Instituto Federal de Educação Ciência e Tecnologia do Maranhão

Distribuição T-Student

Imperatriz - 2019
Alunos: William Cesar, Eduardo Elói, Romaildo da Silva e Vinicius Canuto

Introdução

A distribuição de t-student foi desenvolvida pelo mestre cervejeiro Da

cervejaria irlandesa guinness é William Sealy Gosset, Grande contribuidor no
estudo da probabilidade, Ele escreveu 21 artigos científicos dentre eles o mais
famoso foi o que ficou conhecido como distribuição de t-student. Ele não pôde
assinar os seus artigos por causa do seu trabalho na cervejaria guinness então
sob o pseudônimo de student.

Dentre suas características temos que a distribuição T é uma distribuição

de probabilidade teórica, seu formato em gráfico se assemelha bastante com o
gráfico de uma distribuição normal padrão, possuindo o característico formato de
sino, porém possui suas caudas mais alargadas, O que significa que ela tem
uma tendência de produzir valores que caem muito longe da média isso se faz
muito útil para entender comportamento estatístico de certos tipos de Razões de
quantidades aleatórias, além de serem um conjunto de curvas que são
determinadas por um parâmetro conhecido como grau de liberdade. Este grau é
constituído do número de escolhas livres deixadas depois que uma amostra
estatística é calculada, por exemplo, caso utilizássemos a distribuição T para
estimar a média da população, os graus de liberdade seriam iguais ao tamanho
da amostra menos um (n – 1).
A distribuição t tem um papel fundamental em uma ampla gama de análises
estatísticas incluindo os testes t student para avaliar a significância estatística da
diferença entre 2 médias, a construção de confiança de intervalos para a
diferença entre 2 médias populacionais, e na análise de regressão linear.

Se pegarmos uma amostra bom de n observações de uma distribuição

normal ,Então a distribuição ter com v= n -1 graus de liberdade pode ser definido
como a distribuição da localização de uma amostra de média relativa à média
real dividida pela amostra do desvio padrão, Depois de multiplicar pelo termos
de padronização raiz quadrada de n, dessa forma a distribuição ter pode ser
usada para construir o intervalo de confiança para a média real.

Além disso é valido citar que como toda distribuição trabalha da

estatística, a área correspondente ao interior da curva sempre será 100%, ou 1
dependendo da nomenclatura, também é preciso ressaltar que tanto a média,
como a moda e a mediana serão iguais a zero. Uma curiosidade é que,
dependendo da tabela que se está trabalhando e conforme os graus de liberdade
aumentam, a distribuição T se torna tão próxima da normal que é possível utilizar
a tabela da mesma no lugar de sua tabela tradicional.

Como surge a distribuição t

A distribuição t pode surgir através de inferência bayesiana que é um

método de inferência estatística no qual hotel era o teorema de Bayes É usado
para atualizar a probabilidade para uma hipótese quando mas evidência ou
informação se torna disponível, sua fórmula é denotada pela probabilidade de
um evento A de ocorrer sabendo a proporção de vezes que esse evento ar
ocorre Em repetidas amostras.

Outra forma da distribuição ter aparecer é através da distribuição de

amostras que pode ser explicada pelo seguinte exemplo :

sejam x1...xn números observados em uma amostragem de uma popular

são continuamente distribuídos com o valor esperado µ, A média da amostragem
EA variância da amostragem são dadas por:

Deu valor resultante t é:

A distribuição ter com n -1 de liberdade é a distribuição de amostragem de valor

ter quando as amostras consistem de observações independentes de
distribuição idêntica a partir de uma população normalmente distribuída.

Amostragem de monte carlo

Existem várias formas de construir amostragens através da distribuição t

O assunto depende de quantas e quais amostras são requeridas em uma base
autônoma ou se deve ser construída pela aplicação de uma função quantil para
amostras uniformes como por exemplo aplicação da base multidimensional de
dependência de cópula.

Usos

A distribuição t levanta uma variedade de problemas onde objetivo é estimar um

parâmetro desconhecido como valor da média em uma configuração onde hoje
dados são observados com erros adicionais se No desvio padrão da população
esses erros são desconhecidos ele tem que ser estimados a partir dos dados a
distribuição t é usada para a incerteza extra no resultado da estimativa.
Teste de hipóteses

um grande número de estatísticas pode ser mostradas através de distribuição t

de um tamanho moderado em uma hipótese nula, Nesse caso a distribuição ter
forma base para os testes de significância.

Estatísticas bayesianas

a distribuição de t-student, especialmente na sua versão com 3 parâmetros surge

frequentemente na estatística bayesiana Como resultado da conexão com a
distribuição normal, sempre que a variância de uma variável randômica
normalmente distribuída é desconhecida um conjugado é colocado na
precedência tem uma distribuição gama inversa.

Todavia, a importância história e didática do teste t de Student, usado na

comparação de médias, é maior que sua aplicabilidade prática devido ao fato de
que há a limitação do mesmo ser usado na comparação de duas, e somente
duas, médias e as variações dizem respeito às hipóteses que são testadas.
 Referencias

http://www.stat.rice.edu/~dcox/Stat431/BayesianInference.pdf

https://en.wikipedia.org/wiki/Student%27s_t-distribution

https://en.wikipedia.org/wiki/Copula_(probability_theory)

https://pt.wikipedia.org/wiki/Quantil

https://en.wikipedia.org/wiki/Bayesian_inference

http://cmq.esalq.usp.br/wiki/lib/exe/fetch.php?media=publico:syllabvs:lcf5759a:teste
_t.pdf

http://www.portalaction.com.br/probabilidades/64-distribuicao-t-de-student