Distribución Chi Cuadrado - T Student - Sdenecer

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 3

Distribución Chi-Cuadrado

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.

Ejemplo de distribución Chi-Cuadrado

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.

Ejemplo de distribución T de Student

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

La distribución de Snedecor, también conocida como distribución F de Snedecor o distribución de


Fisher-Snedecor, es una distribución de probabilidad que se utiliza en estadística para comparar las
varianzas de dos poblaciones diferentes o independientes. Esta distribución es fundamental en el
análisis de la varianza, ya que permite detectar diferencias significativas entre muestras diferentes
y determinar la relevancia de un factor en el desarrollo y naturaleza de una característica.
Características de la Distribución F de Snedecor:
Se utiliza para comparar varianzas de poblaciones normales.
Se basa en el cociente de las varianzas muestrales de cada población.
Tiene dos parámetros, m y n, que representan los grados de libertad del numerador y del
denominador respectivamente.
Su función de densidad se define mediante la función gamma de Euler.
La distribución F es asimétrica y su apariencia varía según los grados de libertad.
Ejemplo de la Distribución F de Snedecor:
Supongamos que se desea comparar las varianzas de dos poblaciones A y B. Se obtienen dos
muestras aleatorias e independientes de cada población y se calculan las varianzas muestrales. Si
se quiere determinar si las varianzas de ambas poblaciones son iguales, se puede utilizar la
distribución F de Snedecor.
Solución del Ejemplo:
Supongamos que se obtienen las siguientes varianzas muestrales: s12=4 y 𝑠22=9s22=9.
Calculamos el estadístico F:
𝐹=𝑠12/𝑠22=4/9=0.44F=s12/s22=4/9=0.44.
Para determinar la probabilidad teórica de que este cociente sea menor o igual a 0.44, se consulta
la distribución F con los grados de libertad adecuados.
Si se obtiene, por ejemplo, que la probabilidad es del 0.05, se puede concluir que las varianzas de
las poblaciones A y B son significativamente diferentes.
En resumen, la distribución F de Snedecor es una herramienta estadística crucial para comparar
varianzas y determinar diferencias significativas entre muestras, lo que la convierte en un
elemento fundamental en el análisis de la varianza y en la investigación estadística.

También podría gustarte