“Año de la unidad, la paz y el desarrollo”

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERIA

ESCUELA DE INGENIERIA DE MINAS

Asignatura: Estadística y Probabilidades de Variables Aleatorias y Regionalizadas

Tema: Prueba t para dos muestras suponiendo varianzas iguales

Docente: Cotrina Teatino Marco Antonio

Integrantes: Ramirez Galindo Luigi Fernando

Soles Hilario Diego Moises

Ciclo: V

TRUJILLO - PERÚ

2023
Prueba T Student.......................................................................................................................................3
¿Qué es una prueba t?...........................................................................................................................3
Aplicación de la t de Student................................................................................................................3
¿Cómo se usan las pruebas t?...............................................................................................................4
Hipótesis de las medias..........................................................................................................................4
Prueba de hipótesis............................................................................................................................4
Conceptos.......................................................................................................................................4
Pasos para la prueba de hipótesis.................................................................................................5
PASO 1: Establecimiento de hipótesis nula y alternativa.......................................................6
PASO 2: Selección del nivel de significancia............................................................................6
ERROR TIPO I Y II..............................................................................................................7
Error de tipo I........................................................................................................................7
Error de tipo II.......................................................................................................................7
PASO 3: Selección del estadístico de prueba...........................................................................9
PASO 4: Calcular el estadístico t..............................................................................................9
PASO 5: Aceptación o rechazo de hipótesis.............................................................................9
¿Cuándo se rechaza la hipótesis nula en una prueba t Excel (H0)?...........................................9
Referencias...........................................................................................................................................11

2
 Prueba T Student
¿Qué es una prueba t?
Una prueba t (también conocida como prueba t de Student) es una herramienta para
evaluar las medias de uno o dos grupos mediante pruebas de hipótesis. Una prueba t puede
usarse para determinar si un único grupo difiere de un valor conocido (una prueba t de una
muestra), si dos grupos difieren entre sí (prueba t de muestras independientes), o si hay una
diferencia significativa en medidas pareadas (una prueba t de muestras dependientes o pareada).
Además, la prueba t es descrita por William S. Gosset en 1908. Publicaba bajo el pseudónimo de
“Student” mientras trabajaba para la cervecería Guinnes en Irlanda. Está diseñada para probar
hipótesis en estudios con muestras pequeñas (menores de 30).

Figura 1

Fuente: Aplicación de la Estadística en la

Elaboración de Escritos Científicos

Aplicación de la t de Student
La distribución t se utiliza cuando:

 Queremos estimar la media de una población normalmente distribuida a partir de una

muestra pequeña.
 Tamaño de la muestra es inferior a 30 elementos, es decir, n < 30.

A partir de 30 observaciones, la distribución t se parece mucho a la distribución normal y,

por tanto, utilizaremos la distribución normal.

 No se conoce la desviación típica o estándar de una población y tiene que ser estimada a
partir de las observaciones de la muestra.

3
¿Cómo se usan las pruebas t?
Primero defina la hipótesis que quiera comprobar y determine un riesgo asumible de
llegar a conclusiones erróneas. Por ejemplo, al comparar dos grupos, podría estimar que sus
medias son iguales, y determinar una probabilidad aceptable de concluir que hubiera una
diferencia cuando no es el caso. A continuación, calcule la estadística de la prueba de sus datos y
compárela con un dato teórico de la distribución t. En función del resultado, o bien rechaza o
bien no puede rechazar su hipótesis nula.

Mencionado lo reciente profundizaremos a detalle sobre la hipótesis de las medias, lo que

nos llevara a una mejor comprensión del tema mencionado.

Hipótesis de las medias.

Prueba de hipótesis
En la estadística uno de los procedimientos para probar la validez de un
enunciado relativo a un parámetro poblacional basándose en la evidencia muestral, es sin
duda la Prueba de hipótesis. Una parte muy útil de la estadística son las pruebas de
hipótesis

Conceptos
Para entender bien que es una prueba de hipótesis es necesario tener claros los
conceptos como:

VARIABLE es una característica de interés, que tienen los individuos/ objetos de

una población.

PARÁMETRO es una constante asociada a la distribución de probabilidades de

una variable aleatoria.

ESTIMADOR es un estadístico (estadístico: variable aleatoria función de las

observaciones muestrales) que toma “valores cercanos” al verdadero valor del parámetro

Fundamentalmente interesan los siguientes estimadores:

 La media muestral es un estimador de la media poblacional μ

 La desviación estándar muestral s es un estimador de la desviación estándar
poblacional σ

4
  La proporción muestral, es un estimador de la proporción poblacional p.

Tabla 1

Parámetros poblacionales Estimadores de los parámetros

μ X

2 2
σ S

σ S

p ^p

Fuente: Estadística Inferencial UAEM

Un estadístico de prueba es un valor determinado a partir de la información de la

muestra para determinar si se acepta o rechaza. Es la que vincula a un parámetro de
interés, con un estimador de ese parámetro.

GRADOS DE LIBERTAD es una medida esencial de la cantidad de información

disponible en los datos para hacer inferencias y tomar decisiones. Como afirmó Elizabeth
Stuart, los grados de libertad nos indican cuánta confianza podemos tener en nuestros
resultados y cuánta variabilidad podemos explicar. Son cruciales para calcular los
estadísticos de prueba, los límites de confianza y los errores estándar, y nos permiten
evaluar la precisión de nuestras estimaciones" (Autor: Elizabeth Stuart).

Pasos para la prueba de hipótesis

Una hipótesis es una declaración relativa a una población sujeta a verificación, es una
afirmación de algo que se puede o no probar.

Ejemplo:

“La rapidez promedio sí es de 50 cm/s”. Escrita en términos estadísticos sería: Ho: μ = 50

5
“La rapidez promedio no es de 50 cm/s “. En términos estadísticos sería: H1: μ ≠ 50

PASO 1: Establecimiento de hipótesis nula y alternativa

Plantear la hipótesis nula (H0) y la hipótesis alternativa (H1). La hipótesis
alternativa plantea matemáticamente lo que queremos demostrar, en tanto que la hipótesis
nula plantea exactamente lo contrario.

PASO 2: Selección del nivel de significancia

El nivel de significancia (rango de aceptación de la hipótesis alternativa), también
denotado como α, es la probabilidad de rechazar la hipótesis nula cuando es verdadera.
Por ejemplo, un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que
existe una diferencia cuando en realidad no hay ninguna diferencia.

El nivel de significancia determina qué tan lejos del valor de la hipótesis nula
dibujaremos esa línea en la gráfica. Para graficar un nivel de significancia de 0.05,
debemos sombrear el 5% de la distribución que está más alejado de la hipótesis nula.

Además, significancia para una prueba de una o dos colas, esto se refiere a las
gráficas unilaterales y bilaterales respectivamente. Una prueba es de una cola cuando la
hipótesis alternativa H1 indica una sola dirección

H1: µ <,> 50 (una cola) H1 : µ ≠ 50

Figura 2 Figura 3

Fuente: Estadística Inferencial UAEM Fuente: Estadística Inferencial UAEM

Se considera un nivel alfa de: 0.05 para proyectos de investigación; 0.01 para
aseguramiento de la calidad; y 0.10 para estudios o encuestas de mercadotecnia.

6
 Para comprender mejor esto, tenemos que saber los significados de los errores
tanto tipo I y II.

ERROR TIPO I Y II
Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en
probabilidades, siempre existe la posibilidad de llegar a una conclusión incorrecta.
Cuando usted realiza una prueba de hipótesis, puede cometer dos tipos de error: tipo I y
tipo II. Los riesgos de estos dos errores están inversamente relacionados y se determinan
según el nivel de significancia y la potencia de la prueba. Por lo tanto, usted debe
determinar qué error tiene consecuencias más graves para su situación antes de definir los
riesgos.

Error de tipo I
Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de tipo I.
La probabilidad de cometer un error de tipo I es α, que es el nivel de significancia que
usted establece para su prueba de hipótesis. Un α de 0.05 indica que usted está dispuesto
a aceptar una probabilidad de 5% de estar equivocado al rechazar la hipótesis nula. Para
reducir este riesgo, debe utilizar un valor menor para α. Sin embargo, usar un valor
menor para alfa significa que usted tendrá menos probabilidad de detectar una diferencia
si está realmente existe.

Error de tipo II
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II.
La probabilidad de cometer un error de tipo II es β, que depende de la potencia de la
prueba. Puede reducir el riesgo de cometer un error de tipo II al asegurarse de que la
prueba tenga suficiente potencia. Para ello, asegúrese de que el tamaño de la muestra sea
lo suficientemente grande como para detectar una diferencia práctica cuando está
realmente exista. La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a
1–β. Este valor es la potencia de la prueba.

7
 Figura 4

Fuente: Portal de formación estadística

Ejemplo:

Para entender la interrelación entre los errores de tipo I y tipo II, y para
determinar cuál error tiene consecuencias más graves para su situación, considere el
siguiente ejemplo.

Un investigador médico desea comparar la efectividad de dos medicamentos. Las

hipótesis nula y alternativa son:

 Hipótesis nula (H0): μ1= μ2

Los dos medicamentos tienen la misma eficacia.
 Hipótesis alternativa (H1): μ1≠ μ2
Los dos medicamentos no tienen la misma eficacia.

Un error de tipo I se produce si el investigador rechaza la hipótesis nula y

concluye que los dos medicamentos son diferentes cuando, en realidad, no lo son. Si los
medicamentos tienen la misma eficacia, el investigador podría considerar que este error
no es muy grave, porque de todos modos los pacientes se beneficiarían con el mismo
nivel de eficacia independientemente del medicamento que tomen. Sin embargo, si se
produce un error de tipo II, el investigador no rechaza la hipótesis nula cuando debe
rechazarla. Es decir, el investigador concluye que los medicamentos son iguales cuando
en realidad son diferentes. Este error puede poner en riesgo la vida de los pacientes si se
pone en venta el medicamento menos efectivo en lugar del medicamento más efectivo.

Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores
de tipo I y tipo II. Si las consecuencias de cometer un tipo de error son más graves o

8
costosas que cometer el otro tipo de error, entonces elija un nivel de significancia y una
potencia para la prueba que reflejen la gravedad relativa de esas consecuencias.

PASO 3: Selección del estadístico de prueba

Se calcula la media y la desviación estándar a partir de la muestra.

PASO 4: Calcular el estadístico t

Se aplica la distribución T de Student para calcular la probabilidad de error por
medio de la fórmula general y se contrasta con el valor T obtenido de la tabla
correspondiente.
Figure 5

Fuente: Estadística Inferencial UAEM

PASO 5: Aceptación o rechazo de hipótesis

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 la hipótesis
alternativa. Si la probabilidad de error (p) es menor que el nivel de significancia se acepta
la hipótesis alternativa.

Por supuesto que al final lo que tenemos que contrastar es el valor de T que
hayamos obtenido en el problema contra el valor T crítico que obtenemos de la tabla de T
de Student.

¿Cuándo se rechaza la hipótesis nula en una prueba t Excel (H0)?

1. Si el valor absoluto t–Student calculado (estadístico t) es mayor al t tabulado (valor
crítico de t dos colas).
2. Si el p – valor es menor al alfa de significancia de la prueba t–Student. El valor p es
una medida de evidencia en contra de H0. Si se cumple lo anterior, se tiene suficiente

9
evidencia para rechazar H0. Si no se cumple, es estadísticamente no significativo, y
por lo tanto no se puede rechazar H0.

|t calculado|>t tabulado

p−valor ≤ α

La prueba t de Excel trabaja al 95% de confianza para realizar sus análisis, de

manera predeterminada. De esta manera el alfa de una prueba t de Excel es 0,05.
Se puede realizar la prueba t en Excel de tres maneras diferentes:
1. Prueba t para dos muestras suponiendo varianzas iguales.
2. Prueba t para dos muestras suponiendo varianzas desiguales.
3. Prueba t de dos muestras emparejadas.
La diferencia se debe a las varianzas. Para aplicar una u otra opción en una prueba t en
Excel, debemos saber cómo se comportan las varianzas de las muestras. Para esto
debemos realizar una prueba Fisher en Excel. Con la prueba f se determina la igualdad
de las varianzas de dos muestras (hipótesis nula).
Por lo tanto, una vez realizada la prueba f, podremos saber el comportamiento de
las varianzas y cuál de los métodos de prueba t implementar.

10
Referencias

4.2: Prueba t de dos muestras agrupadas (Suponiendo varianzas iguales). (2022, October 31).
LibreTexts Español; Libretexts.
https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro
%3A_Biometria_de_Recursos_Naturales_(Kiernan)/
04%3A_Inferencias_sobre_las_diferencias_de_dos_poblaciones/
4.02%3A_Prueba_t_de_dos_muestras_agrupadas_(Suponiendo_varianzas_iguales)

Distribución «T» de Student. (2016, June 13). Estadística en Investigación.

https://estadisticaeninvestigacion.wordpress.com/distribucion-t-de-student/

Educativo, P. (n.d.). Universidad Autónoma del Estado de México. Uaemex.Mx. Retrieved April
24, 2023, from http://ri.uaemex.mx/bitstream/handle/20.500.11799/103516/secme-
30735_1.pdf

Estadístico, E. T. [@eltioestadistico1382]. (2020, July 6). Prueba t de Student [para muestras

independientes]en Excel. Youtube. https://www.youtube.com/watch?v=3uZ7M97JRO8

Ibujes, M. O. S. (2012, May 22). Pruebas de hipótesis para medias. Monografias.com.

https://www.monografias.com/trabajos91/prueba-hipotesis-medias-excel-y-winstats/
prueba-hipotesis-medias-excel-y-winstats

Prueba t para dos muestras. (2021, July 9). Jmp.com. https://www.jmp.com/es_co/statistics-

knowledge-portal/t-test/two-sample-t-test.html

Rodó, P. (2019, November 5). Distribución t de Student. Economipedia.

https://economipedia.com/definiciones/distribucion-t-de-student.html
Rojas, Y. M. Q. [@YovanyMartin]. (2013, January 15). Prueba de Hipótesis para la
media. Youtube. https://www.youtube.com/watch?v=AJcy4eZMwWM

11