DISTRIBUCIN JI- CUADRADO

(X2)
Presentado por:
Anglica Mara Poblador
Edilson Poveda Pez

DEFINICIN X2

En estadstica, la distribucin de Pearson,

llamada tambin ji cuadrada(o) o chi cuadrado(a)
(), es una distribucin de probabilidad continua
con un parmetro n que representa los grados de
libertad de la variable aleatoria.

La variable aleatoria continua X tiene una distribucin ji

cuadrada con n grados de libertad donde n es un parmetro
positivo cuando su funcin de densidad es de la siguiente
forma:
f (x)=

1
n
2

2 (

n
2

f(x) = 0

x
21

para x >0

para x0

De Gama a X2
Una variable aleatoria tiene una distribucin gama de parmetros alfa y
lamda ambos positivos si su correspondiente funcin de densidad
estaba dada por esta funcin.

1
2

n
2

Forma de la grfica de funcin para

unos valores del parmetro n o k
Se trata entonces de una variable aleatoria continua con
posibles valores la parte positiva en el eje real. El parmetro
es n y se le llama grados de libertad y puede tomar cualquier
valor real positivo.
La grfica de esta distribucin se muestra a continuacin
para unos valores de n.
Se tiene en cuenta que para
n=1 y n=2 la funcin de
Densidad para x2=0
Se hace infinito. Para
El resto de los valores de
N para x2=0, la
Funcin vale 0

Integral de distribucin de ji cuadrado

La Distribucin de probabilidad de esta funcin para valores
menores de un x dado, que representamos por :

Esta integral no tiene una solucin conocida, y solo se conocen

mtodos numricos para calcular sus valores, hay distintos tipos de
tablas y algoritmos para ordenador con los que se pueden calcular
sus soluciones, veamos una tabla distribucin ji-cuadrado y su
modo de utilizacin.

Tabla distribucin x2 (grados de libertad)

Parmetros

n > 0 grados de libertad.

Dominio

Funcin de Densidad
Funcin de Distribucin

Media n=k
Mediana= aproximadamente
Moda=

si

Parmetros

Varianza = 2k =2n

Coeficiente de simetra =

Curtosis = 12/k = 12/n

Entropa =

Funcin generadora de momentos =

Para
Funcin caracterstica =

Sesgo

Es un estimador a la diferencia entre la

esperanza matemtica (media) y el valor
numrico del parmetro que estima, la
distribucin Ji- cuadrada presenta un sesgo
positivo al ser un caso especial de la distribucin
gama.

Resultados
1. Tenemos que si x es una variable aleatoria con distribucin normal
estandar entonces x cuadrada tiene distribucin ji cuadrada con un
grado de libertad.
2. tenemos que si x tiene distribucin ji cuadrada con n grados de
libertad y Y es otra variable aleatoria con distribucin ji cuadrada pero
con m grados de libertad y estas variables aleatorias son independientes
X+Y tiene tambin distribucin ji cuadrada con grados de libertad n+m.
En particular estos dos resultados dicen que una ji cuadrada con n
grados de libertad pude verse como una suma de n variables aleatorias
en donde cada una de ellas es el cuadrado de una normal estndar

Ejercicio
Tomemos como ejemplo la distribucin esperada para los
individuos de una poblacin que son clasificados segn
grupo sanguneo. Segn estudios realizados en poblacin,
se espera que dicha distribucin, en porcentajes, sea la
siguiente:

Solucin
1. Las hiptesis del problema son:

H0: los datos se ajustan a la distribucin terica.

H1: los datos no se ajustan a la distribucin terica.

2. Siguiendo el esquema general de solucin propuesto para

las pruebas de hiptesis, ahora corresponde elegir un nivel de
significacin:
Elegimos entonces alfa=0,01. El estadstico de prueba ser jicuadrado, cuya frmula es:

Debemos calcular las frecuencias esperadas en nuestro grupo. Si aplicamos

los porcentajes esperados a la muestra de 150 casos podemos obtener las
siguientes frecuencias esperadas (ei):

Los grados de libertad de esta tabla se obtienen restando 1 al nmero de

filas, en este caso: gl=4-1=3
Recordemos que la fila del total no se considera para los grados de libertad.

3. Se calcula el estadstico de prueba con los datos del ejemplo

4. Se compara este valor con el valor de ji-cuadrado de la tabla

El valor de ji-cuadrado lo buscaremos con alfa=0,01 y 3 grados de
libertad. Segn tabla, ese valor es 11,34.
Al comparar el valor del estadstico de prueba (0,73) con el valor de tabla
(11,34), vemos que 0,73 se encuentra a la izquierda de 11,34 desplazado
hacia el centro de la curva y que, por lo tanto, la probabilidad de valores
mayores a l es muy superior al nivel de significacin alfa=0,01.

5. Conclusin
Dado que la probabilidad de
es mayor que
alfa, se acepta la hiptesis nula. Esto significa que los
datos observados se ajustan a la distribucin terica, por
lo tanto las diferencias observadas no son
estadsticamente significativas.

6. Grfico

EJERCICIO
Supongamos que un investigador est interesado en evaluar la asociacin
entre uso de cinturn de seguridad en vehculos particulares y el nivel socio
econmico del conductor del vehculo. Con este objeto se toma una muestra
de conductores a quienes se clasifica en una tabla de asociacin, encontrando
los siguientes resultados:

Permiten estos datos afirmar que el uso del cinturn de seguridad depende del
nivel socio econmico? Usaremos un nivel de significacin alfa=0,05.