Distribución CHI Cuadrado X2

Es una medida de la discrepancia existente entre las frecuencias observadas y esperada viene dada por el estadístico (x²) CHI Cuadrado puede utilizarse para determinar la calidad del ajuste.

TABLA:

Distribución “t” de Student

Es una distribución de muestreo estadísticos para pequeñas muestras aunque sus resultados son validos tanto para pequeñas como grandes muestras.

La distribución “t” de Student se llama así en honor a su descubridor W.S. Gossett. Quien publico su obra bajo el seudónimo Student en 1908 en la ciudad de Irlanda.

Distribución de Probabilidad

Puede considerarse como una distribución de frecuencias teóricas o sea una distribución que describe la forma en que se espera varíen los resultados, es decir, que representa una expectativa de que algo suceda por lo que resulta modelos útiles para hacer inferencias y toma de decisiones en condiciones de incertidumbre.

Se clasifican en Discretas y Continuas

En la Discreta está permitida considerar un número limitados de valores.

En la Continua la variable que se está considerando puede tomar un valor cualquiera dentro de un intervalo dado.

         Una variable se define como variable aleatoria si toma diferentes valores como resultado de un experimento aleatorio, es decir, que es una especie de valor o  magnitud que cambia de una secuencia a otra sin seguir una secuencia predecible.

Distribución Normal: Es una distribución de probabilidad continua y está representada gráficamente como una curva en forma de campana donde se encuentra representada la probabilidad de que X este entre los valores los valores bajo la curva que contiene 100%.

Características

1) Se utiliza frecuentemente para estimar el error durante las mediciones.

2) Su condición básica esta en tener una media igual a cero y una desviación estándar igual a 1.

3) Es un tipo de variable y distribución continua.

4) Su distribución grafica es de forma acampanada siguiendo la condición de Gauss.

Contraste de Hipótesis Mediante Distribucion Normal

a)   Contraste de dos Colas o Bilaterales: si en la prueba se está interesado en los valores extremos del estadístico X o en su valor correspondiente Z, entonces las hipótesis deben estar planteadas como en el siguiente ejemplo:

  

H₀ =μ = 4

H₁ = μ ≠ 4

b)   Contraste de una Cola o Unilateral: si se está interesado tan solo en valores extremos a un lado de la media, es decir, en una de las dos colas de la distribución. En este caso la región critica o de significancia está situado a un lado de la distribución, con un área igual al nivel de significancia entonces el sistema de hipótesis se define como sigue en los siguientes ejemplos:

H_0: μ = 4

H_1: μ < 4

 GRAFICA:

 

H0: μ = 4

H₁: μ > 4

 GRAFICA: