Investigación de Las Distribuciones Binomial y T

INVESTIGACIÓN DE LAS
DISTRIBUCIONES BINOMIAL Y T.
STUDENT.
La distribución binomial
Una distribución binomial es una distribución de probabilidad discreta que describe el

número de éxitos al realizar n experimentos independientes entre sí, acerca de una variable
aleatoria.
Existen una gran diversidad de experimentos o sucesos que pueden ser caracterizados bajo
esta distribución de probabilidad. Imaginemos el lanzamiento de una moneda en el que
definimos el suceso “sacar cara” como el éxito. Si lanzamos 5 veces la moneda y contamos
los éxitos (sacar cara) que obtenemos, nuestra distribución de probabilidades se ajustaría a
una distribución binomial.
Por lo tanto, la distribución binomial se entiende como una serie de pruebas o ensayos en la
que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra variable
aleatoria.
Propiedades de la distribución binomial
Para que una variable aleatoria se considere que sigue una distribución binomial, tiene que
cumplir las siguientes propiedades:
 En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o fracaso).
 La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra p. La
probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es constante dado que la
moneda no cambia en cada experimento y las probabilidades de sacar cara son constantes.
 La probabilidad de fracaso ha de ser también constate. Esta se representa mediante la letra
q = 1-p. Es importante fijarse que, mediante esa ecuación, sabiendo p o sabiendo q,
podemos obtener la que nos falte.
 El resultado obtenido en cada experimento es independiente del anterior. Por lo tanto, lo que
ocurra en cada experimento no afecta a los siguientes.
 Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar una moneda salga
cara y cruz al mismo tiempo.
 Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de ocurrir.
Si no se es hombre, se es mujer y, si se lanza una moneda, si no sale cara ha de salir cruz.
 La variable aleatoria que sigue una distribución binomial se suele representar como X~(n,p),
donde n representa el número de ensayos o experimentos y p la probabilidad de éxito.
Formula de la distribución binomial
La fórmula para calcular la distribución normal es:
Donde:
n = Número de ensayos/experimentos
x = Número de éxitos
p = Probabilidad de éxito
q = Probabilidad de fracaso (1-p)
Es importante resaltar que la expresión entre corchetes no es una expresión matricial, sino
que es un resultado de una combinatoria sin repetición. Este se obtiene con la siguiente
formula:
El signo de exclamación en la expresión anterior representa el símbolo de factorial.
Ejemplo de distribución binomial
Imaginemos que un 80% de personas en el mundo ha visto el partido de la final del último
mundial de fútbol. Tras el evento, 4 amigos se reúnen a conversar, ¿Cuál es la probabilidad
de que 3 de ellos hayan visto el partido?
Definamos las variables del experimento:
n = 4 (es el total de la muestra que tenemos)
x = número de éxitos, que en este caso es igual a 3, dado que buscamos la probabilidad
de que 3 de los 4 amigos lo hayan visto.
p = probabilidad de éxito (0,8)
q = probabilidad de fracaso (0,2). Este resultado se obtiene al restar 1-p.
Tras definir todas nuestras variables, simplemente sustituimos en la formula.
El numerador del factorial se obtendría de multiplicar 4*3*2*1 = 24 y en el denominador

tendríamos 3*2*1*1 = 6. Por lo tanto, el resultado del factorial sería 24/6=4.
Fuera del corchete tenemos dos números. El primero sería 0,8^3=0,512 y el segundo 0,2
(dado que 4-3 = 1 y cualquier número elevado a 1 es el mismo).
Por tanto, nuestro resultado final sería: 4*0,512*0,2 = 0,4096. Si multiplicamos por 100
tenemos que hay una probabilidad del 40,96% de que 3 de los 4 amigos haya visto el partido
de la final del mundial.
DISTRIBUCION T DE STUDENT
La distribución T de Student o distribución t es un modelo teórico utilizado para aproximar el
momento de primer orden de una población normalmente distribuida cuando el tamaño de la
muestra es pequeña y desconoce la desviación típica
En otras palabras, la distribución t es una distribución de probabilidad que estima el valor de
la media en una muestra pequeña extraída de una población que sigue una distribución
normal y de la cual no se conoce su desviación típica
FORMUAL DE LA DISTRIBUCION T DE STUDENT

Da una variable aleatoria continua L, decimos que la frecuencia de sus observaciones puede
aproximarse satisfactoriamente a una distribución t con g grados de libertad tal que
L tg
La variable aleatoria L sigue una distribución t con g grados de libertad.
Representación de la distribución t de student
Función de densidad de una distribución t con 3 grados de libertad (df).

Función de densidad de la distribución t con 3 grados de libertad.
Como podemos ver, la representación de la distribución t se parece mucho a la distribución

normal salvo que la distribución normal tiene las colas más anchas y es más apuntalada. En
otras palabras, deberíamos añadir más grados de libertad a la distribución t para que la
distribución “crezca” y se parezca más a la distribución normal.
A diferencia de la distribución normal que depende de la media y la varianza, la distribución t
solo depende de los grados de libertad, del inglés, degrees of freedom (df). En otras
palabras, controlando los grados de libertad, controlamos la distribución.
Aplicación de la t de Student
La distribución t se utiliza cuando:

 Queremos estimar la media de una población normalmente distribuida a partir de una
muestra pequeña.
 Tamaño de la muestra es inferior a 30 elementos, es decir, n < 30.
A partir de 30 observaciones, la distribución t se parece mucho a la distribución normal y, por
tanto, utilizaremos la distribución normal.
 No se conoce la desviación típica o estándar de una población y tiene que ser
estimada a partir de las observaciones de la muestra.
Ejemplo
Suponemos que tenemos 28 observaciones de una variable aleatoria G que sigue una
distribución t de Student con 27 grados de libertad (df).
28 observaciones de la variable aleatoria G que sigue una distribución t con 27 grados de
libertad.
Matemáticamente,
Variable aleatoria G que sigue una distribución t con 27 grados de

libertad.
Dado que estamos trabajando con datos reales, siempre habrá un error de aproximación
entre los datos y la distribución. En otras palabras, la media, mediana y moda no siempre
serán cero (0) o exactamente iguales.
Representamos la frecuencia de cada observación de la variable G mediante un
histograma.
Histograma de frecuencias de la variable

aleatoria G.
La varianza aleatoria G puede aproximarse a una distribución t
Razones para considerar que la variable G sigue una distribución t:
 La distribución es simétrica. Es decir, existe el mismo número de observaciones tanto

a la derecha como a la izquierda del valor central. También, que la media y la
mediana tienden a aproximarse al mismo valor. La media es aproximadamente cero,
media = 0,016.
 Las observaciones con más frecuencia o probabilidad están alrededor del valor
central. Las observaciones con menos frecuencia o probabilidad se encuentran lejos
del valor central.
Prueba “t” de Student
La prueba "t" de Student es un tipo de estadística deductiva. Se utiliza para determinar si

hay una diferencia significativa entre las medias de dos grupos. Con toda la estadística
deductiva, asumimos que las variables dependientes tienen una distribución normal.
Especificamos el nivel de la probabilidad (nivel de la alfa, nivel de la significación, p) que
estamos dispuestos a aceptar antes de que cerco datos (p < .05 es un valor común se utiliza
que).
La prueba estadística para t de Student es el valor t. Conceptualmente, la t-valor representa

el número de unidades estándares que están separando las medias de los dos grupos.
Con una t-prueba, el investigador desea indicar con un cierto grado de confianza que la
diferencia obtenida entre los medios de los grupos de la muestra sea demasiado grande ser
un acontecimiento chance. Si nuestra t-prueba produce una t-valor que da lugar a una
probabilidad de .01, decimos que la probabilidad de conseguir la diferencia que encontramos
sería por casualidad 1 en 100 veces.
Cinco factores contribuyen para indicar si la diferencia entre dos medias de los
grupos se puede considerar significativa:
1. Cuanto mayor es la diferencia entre las dos medias, mayor es la probabilidad que una
diferencia estadística significativa existe.
2. La cantidad de traslapo que existe entre los grupos (es una función de la variación dentro
de los grupos). Cuantas más pequeñas son las variaciones que existen entre los dos grupos,
mayor es la probabilidad que una diferencia estadística significativa existe.
3. El tamaño de la muestra es extremadamente importante en la determinación de la

significación de la diferencia entre las medias. Aumentando el tamaño de la muestra, las
medias tienden a ser más estables y más representativas.
4. Un nivel más grande de la alfa requiere menos diferencia entre las medias (p < .05).
5. Se debe utilizar una hipótesis (con dos colas) no directivas.
Existe 2 tipos de prueba t de Student

Test t para diferencia par (grupos dependientes, test t correlacionado) : df= n (número de
pares) -1
Esto se refiere a la diferencia entre las cuentas medias de una sola muestra de individuos
que se determina antes del tratamiento y después del tratamiento. Puede también comparar
las cuentas medias de muestras de individuos que se aparean de cierta manera (por
ejemplo, los hermanos, madres, hijas, las personas que se emparejan en términos de las
características particulares).
Test t para muestras independientes Esto se refiere a la diferencia entre los promedios de
dos poblaciones. Básicamente, el procedimiento compara los promedios de dos muestras
que fueron seleccionadas independientemente una de la otra. Un ejemplo sería comparar
cuentas matemáticas de un grupo experimental con un grupo de control.
La idea básica para calcular una prueba de Student es encontrar la diferencia entre las
medias de los dos grupos y dividirla por el error estándar (de la diferencia), es decir la
desviación de estándar de la distribución de las diferencias.

Investigación de Las Distribuciones Binomial y T

Cargado por

Copyright:

Formatos disponibles

Investigación de Las Distribuciones Binomial y T

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigación de Las Distribuciones Binomial y T

Cargado por

Copyright:

Formatos disponibles

INVESTIGACIÓN DE LAS

Una distribución binomial es una distribución de probabilidad discreta que describe el

Propiedades de la distribución binomial

El signo de exclamación en la expresión anterior representa el símbolo de factorial.

Ejemplo de distribución binomial

El numerador del factorial se obtendría de multiplicar 4*3*2*1 = 24 y en el denominador

FORMUAL DE LA DISTRIBUCION T DE STUDENT

Como podemos ver, la representación de la distribución t se parece mucho a la distribución

La distribución t se utiliza cuando:

Variable aleatoria G que sigue una distribución t con 27 grados de

Histograma de frecuencias de la variable

La varianza aleatoria G puede aproximarse a una distribución t

Razones para considerar que la variable G sigue una distribución t:

 La distribución es simétrica. Es decir, existe el mismo número de observaciones tanto

La prueba "t" de Student es un tipo de estadística deductiva. Se utiliza para determinar si

La prueba estadística para t de Student es el valor t. Conceptualmente, la t-valor representa

3. El tamaño de la muestra es extremadamente importante en la determinación de la

5. Se debe utilizar una hipótesis (con dos colas) no directivas.

Existe 2 tipos de prueba t de Student

También podría gustarte

El numerador del factorial se obtendría de multiplicar 432*1 = 24 y en el denominador