Distribución de probabilidad continua

Distribución de Probabilidad Continua:

- Normal
- Chi cuadrada
- F de Fisher
Distribución de probabilidad continua
NORMAL O GAUSS
 NORMAL O GAUSSIANA:
La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el valor de una
variable aleatoria continua a una situación ideal. En otras palabras, la distribución normal adapta una
variable aleatoria continua a una función que depende de la media y la desviación típica. Es decir, la
función y la variable aleatoria continua tendrán la misma representación pero con ligeras diferencias.

Ejemplo: Una variable aleatoria continua puede tomar cualquier

número real. Por ejemplo, las rentabilidades de las acciones, los
resultados de un examen, el coeficiente de inteligencia IQ y los
errores estándar son variables aleatorias continuas.
Distribución de probabilidad continua
NORMAL O GAUSS
 La función asociada a la distribución
normal está dada por:

Donde: μ: media de la distribución.

σ: desviación estándar de la distribución.
π = 3.1415926535…
x: variable aleatoria.
A una distribución normal de media μ y desviación
estándar σ se le denota N(μ,σ).
La distribución normal cuando μ = 0 y σ = 1 recibe el
nombre de curva normal unitaria (N(0,1))
Distribución de probabilidad continua
NORMAL O GAUSS
Distribución de probabilidad continua
CHI CUADRADA χ²
 CHI CUADRADA χ² o DISTRIBUCIÓN DE PEARSON: Las pruebas chi-cuadrado son un grupo
de contrastes de hipótesis que sirven para comprobar afirmaciones acerca de las
funciones de probabilidad (o densidad) de una o dos variables aleatorias. Estas pruebas
no pertenecen propiamente a la estadística paramétrica pues no establecen suposiciones
restrictivas en cuanto al tipo de variables que admiten, ni en lo que refiere a su
distribución de probabilidad ni en los valores y/o el conocimiento de sus parámetros.

Se aplican en dos situaciones básicas:

a) Cuando queremos comprobar si una b) Cuando queremos averiguar si dos

variable, cuya descripción parece adecuada, variables (o dos vías de clasificación) son
tiene una determinada función de independientes estadísticamente. En este
probabilidad. La prueba correspondiente se caso la prueba que aplicaremos ser la chi-
llama chi-cuadrado de ajuste. cuadrado de independencia o chicuadrado
de contingencia.
Distribución de probabilidad continua
CHI CUADRADA χ²
Se aplican en dos situaciones básicas:

a) Cuando queremos comprobar si una b) Cuando queremos averiguar si dos

variable, cuya descripción parece adecuada, variables (o dos vías de clasificación) son
tiene una determinada función de independientes estadísticamente. En este
probabilidad. La prueba correspondiente se caso la prueba que aplicaremos ser la chi-
llama chi-cuadrado de ajuste. cuadrado de independencia o chicuadrado
de contingencia.

Hipótesis nula: X e Y son independientes.

Hipótesis nula: X tiene distribución de
Hipótesis alternativa: X e Y no son
probabilidad f(x) con parámetros y1,..., yp
independientes (No importa cual sea la
Hipótesis alternativa: X tiene cualquier otra
relación que
distribución de probabilidad.
mantengan ni el grado de esta.
Distribución de probabilidad continua
CHI CUADRADA χ²
En realidad la distribución X-cuadrada es la distribución muestral de s2. O sea que si se
extraen todas las muestras posibles de una población normal y a cada muestra se le
calcula su varianza, se obtendrá la distribución muestral de varianzas.
Para estimar la varianza poblacional o la desviación estándar, se necesita conocer el
estadístico X2. Si se elige una muestra de tamaño n de una población normal con varianza
     , el estadístico: tiene una distribución muestral que es una distribución ji-
cuadrada con gl=n-1 grados de libertad y se denota X2 (X es la minúscula de la letra
griega ji). El estadístico ji-cuadrada esta dado por:

La distribución chi cuadrada χ² por las fórmulas

donde:
n es el tamaño de la muestra
s2 la varianza muestral
la varianza de la población de donde se extrajo la muestra
Distribución de probabilidad continua
F de FISHER
 F DE FISHER:
Distribución de probabilidad continua
F de FISHER
Distribución de probabilidad continua
F de FISHER
Distribución de probabilidad continua
F de FISHER
 La necesidad de disponer de métodos estadísticos para comparar las varianzas de dos
poblaciones es evidente a partir del análisis de una sola población. Frecuentemente se
desea comparar la precisión de un instrumento de medición con la de otro, la
estabilidad de un proceso de manufactura con la de otro o hasta la forma en que varía
el procedimiento para calificar de un profesor universitario con la de otro.
Intuitivamente, podríamos comparar las varianzas de dos poblaciones,       y      ,
utilizando la razón de las varianzas muestrales s21/s22. Si s21/s22 es casi igual a 1, se
tendrá poca evidencia para indicar que       y        no son iguales.

Por otra parte, un valor muy grande o muy pequeño para

s21/s22, proporcionará evidencia de una diferencia en las
varianzas de las poblaciones.
La variable aleatoria F se define como el cociente de dos
variables aleatorias ji-cuadrada independientes, cada una
dividida entre sus respectivos grados de libertad. Esto es,
Distribución de probabilidad continua
F de FISHER

donde:
U y V son variables aleatorias ji-cuadrada independientes
con grados de libertad V1 y V2 respectivamente.
Sean U y V dos variables aleatorias independientes que
tienen distribución ji cuadradas con V1 y V2 grados de
libertad respectivamente.
Gracias por su atención!!!