Indice

INTRODUCCION ............................
CAPTULO I: PLANTEAMIENTO DEL PROBLEMA
1.1.

Descripcin de la realidad

1.2.

problemtica
Formulacin del
problema

1.3.

.
Objetivos de la investigacin..

1.4.

............................
Justificacin de la investigacin...

1.5.

.
Viabilidad de la investigacin...
............................
CAPTULO II: MARCO TERICO

2.1. Antecedentes de la investigacin...

.
2.2. Bases tericas.
A.
B.
C.
D.
E.
F.

Los usos para los cuales es idnea esta distribucin..

Caracterstica de la distribucin de la T de student..
Grados de libertad.
cmo diferenciarla de las otras distribuciones ......
Teora de pequeas muestras ...
Distribucin de probabilidad T de student ....
F.1. Propiedades de las distribuciones t.....
G. Calculo de la distribucin T de student .....
H. Tabla T de student ................................
H.1. Diferencia con otras tablas de distribucin......
H.2. Uso de la tabla de distribucin T .......................
I. Ejercicio................................
2.3. Definiciones conceptuales...
CAPTULO III: IMPORTANCIA DEL ESTUDIO
3.1 Importancia del estudio de la distribucin de T ....
CONCLUSIN.

Introduccion
La distribucin t de Student se utiliza cuando nos encontramos con Ia dificultad
de no conocer Ia desviacin tpica poblacional y nuestra muestra es menor de
30. Es similar a Ia curva normal, pero Ia distribucin t tiene mayor rea a los
extremos y menos en el centro.
Esta fue descubierta por un especialista en estadstica de una empresa
irlandesa, este seor cuyo nombre era William S. Gossel hizo inferencias
acerca de Ia media cuando Ia desviacin poblacional fuese desconocida: y ya
que a los empleados de dicha entidad no les era permitido publicar el trabajo
de investigacin bajo sus propios nombres, Gosset adopt el seudnimo de
Student.
Sus funciones se basan en establecer un intervalo de confianza, utilizando un
nivel de confianza y los grados de libertad, obteniendo valores de una tabla
dada con respecto a estas variables y aplicarla en Ia formula.
De gran utilidad, reduce tiempo, costo y esfuerzos. Se utiliza para probar
hiptesis y tambin para saber si dos muestras provienen de Ia misma
poblacin.

CAPTULO I: PLANTEAMIENTO DEL PROBLEMA

1.1. Descripcin de la realidad problemtica

En las estudios sobre la probabilidad y distribucin de una muestra anteriores
se manej el uso de la distribucin z, la cual se poda utilizar siempre y cuando
los tamaos de las muestras fueran mayores o iguales a 30 en muestras ms
pequeas si la distribucin o las distribuciones de donde proviene la muestra o
las muestras son normales.
Cuando las muestras son pequeas y cuando la distribucin de donde proviene
la muestra tenga un comportamiento normal. Esta es una condicin para utilizar
las tres distribuciones que se manejarn en esta unidad; t de student, jicuadrada y Fisher.
A la teora de pequeas muestras tambin se le llama teora exacta del
muestreo, ya que tambin la podemos utilizar con muestras aleatorias de
tamao grande.
1.2. Formulacin del problema
Qu es y cmo se aplica la distribucin t de student?
1.3. Objetivos de la investigacin
Analizar las caractersticas y aplicacin de la Distribucin T de student.
1.4. Justificacin de la investigacin
Al hacer una investigacin tenemos que efectuar una serie de operaciones con
respecto a nuestra poblacin y muestra, pero en el caso que nuestra poblacin
sea pequea por consiguiente nuestra muestra tambin lo ser, es ah donde la
distribucin t se usa de manera extensa, en problemas que tienen que ver con
inferencia acerca de la media de la poblacin o en problemas que implican
muestras comparativas (es decir, en casos donde se trata de determinar si las
medias de dos muestras son significativamente diferentes).
1.5. Viabilidad de la investigacin
Es factible realizar la investigacin por que se cuenta con la informacion
necesaria diferentes fuentes de informacin, y tambien se dispone de recursos
materiales como papel, lapiceros, USB, base de datos adecuados para
desarrollar la investigacion como es debida.

CAPTULO II: MARCO TERICO

2.1. Antecedentes de la investigacin

La distribucin t de student fue descubierta por William S. Gosset en 1908.
Gosset era un estadstico empleado por la compaa de cerveza Guinness
Irlandesa que desaprobaba la publicacin de investigaciones de sus
empleados.
Para evadir esta prohibicin, publico su trabajo en secreto bajo el nombre de
Student.
En consecuencia la distribucin de T normalmente se llama distribucin de t de
Student o simplemente t. Lo interesante del caso es que su trabajo estaba
enfocado al control de calidad de la cerveza. En el pasado otros investigadores
de la compaa Guinness haban publicado artculos en los que se divulgaban
secretos o informacin confidencial sobre el proceso de la cerveza y por eso se
oblig a Gosset a aceptar la clusula.

2.2. Bases tericas

En muchas ocasiones no se conoce y el nmero de observaciones en Ia
muestra es menor de 30. En estos casos. Se puede utilizar Ia desviacin
estndar de Ia muestra S como una estimacin de , pero no es posible usar Ia
distribucin Z como estadstico de prueba. El estadstico de prueba adecuado
es Ia distribucin t. A veces es necesario hacer anlisis de muestras pequeas
por razones de tiempo y reduccin de costos, para ello fue descubierta Ia
distribucin t por Wlliam Gosset, un especialista en estadstica, que Ia public en
1908 con el seudnimo de Distribucin t Student.

A-) Los Usos para lo cual es idnea esta distribucin

1) Para determinar el intervalo de confianza dentro del cual se puede estimar Ia
media de una poblacin a partir de muestras pequea (n < 30)
2) Para probar hiptesis cuando una investigacin se basa en muestreo
pequeo
3) Para probar si dos muestras provienen de una misma poblacin.
B-) Caracteristicas de la Distribucion T de student
En muchas ocasiones no se conoce y el nmero de observaciones en la
muestra n < 30. En estos casos, se puede utilizar la desviacin estndar de la
muestra s como una estimacin de , pero no es posible usar la distribucin Z
como estadstico de prueba. El estadstico de prueba adecuado es la
distribucin t. Sus aplicaciones en la inferencia estadstica son para estimar y
probar una media y una diferencia de medias (independiente y pareada).
C-) Grados de Libertad
Existe una distribucin t distinta para cada uno de los posibles grados de libertad.
Qu son los grados de libertad? Podemos definirlos como el nmero de valores
que podemos elegir libremente.

D-) Como diferenciar de las otras distribuciones

La distribucin de T es similar a la distribucin de Z, pues ambas son simtricas
alrededor de una media de cero. Ambas tiene distribuciones de campana pero
la distribucin t es ms variable debido a que tienen fluctuaciones en 2
cantidades.
La distribucin de T difiere de la de Z en que la varianza de T depende del
tamao de la muestra n y siempre es mayor a 1, nicamente cuando n tiende
a las dos distribuciones sern iguales

E-) Teoria de las pequeas muestras

En probabilidad y estadstica, Ia distribucin-t o distribucin t de Student es
una distribucin de probabilidad que surge del problema de estimar Ia media de
una poblacin normalmente distribuida cuando el tamao de Ia muestra es
pequeo.
A Ia teora de pequeas muestras tambin se le llama teora exacta del
muestreo, ya que tambin Ia podemos utilizar con muestras aleatorias de
tamao grande.
Veremos un nuevo concepto necesario para poder entender la distribucin t
Student. Este concepto es grados de libertad.
Para definir grados de libertad se har referencia a Ia varianza muestral:

F-) Distribucion de Probabilidad t de Student

Una variable aleatoria se distribuye segn el modelo de probabilidad t o T de
Student con k grados de libertad, donde k es un entero positivo, si su funcin
de densidad es Ia siguiente:

La grfica de esta funcin de densidad es simtrica, respecto del eje de

ordenadas, con independencia del valor de k, y de forma algo semejante a Ia
de una distribucin normal:

Su valor medio y varianza son:

La siguiente figura presenta Ia grfica de varias distribuciones t. La apariencia

general de Ia distribucin t es similar a Ia de Ia distribucin normal estndar:
ambas son simtricas y unimodales, y el valor mximo de Ia ordenada se
alcanza en Ia media = O. Sin embargo, Ia distribucin t tiene colas ms
amplias que Ia normal; esto es, Ia probabilidad de las colas es mayor que en Ia
distribucin normal. A medida que el nmero de grados de libertad tiende a
infinito, Ia forma lmite de Ia distribucin t es Ia distribucin normal estndar

F.1) Propiedades de la Distribucin t de Student

1- Cada curva t tiene forma de campana con centro en 0.
2- Cada curva t, est ms dispersa que Ia curva normal estndar.
3- A medida que k aumenta, Ia dispersin de Ia curva t correspondiente
disminuye.
4- A medida que k-> , la secuencia de curvas t se aproxima a Ia curva normal
estndar.

G-) Clculo de la Distribucin t de student

Prueba de Hiptesis para medias t de student
( Muestras menores a 30)
La Prueba de Hiptesis para medias usando Distribucin t de Student se usa
cuando se cumplen las siguientes dos condiciones:
Es posible calcular las media y la desviacin estndar a partir de la muestra.
El tamao de la muestra es menor a 30.
El procedimiento obedece a los 6 pasos esenciales:
1- Plantear Hiptesis Nula (Ho) e Hiptesis Alternativa (Hi).
La Hiptesis alternativa plantea matemticamente lo que queremos demostrar.
La Hiptesis nula plantea exactamente lo contrario.
2-

Determinar el nivel de significancia (Rango de aceptacin de hiptesis

alternativa).

Se considera:

0.05 para proyectos de investigacin.

para aseguramiento de calidad.

0.10 para encuestas de mercadotecnia y polticas.

3-) Se identifica al estadstico de prueba que viene hacer la t de student.

4-) Se Formula una regla para tomar decisiones:

5-)Tomar de Decision

6-)Se Acepta o se Rechaza (Ho)

En base a la evidencia disponible se acepta o se rechaza la hiptesis alternativa.
Si la probabilidad de error (P) es mayor que el nivel de significancia:
SE RECHAZA HIPTESIS ALTERNATIVA
Si la probabilidad de error (P) es menor que el nivel de significancia:
SE ACEPTA HIPTESIS ALTERNATIVA
Ejemplo:
Se aplica una prueba de autoestima a 25 personas quienes obtienen una
calificacin promedio de 62.1 con una desviacin estndar de 5.83 Se sabe que el
valor correcto de la prueba debe ser mayor a 60. Existe suficiente evidencia para
comprobar que no hay problemas de autoestima en el grupo seleccionado?
Considera un nivel de significancia de 0.05
Paso 1:
Hiptesis Alternativa (Hi): Lo que se quiere comprobar
El grupo no tiene problemas de autoestima. Valor de autoestima mayor a 60.
Hiptesis Nula (Ho): Lo contrario a la Hiptesis Alternativa.
Paso 2:
Determinar nivel de significancia: =0.05
Paso 3:
Evidencia Muestral

x 62.1

n 25 S 5.83
-

x u
t
S
n
-

62.1 60
t
5.83
25
t 1.8
df n 1 25 1 24

u 60

Paso 4:

Paso 5:
Resultados:

Paso 6:
Por lo tanto: Se acepta Hiptesis nula
Existe suficiente evidencia para demostrar que el grupo no tiene problemas
de autoestima

H-) Tabla de t de Student

H.1) Diferencias con otras tablas de Distribucin

La tabla de distribucin t es ms compacta que z y muestra las reas y valores
de t para unos cuantos porcentajes exclusivamente (10%,5%,2% y 1%)

Una segunda diferencia de la tabla es que no se centra en la

probabilidad de que el parmetro de la poblacin que est siendo
estimado caiga dentro del intervalo de confianza. Por el contrario, mide
la probabilidad de que ese parmetro no caiga dentro del intervalo de
confianza

Una tercera diferencia en el empleo de la tabla consiste en que hemos

de especificar los grados de libertad con que estamos trabajando .

H.2) Uso de la tabla de Distribucin t

Los grados de libertad de una t de Student se indicaran como v.
De manera anloga a la definicin utilizada para la Normal, si X es una
tv, de Student con v grados de libertad, entonces:
El valor tv, se busca en las tablas de la t de Student
La tabla que utilizamos recoge los valores de distintos cuantiles para distintos
grados de libertad

EJEMPLO :Con 5 grados de libertad, el cuantil 0.95 es 2.015

EJERCICIO:
Se desea obtener un intervalo de confianza al 99% para el tiempo medio
requerido para realizar un trabajo. Una muestra aleatoria de 16 mediciones
produce una media y una desviacin estndar de 13 y 5.6 minutos
respectivamente

Encontrando la t

t= Una confianza del 99% con (n-1) grados de libertad.

GL=16-1=15

Datos:
n= 16
X=13 minutos
S= 5.6 minutos
t=2.947

t (s)
t (s)
u x
n
n
2.947(5.6)
2.947(5.6)
13
u 13
16
16
8.88 u 17.12

Tiempo medio requerido para realizar el trabajo esta entre 8.88 minutos y 17,12
minutos