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

Gosset. Sus funciones se basan en establecer un intervalo de confianza. DISTRIBUCIÓN “t” DE STUDENT DISTRIBUCION t DE STUDENT Distribución t de Student Página 2 .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. reduce tiempo. utilizando un nivel de confianza y los grados de libertad. este señor cuyo nombre era William S. De gran utilidad. 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. costo y esfuerzos. Es similar a la curva normal. Esta fue descubierta por un especialista en estadística de una empresa irlandesa. Gosset adoptó el seudónimo de “Student”. pero la distribución t tiene mayor área a los extremos y menos en el centro. Se utiliza para probar hipótesis y también para saber si dos muestras provienen de la misma población. obteniendo valores de una tabla dada con respecto a estas variables y aplicarla en la formula.

es una variable aleatoria normal estandarizada. 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). En estos casos. 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 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. y si una muestra de tamaño n se extrae. pero no es posible usar la distribución Z como estadístico de prueba. Si σx se sustituye por Distribución t de Student Página 3 . un especialista en estadística. 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. 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. establecimos el intervalo de confianza para estimar la media poblacional. que la publicó en 1908 con el seudónimo de Distribución t Student. Cuando hicimos la estimación por intervalo. con media igual a cero y variancia igual a uno. así x ± z σn dado que conocíamos la desviación típica de la población σ. µ y variancia σx2 = la media de la muestra es normalmente distribuida con media σ2n. Sin embargo. con n ≥ 30. entonces x. usando la distribución Z. para ello fue descubierta la distribución t por William Gosset.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.

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

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

…. xn provienen de una ley normal.5 hasta 0. computarlo según sean sus grados de libertad. variando v desde 1 hasta infinito y alfa desde 0. 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 calcular la probabilidad de un valor de t caiga en un particular intervalo.001.μσ n no es necesariamente normal. Sin embargo cuando σ no se conoce y se estima mediante s = (xi-x)2n-1 .76 x . Generalmente las tablas se han construido para pruebas de dos colas.76 ≤ x.1. se han elaborado tablas para varios valores de v.μσ n-1 ≤ 1.76 Sn-1 ≤ μ ≤ x + 1.μσ n es exactamente normal estándar. la desigualdad se convierte en -1. el estadístico z = x. 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. la distribución del estadístico t = x. no se pueden usar valores estandarizados únicos.μσ n-1 . Como es una tarea difícil.1 INTERVALOS PARA MUESTRAS PEQUEÑAS Cuando las observaciones de la muestra x1.76 Como t = x.90 de que t esté entre -1. Ejemplo: Probabilidad de 0. Ejemplo: la media de la muestra x es un estimador puntual de la media de la población μ.76 ≤ t ≤ 1.76 ⟹ -0. como se hizo en el caso de la normal. 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.76 y +1.

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. ν) sn Donde: μ x = media poblacional = media muestral t(α2. La probabilidad específica se conoce como nivel de confianza. en este caso de la media poblacional.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE rango con una probabilidad específica. 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 . 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 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 . los grados de libertad serían 9 y para un coeficiente de confianza del 80%.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.

s=20. A partir de 860 cuentas.87] 1. 230. 260. 240. μ=160. 250. 240. ν)=1. 300. 360.1. 180. 150. ν) sn μ: 175. 140.79. un analista financiero toma una muestra aleatoria de 16 cuentas.76 ± 1. α=0. 200. Se realizo un estudio sobre la utilización del agua en una pequeña ciudad.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.711 20. 190. Para ello se considero una muestra de 25 casa. ¿Podría pensarse que hay un problema de escasez de agua en la ciudad? x=175.7925 Iμ = [168. ν=24. El número de galones de agua que utilizan por día (1 galón ≡ 0. 150. 350. n=25. 182. 300. Los saldos observados en la muestra son los siguientes: 165.711 185 190 200 145 169 186 178 189 192 172 118 137 200 191 178 158 175 180 181 210 μ: x ± t(α2. t(α2.65.76.3 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 .

s=69.61.05.690 7. s=20.6116 Iμ = [201.31.87. σ2).7736 Iμ = [37. Si de una muestra de 16 botes obtenemos una media de 298g.5 ± 2. pero no los llena con la cantidad exacta. ν)=2. t(α2. ν=15. n=36. μ=300. μ: x ± t(α2. ν)=1.50.7736 Iμ = [36.5 ± 1.1. t(α2. x=39. 262. s=7. y s = 7.56 ± 1.77. ν)=1. ν=35.50. x=39.79. ν)=2. ν) sn μ: 231.69] α=0. ν) sn μ: 39.753 μ: x ± t(α2. ν=15.13] 3.753 69.56.030 μ: x ± t(α2.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Determinar un intervalo de confianza del 90% para estimar el saldo medio de todas las cuentas. t(α2. contiene la media µ = 300.1. investiga si un intervalo de confianza para µ del 95%. s=7. α=0. 41. α=0. Una maquina se encarga de llenar botes de jalea con µ gramos.05. n=16. Una muestra de edades de 36 asegurados a una compañía dio valores x = 39. x=298. ν) sn μ: 39.5. x=231. α=0.07] 2. ν=35.77.030 7. Hallar los intervalos de confianza para µ del: a) 90%. Suponte que los pesos reales de contenido siguen una ley normal N (µ.131 Distribución t de Student Página 10 .05.690 b) 95%. 42. n=36.77. t(α2. n=16.

ν=24.1. ν=9.262 μ: x ± t(α2. ν) sn μ: 298 ± 2. . Una muestra aleatoria del proceso de producción de 17 bombillos. t(α2.09.05. por lo tanto el error en llenado no es μ: x ± t(α2. t(α2.91] 6. ν) sn μ: 9500 ± 2. La muestra dio una media de x = 2. ν)=1. x=9500.7916 Iμ = [286.36. α=0. Distribución t de Student Página 11 n=10. ν) sn μ: 2435 ± 1. El auditor de una empresa al examinar los registros de facturación mensual. Obténgase un intervalo de confianza del 90% para estimar la media de las 96 cuentas del registro. n=25. 9733. dio una media de x = 128 horas.92.08] R/ El intervalo si contiene a la media intencional.435 colones y una desviación típica de S = 335 colones. s=327. 4.131 20.711 33525 Iμ = [2320. 309.262 32710 Iμ = [9266.711 µ.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE μ: x ± t(α2. con una desviación típica s = 15 horas. ν)=2. Construir un intervalo de confianza del 95% para estimar el parámetro poblacional. s=335. Construir un intervalo de confianza del 99% para estimar el promedio de vida útil de todos los bombillos del proceso. α=0. Se selecciono una muestra aleatoria de 25 cuentas por cobrar de un registro que contenía 96 cuentas. x=2435.64] 5. 2549. 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(α2.06] 8. ν)=2. ν=19.67. α=0. Suponiendo una distribución normal. t(α2. μ: x ± t(α2.3220 Iμ = [1.67 ± 2. Una muestra aleatoria de 26 arrendamientos dio un promedio de x = $280 y una desviación típica de s = $55. ν) sn μ: 280 ± 2.01.787 μ: x ± t(α2.63] 7. ν=16. Una muestra aleatoria de 20 tarjetas de felicitación indica una media de valor de $1.32.82] Distribución t de Student Página 12 . μ: x ± t(α2.37. ν) sn μ: 1. x=1. ν)=2.093 t(α2. ν=25. ν)=2. s=55.921 n=17.921 1517 Iμ = [117.787 5526 Iμ = [249.05.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE x=128.67 y una desviación estándar de $0. x=280.093 0. 310.01. s=0.99. Estime el promedio verdadero con un intervalo de confianza del 0. α=0. ν) sn μ: 128 ± 2. Una empresa constructora desea conocer el promedio de arrendamiento mensual de casas en cierta ciudad (casas tipo clase media). 1.94. 138. 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. n=26. s=15. 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. n=20.32.52.

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

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 .

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.