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

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

pero no es posible usar la distribución Z como estadístico de prueba. que la publicó en 1908 con el seudónimo de Distribución t Student. Se sabe también que si X es una variable normalmente distribuida con media µ y variancia σ2. El estadístico de prueba adecuado es la distribución t. usando la distribución Z. si no la conocemos se puede sustituir por la desviación típica muestral S quedando así x ± z sn. 3) Para probar si dos muestras provienen de una misma población. un especialista en estadística. entonces x. Cuando hicimos la estimación por intervalo. Asimismo: x – µσx = z. Sus aplicaciones en la inferencia estadística son para estimar y probar una media y una diferencia de medias (independiente y pareada). con media igual a cero y variancia igual a uno.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. para ello fue descubierta la distribución t por William Gosset. 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. con n ≥ 30. se puede utilizar la desviación estándar de la muestra s como una estimación de σ . así x ± z σn dado que conocíamos la desviación típica de la población σ. Si σx se sustituye por Distribución t de Student Página 3 . es una variable aleatoria normal estandarizada. establecimos el intervalo de confianza para estimar la media poblacional. y si una muestra de tamaño n se extrae. En estos casos. A veces es necesario hacer análisis de muestras pequeñas por razones de tiempo y reducción de costos. Sin embargo. µ y variancia σx2 = la media de la muestra es normalmente distribuida con media σ2n.

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

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

la distribución del estadístico t = x.1. la desigualdad se convierte en -1. Como es una tarea difícil.μσ n-1 .μσ n no es necesariamente normal. variando v desde 1 hasta infinito y alfa desde 0.76 ≤ t ≤ 1.….1 INTERVALOS PARA MUESTRAS PEQUEÑAS Cuando las observaciones de la muestra x1. se han elaborado tablas para varios valores de v. no se pueden usar valores estandarizados únicos. Sin embargo cuando σ no se conoce y se estima mediante s = (xi-x)2n-1 .76 ⟹ -0.001.76 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 Como t = x.76 ≤ x. x2. Ejemplo: Probabilidad de 0. para calcular la probabilidad de un valor de t caiga en un particular intervalo.90 de que t esté entre -1. computarlo según sean sus grados de libertad. por lo que es necesario.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Como cada curva de t esta relacionada a sus grados de libertad.76 Sn-1 ≤ μ ≤ x + 1. como se hizo en el caso de la normal.5 hasta 0. xn provienen de una ley normal.μσ n es exactamente normal estándar. Generalmente las tablas se han construido para pruebas de dos colas. el estadístico z = x.76 y +1.μσ n-1 ≤ 1.76 x . Ejemplo: la media de la muestra x es un estimador puntual de la media de la población μ. 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 .

para ello haremos uso de la siguiente fórmula: μ= x ± 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. en este caso de la media poblacional. 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 . La probabilidad específica se conoce como nivel de confianza. Nos interesa en nuestro caso particular poder establecer el intervalo de confianza para estimar la media poblacional. ν) sn Donde: μ x = media poblacional = media muestral t(α2.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE rango con una probabilidad específica.

38 (Sn-1) 2 Ver anexo Distribución t de Student Página 8 .2 Determinando un intervalo de confianza Para estimar la media poblacional μ en cualquier intervalo de confianza. utilizamos x ± t sn-1 Si el tamaño de la muestra fuese de n = 10.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. ν) se encuentran en la tabla de la distribución t Student. los grados de libertad serían 9 y para un coeficiente de confianza del 80%.

76. Para ello se considero una muestra de 25 casa. t(α2. n=25. 300. μ=160. 350. 140. 182. ¿Podría pensarse que hay un problema de escasez de agua en la ciudad? x=175. 240. α=0. un analista financiero toma una muestra aleatoria de 16 cuentas.76 ± 1.3 1. 150. 360. 250. 180. 3 Ver anexo Distribución t de Student Página 9 .1.711 185 190 200 145 169 186 178 189 192 172 118 137 200 191 178 158 175 180 181 210 μ: x ± t(α2. 190. 240.87] 1.711 20.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. A partir de 860 cuentas. 260.7925 Iμ = [168. El número de galones de agua que utilizan por día (1 galón ≡ 0. Los saldos observados en la muestra son los siguientes: 165. 150. Se realizo un estudio sobre la utilización del agua en una pequeña ciudad. 230. s=20.65. 200.0037854 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.79. ν=24. 300. ν) sn μ: 175. ν)=1.

y s = 7. Si de una muestra de 16 botes obtenemos una media de 298g.13] 3.753 69.030 7. x=231.030 μ: x ± t(α2. α=0.50.5 ± 2.77. ν) sn μ: 39.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Determinar un intervalo de confianza del 90% para estimar el saldo medio de todas las cuentas. x=39.1. 262.690 b) 95%.79. ν=35. n=36. Suponte que los pesos reales de contenido siguen una ley normal N (µ. s=69. ν=15. 41.56.5 ± 1.05. s=20. α=0.1. t(α2. ν)=1.690 7. μ=300. 42. t(α2.05. α=0.07] 2.87. ν)=1.7736 Iμ = [37. n=36. contiene la media µ = 300.69] α=0. n=16. ν)=2. ν) sn μ: 231. Una muestra de edades de 36 asegurados a una compañía dio valores x = 39.61.6116 Iμ = [201.50. pero no los llena con la cantidad exacta. Una maquina se encarga de llenar botes de jalea con µ gramos. μ: x ± t(α2. x=298.77. investiga si un intervalo de confianza para µ del 95%. x=39. s=7. t(α2.7736 Iμ = [36. ν=15. ν)=2.31. ν=35.56 ± 1.77. ν) sn μ: 39. t(α2.5. σ2). s=7.753 μ: x ± t(α2. Hallar los intervalos de confianza para µ del: a) 90%. n=16.131 Distribución t de Student Página 10 .05.

08] R/ El intervalo si contiene a la media intencional. Una muestra aleatoria del proceso de producción de 17 bombillos. ν=24.131 20.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE μ: x ± t(α2.64] 5. s=327. El auditor de una empresa al examinar los registros de facturación mensual. por lo tanto el error en llenado no es μ: x ± t(α2.36. ν)=2. La muestra dio una media de x = 2. Construir un intervalo de confianza del 95% para estimar el parámetro poblacional. α=0. 4.262 32710 Iμ = [9266.711 33525 Iμ = [2320.7916 Iμ = [286. ν) sn μ: 2435 ± 1. x=9500.92. α=0. x=2435.435 colones y una desviación típica de S = 335 colones.09. dio una media de x = 128 horas. 309. n=25. ν)=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. t(α2. con una desviación típica s = 15 horas.262 μ: x ± t(α2. ν) sn μ: 298 ± 2. Construir un intervalo de confianza del 99% para estimar el promedio de vida útil de todos los bombillos del proceso. . Se selecciono una muestra aleatoria de 25 cuentas por cobrar de un registro que contenía 96 cuentas. Distribución t de Student Página 11 n=10. s=335.91] 6. ν) sn μ: 9500 ± 2. ν=9.1. Obténgase un intervalo de confianza del 90% para estimar la media de las 96 cuentas del registro. 9733. t(α2. 2549.05.711 µ.

52. ν) sn μ: 280 ± 2. ν) sn μ: 128 ± 2. 310.67 ± 2.3220 Iμ = [1.093 t(α2. n=20.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE x=128.05. ν=19. ν=16.32.99. s=55. 138.093 0.67 y una desviación estándar de $0. Una muestra aleatoria de 26 arrendamientos dio un promedio de x = $280 y una desviación típica de s = $55. ν)=2.37. Suponiendo una distribución normal. μ: x ± t(α2. Una muestra aleatoria de 20 tarjetas de felicitación indica una media de valor de $1. α=0. n=26. α=0. 1. Estime el promedio verdadero con un intervalo de confianza del 0. x=280. ν)=2.787 μ: x ± t(α2. ν=25. 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.82] Distribución t de Student Página 12 . Una empresa constructora desea conocer el promedio de arrendamiento mensual de casas en cierta ciudad (casas tipo clase media). 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.921 1517 Iμ = [117. ν) sn μ: 1. t(α2.67. s=15. x=1.01. t(α2.787 5526 Iμ = [249. ν)=2. μ: x ± t(α2.921 n=17.06] 8. α=0.32. s=0.63] 7.01.94.

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

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

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: Get 4 months of Scribd and The New York Times for just $1.87 per week!

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