Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ESTADÍSTICA II Clase del 06/04/2022 Distribuciones de probabilidad continuas Docentes: Roberto Emanuel Díaz Ansberck Víctor Luna Distribuciones de probabilidad continuas • Distribución Normal. • Distribución Chi-cuadrado (χ2 ). • Distribución T de Student. • Distribución F de Fisher. La distribución Normal • Características ▫ Este modelo describe poblaciones cuyos valores se concentran en forma simétrica alrededor de un valor central. ▫ Es campanular y simétrica. ▫ Sus parámetros solo son μ (media) y σ2 (varianza) ▫ Acumula el 68% de los datos en el intervalo μ±σ. ▫ Acumula el 95% de los datos en el intervalo μ±2σ. La distribución Normal La distribución Normal Cuando una variable a estudiar tiene un comportamiento normal, en el lenguaje de estadística diremos que: X~N(μ,σ2) En el caso particular donde μ=0 y σ2=1, se denomina distribución normal estándar (Z): Z~N(0,1) La ventaja es que Z tiene tablas para encontrar la probabilidad. La distribución Normal ¿Cómo calculamos la probabilidad? Supongamos una Z~N(0,1), entonces: P(z<-2)= P(z<1,5)= P(z<0)= P(z>-1)= P(-1,2<z<2)= La distribución Normal Proceso de estandarización • Si nosotros tenemos una distribución X~N(μ,σ2), podemos transformarla en una Z~N(0,1), siguiendo los siguientes pasos: ▫ Al valor de x le restamos su media (μ). ▫ Al resultado anterior lo dividimos en su desvío estándar (σ). ▫ El resultado se trabaja como si fuese una Z~N(0,1). La distribución Normal ¿Cómo calculamos la probabilidad? Supongamos una X~N(25,16), entonces: P(z<28)= La distribución Normal Cuantiles: • Los cuartiles me dividen la muestra en 4 porciones idénticas. • Los deciles me dividen la muestra en 10 porciones idénticas. • Los percentiles me dividen la muestra en 100 porciones idénticas. Todos se representan como función de su valor acumulado. La distribución Normal • X0,25 • X0,20 • X0,05 • X0,5 La distribución Normal Ahora nos planteamos lo siguiente: Si conozco la probabilidad, ¿Cómo calculamos el valor que la acumula o el asociado en algún problema?? Siempre plantearemos que: P(x<k)=α ó P(x>k)=α La distribución Chi-cuadrado (χ2 ) • Características ▫ Esta distribución surge a partir de la necesidad de decidir sobre si una muestra aleatoria proviene de una distribución normal. ▫ La variable Chi- Cuadrada se define para medir la acumulación (suma) de desvíos escalados cuadráticos de cada variable a su media. ▫ La variable a utilizar la denominaremos U: U~χ2(ν) La distribución Chi-cuadrado (χ2 ) ▫ Es un conjunto de valores de forma asimétrica positiva, cuyo recorrido es siempre positivo. ▫ El grado de asimetría de esta distribución disminuye a medida que aumenta el número (v) de variables normales independientes involucradas en la definición, lo que recibe el nombre de grados de libertad. Dicho concepto es el parámetro de la distribución y se determina por: v = k-1, k es el numero de variables ▫ Al igual que en la distribución normal, la probabilidad acumulativa o los cuantiles de la variable, pueden obtenerse por medio de la lectura en tablas. La distribución Chi-cuadrado (χ2 ) La distribución Chi-cuadrado (χ2 ) Ejercitación: Supongamos una U~χ2(16), entonces: P(u<19,37)= P(u>21,79)= P(u>k)=0.0025 La distribución T de Student • Características ▫ Esta distribución se origina en una operación entre la variable normal estandarizada y una variable Chi-Cuadrada, independientes, a fin de resolver un problema de la inferencia estadística que luego veremos. ▫ El valor de probabilidad acumulativa o los cuantiles de la distribución también pueden extraerse de tablas. ▫ La variable a utilizar la denominaremos T: T~t(ν) La distribución T de Student La distribución T de Student Ejercitación: Supongamos una T~t(7), entonces: P(t<0.896)= P(t>2.517)= P(t>k)=0.025 La distribución F de Fisher • Características ▫ Su origen esta en un cociente de variables Chi- Cuadrado. ▫ El conjunto de valores de F se resume en una distribución de probabilidad de forma asimétrica positiva, cuyo recorrido es positivo. ▫ La variable a utilizar la denominaremos F: F~F(ν1 , ν2) Donde ν1 son los grados de libertad del numerador, y ν2 los grados de libertad del denominador. La distribución F de Fisher La distribución F de Fisher Ejercitación: Supongamos una F~F(5,20), entonces: P(F<4,56)= P(u>9,55)= P(u>k)=0.025 Uso de Excel Uso de Excel • Las funciones para las distintas distribuciones son: ▫ =DISTR.NORM ▫ =DISTR.CHI ▫ =DISTR.T ▫ =DISTR.F ¡Muchas gracias por su atención!
Compartir