MirPirFir.

PIR 2014 · Pregunta 25

Estadística inferencial

A medida que aumentan los grados de libertad, la distribución t de Student se aproxima a:

Ver respuesta sin contestar

Respuesta correcta: A (clave oficial publicada)

Explicación

La distribución t de Student se define como $T = Z / oot rk {V/ u}$, donde $Z hicksim N(0,1)$ y $V hicksim χ^2_ u$ son independientes. Por la ley de los grandes números, cuando los grados de libertad $ u o ∞$, el cociente $V/ u$ converge a 1. Por lo tanto, $T$ converge en distribución a $Z$, es decir, a la distribución normal estándar $N(0,1)$. En la práctica, con $ u ≥ 30$ la aproximación es muy buena.

A. La t surge al estandarizar una normal dividiéndola por la raíz cuadrada de una chi-cuadrado dividida por sus grados de libertad. Al aumentar los gl, la varianza estimada converge a la varianza poblacional, el denominador tiende a 1 y la distribución pierde sus colas pesadas, solapándose con la normal estándar.

  • B. La binomial es discreta y modela conteos de éxitos. No guarda relación límite con la t; su aproximación a la normal bajo condiciones de np y n(1-p) grandes es un resultado distinto.
  • C. La F es el cociente de dos chi-cuadrado independientes. Aunque $T^2 hicksim F(1, u)$, la t no converge a una F al aumentar los gl, sino que la F(1,ν) tiende a una chi-cuadrado con 1 gl.
  • D. La uniforme tiene densidad constante en un intervalo acotado. La t tiene soporte en toda la recta real y forma acampanada, por lo que no puede converger a una uniforme.
  • E. La chi-cuadrado solo toma valores no negativos y es asimétrica. Aparece en la definición de la t, pero no como límite. Una variable simétrica centrada en 0 no puede converger a una distribución con soporte en $[0, ∞)$.

Explicación generada con IA y verificada por consenso entre modelos de distintas familias.

Ha caído también en