Pagina1

La distribución t de student fue descubierta por William S. Gosset en 1908. Gosset era un
estadístico empleado por la compañía de cerveza Guinness, con quien tenía un contrato que
estipulaba que no podía usar su nombre en sus publicaciones. El recurrió al sobrenombre de
student, que es como ahora conocemos el título de estadística que desarrollo

Foto

Lo interesante del caso es que su trabajo estaba enfocado al control de calidad de la cerveza. En el
pasado otros investigadores de la compañía Guinness habían publicado artículos en los que
divulgaban secretos o información confidencial sobre el proceso de la cerveza y por eso se obligó a
Gosset a aceptar la clausula

Página 2

La distribución muestral de una estadística como la media de la muestra seguirá una distribución
normal, siempre y cuando el tamaño de la muestra sea lo suficientemente grande.

Entonces cuando conocemos la desviación estándar de la población podemos calcular un valor o

calificación Z y emplear la distribución normal para evaluar probabilidades sobre la media de la
muestra.

Sin embargo muchas veces los tamaños de las muestras son pequeños, y frecuentemente no
conocemos la desviación estándar de la población. Cuando estos problemas ocurren en estadística
se recurre a una distribución conocida como la t de Student, cuyos valores están dados por:

Formula

Podemos ver que la ecuación es prácticamente igual a la utilizada para la distribución de muestras
de medias pero reemplazando la desviación estándar de la población por la desviación estándar de
la muestra.
De manera similar al caso de la distribución muestral de medias para el caso de que n sea mayor
que 30 en donde usamos la distribución normal, podemos encontrar la distribución de los valores
t-student para aquellos casos cuando n es menor que 30.

Sin embargo, otra diferencia en su uso es el empleo de las tablas de distribución para valores t, en
lugar de las tablas para valores Z.

Para derivar las ecuaciones de esta distribución, Gosset supuso que las muestras se seleccionan de
una población normal. Aunque esto parecería una suposición muy restrictiva, se puede mostrar
que las poblaciones no normales que poseen distribuciones en forma casi de campana también
proporcionan valores de t que se aproximan muy de cerca a la distribución t.

La distribución t difiere de la Z en que la varianza de t no es igual a 1, como la de Z, sino que

depende del tamaño de la muestra y siempre es mayor a 1. Únicamente cuando el tamaño de la
muestra tiende a infinito las dos distribuciones serán las mismas.

Otra diferencia con la distribución normal es que la forma de la distribución t de Student depende
de un parámetro llamado el número de grados de libertad.

El número de grados de libertad es igual al tamaño de la muestra (número de observaciones

independientes) menos 1.

Ecuación

Las curvas muestran la forma que puede tomar la distribución t de student la cual depende del
número de grados de libertad Como se puede apreciar, se parece mucho a la distribución normal.
Incluso para un número grande de grados de libertad las dos distribuciones son iguales

Digujo graficas de campana

Aunque parece una distribución normal, la distribución t tiene un poco más de área en los
extremos y menos en el centro.
Otro punto a notar es que la distribución t es más bien una colección de distribuciones, una para
cada grado de libertad.

El concepto de grados de libertad se puede visualizar haciendo referencia a la varianza muestral

que es igual a:

Ecuación

Esta fórmula puede verse como un promedio sobre n-1 datos.

La terminología de grados de libertad resulta del hecho de que si bien S¨2 considera n cantidades,
solo n-1 de ellas pueden determinarse libremente por ejemplo si tenemos n=4 entonces tenemos
4 diferencias x i− X́ pero sabemos que las sumas de ellas es cero 0 por lo que si conocemos por
ejemplo (…………….formula) entonces (……….) lo que indica que solo tres de las diferencias n-1 son
libres y la otra queda definida por las demás.

La distribución t de student tiene las siguientes propiedades

 La media de la distribución es igual a cero

v
 La varianza es igual a
v−2
 La varianza es siempre mayor que 1, aunque es muy cercana a 1 cuando se tienen muchos
grados de libertad
 Con infinitos grados de libertad, la distribución t es igual a la normal

La distribución t de suden se puede usar cuando cualquiera de las siguientes condiciones se

cumple:

 La distribución de la población es normal

 La distribución de la muestra es simétrica, sin puntos dispersos y alejados y el tamaño de
la muestra es 15 o menos
 La distribución de la muestra es moderadamente asimétrica sin puntos dispersos, y el
tamaño de la muestra está entre 16 y 30
 El tamaño de la muestra es mayor de 30 sin puntos dispersos, aunque en este caso
también se puede usar la distribución normal.
Cuando se extrae una muestra de una población con distribución normal la media de la muestra
puede compararse con la media de la población usando un valor t calculado por medio de la
ecuación anterior. El valor t puede entonces asociarse con una probabilidad acumulada única que
representa la posibilidad de que dada una muestra aleatoriamente extraída de la población de
tamaño n, la media de la muestra sea igual menor o mayor a la media de la población.

Ejemplo 1.

La compañía KALLEY produce focos. El presidente de esta compañía dice que uno de sus focos
dura 300 días. Entonces la competencia va a varios supermercados y compra 15 focos para probar.
Los focos de la muestra duran en promedio 290 días con una desviación estándar de 50 días.
Entonces, si quieren desmentir al presidente de KALLEY, necesita saber cuál es la probabilidad de
que 15 focos seleccionados al azar tengan una vida promedio no mayor a 290 días.

Solución:

La solución de este tipo de problemas requiere calcular el valor t, basado en los datos y después
usar una tabla de distribución t, para encontrar la probabilidad de forma similar a lo que hicimos
con la distribución normal.

Ejemplo 2.

Supongamos que las calificaciones de una prueba están distribuidas normalmente con una media
de 100. Ahora supongamos que seleccionamos 20 estudiantes y les hacemos un examen. La
desviación estándar de la muestra es 15 ¿Cuál es la probabilidad de que el promedio en el grupo
de muestra sea cuando más 110?

Solución:

Primero calculamos el valor t como en el caso anterior ya sea en tabla o con ayuda de
herramientas como Excel.