UNIVERSIDAD CATÓLICA DE LOS ÁNGELES CHIMBOTE
FACULTAD DE CIENCIAS CONTABLES, FINANCIERAS Y
ADMINISTRATIVAS
ESCUELA DE CONTABILIDAD
DISTRIBUCIÓN T-STUDENT
INTEGRANTES : CHÁVEZ YANCCE, MERCEDES
HUARCAYA GILES, FLORVICK
MENDEZ CALIXTO, DIANA AGUIDA
TINEO AGUIRRE, STEFFANY XIOMARA
CURSO : ESTADÍSTICA APLICADA
CICLO : III
GRUPO : P – SUA
AULA : 103
DOCENTE TUTOR : CISNEROS BERROCAL, OCTAVIA
AYACUCHO – PERÚ
2018
2
A nuestra familia por su apoyo
incondicional y a nuestro ilustre
docente por sus conocimientos
brindados.
3
ÍNDICE
ÍNDICE................................................................................................................................................. 3
INTRODUCCIÓN .................................................................................................................................. 4
CAPITILO I ........................................................................................................................................... 5
DISTRIBUCIÓN T-STUDENT ................................................................................................................. 5
1.1. CONCEPTO:......................................................................................................................... 5
1.2. PROPIEDADES DE LAS DISTRIBUCIONES T: ......................................................................... 6
1.3. ANTECEDENTES: ................................................................................................................. 7
1.4. REPRESENTACIÓN: ............................................................................................................. 8
CONCLUSIONES ................................................................................................................................ 13
BIBLIOGRAFÍA ................................................................................................................................... 14
4
INTRODUCCIÓN
Con el seudónimo de estudiante (Student), William Sealy Gosset desarrolló la prueba t y
la distribución t.1 Esta prueba se usa con frecuencia en las publicaciones médicas indexadas
nacionales e internacionales y se han observado errores consistentes (The New England
Journal of Medicine, Lancet y British Medical Journal).
El objetivo de esta comunicación es plantear correctamente la prueba y distribución t. La
distribución t es un conjunto de curvas estructurada por un grupo de datos de unas muestras
en particular. La contribución de esta prueba, específicamente, es para comparar dos
muestras de tamaño ≤ 30. La primera presunción es formular la hipótesis nula y la hipótesis
alterna, que establece que no hay diferencias en la media de las dos muestras independientes
y que de existir esta diferencia, sólo se debe al azar.3 Si la t calculada que se origina de las
dos muestras es desmesurada (valor de p que se encuentra en las tablas respectivas), entonces
se rechazaría la hipótesis nula (error tipo I). Es importante mencionar que este valor depende
del valor de significancia establecido con anterioridad de lo que se quiere probar,4 para la
diferencia entre las medias de las dos muestras. Este valor de significancia es la probabilidad
de rechazar erróneamente la hipótesis nula.
5
CAPITILO I
DISTRIBUCIÓN T-STUDENT
[Link]:
En probabilidad y estadística, la distribución-T o distribución T de Student es una
distribución de probabilidad que surge del problema de estimar la media de una población
normalmente distribuida cuando el tamaño de la muestra es pequeña.
A la teoría de pequeñas muestras también se le llama teoría exacta de muestreo, ya que
también la podemos utilizar con muestras aleatorias de tamaño grade.
Veremos un nuevo concepto necesario para poder entender la distribución T Student este
concepto es “grados libertad”. Para definir grados de libertad se hará referencia a la varianza
maestral:
Supóngase que se toma una muestra de una población normal con media y varianza
. Si es el promedio de las observaciones que contiene la muestra aleatoria, entonces
la distribución es una distribución normal estándar. Supóngase que la varianza
de la población 2 es desconocida. ¿Qué sucede con la distribución de esta estadística si
se reemplaza por s? La distribución t proporciona la respuesta a esta pregunta.
6
La media y la varianza de la distribución t son = 0y para >2,
respectivamente.
La siguiente figura presenta la gráfica de varias distribuciones t. La apariencia general de
la distribución t es similar a la de la distribución normal estándar: ambas son simétricas y
unimodales, y el valor máximo de la ordenada se alcanza en la media = 0. Sin embargo,
la distribución t tiene colas más amplias que la normal; esto es, la probabilidad de las colas
es mayor que en la distribución normal. A medida que el número de grados de libertad tiende
a infinito, la forma límite de la distribución t es la distribución normal estándar.
[Link] DE LAS DISTRIBUCIONES T:
a. Cada curva t tiene forma de campana con centro en 0.
b. Cada curva t, está más dispersa que la curva normal estándar z.
c. A medida que aumenta, la dispersión de la curva t correspondiente disminuye.
d. A medida que , la secuencia de curvas t se aproxima a la curva normal
estándar, por lo que la curva z recibe a veces el nombre de curva t con gl =
7
La distribución de la variable aleatoria t está dada por:
Esta se conoce como la distribución t con grados de libertad.
Sean X1, X2, . . . , Xn variables aleatorias independientes que son todas normales con
media y desviación estándar . Entonces la variable aleatoria tiene una
distribución t con = n-1 grados de libertad.
[Link]:
La distribución de probabilidad de t se publicó por primera vez en 1908 en un artículo de
W. S. Gosset. En esa época, Gosset era empleado de una cervecería irlandesa que
desaprobaba la publicación de investigaciones de sus empleados. Para evadir esta
prohibición, publicó su trabajo en secreto bajo el nombre de "Student". En consecuencia, la
distribución t normalmente se llama distribución t de Student, o simplemente distribución t.
Para derivar la ecuación de esta distribución, Gosset supone que las muestras se seleccionan
de una población normal. Aunque esto parecería una suposición muy restrictiva, se puede
mostrar que las poblaciones no normales que poseen distribuciones en forma casi de
campana aún proporcionan valores de t que se aproximan muy de cerca a la distribución t.
8
[Link]ÓN:
La distribución t difiere de la de Z en que la varianza de t depende del tamaño de la
muestra y siempre es mayor a uno. Únicamente cuando el tamaño de la muestra tiende a
infinito las dos distribuciones serán las mismas.
Se acostumbra representar con el valor t por arriba del cual se encuentra un área
igual a . Como la distribución t es simétrica alrededor de una media de cero, tenemos
; es decir, el valor t que deja un área de a la derecha y por tanto un
área de a la izquierda, es igual al valor t negativo que deja un área de en la cola
derecha de la distribución. Esto es, t0.95 = -t0.05, t0.99=-t0.01, etc.
Para encontrar los valores de t se utilizará la tabla de valores críticos de la distribución t
del libro Probabilidad y Estadística para Ingenieros de los autores Walpole, Myers y Myers.
Ejemplo 1:
El valor t con = 14 grados de libertad que deja un área de 0.025 a la izquierda, y por
tanto un área de 0.975 a la derecha, es
9
Si se observa la tabla, el área sombreada de la curva es de la cola derecha, es por
esto que se tiene que hacer la resta de . La manera de encontrar el valor
de t es buscar el valor de en el primer renglón de la tabla y luego buscar los
grados de libertad en la primer columna y donde se intercepten y se
obtendrá el valor de t.
Ejemplo 2:
Encuentre la probabilidad de –t0.025 < t < t0.05.
Solución:
Como t0.05 deja un área de 0.05 a la derecha, y –t0.025 deja un área de 0.025 a
la izquierda, encontramos un área total de 1-0.05-0.025 = 0.925. P( –t0.025 < t <
t0.05) = 0.925
Ejemplo 3:
Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra aleatoria de tamaño 15
que se selecciona de una distribución normal.
10
Solución:
Si se busca en la tabla el valor de t =1.761 con 14 grados de libertad nos damos
cuenta que a este valor le corresponde un área de 0.05 a la izquierda, por ser
negativo el valor. Entonces si se resta 0.05 y 0.045 se tiene un valor de 0.005, que
equivale a . Luego se busca el valor de 0.005 en el primer renglón con 14
grados de libertad y se obtiene un valor de t = 2.977, pero como el valor
de está en el extremo izquierdo de la curva entonces la respuesta es t = -
2.977 por lo tanto: P(-2.977 < t < -1.761) = 0.045
Ejemplo 4:
Un ingeniero químico afirma que el rendimiento medio de la población de cierto proceso
en lotes es 500 gramos por milímetro de materia prima. Para verificar esta afirmación toma
una muestra de 25 lotes cada mes. Si el valor de t calculado cae entre –t0.05 y t0.05, queda
satisfecho con su afirmación. ¿Qué conclusión extraería de una muestra que tiene una media
de 518 gramos por milímetro y una desviación estándar de 40 gramos? Suponga que la
distribución de rendimientos es aproximadamente normal.
11
Solución:
De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto, el
fabricante queda satisfecho con esta afirmación si una muestra de 25 lotes rinde un valor t
entre –1.711 y 1.711.
Se procede a calcular el valor de t:
Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de
obtener un valor de t con 24 grados de libertad igual o mayor a 2.25 se busca en
la tabla y es aproximadamente de 0.02. De aquí que es probable que el fabricante
concluya que el proceso produce un mejor producto del que piensa.
Ejemplo 5:
Un fabricante de focos afirma que us producto durará un promedio de 500 horas de
trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el valor y
calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfecho con esta afirmación. ¿Qué
conclusión deberá él sacar de una muestra de 25 focos cuya duración fue?:
12
Se puede concluir que la media poblacional no es 500, porque la muestra
poblacional está por encima de esta, y por lo tanto debería estar por encima de
500.
13
CONCLUSIONES
Es necesario mencionar que la distribución t-test es similar a la distribución de
Gauss cuando las muestras > 30.
El poder estadístico tiene mayor magnitud cuando las condiciones que se
necesitan lo cumplen ambas muestras, independientemente del tamaño.
La prueba original demostró que existe una curva que describe el comportamiento
de la diferencia de medias y permite calcular el área bajo la curva que representa
la probabilidad de la diferencia entre ellas.
14
BIBLIOGRAFÍA
[Link]
distributions-and-random-data/supporting-topics/basics/continuous-and-
discrete-probability-distributions/
[Link]
[Link]
