T student

11,199 views

Published on

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
11,199
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
121
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

T student

  1. 1. Distribución t de Student En probabilidad y estadística, la distribución t (de Student) es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño.Aparece de manera natural al realizar la prueba t de Student para la determinación de las diferencias entre dos medias muestrales y para la construcción del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconocela desviación típica de una población y ésta debe ser estimada a partir de los datos de una muestra. La distribución t de Student es la distribución de probabilidad del cociente donde  Z tiene una distribución normal de media nula y varianza 1  V tiene una distribución ji-cuadrado con grados de libertad  Z y V son independientes Si μ es una constante no nula, el cociente es una variable aleatoria que sigue la distribución t de Student no central con parámetro de no- centralidad . Aparición y especificaciones de la distribución t de Student Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas normalmente, con media μ y varianza σ2. Sea la media muestral. Entonces sigue una distribución normal de media 0 y varianza 1. Sin embargo, dado que la desviación estándar no siempre es conocida de antemano, Gosset estudió un cociente relacionado,
  2. 2. donde es la varianza muestral y demostró que la función de densidad de T es donde es igual a n − 1. La distribución de T se llama ahora la distribución-t de Student. El parámetro representa el número de grados de libertad. La distribución depende de , pero no de o , lo cual es muy importante en la práctica. 1. Sea T ~ t(4,0.5) a) Determinar b) Determinar c) Determinar P(T P(T= 1- e –(0.5)(1) - e –(0.5)(1) - e –(0.5)(1) - e (0.5)(1)
  3. 3. =1- 0.60653 -0.30327 -0.075816 -0.012636 =0.000175 d) Determinar P(T P(T= e –(0.5)(3) - e –(0.5)(3) - e –(0.5)(3) - e (0.5)(3) =0.22313 + 0.33470+0.25102 +0.12551 =0.9344 2. Sea T ~ Weibull(0.5,3) a) Determinar b) Determinar c) Determinar P(T P (T>5) =1-P(T 1) = 1 – e- 3. En el articulo “Parameter Estimation with Only One Complete Failure Observation”se modela la duracion en horas, de cierto tipo de cojinete con la distribucion de Weibull con parámetros
  4. 4. a) Determine la probabilidad de que un cojinete dure mas de 1000 horas b) Determine la probabilidad de que un cojinete dure menos de 2000 horas P(T<2000)= P(T c) La función de riesgo se definio en el ejercicio 4 ¿Cuál es el riesgo en T=2000 horas? h(t) =4. La duración de un ventilador, en horas , que se usa en un sistema computacional tiene una distribución de Weibull con a) ¿Cuáles la probabilidad de que un ventilador dure mas de 10 000 horas? P(T>10 000 ) =1 –(1- =0.3679 b) ¿Cuál es la probabilidad de que un ventilador dure menos de 5000 horas? P(t<5000) =P(T
  5. 5. 5. Un sistema consiste de dos componentes conectados en serie.El sistema fallara cuando alguno de los componentes falle. Sea T el momento en el que el sistema falla. Sean X1 y X2 las duraciones de los dos componentes. Suponga que X1 y X2 son independientes y que cada uno sigue una distribución Weibull con 2 a) Determine P( P( b) Determine P(T 5) P(T =0.8647 c) T Tiene una distribución de Weibull= si es Asi ¿Cuáles son sus parametros? Si, T~ Weibull (2,

×