DISTRIBUCION T DE

STUDENT

ESTADISTICA INFERENCIAL

DISTRIBUCION T DE
STUDENT

Dedicado a todos aquellos que hicieron

posible la confeccin y elaboracin de
este trabajo.

ESTADISTICA INFERENCIAL

DISTRIBUCION T DE STUDENT

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

analizar

la

Distribucin 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.

ESTADISTICA INFERENCIAL

DISTRIBUCION T DE STUDENT

Introduccin..7
CAPTULO I: PLANTEAMIENTO DEL PROBLEMA

1.1. Descripcin de la realidad problemtica..8

1.2. Formulacin del problema..8
1.3. Objetivos de la investigacin.....8
1.4. Justificacin de la investigacin....9
1.5. Viabilidad de la investigacin........9

CAPTULO II: MARCO TERICO

1. Antecedentes de la investigacin...10
2.
2.2. Bases tericas10
A. Los usos para los cuales es idnea esta distribucin..11
B. Cararteristica de la distribucion de la T de student..11
C. Grados de libertad.11
D. Ccmo diferenciarla de las otras distribuciones ......11
E. Teora de pequeas muestras ...12
F. Distribucin de probabilidad T de student ....13
F. 1. Propiedades de las distribuciones t...14
G.

Calculo de la distribucin T de student ...

..14

ESTADISTICA INFERENCIAL

DISTRIBUCION T DE STUDENT

H. Tabla T de student ................................19

H.1. Diferencia con otras tablas de distribucin....21
H.2. Uso de la tabla de distribucin T ........21
I. Ejercicio................................22
2.3. Definiciones conceptuales...23

CAPTULO III: IMPORTANCIA DEL ESTUDIO

3.1 Importancia del estudio de la distribucion de T ....25

CONCLUSIN
FUENTES DE INFORMACIN

ESTADISTICA INFERENCIAL

DISTRIBUCION T DE STUDENT

La distribucin t de Student se utiliza cuando nos

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

De gran utilidad, reduce tiempo, costo y esfuerzos. Se

utiliza para probar hiptesis y tambin para saber si dos
muestras provienen de Ia misma poblacin.

ESTADISTICA INFERENCIAL

DISTRIBUCION T DE
STUDENT

1.1.

Descripcin de la realidad problemtica

En las estudios sobre la probabilidad y distribucin de una muestra 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 en muestras ms
pequeas si la distribucin o las distribuciones 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 se manejarn en esta unidad; t de student, jicuadrada y Fisher.
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.
1.2.

Formulacin del problema

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

1.3.

Objetivos de la investigacin

Analizar las caractersticas y aplicacin de la Distribucin T de student.

1.4.

Justificacin de la investigacin

Al hacer una investigacin tenemos que efectuar una serie de operaciones con
ESTADISTICA
INFERENCIAL

DISTRIBUCION T DE
STUDENT

respecto a nuestra poblacin y muestra, pero en el caso que nuestra poblacin

ESTADISTICA
INFERENCIAL

sea pequea por consiguiente nuestra muestra tambin lo ser, es ah donde

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).

1.5.

Viabilidad de la investigacin

Es factible realizar la investigacin por que se cuenta con la informacion

necesaria diferentes fuentes de informacin, y tambien se dispone de recursos
materiales como papel, lapiceros, USB, base de datos adecuados para
desarrollar la investigacion como es debida.

2.1.

Antecedentes de la investigacin

La distribucin t de student fue descubierta por William S. Gosset en 1908.

Gosset era un estadstico empleado por la compaa de cerveza Guinness
Irlandesa que desaprobaba la publicacin de investigaciones de sus
empleados.
Para evadir esta prohibicin,
publico su trabajo en secreto
bajo el nombre de Student.
En consecuencia la distribucin
de T normalmente se llama
distribucin de t de Student o
simplemente t. Lo interesante
del caso es que su trabajo
estaba enfocado al control de
calidad de la cerveza. En el pasado otros investigadores de la compaa
Guinness haban publicado artculos en los que se divulgaban secretos o
informacin confidencial sobre el proceso de la cerveza y por eso se oblig a
Gosset a aceptar la clusula.
2.2.

Bases tericas

En muchas ocasiones no se conoce y el nmero de observaciones en

Ia muestra es menor de 30. En estos casos. Se puede utilizar Ia
desviacin
estndar de Ia muestra S como una estimacin de , pero no es posible usar
Ia
distribucin Z como estadstico de prueba. El estadstico de prueba adecuado es

Ia distribucin t. A veces es necesario hacer anlisis de muestras pequeas por

razones de tiempo y reduccin de costos, para ello fue descubierta Ia

distribucin t por Wlliam Gosset, un especialista en estadstica, que Ia public
en 1908 con
el seudnimo de Distribucin t Student.

Para determinar el intervalo de confianza dentro del cual se puede estimar

Ia media de una poblacin a partir de muestras pequea (n < 30).
Para probar hiptesis cuando una investigacin se basa en muestreo
pequeo.
Para probar si dos muestras provienen de una misma poblacin.

En muchas ocasiones no se conoce y el nmero de observaciones en la

muestra n < 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
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).

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.

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

alrededor de una media de cero. Ambas tiene 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.

En probabilidad y estadstica, Ia distribucin-t o distribucin t de Student es una

distribucin de probabilidad que surge del problema de estimar Ia media de una
poblacin normalmente distribuida cuando el tamao de Ia muestra es
pequeo. A Ia teora de pequeas muestras tambin se le llama teora exacta
del muestreo, ya que tambin Ia podemos utilizar con muestras aleatorias de
tamao grande.
Veremos un nuevo concepto necesario para poder entender la distribucin t
Student. Este concepto es grados de libertad.
Para definir grados de libertad se har referencia a Ia varianza maestral:

Una variable aleatoria se distribuye segn el modelo de probabilidad t o T de

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

La grfica de esta funcin de densidad es simtrica, respecto del eje de

ordenadas, con independencia del valor de k, y de forma algo semejante a Ia
de una distribucin normal:

Su valor medio y varianza son:

La siguiente figura presenta Ia grfica de varias distribuciones t. La apariencia

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

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

Cada curva t, est ms dispersa que Ia curva normal estndar.
A medida que k aumenta, Ia dispersin de Ia curva t correspondiente
disminuye.
A medida que k-> , la secuencia de curvas t se aproxima a Ia curva
normal estndar

La Prueba de Hiptesis para medias usando Distribucin t de Student se usa

cuando se cumplen las siguientes dos condiciones:

 Es posible calcular las 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:

Plantear Hiptesis Nula (Ho) e Hiptesis Alternativa (Hi).

La Hiptesis alternativa plantea matemticamente lo que

queremos demostrar.
La Hiptesis nula plantea exactamente lo contrario.

Determinar Nivel de Significancia. (Rango de aceptacin de hiptesis alternativa).

Se considera:
0.05 para proyectos de investigacin.
0.01 para aseguramiento de calidad.
0.10 para encuestas de mercadotecnia y polticas.

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

muestra.

Se aplica la Distribucin t de Student para calcular la probabilidad de error (P)

por medio de la frmula:

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

alternativa.

Si la probabilidad de error (P) es mayor que el nivel de significancia:

SE RECHAZA HIPTESIS ALTERNATIVA

Si la probabilidad de error (P) es menor que el nivel de significancia:

SE ACEPTA HIPTESIS ALTERNATIVA

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 (Hi):
Lo que se quiere comprobar
El grupo no tiene problemas de autoestima. Valor de autoestima mayor a 60.
Hiptesis Nula (Ho):
Lo contrario a la Hiptesis Alternativa
El grupo tiene problemas de autoestima. Valor de autoestima menor a 60.
Paso 2:
Determinar nivel de significancia:
Paso 3:
Evidencia Muestral

Paso 4:
Aplicando la Distribucin de Probabilidad
Calculando t*:

Buscando en la tabla de Distribucin de t de Student, encuentras el valor del

rea:

Pas 5:
Resultados:

Por lo tanto: Se acepta Hiptesis Alternativa

Existe suficiente evidencia para demostrar que el grupo no tiene

problemas de autoestima

DISTRIBUCION T DE
STUDENT

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

valores de 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 caiga 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.

Los grados de libertad de una t de Student se indicaran como v.

De manera anloga a la definicin utilizada para la Normal, si X es

una

tv, de Student con v grados de libertad, entonces:

El valor v, 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.

ESTADISTICA INFERENCIAL

DISTRIBUCION T DE
STUDENT
21

: con 5 grados de libertad, el cuantil 0.95 es 2.015

: si tenemos 12 grados de libertad, el cuantil 0.975 ser 2.1788

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.

ESTADISTICA
INFERENCIAL

25

 t= Una confianza del 99% con (n-1) grados de libertad.

GL=16-1=15

n= 16
X=13 minutos
S= 5.6
minutos
t=2.947

x=x t s .
n
=132.947(5.6/16)
=134.12
1=17.12 minutos
2=8.88 minutos

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

2.3 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
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.

ESTADISTICA
INFERENCIAL

2
4

3.1 Importancia del estudio de la distribucin T.

Si al aplicar muestreo no es posible extraer muestras mayores a 30 elementos,
la utilizacin de la distribucin normal presenta grandes riesgos estadsticos.
Para ello, la teora de pequeas muestras presenta como alternativa a la
distribucin

t- student, en el entendido de que conforme el tamao de la

muestra tienda a 30 elementos, la distribucin t-student tiende a la distribucin

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 distribucin t-student.

ESTADISTICA
INFERENCIAL

28

Es una distribucin 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 distribucin continua, tiene forma acampanada.

Fuentes Bibliogrficas

DEVORE, J. L., "Probabilidad y Estadstica para Ingeniera y Ciencias".

Grupo Editorial International Thon Editores.

FREUND, J. F., MILLER, I., MILLER, M. "Estadstica Matemtica con

Aplicaciones". Grupo Editorial Prentice Hall.

McCLAVE, S., "Probabilidad y Estadstica para Ingeniera". Grupo

Editorial Iberoamericana.

MENDELHALL, W., WACKERLY, D., ACHEAFFER, R. "Estadistica

Matemtica con Aplicaciones". Segunda Edicin. Grupo Editorial
Iberoamericana. Mxico. 1994.

MILLER, I., FREUND, J. E., JOHNSON, R. A. "Probabilidad y Estadstica

para Ingenieros". Quinta Edicin. Prentice Hall Hispanoamericana.
Mxico. 1997.

MONTGOMERY, D. C., RUNGER, G. C. "Probabilidad y Estadstica

Aplicada a la Ingeniera". Primera Edicin. McGraw Hill. Mxico. 1996.

Fuentes Electrnica
http://virtual.uptc.edu.co/ova/estadistica/docs/libros/tstudent.pdf
http://www.mat.uda.cl/hsalinas/probabilidades.htm
http://www.upcomillas.es/personal/peter/investigacion/Tama%F1oDelEfecto.pdf
http://es.scribd.com/doc/39028492/Distribucion-T-de-Student-Scrib
http://sisbib.unmsm.edu.pe/bibvirtualdata/libros/Matematicas/inferencia/
http://www.itch.edu.mx/academic/industrial/estadistica1/u0304.pdf
http://e-stadistica.bio.ucm.es/glosario2/distr_student.html
http://www.uv.es/ceaces/normaMu/t/t.htm
http://www.paginaspersonales.unam.mx/files/977/Distribucion_t_deStudent.pdf
http://www.ray- design.com.mx/psicoparaest/index.php?
option=com_content&view=article&id=233
:t-student-dnr&catid=52:pruebaspara&Itemid=61
ESTADISTICA
INFERENCIAL

2
7

ESTADISTICA
INFERENCIAL

2
8