Distribución Chi Cuadrado - T Student - Sdenecer
Distribución Chi Cuadrado - T Student - Sdenecer
Distribución Chi Cuadrado - T Student - Sdenecer
La distribución Chi-Cuadrado se usa para ver si una muestra de datos se ajusta a un patrón
esperado. Por ejemplo, si lanzas una moneda al aire 100 veces y quieres saber si sale cara y cruz
aproximadamente la misma cantidad de veces, puedes usar la distribución Chi-Cuadrado para
comprobarlo.
La fórmula de la distribución Chi-Cuadrado es:
χ² = Σ (Oi - Ei)² / Ei
Donde:
Oi es el valor observado (lo que realmente pasó)
Ei es el valor esperado (lo que debería pasar si la moneda es justa)
Σ significa que hay que sumar todos los valores
Si el resultado de la fórmula es un número pequeño, significa que los valores observados y
esperados son parecidos, por lo que la muestra se ajusta al patrón esperado. Si el resultado es
grande, significa que hay diferencias importantes entre lo observado y lo esperado.
Supongamos que lanzas una moneda al aire 100 veces y obtienes los siguientes resultados:
55 caras
45 cruces
Queremos comprobar si la moneda es justa, es decir, si la probabilidad de que salga cara o cruz es
la misma (0.5 cada una).
Aplicamos la fórmula de la distribución Chi-Cuadrado:
χ² = Σ (Oi - Ei)² / Ei
Donde:
Oi son los valores observados: 55 caras y 45 cruces
Ei son los valores esperados si la moneda es justa: 50 caras y 50 cruces (0.5 x 100 lanzamientos)
Calculamos:
χ² = (55 - 50)² / 50 + (45 - 50)² / 50
χ² = 25 / 50 + 25 / 50
χ² = 0.5 + 0.5
χ² = 1
Comparamos el resultado con un valor crítico de la distribución Chi-Cuadrado para 1 grado de
libertad (número de categorías - 1) y un nivel de significancia del 5%.
El valor crítico es aproximadamente 3.84. Como nuestro resultado (1) es menor que 3.84,
concluimos que no hay evidencia suficiente para decir que la moneda no es justa. La muestra se
ajusta al patrón esperado de una moneda justa.
Distribución T de Student
La distribución T de Student se usa cuando tienes una muestra pequeña de datos y quieres estimar
la media de toda la población. Por ejemplo, si mides la altura de 10 niños de una clase y quieres
saber cuál es la altura media de todos los niños de la clase.
La fórmula de la distribución T de Student es:
t = (x̄ - μ) / (s / √n)
Donde:
x̄ es la media de la muestra
μ es la media de la población (que no conocemos)
s es la desviación estándar de la muestra
n es el tamaño de la muestra
Si el resultado de la fórmula es un número pequeño, significa que la media de la muestra es
parecida a la media de la población. Si el resultado es grande, significa que hay diferencias
importantes entre la media de la muestra y la media de la población.
Supongamos que medimos la altura de 10 niños de una clase y obtenemos los siguientes datos:
160, 155, 162, 158, 163, 161, 157, 159, 164, 162 (en cm)
Queremos estimar la altura media de todos los niños de la clase.
Calculamos la media de la muestra:
x̄ = (160 + 155 + 162 + 158 + 163 + 161 + 157 + 159 + 164 + 162) / 10
x̄ = 1,631 / 10
x̄ = 163.1 cm
Calculamos la desviación estándar de la muestra:
s = √(Σ(x - x̄)² / (n-1))
s = √((160-163.1)² + (155-163.1)² + ... + (162-163.1)²) / (10-1)
s = √(9 + 64.41 + ... + 1.21) / 9
s = √(90.62) / 9
s = 3.16 cm
Aplicamos la fórmula de la distribución T de Student:
t = (x̄ - μ) / (s / √n)
Donde:
x̄ = 163.1 cm
μ es la altura media desconocida de toda la población
s = 3.16 cm
n = 10 niños
Despejando μ:
μ = x̄ - t * (s / √n)
Usando un valor crítico de la distribución T de Student para 9 grados de libertad (n-1) y un nivel de
significancia del 5%, obtenemos un valor crítico aproximado de 2.26.
Reemplazando:
μ = 163.1 - 2.26 * (3.16 / √10)
μ = 163.1 - 2.26 * 1
μ = 163.1 - 2.26
μ = 160.84 cm
Por lo tanto, con un 95% de confianza, la altura media de todos los niños de la clase está entre
160.84 cm y 165.36 cm (163.1 + 2.26).
La distribución de Snedecor