La distribucin t de Student se utiliza cuando nos encontramos con Ia dificultad de no conocer Ia
desviacin tpica poblacional y nuestra muestra es menor de 30. Es similar a Ia curva normal, pero Ia distribucin t tiene mayor rea a los extremos y menos en el centro. Esta fue descubierta por un especialista en estadstica de una empresa irlandesa, este seor cuyo nombre era William S. Gossel hizo inferencias acerca de Ia media cuando Ia desviacin poblacional fuese desconocida: y ya que a los empleados de dicha entidad no les era permitido publicar el trabajo de investigacin bajo sus propios nombres, Gosset adopt el seudnimo de Student. USOS: - Para determinar el intervalo de confianza dentro del cual se puede estimar Ia media de una poblacin a partir de muestras pequea (n < 30). - Para probar hiptesis cuando una investigacin se basa en muestreo - pequeo. - Para probar si dos muestras provienen de una misma poblacin. CARACTERISTICAS: En muchas ocasiones no se conoce y el nmero de observaciones en la muestra n < 30. En estos casos, se puede utilizar la desviacin estndar de la muestra s como una estimacin de , pero no es posible usar la distribucin Z como estadstico de prueba. El estadstico de prueba adecuado es la distribucin t. Sus aplicaciones en la inferencia estadstica son para estimar y probar una media y una diferencia de medias (independiente y pareada). COMO DIFERENCIARLA DE OTRAS DISTRIBUCIONES: La distribucin de T es similar a la distribucin de Z, pues ambas son simtricas alrededor de una media de cero. Ambas tiene distribuciones de campana pero la distribucin t es ms variable debido a que tienen fluctuaciones en 2 cantidades. La distribucin de T difiere de la de Z en que la varianza de T depende del tamao de la muestra n y siempre es mayor a 1, nicamente cuando n tiende a las dos distribuciones sern iguales. PROPIEDADES: - Cada curva t tiene forma de campana con centro en 0. - Cada curva t, est ms dispersa que Ia curva normal estndar. - A medida que k aumenta, Ia dispersin de Ia curva t correspondiente disminuye. - A medida que k-> , la secuencia de curvas t se aproxima a Ia curva normal estndar ECUACION DE DISTRIBUCION: