DISTRIBUCION T STUDENT

La distribucin t de Student se utiliza cuando nos encontramos con la dificultad de no conocer la

desviacin tpica poblacional y nuestra muestra es menor de 30. Es similar a la curva normal, pero la
distribucin t tiene mayor rea a los extremos y menos en el centro.
Sus funciones se basan en establecer un intervalo de confianza, utilizando un nivel de confianza y
los grados de libertad, obteniendo valores de una tabla dada con respecto a estas variables y
aplicarla en la formula. De gran utilidad, reduce tiempo, costo y esfuerzos. Se utiliza para probar
hiptesis y tambin para saber si dos muestras provienen de la misma poblacin.
Los usos para los cuales es idnea esta distribucin son los siguientes: 1) Para determinar el
intervalo de confianza dentro del cual se puede estimar la media de una poblacin a partir de
muestras pequea (n < 30) 2) Para probar hiptesis cuando una investigacin se basa en muestreo
pequeo. 3) Para probar si dos muestras provienen de una misma poblacin. Sus aplicaciones en la
inferencia estadstica son para estimar y probar una media y una diferencia de medias
(independiente y pareada).

EJEMPLO

DISTRIBUCION CHI CUADRADA

Es considerada como una prueba no paramtrica, que mide la discrepancia entre una distribucin
observada y otra terica (bondad de ajuste), indicando la medida de las diferencias existentes entre
ambas, y de haberlas, se deben al azar en el contraste de hiptesis, tambin se utiliza para probar la
independencia de dos variables entre s, mediante la presentacin de los datos en tablas de
contingencia. Las Pruebas de Chi Cuadrado, nos permiten verificar si ms de dos proporciones de
poblaciones pueden considerarse iguales. En realidad, stas nos permiten hacer muchas cosas y no
simplemente probar la igualdad de varias proporciones. Por ejemplo: si clasificamos una poblacin
de diversas categoras respectos a dos atributos, como la edad y rendimiento en el trabajo, se puede
aplicar entonces la Prueba del Chi Cuadrado, para determinar si ambos atributos son
independientes entre s.

EJEMPLO
Una compaa que produce una parte maquinada para un motor, afirma que tiene una varianza de
dimetro no mayor a 0.0002 pulgadas. Una muestra aleatoria de 10 de dichas partes dio una
varianza de muestra s2 = 0.0003. Si se supone que las medidas del dimetro se distribuyen en forma
normal, hay evidencia para refutar lo que afirma el proveedor? Use
= 0.05.
Solucin:
Datos:
= 0.0002
n = 10
s2 = 0.0003
= 0.05
Ensayo de hiptesis:
Ho;

= 0.0002

H1;

> 0.0002

Regla de decisin:
Si X2R

16.919 no se rechaza Ho.

Si X2R>16.919 se rechaza Ho.

Clculos:

Justificacin y decisin:
Como 13.5 no es mayor que 16.919 por lo tanto no se rechaza H o y se concluye con un nivel
de significancia de 0.05 que no se puede refutar la afirmacin del proveedor.
Este ejercicio se puede aprovechar para calcular el valor de P. En la tabla se busca el valor de
13.5 en el rengln de 9 grados de libertad. Interpolando entre 0.10 y 0.20 se obtiene un valor
de P de 0.1484.

DISTRIBUCION F DE FISHER
Esta es la distribucin de probabilidad de la razn de dos varianzas provenientes de dos poblaciones
diferentes. Por medio de esta distribucin es posible determinar la probabilidad de ocurrencia de
una razn especfica con v1=n1-1 y v2=n2-1 grados de libertad en muestras de tamao n 1 y n2.
Es la distribucin ms importante en experimentacin pues permite hacer clculos sobre varianzas
diseminadas determinando si las diferencias mostradas son significativas y por lo tanto atribuibles a
cambios importantes en el comportamiento de las poblaciones en estudio.

EJEMPLO
En un proceso hay dos mquinas cortadoras diferentes en antigedad lo que hace pensar que las
varianzas de corte no son iguales. Se toma una muestra de 16 partes de cada mquina, cul es la
probabilidad de que la razn de varianzas sea:
a.

Mayor a 1.97?

b.

Menor a 3.52?

SOLUCIN
a.
La probabilidad de que la razn de varianzas sea mayor a 1.97 es 0.1.

b.

La probabilidad de que la razn de varianzas sea menor a 3.52 es 0.99.