La distribucin t de student

O lo que es lo mismo:
La relacin entre la cerveza y los estudios de estadstica
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.
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.
grande
Entonces cuando conocemos la desviacin estndar de la poblacin
podemos calcular un valor o 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 cuyos valores estn dados
por:
x
t= Diferencia a probar
s
n
Desviacin estndar de
la diferencia o Error
Estndar
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 por la desviacin estndar de la muestra.
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
cuando n < 30.
30

Curva de Distribucin
Sin embargo, otra T de Student

diferencia en su uso
df
0.4
2
5
es el empleo de una o 10
15

ms tablas de valores 0.3 20

25

t en lugar de la tabla 30
Densidad

50
100
para valor Z. 0.2

0.1

0.0
-3 -2 -1 0 1 2 3
X
Para derivar la ecuacin de esta distribucin, Gosset supuso que las
muestras se seleccionan de una poblacin normal. Aunque esto parecera
una suposicin muy restrictiva, se puede mostrar que las poblaciones no
normales que poseen distribuciones en forma casi de campana tambin
proporcionan valores de t que se aproximan muy de cerca a esta
distribucin.

La distribucin t difiere de la de Z en que la varianza de t no es igual a 1

como en la de Z,Z sino que depende del tamao de la muestra y siempre es
mayor a uno. Unicamente cuando el tamao de la muestra tiende a infinito
las dos distribuciones sern las mismas.

Curva de Distribucin
T de Student
df
0.4
2
5
10
15
0.3 20
25
30
Densidad

50
100
0.2

0.1

0.0
-3 -2 -1 0 1 2 3
X
Otra diferencia con la distribucin normal, es que la forma de la distribucin t
de student depende de un parmetro llamado el nmero de grados de libertad.
libertad
El nmero de grados de libertad es igual al tamao de la muestra (nmero de
observaciones independientes) menos 1.

gl = df= n 1

Nota: cuando usemos software es posible que el nmero de grados de libertad

se denomine como df o DF (degrees of freedom).
Curva de Distribucin Distribucin Normal
T de Student Normal, Media=0, DesvEst=1

df 0.4
0.4
2
5
10
15
0.3 20 0.3
25
30
Densidad
Densidad

50
100
0.2 0.2

0.1 0.1

0.0 0.0
-6 -4 -2 0 2 4 6 -6 -4 -2 0 2 4 6
X X
Las curvas muestran la forma que puede tomar la distribucin t de student la
cual depende del nmero de grados de libertad.
libertad Como se puede apreciar se
parece mucho a la distribucin normal. Incluso, para un nmero grande de
grados de libertad (es decir de nmero de datos en la muestra) las dos
distribuciones son iguales.
iguales
Curva de Distribucin
T de Student

0.4 df
2
100 grados de libertad
5
10
15
0.3 20
25
30
Densidad

50

0.2
100
2 grados de libertad

0.1

0.0
-3 -2 -1 0 1 2 3
X

Aunque parece una distribucin normal, la distribucin t tiene un poco ms de

rea en los extremos y menos en el centro cuando los grados de libertad son
pocos.
Otro punto a notar es que la distribucin t es ms bien una coleccin de
distribuciones, una para cada nmero de grados de libertad.
libertad
El concepto de grados de libertad se puede visualizar haciendo referencia a la
varianza muestral que es igual a:

n
( xi x ) 2
s 2
=
n 1
Esta frmula puede verse como un promedio de las distancias a la media sobre
n-1 datos .
La terminologa de grados de libertad resulta del hecho de que si bien s2
considera n cantidades, slo n 1 de ellas pueden determinarse libremente.
Por ejemplo, si tenemos 4 datos (n = 4) entonces tenemos cuatro diferencias:
xi x
Pero sabemos que la suma de ellas es = 0, por lo que si conocemos, por ejemplo:
x1 x = 4, x2 x = 2, x4 x = 3 4-2+ 3 = 5
entonces, la ltima diferencia queda definida porque 55 = 0
por lo tanto x3 x = 5
Lo que indica que slo 3 de las diferencias (n 1= 4 1 = 3) son libres y la
otra queda definida por las dems.
La distribucin t de student tiene las siguientes propiedades:
La media de la distribucin es igual a 0
df
La varianza es igual a donde df (se usa tambin ) es el nmero
df 2
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.

Curva de Distribucin
T de Student
df
0.4
2
5
10
15
0.3 df 20
s= 25
df 2 30
Densidad

50
100
0.2

0.1

0.0
-2 -1 0 1 2
X
La distribucin t de student se puede usar cuando cualquiera de las siguientes
condiciones se cumplen:

La distribucin de la poblacin es normal

La distribucin de la muestra es simtrica, unimodal, sin puntos dispersos y

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 (outliers) y 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).
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 una 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, dada una muestra aleatoriamente extrada de
la poblacin de tamao n, la media de la muestra sea IGUAL, MENOR o MAYOR a
la media de la poblacin,

La probabilidad acumulada para una calificacin t se puede calcular en la siguiente liga:

http://stattrek.com/Tables/T.aspx
Ejemplo 1
La compaa USALUZ 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 USALUZ necesita saber cl es la probabilidad de que 15 focos seleccionados al
azar tengan una vida promedio no mayor de 290 das.as
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.

Solucin

Primero necesitamos calcular el valor t usando nuestra frmula

290 300 10
t= = = 0.7746
50 12.91
15
Donde x es la media de la muestra, la media de la poblacin, s es la desviacin
estndar de la muestra y n el tamao de la muestra.
OK qu nos dice este valor?
Ahora podemos usar una tabla o software como la T Distribution Calculator
(http://stattrek.com/Tables/T.aspx) o minitab.
Usando sta ltima seleccionamos "T score" del men de random variable e
introducimos los datos:

* Grados de libertad (): 15 - 1 = 14.

* El valor t que obtuvimos = - 0.7745966.

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.

Nota: Piensas que 22% de probabilidades de que

pase algo es mucho o poco?
Veamos el resultado grficamente

Distribucin t
14 grados de libertad

0.4

0.3
Densidad

0.2

0.1

0.226

0.0
-0.7746 0
X
Ejemplo 2
Supongamos que las calificaciones de una prueba estn distribudos normalmente
con una media de 100. Ahora supongamos que seleccionamos 20 estudiantes y les
hacemos un exmen. La desviacin estndar de la muestra es de 15. Cul es la
probabilidad de que el promedio en el grupo de muestra sea cuando ms 110?
Cul es la probabilidad de que el promedio en el grupo de muestra sea ms 110?

Solucin:
Primero calculamos el valor t como en el caso anterior ya sea en tablas o con ayuda
de herramientas tipo Minitab, Excel, etc. Nuestros datos son:
Nmero 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 110 100
t= = 2.9814
15
20
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.
Veamos el resultado grficamente

Distribucin t
14 grados de libertad

0.4

0.3
Densidad

0.2

0.1

0.00496
0.0
0 2.9814
X
Ejemplo 3:
Un ingeniero qumico afirma que el rendimiento medio de cierto proceso en lotes es
500 gramos por milmetro de materia prima. Para verificar esta afirmacin toma una
muestra de 25 lotes cada mes.
Si el valor de t calculado cae entre t0.05 y t0.05, aceptara su afirmacin (con 90% de
confianza). Qu conclusin extraera de una muestra que tiene una media de 518
gramos por milmetro y una desviacin estndar de 40 gramos? Suponga que la
distribucin de rendimientos es aproximadamente normal.

Solucin:
De la tabla encontramos que t0.05 para 24 grados de libertad es 1.711. Por tanto, el
fabricante queda satisfecho con esta afirmacin si una muestra de 25 lotes rinde un
valor t entre 1.711 y 1.711.
518 500
Se procede a calcular el valor de t: t= = 2.25
40
25
Este es un valor muy por arriba de 1.711, por lo que el fabricante dira que no es cierta
la afirmacin. Sin embargo, si se encuentra la probabilidad de obtener un valor de t
con 24 grados de libertad igual o mayor a 2.25 se busca en la tabla y es
aproximadamente de 0.02. De aqu que es probable que el fabricante concluya que el
proceso produce un mejor rendimiento de producto que el que supona.
Distribucin de probabilidad para t de student
90% del rea

-1.711 1.711
El valor de
t = 2.25 cae
en esta zona
de la
distribucin