TRIBUCION T DE STUDENT

1.1 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.

1.2 Bases tericas

 Para determinar el intervalo de confianza dentro del cual se puede estimar
Ia media de una poblacin a partir de muestras pequea (n < 30).
Para probar hiptesis cuando una investigacin se basa en muestreo
pequeo.
Para probar si dos muestras provienen de una misma poblacin.

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).

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.
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.
DISTRIBUCION T DE STUDE
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.

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 maestral:

DISTRIBUCION 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:

 DISTRIBUCION T DE STUDENT

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.

Cada curva t tiene forma de campana con centro en 0.

Cada curva t, est ms dispersa que Ia curva normal estndar.
A medida que k aumenta, Ia dispersin de Ia curva t correspondiente
disminuye.
A medida que k-> , la secuencia de curvas t se aproxima a Ia curva
normal estndar
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 5 pasos esenciales:

Plantear Hiptesis Nula (Ho) e Hiptesis Alternativa (Hi).

La Hiptesis alternativa plantea matemticamente lo que

queremos demostrar.

La Hiptesis nula plantea exactamente lo contrario.

Determinar Nivel de Significancia. (Rango de aceptacin de hiptesis alternativa).

Se considera:

0.05 para proyectos de investigacin.

0.01 para aseguramiento de calidad.

0.10 para encuestas de mercadotecnia y polticas.

Evidencia Muestral. Se calcula la media y la desviacin estndar a partir de la

muestra.

DISTRIBUCION T DE STUDENT
Se aplica la Distribucin t de Student para calcular la probabilidad de error (P)
por medio de la frmula:

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