MARCO TEORICO:
1.1 HISTORIA:
En realidad, Student no era el nombre o el apellido del responsable de esta distribución de
probabilidad, sino que era un seudónimo. El verdadero nombre del creador de la T de Student
es William Sealy Gosset, y todo lo que rodeó al desarrollo de la misma y a la utilización de un
seudónimo conforma una historia cuanto menos curiosa. La distribución T de Student es una
distribución de probabilidad asociada a la distribución normal. Aparece cuando se quiere
estimar la media de una población distribuida según una normal cuando el tamaño de la
muestra utilizada para la estimación es pequeño y la varianza de la población es desconocida.
William Sealy Gosset fue un estadístico, mejor conocido por su sobrenombre literario Student;
también era un matemático y químico inglés que después de terminar sus estudios comenzó a
trabajar en las destilerías Guinness, en lo que se refiere a control de calidad en el proceso de
creación de la cerveza. Los bajos tamaños de muestra con los que habitualmente contaba
fueron los “culpables” de sus estudios, y los que a la postre lo llevaron a desarrollar la
distribución “T”.
Robertson, J. O. (2003). William Sealy Gosset. españa: Escuela de Matemáticas y Estadística.
DEFINICION:
También llamada teoría exacta de muestreo. 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 pequeño. La distribución T, es más ancha y más plana en el centro que la
distribución normal estándar, como resultado de esto se tiene una mayor variabilidad en las
medias de muestra calculadas a partir de muestras más pequeñas.
Paula Rodó. (05 de noviembre, 2019). Distribución t de Student. Economipedia.com
CARACTERISTICAS:
La distribución se denomina distribución de Student o distribución “t”.
La media es igual a cero, la variancia es mayor que 1.
La varianza es igual a 𝑣/ 𝑣−2 donde v es el número de grados de libertad.
La varianza es siempre mayor que 1, aunque es muy cercana a 1 cuando se tienen
muchos grados de libertad.
Es más achatada que la normal y adopta diferentes formas, según el número de
grados de libertad.
No tiene valores negativos, el valor mínimo es 0.
Todas las curvas son asimétricas.
A medida que aumenta el tamaño de la muestra la curva es menos asimétrica,
aproximándose a una curva normal.
Cuando aumentan los grados de libertad las curvas son menos elevadas y más
extendidas a la derecha.
Con infinitos grados de libertad la distribución t es igual a la normal.
USOS DE LA DISTRIBUCION DE “T DE STUDENT”
Para determinar el intervalo de confianza dentro el cual se puede estimar la media de
una población a partir de muestras pequeñas (n < 30).
Para probar hipótesis cuando una investigación se basa en muestreos pequeño.
Para probar si dos muestras provienen de una misma población.
GRADOS DE LIBERTAD
Son el número de valores que podemos elegir libremente. Existe una distribución T
distinta para cada uno de los posibles grados de libertad.
Y cuando se busca en la tabla de valores para la distribución T de Student se considera
como los grados de libertad la suma total de los grados de libertad de ambos grupos.
TEORIA DE LAS PEQUEÑAS MUESTRAS:
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 pequeño.
A la teoría de pequeñas muestras también se le llama teoría exacta del muestreo, ya que
también la podemos utilizar con muestras aleatorias de tamaño grande.
Veremos un nuevo concepto necesario para poder entender la distribución t student. Este
concepto es “grados de libertad”.
Para definir grados de libertad se hará referencia a la varianza maestral:
∑ ( xi −x́)2
S2= i=1
n−1
Esta fórmula está basada en n-1 grados de libertad. Esta terminología resulta del hecho de
que si bien S2esta basada en n cantidades x 1 − 𝑥̅, x 2− 𝑥̅, … x n − 𝑥̅, estas suman cero, así que
especificar los valores de cualquier n-1 de las cantidades determina el valor restante. Por
ejemplo, si n=4 y x 1 − 𝑥̅= 8; x 2 − 𝑥̅= −6 𝑦 x 4 − 𝑥̅= −4, entonces automáticamente tenemos
x 3 − 𝑥̅= 2, así que solo tres de las cuatro medidas de x i − 𝑥̅ están libremente determinadas,
la otra debe tomar el valor que haga esta suma cero; es por eso que solo tenemos 3 grados
de libertad.
Gr ados de libertad=número de mediciones−1
DISTRIBUCION DE PROBABILIDAD DE T DE STUDENT
Una variable aleatoria se distribuye según el modelo de probabilidad t o T de Student con
𝑘 grados de libertad, donde 𝑘 es un entero positivo, si su función de densidad es la
siguiente:
∏ ( k +2 1 )
h k ( t )=
k t 2 −(k2+1)
∏ ( 2 ¿ ) √ π k (1+ k ) −π <t <π , ¿
donde τ π
x p −1
( p ) =∫ e x dx
0
La grafica de esta función de densidad es simétrica, respecto del eje de ordenadas, con
independencia del valor de 𝑘, y de forma algo semejante a la de una distribución normal:
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 𝜇 = 0. Sin embargo, la
distribución T tiene colas más amplias que la normal. A medida que el número de grados
de libertad tiende al infinito, la forma límite de la distribución T es la distribución normal
estándar.
Fabiola G., m. c. (2017). Estadistica Aplicada en Psicologia y Ciencias de la Salud. Mexico: El
Manual Moderno.
PROPIEDADES:
Cada curva t tiene forma de campana con centro en 0.
Cada curva t, está más dispersa que la curva normal estándar.
A medida que 𝑘 aumenta, la dispersión de curvas t correspondientes disminuye.
A medida que 𝑘−> ∞ , la secuencia de curvas t se aproxima a la curva normal
estándar.
