DISTRIBUCIONES RELACIONADAS CON LA DISTRIBUCIÓN NORMAL

La distribución normal es la más usada y deseable en Estadística, pues posee propiedades de

gran aplicación. Muchos estadígrafos usados en inferencia estadística, son bajo hipótesis de
normalidad.

A continuación se darán nociones sobre distribuciones continuas que están relacionadas con
distribución normal como la Chi - cuadrado, la distribución F de Fischer y la t de Student.

Distribución Chi – cuadrado

De gran aplicación en inferencia estadística, es la distribución que corresponde a la suma de

cuadrados de n variables aleatorias normales típicas e independientes.

Sean variables aleatorias independientes tales que

Sea la variable aleatoria:

Lo que se pretende es obtener, la densidad de X. dicha función de densidad será obtenida a

partir de la función generatriz de momentos de las variables normales .

Para la v.a. X se tiene:

(Por ser v.a. independientes)

Pero, para un particular se tiene:

Haciendo cambio de variable por , o bien de donde ,

tomando en cuenta además, la simetría de la función se tiene:

La integral es convergente para sea para

Haciendo nuevo cambio de variable por se tiene que ; con lo cual:

Pero la integral es finalmente:

Entonces:

Esta función es la función generatriz de momentos de la distribución gamma con:

Por tanto y en virtud del teorema de la función de densidad de la distribución de chi cuadrado

viene dado por:

en otro caso

Donde n es llamado “grados de libertad”.

Cuando la v.a. X tiene distribución chi-cuadrado con n grados de libertad se indica

simbólicamente por

La fig. muestra algunas funciones de densidad de variables chi-cuadrado para algunos valores

de n.

Las probabilidades acumuladas (valores de la función de distribución) vienen dado por

distintos valores de n, tabla de distribución de chi-cuadrada

EJEMPLO

Si , hallar el valor de K si:

 a) P(X < K) = 0,975

b) P(X > K) = 0,05

a) De tablas K = 20,5

b) P(X > K) = 1 – P(X ≤ K) = 0,05

de donde P(X ≤ K) = 0,95

K = 18,30 (de tablas)

Esperanza y varianza de la distribución chi-cuadrado

Siendo la distribución chi-cuadrado una distribución gamma y conocida, además su función

generatriz es fácil ver que:

Además la distribución, chi-cuadrado es asimétrica a la derecha, aunque esta asimetría

disminuye cuando n aumenta (obsérvese en la figura)

Distribución F de Fischer

La distribución F de Fischer es aquella que corresponde al cociente entre dos variables chi-

cuadrado, divididas por sus grados de libertad m y n respectivamente.

Sean Y y V dichas variables, tales que:

Entonces:
Es la variable cuya distribución es llamada F de Fischer

La función de densidad de X puede obtenerse a partir de la distribución conjunta de Y y V,

usando, además, el jacobiano de la transformación y las propiedades de la función gamma.

Dicha función de densidad resulta:

x>0

en otro caso

Si una v.a. X tiene distribución F con m grados de libertad en el numerador y n grados de

libertad en el denominador, se indica simbólicamente: .

EJEMPLO

SI , hallar K tal que:

a) P(X < K) = 0.95 m =10 n=8

b) P(X > K) = 0,05 m=8 n = 16

c) P(X > K) = 0,01 m = 12 n = 20

a) de tablas al 0,95 K = 3,35

b) P(X > K) = 1 – P(X ≤ K)

= 1 – F(K) = 0,05

F(K) = 0,95 de tablas K = 2,59

c) P(X > K) = 1 – P(X ≤ K) = 0,01

 P(X ≤ K) = 0,99

K = 3,23

EJEMPLO

Si , hallar:

a) P(X < 9)

b) P(X ≥ 8)

a)

b)

Esperanza y Varianza de la distribución F

La esperanza de , existe si n ≥ 3 y está dada por:

Mientras que la varianza existe si n ≥ 5 y es:

Distribución T de Student

Si X es una v.a. normal típica, Y v.a. chi-cuadrado con n grados de libertad, es dicer:

La distribución de la variable:
Es llamado distribución t de Student), en honor del inglés W.S. Gasset, quién publico su trabajo

bajo el seudónimo de “Student”) con n grados de libertad y se simboliza por .

La función de densidad de la variable T es posible determinar mediante la distribución

conjunta de X,Y.

Dicha función resulta ser:

-∞ < t < ∞

Donde t es un particular valor de T

Esta función es simétrica respecto de t = 0. Su asíntota es el eje de abscisas, pues:

La fig. muestra la forma de la distribución t de Student y como se observa es muy

parecida a la normal típica y se aproxima más a ella a medida qu aumenta n.

Los valores de la función de distribución F(t) vienen dadas en la tabla

EJEMPLO

Si T es una v.a. que tiene distribución t de Student con 20 grados de libertad.

Hallar:

a) P(T < 1,32)

b) P(T > 0,53)

c) P(0,86 < T < 2,53)

a) de tablas P(T < 1,32) = 0,90

b) P(T > 0,53) = 1 –P(T ≤ 0,53)

= 1 - 0,70

= 0,30

c) P(0,86 < T < 2,53) = P(T < 2,53) – P(T < 0,86)

= 0,99 – 0,80 = 0,19

EJEMPLO
SI , hallar t conocido las probabilidades y grados de libertad correspondientes

que se indican:

a) P(T < t) = 0,75 n = 15

b) P(T < t) = 0,99 n = 19

c) P(T > t) = 0,30 n = 30

a) de tabla t = 0,291

b) de tabla t = 2,54

c) P(T>t) = 1 – P(T ≤ t) = 0,30

= 1 – 0,30 = 0,70

t = 0,53 de tablas

Esperanza y Varianza

La esperanza de la variable t de Student existe para n ≥ 2 y vale 0 (Pues la distribución

es simétrica respecto de t = 0)

E(T) = 0 si n≥2

La varianza existe para n ≥ 3 y está dada por: