Вы находитесь на странице: 1из 19

INDICE

INTRODUCCION.............................................................................................................................2
MARCO TEORICO...........................................................................................................................2
BASES TEORICAS T DE STUDENT..........................................................................................3
LOS USOS PARA LOS CUALES ES IDONEA ESTA DISTRIBUCION.................................3
CARACTERISTICAS DE LA DISTRIBUCION T DE STUDENT..........................................3
GRADOS DE LIBERTAD.........................................................................................................4
COMO DIFERENCIARLA DE LAS OTRAS DISTRIBUCIONES..........................................4
TEORIA DE PEQUEAS MUESTRAS...................................................................................4
DISTRIBUCION DE PROBABILIDAD T-STUDENT.................................................................5
Propiedades de las distribuciones T............................................................................................6
CALCULO DE LA DISTRIBUCION T STUDENT......................................................................7
PASO 1:......................................................................................................................................7
PASO 2:......................................................................................................................................7
PASO 3:......................................................................................................................................7
PASO 4:......................................................................................................................................7
TABLA T DE STUDENT..............................................................................................................9
Diferencia con las otras tablas..................................................................................................11
Uso de la tabla de distribucin T..............................................................................................12
2.1. Definiciones conceptuales.....................................................................................................14
2.3. Importancia del estudio de la distribucin T..........................................................................14
3. Ejercicios resueltos.......................................................................................................................15
4. Ejercicios propuestos....................................................................................................................18
2
INTRODUCCION
La distribucin t de Student se utiliza cuando nos encontramos con la dificultad de no
conocer la desviacin tpica poblacional y nuestra muestra es menor de 30. Es similar a la
curva normal, pero la 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 la media cuando la
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 la formula.

De gran utilidad, reduce tiempo, costo y esfuerzos. Se utiliza para probar hiptesis y
tambin para saber si dos muestras provienen de la misma poblacin.
2
MARCO TEORICO

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.

BASES TEORICAS T DE STUDENT


En muchas ocasiones no se conoce y el nmero de observaciones en la muestra es menor de
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. A veces es necesario hacer anlisis de
muestras pequeas por

Razones de tiempo y reduccin de costos, para ello fue descubierta la distribucin t por
Wlliam Gosset, un especialista en estadstica, que la public en 1908 con el seudnimo de
Distribucin t Student.

LOS USOS PARA LOS CUALES ES IDONEA ESTA DISTRIBUCION


Para determinar el intervalo de confianza dentro del cual se puede estimar la 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.

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
2
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).

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.

COMO DIFERENCIARLA 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.

TEORIA DE PEQUEAS MUESTRAS


En probabilidad y estadstica, la distribucin-t o distribucin t de Student es una
distribucin de probabilidad que surge del problema de estimar la media de una
poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. 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.

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 la varianza maestral:

x

i x





n


i=1
s 2=
2
Esta frmula es basada en n-1 grados de libertada. Esta terminologa resulta del
hecho de que si bien s 2 est basada en n cantidades x 1x , x 2x , x n x ,
estas sumando cero, as que especificar los valores de cualquier n-1 de las
cantidades determina el valor restante.
Por ejemplo, si n=4 y x 1x=8 ; x 2x=6 y x 4 x=4 , entonces
automticamente tenemos que x 3x=2 , as que solo tres de las cuatro medidas

de x ix estn libremente determinadas, la otra debe tomar el valor que haga esta
suma cero; es por esto que solo tenemos 3 grados de libertad.
Grados de libertad= nmero de mediciones -1

DISTRIBUCION DE PROBABILIDAD T-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 la siguiente:

[ ]
r
k +1
( k +1)
hk ( t )= [ ]
2
1+
t2 2
k
<t < , donde ( p)= e x dx
x p1

[]
r
k
2
k 0

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 la de una distribucin
normal

Su valor medio y varianza son:


[ ]
k +1
( k+1 )

E ( T ) == t . hk ( t ) . dt= t . [ ]
2
1+
t2
k
2
dt==0

[]

k
2
k
2
SI k > 3


[ ]
k +1
( k +1)

Var (T )= 2=E ( (T )2) = ( t )2 . hk ( t ) dt= t .


2
[ ] 1+
t2
k
2
dt=
k
k2

[]
k
2
k

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


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

Propiedades de las distribuciones T

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


2. Cada curva t, est ms dispersa que la curva normal estndar.
3. A medida que k aumenta, la dispersin de la curva t correspondiente
disminuye.
4. A medida que k-> , la secuencia de curvas t se aproxima a la curva normal
estndar.
2
CALCULO DE LA DISTRIBUCION T STUDENT
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:

PASO 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.

PASO 2:
Determinar Nivel de Significancia. (Rango de aceptacin de hiptesis alternativa).

PASO 3:
Evidencia Muestral. Se calcula la media y la desviacin estndar a partir de la
muestra.

PASO 4:
Se aplica la Distribucin t de Student para calcular la probabilidad de error (P) por
medio de la frmula:
x
t=
sx
n
Grados de libertad = df =n-1
Sabiendo que:
X =media ; =valor a analizar ; S x =desviacion estandar
n = tamao de muestra
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 1:

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
2
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
El grupo tiene problemas de autoestima. Valor de autoestima menor a 60.
PASO 2:
Determinar nivel de significancia: = 0.05
PASO 3:
Evidencia Muestral: x=62.1 y S x 5.83
PASO 4:
Aplicando la Distribucin de Probabilidad:
Calculando t
x 62.160 2.1
t= t = = =1.8
sx 5.83 1.166
n 25
df =n1=251=24
Buscando en la tabla de Distribucin de t de Student, encuentras el valor del rea:

PASO 5: resultados

P=0.042 y =0.05 Siendo :P<


Por lo tanto: Se acepta Hiptesis Alternativa

Existe suficiente evidencia para demostrar que el grupo no tiene problemas de autoestima.
2
TABLA T DE STUDENT
2
Diferencia con las otras tablas
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.
2
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.

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: P ( X t v , )=

El valor t v , 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 2: con 5 grados de libertad, el cuantil 0.95 es 2.015

EJEMPLO 3:

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.
2
Encontrando T
t= Una confianza del 99% con (n-1) grados de libertad.
GL=16-1=15

Datos

s
n= 16 x=x t
n
X=13 minutos =132.947(5.6/16) =134.12
S= 5.6 minutos 1=17.12 minutos
t=2.947 2=8.88 minutos

Tiempo medio requerido para realizar el trabajo ser entre 8.88 y 17.12 minutos con una
certeza del 99%.

2.1. Definiciones conceptuales


Poblacin: Conjunto de elementos en los que se observa alguna caracterstica
comn.
Observaciones: Valores que toma la caracterstica observada en cada elemento de a
poblacin.
Parmetro: Caracterstica numrica que describe una variable observada en la
poblacin
Muestra: Conjunto de unidades representativas de una poblacin
Estadstico: Funcin de los valores de la muestra
La inferencia estadstica est basada en el estudio de las muestras.
La muestra debe ser representativa de la poblacin para extraer conclusiones validas
sobre esta poblacin.
2
Grados de libertad: Podemos definirlos como el nmero de valores que podemos
elegir libremente.

2.3. Importancia del estudio de la distribucin T


Si al aplicar muestreo no es posible extraer muestras mayores a 30 elementos, la utilizacin
de la distribucin normal presenta grandes riesgos estadsticos. Para ello, la teora de
pequeas muestras presenta como alternativa a la distribucin t- student, en el entendido
de que conforme el tamao de la muestra tienda a 30 elementos, la distribucin t-student
tiende a la distribucin normal. Por ello es importante el estudiar la distribucin T de
student ya que toda inferencia estadstica que se desee realizar con muestras pequeas tiene
ms validez si se hace con la distribucin t-student.

3. Ejercicios resueltos

a. Un fabricante de focos afirma que su producto durar un promedio de 500 horas de


trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el
valor y calculado cae entre t 0.05 y t 0.05, l se encuentra satisfecho con esta
afirmacin. Qu conclusin deber l sacar de una muestra de 25 focos cuya
duracin fue?
520 521 511 513 510 =500 h
513 522 500 521 495 n=25
496 488 500 502 512 Nc=90%
510 510 475 505 521 X=505.36
506 503 487 493 500 s=12.07
2
x
t=
sx t = 2.22; v= n-1=24; =1-NC=10%
n
Enseguida se muestra la distribucin del problema segn el grafico sig.

b. El profesor Prez olvida poner su despertador 3 de cada 10 das. Adems, ha


comprobado que uno de cada 10 das en los que pone el despertador acaba no
levantndose a tiempo de dar su primera clase, mientras que 2 de cada 10 das en los
que olvida poner el despertador, llega a tiempo a dar su primera clase.

(a) Idntica y da nombre a los sucesos que aparecen en el enunciado.

Solucin: En primer lugar conviene identicar el experimento aleatorio que estamos


realizando. Este consiste en tomar un da al azar en la vida del profesor Prez y analizarlo
en base a los siguientes sucesos.

(a) Para un da al azar decimos que se ha dado el suceso:

O cuando el profesor ha olvidado poner el despertador


2
T cuando el profesor ha llegado tarde a su primera clase.

Notemos que tanto {O, O} como {T, T} forman un sistema completo de sucesos. A
continuacin traducimos en trminos de probabilidad de los sucesos anteriores todos los
datos que nos dan en el enunciado.

3 2 7 1
P(O) = , P (T |O) = , P(O) = , P(T |O) = .
10 10 10 0

c. La longitud de los tornillos fabricados en una fbrica tienen media =10 mm y


desviacin s=1 mm, calcular la probabilidad de que en una muestra de tamao n=25, la
longitud media del tornillo sea inferior a 20.5 mm

Solucin:

P (<20.5)

Estandarizamos T=(X-)/(s/n) que sigue una distribucin t de n-1 grados de libertad

T=(20.5-20)/(1/25) = 2.5

P (<20.5) --> P (T<2.5) ~ t(24)

P (T<2.5) = 0.9902

P (<20.5)=0.9902

La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior a 20.5 mm


es del 99.02%

d. Calcular el percentil w0=95 y w0=25 en cada uno de los siguientes casos:


1. En una distribucin t-Student con 3 grados de libertad.

Solucin: recordemos que w0=95 es aquel nmero real que verifica:

S [W w0=95] = 0=95

Para encontrar este valor en la tabla de la distribucin t-Student bastar:

Localizar en la primera columna los grados de libertad, en este caso: 3.

Localizar en la primera fila la probabilidad acumulada, en nuestro caso: 0=95=


2
Movernos horizontal y verticalmente desde las posiciones anteriores hasta cruzarnos en el
punto w0=95.

Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad ser el valor:

w0=95 = 2=3534

Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la primera columna,
llegaremos al valor 3 (grados de libertad), y si lo hacemos verticalmente hacia la primera
fila la llegaremos al valor 0.95 (probabilidad acumulada).

Como en la tabla nicamente tenemos tabulada la t-Student para colas probabilsticas que
van desde 0=75 hasta 0=999, para calcular el percentil w0=25, tendremos que realizar la
siguiente consideracin:

S [W w0=25] = 1

S [W w0=25]

Como la distribucin t-Student es simtrica, se verifica:

w0=25 = ;w0=75

Y resulta: s [W w0=25] = 1 s[W w0=75] Por tanto, buscando en la tabla con los datos:

Grados de libertad: 3

Cola de probabilidad: 0.75

Tenemos: w0=25 = w0=75 = 0=7649

4. Ejercicios propuestos
1) Un consejo universitario quiere determinar el tiempo promedio de estudio que dedican
los estudiantes, de primer ao, a sus materias. Extrae una muestra aleatoria de 61 alumnos
de primer ao y les pregunta cuntas horas a la semana estudian. La media de los datos
resultantes es de 20 horas, y la desviacin estndar es de 6,5 horas.

a). Construya un intervalo de confianza del 95% para la media poblacional.

b). Construya un intervalo de confianza del 99% para la media poblacional.


2
2) Una investigadora cree que en aos recientes, las mujeres han
Altura (en
aumentado su estatura. Ella sabe qu hace 10 aos el promedio de
Pulgadas)
estatura de una mujer adulta joven, en la ciudad donde habita sta
investigadora, fue de 63 pulgadas. No se conoce la desviacin 64
estndar. Ella toma una muestra aleatoria de ocho mujeres jvenes
66
adultas que residen en dicha ciudad y mide sus estaturas. Se obtienen los
datos siguientes: 68

a) Cul es la hiptesis nula? 60

b) Cul es la hiptesis alterna? 62

c) Si utilizamos =0,01 2cola Qu se puede concluir? 65

66

63

3) Una profesora, del programa de estudios para la mujer, cree que la cantidad de cigarrillos
fumados por las mujeres se ha incrementado en aos recientes. Un censo, realizado hace
dos aos con mujeres de una ciudad vecina, mostr que el nmero promedio de cigarrillos
fumados diariamente por una mujer era de 5,4, con una desviacin estndar de 2,5. Para
evaluar esta hiptesis, la profesora determin el nmero de cigarrillos fumados diariamente
por una muestra aleatoria de 120 mujeres que viven actualmente en la ciudad donde habita.
Los datos muestran que el nmero de cigarrillos fumados diariamente por las 120 mujeres
tiene una media de 6,1 y una desviacin estndar de 2,7.

a) Es correcta la hiptesis de la profesora? Utilice =0.05 2 cola, para tomar su decisin


y la t-Students.

4) Imagine que la administradora de una universidad quiere determinar el IQ promedio de


los profesores que laboran en esa institucin. Como es muy costoso hacer una prueba a
2
todos los maestros, se extrae una muestra aleatoria de 20 instructores de toda la poblacin.
Cada profesor recibe un examen diseado para medir el IQ; los resultados proporcionan
una media muestral de 135 y una desviacin estndar de 8. Construya el intervalo de
confianza del 95% para la media poblacional.

a) Qu significa que el intervalo de confianza del 95% es igual a cierto rango?

5) Los puntajes de un grupo de estudiantes se comportan normal, con promedio de 50, sin
embargo, no se conoce la desviacin. Se tom una m.a de 9 estudiantes encontrando una
varianza de 36 y un promedio de 52. Cul es la probabilidad de que el promedio:

Sea mayor de 54?

Sea menor que 54?

Est comprendido entre 48 y 52 puntos?


2

Вам также может понравиться