Distribucion T de Student

DISTRIBUCION T DE STUDENT
ESTADISTICA INFERENCIAL
Dedicado a todos aquellos que hicieron posible la confeccin y elaboracin de este trabajo.
El
objetivo
de
esta
monografa
es
analizar
las
caractersticas y aplicacin de la Distribucin T de student, que aporta a nuestra formacin profesional informacin orientndolo a la aplicacin al campo de la educacin, promoviendo y orientando la investigacin.
En la siguiente monografa se emple un diseo no experimental y de tipo compilacin de informacin con la finalidad de examinar, comprender y analizar la
Distribucin T de student.
Al finalizar el trabajo apoyado con diferentes fuentes de informacin podramos decir que la distribucin t surge, en la mayora de los estudios estadsticos prcticos, cuando la desviacin tpica de una poblacin se desconoce y debe ser estimada a partir de los datos de una muestra.
Introduccin..7
CAPTULO I: PLANTEAMIENTO DEL PROBLEMA
1.1. Descripcin de la realidad problemtica..8 1.2. Formulacin del problema..8 1.3. Objetivos de la investigacin.....8 1.4. Justificacin de la investigacin....9 1.5. Viabilidad de la investigacin........9
CAPTULO II: MARCO TERICO
2.1. Antecedentes de la investigacin...10 2.2. Bases tericas10 A. Los usos para los cuales es idnea esta distribucin..11 B. Cararteristica de la distribucion de la T de student..11 C. Grados de libertad.11 D. Ccmo diferenciarla de las otras distribuciones ......11 E. Teora de pequeas muestras ...12 F. Distribucin de probabilidad T de student ....13 F.1. Propiedades de las distribuciones t...14 G. Calculo de la distribucin T de student .....14
H. Tabla T de student ................................19 H.1. Diferencia con otras tablas de distribucin....21 H.2. Uso de la tabla de distribucin T ........21 I. Ejercicio................................22 2.3. Definiciones conceptuales...23
CAPTULO III: IMPORTANCIA DEL ESTUDIO
3.1 Importancia del estudio de la distribucion de T ....25
CONCLUSIN FUENTES DE INFORMACIN
La distribucin t de Student se utiliza cuando nos encontramos con Ia dificultad de no conocer Ia desviacin tpica poblacional y nuestra muestra es menor de 30. Es similar a Ia curva normal, pero Ia distribucin t tiene mayor rea a los extremos y menos en el centro.
Esta fue descubierta por un especialista en estadstica de una empresa irlandesa, este seor cuyo nombre era William S. Gossel hizo inferencias acerca de Ia media cuando Ia desviacin poblacional fuese desconocida: y ya que a los empleados de dicha entidad no les era permitido publicar el trabajo de investigacin bajo sus propios nombres, Gosset adopt el seudnimo de Student.
Sus funciones se basan en establecer un intervalo de confianza, utilizando un nivel de confianza y los grados de libertad, obteniendo valores de una tabla dada con respecto a estas variables y aplicarla en Ia formula.
De gran utilidad, reduce tiempo, costo y esfuerzos. Se utiliza para probar hiptesis y tambin para saber si dos muestras provienen de Ia misma poblacin.
1.1.
Descripcin de la realidad problemtica
En las estudios sobre la probabilidad y distribucin de una muestra anteriores se manej el uso de la distribucin z, la cual se poda utilizar siempre y cuando los tamaos de las muestras fueran mayores o iguales a 30 en muestras ms pequeas si la distribucin o las distribuciones de donde proviene la muestra o las muestras son normales. Cuando las muestras son pequeas y cuando la distribucin de donde proviene la muestra tenga un comportamiento normal. Esta es una condicin para utilizar las tres distribuciones que se manejarn en esta unidad; t de student, ji-cuadrada y Fisher. A la teora de pequeas muestras tambin se le llama teora exacta del muestreo, ya que tambin la podemos utilizar con muestras aleatorias de tamao grande. 1.2. Formulacin del problema
Qu es y cmo se aplica la distribucin t de student?
1.3.
Objetivos de la investigacin
Analizar las caractersticas y aplicacin de la Distribucin T de student.
1.4.
Justificacin de la investigacin
Al hacer una investigacin tenemos que efectuar una serie de operaciones con respecto a nuestra poblacin y muestra, pero en el caso que nuestra poblacin
sea pequea por consiguiente nuestra muestra tambin lo ser, es ah donde la distribucin t se usa de manera extensa, en problemas que tienen que ver con inferencia acerca de la media de la poblacin o en problemas que implican muestras comparativas (es decir, en casos donde se trata de determinar si las medias de dos muestras son significativamente diferentes).
1.5.
Viabilidad de la investigacin
Es factible realizar la investigacin por que se cuenta con la informacion necesaria diferentes fuentes de informacin, y tambien se dispone de recursos materiales como papel, lapiceros, USB, base de datos adecuados para desarrollar la investigacion como es debida.
2.1.
Antecedentes de la investigacin
La distribucin t de student fue descubierta por William S. Gosset en 1908. Gosset era un estadstico empleado por la compaa de cerveza Guinness Irlandesa que desaprobaba la publicacin de investigaciones de sus empleados. Para evadir esta prohibicin, publico su trabajo en secreto bajo el nombre de Student. En consecuencia la distribucin de T normalmente se llama distribucin de t de Student o simplemente t. Lo interesante del caso es que su trabajo estaba enfocado al control de calidad de la cerveza. En el pasado otros investigadores de la compaa Guinness haban publicado artculos en los que se divulgaban secretos o informacin confidencial sobre el proceso de la cerveza y por eso se oblig a Gosset a aceptar la clusula. 2.2. Bases tericas
En muchas ocasiones no se conoce y el nmero de observaciones en Ia muestra es menor de 30. En estos casos. Se puede utilizar Ia desviacin estndar de Ia muestra S como una estimacin de , pero no es posible usar Ia distribucin Z como estadstico de prueba. El estadstico de prueba adecuado es Ia distribucin t. A veces es necesario hacer anlisis de muestras pequeas por
10
razones de tiempo y reduccin de costos, para ello fue descubierta Ia distribucin t por Wlliam Gosset, un especialista en estadstica, que Ia public en 1908 con el seudnimo de Distribucin t Student.
Para determinar el intervalo de confianza dentro del cual se puede estimar Ia media de una poblacin a partir de muestras pequea (n < 30). Para probar hiptesis cuando una investigacin se basa en muestreo pequeo. Para probar si dos muestras provienen de una misma poblacin.
En muchas ocasiones no se conoce y el nmero de observaciones en la muestra n < 30. En estos casos, se puede utilizar la desviacin estndar de la muestra s como una estimacin de , pero no es posible usar la distribucin Z como estadstico de prueba. El estadstico de prueba adecuado es la distribucin t. Sus aplicaciones en la inferencia estadstica son para estimar y probar una media y una diferencia de medias (independiente y pareada).
Existe una distribucin t distinta para cada uno de los posibles grados de libertad. Qu son los grados de libertad? Podemos definirlos como el nmero de valores que podemos elegir libremente.
La distribucin de T es similar a la distribucin de Z, pues ambas son simtricas alrededor de una media de cero. Ambas tiene distribuciones de campana pero la distribucin t es ms variable debido a que tienen fluctuaciones en 2 cantidades.
11
La distribucin de T difiere de la de Z en que la varianza de T depende del tamao de la muestra n y siempre es mayor a 1, nicamente cuando n tiende a las dos distribuciones sern iguales.
En probabilidad y estadstica, Ia distribucin-t o distribucin t de Student es una distribucin de probabilidad que surge del problema de estimar Ia media de una poblacin normalmente distribuida cuando el tamao de Ia muestra es pequeo. A Ia teora de pequeas muestras tambin se le llama teora exacta del muestreo, ya que tambin Ia podemos utilizar con muestras aleatorias de tamao grande.
Veremos un nuevo concepto necesario para poder entender la distribucin t Student. Este concepto es grados de libertad.
Para definir grados de libertad se har referencia a Ia varianza maestral:
12
Una variable aleatoria se distribuye segn el modelo de probabilidad t o T de Student con k grados de libertad, donde k es un entero positivo, si su funcin de densidad es Ia siguiente:
La grfica de esta funcin de densidad es simtrica, respecto del eje de ordenadas, con independencia del valor de k, y de forma algo semejante a Ia de una distribucin normal:
Su valor medio y varianza son:
13
La siguiente figura presenta Ia grfica de varias distribuciones t. La apariencia general de Ia distribucin t es similar a Ia de Ia distribucin normal estndar: ambas son simtricas y unimodales, y el valor mximo de Ia ordenada se alcanza en Ia media = O. Sin embargo, Ia distribucin t tiene colas ms amplias que Ia normal; esto es, Ia probabilidad de las colas es mayor que en Ia distribucin normal. A medida que el nmero de grados de libertad tiende a infinito, Ia forma lmite de Ia distribucin t es Ia distribucin normal estndar.
Cada curva t tiene forma de campana con centro en 0. Cada curva t, est ms dispersa que Ia curva normal estndar. A medida que k aumenta, Ia dispersin de Ia curva t correspondiente disminuye. A medida que k-> , la secuencia de curvas t se aproxima a Ia curva normal estndar
La Prueba de Hiptesis para medias usando Distribucin t de Student se usa cuando se cumplen las siguientes dos condiciones:
14
Es posible calcular las media y la desviacin estndar a partir de la muestra. El tamao de la muestra es menor a 30.
El procedimiento obedece a los 5 pasos esenciales:
Plantear Hiptesis Nula (Ho) e Hiptesis Alternativa (Hi).
La Hiptesis alternativa plantea matemticamente lo que queremos demostrar. La Hiptesis nula plantea exactamente lo contrario.
Determinar Nivel de Significancia. (Rango de aceptacin de hiptesis alternativa).
Se considera: 0.05 para proyectos de investigacin. 0.01 para aseguramiento de calidad.

0.10 para encuestas de mercadotecnia y polticas.
Evidencia Muestral. Se calcula la media y la desviacin estndar a partir de la muestra.
15
Se aplica la Distribucin t de Student para calcular la probabilidad de error (P) por medio de la frmula:
En base a la evidencia disponible se acepta o se rechaza la hiptesis alternativa.
Si la probabilidad de error (P) es mayor que el nivel de significancia:
SE RECHAZA HIPTESIS ALTERNATIVA Si la probabilidad de error (P) es menor que el nivel de significancia:
SE ACEPTA HIPTESIS ALTERNATIVA
16
Se aplica una prueba de autoestima a 25 personas quienes obtienen una calificacin promedio de 62.1 con una desviacin estndar de 5.83 Se sabe que el valor correcto de la prueba debe ser mayor a 60. Existe suficiente evidencia para comprobar que no hay problemas de autoestima en el grupo seleccionado? Considera un nivel de significancia de 0.05
Paso 1: Hiptesis Alternativa (Hi): Lo que se quiere comprobar El grupo no tiene problemas de autoestima. Valor de autoestima mayor a 60. Hiptesis Nula (Ho): Lo contrario a la Hiptesis Alternativa El grupo tiene problemas de autoestima. Valor de autoestima menor a 60. Paso 2: Determinar nivel de significancia:
Paso 3: Evidencia Muestral
Paso 4: Aplicando la Distribucin de Probabilidad Calculando t*:
17
Buscando en la tabla de Distribucin de t de Student, encuentras el valor del rea:
Pas 5: Resultados:
Por lo tanto: Se acepta Hiptesis Alternativa
Existe suficiente evidencia para demostrar que el grupo no tiene problemas de autoestima
18
19
20
La tabla de distribucin t es ms compacta que z y muestra las reas y valores de t para unos cuantos porcentajes exclusivamente (10%,5%,2% y 1%) Una segunda diferencia de la tabla es que no se centra en la probabilidad de que el parmetro de la poblacin que est siendo estimado caiga dentro del intervalo de confianza. Por el contrario, mide la probabilidad de que ese parmetro no caiga dentro del intervalo de confianza Una tercera diferencia en el empleo de la tabla consiste en que hemos de especificar los grados de libertad con que estamos trabajando.
Los grados de libertad de una t de Student se indicaran como v. De manera anloga a la definicin utilizada para la Normal, si X es una
tv, de Student con v grados de libertad, entonces:

El valor v, se busca en las tablas de la t de Student.
La tabla que utilizamos recoge los valores de distintos cuantiles para distintos grados de libertad.
21
: con 5 grados de libertad, el cuantil 0.95 es 2.015
: si tenemos 12 grados de libertad, el cuantil 0.975 ser 2.1788
Se desea obtener un intervalo de confianza al 99% para el tiempo medio requerido para realizar un trabajo. Una muestra aleatoria de 16 mediciones produce una media y una desviacin estndar de 13 y 5.6 minutos respectivamente.
22
t= Una confianza del 99% con (n-1) grados de libertad. GL=16-1=15
n= 16 X=13 minutos S= 5.6 minutos t=2.947
x=x t s . n
=132.947(5.6/16) =134.12 1=17.12 minutos 2=8.88 minutos
Tiempo medio requerido para realizar el trabajo ser entre 8.88 y 17.12 minutos con una certeza del 99%.
23
2.3 Definiciones Conceptuales Poblacin: Conjunto de elementos en los que se observa alguna caracterstica comn. Observaciones: Valores que toma la caracterstica observada en cada elemento de la poblacin. Parmetro: Caracterstica numrica que describe una variable observada en la poblacin Muestra: Conjunto de unidades representativas de una poblacin Estadstico: Funcin de los valores de la muestra La inferencia estadstica est basada en el estudio de las muestras. La muestra debe ser representativa de la poblacin para extraer conclusiones validas sobre esta poblacin. Grados de libertad: Podemos definirlos como el nmero de valores que podemos elegir libremente.
24
3.1 Importancia del estudio de la distribucin T. Si al aplicar muestreo no es posible extraer muestras mayores a 30 elementos, la utilizacin de la distribucin normal presenta grandes riesgos estadsticos. Para ello, la teora de pequeas muestras presenta como alternativa a la distribucin t- student, en el entendido de que conforme el tamao de la muestra tienda a 30 elementos, la distribucin t-student tiende a la distribucin normal. Por ello es importante el estudiar la distribucin T de student ya que toda inferencia estadstica que se desee realizar con muestras pequeas tiene ms validez si se hace con la distribucin t-student.
25
Es una distribucin de probabilidad que se usa cuando el tamao de la muestra es menor de 30 datos, no se conoce la desviacin estndar de la poblacin y cuando la poblacin de la que se extrae la muestra es normal. Sus aplicaciones en la inferencia estadstica son para estimar y probar una media y una diferencia de medias (independiente y pareada). Es una distribucin continua, tiene forma acampanada.
26
Fuentes Bibliogrficas
DEVORE, J. L., "Probabilidad y Estadstica para Ingeniera y Ciencias" . Grupo Editorial International Thon Editores.
FREUND, J. F., MILLER, I., MILLER, M. "Estadstica Matemtica con Aplicaciones". Grupo Editorial Prentice Hall.
McCLAVE, S., "Probabilidad y Estadstica para Ingeniera". Grupo Editorial Iberoamericana.
MENDELHALL, W., WACKERLY, D., ACHEAFFER, R. "Estadistica Matemtica con Aplicaciones". Segunda Edicin. Grupo Editorial Iberoamericana. Mxico. 1994.
MILLER, I., FREUND, J. E., JOHNSON, R. A. "Probabilidad y Estadstica para Ingenieros". Quinta Edicin. Prentice Hall Hispanoamericana. Mxico. 1997.
MONTGOMERY, D. C., RUNGER, G. C. "Probabilidad y Estadstica Aplicada a la Ingeniera". Primera Edicin. McGraw Hill. Mxico. 1996.
Fuentes Electrnica http://virtual.uptc.edu.co/ova/estadistica/docs/libros/tstudent.pdf http://www.mat.uda.cl/hsalinas/probabilidades.htm http://www.upcomillas.es/personal/peter/investigacion/Tama%F1oDelEfecto.pdf http://es.scribd.com/doc/39028492/Distribucion-T-de-Student-Scrib http://sisbib.unmsm.edu.pe/bibvirtualdata/libros/Matematicas/inferencia/ http://www.itch.edu.mx/academic/industrial/estadistica1/u0304.pdf http://e-stadistica.bio.ucm.es/glosario2/distr_student.html http://www.uv.es/ceaces/normaMu/t/t.htm http://www.paginaspersonales.unam.mx/files/977/Distribucion_t_deStudent.pdf http://www.raydesign.com.mx/psicoparaest/index.php?option=com_content&view=article&id=233 :t-student-dnr&catid=52:pruebaspara&Itemid=61
27
28

Distribucion T de Student

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Distribucion T de Student

Uploaded by

Copyright:

Available Formats

DISTRIBUCION T DE STUDENT

CAPTULO I: PLANTEAMIENTO DEL PROBLEMA

CAPTULO II: MARCO TERICO

CAPTULO III: IMPORTANCIA DEL ESTUDIO

3.1 Importancia del estudio de la distribucion de T ....25

CONCLUSIN FUENTES DE INFORMACIN

Descripcin de la realidad problemtica

Qu es y cmo se aplica la distribucin t de student?

Analizar las caractersticas y aplicacin de la Distribucin T de student.

Para definir grados de libertad se har referencia a Ia varianza maestral:

Su valor medio y varianza son:

El procedimiento obedece a los 5 pasos esenciales:

Plantear Hiptesis Nula (Ho) e Hiptesis Alternativa (Hi).

Determinar Nivel de Significancia. (Rango de aceptacin de hiptesis alternativa).

Se considera: 0.05 para proyectos de investigacin. 0.01 para aseguramiento de calidad.

Evidencia Muestral. Se calcula la media y la desviacin estndar a partir de la muestra.

En base a la evidencia disponible se acepta o se rechaza la hiptesis alternativa.

Si la probabilidad de error (P) es mayor que el nivel de significancia:

SE ACEPTA HIPTESIS ALTERNATIVA

Paso 3: Evidencia Muestral

Paso 4: Aplicando la Distribucin de Probabilidad Calculando t*:

Buscando en la tabla de Distribucin de t de Student, encuentras el valor del rea:

Por lo tanto: Se acepta Hiptesis Alternativa

tv, de Student con v grados de libertad, entonces:

: con 5 grados de libertad, el cuantil 0.95 es 2.015

: si tenemos 12 grados de libertad, el cuantil 0.975 ser 2.1788

t= Una confianza del 99% con (n-1) grados de libertad. GL=16-1=15

n= 16 X=13 minutos S= 5.6 minutos t=2.947

McCLAVE, S., "Probabilidad y Estadstica para Ingeniera". Grupo Editorial Iberoamericana.

You might also like