Distribución t student
Distribución t student.
ESCUELA PROFESIONAL DE INGENIERÍA.
FACULTAD DE INGENIERÍA CIVIL.
Ciclo:
III
Docente tutor:
ING. CHUMBE RODRÍGUEZ LEO MARTIN.
Presentado por:
RENGIFO GUIMARAES MARK ANTHONY.
Pucallpa – Perú
pág. 1
Distribución t student
I. Dedicatoria.
El presente trabajo de investigación lo dedico a mi familia y a los docentes de la
facultad de ingeniería civil lo cual gracias a ellos poder llegar a la meta que me propuse
en la vida, ser un gran ingeniero civil.
También doy dedico este trabajo de investigación a mis amigos, compañeros de estudio
por que siempre estamos ahí pasándonos datos, información sea bueno o malo pero
seguimos esforzándonos por ser mejores cada día todos los días.
II. Agradecimiento.
Doy gracias a todo y a todas esas cosas que hacen posible seguir con esta carrera, que
hacen posible concluir este trabajo de investigación ya que es muy importante en mi
ciclo como estudiante y me servirá para toda la vida.
pág. 2
Distribución t student
Tema. Pagina.
ÍNDICE.
I. Dedicatoria. 2
II. Agradecimiento. 2
III. Índice. 3
IV. Introducción. 4
V. Historia. 4
VI. Distribución t student. 5
VII. Formulación de problemas. 6
VIII. Objetivo de la investigación. 7
IX. Marco teórico. 7
X. Distribución de probabilidad t student. 8
XI. Tabla t student. 9
XII. Importancia. 10
XIII. Conclusiones. 10
XIV. Referencias bibliográficas. 10
pág. 3
Distribución t student
IV. Introducción.
La distribución t student se utiliza cuando nos encontramos con la dificultad de no
conocer la desviación típica poblacional y nuestra muestra es menos de 30. Es similar a
la curva normal, pero la distribución t tiene mayor área a los extremos y menos en el
centro.
IV. Historia.
Esta fue descubierta por el especialista en estadística de una empresa irlandesa, este
señor cuyo nombre era William s. Gosset hizo inferencias fuese desconocida: y ya que a
los empleados de dicha entidad no les era permitido publicar el trabajo de investigación
bajo sus propios nombres, Gosset adopto el seudónimo 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 dicha fórmula.
De gran utilidad, reduce tiempo, costo y esfuerzos. Se utiliza para probar hipótesis y
también se utiliza para saber sui dos muestras provienen de la misma población.
pág. 4
Distribución t student
V. Distribución t student.
En probabilidad y estadística, la 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.
Es una distribución de probabilidad que surge del problema de estimarla media de
una población normalmente distribuida cuando el tamaño de la muestra es pequeño.
Ésta es la base de la popular prueba t de Student para la determinación de las diferencias
entre dos medias muéstrales y para la construcción del intervalo de confianza para la
diferencia entre las medias de dos poblaciones.
La distribución t es más ancha y más plana en el centro que la distribución normal
estándar como resultado de ello se tiene una mayor variabilidad en las medias de
muestra calculadas a partir de muestras más pequeñas. Sin embargo, a medida que
aumenta el tamaño de la muestra, la distribución t se aproxima a la distribución normal
estándar.
pág. 5
Distribución t student
VI. Formulación de problema.
Problema 1: un fabricante de focos afirma que su producto durará un promedio de 500
horas de trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes.
Si el valor y calculo cae entre –t 0.05 y t 0.05, él se encuentra satisfecho con esta
afirmación. ¿Qué conclusiones deberá el sacar de una muestra de 25 focos cuya
duración fue?
Solución:
Enseguida se muestra la distribución del problema según el grafico siguiente:
pág. 6
Distribución t student
VII. Objetivo de la investigación.
El objetivo de esta investigación es el de analizar paso a paso las aplicaciones los
ejemplos para poder así aplicar en la vida diaria como elemento de trabajo para calcular
probabilidades promedios etc.
VIII. Marco teórico.
En muchas ocasiones no se conoce o y el número de observaciones en la muestra en
menor de 30. En estos casos. Se puede utilizar la desviación estándar de la muestra S
como una estimación de o pero no es posible utilizar la distribución Z como estadístico
de prueba. El estadístico de prueba adecuado es la distribución t. a veces es necesario
hacer análisis de muestras pequeñas por razones de tiempo y reducción de costos para
ello fue descubierta la distribución t por William Gosset, un especialista en estadística,
que publico en 1908 con el seudonimito de distribución t student.
pág. 7
Distribución t student
IX. Distribución de probabilidad t student.
Función de densidad:
Espacio paramétrico:
Grados de libertad k ∈ {1, 2, 3,...}
Valor esperado:
0 para k > 1
Varianza:
K / k - 2 para k > 2
Función generadora de momentos:
No existe.
pág. 8
Distribución t student
ALORES DE PROBABILIDAD MENORES QUE 0.5
Por la simetría de la distribución t de student, rige la igualdad F (−x)=1−F(x). Por esa
razón, la tabla solo tiene probabilidades mayores que 0.5, asociadas a cuantiles
positivos. Si se requiere el cuantil asociado a una probabilidad acumulada P menor que
0.5, se ingresa a la tabla el valor de probabilidad acumulada 1 − P ; al correspondiente
cuantil x obtenido de la tabla se le pone signo menos, quedando −x como el cuartil
requerido.
pág. 9
Distribución t student
X. Tabla t student.
pág. 10
Distribución t student
XI. Importancia.
Si al aplicar muestreo no es posible extraer muestras mayores de 30 elementos, la
utilización de la distribución normal presenta grandes riesgos estadísticos. Para ello la
teoría de pequeñas muestras presenta como alternativa a la distribución t student, en el
entendido de que conforme el tamaño de la muestra tienda a 30 elementos.
Po ello es importante estudiar la distribución t student ya que toda inferencia estadística
que se desea realizar con muestras pequeñas tiene más validez si se hace con
distribución t student.
XII. Conclusiones.
En una distribución de probabilidad que se usa cuando el tamaño de la muestra es
menor de 30 datos, no se conoce la desviación estándar de la población y cuando la
población de la que se extrae la muestra es normal. Sus aplicaciones en la inferencia
estadística con para estimar y probar una media y una diferencia de medidas. En una
distribución continua tiene forma acampanada.
XIII. Referencias bibliográficas.
a. https://es.slideshare.net.distribuciontstudent.
b. Distribución t de Student. Wikipedia, la enciclopedia
libre.
c. https://www.uv.es(universidad de valencia).tstudent.
d. Imágenes de tabla distribución t.
pág. 11
