P. 1
Distribucion T de Student, Scrib

Distribucion T de Student, Scrib

4.0

|Views: 37.142|Likes:
Publicado porNidia Argueta
Un breve reporte de las principales caracteristicas y propiedasdes de la distribución t de student, asi como las formulas que se utilizan para la misma
Un breve reporte de las principales caracteristicas y propiedasdes de la distribución t de student, asi como las formulas que se utilizan para la misma

More info:

Categories:Types, School Work
Published by: Nidia Argueta on Oct 10, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

09/27/2015

pdf

text

original

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

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

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

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

como se hizo en el caso de la normal.…. Generalmente las tablas se han construido para pruebas de dos colas. Como es una tarea difícil.76 ≤ t ≤ 1. no se pueden usar valores estandarizados únicos. Ejemplo: la media de la muestra x es un estimador puntual de la media de la población μ. por lo que es necesario. la desigualdad se convierte en -1.76 Sn-1 ≤ μ ≤ x + 1.76 Como t = x. la distribución del estadístico t = x. 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 .μσ n no es necesariamente normal. se han elaborado tablas para varios valores de v. x2.μσ n es exactamente normal estándar.5 hasta 0. computarlo según sean sus grados de libertad.76 ≤ x.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE Como cada curva de t esta relacionada a sus grados de libertad. variando v desde 1 hasta infinito y alfa desde 0.1.001.76 ⟹ -0.μσ n-1 ≤ 1.1 INTERVALOS PARA MUESTRAS PEQUEÑAS Cuando las observaciones de la muestra x1.μσ n-1 . xn provienen de una ley normal. Sin embargo cuando σ no se conoce y se estima mediante s = (xi-x)2n-1 .76 y +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. el estadístico z = x. para calcular la probabilidad de un valor de t caiga en un particular intervalo.90 de que t esté entre -1.76 x . Ejemplo: Probabilidad de 0.

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.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 . 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. en este caso de la media poblacional. La probabilidad específica se conoce como nivel 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.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. los grados de libertad serían 9 y para un coeficiente de confianza del 80%.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.

150. 260.711 20. 350. 300. A partir de 860 cuentas. 200. ν) sn μ: 175.87] 1. 250. Se realizo un estudio sobre la utilización del agua en una pequeña ciudad.3 1. 300. 190. n=25. α=0.79. 240.76 ± 1. 230. 240. ν=24.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. Para ello se considero una muestra de 25 casa. Los saldos observados en la muestra son los siguientes: 165. μ=160.7925 Iμ = [168.65. 3 Ver anexo Distribución t de Student Página 9 .76. El número de galones de agua que utilizan por día (1 galón ≡ 0. 182. t(α2. s=20.711 185 190 200 145 169 186 178 189 192 172 118 137 200 191 178 158 175 180 181 210 μ: x ± t(α2. 360.1. ν)=1. 150. 180. 140. un analista financiero toma una muestra aleatoria de 16 cuentas.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. ¿Podría pensarse que hay un problema de escasez de agua en la ciudad? x=175.

41. t(α2. s=7. Una muestra de edades de 36 asegurados a una compañía dio valores x = 39.1.7736 Iμ = [36.07] 2.77. ν) sn μ: 231.5 ± 2.753 69. pero no los llena con la cantidad exacta. α=0.6116 Iμ = [201. Suponte que los pesos reales de contenido siguen una ley normal N (µ.13] 3. μ: x ± t(α2.50. ν=35. ν) sn μ: 39.79. Si de una muestra de 16 botes obtenemos una media de 298g. n=36.5.7736 Iμ = [37.87.56.69] α=0.131 Distribución t de Student Página 10 .5 ± 1. s=69. σ2).753 μ: x ± t(α2. t(α2. n=16. s=20. Una maquina se encarga de llenar botes de jalea con µ gramos. t(α2. x=231. y s = 7.77. ν)=2. ν=15.77. ν)=1. α=0. x=39. 262. investiga si un intervalo de confianza para µ del 95%. μ=300.05. ν)=1.05. ν)=2.61. contiene la media µ = 300. x=39. Hallar los intervalos de confianza para µ del: a) 90%.1.030 μ: x ± t(α2. n=16. ν) sn μ: 39. t(α2. 42.50. ν=15. α=0. n=36.030 7.31.05. x=298.690 7.690 b) 95%.56 ± 1. ν=35. 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.

α=0. ν) sn μ: 298 ± 2. 309. s=327. con una desviación típica s = 15 horas.711 µ.92.09.435 colones y una desviación típica de S = 335 colones.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE μ: x ± t(α2. t(α2. x=2435.1.36. La muestra dio una media de x = 2. 9733. 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. ν)=2.08] R/ El intervalo si contiene a la media intencional. Construir un intervalo de confianza del 95% para estimar el parámetro poblacional. ν=9. s=335. ν=24. Distribución t de Student Página 11 n=10. dio una media de x = 128 horas. Una muestra aleatoria del proceso de producción de 17 bombillos.05. ν) sn μ: 9500 ± 2.7916 Iμ = [286. por lo tanto el error en llenado no es μ: x ± t(α2. Se selecciono una muestra aleatoria de 25 cuentas por cobrar de un registro que contenía 96 cuentas. El auditor de una empresa al examinar los registros de facturación mensual. n=25.131 20. 4. α=0.262 32710 Iμ = [9266.711 33525 Iμ = [2320. t(α2. x=9500. . 2549.91] 6.262 μ: x ± t(α2. Obténgase un intervalo de confianza del 90% para estimar la media de las 96 cuentas del registro. ν)=1. ν) sn μ: 2435 ± 1.64] 5. Construir un intervalo de confianza del 99% para estimar el promedio de vida útil de todos los bombillos del proceso.

ν)=2. α=0. ν=25.67. ν=16. 310.32. 1.01.52. x=1. μ: x ± t(α2. Una muestra aleatoria de 26 arrendamientos dio un promedio de x = $280 y una desviación típica de s = $55.67 y una desviación estándar de $0.37. Estime el promedio verdadero con un intervalo de confianza del 0. ν) sn μ: 128 ± 2.06] 8.921 n=17.3220 Iμ = [1. s=15. α=0. Suponiendo una distribución normal.82] Distribución t de Student Página 12 .787 μ: x ± t(α2.63] 7. 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. 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. μ: x ± t(α2. s=0.093 t(α2.94. x=280. n=20. Una muestra aleatoria de 20 tarjetas de felicitación indica una media de valor de $1.UNIVERSIDAD DE EL SALVADOR FACULTAD MULTIDISCIPLINARIA DE OCCIDENTE x=128.05.99. t(α2.32. α=0.01.921 1517 Iμ = [117. ν)=2. t(α2.093 0. ν=19. Una empresa constructora desea conocer el promedio de arrendamiento mensual de casas en cierta ciudad (casas tipo clase media). n=26. 138. s=55.67 ± 2. ν) sn μ: 1.787 5526 Iμ = [249. ν)=2. ν) sn μ: 280 ± 2.

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

com/html/probabilidad/varaleat/tstudent.matematicasvisuales.ht ml ANEXO Distribución t de Student Página 14 .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 .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->