USO DE LA DISTRIBUCIN t

EN LA ESTIMACIN DE LA
INCERTIDUMBRE DE LA MEDICIN
NOTA

Ismael Castelazo Sinencio

El Marqus, Qro., Mxico, diciembre de 2002

Nota sobre t de Student / CENAM / Diciembre 2002

1/7

ESTE DOCUMENTO SE HA ELABORADO CON RECURSOS DEL GOBIERNO MEXICANO.

SLO SE PERMITE SU REPRODUCCIN SIN FINES DE LUCRO Y HACIENDO REFERENCIA A LA
FUENTE:
Castelazo, I., Uso de la distribucin t en la estimacin de la incertidumbre de la medicin. Notas. Centro
Nacional de Metrologa, Mxico, diciembre 2002. Disponible en <http:// www.cenam.mx>

Nota sobre t de Student / CENAM / Diciembre 2002

2/7

USO DE LA DISTRIBUCIN t
EN LA ESTIMACIN DE LA INCERTIDUMBRE DE LA MEDICIN
Ismael Castelazo
Diciembre 18, 2002
Resumen: Se aclara el uso de la distribucin t en la expresin de la incertidumbre
de las mediciones.
1. Intervalos de confianza
De acuerdo a su definicin, la incertidumbre es un parmetro que caracteriza la dispersin
de los valores razonablemente atribuidos al mensurando, por lo que se expresa como un
intervalo de valores con un nivel de confianza dado. En estadstica estos intervalos son
llamados intervalos de confianza.
Si conocemos la funcin de densidad de probabilidad f(x) de una variable aleatoria x,
podemos expresar la probabilidad p de que sta tome un valor dentro de cierto intervalo
como el rea que cubre la funcin f(x) en este intervalo, como se muestra en la figura 1.
Esta probabilidad p es llamada el nivel de confianza.

f(x)

] f (x )dx

rea = p = Pr x p x x p =

-xp

xp

xp

xp

Figura 1. rea bajo una funcin de densidad de probabilidad

Para el caso comn de variables con distribucin normal, el rea bajo esta curva puede
obtenerse a partir de los valores tabulados para una variable con media cero y desviacin
estndar igual a uno. La relacin de estos valores con los que corresponden a variables con
media y desviacin estndar diferentes se explica a continuacin.
Sea x una variable aleatoria con distribucin normal, media x y desviacin estndar x.
Definamos una variable auxiliar
Nota sobre t de Student / CENAM / Diciembre 2002

3/7

z=

x x

(1)

la cual tiene media cero y desviacin estndar uno. La probabilidad de que z tome valores
en un cierto intervalo [ k z k ] es
p = Pr[ k z k ] .
Sustituyendo (1), obtenemos

x x
p = Pr k
k
x

la cual es equivalente a

p = Pr [ x k x x x + k x ]
En otras palabras, la probabilidad, p, de que x se encuentre en el intervalo x k x es
igual a la probabilidad de que z se encuentre en el intervalo [ k z k ] . De esta manera
podemos seleccionar k a partir de valores tabulados, de tal manera que z se encuentre dentro
del intervalo [ k z k ] con una probabilidad p deseada. Este mismo valor de k nos
asegurar que x se encontrar en el intervalo x k x con el mismo nivel de confianza p.

2. Conceptos estadsticos del resultado de un proceso de medicin

Sea Y un mensurando, estimado por una funcin

y = f (x1 , x 2 , L , x N )
y suponiendo que las variables de entrada, xi, varan aleatoria e independientemente, la
mejor manera de obtener una estimacin de Y es a travs de una serie de mediciones bajo
las mismas condiciones de medicin. En otras palabras, si podemos obtener n valores de
cada una de las N entradas, xik ,k = 1, 2, ..., n, es posible estimar Y a travs de la media
aritmtica de y:
Yy=

1 n
1 n
y k = f k ( x1k , x 2 k , L, x Nk )

n k =1
n k =1

La incertidumbre al cuadrado de esta medicin estar dada por [1]:

N

uc2 ( y ) = ci2 u 2 ( xi )
i =1

donde

ci = f / xi

La incertidumbre de medicin puede entenderse como una aproximacin de la varianza de

la media de y. En el caso de mediciones donde nicamente existen contribuciones de tipo A
y el modelo es lineal, la incertidumbre y la varianza estadstica de la media de y son
idnticas.
Nota sobre t de Student / CENAM / Diciembre 2002

4/7

Consideremos que existen n valores de y, que son muestras de una variable con distribucin
normal y cuyas media y varianza pueden estimarse como

y y =
y2 s 2 ( y k ) =

1 n
yk
n k =1

1 n
( yk y ) 2

n 1 k =1

La estimacin de la varianza de esta media es

s2 (y) =

s 2 ( yk )
n

3. Uso de la variable t
En el caso de un proceso de medicin, es deseable conocer la probabilidad de que el valor
verdadero del mensurando est dentro de un cierto intervalo y kuc . Si suponemos que el
mensurando est distribuido normalmente, sera natural emplear el mtodo descrito en la
seccin 1 para estimar el factor de cobertura k. Sin embargo, este mtodo se basa en el
hecho de que la transformacin

z=

x x

resulta en otra variable normal pues x y x son constantes conocidas en forma

determinstica. Tpicamente, durante un proceso de medicin no se conoce exactamente x,
y se emplea su aproximacin s ( y ) . Es conveniente entonces escribir la variable

t=

yy

(2)

s( y )

la cual se conoce como la variable t de Student, con = n-1 grados de libertad.

Recordemos que y representa el resultado de la medicin y se asume que su distribucin es
normal, centrada en y y con desviacin estndar estimada por s ( y ) . Entonces, la
distribucin de la variable t se aproxima a una distribucin normal, con media cero y
varianza uno en tanto s ( y ) mejor se aproxime a la desviacin estndar y de y .
Esto es, si s ( y ) se ha obtenido de pocos datos, el conocimiento que se tiene de ella es
pobre, el nmero de grados de libertad es pequeo y la distribucin que sigue la variable t
se aleja de la normal. De hecho, la distribucin exacta de t fue obtenida por W. S. Gosset,
quien escriba con el seudnimo de Student, encontrando la siguiente expresin [2]:
[(n + 1) / 2] t
f (t ) =
1 +
n(n / 2 ) n
2

( n +1) / 2

Nota sobre t de Student / CENAM / Diciembre 2002

5/7

(3)

cuya media y variancia son:

E [t ] = t = 0

E (t t ) = t2 =
2

n
n2

para n > 1
para n > 2

Se puede demostrar que esta distribucin tiende a una normal conforme aumenta el nmero
de grados de libertad = n-1, donde n, en nuestro caso de inters, es el nmero de
mediciones. Debe notarse que esta condicin, en un proceso estacionario, es la misma que
mejora la estimacin de la variancia de y por medio de s ( y ) .
Al igual que para la distribucin normal, existen valores tabulados de la probabilidad, p
(rea bajo la curva f(t)), de que t se encuentre alrededor de un cierto intervalo:

Pr [ t p ( ) t t p ( )] = p

(4)

Los valores de t para coberturas, p, entre 68,27% y 99,73% del rea bajo la funcin (3), se
encuentran tabulados en la referencia [1] para valores de desde 1 hasta 100, adems del
valor para = .
La ecuacin (2) se puede rescribir, empleando la incertidumbre estndar combinada como
estimador de s ( y ) 1, como
t=

y Y
uc ( y )

y, sustituyendo en (4), obtenemos

Pr [ t p ( ) ( y Y ) / uc ( y ) t p ( )] = p

la cual es equivalente a

Pr [y t p ( )uc ( y ) Y y + t p ( )uc ( y )] = p

En otras palabras, la probabilidad de que t tome valores entre tp y tp, es igual a la de

encontrar el mensurando Y entre y t p ( )uc ( y ) y y + t p ( )uc ( y ) . Sin embargo, podemos
encontrar esa probabilidad a partir de la tabla normalizada de reas bajo la curva (3),
independientemente de los parmetros de y.
Esta solucin supone que las variables y y, consecuentemente, y , tienen una distribucin
normal. En metrologa, esta restriccin en ocasiones no se cumple por lo que es necesario
tomar en cuenta que la presencia de distribuciones diferentes disminuye la confianza en las
aproximaciones que se obtienen con la distribucin t.

Esta estimacin es exacta slo para las condiciones ideales descritas en la seccin 2
Nota sobre t de Student / CENAM / Diciembre 2002

6/7

Conclusiones
1. Se usa la distribucin t cuando se puede suponer que la distribucin subyacente es
normal.
2. Se usa la distribucin t porque no se conoce a ciencia cierta la desviacin estndar
de la distribucin normal.
3. La distribucin t se aproxima a la normal cuando el nmero de grados de libertad
tiende a infinito.

Agradecimiento
El autor agradece a Rubn Lazos Martnez por su revisin y valiosos comentarios a este
documento.

Referencias
[1]

Guide for the expression of uncertainty in measurement, ISO, 1995.

[2]

Bendat, J.S. and Piersol, A.G., Random Data: Analysis and Measurement
Procedures, Wiley-Interscience, 1971.

Autor:

Ismael Castelazo Sinencio

Director del rea de Servicios Tecnolgicos
CENAM
icastes@cenam.mx
Tel. 52 (442) 2 11 0500 ext. 3144; Fax 52 (442) 211 0594

Nota sobre t de Student / CENAM / Diciembre 2002

7/7