Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Distribución Muestral t de Student Esta distribución fue desarrollada por William Gosset , un trabajador de la cervecería Guiness Irlanda ,quien la publicó utilizando el seudónimo “Student” .Gosset se interesó en el comportamiento del valor Z cuando utilizaba S en vez de 𝝈 , y particularmente en la discrepancia entre S y cuando S se calcula demuestras muy pequeñas. es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias entre dos medias muestrales y para la construcción del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviación típica de una población y ésta debe ser estimada a partir de los datos de una muestra. Posee las siguientes características: • La variable 𝑡 = 𝑥−𝜇 𝑠 tiene distribución t de student si la población de donde proviene la muestra tiene distribución normal, ya que este es un supuesto establecido para su desarrollo. • El intervalo de la variable se extiende de −∞ 𝑎 + ∞ • La distribución es unimodal y simétrica respecto a 0 Características de la distribución t son: 1. Es una distribución continua 2. Tiene forma de campana y es simétrica 3. Es una familia de curvas. Todas tiene la misma media de cero, pero sus desviaciones estándar difieren de acuerdo al tamaño de la muestra. 4. A medida que los grados de libertad aumentan, la dispersión de la curva t correspondiente disminuye. http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad http://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica http://es.wikipedia.org/wiki/Media_aritm%C3%A9tica http://es.wikipedia.org/wiki/Poblaci%C3%B3n_estad%C3%ADstica http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal http://es.wikipedia.org/wiki/Tama%C3%B1o_de_la_muestra http://es.wikipedia.org/wiki/Prueba_t_de_Student http://es.wikipedia.org/wiki/Intervalo_de_confianza http://es.wikipedia.org/wiki/Intervalo_de_confianza http://es.wikipedia.org/wiki/Desviaci%C3%B3n_t%C3%ADpica 5. La distribución t es más baja y dispersa que la distribución normal .cuando el tamaño de la muestra se incrementa, la distribución t se aproxima a la normal. Distribución muestral ji-cuadrada Denotamos chi-cuadrada o ji cuadrada por 𝑥 para calcular valores críticos de la distribución chi cuadrada Además es una distribución de probabilidad continua con un parámetro que representa los grados de libertad de la variable aleatoria. La distribución chi cuadrada se determina por el número de grados de libertad. Grados de libertad = n -1 Características • Es una distribución asimétrica • Solo toma valores positivos y es asíntota con respecto al eje de las x positivas (0 < 𝑥2 < + ∞) • Está caracterizada por único parámetro llamado grados de libertad ( 𝑔 𝑙 ), adoptando formas distintas según el valor de 𝑔 1 • El área comprendida entre la curva y el eje de las x es 1 o 100%. Propiedades de la distribución del estadístico chi cuadrada: 1. La distribución ji cuadrada no es simétrica, a diferencia de las distribuciones normal y t de Student .(a medida que aumenta el número de grad0s de libertad , la distribución se vuelve más simétrica. 2. Los valores de ji-cuadrada pueden ser cero o positivos, pero no pueden ser negativos. 3. La distribución ji cuadrada es diferente para cada número de grados de libertad, la distribución ji cuadrada se acerca a una distribución normal. http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad_continua http://es.wikipedia.org/wiki/Grado_de_libertad_%28estad%C3%ADstica%29 http://es.wikipedia.org/wiki/Variable_aleatoria Distribución normal Se llama distribución normal o distribución gaussiana, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece aproximada en fenómenos reales. Esta distribución es de gran importancia debido que es un modelo adecuado para una gran diversidad de situaciones del mundo real. La distribución normal fue presentada por primera vez por Abraham de Moivre en un artículo del año 1733. Es más utilizada debido a que: a) Muchas distribuciones de datos reales pueden ser representadas por la distribución Normal. b) Tiene propiedades que la hacen especialmente útil. c) Representa la distribución de muchos de los acontecimientos que ocurren al azar. Propiedades de la distribución normal: Si 𝑋~𝑁(𝜇 , 𝜎2) entonces: • La distribución es simétrica alrededor de 𝜇 , el valor esperado de 𝑋 • Debido a la simetría, la Media, Moda y Mediana coinciden. • La distancia horizontal entre una línea vertical erigida sobre E(𝑋) y el punto de inflexión de la curva es la desviación estándar 𝜎 , mayor es la probabilidad de intervalos que incluyen a valores extremos de 𝑋. • El modelo de distribución Normal define no una, sino un conjunto de distribuciones normales. Todas tienen en común la forma y las propiedades, pero difieren en los valores de mu y sigma, es decir, en tendencia central y variabilidad. Donde la "mu" y la "sigma" simbolizan la Media y Desviación Típica de la distribución. http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad#Distribuciones_de_variable_continua http://es.wikipedia.org/wiki/Abraham_de_Moivre La función de densidad de una variable aleatoria normal es complicada y por lo tanto es difícil calcular las probabilidades en ella. La distribución normal también es importante por su relación con la estimación por mínimos cuadrados, uno de los métodos de estimación más simples y antiguos. http://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados
Compartir