Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DISTRIBUCIÓN T DE ESTUDENT
La Distribución t (de Student) surge del problema de estimar la media de una población
normalmente distribuida cuando se desconoce la desviación estándar poblacional y el tamaño de
la muestra es pequeño. En este caso ya no se puede utilizar la v.a Z y en su lugar debe utilizarse
otro estadístico denominado T o de Student.
En este estadístico resulta de gran utilidad cuando por situaciones prácticas no se puede usar
muestras grandes y se desconoce la desviación estándar poblacional. Sin embargo, es necesario
que la población sea normal.
Recordar que el TLC implica que se debe conocer la desviación estándar poblacional y que la
muestra sea grande ( n>=30).
DEFINICIÓN 1
Sea Z una variable aleatoria normal estándar y sea χ 2 una variable aleatoria ji-cuadrada con v
grados de libertad, ambas independientes. Entonces la distribución
Z
T=
χ2
√ v
Sigue la distribución T de Student con v grados de libertad y la función de densidad de
probabilidad está dada por
v+1
f ( t ; v )=
Γ ( 2 ) 2 − v+1
t (
∗[ 1+ ]
2 )
,−∞<t <∞ ; v >0
v v
√ πv∗Γ ( )
2
Luego, hay infinitas distribuciones T de Student que difieren en los grados de libertad.
PROPIEDADES
Las distribuciones t de Student fueron descubiertas por William S. Gosset (1876-1937) en 1908 cuando trabajaba para la compañía de
cervezas Guinness en Dublín (Irlanda). No pudo publicar sus descubrimientos usando su propio nombre porque Guinness había prohibido
a sus empleados que publicaran información confidencial. Gosset firmó sus publicaciones usando el nombre de "Student".
EJEMPLO 1
SOLUCIÓN
7+1
∞( 2 )
Γ
t (
∗[ 1+ ]
2 − 7+1
) ∞
6 t2
−4
P ( T > 1.895 )= ∫
7
√ π∗7∗Γ ( )
7
2
=¿ ∫
7
∗ 1+
7 [ ] =¿ 0.05 ¿ ¿
1.895
2
1.895
√ π∗7∗Γ
2 ()
Para facilitar el cálculo de probabilidades sin que implica el uso de la función de densidad de
probabilidad T de Student , se dispone de tablas que contienen algunos valores de esta
distribución para diferentes grados de libertad mediante la siguiente definición:
Si x́ es la media de una muestra aleatoria de tamaño n tomada de una población normal con
media μ, y s es la desviación estándar de la muestra, la cual es una estimación de la desviación
estándar de la poblacional σ , y t es el valor de la variable aleatoria que sigue la distribución T de
Student y grados de libertad v= n-1 , entonces
x́−μ
t (v ,∝ )=
s
√n
La anterior expresión se obtiene de :
X́−μ
∗σ
X́ −μ σ
Z σ n x́−μ
T= = = √ =
2 S s
χ ( n−1 )∗s2
√
v
EJEMPLO 2
√ σ2
(n−1)
√n
Los valores de las matrículas de estudiantes en una universidad privada tienen un comportamiento
aproximadamente normal, donde el promedio es de 2.100.000. Se seleccionan 8 liquidaciones,
siendo los valores los siguientes: 1.950.000, 2.100.000, 2.250.000, 1.890.000, 2.250.000,
1.950.000, 2.050.000, 2.350.000. Determine la probabilidad de que:
SOLUCIÓN
Población: todos los valores de las matriculas de estudiantes de la universidad
Variable : X = pago de la matrícula
n= 8
Estadígrafos
Media muestral = x́ = $ 2.098.750
Desviación estándar muestral = s = $ 168.644,8
V= 8-1 = 7
a.
2000000−2100000
=¿
T= 168644.8 -1.677
√8
P ( X́ < 2000000¿=P ( t←1.677 ) =¿0,0687 RTA.
2000000−2100000 2200000−2100000
<t< ¿
b. P(2000000¿ X́ <2200000 ¿= P ( 168644.8 168644.8
√8 √8
P( -1.677 < t < 1.677) = P( t < 1.677 ) – P ( t < -1.677) = 0,9313- 0.0687 = 0.8626 RTA
EJEMPLO 3
Un fabricante de focos afirma que su producto durará un promedio de 500 horas de trabajo. Para
conservar este promedio, el fabricante verifica en 25 focos cada mes. Si el valor t calculado cae
entre -t(0.05) y t(0.05) (confianza de 90%) , el se encuentra satisfecho con esta información. ¿Qué
conclusión deberá sacar el fabricante si la muestra de 25 focos arrojó una media x́=518 horas y
una desviación estándar s = 40 horas? Asuma que la distribución de los tiempos de vida de los
focos es aproximadamente normal.
SOLUCIÓN
n= 25
Estadígrafos
x́=518
S = 40
518−500
=2.25
T= 40
√ 25
0.90
0.05 0.05
-t (0.05) = -1.7108 t(0.05) = 1.7108 tP = 2.25
Interpretación: El fabricante se debe sentir más que satisfecho, porque la muestra evidencia que
el promedio es mayor a 500 horas
DEFINICIÓN
La distribución muestral de proporciones es la distribución de probabilidad de todas las
proporciones muestrales posibles que se pueden conformar de un determinado tamaño
de muestra n de alguna población con proporción poblacional P conocida.
Sea la v.a.d X b ( x ; n , p ) .
La proporción muestral p resulta de establecer una razón entre el número de éxitos u
observaciones de interés x y el tamaño de muestra n. Luego el estadístico proporción
muestral se define como:
x
p=
n
Estadístico → fórmula
Estadística → resultado o valor
PROPIEDADES
2. VARIACIÓN O DISPERSIÓN
P(1−P)
σ p=
√n
P(1−P)
→ si la población es infinita o se desconoce su tamaño
N−n
σ p=
√n
∗
N−1
(tamaño poblacional)
√
→ si la población es finita ; es decir, se conoce N
N −n
El coeficiente
√ N −1
se conoce como factor de corrección para poblacional finita (fcpf)
Sintaxis : p n ( P ,σ p )
P
EJEMPLO 1. Se sabe que la verdadera proporción de los componentes defectuosos
fabricadas por una firma es de 2 %. Encuentre la probabilidad de que una muestra
aleatoria de tamaño 70 tenga:
SOLUCIÓN
p−P
Z=
σp
P(1−P) 0.02∗(1−0.02)
σ p=
√ n
=
√ 70
=0.01673 →error estándar de la distribución muestral de propoción
SOLUCIÓN
P(1−P) 0.80∗(1−0.80)
Error típico o error estándar σ p=
√ n
=
√ 300
→ variación de la distribución muestral de proporciones
=¿ 0.0230