B k A +
B k A +
B k A +
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Expresión de la incertidumbre de medida: 2008 (Esp) Términos y conceptos estadísticos básicos<br />
Esta relación puede servir como base para estimar los coeficientes de correlación de forma experimental. También puede emplearse<br />
para calcular la variación aproximada de una estimación de entrada producida por una variación en otra estimación de entrada, si se<br />
conoce su coeficiente de correlación.<br />
C.3.7 Independencia<br />
Dos variables aleatorias son estadísticamente independientes si su función de distribución de probabilidad<br />
conjunta es el producto de sus funciones de distribución de probabilidad individuales.<br />
NOTA Si dos variables aleatorias son independientes, su covarianza y su coeficiente de correlación son cero, pero lo contrario no es<br />
necesariamente cierto.<br />
C.3.8 La distribución t o de Student<br />
La distribución t, o de Student, es la distribución de probabilidad de una variable aleatoria continua t, cuya<br />
función de densidad de probabilidad es<br />
p<br />
( t,<br />
ν )<br />
=<br />
⎛ ν + 1⎞<br />
Γ⎜<br />
⎟ 2<br />
1 ⎝ 2 ⎠ ⎛ t ⎞<br />
⎜<br />
⎜1+<br />
⎟<br />
πν ⎛ν<br />
⎞<br />
Γ⎜<br />
⎟<br />
⎝ ν ⎠<br />
⎝ 2 ⎠<br />
para −∞ < t < +∞<br />
−(<br />
ν + 1)<br />
2<br />
donde Γ es la función gamma y ν > 0. La esperanza matemática de la función de distribución t es cero y su<br />
varianza es ν /(ν − 2) para ν > 2. Conforme ν → ∞, la función de distribución se aproxima a la distribución<br />
normal con μ = 0 y σ = 1 (véase C.2.14).<br />
z − z es la función de distribución t, si la<br />
variable aleatoria z está normalmente distribuida con esperanza μz, donde z es la media aritmética de n<br />
observaciones independientes zi de z, s(zi) es la desviación típica experimenal de n observaciones, y<br />
s z = s zi<br />
/ es la desviación típica experimental de la media z , con ν = n − 1 grados de libertad.<br />
La función de distribución de probabilidad de la variable ( μ ) s(<br />
z)<br />
( ) ( ) n<br />
JCGM © 2008 - Reservados todos los derechos 50