ETN840

Mara Cecilia Ballesteros Gonzales

Tarea: FUNCIONES ESTADISTICAS

FUNCION NORMAL

- Caso

Cuando en un fenmeno se sospecha la presencia de un gran nmero de pequeas causas

actuando de forma aditiva e independiente es razonable pensar que las observaciones sern
"normales".
Hay causas que pueden actuar de forma multiplicativa (ms que aditiva). En este caso, la asuncin
de normalidad no est justificada y es el logaritmo de la variable en cuestin el que estara
normalmente distribuido. La distribucin de las variables directamente observadas en este caso se
denomina log-normal.
- Datos

Variable aleatoria continua: X.

Media: .
Desviacin tpica: .

- Modelo Matemtico

Una variable aleatoria continua, X, sigue una distribucin normal de media y desviacin tpica
, y se designa por N(, ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva de
Gauss:

- Resultados

La probabilidad equivale al rea encerrada bajo la curva.

p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %
ETN840
Mara Cecilia Ballesteros Gonzales
Tarea: FUNCIONES ESTADISTICAS
PROPIEDADES

1. Su esperanza es .
2. Su varianza es 2 y, por tanto, su desviacin tpica es .
3. Es simtrica respecto a su media , como puede apreciarse en la representacin anterior.
4. Media, moda y mediana coinciden ().
5. Cualquier transformacin lineal de una variable con distribucin Normal seguir tambin el
modelo Normal. Si X ~ N(, ) y definimos Y = aX + b (con a 0), entonces Y ~ N(a + b, |a|
). Es decir, la esperanza de Y ser a + b y su desviacin tpica, |a|.
6. Cualquier combinacin lineal de variables normales independientes sigue tambin una
distribucin Normal. Es decir, dadas n variables aleatorias independientes con distribucin
Xi ~ N(i, i) para i = 1, 2, ..., n la combinacin lineal: Y = anXn + an1Xn1+ ... + a1X1 + a0 sigue
tambin el modelo Normal:

FUNCION CUADRADA

- Caso

La distribucin tiene muchas aplicaciones en inferencia estadstica. La ms conocida es la de la

denominada prueba utilizada como prueba de independencia y como prueba de bondad de
ajuste y en la estimacin de varianzas. Pero tambin est involucrada en el problema de estimar la
media de una poblacin normalmente distribuida y en el problema de estimar la pendiente de una
recta de regresin lineal, a travs de su papel en la distribucin t de Student.
Aparece tambin en todos los problemas de anlisis de varianza por su relacin con la distribucin
F de Snedecor, que es la distribucin del cociente de dos variables aleatorias independientes con
distribucin .

- Datos

La distribucin de chi-cuadrado es una distribucin continua que se define por los grados de
libertad y el parmetro de no centralidad. Parmetro k que representa los grados de libertad de la
variable aleatoria.

- Modelo matemtico

Funcin de densidad:
ETN840
Mara Cecilia Ballesteros Gonzales
Tarea: FUNCIONES ESTADISTICAS
- Resultados

FUNCION t STUDENT

- Casos

En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que

surge del problema de estimar la media de una poblacin normalmente distribuida cuando el
tamao de la muestra es pequeo.

- Datos

En la generalidad de los casos, no disponemos de la desviacin standard de la poblacin, sino de

una estimacin calculada a partir de una muestra extrada de la misma y por lo tanto no podemos
calcular Z. En estos casos calculamos el estadstico T:

( x )
T=
s
Con S:

s=

(xxi)2
n1
S es la desviacin standard muestral, calculada con n-1 grados de libertad.

- Modelo Matemtico

- Resultados

Propiedades de las distribuciones t

ETN840
Mara Cecilia Ballesteros Gonzales
Tarea: FUNCIONES ESTADISTICAS

1. Cada curva t tiene forma de campana con centro en 0.

2. Cada curva t, est ms dispersa que la curva normal estndar z.
3. A medida que aumenta, la dispersin de la curva t correspondiente disminuye.
4. A medida que , la secuencia de curvas t se aproxima a la curva normal estndar,
por lo que la curva z recibe a veces el nombre de curva t con gl =

FUNCION MANN- WHITNEY

- Casos

La versin no paramtrica de la habitual prueba t de Student.

- Datos

La prueba de Mann-Whitney se usa para comprobar la heterogeneidad de dos muestras ordinales.

El planteamiento de partida es:
1. as observaciones de ambos grupos son independientes.
2. Las observaciones son variables ordinales o continuas.
3. Bajo la hiptesis nula, la distribucin de partida de ambos grupos es la misma:
P(X > Y) = P(Y > X)
4. Bajo la hiptesis alternativa, los valores de una de las muestras tienden a exceder a los de la
otra: P(X > Y) + 0.5 P(X = Y) > 0.5.

- Modelo Matemtico

Estadstico U:
ETN840
Mara Cecilia Ballesteros Gonzales
Tarea: FUNCIONES ESTADISTICAS

FUNCION ANOVA

- Casos

En estadstica, el anlisis de la varianza (ANOVA, ANalysis Of VAriance, segn terminologa inglesa)

es una coleccin de modelos estadsticos y sus procedimientos asociados, en el cual la varianza
est particionada en ciertos componentes debidos a diferentes variables explicativas.
El anlisis de la varianza permite contrastar la hiptesis nula de que las medias de K poblaciones (K
>2) son iguales, frente a la hiptesis alternativa de que por lo menos una de las poblaciones difiere
de las dems en cuanto a su valor esperado. Este contraste es fundamental en el anlisis de
resultados experimentales, en los que interesa comparar los resultados de K 'tratamientos' o
'factores' con respecto a la variable dependiente o de inters.

- Datos

Las poblaciones (distribuciones de probabilidad de la variable dependiente correspondiente a cada

factor) son normales.
Las K muestras sobre las que se aplican los tratamientos son independientes.
Las poblaciones tienen todas igual varianza (homoscedasticidad).

- Modelo Matemtico

Las expresiones para el clculo de los elementos que intervienen en el Anova son las siguientes:

1. Media Global:

2. Variacin Total:
3. Variacin Intra-grupos:
4. Variacin Inter-grupos:

- Resultados

El ANOVA se basa en la descomposicin de la variacin total de los datos con respecto a la media
global (SCT), que bajo el supuesto de que H0 es cierta es una estimacin de obtenida a partir de
toda la informacin muestral, en dos partes:
Variacin dentro de las muestras (SCD) o Intra-grupos, cuantifica la dispersin de los valores de
cada muestra con respecto a sus correspondientes medias.
Variacin entre muestras (SCE) o Inter-grupos, cuantifica la dispersin de las medias de las
muestras con respecto a la media global.