Geoestadstica II | FECHA DE ENTREGA: 05/12/13

2.2
2.15
2.1
2.05
2
1.95
1.9

ALUM
1.85
NO: 1
COLQUE
GONZAL
ES,
JOSE

INFORME FINAL

10

INFORME FINAL
FUNDAMENTO TERCO DE LA DISTRIBUCIN T-STUDENT
En muestras de tamao > 30, o llamadas grandes muestras, las distribuciones de muestreo de
muchos estadsticos son aproximadamente normales, siendo la aproximacin tanto mejor
cuando N es mayor. Para muestras de tamao menor que 30,
denominadas pequeas muestras,esta aproximacin no es buena y empeora al
decrecer N. El nombre depequeasmuestrasquiz no le hace justicia al significado real de
este tpico y habra que llamarla tambin teora exacta delmuestreo,porque sus resultados
son vlidos tantopara grandes comoparapequeas muestras.
Condiciones

Se utiliza en muestras de 30 o menos elementos.

La desviacin estndar de la poblacin no se conoce

Diferencias

La
distribucin t-student es menor en la
media
ms alta en los extremos que una distribucin normal.
Tiene
proporcionalmente
mayor parte
de su rea
los e x t r e m o s q u e l a d i s t r i b u c i n n o r m a l .

Trabajo Final de Geoestadstica II

Pgina 1

y
en

INFORME FINAL

Caractersticas de t student
Sus caractersticas son las siguientes:

Tiene forma de campana y es simtrica con respecto a t=0, igual que z.

Es ms variante que z, con extremos ms densos,es decir. La curva t no se
aproxima al eje horizontal tan rpido como lo hace z. Esto se debe a que en
el estadstico t intervienen dos cantidades aleatorias, x y s, y en z, solo la
media, x.
La forma de la distribucin t depende del tamao de la muestra n.Cuando n
aumenta, disminuye la variabilidad de t por que la estimacin s de se
basa cada vez en ms informacin. En algn momento, cuando n es infinitamente
grande.

Trabajo Final de Geoestadstica II

Pgina 2

INFORME FINAL

Frmulas

CALCULO PARA MUESTRAS PEQUEAS DE DISTRIBUCION NORMA

Tiene una distribucin t(n-1)

donde :

X la media del grupo.

la media poblacional
S la Desv. Estandar
n = tamao de muestra

Trabajo Final de Geoestadstica II

Pgina 3

INFORME FINAL
CALCULO PARA MUESTRAS GRANDES DEDISTRIBUCIN NORMAL

MODELOS DE PROBABILIDAD CONTINUOS: NORMAL Y T-STUDENT

En estadstica y probabilidad se llama
distribucin normal, distribucin de
Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable
continua que
con
ms
frecuencia
aparece
en
fenmenos
reales.
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto
de un determinado parmetro. Esta curva se conoce como campana de Gauss.
La importancia de esta distribucin radica en que permite modelar numerosos fenmenos
naturales, sociales y psicolgicos. La distribucin normal tambin es importante por su
relacin con la estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms
simples y antiguos. Algunos ejemplos de variables asociadas a fenmenos naturales que
siguen el modelo de la normal son:
Caracteres morfolgicos de individuos como la estatura;
Caracteres fisiolgicos como el efecto de un frmaco;
Caracteres sociolgicos como el consumo de cierto producto por un mismo grupo

de individuos;
Caracteres psicolgicos como el cociente intelectual;
Nivel de ruido en telecomunicaciones;
Errores cometidos al medir ciertas magnitudes;
etc.

La distribucin normal tambin aparece en muchas reas de la propia estadstica. La

distribucin normal maximiza la entropa entre todas las distribuciones con media
y varianza conocidas, lo cual la convierte en la eleccin natural de la distribucin
subyacente a una lista de datos resumidos en trminos de media muestral y varianza. La
distribucin normal es la ms extendida en estadstica y muchos tests estadsticos estn
basados en una supuesta "normalidad". Las caractersticas que destacan a este
distribucin son: que el dominio de la variable va desde - hasta +; su curva es simtrica
respecto de la media; la distribucin es Unimodal por lo que la media, mediana y moda
son iguales; por cada cambio en la media la curva se desplaza hacia la derecha o
izquierda; y por cambios en la varianza y/o desviacin estndar la curva cambia de forma,
es decir se puede achatar si la varianza es grande y ser ms puntiaguda si la varianza es
pequea
Trabajo Final de Geoestadstica II

Pgina 4

INFORME FINAL

APLICACIN
Determinar los lmites de confianza del muestreo de los siguientes laboratorios, usando un
rango de confianza del 95%:

Calculando la media de cada laboratorio se obtiene lo siguiente:

Luego determinamos el valor de tc en la tabla T-Student para un rango de confianza de

95% y 3 grados de libertad, para un rango de confianza de 95%:
/2
0.025
1- /2
0.975
Trabajo Final de Geoestadstica II
Pgina 5

INFORME FINAL

En la tabla para 0,975 y r igual a 3, el valor de tc es igual a 3,18.

Seguidamente calculamos CI, que es igual a:

CI= 1.00979

Graficando se obtiene lo siguiente:

Trabajo Final de Geoestadstica II

Pgina 6

INFORME FINAL
2.2
2.15
2.1
2.05
2
1.95
1.9
1.85
1

10

CONCLUSIONES

Observamos que esta distribucin es identificada por los grados de libertad, los
cuales constituyen el nmero de maneras como los datos pueden variar
libremente. Mientras mayor sea el nmero de grados de libertad la distribucin t
de Student se acerca ms a ser una distribucin normal.

La aplicacin de rangos de confianza y la distribucin T-Student, en el campo de la

ingeniera de minas en especial, tiene una importancia muy significativa, ya que
nos permite saber los diferentes lmites de nuestra data registrada.

Trabajo Final de Geoestadstica II

Pgina 7

INFORME FINAL

Todos los ingenieros de minas debemos estar familiarizados con este

procedimiento para poder tener pleno conocimiento del comportamiento de la data
de la mina y laboratorios.

Bibliografa:

TRABAJO DE ESTADISTICA INFERENCIAL UPEC

LIBRO DE TABLAS ESTADSTICAS DE DISTRIBUCIONES.

APUNTES DE CLASE, DR. ALFREDO MARN.

Trabajo Final de Geoestadstica II

Pgina 8