Notas de clase. Estadística Inferencial.

Profesor Pablo García Bello

Sesión 4.

DISTRIBUCIÓN T

Una distribución normal se caracteriza por tener forma simétrica y mesocurtica.

Cuando la media de la población es µ = 0 y su desviación estándar es

σ = 1, entonces se tiene la distribución normal estándar, la cual se utiliza
frecuentemente para hacer inferencia de la media de una población distribuida

normalmente cuando se conoce su varianza.

Para hacer inferencia de la media de una población distribuida normalmente

cuando no se conoce su varianza y el tamaño de la muestra es pequeño, se

utiliza una distribución muy parecida a la distribución normal estándar z, llamada

distribución t y dada por el estadístico

x − µ
t =
s
n
Observaciones:

1) Tanto la distribución z, como la distribución t, son simétricas alrededor de una

media cero y ambas tienen forma acampanada.

V = grande (n > 30 : distribución Normal)

v = 15
v = 10

2) Cuando n > 30 las dos distribuciones difieren poco

3) Por simetría: t1−a = −t a

1
Notas de clase. Estadística Inferencial. Profesor Pablo García Bello

t1− a = −t a ta

Ejemplos:

t0.975 = − t0.025 ;

t0.95 = −t0.05,
t0.99 = −t0.01
4) Si el tamaño de la muestra es n , entonces se dice que la distribución t tiene

n − 1 grados de libertad y se denota por

v = n −1
Grados de libertad, es el número de valores que una o varias variables

pueden tomar libremente.

Ejemplo1.

a+b
Si la media de a y b es 15, es decir si = 15 entonces a y b
2

deben ser valores tales que a +b = 30, de modo que si , a = 18

entonces b no es libre de tomar cualquier valor sino que debe ser 12.

En tal caso se dice que existe un grado de libertad y se denota por

v =1

2
Notas de clase. Estadística Inferencial. Profesor Pablo García Bello

Ejemplo2.

a+b+c
Si = 10 entonces a, b y c deben ser valores tales que
3

a + b + c = 30 , de modo que si a = 10 , entonces b y c son libres de

tomar cualquier valor cuyas sumas sean 20. En tal caso se dice que

existen dos grados de libertad y se denota por v=2

En general si se tienen n variables, se tienen v = n − 1 grados de
libertad

MANEJO DE TABLA t

ta
a
v 0.40 0.30 0.20 0.15 0.10 0.05 0.025

1 0.325 0.727 1.376 1.963 3.078 6.314 12.706

2 0.289 0.617

10 0.260 0.542 1.093 1.372 1.812 2.228

11

20

3
Notas de clase. Estadística Inferencial. Profesor Pablo García Bello

25 0.531 0.856 1.316 1.708

30

40

120

a
v 0.02 0.015 0.01 0.0075 0.005 0.0025 0.0005

1 15.895 21.205 31.821 127.322

3 3.482 3.896 5.841

10 2.359 2.527 4.587

11

20 2.197 2.528 2.845

21

30 2.147 2.278 2.581

40

120

4
Notas de clase. Estadística Inferencial. Profesor Pablo García Bello

Ejemplo 1.

Hallar en la tabla el valor de t, con v = 10 gl , que deja un área de:

a) 0.15 a la derecha, b) 0.85 a la derecha

c) 0.98 a la izquierda

Solución:

0.15

− t0.15 = t0.85 t0.15

a) t0.15 = 1,093
b) t0.85 = −t0.15 = −1,093
c) t0.98a la izq = t0.02a la der = 2,359
Ejercicio.

Hallar en la tabla, el valor de t, con v = 25 gl, que deja un área de:

a) 0.20 a la izquierda b) 0.05 a la derecha

Ejemplo 2.

Calcular

a) P(t > 1,815) cuando v = 10

b) P(t < −3,310) cuando v = 15
Solución a) Buscamos en la primera columna de la tabla t, el valor de

v = 10 y sobre la correspondiente fila buscamos el valor que más se

5
Notas de clase. Estadística Inferencial. Profesor Pablo García Bello

aproxime a 1,815 y en la parte superior de dicho valor aparece el valor

0,05 que indica que con v = 10 , P(t > 1,815) = 0.05

Solución b)

En la fila de v = 15 escogemos el valor que más se aproxime a 3,310

en la parte superior de dicho valor aparece 0,0025 por lo tanto con

v = 15 , P(t < −3,310) = P(t > 3,310) = 0,0025

Definición.

i) P (t > t a ) = a
ii) P(t < ta ) = 1 − P(t > ta ) = 1 − a

iii) P(ta < t < tb) = a − b

Ejemplo.

Hallar P(−t0.05 < t < t010 )

Solución.

P(−t0.05 < t < t010) = P(t0.95 < t < t0.10) = 0.95− 0.10= 0.85

Ejercicios.

Calcular

1) P(−t0.005 < t < t0.01)

2) P(t > −t0.025)

3) P(t0.80 < t < t0.20)

6
Notas de clase. Estadística Inferencial. Profesor Pablo García Bello

4) P(t < 2,365) cuando v=7

5) P(t > 1,318) cuando v = 24
6) P(t > −2,567) cuando v = 17

7) P(t < −1,257) cuando v = 10

8) P (t > 3,145) cuando v=8
9) P(t < 0,870) cuando v = 15
10) El número promedio de artículos defectuosos, en un proceso de producción
es de 8. Si se toma una muestra aleatoria de 25 artículos con desviación estándar
de 2. Cuál es la probabilidad de que el número promedio de artículos
defectuosos en la muestra sea inferior a 6.
Solución 4)

Buscamos en la primera columna de la tabla t, el valor de v=7 y sobre la

correspondiente fila buscamos el valor que más se aproxime a 2,365 y en la

parte superior de dicho valor aparece el valor 0,025 que indica que

P (t > 2,365 ) = 0,025 . Por lo tanto

P(t < 2,365) = 1 − P(t > 2,365) = 1 − 0.025 = 0.975

Solución 6)

Buscamos en la primera columna de la tabla t, el valor de v = 17 y sobre la

correspondiente fila buscamos el valor que más se aproxime a 2,567 y en la parte

superior de dicho valor aparece el valor 0,01 que indica que con v = 17
7
Notas de clase. Estadística Inferencial. Profesor Pablo García Bello

P ( t > 2 ,567 ) = 0 , 01 . Por lo tanto

P(t > −2,567) = 1 − P(t > 2,567) = 1 − 0.01 = 0.99

CUANDO USAR EL ESTADÍSTICO t ó el z?

Para hacer inferencias sobre la media de una Población.

La población tiene
Distribución normal? Si

No

Si n > 30 ? No

Z, (*) (**)

(*) : Se usa el teorema del límite central

(**) : Se utilizan métodos no parametricos

Si n > 30 ? No

Z ó t Si Se conoce σ ? No

Z t

8
Notas de clase. Estadística Inferencial. Profesor Pablo García Bello

Equivalentemente podemos utilizar el siguiente diagrama

No Distribuc. Normal? Si

n > 30 ? Si Si σ?

No
Z No

(** ) Si n > 30 ?
Z , (*)

Z ót No

(**): Se utilizan métodos no parametricos

(*): Se utiliza el teorema del limite central

t

Referencias bibliográficas

1. Walpole Ronald E., Meyers Raymond H. Probabilidad y Estadística. Editorial

Pearson, sexta edición.

2 . Anderson.-Sweeney-Williams. Estadística para administración y economía.

Editorial Cengage Learning. Décima edición.