Distribuio T - Student

Prof. Herondino

Distribuio T-Student

AdistribuioTde
Student
umadistribuiode
probabilidade estatstica,
publicada por um autor
que se chamou
deStudent, pseudnimo
deWilliam Sealy Gosset,
que no podia usar seu
nome verdadeiro para
publicar trabalhos
enquanto trabalhasse
para acervejaria
Guinness.

T- Student

Padronizar varivel aleatria normal requer

que o e sejam conhecidos. Na prtica,
porm, no podemos calcular z = (x - )/
porque desconhecido. Em vez disso,
substitumos por s e calculamos a
estatstica t.
x

Distribuio Amostral da Mdia e da

varincia

Se discrepncias nas observaes sobre a

mdia so aleatrios e independentes, ento
a distribuio amostral da mdia tem e
varincia, 2/n.
A quantidade 2/n a varincia da mdia.
Sua raiz quadrada chamada o erro padro

da mdia:
n
s
s padro da mdia :
A estimativa do erro
n

Distribuio t

Normalmente, a varincia da populao, 2 no

conhecida e no podemos usar a distribuio normal
como a distribuio de referncia para a mdia da
amostra. Em vez disso, substituir e usar a distribuio
t.
Se a distribuio de referncia normal e a varincia
da populao estimado por s2, a quantidade:

X
T
s/ n

que conhecido como a mdia padronizada ou como

a estatstica t, ter distribuio com = n - 1 graus de
liberdade.

Exemplo:

Para os dados de nitrato, a

mdia da amostra de
concentrao igual a 7,51
mg/L e encontra-se a uma
distncia considervel abaixo
do verdadeiro valor de
referncia 8,00 mg/L (Figura
2). Se a verdadeira mdia da
amostra de 8,0 mg/L e o
laboratrio est medindo
precisamente, um valor to
baixo quanto 7,51 que
ocorrem por acaso apenas
quatro vezes em 100. Sabese que o desvio padro
1,38 e 27 amostras. Qual
ser o valor T.

Qual a probabilidade de se
obter uma amostra to
pequenas com mdia = 7,51
mg/L a partir da anlise das 27
amostras?"

X
T
s/ n
7,51 8
t
1,38 / 27
- 0,49
t
1,38 / 5,19

- 0,49
t
1,842
0,2658

Utilizando a tabela

a) Referncia de
distribuio
de
X
P(
7,51) = 0.04

b) Referncia de
distribuio T
P(t 1,853) = 0,04

Grau de liberdade = n - 1
Como so 27 amostras,
temos:
v=27-1=26 grau de liberdade

t 1,842

Anlise

Se este resultado altamente improvvel, pode

ser que a amostra no representam a populao,
provavelmente porque o processo de medio foi
tendenciosa para produzir concentraes abaixo
do valor real.
Ou, poderamos decidir que o resultado, embora
improvvel, deve ser aceito como ocorrido devido
ao acaso e no devido uma causa atribuvel (como
vis nas medies).
Inferncia estatstica envolve fazer uma avaliao
a partir de dados experimentais sobre um
parmetro desconhecido da populao (por
exemplo, uma mdia ou varincia).

A Distribuio T

A distribuio de referncia necessria, a fim

de escolher se o resultado facilmente
explicada por mero acaso ou se variao
excepcional.

A distribuio T uma relevante referncia que

representa o conjunto de resultados que
poderiam ocorrer por acaso.

Um resultado que cai sobre a cauda da

distribuio pode ser considerado excepcional.

T- Student

A distribuio T similar a
distribuio Z, em que
ambos so simtricas na
mdia zero.
Ambas as distribuies so
em forma de sino, mas a T
distribuio mais varivel
em virtude dos T - valores
depender das flutuaes de
X e S2,
duas quantidades,
considerando que os
valores-Z depende apenas
X na de
das mudanas
amostra para amostra.

Figura 1 - A distribuio t para

curvas v=2, v=5 e v=.
Na Figura 1, mostramos a relao
entre a distribuio normal
padro (v = ) e distribuies t
com 2 e 5 graus de liberdade

Graus de liberdade

A distribuio de T diferente daquela de Z na

variao de T depende do tamanho da
amostra n e sempre maior do que 1.
Somente quando o tamanho da amostra n
as duas distribuies se tornar o mesmo.
A porcentagem da distribuio t dada por
Tabelas.

Propriedades

As condies em que a quantidade t = (x - )/s tem a

distribuio com graus de liberdade so:

1) x normalmente distribudo sobre com varincia

2 ;

2) s distribudo Independentemente da mdia, isto ,

a varincia da amostra no aumenta ou diminui
medida que aumenta ou diminui as mdias;

3) O s2 quantidade, que tem graus de liberdade,

calculada a partir de observaes normalmente
distribudos e tm varincia independentemente 2.

Exemplo 2:

O t-value com v = 14 graus de liberdade que

deixa uma rea de 0,025 para a esquerda, e,
portanto, uma rea de 0.975 para a direita, :

t0,975 = t0,025 = 2.145.

Exemplo 3:

Encontre P(t0,025 < T < t0,05).

Como t0,05 deixa uma rea de 0,05 para a

direita, e -t0,025 deixa uma rea de 0,025
esquerda, encontramos uma rea total de 1
0,05 0.025 = 0.925 entre -t0,025 e t0,05.

Portanto, P(t0,025 < T < t0,05) = 0.925.

Exemplo 4:

Encontre k sendo P(k < T < 1.761) = 0.045

de uma amostra aleatria de tamanho 15
X
selecionado de uma
distribuio normal e
s/ n

Tabela 1- Distribuio t

Os valores t do exemplo 4

Exemplo 4:

Encontre k sendo P(k < T < 1.761) = 0.045

de uma amostra aleatria de tamanho 15
X
selecionado de uma
distribuio normal e
s/ n

Tabela 1- Distribuio t

Os valores t do exemplo 4

Como k=-t ento

0,05-=0,045
=0,005

Exemplo 4:

Encontre k sendo P(k < T < 1.761) = 0.045

de uma amostra aleatria de tamanho 15
X
selecionado de uma
distribuio normal e
s/ n

Tabela 2- Distribuio t

Os valores t do exemplo 4

Como k=-t ento

0,045=0,05-
=0,005

Exemplo 4:

Encontre k sendo P(k < T < 1.761) = 0.045

de uma amostra aleatria de tamanho 15
X
selecionado de uma
distribuio normal e
s/ n

Tabela 2- Distribuio t

Os valores t do exemplo 4

Como k=-t ento

0,045=0,05-
=0,005
-t0,005 =-2,977

Exemplo 4:

P(-2,977 < T < 1.761) = 0.045

Distribuio t - Anlise

Exactamente 95% dos valores de uma

distribuio-t com v = n-1 graus de liberdade
situar-se entre -t0,025 e t0,025 . Claro, existem
outras t-valores que contm 95% da
distribuio, como por exemplo t0,03 e t0,02,
mas esses valores no aparecem na Tabela t,
e, alm disso, o intervalo mais curto possvel
obtido pela escolha t-valores isso deixa
exatamente a mesma rea nas duas caudas
da nossa distribuio.

Distribuio t - Anlise

Esse t-valor que est abaixo de -t0,025 ou

acima t0,025 os faria acreditar que qualquer um
evento muito raro ocorreu ou a nossa
suposio sobre est em erro.
Caso isto acontea, vamos tomar a deciso do
pressuposto de que o nosso valor de um
erro
Na verdade, uma t-valor cair abaixo t0,01 ou
acima t0,01 daria evidncia ainda mais forte
que o nosso valor assumido de ser bastante
improvvel.

Exemplo

Um engenheiro qumico afirma que a mdia

da populaode rendimento de um processo
em lote de 500 gramas por mililitro de
matria-prima. Para verificar essa afirmao
tem amostras de 25 lotes de cada ms. Se o tvalor calculado cai entre t0,05 e t0,05 , dar-se
por satisfeito com esta reivindicao.
x encontrar
518
Qual concluso poderia
a partir de
uma amostra que tem mdia de
gramas por mililitro e um desvio padro
amostral de s = 40 gramas? Assumir a
distribuio do rendimento aproximadamente
normal.

Resoluo

Da tabela encontramos que t0,05 = 1.711 para 24

graus de liberdade.
PORTANTO, o engenheiro pode estar satisfeito
com a sua afirmao se uma amostra de 25 lotes
rende um valor de t entre -1,711 e 1,711.
Se = 500, ento:

518 500
t
2,25
40 / 25

A probabilidade de se obter um valor de t, com v

= 24, igual a ou maior do que 2,25 de
aproximadamente 0,02. Se > 500, o valor de T
calculado a partir da amostra mais razovel

Tabela 1Distribuio t

Tabela 2Distribuio t

Referncia Bibliogrfica

BERTHOUEX, Paul Mac; BROWN, Linfield

C..Statistics for Environmental
Engineers.2 Boca Raton London New York
Washington, D.c: Lewis Publishers, 2002. 10-13
p.
Walpole, Ronald E et al. Probability &
statistics for engineers &
scientists/Ronald E. Walpole . . . [et al.]
9th. Ed. ISBN 978-0-321-62911-1.BostonUSA/2011