementos de la muestra, usualmente es un experto en la medida dada. Una muestra de juicio es llamada una muestra probabilstica, puesto que este mtodo est basado en los puntos de vista subjetivos de una persona y la teora de la probabilidad no puede ser empleada para medir el error de muestreo, Las principales ventajas de una muestra de juicio son la facilidad de obtenerla y que el costo usualmente es bajo. Muestreo Aleatorio Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal, que cada elemento de la poblacin tiene igual oportunidad de ser seleccionado. Una muestra aleatoria es tambin llamada una muestra probabilstica son generalmente preferidas por los estadsticos porque la seleccin de las muestras es objetiva y el error muestral puede ser medido en trminos de probabilidad bajo la curva normal. Los tipos comunes de muestreo aleatorio son el muestreo aleatorio simple, muestreo sistemtico, muestreo estratificado y muestreo de conglomerados. A. Muestreo aleatorio simple Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin. Para obtener una muestra aleatoria simple, cada elemento en la poblacin tenga la misma probabilidad de ser seleccionado, el plan de muestreo puede no conducir a una muestra aleatoria simple. Por conveniencia, este mtodo pude ser reemplazado por una tabla de nmeros aleatorios. Cuando una poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es imposible. Por lo tanto, ciertas modificaciones del muestreo aleatorio simple son necesarias. Los tipos ms comunes de muestreo aleatorio modificado son sistemtico, estratificado y de conglomerados. B. Muestreo sistemtico. Una muestra sistemtica es obtenida cuando los elementos son seleccionados en una manera ordenada. La manera de la seleccin depende del nmero de elementos incluidos en la poblacin y el tamao de la muestra. El nmero de elementos en la poblacin es, primero, dividido por el nmero deseado en la muestra. El cociente indicar si cada dcimo, cada onceavo, o cada centsimo elemento en la poblacin va a

ser seleccionado. El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra sistemtica puede dar la misma precisin de estimacin acerca de la poblacin, que una muestra aleatoria simple cuando los elementos en la poblacin estn ordenados al azar. C. Muestreo Estratificado Para obtener una muestra aleatoria estratificada, primero se divide la poblacin en grupos, llamados estratos, que son ms homogneos que la poblacin como un todo. Los elementos de la muestra son entonces seleccionados al azar o por un mtodo sistemtico de cada estrato. Las estimaciones de la poblacin, basadas en la muestra estratificada, usualmente tienen mayor precisin (o menor error muestral) que si la poblacin entera muestreada mediante muestreo aleatorio simple. El nmero de elementos seleccionado de cada estrato puede ser proporcional o desproporcional al tamao del estrato en relacin con la poblacin. D. Muestreo de conglomerados. Para obtener una muestra de conglomerados, primero dividir la poblacin en grupos que son convenientes para el muestreo. En seguida, seleccionar una porcin de los grupos al azar o por un mtodo sistemtico. Finalmente, tomar todos los elementos o parte de ellos al azar o por un mtodo sistemtico de los grupos seleccionados para obtener una muestra. Bajo este mtodo, aunque no todos los grupos son muestreados, cada grupo tiene una igual probabilidad de ser seleccionado. Por lo tanto la muestra es aleatoria. Una muestra de conglomerados, usualmente produce un mayor error muestral (por lo tanto, da menor precisin de las estimaciones acerca de la poblacin) que una muestra aleatoria simple del mismo tamao. Los elementos individuales dentro de cada "conglomerado" tienden usualmente a ser iguales. Por ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre puede vivir en otra rea. No todas las reas son muestreadas en un muestreo de reas. La variacin entre los elementos obtenidos de las reas seleccionadas es, por lo tanto, frecuentemente mayor que la obtenida si la poblacin entera es muestreada mediante muestreo aleatorio simple. Esta debilidad puede reducida cuando se incrementa el tamao de la muestra de rea. El incremento del tamao de la muestra puede fcilmente ser hecho en muestra muestra de rea. Los entrevistadores no tienen que caminar demasiado lejos en una pequea rea para entrevistar ms familias. Por lo tanto, una muestra grande de rea puede ser obtenida dentro de un corto perodo de tiempo y a bajo costo. Por otra parte, una muestra de conglomerados puede producir la misma precisin en la estimacin que una muestra aleatoria simple, si la variacin de los elementos individuales dentro de cada conglomerado es tan grande como la de la poblacin.

Distribucin t de Student
En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. Aparece de manera natural al realizar la prueba t de Student para la determinacin de las diferencias entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la

desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una muestra.

Caracterizacin
La distribucin t de Student es la distribucin de probabilidad del cociente

donde

Z tiene una distribucin normal de media nula y varianza 1 V tiene una distribucin chi-cuadrado con grados de libertad Z y V son independientes

Si es una constante no nula, el cociente es una variable aleatoria que sigue la distribucin t de Student no central con parmetro de no-centralidad .

Aparicin y especificaciones de la distribucin t de Student

Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas normalmente, con media y varianza 2. Sea

la media muestral. Entonces

sigue una distribucin normal de media 0 y varianza 1. Sin embargo, Gosset estudi un cociente relacionado,

donde

es la varianza muestral y demostr que la funcin de densidad de T es

donde es igual a n 1. La distribucin de T se llama ahora la distribucin-t de Student. El parmetro representa el nmero de grados de libertad. La distribucin depende de , pero no de o , lo cual es muy importante en la prctica.

Intervalos de confianza derivados de la distribucin t de Student [editar]

El procedimiento para el clculo del intervalo de confianza basado en la t de Student consiste en estimar la desviacin tpica de los datos S y calcular el error estndar de la media= S/(raz cuadrada de n), siendo entonces el intervalo de confianza para la media = x media +- t (alfa/2) multiplicado por (S/(raz cuadradada de n)). fuente: www.sehlelha.org/stat1.htm Es este resultado el que se utiliza en el test de Student: puesto que la diferencia de las medias de muestras de dos distribuciones normales se distribuye tambin normalmente, la distribucin t puede usarse para examinar si esa diferencia puede razonablemente suponerse igual a cero. para efectos prcticos el valor esperado y la varianza son : E(t(n))= 0 y Var (t(n-1)) = n/(n-2) para n > 3

Distribucin
En estadstica, la distribucin (de Pearson) es una distribucin de probabilidad continua con un parmetro k que representa los grados de libertad de la variable aleatoria:

donde Zi son variables de distribucin normal, de media cero y varianza uno. El que la variable aleatoria X tenga esta distribucin se representa habitualmente as: .

Es conveniente tener en cuenta que la letra griega se transcribe al latn como chi[1] y se pronuncia en castellano como ji.[2] [3] La distribucin tiene muchas aplicaciones en inferencia estadstica, por ejemplo en la denominada prueba utilizada como prueba de independencia y como prueba de bondad de ajuste y en la estimacin de varianzas. Tambin est involucrada en el problema de estimar la media de una poblacin normalmente distribuida y en el problema de estimar la pendiente de una recta de regresin lineal, a travs de su papel

en la distribucin t de Student, y participa en todos los problemas de anlisis de varianza, por su papel en la distribucin F de Snedecor, que es la distribucin del cociente de dos variables aleatorias independientes con distribucin .

Propiedades

Funcin de densidad [editar]

Su funcin de densidad es:

donde es la funcin gamma.

Funcin de distribucin [editar]

Su funcin de distribucin es

donde

es la funcin gamma incompleta.

El valor esperado y la varianza de una variable aleatoria X con distribucin son, respectivamente, k y 2k.

Relacin con otras distribuciones [editar]

La distribucin es un caso especial de la distribucin gamma. De hecho, Como consecuencia, cuando k = 2, la distribucin es una distribucin exponencial de media k = 2. Cuando k es suficientemente grande, como consecuencia del teorema central del lmite, puede aproximarse por una distribucin normal:

Distribucin F
Usada en teora de probabilidad y estadstica, la distribucin F es una distribucin de probabilidad continua. Tambin se la conoce como distribucin F de Snedecor o como distribucin F de Fisher-Snedecor. Una variable aleatoria de distribucin F se construye como el siguiente cociente:

donde

U1 y U2 siguen una distribucin ji-cuadrada con d1 y d2 grados de libertad respectivamente, y U1 y U2 son estadsticamente independientes.

La distribucin F aparece frecuentemente como la distribucin nula de una prueba estadstica, especialmente en el anlisis de varianza. Vase el test F. La funcin de densidad de una F(d1, d2) viene dada por

para todo nmero real x 0, donde d1 y d2 son enteros positivos, y B es la funcin beta. La funcin de distribucin es

donde I es la funcin beta incompleta regularizada. TEMA 5: DISTRIBUCIONES DE PROBABILIDAD DISTRIBUCIONES PARA VARIABLES ALEATORIAS CONTINUAS

Las distribuciones t de Student, Chi cuadrado (2) y F, se derivan de la distribucin Normal y estn relacionadas con la teora del muestreo pequeo n< 30. Son muy importantes pues son la base de metodologas inferenciales, tales como Intervalos de Confianza y Pruebas de Hiptesis. Las variables t, 2 y F surgen de transformaciones de variables aleatorias en las que estn involucrados estadsticos muestrales, tales como la media y

la variancia. En la prctica, por lo tanto, no podemos decir por Ej. que el peso, la altura, etc., se distribuyen segn t, 2 y F DISTRIBUCIN DE STUDENT O DISTRIBUCIN t En muchos casos se seleccionan de una poblacin normal, muestras de tamao pequeo n < 30 y x desconocido El estadstico t ser DEFINICIN Una variable con distribucin t de Student se define como el cociente entre una variable normal estandarizada y la raz cuadrada positiva de una variable 2 dividida por sus grados de libertad. CARACTERISTICAS

La distribucin se denomina distribucin de Student o distribucin t. Es simtrica, con media de 0, y variancia mayor que 1. Es ms achatada que la normal y adopta diferentes formas, segn el nmero de grados de libertad. La variable t se extiende desde - a +. A medida que aumenta los (n -1) grados de libertad la distribucin t se aproxima en su forma a una distribucin normal. El parmetro de la distribucin es (n-1) grados de libertad, originando una distribucin diferente para cada tamao de muestra. Cmo se deduce una distribucin de t?

Extraigo K muestras de tamao n < 30. Calculo para cada muestra el valor de t. Grafique la distribucin para cada tamao muestral Distribucin t para diferentes grados de libertad (n-1)

DISTRIBUCIN CHI_ CUADRADO Para muestras extradas de una poblacin normal con variancia 2, con tamao n < 30, siendo S2 la variancia de la muestra entonces el estadstico 2 ser DEFINICIN Una variable Chi cuadrado se define como la suma de n variables normales estandarizadas elevadas al cuadrado. CARACTERISTICAS

Por definicin, una variable 2 adopta valores positivos: 0 " 2 " ". La distribucin es asimtrica positiva. A medida que aumenta el tamao de la muestra la curva es menos asimtrica, aproximndose a una curva normal. Para cada tamao muestral, se tendr una distribucin 2 diferente. El parmetro que caracteriza a una distribucin 2 son sus grados de libertad (n1), originado una distribucin para cada grado de libertad, Cmo se deduce una distribucin 2?

Extraer K muestras de tamao n < 30 Para cada muestra, por ejemplo n = 5, transformamos cada valor de x: x1, x2, x3, x4 y x5 en Z: z1, z2, z3, z4 y z5, utilizando:

Para cada muestra calculamos: Entonces podramos escribir , as:

(1)

Si cambiamos en (1) la media poblacional por X, resulta:

(2)

Dado que: , despejando tenemos:

, al reemplazar en (2) llegamos a:

Finalmente si se calcula para cada una de las K muestras y se grafica en un eje de coordenadas el 2 se genera una distribucin de 2 con (n-1) grados de libertad. Distribucin de ji-cuadrado para algunos valores de grados de libertad.

DISTRIBUCIN F DE FISHER Considerando dos muestras aleatorias independientes, de tamao n1 y n2, extradas de una poblacin normal, el estadstico F ser

DEFINICIN Una variable F se define como el cociente entre dos variables ji-cuadrado divididas por sus correspondientes grados de libertad. CARACTERISTICAS

Una variable con distribucin F es siempre positiva por lo tanto su campo de variacin es 0 " F " " La distribucin de la variable es asimtrica, pero su asimetra disminuye cuando aumentan los grados de libertad del numerador y denominador. Hay una distribucin F por cada par de grados de libertad. Parmetros: Grados de libertad asociados al numerador y denominador Cmo se deduce una distribucin F?

Extraiga k pares de muestras aleatorias independientes de tamao n < 30. Calcule para cada par el cociente de variancias que proporciona un valor de F. Graficar los valores de F de los k pares de muestras. Distribucin F para diferentes grados de libertad