Distribuciones muestrales

1. Distribución Ji-cuadrado (K. Pearson, 1857-1936).

2. Distribución t de student (W. Gosset, 1876-1937).
4. Distribución F (G. Snedecor – R. Fisher).

Mg.Sc. Juan Francisco Bazán Baca

 La distribución Ji-cuadrado o Chi-cuadrado

La variable aleatoria X tiene distribución Chi-cuadrado con r grados

de libertad (g.l) si su función de densidad de probabilidades es:

= si x > 0

= 0 si x ≤ 0

Distribución chi-cuadrado con r grados de libertad. P(X < )=α 2

 Propiedades de la distribución Ji-cuadrado

• Es una distribución con sesgo o asimetría positiva.

• Su media es r (los g.l) y su varianza 2r.
• Es asintótica con respecto al eje de las abscisas en el lado
positivo.
• La distribución tiene menor sesgo conforme los grados de
libertad son mayores (r > 30).
Notación: si la variable aleatoria X tiene distribución chi-
cuadrado con r grados de libertad, se denota como X ~ .
Para el cálculo de probabilidades se usa la Tabla 2, que da
probabilidades acumuladas menores o iguales que: P(X < ) = α

3
 Ejemplos
Ejemplo 1: Si X es una variable aleatoria . Calcular:
a) P[X < 10.9]; b) P[ X > 31.4 ]; c) P[ 10.9 < X  31.4 ]
Solución.-
Para hallar las probabilidades solicitadas, en la fila de 20 g.l de la tabla
2 se buscan los valores dados para X y se leen las probabilidades
(acumuladas menores que) correspondientes en el encabezamiento
de las columnas así:
a) P[X < 10.9] = = 0.05
b) P(X > 31.4) = 1 – P(X  31.4) = 1 – 0.95 = 0.05
c) P[ 10.9 < X  31.4 ] = P(X  31.4) - P(X  10.9) = 0.95 – 0.05 = 0.90

4
Ejemplo 2.-

Si X es una variable aleatoria con distribución . Hallar a y b tal que:

P[a ≤ X ≤ b] = 0.95 y P[ X ≤ a ] = 0.025

Solución

Para r = 25 g.l., a= = 13.1

0.95 = P[a ≤ X ≤ b] = P[X  b] – P[X  a] = P[X  b] - 0.025

Luego: P[X  b] = 0.975  b= = 40.6

5
 Distribución de la varianza muestral

Teorema .- Sea X1, X2, ... , Xn una muestra aleatoria de tamaño n de

una población normal con media  y varianza ². Sea y S² la media
muestral y varianza muestral respectivamente, entonces:
• Las variables aleatorias y S² son independientes.

• La función de la varianza muestral: .

6
Ejemplo 3

De una población X: N(u, 18), se extrae una muestra aleatoria de

tamaño n = 21. Calcule e interprete:
P (9.77 < S2 < 30.78)
Solución
Se sabe que: entonces,
Multiplicando la probabilidad solicitada por 20/18 se tiene una así:
P (9.77 < S2 < 30.78) = = P[10.9 < < 34.2] =
= P[  34.2] - P[  10.9] = 0.975 – 0.05 = 0.925.

Interpretación: en el 92.5% de las muestras de tamaño 21, de una

población X N(u, 18 ), las varianzas muestrales (S2) se encuentra entre
9.77 y 30.78.
7
 Distribución t de Student
Definición.- Sea Z una variable aleatoria normal estándar N(0, 1). Sea X2 ~ una
variable aleatoria que tiene una distribución chi-cuadrado con r grados de libertad, y
si Z y X2 son independientes, entonces la variable aleatoria:

~ tr

tiene una distribución t, con r grados de libertad, y su función de densidad de

probabilidades está dada por:

, - < t < 

Notación: decir que la variable aleatoria T, tiene distribución t con r grados de

libertad, se denota como T ~ tr.
8
 Propiedades de la distribución t
• La media y la varianza de la v. a. T con r grados de libertad son:
E(T) =  T = 0 , r>1
Var(T) = , r>2
• Tiene forma acampanada y simétrica respecto a su media 0.
• Es más dispersa que la distribución normal estándar.
• Es asintótica con respecto al eje de las abscisas.
• Conforme aumenta r, la dispersión disminuye y se aproxima a 1.

9
 Propiedades de la distribución t
• Con la Tabla 3, se obtienen probabilidades acumuladas
menores o iguales que:

Fig. 5 Obtención de valores Tα para α < 0.05

• Para  < 0.5, los t son: t = - t1- 

• P[ T  -a ] = 1 - P[ T  a ]
α α
0
Tα = - T(1 - α) 0 T(1 - α)

10
 Ejemplos
Ejemplo 4.- Si T ~ t con 18 grados de libertad (T18), hallar:
a) P(T > 2.101) b) P(-1.734 ≤ T ≤ 2.552)
c) Hallar t0 tal que P(-t0 ≤ T ≤ t0) = 0.95.

Solución
a) P(T > 2.101) = 1 - P(T ≤ 2.101) = 1 – 0.975 = 0.025

b) P(-1.734 ≤ T ≤ 2.552) = P(T  2.552) – P(T  -1.734) =

= P(T ≤ T18, 0.99) – [1 - P(T  1.734)] = = 0.99 – [1 – 0.95] = 0.04

c) 0.95 = P(-t0 ≤ T ≤ t0) = P(T18 ≤ t0 ) – P(T18 ≤ -t0) =

= P(T18 ≤ t0 ) – [1 - P(T18 ≤ t0)] = 2 P(T18 ≤ t0 ) – 1
 P(T18 ≤ t0 ) = 0.975  to = T18, 0.975 = 2.101
11
Distribución de la media muestral
Si X1 , X2 , .... , Xn es una muestra aleatoria de tamaño n (n < 30) de
una población normal, con media E(X) = μ y varianza Var (X) = σ2.
Entonces:

~ tn-1 donde:

Distribución de la diferencia de medias

~ t n+m-2

12
 Distribución F de Fisher y Snedecor
Definición.- Sea U y V dos variables aleatorias independientes que
tienen distribuciones chi-cuadrado, con r1 y r2 grados de libertad,
respectivamente. Entonces, la variable aleatoria:

tiene una distribución F con r 1 y r 2 grados de libertad y su función de

densidad de probabilidades está dada por:

fF (x) = , 0<x<

• La distribución F depende de los parámetros r1 y r2 en ese orden.

• r1 = grados de libertad en el numerador, y
• r2 = grados de libertad en el denominador.
Notación: decir que la variable aleatoria F, tiene distribución f con r1 y
r2 grados de libertad, se denota como F ~ F r1 , r2. 13
 Propiedades de la distribución F
• Está definida solo para valores positivos y es asimétrica positiva.
• Es asintótica respecto al eje de las abscisas en su parte positiva.
• Las distribuciones Fr1 , r2 tienden a ser simétricas cuando r1 y r2 son
suficientemente grandes (mayores que 30).
• Con la Tabla 4, se obtienen probabilidades acumuladas
menores o iguales que: P( F  f )  
• f  1 , para   0.5
 , r1 , r2
f1 , r2 , r1

La distribución de la razón de varianzas es:

S X2  Y2
F  2  2  f n 1, m 1
SY  X

14
Ejemplos
1. Para la variable aleatoria con distribución F con r1 y r2 g.l. Hallar :
a) , con r1 = 7, r2 = 4.
b) Hallar los valores a y b tales que:
P[ F  b ] = 0.975 y P[F  a] = 0.025 . Con r1 = 7, r2 = 5.
Solución.- Usando la tabla 4, de F:
a) P[F  15.0 ] = 1 – P[F  15.0 ] = 1 – 0.99 = 0.01
b) P[F  b] = 0.975  b = f0.975, 7, 5 = 6.85
1 1
Con la inversa de F: P[F  a] = 0.025  a  f 
0.025,7,5
f

5.29
 0.189
0.975,5,7

2. Si muestras independientes de tamaño n1 = 6 y n2 = 8 provienen de

poblaciones normales con la misma varianza. Calcule e interprete:
= P(F5,7 < 6) = 0.982
Interpretación.- en el 98.2% de las muestras, la varianza de la primera
muestra es menor que seis veces la segunda.
15
Tarea

1. Resolver los ejercicios propuestos de distribución chi-cuadrado 1, 4,

6 (pág. 119) y 9 de distribución t (pág120).
2. Resolver los ejercicios propuestos de distribución F: 15, 16 y 17
(pág. 121).

Bellavista, Junio de 2019

Muchas gracias !!!!

UNAC-FCE 16