COLEGIO NACIONAL DE

MATEMATICAS

Investigación de estadística T- Student

Nombre: Luz Areli Garcia Lozano
Estadística
Lic. Mercadotecnia
 Probabilidad T- Student

 La distribución t es una distribución de probabilidad que estima el valor de la

media de una muestra pequeña extraída de una población que sigue una
distribución normal y de la cual no conocemos su
desviación típica.
La fórmula general para la T de Student es la siguiente:

En donde el numerador representa la diferencia a probar y el denominador la

desviación estándar de la diferencia llamado también Error Estándar. En esta
fórmula t representa al valor estadístico que estamos buscando X barra es el
promedio de la variable analizada de la muestra, y miu es el promedio poblacional
de la variable a estudiar. En el denominador tenemos a s como representativo de
la desviación estándar de la muestra y n el tamaño de ésta.

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.

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:

En La Paz, Baja California Sur, la Dra. Bertha Leyva está interesada por saber la
estatura promedio de las estudiantes que asisten a las universidades del Estado.
Con ese
El valor de t lo encuentra en la Tabla de la distribución “t de Student” con 1 -  en
área central = 0.60 y 121 – 1 = 120 g. l.; ahí observa que t (120) = 0.845

Al sustituir los datos conocidos

obtiene:

s 0.16
x - t (n-1)
n 121
= 1.62 – 0.845
= 1.607

s = 1.62 + 0.16
0.845
x+t (n-1) n 121

= 1.632
El ciclo medio de vida operativa de una muestra aleatoria de 10 focos es de
4000 horas con la desviación estándar de la muestra de 200 horas. Se supone
que el ciclo de vida operativo de los focos en grl tienen una distribución
aproximadamente normal. Estimamos el ciclo medio de vida operativa de la
poblacipon de focos aplicando un 95% de confianza.
S
S x́= gl=n−1 Ic= x́ ¿
√n

n= 10

σ 2=∞ gl= 10 - 1= 9

S 200
S x́= = =63.29S= 200
√n √ 10
x́=4000
∞=95 %
¿
I= 4000 2.262 (63.29)
Grαfica de distribuciσn
Ls= 4000 + 143.16 = 4143.16 T . df=9
0,4

Li= 4000 – 143.16= 3856.84

0,3
(3856.84, 4143.16)
Densidad

0,2

0,1

0,025 0,025
0,0
-2,26 0 2,26
El ciclo medio de la vida X

operativa de la aplicación va de
los 3850 a 4143 hr
Una muestra aleatoria de 10 focos del ciclo medio de vida es de 4600 hrs con
una desviación estándar muestral de 250hrs.
El ciclo medio de vida y la desviación estándar de una muestra del tamaño de 8
focos de otra marca son 4000 hrs y desviación estándar muestral 200hrs. Se
supone que el ciclo de vida de ambas marcas tienen uja distribución normal.
Construya el intervalo de confianza del 90% para estimar la diferencia entre el
ciclo medio de vida entre las dos marcas de focos.

Gráfica de distribución
T. df=16

n1 =10 0,4

x́=4600 hrs 0,3

Densidad

S= 250hrs 0,2

n2 =8 0,1

x́=4000 hrs 0,0

0,025 0,025

-2,12 0 2,12
X
S=200 hrs
gl=n 1+n 2−2
gl= 10 + 8 – 2 = 16
1 - .90= .10
.10
=.05
2
I cα = ( x́ 1−x́ 2 ) ± tσ x́ 1−x́ 2

I c90 % =( 4600−4000 ) 1.746(108.84)

Ls=600+190.03=790.03
Li=600−190.03=409.97

(409,790)
( n1−1 ) S 1 + ( n2−1 ) S2
2 2

σ 2=
n1 +n2−2
 2 ( 9 ) 250 2+ ( 7 ) 2002
σ =
10+ 8−2
( 9 ) 62500+ (7 ) 40000
σ 2=
16
562500+280000
σ 2=
16
842500
σ 2=
16

σ 2=52656.25
Gráfica de distribución
T. df=16
S1 S2
0,4

0,3
S x́ 1−x́2 =
√ n1
2

+
n2
2
Densidad

0,2
52656 52656
0,1
S x́ 1− x́2 =
√ 10
+
8

0,025 0,025 S x́ 1− x́2 =√5265.6+ 6582

0,0
-2,12 0 2,12
X

S x́ 1− x́2 =√11847.6

S x́ 1−x́2 =108.846

La USPHARMER construye grandes cosechadoras para que una cosechadora

esta debidamente balanceada cuando opera en uno de sus costados se instalara
una palanca de 25lb.
La maquina que produce estas placas se haya ajustada para dar placas que
promedian 25lb. La distribución de palancas producidas es normal, pero el
supervisor del taller esta preocupado porque las maquinas está fuera de ajuste y
están produciendo placas que no promedian 25lb.
Para probar preocupación a lazar se seleccionaran 20 de las placas producidas el
dia anterior y las pesan. En la siguiente tabla se muestran los pesos obtenidos:
22.6 27 30.9 24.2
22.2 26.2 28.1 23.5
 23.2 25.8 23.1 24.9
27.4 26.6 28.6 26.1
24.5 25.3 26.9 23.6

Utilizando un 95% de confianza encuentre el punto crítico de la producción.

510.6
=25.53
20
μ=25
x́=25.53
S2 = (22.6 – 25)2 + (22.2 – 25 )2 + (23.2 – 25)2 + (27.4 – 25)2 + (24.5 – 25 )2 +( 27 –
25)2 +(26.2 – 25)2 + ( 25.8 – 25)2 +( 26.6 – 25)2 + (25.3 – 25)2 +(30.4 – 25)2 +
(28.1 – 25)2 +(23.1 – 25)2 + (28.6 – 25)2 + (26.9 – 25)2 + (24.2 – 25)2 + (23.5 –
25)2 + (24.9 – 25)2 + (26.1 – 25)2 + (23.6 – 25)2
19
96.6
S2 =
19

S2= √ 5.08
S=2.25

S 2.25
Sx= = =0.50
√ n √ 20
x−x́ 25.53−25
t= = =1.06
SX 0.50