ORGENES

La distribucin t de student fue descubierta por William S. Gosset en 1908. Gosset

era un estadstico empleado por la compaa de cerveza Guinness con quien tena
un contrato que estipulaba que no poda usar su nombre en sus publicaciones. l
recurri al sobrenombre de Student que es como ahora conocemos el tipo de
estadstica que desarroll. Lo interesante del caso es que su trabajo estaba
enfocado al control de calidad de la cerveza. En el pasado otros investigadores de
la compaa Guinness haban publicado artculos en los que se divulgaban
secretos o informacin confidencial sobre el proceso de la cerveza y por eso se
oblig a Gosset a aceptar la clusula. Por lo cual Gosset firm sus publicaciones
usando el nombre de "Student".

Gosset tena buena relacin con Karl Pearson que haba sido su maestro.
Necesitaba una distribucin que pudiera usar cuando el tamao de la muestra
fuera pequeo y la varianza desconocida y tena que ser estimada a partir de los
datos. Las distribuciones t se usan para tener en cuenta la incertidumbre aadida
que resulta por esta estimacin. Fisher comprendi la importancia de los trabajos
de Gosset para muestras pequeas.

LA DISTRIBUCIN T DE STUDENT
De acuerdo al Teorema del Lmite Central, la distribucin muestral de una
estadstica (como la media de la muestra) seguir una distribucin normal,
siempre y cuando el tamao de la muestra sea suficientemente grande. Entonces
cuando conocemos la desviacin estndar de la poblacin podemos calcular un
valor o la calificacin z y emplear la distribucin normal para evaluar
probabilidades sobre la media de la muestra. Sin embargo, muchas veces los
tamaos de las muestras son muy pequeos, y frecuentemente no conocemos la
desviacin estndar de la poblacin. Cuando estos problemas ocurren, en
estadstica se recurre a una distribucin conocida como la t de student student
cuyos valores estn dados por:

DISTRIBUCIN T
Podemos ver que la ecuacin es prcticamente igual a la utilizada para la
distribucin muestral de medias, pero reemplazando la desviacin estndar de la
poblacin de la poblacin por la desviacin estndar de la muestra de la muestra.
De manera similar al caso de la distribucin muestral de medias para el caso de
que n > 30, en donde usamos la distribucin normal, podemos encontrar la
distribucin de los valores t de student para aquellos casos para aquellos casos
cuando n cuando n < 30.
Sin embargo, otra diferencia en su uso es el empleo de una o ms tablas de
valores t en lugar de la tabla para valor Z.

CONDICIONES
La distribucin de la poblacin es normal.
La distribucin de la muestra es simtrica, unimodal, sin puntos dispersos
alejados (alejados (outliers) y el tamao de la muestra es de 15 o menos.
La distribucin de la muestra es moderadamente asimtrica, unimodal, sin puntos
dispersos (puntos dispersos (outliers) el tamao de la muestra est entre 16 y 30
El tamao de la muestra es mayor de 30, sin puntos dispersos (aunque en este
caso tambin se puede usar la distribucin normal).

PROPIEDADES
La media de la distribucin es igual a 0
La varianza es igual a donde df (se usa tambin ) es el nmero de grados de
libertad
La varianza es siempre mayor que 1, aunque es muy cercana a 1 cuando se tiene
un nmero de grados de libertad grande.
Con infinitos grados de libertad la distribucin t es igual a la normal.

MEDIA DE LA MUESTRA
Cuando se extrae una muestra de una poblacin con distribucin normal (o casi
normal), la media de la muestra puede compararse con la media de la poblacin
usando valor t calculado por medio de la ecuacin anterior. El valor t puede
entonces asociarse con una probabilidad acumulada nica que representa la
posibilidad de que, de una muestra aleatoriamente extrada a de la poblacin de
tamao n, la media de la muestra media de la muestra sea IGUAL, MENOR o

MAYOR IGUAL, MENOR o MAYOR a la media de la poblacin la media de la

poblacin n,

PROBLEMA 1
La
compaa SonicU.S.A produce focos. El presidente de la Ca.
dice que sus focos duran 300 das. Entonces la competencia va a varios (ntese)
supermercados y compra 15 focos para probar esa afirmacin. Los focos de la
muestra duran en promedio 290 das con una desviacin estndar de 50 das.
Entonces, si quieren desmentir al presidente de SonicU.S.A necesita saber cul es
la probabilidad de que 15 focos seleccionados al azar tengan una vida promedio
no mayor de 290 no mayores de 290 das. La solucin de este tipo de problemas
requiere calcular el valor t basado en los datos y despus usar una tabla de
distribucin t para encontrar la probabilidad de forma similar a lo que hicimos con
la distribucin normal. Existe sin embargo software con el que podemos evitar el
uso de tablas.

X= 290
U= 300
S= 50
N= 15

El resultado nos da: 0.2257. Esto significa que si la verdadera vida de un foco es
de 300 das. Hay una probabilidad de 22.6% de que la vida promedio de 15 focos
seleccionados al azar sea menor o igual a 290 das y nosotros ha sabramos a qu
atenernos si queremos poner en ridculo al presidente o jefe.

EJEMPLO 2
Supongamos que las calificaciones de una prueba estn distribuidos normalmente
con una media de 100. Ahora supongamos que seleccionamos 20 estudiantes y
les hacemos un examen. La desviacin estndar de la muestra es de 15.
Cul es la probabilidad de que el promedio en el grupo de muestra sea ms 110?
Numero de grados de libertad:

N-1 = 20 -1=19

La media de la poblacin es igual a 100

La media de la muestra es igual a 110
La desviacin estndar de la muestra es igual a 15.

El Valor T es:

Usando estos valores nos da un resultado de probabilidad acumulada de 0.00496

esto implica que hay una probabilidad de 0.45% de que el promedio en una
muestra sea mayor de 110.