lOMoARcPSD|4441019

DistribuciÓn T - notas sobre la distribucion T

Estadistica Ii (Universidad Industrial de Santander)

StuDocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)
 lOMoARcPSD|4441019

DISTRIBUCIÓN T-STUDENT.

En probabilidad y estadística, la distribución t (de Student) es una distribución de

probabilidad que surge del problema de estimar la media de una población normalmente
distribuida cuando el tamaño de la muestra es pequeño. Surge, en la mayoría de los
estudios estadísticos prácticos, cuando la desviación típica de una población se
desconoce y debe ser estimada a partir de los datos de una muestra.

Se publicó por primera vez en 1908 en un artículo por William Sealy Gosset, era
empleado de una cervecería irlandesa que desaprobaba la publicación de investigaciones
de sus empleados. Para evadir esta prohibición, publico su trabajo en secreto bajo el
nombre de “Student”. En consecuencia la distribución de T normalmente se llama
distribución de t de Student o simplemente t.

¿Para qué se utiliza?

La distribución t se usa de manera extensa en problemas que tienen que ver con
inferencia acerca de la media de la población o en problemas que implican
muestras comparativas (es decir, en casos donde se trata de determinar si las
medias de dos muestras son significativamente diferentes).

Estadístico de trabajo

Características De La Distribución T De Student

En muchas ocasiones no se conoce σ y el número de observaciones en la
muestra n < 30. En estos casos, se puede utilizar la desviación estándar de la
muestra s como una estimación de σ, pero no es posible usar la distribución Z
como estadístico de prueba. El estadístico de prueba adecuado es la distribución t.
Sus aplicaciones en la inferencia estadística son para estimar y probar una media
y una diferencia de medias (independiente y pareada).

En probabilidad y estadística, la distribución t-Student es una distribución de

probabilidad que surge del problema de estimar la media de una población
normalmente distribuida cuando el tamaño de la muestra es pequeño.

Una variable aleatoria se distribuye según el modelo de t-Student con n grados de

libertad.

Grados De Libertad

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

Existe una distribución t distinta para cada uno de los posibles grados de libertad.
¿Qué son los grados de libertad? Podemos definirlos como el número de valores
que podemos elegir libremente.
Grados de Libertad
 Existe una distribución t para cada tamaño de la muestra, por lo que Existe una
distribución para cada uno de los grados de libertad.
 Los grados de libertad son el número de valores elegidos libremente.

Grados de Libertad
 Dentro de una muestra para distribución t student los grados de libertad se
calculan de la siguiente manera:

GL=n – 1
Donde n es tamaño de la muestra

Ejemplo
Se tiene una muestra de 7 elementos con una media de 16.
GL= a+b+c+d+e+f+g =16
7
GL=n – 1 =7-1= 6

¿Cómo diferenciarla de las otras distribuciones?

La distribución de T es similar a la distribución de Z, pues ambas son simétricas

alrededor de una media de cero. Ambas tiene distribuciones de campana pero la
distribución t es más variable debido a que tienen fluctuaciones en 2 cantidades.
La distribución de T difiere de la de Z en que la varianza de T depende del tamaño
de la muestra n y siempre es mayor a 1, únicamente cuando n tiende a ∞ las dos
distribuciones serán iguales

Propiedades:
 La gráfica de la función de densidad es en forma de campana.
 Los datos están más disperso que la curva normal estándar.

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

 A medida que n aumenta, la gráfica se aproxima a la normal N(0,1).

 La gráfica es muy parecida a la de la normal estándar diferenciándose en
que las colas de t están por encima de la normal, y el centro se encuentra
por debajo del de la normal.
 Cuando los grados de libertad son altos, los valores de t coinciden con los
de la normal.

Uso de la Tabla de Distribución t-student

1. La tabla de distribución t es más compacta que z y muestra las áreas y

valores de t para unos cuantos porcentajes exclusivamente (10%,5%,2% y
1%)

2. Una segunda diferencia de la tabla es que no se centra en la probabilidad

de que el parámetro de la población que está siendo estimado caiga dentro
del intervalo de confianza. Por el contrario, mide la probabilidad de que ese
parámetro no caiga dentro del intervalo de confianza.

3. Una tercera diferencia en el empleo de la tabla consiste en que hemos de

especificar los grados de libertad con que estamos trabajando.

La tabla da áreas 1 - , T tiene distribución t-Student con n-1 grados de libertad.

Donde 1- = nivel de confianza
= nivel de significancia

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

Tabla de t-student

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

Ejemplo: con un valor n = 15 con un nivel de significancia 0.025

a la izquierda.

Encontrar el área de en la tabla t-student

Grados de libertad = GL=n-1 = 15-1=14

Si se observa la tabla, el área sombreada de la curva es de la cola

derecha, es por esto que se tiene que hacer la resta de . La
manera de encontrar el valor de t es buscar el valor de en el primer
renglón de la tabla y luego buscar los grados de libertad en la primer
columna y donde se intercepten y GL se obtendrá el valor de t.

Ejemplo Encuentre la probabilidad de –t0.025 < t < t0.05.

Como t0.05 deja un área de 0.05 a la derecha, y –t0.025 deja un área de

0.025 a la izquierda, encontramos un área total de 1-0.05-0.025 = 0.925.

P( –t0.025 < t < t0.05) = 0.925

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

Ejemplo: Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra
aleatoria de tamaño 15 que se selecciona de una distribución normal.

Solución:

Si se busca en la tabla el valor de t =1.761 con 14 grados de libertad nos

damos cuenta que a este valor le corresponde un área de 0.05 a la
izquierda, por ser negativo el valor. Entonces si se resta 0.05 y 0.045 se
tiene un valor de 0.005, que equivale a Luego se busca el valor de
0.005 en el primer renglón con 14 grados de libertad y se obtiene un
valor de t = 2.977, pero como el valor de está en el extremo izquierdo
de la curva entonces la respuesta es t = -2.977 por lo tanto:

P(-2.977 < t < -1.761) = 0.045

Ejemplo Un ingeniero químico afirma que el rendimiento medio de la población de

cierto proceso en lotes es 500 gramos por milímetro de materia prima. Para
verificar esta afirmación toma una muestra de 25 lotes cada mes. Si el valor de t
calculado cae entre –t0.05 y t0.05, queda satisfecho con su afirmación. ¿Qué
conclusión extraería de una muestra que tiene una media de 518 gramos por
milímetro y una desviación estándar de 40 gramos? Suponga que la distribución
de rendimientos es aproximadamente normal.

Datos conocidos

µ=500

n.=25

X=518

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

S=40

Solución:

De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto,
el fabricante queda satisfecho con esta afirmación si una muestra de 25 lotes rinde
un valor t entre –1.711 y 1.711.

Se procede a calcular el valor de t:

Este es un valor muy por arriba de 1.711. Si se desea obtener 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 aquí que es probable que el ingeniero
concluya que el proceso produce un mejor producto del que piensa.

Ejemplo1: Un fabricante de focos afirma que su producto durará un promedio de

500 horas de trabajo. Para conservar este promedio esta persona verifica 25 focos
cada mes. Si el valor y calculado cae entre –t 0.05 y t 0.05, él se encuentra
satisfecho con esta afirmación. ¿Qué conclusión deberá él sacar de una muestra
de 25 focos cuya duración fue?:

520 521 511 513 510

513 522 500 521 495
496 488 500 502 512
510 510 475 505 521
506 503 487 493 500

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

µ=500 h
n=25
Nc=90%
X=505.36 h
s=12.07

T=(505.36-500)/(12.07/5)
T=5.36/2.414
T=2.22
Gl=n-1
Gl=25-1
Gl=24

De aquí que es probable que el fabricante concluya que los focos produce un mejor
rendimiento que piensa.

Ejemplo La longitud de los tornillos fabricados en una fábrica tienen

media μ=10 mm y desviación s=1 mm, calcular la probabilidad de que
en una muestra de tamaño n=25,

la longitud media del tornillo sea inferior a 20.5 mm:

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)

 lOMoARcPSD|4441019

Cuál es la probabilidad P (μ<20.5)

Estandarizamos

Datos conocidos

μ=10

s=1

n=25,

X=20.5

Entonces una distribución t de n-1 grados de libertad.

Gl=25-1=24

T=(20.5-20)/(1/√25) = 2.5

P (μ<20.5) = P (T<2.5) ~ t(24)

P (T<2.5) = 0.9902

P (μ<20.5)=0.9902

La probabilidad que la longitud media de la muestra de 25 tornillos sea

inferior a 20.5 mm es del 99.02%

La distribución t de studen se utiliza igual que la función normal de

distribución, solo que para muestras pequeñas menores de 30
elementos en la muestra.

Descargado por E?r?i?c? G?u?a?r?a?c?h?i? (alito_667@hotmail.com)