1 .

VARIABLES ALEATORIAS DISCRETAS:

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