Unidad 3.

- Pruebas Estadísticas Paramétricas

3.1.- Distribución t de Student

Se utiliza para problemas de comparación con dos muestras y datos que emplean el nivel de
medición intervalar (muestras pequeñas).

Caso: para dos muestras independientes y muestras pequeñas con n1+n2 ≤ 32 datos

Modelo Estadístico: (Son los pasos a seguir para realizar la prueba de hipótesis)

1.- Planteamiento de la hipótesis nula H0: 𝑥̅ 1 =𝑥̅ 2

2.- Planteamiento de la hipótesis alternativa H1

H1: 𝑥̅ 1 ǂ𝑥̅ 2 Prueba bilateral o a 2 colas

H1: 𝑥̅ 1 > 𝑥̅ 2

Prueba unilateral o a 1 cola

H1: 𝑥̅ 1 < 𝑥̅ 2

3.- Señalar la significancia o margen de error

4.-Establecer la región crítica:

Si t > t0 se rechaza H0, si t < t0 se acepta H0

Si -t < -t0 se rechaza H0 -t >-t0 se acepta H0,

5.- Calcular el estadístico

𝑥̅1− 𝑥̅2
𝑡=
1 1 (𝑛 − 1)𝑠1 2 + (𝑛2 − 1)𝑠2 2
√( + )( 1 )
𝑛1 𝑛2 𝑛1 + 𝑛2 − 2
Los grados de libertad se calculan: 𝑛1 + 𝑛2 − 2

6.- Decisión y conclusión

Ejemplo1:
Sea x1 las calificaciones de una prueba de personalidad de 6 integrantes de un programa y
tomadas antes del curso, y x2 las calificaciones de 5 integrantes obtenidas después del curso.
Determine al 10% de significancia si hubo mejora después del curso.

X1 X2
82 85
86 91
72 70
68 78
56 66
80
Modelo Estadístico aplicado al ejemplo

1.- H0: 𝑥̅ 1 =𝑥̅ 2 Las calificaciones de una prueba de personalidad son iguales antes y después del curso
en otras palabras, no hubo mejora después del curso

2.- H1: 𝑥̅ 2 > 𝑥̅ 1 Las calificaciones de una prueba de personalidad aumentaron después del curso en
otras palabras, sí hubo mejora después del curso ó 𝑥̅ 1 < 𝑥̅ 2

3.- α = 0.10 (Prueba unilateral o a 1 cola), g.l: 6 + 5 – 2 = 9

n1= 6 y n2= 5

4.-Establecer la región crítica:

Si t > 1.383 se rechaza H0, si t < 1.383 se acepta H0

Si -t < -1.383 se rechaza H0, -t > -1.383 se acepta H0

5.- Calcular el estadístico:

𝑥̅1=74 𝑥̅2=78 𝑠1 2 =121.6 𝑠2 2 =106.5

74 − 78 −4
𝑡= = = −0.61
1 1 (6 − 1)121.6 + (5 − 1)106.5 6.49
√( + ) ( )
6 5 6+5−2

6.- Decisión y conclusión: Como -0.61 > -1.383, se acepta H0 y rechaza H1, concluyendo que no hubo
una mejora después del curso (el problema no es significativo)

Gráficamente:

Estadístico

Zona de
aceptación
Zona de
rechazo
Como el Estadístico está en zona
de aceptación, entonces se
acepta H0, se concluye que no
hubo una mejora después del
curso

Valor crítico
alfa
Ejemplo2:
Determine si el nivel de autoestima en los equipos 1 y 2 es el mismo a un nivel de significancia del 5%.

Equipo 1 72 76 78 80 70 74 76
Equipo 2 80 84 72 75 86 84 82

Modelo Estadístico aplicado al ejemplo

1.- H0: 𝑥̅ 1 =𝑥̅ 2 El nivel de autoestima es el mismo entre los equipos

2.- H1: 𝑥̅ 1 ǂ𝑥̅ 2 El nivel de autoestima es distinto entre los equipos

3.- α = 0.05 (Prueba bilateral o a 2 colas), g.l: 7 + 7 – 2 = 12

4.-Establecer la región crítica:

Si t > 2.179 se rechaza H0; si t < 2.179 se acepta H0

Si -t < -2.179 se rechaza H0; si -t > -2.179 se acepta H0

5.- Calcular el estadístico:

75.14 − 80.42
𝑡= = −2.25
1 1 (7 − 1)11.80 + (7 − 1)26.61
√( + ) ( )
7 7 7+7−2
6.- Decisión y conclusión: Como -2.25 < -2.179, se rechaza H0 y se concluye que el nivel de
autoestima es distinto entre los grupos 1 y 2.

Gráficamente:

Estadístico

Zona de
aceptación

Zona de Como el Estadístico está en zona

rechazo de rechazo, entonces se rechaza
H0, se concluye que el nivel de
autoestima es distinto entre los
grupos 1 y 2

Zona de
rechazo

Valor crítico

α/2 α/2
Caso: para dos muestras relacionadas o dependientes y muestras pequeñas con n ≤ 32 datos

Modelo Estadístico:

1.- Planteamiento de la hipótesis nula H0: 𝑥1 = 𝑥2

2.- Planteamiento de la hipótesis alternativa H1

H1: 𝑥1 ǂ𝑥2 Prueba bilateral o a 2 colas

H1: 𝑥1 > 𝑥2

Prueba unilateral o a 1 cola

H1: 𝑥1 < 𝑥2

3.- Señalar la significancia o margen de error

4.-Establecer la región crítica:

Si t > t0 se rechaza H0, si t < t0 se acepta H0

Si -t < -t0 se rechaza H0 -t >-t0 se acepta H0,

5.- Calcular el estadístico

𝑑̅
𝑡=
𝑆𝑑
( )
√𝑛
1
∑ 𝑑𝑖 ∑ 𝑑𝑖 2 − (∑ 𝑑𝑖)2
Donde: 𝑑̅ = 𝑆𝑑 = √ 𝑛
𝑛 𝑛−1

Los grados de libertad se calculan: 𝑛 − 1

6.- Decisión y conclusión

Ejemplo:
Con los datos de la siguiente tabla que representan el desempeño de unos sujetos antes y después de
un curso de actualización. Determine si esta característica mejoró con el tratamiento a un nivel de
significancia del 1%.

Sujeto Antes Después di di2

A 75 88 -13 169
B 78 84 -6 36
C 76 78 -2 4
D 79 89 -10 100
E 70 81 -11 121
F 77 86 -9 81
Modelo Estadístico:

1.- H0: 𝑥1 = 𝑥2 El desempeño de los sujetos es el mismo antes y después del curso de actualización

2.- H1: 𝑥2 > 𝑥1 El desempeño de los sujetos mejoró después del curso de actualización

3.- α = 0.01 (Prueba a una cola), g.l: 6 – 1 = 5

4.-Establecer la región crítica:

Si t > 3.365 se rechaza H0, si t < 3.365 se acepta H0

Si -t < -3.365 se rechaza H0 -t > -3.365 se acepta H0

5.- Calcular el estadístico

∑ 𝑑𝑖 = −51 ∑ 𝑑𝑖 2 = 511
1
−51 511−6(−51)2
𝑑̅ = = −8.5 𝑆𝑑 = √ = 3.93
6 6−1

−8.5
𝑡= = −5.29
3.93
( )
√6
6.- Decisión y conclusión: Como -5.29 < -3.365, se rechaza H0 y se concluye que desempeño de los
sujetos mejoró después del curso de actualización

Gráficamente:

Como el Estadístico está en zona

de rechazo, entonces se rechaza
H0, se concluye que el
desempeño de las personas
mejoró tras el curso de
actualización.
Ejemplo2:
En una escala de 0 a 10 se valoró el grado de agresividad y se hizo lo mismo para
independencia. Determine para el grupo de 8 sujetos, si se puede eliminar una medición por
otra (por ser iguales). Utilice un nivel de significancia del 5%.

Sujeto Agresividad Independencia di di2

A 8 9 -1 1
B 7 3 4 16
C 4 3 1 1
D 7 8 -1 1
E 5 5 0 0
F 10 8 2 4
G 9 7 2 4
H 10 10 0 0

Modelo Estadístico:

1.- H0: 𝑥1 = 𝑥2 Se puede eliminar una medición por otra por ser iguales

2.- H1: 𝑥1 ǂ𝑥2 No se puede eliminar una medición por otra por ser diferentes

3.- α = 0.05 (Prueba bilateral o a 2 colas), g.l: 8 – 1 = 7

4.-Establecer la región crítica:

Si t > 2.365 se rechaza H0, si t < 2.365 se acepta H0

Si -t < -2.365 se rechaza H0 -t > -2.365 se acepta H0

5.- Calcular el estadístico

∑ 𝑑𝑖 = 7 ∑ 𝑑𝑖 2 = 27
1
7 27− (7)2
𝑑̅ = = 0.875 𝑆𝑑 = √ 8
= 1.72
8 8−1

0.875
𝑡= = 1.43
1.72
( )
√8

6.- Decisión y conclusión: Como 1.43 < 2.365, se acepta H0 y se concluye que se puede eliminar
una medición por otra por ser iguales.

Gráficamente:
Como el Estadístico está en zona
de aceptación, entonces se
acepta H0, se puede eliminar una
medición por otra al ser iguales