ANALYS CONTAC

MENU
IS T
Data ANALYSIS

Distribución t

student
Gómez García Cruz Alejandra
 Infante Zúñiga Angelica Caretina
 Nava Torres Uriel Alberto
 Ramírez Bernal Brenda Estefanía
 Saldaña Torres Alondra Japsiri
 Santamaría Padilla Omar Michel
 Silva Ojeda Jesús Isaac

ISP707
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

INTRODUCC
IÓn
La distribución t es una prueba de hipótesis de
medias, implica de un conjunto de curvas
estructurada por una serie de datos de unas muestras
en particular. La contribución de esta prueba es para
comparar dos muestras de tamaño ≤ 30.
 ANALYS CONTAC
MENU
IS T

T- STUDENT

En probabilidad y estadística, la distribución surge del

problema de estimar la media de una población que ya se
encuentra distribuida cuando el tamaño de la muestra es
pequeño y la desviación estándar poblacional es
desconocida.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Historia y
etimología
 La distribución de Student fue descrita en el año
1908 por William Sealy Gosset.

 En estadística, la distribución t fue derivada por

primera vez como distribución posterior en 1876
por Helmert1​2​3​ y Lüroth.4​5​6​ La distribución t
también apareció en una forma más general
como distribución Pearson Tipo IV en el artículo
de Karl Pearson de 1895.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Fórmula de la distribución t de Studen

 
Dada una variable aleatoria continua L,
decimos que la frecuencia de sus
observaciones puede aproximarse
satisfactoriamente a una distribución t con
g grados de libertad tal que:
Como podemos ver, la representación de la
distribución t se parece mucho a la
distribución normal salvo que la
distribución normal tiene las colas más
anchas y es más apuntalada.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Importancia
ESpecialidad
Pues porqué a diferencia de la distribución normal
que depende de la media y la varianza, la
distribución t solo depende de los grados de
libertad, del inglés, degrees of freedom (df). En
otras palabras, controlando los grados de libertad,
controlamos la distribución.
APLICACIO
 Queremos estimar laNES
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.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

metodología
1.- Probar que cada muestra tenga una distribución normal.
2.- Obtener para cada muestra su tamaño, media y varianza.
3.-Probar que las varianzas sean homogéneas.
4.- En caso de homogeneidad en esas varianzas: a) establecer la
diferencia entre las medias: m1-m2, b) calcular la varianza común de las
dos muestras.
5.- T-Student es igual al cociente de la diferencia de medias entre el ESM
anterior;
6.- Con la hipótesis nula y alternativa se debe demostrar que existe
diferencia entre las medias de las muestras, y consultar una tabla de t-
Student con grado de libertad igual a n1 +
n2-2 y se calcula el valor de P.
5
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Ejemplo 1
De un universo de 44,000 niños, a los que se les registró el peso, talla e índice de masa
corporal, se tomó una muestra de 56 adolescentes (21 niñas y 35 niños), del subgrupo de niñas
y niños de 14 años de edad, para comparar las medias tomando exclusivamente el índice de
masa corporal (IMC)

IMC en niñas y niños de 14 años de edad.

Paso 1: prueba de normalidad de cada una de las muestras.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Ejemplo 1
De un universo de 44,000 niños, a los que se les registró el peso, talla e índice de masa
corporal, se tomó una muestra de 56 adolescentes (21 niñas y 35 niños), del subgrupo de niñas
y niños de 14 años de edad, para comparar las medias tomando exclusivamente el índice de
masa corporal (IMC)

IMC en niñas y niños de 14 años de edad.

Paso 1: prueba de normalidad de cada una de las muestras.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Ejemplo 1
Paso 2: en este caso se hace la prueba t-test aun sabiendo que una de las muestras (los niños) no tiene
normalidad.
Paso 3: prueba para la homogeneidad de varianzas; se pueden considerar que son homogéneas debido a
que la p = 0.570.
Paso 4: (i) diferencia de medias = 0.025, (ii) vc a
las muestras
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Ejemplo 1
(iii) Error estándar de las diferencias de las medias

Paso 5: el valor de la t-test será:

Paso 6: Hipótesis.
 ANALYS CONTAC
MENU
IS T

EJEMPLO 2
Suponemos que tenemos 28 observaciones de una
variable aleatoria G que sigue una distribución t de
Student con 27 grados de libertad (df).
 Dado que estamos trabajando con datos reales,
siempre habrá un error de aproximación entre los
datos y la distribución. En otras palabras, la media,
mediana y moda no siempre serán cero (0) o
exactamente iguales.
 Representamos la frecuencia de cada observación de
la variable G mediante un histograma de frecuencias
de la variable aleatoria G.

 28 observaciones de la variable aleatoria G que

sigue una distribución t con 27 grados de libertad.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

ConclusiÓn
Una. prueba t tes 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 , si dos grupos difieren entre sí , o si hay
una diferencia significativa en medidas pareadas
 ANALYS CONTAC
MENU
IS T

REFERENCIAS
Sánchez, R. (2015). t-Student. Usos y abusos. Cardiología scielo. Vol.
26. pp 59-61. https://www.scielo.org.mx/pdf/rmc/v26n1/v26n1a9.pdf