UNIVERSIDAD DE HUANUCO

ESCUELA DE POST GRADO

MAESTRIA EN:
CIENCIAS DE LA SALUD
CON MENCION EN:
SALUD PÚBLICA Y DOCENCIA UNIVERSITARIA

T-STUDENT

 PROFERSOR:

 Mg. JUBERT TORRES CHAVEZ

 ALUMNA:

 Lic en Enf. TRINIDAD ESCANDON, Luz

Junio - 2015

1
DEDICATORIA:

Con todo el amor y cariño a Dios, nuestra familia

por su apoyo y fortaleza incondicional brindados

hacia nuestra superación personal y profesional.

2
 ÍNDICE
Introducción............................................................................................................................2
Bioseguridad...........................................................................................................................4
Historia...................................................................................................................................5
Distribución geográfica..........................................................................................................5
Características del virus.........................................................................................................5
Variaciones del Virus............................................................................................................6
Epidemiología.......................................................................................................................7
Patogenia...............................................................................................................................8
Manifestaciones clínicas.......................................................................................................9
Transmisión..........................................................................................................................14
Huésped habitual..................................................................................................................15
Tratamiento..........................................................................................................................15
Prevención y control............................................................................................................16
Perspectivas para el futuro...................................................................................................18

3
 INTRODUCCION

La prueba t-Student fue desarrollada en 1899 por el químico inglés William

Sealey Gosset (1876-1937),mientras trabajaba en técnicas de control de calidad
para las destilerías Guiness en Dublín . Debido a que en la destilería, su puesto de
trabajo no era inicialmente de estadístico y su dedicación debía estar
exclusivamente encaminada a mejorar los costes de producción, publicó sus
hallazgos anónimamente firmando sus artículos con el nombre de "Student".La
prueba t-Student se utiliza para contrastar hipótesis sobre medias en poblaciones
con distribución normal. También proporciona resultados aproximados para los
contrastes de medias en muestras suficientemente grandes cuando estas
poblaciones no se distribuyen normalmente (aunque en este último caso es
preferible realizar una prueba no paramétrica).

Sus funciones se basan en establecer un intervalo de confianza, utilizando

un nivel de confianza y los grados de libertad, obteniendo valores de una tabla
dada con respecto a estas variables y aplicarla en Ia formula. De gran utilidad,
reduce tiempo, costo y esfuerzos. Se utiliza para probar hipótesis y también para
saber si dos muestras provienen de Ia misma población.

LA INTEGRANTE

PRUEBA T DE STUDENT
4
I. HISTORIA:

El estadístico t fue introducido por William Sealy Gosset en 1908, un químico que trabajaba
para la cervecería Guinness de Dublín. Student era su seudónimo de escritor. Gosset había
sido contratado gracias a la política de Claude Guiness de reclutar a los mejores graduados
de Oxford y Cambridge, y con el objetivo de aplicar los nuevos avances en bioquímica y
estadística al proceso industrial de Guiness. Gosset desarrolló el test t como una forma
sencilla de monitorizar la calidad de la famosa cerveza stout. Publicó su test en la revista
inglesa Biometrika en el año 1908, pero fue forzado a utilizar un seudónimo por su
empleador, para mantener en secreto los procesos industriales que se estaban utilizando en
la producción. Aunque de hecho, la identidad de Gosset era conocida por varios de sus
compañeros estadísticos.

II. DEFINICION:
En estadística, una prueba t de Student, prueba t-Student, o Test-T es
cualquier prueba en la que el estadístico utilizado tiene una distribución t de
Student si la hipótesis nula es cierta. Se aplica cuando la población estudiada
sigue una distribución normal pero el tamaño muestral es demasiado pequeño
como para que el estadístico en el que está basada la inferencia esté
normalmente distribuido, utilizándose una estimación de la desviación típica en
lugar del valor real. Es utilizado en análisis discriminante.

III. USOS:

. Entre los usos más frecuentes de las pruebas t se encuentran:

1. Para determinar el intervalo de confianza dentro del cual se puede

estimar Ia media de una población a partir de muestras pequeña (n <
30).
2. Para probar hipótesis cuando una investigación se basa en muestreo
pequeño.
3. Para probar si dos muestras provienen de una misma población.

5
IV. CARACTERISTICAS DE LA DISTRIBUCION DE 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)

V. GRADOS DE LIBERTAD:

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.

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.

VI. TEORIA DE PEQUEÑAS MUESTRAS:

En probabilidad y estadística, Ia distribución-t o distribución t de
Student es una distribución de probabilidad que surge del problema de
estimar Ia media de una población normalmente distribuida cuando el
tamaño de Ia muestra es pequeño. A Ia teoría de pequeñas muestras
también se le llama teoría exacta del muestreo, ya que también Ia podemos
utilizar con muestras aleatorias de tamaño grande.
Veremos un nuevo concepto necesario para poder entender la
distribución t Student. Este concepto es “grados de libertad”.

Para definir grados de libertad se hará referencia a Ia varianza

maestral

6
VII. DISTRIBUCION DE PROBABILIDAD T DE ESTUDENT.
Una variable aleatoria se distribuye según el modelo de probabilidad t
o T de Student con k grados de libertad, donde k es un entero positivo, si
su función de densidad es Ia siguiente:

La gráfica de esta función de densidad es simétrica, respecto del eje

de ordenadas, con independencia del valor de k, y de forma algo
semejante a Ia de una distribución normal: Su valor medio y varianza son:

7
 La siguiente figura presenta Ia gráfica de varias distribuciones t. La
apariencia general de Ia distribución t es similar a Ia de Ia distribución
normal estándar: ambas son simétricas y unimodales, y el valor máximo de
Ia ordenada se alcanza en Ia media µ = O. Sin embargo, Ia distribución t
tiene colas más amplias que Ia normal; esto es, Ia probabilidad de las colas
es mayor que en Ia distribución normal. A medida que el número de grados
de libertad tiende a infinito, Ia forma límite de Ia distribución t es Ia
distribución normal estándar.

Distribución de t de Student con 10 grados de libertad

8
Su valor medio y varianza son:

La siguiente figura presenta Ia gráfica de varias distribuciones t. La

apariencia general de Ia distribución t es similar a Ia de Ia distribución
normal estándar: ambas son simétricas y unimodales, y el valor máximo de
Ia ordenada se alcanza en Ia media µ = O. Sin embargo, Ia distribución t
tiene colas más amplias que Ia normal; esto es, Ia probabilidad de las colas
es mayor que en Ia distribución normal. A medida que el número de grados
de libertad tiende a infinito, Ia forma límite de Ia distribución t es Ia
distribución normal estándar.

9
 VII.1. PRIPIEDADES DE LA DISTRIBUCION T.

1. Cada curva t tiene forma de campana con centro en 0.

2. Cada curva t, está más dispersa que Ia curva normal estándar.
3. A medida que k aumenta, Ia dispersión de Ia curva t correspondiente
disminuye.
4. A medida que k-> ∞, la secuencia de curvas t se aproxima a Ia curva
normal estándar
VIII. CALCULO DE LA DISTRIBUCION T DE STUDENT:
PRUEBA DE HIPOTESIS PAR MEDIAS DE T
(MUESTRA MENOR A 30 AÑOS)

La Prueba de Hipótesis para medias usando Distribución t de Student

se usa cuando se cumplen las siguientes dos condiciones:

o Es posible calcular las media y la desviación estándar a partir de la

muestra.
o El tamaño de la muestra es menor a 30.

El procedimiento obedece a los 5 pasos esenciales:

PASO 1:

10
Plantear Hipótesis Nula (Ho) e Hipótesis Alternativa (Hi).

o La Hipótesis alternativa plantea matemáticamente lo que queremos

demostrar.
o La Hipótesis nula plantea exactamente lo contrario.

PASO 2:

Determinar Nivel de Significancia. (Rango de aceptación de hipótesis

alternativa).

α
Se considera:
o 0.05 para proyectos de investigación.
o 0.01 para aseguramiento de calidad.
o 0.10 para encuestas de mercadotecnia y políticas.

PASO 3:

Evidencia Muestral. Se calcula la media y la desviación estándar a

partir de la muestra.

PASO 4:

Se aplica la Distribución t de Student para calcular la

probabilidad de error (P) por medio de la fórmula:

11
 PASO 5:

En base a la evidencia disponible se acepta o se rechaza la hipótesis

alternativa.

• Si la probabilidad de error (P) es mayor que el nivel de significancia: SE

RECHAZA HIPÓTESIS ALTERNATIVA

• Si la probabilidad de error (P) es menor que el nivel de significancia: SE

ACEPTA HIPÓTESIS ALTERNATIVA

EJEMPLO:

Se aplica una prueba de autoestima a 25 personas quienes obtienen

una calificación promedio de 62.1 con una desviación estándar de 5.83
Se sabe que el valor correcto de la prueba debe ser mayor a 60.
¿Existe suficiente evidencia para comprobar que no hay problemas de
autoestima en el grupo seleccionado?

Considera un nivel de significancia de 0.05

12
PASO 1:

Hipótesis Alternativa (Hi):

Lo que se quiere comprobar

El grupo no tiene problemas de autoestima. Valor de autoestima mayor a

60.

Hipótesis Nula (Ho):

Lo contrario a la Hipótesis Alternativa

El grupo tiene problemas de autoestima. Valor de autoestima menor a 60.

PASO 2:

Determinar nivel de significancia:

Α =00.5

PASO 3:

Evidencia Muestral

Paso 4:

Aplicando la Distribución de Probabilidad

Calculando t*

13
Buscando en la tabla de Distribución de t de Student, encuentras el
valor del área

14
PASÓ 5:

Resultados:

Por lo tanto: Se acepta Hipótesis Alternativa

Existe suficiente evidencia para demostrar que el grupo no tiene problemas de

Autoestima.

15
TABLA DE STUDENT

16
17
VIII.1. DIFERENCIA CON OTRAS TABLAS DE DISTRIBUCION:

o 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%)
o 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
o Una tercera diferencia en el empleo de la tabla consiste en que
hemos de especificar los grados de libertad con que estamos
trabajando.
VIII.2. USO DE LA TABLAS DE DISTRIBUCION T:
o Los grados de libertad de una t de Student se indicaran como v.
o De manera análoga a la definición utilizada para la Normal, si X es
una tv,α de Student con v grados de libertad, entonces:

o t El valor v,α se busca en las tablas de la t de Student.

18
o La tabla que utilizamos recoge los valores de distintos cuantiles para
distintos grados de libertad.

19
20
21
 CONCLUSION

 Es una distribución de probabilidad que se usa cuando el tamaño de la muestra

es menor de 30 datos, no se conoce la desviación estándar de la población y
cuando la población de la que se extrae la muestra es normal.

 Sus aplicaciones en la inferencia estadística son para estimar y probar una

media y una diferencia de medias (independiente y pareada).

 Es una distribución continua, tiene forma acampanada.

22
 BIBLIOGRAFÍA

 DEVORE, J. L., "Probabilidad y Estadística para Ingeniería y Ciencias". Grupo

Editorial International Thon Editores.
 FREUND, J. F., MILLER, I., MILLER, M. "Estadística Matemática con
Aplicaciones". Grupo Editorial Prentice Hall.
 McCLAVE, S., "Probabilidad y Estadística para Ingeniería". Grupo Editorial
Iberoamericana. M
 ENDELHALL, W., WACKERLY, D., ACHEAFFER, R. "Estadistica Matemática
con Aplicaciones". Segunda Edición. Grupo Editorial Iberoamericana. México.
1994.
 MILLER, I., FREUND, J. E., JOHNSON, R. A. "Probabilidad y Estadística para
Ingenieros". Quinta Edición. Prentice Hall Hispanoamericana. México. 1997.
 MONTGOMERY, D. C., RUNGER, G. C. "Probabilidad y Estadística Aplicada a
la Ingeniería". Primera Edición. McGraw Hill. México. 1996.

Fuentes Electrónica
 http://virtual.uptc.edu.co/ova/estadistica/docs/libros/tstudent.pdf
 http://www.mat.uda.cl/hsalinas/probabilidades.htm
 http://www.upcomillas.es/personal/peter/investigacion/Tama%F1oDelEfecto.pdf
 http://es.scribd.com/doc/39028492/Distribucion-T-de-Student-Scrib
 http://sisbib.unmsm.edu.pe/bibvirtualdata/libros/Matematicas/inferencia/
 http://www.itch.edu.mx/academic/industrial/estadistica1/u0304.pdf http://e-
stadistica.bio.ucm.es/glosario2/distr_student.html
 http://www.uv.es/ceaces/normaMu/t/t.htm
 http://www.paginaspersonales.unam.mx/files/977/Distribucion_t_deStudent.pdf
 http://www.raydesign.com.mx/psicoparaest/index.php?
option=com_content&view=article&id=233 :t-student-
dnr&catid=52:pruebaspara&Itemid=61

23
1-las puntuaciones en un test que mide la variable creatividad siguen, en la
población general de adolescentes, una distribución Normal de media 11,5.
En un centro escolar que ha implantado un programa de estimulación de la
creatividad una muestra de 30 alumnos ha proporcionado las siguientes
puntuaciones:

11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17,
17, 8,
23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.

A un nivel de confianza del 95% ¿Puede afirmarse que el programa es efectivo?

Solución:

1º Ho  = 11,5

2º H1  > 11,5

4º La media muestral es 12,47 y la desviación típica de la muestra es 5,22,

sustituyendo en el estadístico estos valores se obtiene:

5º Como el contraste es unilateral, buscamos en las tablas de la t de

Student, con 29 grados de libertad, el valor que deja por debajo de sí una
probabilidad de 0,95, que resulta ser 1,699

6º El valor del estadístico es menor que el valor crítico, por consiguiente se

acepta la hipótesis nula.

24
7º La interpretación sería que no hay evidencia de que el programa sea efectivo.
2-En una muestra de 66 alumnos se ha calculado el coeficiente de
correlación de Pearson entre sus puntuaciones en el primer parcial de
Análisis de Datos y el tiempo que se emplea en desplazarse desde su
domicilio hasta la Facultad, obteniéndose que r vale 0,24. Podemos
mantener, con un nivel de confianza del 95%, la idea de que estas variables
son incorreladas, o por el contrario debemos rechazarla.

Solución:

1º Ho  = 0

2º H1   0

5º El contraste es bilateral, por ello buscamos en las tablas de la t de Student,

con 60 grados de libertad (el valor más próximo a 64 que figura en nuestras
tablas), el valor que deja por debajo una probabilidad de 0,975 que es 2. Por
tanto la región de aceptación será el intervalo (-2 ,, 2).

6º El valor del estadístico pertenece a la región de aceptación, por consiguiente

se acepta la hipótesis nula.
7º No existe correlación entre ambas variables, de donde se deduce que
el tiempo empleado no influye en la calificación.

25
26
27