DISTRIBUCIN T-STUDENT

Definicin de distribucin t de Student

Si es una variable aleatoria con distribucin normal de media 0 y varianza 1 y es otra variable aleatoria, independiente de con
distribucin entonces sigue una distribucin t de Student de grados de libertad.
Si (X,X1,X2,...,Xn) son n+1 variables aleatorias normales independientes de media 0 y varianza o2, la variable

=
=
n
1 i
2
i
n
X
n
1
X
Y
tiene una distribucin t-Student con n grados de libertad. Su funcin de densidad es


0 x
n
x
1
2
n
2
1 n
n
1
) x ( f
2
1 n
2
>
|
|
.
|

\
|
+
|
.
|

\
|
I
|
.
|

\
| +
I
t
=
+

siendo
}

= I
0
x 1 P
dx e X ) P ( la funcin gamma de Euler con P>0. La media de la distribucin t-Student es E(X)=0 y su varianza V(X)=n/(n-2), la
cual no existe para grados de libertad menores que 2.
Esta distribucin aparece en algunos contrastes del anlisis normal. La distribucin t-Student se construye como un cociente entre una normal Z~N(0,1)
y la raz de una Chi
2
n
_ independientes. De modo preciso, llamamos distribucin t-Student con n grados de libertad, tn a la de una variable aleatoria T,
n
2
n
t
n
1
Z
T ~
_
= y adems,
n
n
1 i
2
i
i i
t
X
n
1
X
T ~
|
|
.
|

\
|
o

o

=

=





Para calcular
dx
n
x
1
n
2
n
2
1 n
dt ) t ( f ) t T ( P
t t
2 / ) 1 n (
2
} }

+
|
|
.
|

\
|
+
t
|
.
|

\
|
I
|
.
|

\
| +
I
= = s
Sea un estadgrafo t calculado para la media con la relacin
( )
n
x
t
o

=

Ejemplo, En 16 recorridos de prueba de una hora cada uno, el consumo de gasolina de un motor es de 16.4 gal, con una desviacin estndar de 2.1 gal.
Demuestre que la afirmacin que el consumo promedio de gasolina de este motor es 12.0 gal/hora

Solucin, Sustituyendo n=16, =12.0, x=16.4 y s=2.1 en la formula de t-Student, se tiene
38 . 8
16 1 . 2
0 . 12 4 . 16
n s
x
t =

=

=
Para el cual en las tablas, para o=5% y 15 gl es insignificante, y por tanto se puede concluir que el consumo de 12 gal/h es real
CHI-CUADRADO
Definicin de chi-cuadrado
Si para todo , sigue una distribucin normal con media 0 y varianza 1 entonces sigue una distribucin chi-
cuadrado con grados de libertad. Esto lo expresamos del siguiente modo: .
Teorema
Sean variables aleatorias independientes normalmente distribuidas, con media 0 y varianza comun .
Entonces, , donde es una matriz simtrica, sigue una distribucin chi-cuadrado de grados de libertad si y
slo si es una matriz idempotente.
Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hiptesis nula de la prueba Chi-
cuadrado postula una distribucin de probabilidad totalmente especificada como el modelo matemtico de la poblacin
que ha generado la muestra.
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada valor o intervalo de valores se
indica la frecuencia absoluta observada o emprica (Oi). A continuacin, y suponiendo que la hiptesis nula es cierta, se
calculan para cada valor o intervalo de valores la frecuencia absoluta que cabra esperar o frecuencia esperada (Ei=npi ,
donde n es el tamao de la muestra y pi la probabilidad del i-simo valor o intervalo de valores segn la hiptesis nula).
El estadstico de prueba se basa en las diferencias entre la Oi y Ei y se define como:

Distribucin Chi-cuadrado
Si ,........, ,
2 1 n
X X X son v.a. que siguen una distribucin normal tipificada N(0,1), entonces X= ........ +
2 2
2
2
1 n
X X X + + sigue
una distribucin _
n
2
. ; E X n Var X n ( ) ( ) = = 2
DISTRIBUCIN CHI
2
CUADRADO DE PEARSON
Si (X1,X2,...,Xn) son n variables aleatorias normales independientes de media 0 y varianza 1, la variable definida como

se dice que tiene una distribucin CHI con n grados de libertad. Su funcin de densidad es
0 x e x
2
2
n
1
) x ( f
2 / x 2 / ) 2 n (
n
>
|
.
|

\
|
I
=


siendo
}

= I
0
x 1 P
dx e X ) P ( la funcin gamma de Euler, con P>0. La funcin de distribucin viene dada por

=
= + + =
n
1 i
2
i
2
n
2
1 n
X X X Y

La media de esta distribucin es E(X)=n y su varianza V(X)=2n. Esta distribucin es bsica en un determinado nmero de pruebas no paramtricas.
Si consideramos una variable aleatoria Z~N(0,1), la variable aleatoria X=Z
2
se distribuye segn una ley de probabilidad distribucin CHI con un grado de
libertad
Si tenemos n variable aleatoria independientes Zi~N(0,1), la suma de sus cuadrados respectivos es una distribucin CHI con n grados de libertad,

=
_ ~ ~
n
1 i
2
n
2
i i
Z ) 1 , 0 ( N Z
La media y varianza de esta variable son respectivamente, E(X)=n y V(X)=2n
Ejemplo, El espesor de un semiconductor se controla mediante la variacin estndar no mayor a o=0.60 mm. Para mantener controlado el proceso se
toman muestras aleatoriamente de tamao de 20 unidades, y se considera que el sistema est fuera de control cuando la probabilidad de que o2 tome
valor mayor o igual al valor de la muestra observado es que es 0.01. Que se puede concluir si s=0.84mm?
Solucin. Existe fuera de control si
2 2
/ s ) 1 n ( o con n=20 y o=0.60, excede 191 . 36
2
19 , 01 . 0
= _
Entonces, 24 . 37
60 . 0
84 . 0 * 19 s ) 1 n (
2
2
2
2
= =
o

Por tanto, el sistema est fuera de control
La funcin de distribucin CHI tienen importantes variaciones de acuerdo con los grados de libertad y del tamao muestral (menor tamao muestral y
mayor tamao muestral respectivamente),



En consecuencia, si tenemos X1,..,Xn, variable aleatoria independientes, donde cada
) , ( N X
i i i
o ~ , se tiene

=
_ ~
|
|
.
|

\
|
o

n
1 i
2
n
2
i
i i
X

La distribucin Chi muestra su importancia cuando queremos determinar la variabilidad (sin signo) de cantidades que se distribuyen en torno a un valor
central siguiendo un mecanismo normal.

}
= s =
x
0
dx ) x ( f ) x X ( P ) x ( F