1.

-​ ​Menciona​ ​aplicaciones​ ​de​ ​la​ ​técnica​ ​Ji-​ ​cuadrada:

1. Probar​ ​la​ ​supuesta​ ​independencia​ ​de​ ​dos​ ​variables​ ​cualitativas​ ​de​ ​una​ ​población
2. Hacer​ ​inferencias​ ​sobre​ ​más​ ​de​ ​dos​ ​proporciones​ ​de​ ​una​ ​población.
3. Hacer​ ​inferencias​ ​sobre​ ​la​ ​varianza​ ​de​ ​la​ ​población.
4. Realizar pruebas de bondad de ajuste para evaluar la credibilidad de que los datos
muestrales, vienen de una población cuyos elementos se ajustan a un tipo
específico​ ​de​ ​distribución​ ​de​ ​probabilidad.

http://asesorias.cuautitlan2.unam.mx/Laboratoriovirtualdeestadistica/CARPETA%203%20IN
FERENCIA_ESTADISTICA/DOC_%20INFERENCIA/TEMA%204/08%20PRUEBA%20DE%
20CHICUADRADA.pdf

2.- ¿Para que se utiliza la prueba de independencia en la técnica Ji- Cuadrada y cómo
las​ ​diferenciamos?

R= La prueba de independencia Chi-cuadrado, nos permite determinar si existe una relación

entre dos variables categóricas. Es necesario resaltar que esta prueba nos indica si existe o
no una relación entre las variables, pero no indica el grado o el tipo de relación; es decir, no
indica el porcentaje de influencia de una variable sobre la otra o la variable que causa la
influencia.

Una prueba de independencia usa la pregunta de si la ocurrencia del evento X es

independiente a la ocurrencia del evento Y, por lo que el planteamiento de las hipótesis para
esta​ ​prueba​ ​de​ ​independencia​ ​es:

H0;​ ​La​ ​ocurrencia​ ​del​ ​evento​ ​X​ ​es​ ​independiente​ ​del​ ​evento​ ​Y.
H1;​ ​La​ ​ocurrencia​ ​del​ ​evento​ ​X​ ​no​ ​es​ ​independiente​ ​del​ ​evento​ ​Y

http://asesorias.cuautitlan2.unam.mx/Laboratoriovirtualdeestadistica/CARPETA%203%20IN
FERENCIA_ESTADISTICA/DOC_%20INFERENCIA/TEMA%204/08%20PRUEBA%20DE%
20CHICUADRADA.pdf

3.-¿Cuál​ ​es​ ​la​ ​caracterización​ ​de​ ​la​ ​distribución​ ​exponencial?

R= La exponencial es la única distribución continua tomando valores positivos que verifica la

propiedad​ ​de​ ​falta​ ​de​ ​memoria.

http://www.ugr.es/~proman/Probabilidad/PDF/P_T05_TablaExponencial.pdf

4.-​ ​Menciona​ ​la​ ​justificación​ ​de​ ​la​ ​frecuente​ ​aparición​ ​de​ ​la​ ​distribución​ ​normal.

R= Es el teorema central del límite que establece que cuando los resultados de un
experimento sean debidos a un conjunto muy grande de causas independientes, que actúan
sumando sus efectos, siendo cada efecto individual de poca importancia respecto al
conjunto,​ ​es​ ​esperable​ ​que​ ​los​ ​resultados​ ​sigan​ ​una​ ​distribución​ ​normal.

https://www2.ulpgc.es/hege/almacen/download/5/5509/Tema_1.pdf

5.-​ ​Menciona​ ​la​ ​ ​particularidad​ ​de​ ​ ​la​ ​distribución​ ​exponencial.

​ ​R=​ ​Es​ ​un​ ​caso​ ​particular​ ​de​ ​la​ ​familia​ ​de​ ​distribuciones​ ​Gamma.

https://www2.ulpgc.es/hege/almacen/download/5/5509/Tema_1.pdf

6.-​ ​Menciona​ ​la​ ​definición​ ​de​ ​la​ ​distribución​ ​lognormal:

R= La distribución lognormal es el resultado de un número elevado de causas

independientes con efectos positivos que se componen de manera multiplicativa y donde
cada una de estas causas tienen un efecto despreciable frente al global. Esto se debe a que
la aditividad de los efectos conduce a una ley normal, en el caso de la ley lognormal, lo hace
la​ ​proporcionalidad​ ​de​ ​los​ ​efectos.

http://knuth.uca.es/repos/l_edyp/pdf/febrero06/lib_edyp.c6.pdf

7.-​ ​Menciona​ ​la​ ​propiedad​ ​más​ ​importante​ ​de​ ​la​ ​distribución​ ​ ​t​ ​de​ ​Student:

R=​ ​La​ ​distribución​ ​t​ ​de​ ​Student​ ​es​ ​simétrica​ ​con​ ​respecto​ ​al​ ​origen.

http://knuth.uca.es/repos/l_edyp/pdf/febrero06/lib_edyp.c6.pdf

8.-​ ​Menciona​ ​las​ ​propiedades​ ​de​ ​las​ ​distribuciones​ ​t

R=
1.-​ ​Cada​ ​curva​ ​t​ ​tiene​ ​forma​ ​de​ ​campana​ ​con​ ​centro​ ​en​ ​0.
2.-​ ​ ​Cada​ ​curva​ ​t,​ ​está​ ​más​ ​dispersa​ ​que​ ​la​ ​curva​ ​normal​ ​estándar​ ​z.
3.-​ ​A​ ​medida​ ​que​ ​n​ ​aumenta,​ ​la​ ​dispersión​ ​de​ ​la​ ​curva​ ​t​ ​correspondiente​ ​disminuye.
4. A medida que n®¥, la secuencia de curvas t se aproxima a la curva normal estándar, por
lo​ ​que​ ​la​ ​curva​ ​z​ ​recibe​ ​a​ ​veces​ ​el​ ​nombre​ ​de​ ​curva​ ​t​ ​con​ ​gl​ ​=​ ​¥

http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/u0304.pdf

9.-​ ​Define​ ​la​ ​distribución​ ​F​ ​de​ ​Fisher

R= La variable aleatoria F se define como el cociente de dos variables aleatorias jicuadrada

independientes,​ ​cada​ ​una​ ​dividida​ ​entre​ ​sus​ ​respectivos​ ​grados​ ​de​ ​libertad.
 U /n1
F = V /n2
donde U y V son variables aleatorias ji-cuadrada independientes con grados de libertad n1y
n2​ ​respectivamente.

La variable aleatoria F es no negativa, y la distribución tiene un sesgo hacia la derecha. La

distribución F tiene una apariencia muy similar a la distribución ji- cuadrada; sin embargo, se
encuentra centrada respecto a 1, y los dos parámetros n1y n2 proporcionan una flexibilidad
adicional​ ​con​ ​respecto​ ​a​ ​la​ ​forma​ ​de​ ​la​ ​distribución.

http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/u0304.pdf

10.-​ ​Menciona​ ​el​ ​teorema​ ​del​ ​límite​ ​central.

R= Nos indica que cuando se extraen muestras de tamaño mayor a 30 o bien de cualquier
tamaño ero provenientes de una población normal, la distribución muestral de medias tiene
un comportamiento aproximadamente normal, por lo que se puede utilizar la fórmula de la
distribución​ ​normal.

localizacion:​ ​Presentación​ ​Tema_6_P​ ​y​ ​E