Está en la página 1de 10

INTRODUCCIN

En el siguiente trabajo se explica el origen uso y metodologa para la distribucin t de Student intentando procesar los datos de manera ordenada y estructurando de forma sistemtica con el fin que sea entendible con el fin de facilitar la induccin al tema. Para realizar esta actividad fue necesaria una investigacin detallada con varias bibliografas y sitios electrnicos con el fin de extraer la informacin ms relevante en cada documento. se conoce el origen del nombre de esta distribucin Student dada la limitacin de Gosset por el rea laboral donde se localizaba. Como se puede apreciar en este tema se designa la utilidad que se cuenta con esta distribucin que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo dado que el conocer la varianza de una poblacin es una tarea muy difcil de realizar, as mismo que aumentando el grado de libertad de la muestra la distribucin tiende a una distribucional normal, as mismo se describen frmulas que permiten demostrar estos aspectos, se hace una presentacin de la tabla y se explica el mtodo utilizado para localizar los datos con algunos ejemplos. Finalmente se describen algunos ejemplos como medio para estimar el grado de conocimiento del trabajo.

DISTRIBUCIN T DE STUDENT
Es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. La distribucin de Student fue descrita en 1908 por William Sealy Gosset quien trabajaba en una fbrica de cerveza de la marca Guiness que prohiba a sus empleados la publicacin de artculos cientficos debido a una difusin previa de secretos industriales razn por la cual Gosset publico el artculo bajo el seudnimo Student. Esta distribucin se construye como un cociente entre una normal y la raz de una Gi cuadrado independientes. De modo preciso, llamamos Distribucion t-Student con n grados de libertad, a la de una v.a. tn. Distribucin t-Student
Media

Varianza

Dos funciones de densidad con diferentes grados de libertad media=0.

n=5 y n=50, con

IMPORTANCIA DE ESTA DISTRIBUCIN


Si y S son la media y la desviacin tpica de una muestra de tamao N extrada de una poblacin normal (m, 2), el estadstico

Analoga entre

PROPIEDADES DE LA DISTRIBUCIN T DE STUDENT.


1. Es una distribucin continua. 2. La distribucin t tienen una media de cero, es simtrica respecto de la media y

se extiende de - a +, la varianza de t para n >2 cuando los grados de libertad son suficientemente grandes. La varianza de la distribucin t tiende a 1. 3. Tienen forma acampanada y simtrica. 4. No existe una distribucin t, sino una FAMILIA de distribuciones t. todas con la misma media cero, pero con su respectiva desviacin estndar diferente de acuerdo al tamao de la muestra n. Existe una distribucin t para una muestra de 20 otra para una muestra de 22 y as sucesivamente. 5. La distribucin t es ms ancha y ms plana en el centro que l distribucin normal estndar como resultado de ello se tienen una mayor variabilidad en las medias de muestra calculadas a partir de muestras ms pequeas, sin embargo a medida que aumenta el tamao de la muestra, la distribucin T se aproxima a la distribucin normal estndar.

FORMULA

Donde el parmetro n se denomina grados de libertad de la distribucin. Grados de libertad; nmero de valores que podemos elegir libremente. Como regla general sabemos que ante el valor de n, se debe restar una unidad (n-1) el valor dado para buscarlo en la tabla.

TABLA T DE STUDENT
Dada la frmula se pueden localizar los datos correspondientes pero debido a que existen gran cantidad de datos se crearon tablas que permiten localizar la variable y el resultado de forma sencilla.

COMO BUSCAR VALORES EN LA TABLA


Para los valores de T iguales o mayores que cero se puede encontrar el valor directamente en la tabla debido a que el ser positivos les correponde el valor del rea de cola critica mostrado en la tabla.

Para los valores menores que cero se deben hacer un paso extra ya que las tablas no muestran reas negativas razn por la cual se hace uso de dos principios de la tabla:

1. La suma de probabilidades acumuladas menores y mayores que x es 1. 2. La distribucin T de Student es simtrica.

EJERCICIOS Si n=7, calcular P(t>1.3.14)

P(t>1.3.14)=0.15

Si n=7, calcular P(t<1.1314)

(1-0,15))0.85

Si n=21, calcular P(t<-0.687 t>1.725)

P(t<-0.687 t>1.725)=0.30

EJEMPLO DE CALIBRACIN
Se desea saber si un instrumento de medicin cualquiera esta calibrado, desde el punto de vista de la exactitud. Para ello se consigue un valor patrn y se le mide 10 veces (por ejemplo: una pesa patrn para una balanza, un suero control para un mtodo clnico, etc) suponiendo que en el resultado de estas mediciones arroja una media de 52.9 y una desviacin de 3, usando un patrn de valor 50, se debe determinar si el instrumento esta calibrado y la estimacin de su error sistemtico, si es que se prueba su existencia (no se usan unidades para generalizar este ejemplo). Solucin Datos y nomenclatura H0:=50 el instrumento esta calibrado en exactitud. H1:50 no est calibrado hay un error sistemtico.

Se trata de un ensayo de dos colas donde hay k=10-1=9 grados de libertad. De la tabla t-Student se obtienen los valores crticos para el 95% de t0,05,9 =2,262, para el 99% el t0,01,9=3,25 y para un nivel del 99% es t0,001,9=4,718. Lo que permite establecer las zonas de aceptacin y rechazo:

Mirando las zonas con los valores crticos, el valor de t cae en la de rechazo para el 95% y no alcanza para las otras. La conclusin es que se ha probado la existencia de un error sistemtico con una confianza del 95%

Puede apreciarse como la distribucin se aproxima a la distribucin de Gauus ara medias mayores a 30.

CONCLUSIONES
En conclusin podemos apreciar la importancia que tienen la distribucin t de Student dentro de la estadstica inferencia ya que se puede describir como un medio auxiliar de la distribucin normal dadas sus caractersticas. El uso del TLC y la Distribucin normal Es ciertamente til en Aplicaciones que Giran alrededor De las inferencias sobre la media de la poblacin o la diferencia entre dos medias de poblacin. Sin embargo se supuso que la desviacin estndar de la poblacin se conoce. Esta suposicin puede ser racional en situaciones donde el ingeniero est bastante familiarizado con el sistema o proceso. Sin embargo, en muchos escenarios experimentales el conocimiento de no es ms razonable que el conocimiento de la media de la poblacin. Frecuentemente, de hecho, una estimacin de la debe proporcionar la misma informacin muestral que produce la media muestral. Como consecuencia, una estadstica natural a considerar para tratar con las inferencias

BIBLIOGRAFA http://www.youtube.com/watch?v=nhxMLs5fwHU http://www.youtube.com/watch?v=cnrpYAsM9kI http://fisica.udea.edu.co/~labgicm/Laboratorio%20Fisica%201_2011/2010_teoria%20de%20errores/Distribucion%20de%2 0t%20Student.pdf http://www.mat.ucm.es/~luispozo/pdfs/est2-tablas-imp.pdf http://www.uv.es/disepsic/tablas/distri_t.pdf http://virtual.uptc.edu.co/ova/estadistica/docs/libros/tstudent.pdf http://www.mat.uda.cl/hsalinas/cursos/2011/2do/clase8.pdf