DISTRIBUCION "t DE STUDENT"

La prueba t-Student fue desarrollada en 1899 por el qumico ingls William

Sealey Gosset (1876-1937), mientras trabajaba en tcnicas de control de
calidad para las destileras Guiness en Dubln. Se utiliza para contrastar
hiptesis sobre medias en poblaciones con distribucin normal. Para conocer si
se puede suponer que los datos siguen una distribucin normal, se pueden
realizar diversos contrastes llamados de bondad de ajuste, de los cuales el ms
usado es la prueba de Kolmogorov.
Existen dos versiones de la prueba t-Student: una que supone que las
varianzas poblacionales son iguales y otra versin que no asume esto ltimo.
Para decidir si se puede suponer o no la igualdad de varianza en las dos
poblaciones, se debe realizar previamente la prueba F-Snedecor de
comparacin de dos varianzas.
Supngase que se toma una muestra de una poblacin normal con media y
varianza 2. Si

es el promedio de las n observaciones que contiene la

muestra aleatoria, entonces la distribucin

T=

X
S /n

es una distribucin

normal estndar. Supngase que la varianza de la poblacin 2 es desconocida.

Qu sucede con la distribucin de esta estadstica si se reemplaza por s?
La distribucin t proporciona la respuesta a esta pregunta.
La media y la varianza de la distribucin t son = 0 y

2=v /(v2)

para >2,

respectivamente.
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

1. Cada curva t tiene forma de campana con centro en 0.
2. Cada curva t, est ms dispersa que la curva normal estndar z.
3. A medida que v aumenta, la dispersin de la curva t correspondiente
disminuye.
4. A medida que

, la secuencia de curvas t se aproxima a la curva

normal estndar, por lo que la curva z recibe a veces el nombre de curva

t con

gl=

Sea Z una variable aleatoria normal estndar y V una variable aleatoria chi
cuadrada con v grados de libertad. Si Z y V son independientes, entonces, la
distribucin de la variable aleatoria t est dada por:

h (t)=

[ ]
v+ 1
2

v
2

()

t2
1+
v

( )
v

( v+1)
2

,<t < .

Esta se conoce como la distribucin t con v grados de libertad.

Sean X1, X2, . . . , Xn variables aleatorias independientes que son todas

normales con media y desviacin estndar . Entonces la variable
aleatoria

T=

X
S/n

v =n1

tiene una distribucin t con

grados de libertad.

La distribucin t difiere de la de Z en que la varianza de t depende del tamao

de la muestra y siempre es mayor a uno. nicamente cuando el tamao de la
muestra tiende a infinito las dos distribuciones sern las mismas.
Se acostumbra representar con
un rea igual a

el valor t por arriba del cual se encuentra

. Como la distribucin t es simtrica alrededor de una

media de cero, tenemos

de

t 1 =t ; es decir, el valor t que deja un rea

a la derecha y por tanto un rea de

valor t negativo que deja un rea de

a la izquierda, es igual al

en la cola derecha de la distribucin.

Esto es, t0.95 = -t0.05, t0.99=-t0.01, etc.

La distribucin t se usa de manera extensa en problemas que tienen que ver
con inferencia acerca de la media de la poblacin o en problemas que implican
muestras comparativas (es decir, en casos donde se trata de determinar si las
medias de dos muestras son significativamente diferentes). El uso de la
distribucin t para el estadstico

T=

X
S / n , requiere que X1, X2, , Xn sea

normal. El uso de la distribucin t y la consideracin del tamao de la muestra

no se relaciona con el teorema del lmite central.

DISTRIBUCIN F DE FISHER
La necesidad de disponer de mtodos estadsticos para comparar las varianzas
de dos poblaciones es evidente a partir del anlisis de una sola poblacin.
Frecuentemente se desea comparar la precisin de un instrumento de
medicin con la de otro, la estabilidad de un proceso de manufactura con la de
otro o hasta la forma en que vara el procedimiento para calificar de un
profesor universitario con la de otro. Intuitivamente, podramos comparar las
varianzas de dos poblaciones, 21 y 22, utilizando la razn de las varianzas
muestrales s21/s22. Si s21/s22 es casi igual a 1, se tendr poca evidencia para
indicar que s21 y s22 no son iguales. Por otra parte, un valor muy grande o muy
pequeo para s21/s22, proporcionar evidencia de una diferencia en las
varianzas de las poblaciones.
La variable aleatoria F se define como el cociente de dos variables aleatorias jicuadrada independientes, cada una dividida entre sus respectivos grados de
libertad. Esto es:

U
v1
F=
V
v2
donde U y V son variables aleatorias ji-cuadrada independientes con grados de
libertad v1 y v2 respectivamente.
Sean U y V dos variables aleatorias independientes que tienen distribucin ji
cuadradas con v1 y v2 grados de libertad, respectivamente. Entonces la

distribucin de la variable aleatoria

U
v
F= 1
V
v2

est dada por:

v
v
v

1+ v1

f
v2

( 1 +v 2)/2

v1
1
2
0,

( )

( 1/2)( 2/ 2)

v 1 +v 2 v 1 v2
2
v 2 f > 0,

f 0,
h ( f )=

]( )

y se dice que sigue la distribucin F con v 1 grados de libertad en el numerador

y v2 grados de libertad en el denominador.
Teorema: Si s12 y s22 son las varianzas muestrales independientes de tamao n1
y

n2

tomadas

de

poblaciones

respectivamente, entonces:

F=

S21
21
S22
22

22 S21
21 S22

normales

con

varianzas

21 y,

22

Tiene una distribucin F con

v 1=n11

v 2=n21

grados de libertad.

La distribucin F se usa en situaciones de dos muestras para realizar

inferencias acerca de las varianzas de poblacin, lo cual implica la aplicacin
del resultado del teorema arriba expuesto. Sin embargo, la distribucin F se
aplica a otros muchos tipos de problemas en los cuales estn relacionadas las
varianzas muestrales. De hecho la distribucin F se llama distribucin de razn
de varianzas.