Análisis de Datos I

Unidad 4: Distribuciones de Muestreo

Clase: Distribuciones Asociadas a la Normal

I Semestre de 2023
Profesor: Virginia González y César Henao
 Unidad 4

Conceptos Distribuciones de
básicos muestro

Asociadas a la Con 2 o más

Con 1 población
normal poblaciones
Distribución Normal
Sea 𝑋 una variable aleatoria continua que distribuye normal y se estandariza a 𝑍.

Variable Valores que Función de distribución de Esperanza Varianza 𝑽(𝑿)

aleatoria 𝑿 toma la probabilidad 𝒇. 𝒅. 𝒑. → 𝒇 𝒙 matemática 𝑬(𝑿)
variable 𝒙
𝑋 se −∞ ≤ 𝑥 ≤ ∞ 1 1 𝑥−𝜇 2
− 2∙ 𝜎
𝐸 𝑋 =𝜇 𝑉 𝑋 = 𝜎2
estandariza a 𝑁 𝑥; 𝜇, 𝜎 = ∙ 𝑒 ;
Distribución 𝜎 ∙ 2𝜋 𝜇: Media 𝜎 2 : Varianza
una variable simétrica 𝜇: Media −∞ ≤ 𝜇 ≤ ∞ 𝜎>0
aleatoria 𝑍
normal 𝜎: Desviación estándar
estándar tal
Formas de calcular la probabilidad:
que:
1. Utilizar las tablas para la normal
𝑋−𝜇
𝑍= estándar 𝑃(𝑍 ≤ 𝑧)
𝜎

Fórmula en Excel: DISTR.NORM.ESTAND.N(z;acumulado)

Distribución Normal
Sea 𝑋 una variable aleatoria continua que distribuye normal y se estandariza a 𝑍.
Distribución Chi Cuadrado
Sea 𝑋 una variable aleatoria continua que distribuye 𝜒 2 con 𝑣 grados de libertad.

Variable aleatoria Propiedades Función de densidad de probabilidad Esperanza Varianza

matemática
𝑋 = 𝑍12 + ⋯ + 𝑍𝑣2 La forma de 𝑓(𝑥) 𝑋 ~ 𝜒𝑣2 𝐸 𝑋 =𝑣 𝑉(𝑋) = 2𝑣
𝑍𝑖 : Variables es sesgada a la
1 𝑣 𝑥
derecha y depende 𝑓 𝑥 = ∙𝑥 2 −1 ∙ 𝑒 −2
aleatorias 𝑣 𝑣
independientes con de los grados de 22 ∙Γ 2
distribución normal libertad 𝑣 (Para 𝑣 ≥
30 se aproxima a la Para 𝑥 ≥ 0
estándar
normal). 𝑣: Grados de libertad
𝑣: Grados de
𝑋 toma valores no 𝑥: Valores que toma 𝑋
libertad (entero
negativos. Γ: Función Gamma
positivo)

Fórmulas en Excel: DISTR.CHICUAD(x;grados_de_libertad;acumulado);

DISTR.CHICUAD.CD(x;grados_de_libertad)
 2 2
Distribución Chi Cuadrado 𝑃 𝜒𝑣 > 𝜒𝑣,𝛼 =𝛼

𝑣=2 𝑣=5

𝑣 = 15 A medida que los grados de libertad

aumentan, la distribución va perdiendo
el sesgo.
Como en toda función de densidad
el área bajo la curva es 1.
Cuando 𝑣 ≥ 30 la distribución se
aproxima a la normal.
 2 2
Distribución Chi Cuadrado 𝑃 𝜒𝑣 > 𝜒𝑣,𝛼 =𝛼
2
𝑃 𝜒72 > 5 → 𝑣 = 7; 𝜒7,𝛼 = 5 → 𝑃 𝜒72 > 5 = 0.6600 → 𝛼 = 0.6600

𝜒72

2 2 2 2
𝑃 𝜒10 > 𝜒10,0.575 = 0.575 → 𝑣 = 10; 𝛼 = 0.575; 𝜒10,0.575 =? → 𝜒10,0.575 = 8.553

2
𝜒10

α=0.575
2
𝜒10,0.575
 2 2
Distribución Chi Cuadrado 𝑃 𝜒𝑣 > 𝜒𝑣,𝛼 =𝛼
2 2 2
𝑃 12.4 < 𝜒24 < 16.35 = 𝑃 𝜒24 > 12.4 − 𝑃 𝜒24 > 16.35

2
𝜒24

12.4 16.35

2 2 2
𝑃 𝜒24 > 12.4 → 𝑣 = 24; 𝜒24,𝛼 = 12.4 → 𝑃 𝜒24 > 12.4 = 0.9750 = 𝛼
2 2 2
𝑃 𝜒24 > 16.35 → 𝑣 = 24; 𝜒24,𝛼 = 16.35 → 𝑃 𝜒24 > 16.35 = 0.8750 = 𝛼
2 2 2
𝑃 12.4 < 𝜒24 < 16.35 = 𝑃 𝜒24 > 12.4 − 𝑃 𝜒24 > 16.35 = 0.9750 − 0.8750 = 0.1
Distribución t de Student
Sea 𝑋 una variable aleatoria continua que distribuye 𝑡 con 𝑣 grados de libertad.
Variable aleatoria Propiedades Función de densidad de probabilidad Esperanza Varianza
matemática
𝑍 La forma de 𝑓(𝑥) es 𝑋 ~ 𝑇𝑣 𝐸 𝑋 =0 𝑣
𝑇= 𝑉(𝑋) =
𝑉/𝑣 simétrica respecto a 𝑣−2
𝑣+1
cero y depende de los −
Γ[(𝑣 + 1)/2] 𝑥2 2
𝑍: Variable aleatoria grados de libertad 𝑣 𝑓 𝑥 = Γ(𝑣/2) ∙ 𝜋𝑣 ∙ 1 + 𝑣
normal estándar (Para 𝑣 ≥ 30 se
𝑉: Variable aleatoria 𝜒 2 aproxima a la normal). Para −∞ < 𝑥 < ∞
con 𝑣 grados de libertad 𝑋 toma valores 𝑣: Grados de libertad
𝑇: Variable aleatoria que negativos y positivos. 𝑥: Valores que toma 𝑋
representa la distribución 𝑡 Γ: Función Gamma
con 𝑣 grados de libertad si
𝑉 y 𝑍 son independientes

Fórmulas en Excel: DISTR.T.N(x,grados_de_libertad,acumulado);

DISTR.T.CD(x,grados_de_libertad)
Distribución t de Student 𝑃 𝑇𝑣 > 𝑡𝑣,𝛼 = 𝛼

𝑣=3
La distribución 𝑡 tiene colas más
largas que la distribución normal.

A medida que los grados de libertad

𝑣 = 20 aumentan, la distribución tiende a la
distribución normal estándar.

Como en toda función de densidad el

𝑣 = 50 área bajo la curva es 1.

Cuando 𝑣 ≥ 30 la distribución se
aproxima a la normal.

𝑡𝑣,𝛼 → 𝑡𝑣,1−𝛼 = −𝑡𝑣,𝛼

Distribución t de Student 𝑃 𝑇𝑣 > 𝑡𝑣,𝛼 = 𝛼
𝑃 𝑇5 > 1.1558 → 𝑣 = 5; 𝑡5,𝛼 = 1.1558 → 𝑃(𝑇5 > 1.1558) = 0.15 → 𝛼 = 0.15

𝑇5

1.1558

𝑃 𝑇5 < 1.1558 → 𝑣 = 5; 𝑡5,𝛼 = 1.1558 → 𝑃 𝑇5 < 1.1558 = 1 − 𝑃 𝑇5 > 1.1558 = 1 − 0.15 = 0.85

𝑇5

1-α

1.1558
Distribución t de Student 𝑃 𝑇𝑣 > 𝑡𝑣,𝛼 = 𝛼
𝑃 𝑇12 > 𝑡12,0.05 = 0.05 → 𝑣 = 12; 𝛼 = 0.05; 𝑡12,0.05 =?→ 𝑡12,0.05 = 1.7823
Percentil 95
𝑇12

α=0.05

𝑡12,0.05

𝑃 0.8702 < 𝑇13 < 3.012 = 𝑃 𝑇13 > 0.8702 − 𝑃 𝑇13 > 3.012

𝑇13 𝑃 𝑇13 > 0.8702 → 𝑣 = 13; 𝑡13,𝛼 = 0.8702 → 𝑃 𝑇13 > 0.8702 = 0.2
𝑃 𝑇13 > 3.012 → 𝑣 = 13; 𝑡13,𝛼 = 3.012 → 𝑃 𝑇13 > 3.012 = 0.005
𝑃 0.8702 < 𝑇13 < 3.012 = 0.2 − 0.005 = 0.195

0.8702 3.012
Distribución Fisher
Sea 𝑋 una variable aleatoria continua que distribuye 𝐹 con 𝑣1 grados de libertad en
el numerador y 𝑣2 grados de libertad en el denominador.
Variable aleatoria Propiedades Función de densidad de Esperanza Varianza
probabilidad matemática
𝑉1 /𝑣1 La forma de 𝑓(𝑥) es 𝑋 ~ 𝐹𝑣1,𝑣2 𝐸 𝑋 = 𝑉 𝑋 =
𝐹= sesgada a la 𝑣2
𝑉2 /𝑣2 𝑣22 ∙ 2𝑣2 + 2𝑣1 − 4
𝑓 𝑥 =
derecha y depende 𝑣2 − 2 𝑣1 ∙ 𝑣2 − 2 2 ∙ 𝑣2 − 4
𝑉𝑖 : Variables aleatorias 𝑣1 + 𝑣2 𝑣1
de los grados de Γ 𝑣1 2 𝑥
𝑣1 −2
Para 𝑣2 > 2 Para 𝑣2 > 4
independientes con 2 ∙ ∙
2
libertad 𝑣1 y 𝑣2 𝑣 𝑣 𝑣2 𝑣1 +𝑣2
distribución 𝜒 2 Γ 21 ∙ Γ 22 𝑣 ∙𝑥
1+ 1
2
(Para 𝑣1 ≥ 30 y 𝑣2
𝐹: Variable aleatoria que 𝑣2 ≥ 30 se
representa la distribución Para 𝑥 ≥ 0
aproxima a la
𝐹 con 𝑣1 y 𝑣2 grados de normal). 𝑣𝑖 : Grados de libertad
libertad en el numerador 𝑥: Valores que toma 𝑋
𝑋 toma valores no
y denominador Γ: Función Gamma
negativos.
respectivamente.
Fórmulas en Excel: DISTR.F.N(x,grados_de_libertad1,grados_de_libertad2,acumulado);
DISTR.F.CD(x,grados_de_libertad1,grados_de_libertad2)
Distribución Fisher 𝑃 𝐹𝑣1,𝑣2 > 𝑓𝑣1,𝑣2,𝛼 = 𝛼

𝑣1 = 1 𝑣1 = 5
𝑣2 = 1 𝑣2 = 10 A medida que los grados de libertad
aumentan, la distribución va perdiendo
el sesgo.

Como en toda función de densidad

el área bajo la curva es 1.

Cuando 𝑣1 ≥ 30 y 𝑣2 ≥ 30 la
𝑣1 = 15 𝑣1 = 40 distribución se aproxima a la normal.
𝑣2 = 20 𝑣2 = 40
Si 𝛼 > 0.5 (está en cola izquierda)
1
𝑓𝑣1,𝑣2,1−𝛼 =
𝑓𝑣2,𝑣1,𝛼
Distribución Fisher 𝑃 𝐹𝑣1,𝑣2 > 𝑓𝑣1,𝑣2,𝛼 = 𝛼
𝑃 𝐹11,2 > 3.4 → 𝑣1 = 11; 𝑣2 = 2; 𝑓11,2,𝛼 = 3.4 → 𝑃(𝐹11,2 > 3.4) = 0.2491 → 𝛼 = 0.2491
𝐹11,2

3.4

𝑃 1.16 ≤ 𝐹12,6 ≤ 1.49 = 𝑃 𝐹12,6 > 1.16 − 𝑃 𝐹12,6 > 1.49

𝐹12,6 𝑃 𝐹12,6 > 1.16 → 𝑣1 = 12; 𝑣2 = 6; 𝑓12,6,𝛼 = 1.16 → 𝑃 𝐹12,6 > 1.16 = 0.4513

𝑃 𝐹12,6 > 1.49 → 𝑣1 = 12; 𝑣2 = 6; 𝑓12,6,𝛼 = 1.49 → 𝑃 𝐹12,6 > 1.49 = 0.3246

𝑃 1.16 ≤ 𝐹12,6 ≤ 1.49 = 0.4513 − 0.3246 = 0.1267

1.16 1.49
Distribución Fisher 𝑃 𝐹𝑣1,𝑣2 > 𝑓𝑣1,𝑣2,𝛼 = 𝛼
𝑓27,7,0.01 → 𝑣1 = 27; 𝑣2 = 7; 𝛼 = 0.01; 𝑓27,7,0.01 =? → 𝑓27,7,0.01 = 6.03
Percentil 99
𝐹27,7

α=0.01

𝑓27,7,0.01

𝑃 𝐹2,22 ≤ 2.92 → 𝑣1 = 2; 𝑣2 = 22; 𝑓2,22,𝛼 = 2.92

𝐹2,22 Note que 𝑃 𝐹2,22 ≤ 2.92 = 1 − 𝑃 𝐹2,22 > 2.92 = 1 − 0.075 = 0.9250 → 𝛼 = 0.075

1-α

2.92
Distribución Fisher 𝑃 𝐹𝑣1,𝑣2 > 𝑓𝑣1,𝑣2,𝛼 = 𝛼
𝑓5,20,0.95 → 𝛼 > 0.5 luego 𝑓5,20,0.95 está en la cola izquierda

1 1
En la tabla solo aparecen valores para 𝛼 < 0.5 , luego 𝑓𝑣1,𝑣2,1−𝛼 = → 𝑓5,20,0.95 =
𝑓𝑣2,𝑣1,𝛼 𝑓20,5,0.05

𝐹20,5
𝑓20,5,0.05 = 4.56

1
𝑓5,20,0.95 = = 0.219
4.56
α=0.05
𝑓20,5,0.05