Distribucin Chi-Cuadrado

Esta distribucin es usada en la construccin intervalos de confianza

Para n>30 la distribucin chi-cuadrado se aproxima a la Normal

Distribucin Gamma

Propiedades de la funcin gamma

Propiedades de la distribucin Gamma

u ( x)
V ( x)
Si
X
Si
X

B
1 X ( , B)
Exp( B)
n
1
B X ( , B)
2
2
2
X (n)

Si X 1 , X 2 , X 3 ,..., X n son variables independientes y cada X i

n

(n, B)

i 1

Exp( B)

Relacin entre modelos Gamma y Poisson

Sean las siguientes variables aleatorias:
X T N de eventos en un tiempo T
XT

Poiss T

Si T 0,1 X T

Poiss

T Tiempo que pasa hasta que ocurren r eventos de Poisson

r

r
, B

F (t ) P (T t ) P X r 1
F (t ) 1 P x r 1
e t t
F (t ) 1
k!
k 0
r 1

Distribucin T-Student

Observacin: Si n>30 la distribucin T se

aproxima a la distribucin normal. No es
necesario normalizar pues u=0 y la desviacin
estndar tiende a 1 para n>30.

Distribucin F

Teorema:

Distribucin Weibull
Este tipo de distribucin es muy usado en
modelos de fallas.

Observacin: Si =1 la distribucin
Weibull se vuelve una distribucin
Exponencial con parmetro B

Teora de confiabilidad
La teora de confiabilidad nos permite estudiar el correcto funcionamiento de un
sistema luego de un tiempo determinado.
Definimos la siguiente probabilidad:

Confiabilidad del sistema

El concepto anterior lo generalizamos para n componentes:
Sistema en serie.A

Sistema en paralelo.A

Modelos de falla
Definimos los siguientes conceptos:

Modelo exponencial de fallas

Para un modelo exponencial:

Esto nos indica que la tasa de falla es constante, por lo que se usa en fallas por
accidente.

Modelo Weibull de fallas

Para el modelo Weibull partiendo de su funcin de densidad:

Modelo Gamma de falla

A partir de funcin acumulada:

Distribucin Muestral
Se le denomina distribucin muestral a la distribucin de probabilidad que tiene
cierta variable o parmetro

Distribucin Muestral de la media muestral X

Teorema 1: Sea X 1 , X 2 , X 3 ,..., X n una muestra aleatoria de una V.A X
Donde E ( X i ) u;

V (Xi) 2

V (X )
V X

n
n
E X E Xi u

Demostracin:
n

Xi 1 n
nu
E X E i 1 E ( X i )
n
n
n n i 1

Xi 1 n
n 2 2
i 1
2 V X i 2
V X V
n
n
n n i 1

Teorema 2 Teorema del lmite central

Sean X 1 , X 2 ,...X1 variables aleatorias independientes con la misma distribucin, donde:
E ( X i ) u; V ( X i ) 2
Luego para "n" grande se tiene

X N u x , x2

ux E ( X i ) u
V (Xi ) 2
x

n
n
X u
Es decir: Z
N 0,1
2

n
Si las X i tienen distribucin normal entonces el teorema 2 se cumple para cualquier n
Teorema 3
Si la muestra proviene de una distribucin normal
Y

X u
S
n

T n 1

Se usa cuando 2 es desconocida pero S2 es conocida

Distribucin Muestral de S2

Supongamos que X1 , X 2 , X 3 ,..., X n son variables independientes con E ( X i ) u

V (Xi ) 2
E (S ) 2
Si las X i siguen una distribucin normal:
n 1 S 2 X i X

X 2n 1

Estimacin de Parmetros
Parmetro
Estimador de
H ( X 1 , X 2 ,..., X n )
Ejm. S 2 2
X

Tipos de estimadores
Estimacin puntual.-

toma un nico valor

Ejm. X 21
Caractersticas de un buen estimador puntual
1. Insesgado.-

2. Eficiente.-

3. Suficiente.-

4. Consistente.- Es consistente si:

10

Estimacin por intervalos.-

Si los datos de estudio tienen distribucin normal se denomina estadstica

paramtrica
Si los datos no tienen distribucin normal se denomina estadstica no paramtrica.

Intervalos de confianza para estimar u (La desviacin estndar es conocida)

1-a

-Z0

11

Z0

Intervalos de confianza para estimar u (La desviacin muestral es conocida)

1-a

-W0

12

W0

Intervalos de confianza para estimar la desviacin estndar

1-a

Y1

Y2

Estadsticas

Son medidas descriptivas realizadas sobre una muestra aleatoria

1.

2.

13

3.

4.

14

Pruebas de hiptesis

Las pruebas de hiptesis nos permiten rechazar o no rechazar la conjetura acerca

del valor numrico de un parmetro.
Una hiptesis estadstica es una conjetura acerca de la distribucin de una
muestra o del valor de uno de sus parmetros.
Las hiptesis pueden ser:

Nula.- Es la hiptesis aceptada provisionalmente como verdadera y cuya

validez ser sometida a comprobacin experimental. Es la hiptesis
principal a comprobar. En esta hiptesis colocamos una igualdad
Alternativa.- Es la hiptesis contraria a la hiptesis nula. sta se acepta en
caso de que la hiptesis nula sea rechazada. En esta hiptesis colocamos
desigualdades.

En una prueba de hiptesis se escoge un a que es el nivel de significancia. Este

valor indica la probabilidad de rechazar la hiptesis nula cuando en realidad sta
es verdadera

Pasos a seguir en la prueba de hiptesis

1. Definimos nuestras dos hiptesis nula y alternativa:

2. Establecer un nivel de significancia adecuado

3. Escoger la estadstica adecuada en base a una muestra de acuerdo a los

parmetros proporcionados

15

4. Dibujar la regin crtica

1-a
Se acepta H0
a/2
Se rechaza H0

a/2
Se rechaza H0

-W0

W0

5. Hallar el valor de la estadstica 3

6. Conclusin: Se verifica si la estadstica est dentro del intervalo calculado
en el paso 4 o no.
Si est dentro del intervalo se acepta H0. De lo contrario se rechaza H0.

16

Regresin Lineal Simple

La regresin es un mtodo por el cual podemos comparar la relacin entre
dos variables de forma descriptiva. En este tipo de regresin se busca
encontrar una relacin entre las variables.

17