U niversidad N acional de Crdoba

Facultad de Ciencias E conmicas

Estadstica II
Docentes:
Profesor Adjunto:
Mgter. Fernando Garcia
Auxiliares docentes:
Cra. Lorena Anaya
Lic. Mara Eugenia Ochoa
Horarios de clases
Martes
17:30 a 19:00 Aula
R
Terico
Mircoles 19:00 a 21:00 Aula
R y F Prctico
Jueves
17:30 a 19:00 Aula
R
Terico

Estadstica II
Objetivos generales:
Comprender el significado, posibilidades y limitaciones de la
Inferencia Estadstica.
Aplicar las distintas metodologas estadsticas ante diferentes
situaciones en el marco de su futura actividad profesional, as
como en otras asignaturas del plan de estudios.
Enfoque del curso
Dado que se trata de una disciplina eminentemente aplicada, el
enfoque con que se encara la asignatura tiende a lograr una
comprensin ms intuitiva que matemtica.
Se dispone de software de aplicacin estadstica (InfoStat, SPSS,
Excel, XLSTAT, R).

Contenidos
Consultar el programa de la materia.

Estadstica II
Evaluaciones
Parciales: dos evaluaciones parciales terico-prctico. Se puede
recuperar uno.
Fechas: Primer parcial:
26 de setiembre
Segundo parcial: 24 de octubre
Recuperatorio:
8 de noviembre

Materiales de estudio
Gua estudio: material del CBD. Bibliografa bsica y de consulta.

Examen final: escrito tericoprctico

Uso de la plataforma educativa

notas de clase, ejercicios, noticias, foros de discusin

Estadstica II

Horarios de consulta
Mgter. Fernando Garcia
Martes 16:30 hs
Box 351 (Departamento de Estadstica y Matemtica)
Box 318 (Instituto de Estadstica y Demografa)

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal
Revisin de Estadstica I

Se derivaron las distribuciones de los estimadores/estadsticos

que ms se utilizan en la prctica: media muestral y proporcin
muestral. Ambos, por ser funciones de observaciones muestrales,
son variables aleatorias y por lo tanto tienen su funcin de
probabilidad (se puede calcular su esperanza y varianza). La
aplicacin del Teorema Central del Lmite nos permiti concluir
que bajo condiciones no muy exigentes, ambos estadsticos tenan
distribucin Normal.

Los temas estudiados en el ltimo captulo Distribuciones en el

muestreo constituyen la base terica de la Inferencia
Estadstica, rama de la Estadstica que, con base en la teora de
probabilidad,
probabilidad nos permite expandir los resultados de la muestra
hacia la poblacin de la cual fue extrada.

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Distribuciones derivadas de la Normal

Presentaremos tres distribuciones de probabilidad derivadas a
travs de transformaciones de una variable normal: Chi-cuadrado,
t de Student y F de Snedecor. Desempean un papel muy
importante en inferencia estadstica y tienen asociados
p
q
parmetros que
se conocen con el nombre de GRADOS DE
LIBERTAD.
Grados de libertad: es el nmero de observaciones linealmente
independientes que existen en una suma de cuadrados. A los
efectos prcticos los grados de libertad asociados a un estadstico
son el nmero de observaciones disponibles, menos el nmero de
estimadores calculados a partir de los datos.
n

Ejemplo: varianza muestral

S2

(X
i 1

X )2

n 1

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Distribucin Chi-Cuadrado
Sea X 1 , X 2 , . .., Xn una muestra aleatoria de tamao n extrada
2
de una poblacin Normal ( , ) . Es decir E ( X i ) y Var ( X i )
Estandarizamos las n variables aleatorias, es decir Z i

Xi

Si se suman los cuadrados de las n variables aleatorias, se

obtiene una variable aleatoria con distribucin Chi-Cuadrado con n
grados de libertad.

i 1

i 1

W Z i2

( X i )2

El nico parmetro de la distribucin son los grados de libertad.

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Algunas caractersticas:
1. Asume valores no negativos
Presenta asimetra derecha (se corrige a medida que aumenta n)
2.
3.

. (W ) n
E

Var (W ) 2n

Funcin de densidad:

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal
Distribucin Chi cuadrado con n grados de libertad
0,18

0,14

Densidad

n=4

0,09

n=10

0,05

0,00
0,00

4,54

9,07

13,61

18,14

Variable

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Aplicacin:
Generalmente
resultando
n

es desconocida por lo que la reemplazamos por

( X i X )2

i 1

X,

n 1

siendo su expresin ms frecuente

(n 1) S 2

n 1

Este estadstico se utiliza para hacer inferencias respecto a

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Distribucin F de Snedecor
Sean U y V variables aleatorias independientes con distribucin ChiCuadrado con m y n grados de libertad respectivamente; la
variable F con m grados de libertad en el numerador y n grados de
libertad en el denominador se obtiene haciendo:

U m
V n

U m
Fm ,n
V n

Funcin de densidad:

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Distribucin F de Snedecor con m y n grados de libertad

1,0

0,8

De
ensidad

m=15, n=15
0,5

0,3

0,0
0,00

m=5, n=5

1,00

2,00

3,00

4,00

Variable

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Aplicacin:
Toda vez que se necesite comparar dos sumas de cuadrados
independientes se deber construir un test F.
Sean

(n 1) S
1

12

2
1

n1 1

(n2 1) S22

22

n2 1

(n1 1) S12

12

definimos

n 1
S 2 2
1
1 2 Fn1 1,n2 1
(n2 1) S 22 S 22 12

22

n2 1

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Distribucin t de Student
Sean Z una v.a. con distribucin Normal (0,1) y U una v.a. con
distribucin Chi-Cuadrado con v grados de libertad, ambas
independientes; se define una variable t

Z N (01) U n

independientes

Z
T
tn
U
n

Funcin de densidad:

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Caractersticas:
1.
Asume valores reales y es simtrica.
n
2. E (T ) 0 Var (T )
para n 2 (presenta mayor dispersin
n2
que la Normal)
Distribucin T de Student con n grados de libertad
0,40

n=25
0,30

Densidad

0,20

n=3

0,10

0,00
-5,00

-2,50

0,00

2,50

5,00

Variable

Captulo I:
Distribuciones de probabilidad derivadas de la
Distribucin Normal

Aplicacin:
Sean Z

N (0,1) y U (n 1) S independientes (*),

n 1
2
2

entonces

(n 1) S 2

tn 1
S
n

n
S

n 1
(*) Se puede demostrar que si la poblacin es normal
independientes

X y S 2 son