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

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

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

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

90 de que t esté entre -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 . Ejemplo: Probabilidad de 0. xn provienen de una ley normal.76 y +1. Generalmente las tablas se han construido para pruebas de dos colas.μσ n no es necesariamente normal.…. el estadístico z = x.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. para calcular la probabilidad de un valor de t caiga en un particular intervalo. Ejemplo: la media de la muestra x es un estimador puntual de la media de la población μ.μσ n-1 . computarlo según sean sus grados de libertad. como se hizo en el caso de la normal.76 Sn-1 ≤ μ ≤ x + 1.76 ≤ x. la distribución del estadístico t = x. x2.76 ⟹ -0.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Como cada curva de t esta relacionada a sus grados de libertad.μσ n es exactamente normal estándar. por lo que es necesario. se han elaborado tablas para varios valores de v.76 x .1 INTERVALOS PARA MUESTRAS PEQUEÑAS Cuando las observaciones de la muestra x1.76 Como t = x. Como es una tarea difícil. no se pueden usar valores estandarizados únicos.001.μσ n-1 ≤ 1.1.5 hasta 0. la desigualdad se convierte en -1. Sin embargo cuando σ no se conoce y se estima mediante s = (xi-x)2n-1 . variando v desde 1 hasta infinito y alfa desde 0.

UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE rango con una probabilidad específica. ν) sn Donde: μ x = media poblacional = media muestral 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. en este caso de la media poblacional. 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. 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. 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 .

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 = 10.38 (Sn-1) 2 Ver anexo Distribución t de Student Página 8 .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. los grados de libertad serían 9 y para un coeficiente de confianza del 80%. ν) se encuentran en la tabla de la distribución t Student. el intervalo de confianza para estimar la media poblacional µ sería: x ±1.

s=20. 360.76. 300. El número de galones de agua que utilizan por día (1 galón ≡ 0. n=25. ¿Podría pensarse que hay un problema de escasez de agua en la ciudad? x=175. 190. 230. 180.79. un analista financiero toma una muestra aleatoria de 16 cuentas.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. Se realizo un estudio sobre la utilización del agua en una pequeña ciudad. μ=160.0037854 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. α=0. ν) sn μ: 175. 240. t(α2. 182. A partir de 860 cuentas. 240. Para ello se considero una muestra de 25 casa. 250.1. 200.711 20. 350.65. 150. 260.3 1.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. 3 Ver anexo Distribución t de Student Página 9 . ν)=1. Los saldos observados en la muestra son los siguientes: 165.7925 Iμ = [168. 300.76 ± 1. ν=24. 150.87] 1. 140.

s=69. x=39.05. ν) sn μ: 39.56. y s = 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.05.5 ± 2.50.79.31.030 7.5. x=298.5 ± 1.6116 Iμ = [201.1.13] 3. ν)=2. pero no los llena con la cantidad exacta. α=0. n=16. x=39.77. α=0.77. ν=35. Si de una muestra de 16 botes obtenemos una media de 298g. Hallar los intervalos de confianza para µ del: a) 90%. investiga si un intervalo de confianza para µ del 95%. n=36. t(α2. Una maquina se encarga de llenar botes de jalea con µ gramos. n=16.131 Distribución t de Student Página 10 .690 7. 41.61. ν) sn μ: 231. t(α2.56 ± 1. 262. σ2). Suponte que los pesos reales de contenido siguen una ley normal N (µ.7736 Iμ = [36.50.07] 2. s=7.69] α=0.77. ν=35. ν=15. μ: x ± t(α2. Una muestra de edades de 36 asegurados a una compañía dio valores x = 39. ν)=1. ν=15. ν) sn μ: 39. contiene la media µ = 300. t(α2.753 μ: x ± t(α2.753 69.05. t(α2. μ=300. n=36. x=231. α=0. ν)=1.7736 Iμ = [37. s=20. 42.87. ν)=2.690 b) 95%.1.030 μ: x ± t(α2. s=7.

Construir un intervalo de confianza del 95% para estimar el parámetro poblacional. dio una media de x = 128 horas. ν) sn μ: 9500 ± 2. 4.1. Se selecciono una muestra aleatoria de 25 cuentas por cobrar de un registro que contenía 96 cuentas. Distribución t de Student Página 11 n=10.435 colones y una desviación típica de S = 335 colones.711 µ. α=0. ν=9. ν)=1. t(α2.262 μ: x ± t(α2.131 20.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE μ: x ± t(α2. ν) sn μ: 298 ± 2. 2549.92. La muestra dio una media de x = 2. ν)=2. Una muestra aleatoria del proceso de producción de 17 bombillos.09.91] 6. por lo tanto el error en llenado no es μ: x ± t(α2. x=9500. α=0.7916 Iμ = [286. s=327.05.64] 5. El auditor de una empresa al examinar los registros de facturación mensual. con una desviación típica s = 15 horas. t(α2. 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 = $327.36. 309. s=335. 9733.262 32710 Iμ = [9266. ν) sn μ: 2435 ± 1. Obténgase un intervalo de confianza del 90% para estimar la media de las 96 cuentas del registro. Construir un intervalo de confianza del 99% para estimar el promedio de vida útil de todos los bombillos del proceso. x=2435. .711 33525 Iμ = [2320. n=25.08] R/ El intervalo si contiene a la media intencional. ν=24.

52. Una muestra aleatoria de 20 tarjetas de felicitación indica una media de valor de $1. 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. n=26.01. ν)=2. 1.921 n=17.3220 Iμ = [1. x=1.32. ν) sn μ: 128 ± 2.787 5526 Iμ = [249.01.06] 8. Suponiendo una distribución normal. n=20.093 t(α2. 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. ν)=2. Una muestra aleatoria de 26 arrendamientos dio un promedio de x = $280 y una desviación típica de s = $55. t(α2. ν)=2. α=0. ν) sn μ: 1.05.093 0. μ: x ± t(α2. ν=25.67 y una desviación estándar de $0. Estime el promedio verdadero con un intervalo de confianza del 0. 138. x=280. ν=19. ν) sn μ: 280 ± 2.99. s=15. s=0. α=0. Una empresa constructora desea conocer el promedio de arrendamiento mensual de casas en cierta ciudad (casas tipo clase media). s=55.63] 7.67.67 ± 2.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE x=128.82] Distribución t de Student Página 12 .37.94. 310. t(α2.32. μ: x ± t(α2. ν=16.787 μ: x ± t(α2. α=0.

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

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

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.