INDICE

INDICE INTRODUCCION DISTRIBUCIÓN “t” DE STUDENT Ley de Student Características de la distribución t de student Propiedades de la ley de student Grados de Libertad Intervalos para muestras pequeñas EJERCICIOS RESUELTOS BIBLIOGRAFIA ANEXO 2 3 4 5 6 6 7 7 11 16 17

INTRODUCCION

Se utiliza para probar hipótesis y también para saber si dos muestras provienen de la misma población. pero la distribución t tiene mayor área a los extremos y menos en el centro.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE La distribución t de Student se utiliza cuando nos encontramos con la dificultad de no conocer la desviación típica poblacional y nuestra muestra es menor de 30. este señor cuyo nombre era William S. Sus funciones se basan en establecer un intervalo de confianza. hizo inferencias acerca de la media cuando la desviación poblacional fuese desconocida. Es similar a la curva normal. De gran utilidad. Esta fue descubierta por un especialista en estadística de una empresa irlandesa. Gosset. obteniendo valores de una tabla dada con respecto a estas variables y aplicarla en la formula. reduce tiempo. Gosset adoptó el seudónimo de “Student”. y ya que a los empleados de dicha entidad no les era permitido publicar el trabajo de investigación bajo sus propios nombres. DISTRIBUCIÓN “t” DE STUDENT DISTRIBUCION t DE STUDENT Distribución t de Student Página 2 . utilizando un nivel de confianza y los grados de libertad. costo y esfuerzos.

así x ± z σn dado que conocíamos la desviación típica de la población σ. Cuando hicimos la estimación por intervalo. y si una muestra de tamaño n se extrae. Asimismo: x – µσx = z. Sin embargo. Los usos para los cuales es idónea esta distribución son los siguientes: 1) Para determinar el intervalo de confianza dentro del cual se puede estimar la media de una población a partir de muestras pequeña (n < 30) 2) Para probar hipótesis cuando una investigación se basa en muestreo pequeño. que la publicó en 1908 con el seudónimo de Distribución t Student. µ y variancia σx2 = la media de la muestra es normalmente distribuida con media σ2n. es una variable aleatoria normal estandarizada. para ello fue descubierta la distribución t por William Gosset. 3) Para probar si dos muestras provienen de una misma población. En estos casos. se puede utilizar la desviación estándar de la muestra s como una estimación de σ . A veces es necesario hacer análisis de muestras pequeñas por razones de tiempo y reducción de costos. un especialista en estadística. Sus aplicaciones en la inferencia estadística son para estimar y probar una media y una diferencia de medias (independiente y pareada). pero no es posible usar la distribución Z como estadístico de prueba. entonces x.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE En muchas ocasiones no se conoce σ y el número de observaciones en la muestra es menor de 30. si no la conocemos se puede sustituir por la desviación típica muestral S quedando así x ± z sn. con media igual a cero y variancia igual a uno. usando la distribución Z. establecimos el intervalo de confianza para estimar la media poblacional. con n ≥ 30. El estadístico de prueba adecuado es la distribución t. Se sabe también que si X es una variable normalmente distribuida con media µ y variancia σ2. Si σx se sustituye por Distribución t de Student Página 3 .

No hay una distribución t. La distribución t tiene una media de cero. llamada t de “Student” La distribución estadística de prueba: t = x .μsx => S= Sn-1 Entonces la distribución t queda así: t = x. esta nueva variable no es mas normalmente distribuida. Tiene forma acampanada y simétrica para > 2. 3. podemos usar indistintamente una u otra).μσ n-1 LEY DE STUDENT Esta ley se aproxima mucho a la distribución normal cuando el tamaño de la muestra es grande (por tanto. es simétrica respecto de la media y se extiende de . Cuando los grados de libertad son suficientemente grandes la varianza de la 4. identificada cada una por sus Distribución t de Student Página 4 . Al igual que la distribución Z. todas con la misma media cero. ν) σn CARACTERÍSTICAS DE LA DISTRIBUCIÓN T DE STUDENT 1. es una distribución continua 2. ν). pero con su respectiva desviación estándar diferente de acuerdo con el tamaño de la muestra n. μ= x ± t(α2. sino una "familia" de distribuciones t. para tener x-μsx. El elemento ν es un parámetro llamado grados de libertad y se calcula mediante ν = n – 1.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE sx = (xi-x)2n-1. en lugar de buscar zα2 se busca t(α2.∞ a + ∞ la varianza de t distribución t tiende a 1. y es imperativo utilizarla. Cuando la muestra es pequeña t no se distribuye normalmente. teniendo su propia distribución. La expresión para calcular el intervalo de confianza es la misma.

v=n-1 son los grados de libertad. Los valores t (α. los parámetros de una población son cantidades desconocidas y para estimarlos es necesario extraer una muestra de la población y calcular los estadísticos correspondientes. la distribución t se aproxima a la distribución normal estándar. GRADOS DE LIBERTAD En la mayoría de los casos. ν). ν) se encuentran en tablas de la distribución de t.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE respectivos grados de libertad. es el parámetro ν. Su media es μ=0. el que identifica a la curva respectiva. • • El dominio de la función son todos los números reales. • Para cada valor v de grados de libertad. A medida que los grados de libertad son más grandes hasta tender al infinito. Cada una de ellas está asociada con los que se denominan “Grados de libertad” (generalmente denotado por la letra griega nu. grados de libertad. a medida que aumenta el tamaño de la muestra. La constante A hace que el área bajo el gráfico sea igual a la unidad. otra para una muestra de 22. Sin embargo. y así sucesivamente. ν = n – 1. La distribución t es más ancha y más plana en el centro que la distribución normal estándar como resultado de ello se tiene una mayor variabilidad en las medias de muestra calculadas a partir de muestras más pequeñas. existe una particular distribución de probabilidad de t. Distribución t de Student Página 5 . PROPIEDADES DE LA LEY DE STUDENT • Fν(t) = A (1+ t2v)-(v+12) es la función de la densidad de la ley. el número de observaciones menos uno. ósea. y su varianza es σ2 = vv-2 para v > 2. 5. las formas de las curvas de t tienden a ser más próximas a la forma de la curva normal. esté se define como el número de valores que podemos elegir libremente. Existe una distribución t para una muestra de 20. Existen varias distribuciones t.

Sin embargo cuando σ no se conoce y se estima mediante s = (xi-x)2n-1 .μσ n-1 ≤ 1.90 de que t esté entre -1.….μσ n no es necesariamente normal. Como es una tarea difícil. variando v desde 1 hasta infinito y alfa desde 0.76 Como t = x. la distribución del estadístico t = x. Generalmente las tablas se han construido para pruebas de dos colas.76 x . no se pueden usar valores estandarizados únicos. el estadístico z = x.5 hasta 0. x2.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Como cada curva de t esta relacionada a sus grados de libertad.1.μσ n es exactamente normal estándar.001. por lo que es necesario.76 ≤ t ≤ 1.76 Como determinar el Intervalo de Confianza para la estimación de la Media Conceptos Previos: a) Estimador Puntual: Valor que se calcula a partir de la información de la muestra y que se usa para estimar el parámetro de la población.76 y +1. b) Intervalo de Confianza: Es un rango de valores que se construye a partir de datos de la muestra de modo que el parámetro ocurre dentro de dicho 1 Ver anexo Distribución t de Student Página 6 . computarlo según sean sus grados de libertad. como se hizo en el caso de la normal. para calcular la probabilidad de un valor de t caiga en un particular intervalo.μσ n-1 . Ejemplo: la media de la muestra x es un estimador puntual de la media de la población μ.76 Sn-1 ≤ μ ≤ x + 1.76 ⟹ -0. la desigualdad se convierte en -1.76 ≤ x. Ejemplo: Probabilidad de 0. se han elaborado tablas para varios valores de v.1 INTERVALOS PARA MUESTRAS PEQUEÑAS Cuando las observaciones de la muestra x1. xn provienen de una ley normal.

ν) sn Donde: μ x = media poblacional = media muestral t(α2. ν) = valor obtenido de la tabla de la distribución “t” s n α ν = desviación típica muestral = tamaño de la muestra = nivel de confianza = grados de libertad Para poder utilizar ésta formula es necesario explicar el significado de algunos conceptos y la manera de cómo calcular su valor así como de conocer el uso de la tabla “t” de Student. Nos interesa en nuestro caso particular poder establecer el intervalo de confianza para estimar la media poblacional. La probabilidad específica se conoce como nivel de confianza.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE rango con una probabilidad específica. para ello haremos uso de la siguiente fórmula: μ= x ± t(α2. Lo cual haremos a continuación: 1) El nivel de confiabilidad utilizado es: α = 100%-Confiabilidad100% La confiabilidad se refiere a la probabilidad específica de estimación del parámetro. 2) Los grados de libertad: Concepto un tanto difícil de definir pero debe entenderse como un indicador del grado de acercamiento que cada curva de la distribución “t” presenta con respecto de la curva normal (obsérvese Distribución t de Student Página 7 . en este caso de la media poblacional.

ν) se encuentran en la tabla de la distribución t Student.2 Determinando un intervalo de confianza Para estimar la media poblacional μ en cualquier intervalo de confianza.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE que esto pone de manifiesto que la distribución t no es única y existen tantas como los grados de libertad cumplan la condición ν < 30) Su valor se obtiene de la formula: ν =n–1 3) Los valores de t(α2. el intervalo de confianza para estimar la media poblacional µ sería: x ±1.38 (Sn-1) 2 Ver anexo Distribución t de Student Página 8 . utilizamos x ± t sn-1 Si el tamaño de la muestra fuese de n = 10. los grados de libertad serían 9 y para un coeficiente de confianza del 80%.

El número de galones de agua que utilizan por día (1 galón ≡ 0. A partir de 860 cuentas.76. t(α2. s=20. 190. 182. 3 Ver anexo Distribución t de Student Página 9 .711 185 190 200 145 169 186 178 189 192 172 118 137 200 191 178 158 175 180 181 210 μ: x ± t(α2.7925 Iμ = [168. 150. 150. 300. n=25. 360.711 20. un analista financiero toma una muestra aleatoria de 16 cuentas. ¿Podría pensarse que hay un problema de escasez de agua en la ciudad? x=175.0037854 m3) fue el siguiente: 175 150 180 172 183 Con base en esta información: a) Hallar un intervalo de confianza del 90% b) Si el recurso de agua en la ciudad permite una utilización media de 160 galones por día. 230.65. ν)=1. Para ello se considero una muestra de 25 casa. Los saldos observados en la muestra son los siguientes: 165.76 ± 1. 300. 350. ν=24. μ=160. 180.79.1. 200. 140. 240.3 1. α=0. 250. ν) sn μ: 175. 240.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE EJERCICIOS RESUELTOS Los ejercicios se han resuelto en base a la tabla de Distribución t con distintos grados de libertad.87] 1. Se realizo un estudio sobre la utilización del agua en una pequeña ciudad. 260.

ν=35.7736 Iμ = [37. x=231.6116 Iμ = [201. x=39.77.77.030 7.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Determinar un intervalo de confianza del 90% para estimar el saldo medio de todas las cuentas. n=16. s=7. x=39.79.030 μ: x ± t(α2. pero no los llena con la cantidad exacta. ν)=2.05. Suponte que los pesos reales de contenido siguen una ley normal N (µ. μ=300. ν=35. α=0.753 69.77.56 ± 1. 41.1. 262. s=20. ν) sn μ: 39.31. s=7.50. n=36.1. ν)=2. ν)=1. ν) sn μ: 231.690 b) 95%. ν) sn μ: 39. t(α2. y s = 7. ν)=1.753 μ: x ± t(α2. α=0.87.5.61. α=0.5 ± 2.05. t(α2. x=298. ν=15. σ2).13] 3. Si de una muestra de 16 botes obtenemos una media de 298g. ν=15. n=16. 42. Una muestra de edades de 36 asegurados a una compañía dio valores x = 39.07] 2. n=36. t(α2.7736 Iμ = [36. Hallar los intervalos de confianza para µ del: a) 90%.56.50. t(α2.05.69] α=0. contiene la media µ = 300. s=69. Una maquina se encarga de llenar botes de jalea con µ gramos.690 7.131 Distribución t de Student Página 10 . investiga si un intervalo de confianza para µ del 95%. μ: x ± t(α2.5 ± 1.

s=335. x=9500.05. 9733. La muestra dio una media de x = 2.131 20.262 32710 Iμ = [9266. Construir un intervalo de confianza del 99% para estimar el promedio de vida útil de todos los bombillos del proceso. Una muestra aleatoria del proceso de producción de 17 bombillos.711 33525 Iμ = [2320.92. ν) sn μ: 2435 ± 1.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE μ: x ± t(α2.1. . mediante el análisis de una muestra aleatoria irrestricta de 10 facturas no pagadas encontró que la media aritmética fue de x = $9500 con una desviación típica de s = $327. n=25. t(α2.262 μ: x ± t(α2. con una desviación típica s = 15 horas. t(α2.08] R/ El intervalo si contiene a la media intencional.711 µ.435 colones y una desviación típica de S = 335 colones. Se selecciono una muestra aleatoria de 25 cuentas por cobrar de un registro que contenía 96 cuentas. 2549.7916 Iμ = [286. ν) sn μ: 9500 ± 2. x=2435. ν)=2. El auditor de una empresa al examinar los registros de facturación mensual. Construir un intervalo de confianza del 95% para estimar el parámetro poblacional. α=0. ν=9. 309. ν=24. Obténgase un intervalo de confianza del 90% para estimar la media de las 96 cuentas del registro. Distribución t de Student Página 11 n=10.36. α=0.64] 5. dio una media de x = 128 horas. por lo tanto el error en llenado no es μ: x ± t(α2. 4. ν)=1.91] 6. ν) sn μ: 298 ± 2. s=327.09.

ν=25. t(α2.787 μ: x ± t(α2. 138.67 y una desviación estándar de $0. 310. μ: x ± t(α2. ν) sn μ: 280 ± 2. 1. s=0. μ: x ± t(α2.99.67. n=26.787 5526 Iμ = [249.82] Distribución t de Student Página 12 .52.63] 7. t(α2.01. α=0. α=0.093 0. ν)=2. Estime el promedio verdadero con un intervalo de confianza del 0.921 1517 Iμ = [117. x=1. Suponiendo una distribución normal.921 n=17.32. s=55. x=280.94. construya una estimación del intervalo de confianza del 95% para la media del valor de todas las tarjetas de felicitación en el inventario de la tienda. Una empresa constructora desea conocer el promedio de arrendamiento mensual de casas en cierta ciudad (casas tipo clase media).3220 Iμ = [1.093 t(α2. ν)=2. ν) sn μ: 128 ± 2. El propietario de una papelería desea estimar la media del valor al menudeo de las tarjetas de felicitación que la tienda tiene en su inventario. n=20. s=15.67 ± 2.05. Una muestra aleatoria de 26 arrendamientos dio un promedio de x = $280 y una desviación típica de s = $55.37.32. ν=19.01.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE x=128. Una muestra aleatoria de 20 tarjetas de felicitación indica una media de valor de $1.06] 8. α=0. ν) sn μ: 1. ν)=2. ν=16.

UCA-Editores 1997 • Estadística para administración. Gildaberto Bonilla. Prentice Hall 2006 • Introducción a la estadística. UCA-Editores 2002 • Estadística II: Métodos prácticos de inferencia estadística. El Salvador. Krehbiel.edu. El Salvador. Wilfredo Caballero. 1ª Edición. David M. 1ª Edición. Mark L. Timothy C. México.htm Página 13 Distribución t de Student . José Hernández Salguero.itchihuahuaii. Costa Rica.8. Berenson. El Salvador. 2006 Internet • http://www.mx/academico/CB/MEG/documentos/1.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE BIBLIOGRAFIA Libros • Elementos de probabilidad y estadística. Levine. ITCA-FEPADE. 4ª Edición. 4ª Edición. IICA 1981 • Apuntes de Clase de Estadística.

UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE • http://www.ht ml ANEXO Distribución t de Student Página 14 .com/html/probabilidad/varaleat/tstudent.matematicasvisuales.

UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Distribución t de Student Página 15 .

UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE ANEXO Distribución t de Student Página 16 .

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.