Ejemlos de Distribucion
Ejemlos de Distribucion
Ejemlos de Distribucion
ÍTEM A
ÍTEM B
ÍTEM C
Solución
Debe recordarse que el estadístico F se define como:
Pero se nos dice que las varianzas poblacionales son iguales, por lo
que para este ejercicio se aplica:
n
∑ ( xi − x ) 2
i= 1
s2 =
n− 1
Esta fórmula está basada en n-1 grados de libertad. Esta terminología resulta
del hecho de que si bien s2 está basada en n cantidades
x1 − x , x2 − x ,...xn − x , éstas suman cero, así que especificar los valores
de cualquier n-1 de las cantidades determina el valor restante.
k + 1 (k + 1)
∞ Γ ∞ −
2 t
2 2
E(T) = µ = ∫ t..h k (t).dt = ∫ t. 1+
dt = .... = 0
− ∞ Γ
k k
−∞ πk
2
Si k>3
k + 1 (k + 1)
∞ Γ
∞ 2 − 2
2 t k
Var(T) = σ 2 = E ((T − µ ) 2 ) = ∫ (t - µ ) 2 .h k (t).dt = ∫ t. 1+
dt = .... =
k k k− 2
−∞ − ∞ Γ πk
2
La siguiente figura presenta la gráfica de varias distribuciones t. La apariencia
general de la distribución t es similar a la de la distribución normal estándar:
ambas son simétricas y unimodales, y el valor máximo de la ordenada se
alcanza en la media μ = 0. Sin embargo, la distribución t tiene colas más
amplias que la normal; esto es, la probabilidad de las colas es mayor que en la
distribución normal. A medida que el número de grados de libertad tiende a
infinito, la forma límite de la distribución t es la distribución normal estándar.
Propiedades de las distribuciones t
1. Cada curva t tiene forma de campana con centro en 0.
2. Cada curva t, está más dispersa que la curva normal estándar.
3. A medida que k aumenta, la dispersión de la curva t correspondiente
disminuye.
4. A medida que k ∞ , la secuencia de curvas t se aproxima a la curva
normal estándar
Ejemplo de calibración
t=
x− µ
=
( 52.9 − 50.0) = 3
s n 3 10
Mirando las zonas con los valores críticos, el valor de t cae en la de rechazo
para el 95% y no alcanza para las otras. La conclusión es que se ha probado la
existencia de un error sistemático con una confianza del 95%.
s 3
µ = x± t = 52,9 ± 3 = 52,9 ± 2,8
n 10
k es un numero entero
positivo k>0