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

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

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

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

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

μσ n-1 . la desigualdad se convierte en -1. Como es una tarea difícil. el estadístico z = x.76 x . como se hizo en el caso de la normal.90 de que t esté entre -1. xn provienen de una ley normal.5 hasta 0.μσ n-1 ≤ 1. Sin embargo cuando σ no se conoce y se estima mediante s = (xi-x)2n-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 .1.1 INTERVALOS PARA MUESTRAS PEQUEÑAS Cuando las observaciones de la muestra x1. para calcular la probabilidad de un valor de t caiga en un particular intervalo.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Como cada curva de t esta relacionada a sus grados de libertad.76 Como t = x. computarlo según sean sus grados de libertad. x2.76 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.μσ n no es necesariamente normal. no se pueden usar valores estandarizados únicos.76 ≤ t ≤ 1.…. variando v desde 1 hasta infinito y alfa desde 0.μσ n es exactamente normal estándar.76 ⟹ -0. la distribución del estadístico t = x.76 ≤ x. Ejemplo: la media de la muestra x es un estimador puntual de la media de la población μ. Ejemplo: Probabilidad de 0.76 y +1. Generalmente las tablas se han construido para pruebas de dos colas.001.76 Sn-1 ≤ μ ≤ x + 1. se han elaborado tablas para varios valores de v. por lo que es necesario.

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

el intervalo de confianza para estimar la media poblacional µ sería: x ±1.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(α2.2 Determinando un intervalo de confianza Para estimar la media poblacional μ en cualquier intervalo de confianza.38 (Sn-1) 2 Ver anexo Distribución t de Student Página 8 . 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%. utilizamos x ± t sn-1 Si el tamaño de la muestra fuese de n = 10.

150. 180. 360. El número de galones de agua que utilizan por día (1 galón ≡ 0.79.7925 Iμ = [168. s=20. Se realizo un estudio sobre la utilización del agua en una pequeña ciudad. 240. 300.76. 350. A partir de 860 cuentas. 230. n=25.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. α=0. ¿Podría pensarse que hay un problema de escasez de agua en la ciudad? x=175.76 ± 1.0037854 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. 300. 250. Para ello se considero una muestra de 25 casa.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. ν) sn μ: 175. ν)=1. 150. 140. 182.1. t(α2. Los saldos observados en la muestra son los siguientes: 165. 200. un analista financiero toma una muestra aleatoria de 16 cuentas. 190. 240.87] 1.711 20.3 1. 260. 3 Ver anexo Distribución t de Student Página 9 . ν=24.65. μ=160.

31.7736 Iμ = [36.753 69.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Determinar un intervalo de confianza del 90% para estimar el saldo medio de todas las cuentas.05.7736 Iμ = [37.030 7. 262. s=7. Si de una muestra de 16 botes obtenemos una media de 298g. s=7. s=20. t(α2. n=16.50. ν) sn μ: 231.5. ν) sn μ: 39. Suponte que los pesos reales de contenido siguen una ley normal N (µ.07] 2.5 ± 2. ν)=1.61.1.50.69] α=0. n=16. ν=15. t(α2.77. Una maquina se encarga de llenar botes de jalea con µ gramos. α=0. Hallar los intervalos de confianza para µ del: a) 90%. n=36. investiga si un intervalo de confianza para µ del 95%. Una muestra de edades de 36 asegurados a una compañía dio valores x = 39.79. ν)=2. ν) sn μ: 39. α=0.1. ν)=2.87.05. y s = 7.030 μ: x ± t(α2.77. μ: x ± t(α2. ν=15. t(α2. x=39. x=231. ν=35.753 μ: x ± t(α2. x=298. t(α2. s=69. 41.6116 Iμ = [201.56 ± 1.131 Distribución t de Student Página 10 . ν)=1.690 7. σ2). ν=35.5 ± 1. x=39. 42. pero no los llena con la cantidad exacta. μ=300.56.690 b) 95%. α=0. contiene la media µ = 300.05.13] 3.77. n=36.

ν)=2.7916 Iμ = [286. n=25. El auditor de una empresa al examinar los registros de facturación mensual.262 32710 Iμ = [9266.36. ν) sn μ: 9500 ± 2. Construir un intervalo de confianza del 95% para estimar el parámetro poblacional. α=0.711 µ.64] 5. 9733. 4. s=335.262 μ: x ± t(α2.92.08] R/ El intervalo si contiene a la media intencional. Obténgase un intervalo de confianza del 90% para estimar la media de las 96 cuentas del registro. x=2435. α=0. con una desviación típica s = 15 horas. ν=9. ν) sn μ: 298 ± 2. ν)=1.435 colones y una desviación típica de S = 335 colones. 309. t(α2. 2549. ν=24. t(α2.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE μ: x ± t(α2.711 33525 Iμ = [2320. dio una media de x = 128 horas.09.131 20. Una muestra aleatoria del proceso de producción de 17 bombillos. 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 = $327.91] 6. x=9500. Se selecciono una muestra aleatoria de 25 cuentas por cobrar de un registro que contenía 96 cuentas. por lo tanto el error en llenado no es μ: x ± t(α2. .05. ν) sn μ: 2435 ± 1. Construir un intervalo de confianza del 99% para estimar el promedio de vida útil de todos los bombillos del proceso. s=327. La muestra dio una media de x = 2. Distribución t de Student Página 11 n=10.1.

ν=19.01. μ: x ± t(α2.37.05. ν) sn μ: 128 ± 2. n=20.82] Distribución t de Student Página 12 . t(α2.63] 7. α=0.67 y una desviación estándar de $0. ν=16.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE x=128. x=1. n=26.06] 8. α=0. Una muestra aleatoria de 20 tarjetas de felicitación indica una media de valor de $1. x=280. ν)=2. 1.94. s=55. 138.01.921 1517 Iμ = [117.67.32.52. Estime el promedio verdadero con un intervalo de confianza del 0. ν)=2.787 μ: x ± t(α2. Una muestra aleatoria de 26 arrendamientos dio un promedio de x = $280 y una desviación típica de s = $55.093 0. s=15. μ: x ± t(α2. Una empresa constructora desea conocer el promedio de arrendamiento mensual de casas en cierta ciudad (casas tipo clase media). ν) sn μ: 280 ± 2. Suponiendo una distribución normal.921 n=17. ν)=2.99. s=0.3220 Iμ = [1.787 5526 Iμ = [249. ν=25. ν) sn μ: 1.093 t(α2. 310. t(α2.32. 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. α=0.67 ± 2. 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.

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

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