TEMA:

LA DISTRIBUCIN t DE ESTUDENT

CURSO : ESTADISTICA APLICADA

CATEDRATICO : DR. JOSE LUIS GAVE CHAGUA

INTEGRANTES :
HUAMANI RIVERA, Vctor
DIEGO LAZARO, Kenwy Alberto
CCENCHO ALANYA, Carmen Zayda
CUADROS MERINO, Roy Toni
HUAMAN CUSI, Betty
PUMA SARMIENTO, Juan Carlos

CICLO: III-MINAS

Lircay Huancavelica

2017
DEDICATORIA

Dedicado a todos aquellos que hicieron posible la

confeccin y elaboracin de este trabajo.
 RESUMEN

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 de 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.
 INTRODUCCION

La distribucin t de student se utiliza cuando nos encontramos con la dificultad de no

conocer la desviacin tpica poblacional y nuestra muestra es menor de 30. Es similar a
la curva normal, pero la distribucin t tiene mayor rea a los extremos y menos al 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 la media cuando la
desviacin poblacional fuese desconocida: y ya que los empleados de dicha entidad no
les era permitido publicar el trabajo de investigacin bajo sus propios nombres, Gosset
adopto 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 la formula.

De gran utilidad, reduce tiempo. Costo y esfuerzos. Se utiliza para probar hiptesis y
tambin para saber si dos muestras provienen de la misma poblacin.
 PLANTEAMIENTO DEL PROBLEMA

DESCRIPCION DE LA REALODAD PROBLEMTICA

En los estudios sobre la probabilidad y distribucin de unas muestras 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 o en muestras ms pequeas si la distribucin 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 manejaran 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

tambin la podemos utilizar con muestras aleatorias de tamao grande.

FORMULACION DEL PROBLEMA

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

OBJETIVOS DE LA INVESTIGACION

Analizar las caractersticas y aplicacin de la distribucin t de student.

JUSTIFICACION DE LA INVESTIGACION

Al hacer una investigacin tenemos que efectuar una serie de operaciones con respecto a
una 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 en problemas que implican muestras comparativas (es
decir, en casos donde se trata de determinar si las medias de dos muestras son
significativamente diferentes).

VIABILIDAD DE LA INVESTIGACION

Es factible realizar la investigacin por que se cuenta con la informacin necesaria

diferentes fuentes de informacin, y tambin se dispone de recursos materiales como
papel, lapiceros, USB, base de datos adecuados para desarrollar la investigacin como es
debida.
 MARCO TEORICO

ANTECENDES DE LA INVESTIGACION

La distribucin t de student fue descubierta por William S. Gosset en 1908. Gosset era
un estadstico e empleado por la compaa de cerveza Guinnes irlandesa que desaprobaba
la publicacin de investigacin de sus empleados. Para evitar esta prohibicin, publico su
trabajo bajo el nombre de student en consecuencia la distribucin de t normalmente
se llama distribucin de t de studens o simplemente. Lo interesante del caso es que su
trabajo estaba al control de calidad de cerveza. En el pasado otros investigadores de la
compaa Guinness haban publicado artculos en los que se divulgan secretos o
informacin confidencial sobre el proceso de la cerveza y por eso se oblig a Gosset a
aceptar la clusula.

BASES TEORICAS
DISTRIBUCION t DE STUDENT

En muchas ocasiones no se conoce y el nmero de observacin en la muestras en menor

de 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 con estadstico de prueba. El
estadstico de prueba adecuado es la distribucin t. a veces es necesario hacer anlisis
de muestras pequeas por razones de tiempo y reduccin de costos, para ello fue
descubierta la distribucin t por William Gosset, un especialista en estadstica, que la
publico en 1908 con el seudnimo de distribucin t student.

LOS USOS PARA LOS CUALES ES IDONEA LA DISTRIBUCION

Para determinar el intervalo de confianza dentro del cual se puede estimar la media
de una poblacin a partir de muestras pequea ( < 30).

Para probar hiptesis cuando una investigacin se basa en muestreo pequeo.

Para probar si dos muestras provienen de una misma poblacin.

CARACTERISTICAS DE LA DISTRIBUCION t DE STUDENT

En muchas ocasiones no se conoce y el numero de observaciones en la muestra < 30

en estos casos, se pueden 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).
GRADOS DE LIBERTAD

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.

COMO DIFERENCIARLAS DE LAS OTRAS DISTRIBUCIONES

La distribucin de t es similar a la distribucin de Z, pues ambas son simtricas

alrededor de una media de cero. Ambas tienen distribuciones de campana, pero la
distribucin t es ms variable debido a que tienen fluctuaciones en 2 cantidades.

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.

TEORIA DE PEQUEAS MUESTRAS

En probabilidad y estadstica, la distribucin t o distribucin t de student es una

distribucin de probabilidad que surge del problema de estimar la media de una poblacin
normalmente distribuida cuando el tamao de la muestra es pequeo. 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.

Veremos un nuevo concepto necesario para poder entender la distribucin t de student.

Este concepto en grados de libertad.

Para definir grados de libertad se har referencia a la varianza muestral:

2
=1( )2
=
1

Esta frmula est basado en 1 grados de libertad. Esta terminologa resulta de que si
bien 2 est basado en cantidades 1 , 2 , 3 , , , estas suman cero,
as que especificar los valores de cualquier 1 de las cantidades determina el valor
restante.

Por ejemplo, si =4 y 1 = 8, 2 = 6, 4 = 4, entonces

automticamente tenemos 3 = 2, asi que solo tres de las cuatro medias de
estn libremente determinadas, la otra debe tomar el valor que haga esta suma cero; es
por esto que solo tenemos 3 grados de libertad.

=
DISTRIBUCION DE PROBABILIDAD t DE STUDET

Una variable aleatoria se distribuye segn el modelo de probabilidad t de student con

k grados de libertad, donde k es un entero positivo, si su funcin de densidad es la
siguiente:

la grfica de esta funcin de densidad es simtrica, respecto del eje de ordenandas, con
independencia del valor de k, y de forma algo semejante a la de una distribucin normal.

Distribucin t de Student con 10 grados de libertad

su valor medio y varianza son:

DISTRIBUCION t DE STUDENT

La siguiente figura presenta la grfica de varias distribuciones t. la apariencia general

de la distribucin t es similar a la de la distribucin normal estndar: ambas son
simtricas y unimodales, y el valor mximo de la ordenada se alcanza en la media = 0.
Sin embargo, la distribucin t tiene colas ms amplias que la normal; esto es, la
probabilidad de las colas es mayor que en la distribucin normal. A medida que el nmero
de grados de libertad tiende a infinito, la forma lmite de la distribucin t es la
distribucin normal estndar.

PROPIEDADES DE LAS DISTRIBUCIONES t

Cada curva t tiene forma de campana con centro en 0.

cada curva t, est ms dispersa que la curva normal estndar.

A medida que k aumenta, la dispersin de la curva t correspondiente

disminuye.

A medida que > , la secuencia de curvas t se aproxima a la curva normal

estndar.
CALCULO DE LA DISTRIBUCION t DE STUDENT

PRUEBA DE HIPOTESIS PARA MEDIAS t DE STUDENT

(muestras menores a 30)

La prueba de hiptesis para medias usando distribucin t de student se usa cuando se

cumplen las siguientes condiciones:

Es posible calcular la 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:

PASO 1:

Plantear hiptesis nula (0 ) e hiptesis alternativa ( ).

La hiptesis nula plantea exactamente lo contrario.

PASO 2:

Determinar nivel de signifancia. (rango de aceptacin de hiptesis alternativa)

Se considera:

0.05 para proyectos de investigacin.

para aseguramiento de calidad.

0.10 para encuestas de mercadotecnia y polticas.

PASO 3:

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

PASO 4:

Se aplica la distribucion t de Student para calcular la probabilidad de error (P) por medio
de la formula.


=


= =

Sabiendo que:

PASO 5:

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

si la probabilidad de error (P) es mayor que el nivel de signicancia:

SE RECHAZA HIPTESIS ALTERNATIVA

si la probabilidad de error (p) es menor que el nivel de significancia:

SE ACEPTA LA HIPTESIS ALTERNATIVA

EJEMPLO

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 ():

Lo que se quiere comprobar

El grupo no tiene problemas de autoestima. Valor de autoestima mayor a 60.

Hiptesis nula ( )

Lo contrario a la hiptesis alternativa

El grupo tiene problemas de autoestima. Valor de autoestima menor a 60.

PASO 2:

Determinar nivel de significancia: = 0.05

PASO 3:

Evidencia muestral: = 62.1 = 5.83

PASO 4:

Aplicando la distribucion de probabilidad

Calculando t'


=


. .
= = = .
. .

= = =

Buscando en la tabla de distribucion de t de student, encuentras el valor del rea:

PASO 5:

Resultados:
= . = . : <

Por lo tanto: se acepta hiptesis alternativa

Existe suficiente evidencia para demostrar que el grupo no tiene problemas de autoestima

DIFERENCIA CON OTRAS TABLAS DE DISTRIBUCION

La tabla de distribucion t es ms compacta que z y muestra las reas y valores

de una 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 cada
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.

USO DE LA TABLA DE DISTRIBUCION t

Los grados de libertad de una t de student se indicarn como v.

De manera anloga a la definicin utilizada para la normal, si es una , de

Student con v grados de libertad, entonces: ( , ) =

El valor , 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
EJEMPLO:

Con 5 grados de libertad, el cuantil 0.95 es 2.015

EJEMPLO:

Si tenemos 12 grados de libertad, el cuantil 0.975 ser 2.1788

EJERCICIO

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.

Encontrando t

t: una confianza del 99% con (n-1) grados de libertad.

Grados de libertad=16-1=15
DATOS

= 16

= 5.6

= 2.947
()()
=

. .
=

= .

= .

= .

Tiempo medio requerido para realizar el trabajo ser entre 8.88 y 17.12 minutos con una
certeza de 99%.
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.

Observaciones: valores que toma las caractersticas 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.
IMPORTACIA DEL ESTUDIO

Importancia del estudio de la distribucin t

Si aplicar muestreo no es posible extraer muestras mayores a 30 elementos, la utilizacin

de la distribucion normal presenta grandes riesgos estadsticos. Para ello, la teora de
pequeas muestras presenta como alternativa a la distribucin t de Student tiende a la
distribucion 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 distribucion t de Student.
 CONCLUSION

Es una distribucion 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 distribucion continua, tiene forma acampanada

 BIBLIOGRAFIA

FUENTES BIBLIOGRAFICAS

FUENTES ELECTRNICA