DISTRIBUCIN BINOMIAL 2. VARIABLES ALEATORIAS CONTINUAS: DISTRIBUCIN NORMAL 3. VARIABLES ALEATORIAS CONTINUAS: DISTRIBUCIN c 2 4. VARIABLES ALEATORIAS CONTINUAS: DISTRIBUCIN t 5. VARIABLES ALEATORIAS CONTINUAS: DISTRIBUCIN F Tema 8. Principales distribuciones de probabilidad 1. Variables aleatorias discretas: Distribucin binomial Existen tres modelos para variables discretas: distribucin uniforme, distribucin binomial y distribucin multinomial.
DISTRIBUCIN UNIFORME: Una variable aleatoria discreta se distribuye segn el modelo uniforme si todos los valores con probabilidad no nula son equiprobables. DISTRIBUCIN BINOMIAL I Para que una variable se ajuste al MODELO BINOMIAL debe cumplir los siguientes requisitos: 1. Ser una variable dicotmica (por ejemplo, mujer vs. hombre) o dicotomizada (por ejemplo, edad mayor de 65 vs. menor). En general, las variables que estn a la base de una distribucin binomial son aquellas que adoptan la regla de asignar un 1 si se cumple una cierta condicin y un 0 si no se cumple. 2. Repeticin n de ensayos de la variable dicotmica en los que la probabilidad de que en cada repeticin se verifique la condicin sea constante. La verificacin de la condicin debe ser independiente de la verificacin en los anteriores. A la probabilidad de verificacin de la condicin en cada ensayo independiente la representamos por . 3. Que se defina la variable X como el nmero de casos que en la secuencia de n ensayos dicotmicos verifican la condicin especificada. Nmero de sujetos que yo saco al azar (n) de la poblacin y que verifican la condicin. DISTRIBUCIN BINOMIAL II Si se cumplen los 3 criterios, la variable X se ajusta a un modelo binomial con parmetros n y , y se representa por B(X; n, )
Ejemplo en tabla: Escogemos al azar a 8 alumnos de psicologa de la UV. Sabemos que la proporcin en la poblacin de hombres es de 0.30. Cul es la probabilidad de que de los 8 alumnos, como mximo 5 alumnos sean chicos? 2. Variables aleatorias continuas: Distribucin normal La curva normal es, adems de un instrumento para inferencia estadstica, el modelo al que se ajustan muchas variables de inters en psicologa (la estatura, el peso, el cociente intelectual, la extraversin, el razonamiento espacial) En las variables que se ajustan al modelo normal, existe un valor central (la media) en torno al cual se concentran la mayor parte de los individuos, y a medida que los valores se alejan de sta van siendo menos frecuentes. Esta reduccin no es lineal: es mayor al principio y menor despus. CARACTERSTICAS DE LA DISTRIBUCIN NORMAL Se representa de manera compacta como X N (, )
Es una distribucin simtrica y unimodal (en el valor central coinciden la media, la mediana y la moda) Como cualquier otra distribucin, el rea bajo la curva es 1.
Existe toda una familia de curvas normales. La ms importante es la DISTRIBUCIN NORMAL ESTANDARIZADA: N(0, 1) EJERCICIOS CON TABLA I Supongamos que la variable X se distribuye N(50, 8). Obtn las siguientes probabilidades: a) La de observar un valor como mucho igual a 56 b) La de observar un valor como mnimo igual a 52.8 c) La de observar un valor comprendido entre 40.8 y 48.3
Primero, procedemos a convertir los valores a puntuaciones tpicas. Despus, buscamos en tabla ese valor. En el caso de que sea un valor como mucho igual a, ya tenemos la probabilidad (ejemplo a). En el caso de que sea como mnimo igual a, habr que restar a 1 la probabilidad encontrada (ejemplo b). En el caso de probabilidad de encontrar un valor comprendido entre dos valores, habr que calcular la diferencia entre probabilidades (ejemplo c). EJERCICIOS CON TABLA II Supongamos que la variable X se distribuye N(50, 8). Obtn los valores de la variable para los cuales se cumplen las siguientes condiciones: a) Aquel para el que la probabilidad de observar un valor como mucho igual a l es 0.1736 b) Aquel para el que la probabilidad de observar un valor como mnimo igual a l sea 0.9207
En el ejemplo a, primero obtenemos el valor de z correspondiente a esa probabilidad. Despus, destipificamos el valor. En el ejemplo b, primero obtenemos el valor de z correspondiente a esa probabilidad. Al tratarse de la probabilidad de observar ese valor como mnimo, restamos a 1 el valor de z encontrado. Despus destipificamos el valor de z. 3. Variables aleatorias continuas: Distribucin c 2 La distribucin c 2 nos interesar en estadstica inferencial, para los casos concretos de combinacin de variables aleatorias normales cuya distribucin se ajuste a este modelo. Se trata de la suma de valores de la normal unitaria elevados al cuadrado.
El nmero de valores sumados es el nico parmetro de este modelo de distribucin. Ese nmero de sumandos se conoce como grados de libertad (gl o v).
CARACTERSTICAS DE LA DISTRIBUCIN c 2 Nunca adopta valores menores de 0 Es asimtrica positiva Es en realidad una familia de curvas, en funcin de los grados de libertad. Es decir, hay una distribucin chi-cuadrado con 1 gl, una distribucin chi-cuadrado con 2 gl, etc. (los grados de libertad son siempre nmeros positivos) A medida que aumentan los grados de libertad, la distribucin se hace ms y ms simtrica EJERCICIOS CON TABLA I Queremos obtener valores que cumplen ciertas condiciones de probabilidad. Supongamos que la variable T se distribuye c 2 7 , y queremos hallar: a) El valor tal que la probabilidad de obtener como mximo ese valor sea igual a 0.20 b) El valor tal que la probabilidad de obtener como mnimo ese valor sea 0.30 c) Los valores que generan una particin de la distribucin en 4 zonas con la misma rea EJERCICIOS CON TABLA II Queremos obtener las probabilidades asociadas a ciertos valores. Localizaremos el valor de inters en el interior de la tabla leyendo la columna en la que aparece. Supongamos que la variable T se distribuye c 2 16 , y queremos hallar: a) La probabilidad de observar como mucho un valor igual a 26.296 b) La probabilidad de observar un valor como mnimo igual a 9.312 c) La probabilidad de observar un valor comprendido entre 12.624 y 29.633 4. Variables aleatorias continuas: Distribucin t de Student Es simtrica y unimodal, con media en 0 Es una familia de curvas, en funcin de los llamados grados de libertad. Hay una distribucin t de Student con 1 gl, una distribucin t de Student con 2 gl, etc. A medida que aumentan los grados de libertad, la distribucin tiende ms y ms a una distribucin normal estandarizada Se emplea, por ejemplo, en pruebas de contraste de dos medias EJERCICIOS CON TABLA I Queremos obtener los valores que cumplen ciertas condiciones probabilsticas. Suponemos que la variable T se distribuye segn el modelo t 18 y queremos obtener: a) El valor para el que la probabilidad acumulada es 0.25* b) El valor para el que la probabilidad de observar valores mayores es igual a 0.05
*Importante: Al ser una distribucin simtrica con media en 0, cualquier valor que deje un rea izquierda menor de 0.50 ser negativo. EJERCICIOS CON TABLA II Ahora vamos a obtenemos las probabilidades asociadas a valores concretos. Supongamos que la variable T se distribuye con el modelo t de Student con 25 gl. Queremos obtener: a) La probabilidad de que la variable adopte valores como mucho iguales a 1.316 b) Valores como mnimo iguales a -0.256 c) Valores comprendidos entre 0 y 2.06 5. Variables aleatorias continuas: Distribucin F de Snedecor o de Fisher
La distribucin F se genera a partir de una composicin de otras variables aleatorias con distribucin conocida. En concreto, a partir de dos variables aleatorias distribuidas segn c 2 . Nunca adopta valores menores de 0 (como la c 2 ) Es asimtrica positiva (como la c 2 ) Es en realidad una familia de curvas, en funcin de los gl del numerador y del denominador (la distribucin F equivale a una razn entre c 2 , de ah que se hable de gl en el numerador y en el denominador): F m, n Se emplea, por ejemplo, en anlisis de varianza (ANOVA) EJERCICIOS CON TABLA I Queremos obtener los valores que cumplen ciertas condiciones probabilsticas. Suponemos que la variable T se distribuye segn el modelo F 10,20 y queremos obtener: a) El valor para el que la probabilidad de observar como mucho ese valor es 0.05 b) El valor para el que la probabilidad de observar como mnimo ese valor es 0.90 EJERCICIOS CON TABLA II Ahora vamos a obtenemos las probabilidades asociadas a valores concretos. La variable T se distribuye con el modelo F 12,4 y queremos obtener: a) La probabilidad de obtener un valor como mucho igual a 1.13 b) La probabilidad de obtener un valor como mnimo igual a 3.90 c) La probabilidad de obtener un valor comprendido entre 0.307 y 0.645