estadística

Distribución
t student
Presentado por: Joseph Fiallos, Melissa Zeledón,
Ana Martínez, Samuel Tellería, Linda Sevilla
 Contenido
¿ A que se refiere Modelo
01. la Distribución T
04.
Matemático
Student ?
Características y
Función que 05.
02. Propiedades
cumple
06. Graficas
Puntos clave
sobre la Ejemplos y
03. 07.
distribución t de Ejercicios
Student 08. Conclusiones
 ¿ A que se refiere la
Distribución T Student ?

El término estadística T de Student es usado para referir a un procedimiento estadístico empleado

para hacer inferencias acerca de la media poblacional de muestras pequeñas.
William Salley Gosset investigó empíricamente la distribución de la estadística
donde X es la media muestral para una muestra aleatoria de tamaño n de una población normal
con media // y desviación estándar j , y S es la desviación estándar muestral que reemplaza la
desviación estándar poblacional desconocida.
Si X tiene una distribución normal con media cero y varianza unitaria y Y tiene una distribución Ji-
cuadrada con v grados de libertad, la estadística t definida como la razón tiene una
distribución t de Student con v grados de libertad.
Función que
cumple:
HOY EN DÍA LA DISTRIBUCION T ES USADA EN MUCHAS ÁREAS DE APLICACIÓN.
Aunque la estadística fue inicialmente propuesta para hacer una

prueba para la media de una población, se ha reconocido que la

estadística permite un tratamiento unificado de inferencia para

muestras pequeñas concernientes a la media, diferencia entre dos

medias, muestras pareadas, coeficientes de correlación, entre

otros.
NIVEL DE SIGNIFICACIÓN:
Al igual que con muchas pruebas estadísticas, se establece un nivel
de significación (alfa) para determinar si los resultados son COMPARACIÓN DE MEDIAS:
estadísticamente significativos. Un valor p menor que alfa indica que
las diferencias observadas son estadísticamente significativas. Se utiliza para comparar las medias de dos
grupos y determinar si las diferencias observadas
APLICACIONES PRÁCTICAS: son significativamente diferentes de cero.
Se aplica en una variedad de campos, como la investigación
científica, estudios clínicos, análisis de datos empresariales y muchas MUESTRAS PEQUEÑAS:
otras áreas donde se desea comparar medias de dos grupos.
La t es especialmente útil cuando se trabaja con
muestras pequeñas. Es importante porque la distribución
de la muestra se aproxima a la distribución normal a
Puntos clave sobre la medida que el tamaño de la muestra aumenta.

distribución t de Student: VARIANZAS DESCONOCIDAS:

La prueba t no requiere que se conozcan las varianzas
de las poblaciones subyacentes. Esto la hace más
GRADOS DE LIBERTAD:
versátil en comparación con la prueba z, que se utiliza
Los grados de libertad en la prueba t son determinados por
cuando se conocen las varianzas poblacionales.
el tamaño de las muestras y se utilizan para buscar los
valores críticos en las tablas de distribución t de Student.
Cuantos más grados de libertad, más se aproxima la
distribución t a la distribución normal.
 Tipos de Prueba t:
PRUEBA T DE UNA MUESTRA:
PRUEBA T DE DOS MUESTRAS PARA DATOS
Esta prueba se utiliza cuando se quiere
RELACIONADOS O EMPAREJADOS: comparar la media de una sola muestra con un
En este caso, se comparan las medias de dos
PRUEBA T DE UNA COLA O DE valor de referencia conocido o hipotético (por
grupos que están relacionados de alguna DOS COLAS: ejemplo, la media poblacional).
manera, como las mediciones antes y después Una prueba de una cola
de un tratamiento en el mismo grupo de Se utiliza para determinar si la muestra difiere
se utiliza cuando se
individuos. está interesado en
significativamente de la media hipotética.
determinar si una media
es significativamente
PRUEBA T DE DOS MUESTRAS PARA DATOS mayor o menor que PRUEBA T DE VARIANZAS IGUALES O HETEROGÉNEAS:
otra, mientras que una
INDEPENDIENTES: prueba de dos colas se .La prueba t de varianzas iguales se utiliza
Esta prueba se utiliza cuando se quieren utiliza para detectar cuando se asume que las varianzas son iguales,
comparar las medias de dos grupos cualquier diferencia mientras que la prueba t de varianzas
significativa entre las heterogéneas se utiliza cuando se asume que
independientes.
medias, ya sea mayor las varianzas son diferentes entre los dos
o menor. grupos.
Por ejemplo, se podría usar para comparar las
calificaciones promedio de dos grupos de
estudiantes que tomaron diferentes cursos.
 Modelo Matematico
El modelo matemático de la distribución t de Student está definido por su función de
densidad de probabilidad, que para una variable aleatoria X se expresa de la
siguiente manera:
DONDE:
Γ ES LA FUNCIÓN GAMMA.
Ν ES EL PARÁMETRO DE LA DISTRIBUCIÓN T, LLAMADO GRADOS DE LIBERTAD.
T ES LA VARIABLE ALEATORIA.

LA DISTRIBUCIÓN T DE STUDENT TIENE UNA FORMA DE CAMPANA SIMÉTRICA ALREDEDOR DE CERO, SIMILAR A UNA DISTRIBUCIÓN NORMAL ESTÁNDAR, PERO CON
COLAS MÁS GRUESAS, LO QUE SIGNIFICA QUE TIENE UNA MAYOR PROBABILIDAD DE VALORES EXTREMOS EN COMPARACIÓN CON LA DISTRIBUCIÓN NORMAL,
ESPECIALMENTE EN MUESTRAS PEQUEÑAS.

ESTA DISTRIBUCIÓN ES FUNDAMENTAL EN INFERENCIA ESTADÍSTICA, ESPECIALMENTE EN PRUEBAS DE HIPÓTESIS Y EN LA CONSTRUCCIÓN DE INTERVALOS DE CONFIANZA
PARA LA MEDIA DE UNA POBLACIÓN CUANDO LA MUESTRA ES PEQUEÑA O LA DESVIACIÓN ESTÁNDAR POBLACIONAL ES DESCONOCIDA PERMITIENDO REALIZAR PRUEBAS DE
HIPÓTESIS Y ESTIMACIONES DE INTERVALOS DE CONFIANZA SOBRE LA MEDIA DE UNA POBLACIÓN.
Características: 1. FORMA DE LA DISTRIBUCIÓN: LA DISTRIBUCIÓN T ES SIMÉTRICA Y TIENE
LAS CARACTERÍSTICAS DEL MÉTODO T-STUDENT SON LAS FORMA DE CAMPANA, SIMILAR A LA DISTRIBUCIÓN NORMAL, PERO CON COLAS
MÁS PESADAS.
SIGUIENTES:
TIENE FORMA DE MONTÍCULO O CAMPANA DE GAUSS Y ES SIMÉTRICA 2. PARÁMETRO DE GRADOS DE LIBERTAD: ESTE PARÁMETRO, DENOTADO POR V
ALREDEDOR DE T=0, IGUAL QUE Z LA NORMAL ESTÁNDAR. (NU), AFECTA LA FORMA DE LA DISTRIBUCIÓN. A MEDIDA QUE V AUMENTA, LA
DISTRIBUCIÓN T SE APROXIMA MÁS A UNA DISTRIBUCIÓN NORMAL ESTÁNDAR.

ES MÁS VARIABLE QUE Z, CON “COLAS MÁS PESADAS”; ESTO ES, LA 3. RELACIÓN CON LA DISTRIBUCIÓN NORMAL: CUANDO LOS GRADOS DE LIBERTAD
CURVA T NO APROXIMA AL EJE HORIZONTAL CON LA MISMA RAPIDEZ (V) SON GRANDES, LA DISTRIBUCIÓN T SE ASEMEJA CADA VEZ MÁS A UNA
QUE Z. ESTO ES PORQUE EL ESTADÍSTICO T ABARCA DOS CANTIDADES DISTRIBUCIÓN NORMAL ESTÁNDAR.
ALEATORIAS, X Y S, EN TANTO QUE EL ESTADÍSTICO Z TIENE SÓLO LA
MEDIA MUESTRAL, X¯. VER CURVAS DE T STUDENT Y NORMAL 4. APLICACIONES EN INFERENCIA ESTADÍSTICA: LA DISTRIBUCIÓN T ES
ESTÁNDAR Z. FUNDAMENTAL EN INFERENCIA ESTADÍSTICA PARA PRUEBAS DE HIPÓTESIS Y
CONSTRUCCIÓN DE INTERVALOS DE CONFIANZA, ESPECIALMENTE CUANDO EL
LA FORMA DE LA DISTRIBUCIÓN T DEPENDE DEL TAMAÑO MUESTRAL TAMAÑO MUESTRAL ES PEQUEÑO Y LA DESVIACIÓN ESTÁNDAR DE LA POBLACIÓN
N. A MEDIDA QUE N AUMENTA, LA VARIABILIDAD DE T DISMINUYE ES DESCONOCIDA.
PORQUE LA ESTIMACIÓN S DE Σ ESTÁ BASADA EN MÁS Y MÁS
INFORMACIÓN.

CUANDO N SEA INFINITAMENTE GRANDE, LAS DISTRIBUCIONES T Y Z

SON IDÉNTICAS.
Propiedades:
 Propiedades
5. RELACIÓN CON LA ESTIMACIÓN DE LA MEDIA
POBLACIONAL:
Se utiliza comúnmente en la inferencia sobre la media de
una población cuando la desviación estándar poblacional
es desconocida y se estima a partir de una muestra.

6. MAYOR SENSIBILIDAD A VALORES 7. TEOREMA DEL LÍMITE CENTRAL: 8. RELACIÓN CON LA REGRESIÓN Y
ATÍPICOS: ANÁLISIS DE VARIANZA:
Comparada con la distribución normal, la Cuando el tamaño de la muestra Se utiliza en pruebas de significancia
distribución t tiene colas más pesadas, lo aumenta, la distribución t se aproxima a para coeficientes de regresión y análisis
que significa que es más sensible a valores la distribución normal según el teorema de varianza cuando las muestras son
extremos en muestras pequeñas. del límite central. pequeñas y la varianza poblacional es
desconocida.
Ejemplos
Ejemplos
Ejemplos
Ejemplos
Ejemplos
Ejercicios Asignados