 Distribucion de stundent

 Distribucion x2
 Distribucion f de fisher
 Carlos Urrutia Quintanilla
 Alexander Cobián Salazar
 Giancarlos Manrique Boado
 Deyvi Acosta Castro
 En probabilidad y estadística, 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.
 Tiene características similares a la
distribución normal, su diferencia principal
radica en las áreas de los extremos las
cuales son mas amplias, como
consecuencia de que usualmente se
 La distribución t de Student es la
distribución de probabilidad del cociente
Donde :
 Z es una variable aleatoria distribuida según
una normal típica (de media nula
y varianza 1).
 V es una variable aleatoria que sigue
una distribución χ² con grados de libertad.
 Z y V son independientes
 Si μ es una constante no nula, el
cociente es una variable aleatoria que
sigue la distribución t de Student no
central con parámetro de no-centralidad .
 Ejemplo : los puntajes de un grupo de
estudiantes se comportan normal con
promedio de 50 sin embargo no se
conoce la desviacion . Se tomo una
muestra de 9 estudiantes encontrando
una varianza de 36 y un promedio de
52.¿cual es la probabilidad de que el
promedio:
 Sea mayor de 54?
 Sea menor que 54?
 Este comprendido entre 48 y 52 puntos?
 Sea x = puntual estudiantes
 M = 50 puntos ; s =?
 =52 s2=36 s=6 n=9
 A) p(>54)=1-p(t<(54-50)/(6/3)) =1-p(t<2)=
 1-0.9625 = 0.0375
 Encontrando que la probabilidad de
que el promedio del puntaje de los
estudiantes sea mayor de 54 es muy
baja ,0.0375
 b) p(<54) = p(t<(54-50)/(6/3)) = p(t<2) =
0.9625 , el contrario de lo anterior , es muy
probable que el promedio del puntaje de
los Estudiantes sea menor de 54 ,dicha
probabilidad equivale al 0.9625.
 c) p(48< >52)=p(<52)-p(<48)=p(t<(52-
50)/(6/3))-p(t<48-50)/(6/3))= p(t<1)-p(t<-1)=
0.825?(1-0.825)=0.65
 La probabilidad es de 0.65 se aprecia que
al ser simétrica la distribución t , se calcula
la probabilidad utilizando el inverso.
 En estadística la distribución de Pearson
llamada también ji cuadrada o chi
cuadrado(x2) es una distribución de
probabilidad continua con un
parámetro k que representa los grados
de libertad de la variable aleatoria.
 X = z _1*2 +/ cdots + z _ k*2
Donde zi son variables aleatorias normales
independientes de media cero y varianza uno
El que la variable aleatoria x tenga esta distribución se
representa habitualmente asi : x x2k
 Los valores de X2 son mayores o iguales que 0.
 La forma de una distribución X2 depende del gl=n-1.
En consecuencia, hay un número infinito de
distribuciones X2.
 El área bajo una curva ji-cuadrada y sobre el eje
horizontal es 1.
 Las distribuciones X2 no son simétricas. Tienen colas
estrechas que se extienden a la derecha; esto es,
están sesgadas a la derecha.
 Cuando n>2, la media de una distribución X2 es n-1 y
la varianza es 2(n-1).
 El valor modal de una distribución X2 se da en el valor
(n-3).
 Suponga que los tiempos requeridos por
un cierto autobús para alcanzar un de
sus destinos en una ciudad grande
forman una distribución normal con una
desviación estándar =1 minuto. Si se
elige al azar una muestra de 17 tiempos,
encuentre la probabilidad de que la
varianza muestral sea mayor que 2.
 Primero se encontrará el valor de ji-
cuadrada correspondiente a s2=2 como
sigue:

 El valor de 32 se busca adentro de la tabla

en el renglón de 16 grados de libertad y se
encuentra que a este valor le corresponde
un área a la derecha de 0.01. En
consecuencia, el valor de la probabilidad
es P(s2>2)
 Usada en teoría de
probabilidad y estadística, la distribución
F es una distribución de probabilidad
continua. También se le conoce
como distribución F de
Snedecor (por George Snedecor) o
como distribución F de Fisher-Snedecor.
 Una variable aleatoria de distribución F se
construye como el siguiente cociente:
 U1 y U2 siguen una distribución chi-
cuadrado con d1 y d2 grados de libertad
respectivamente, y
 U1 y U2 son estadísticamente
independientes.
 La distribución F aparece
frecuentemente como la distribución
nula de una prueba estadística,
especialmente en el análisis de varianza.
Véase el test F.
 Encontrar el valor de F, en cada uno de los
siguientes casos:
 El área a la derecha de F, es de 0.25
con =4 y =9.
 El área a la izquierda de F, es de 0.95
con =15 y =10.
 El área a la derecha de F es de 0.95 con
con =6 y =8.
 El área a la izquierda de F, es de 0.10 con
con =24 y
 =24
 A ) Como el área que da la tabla es de cero a
Fisher, se tiene que localizar primero los grados de
libertad dos que son 9, luego un área de 0.75 con
4 grados de libertad uno.
 B) En este caso se puede buscar el área de 0.95
directamente en la tabla con sus respectivos
grados de libertad.
 C) Se tiene que buscar en la tabla un área de 0.05,
puesto que nos piden un área a la derecha de F
de 0.95.
 D) Se busca directamente el área de 0.10, con sus
respectivos grados de libertad.
para todo número real x ≥ 0, donde d1 y d2 son enteros positivos, y B es la función beta.
La función de distribución es

donde I es la función beta incompleta regularizada.