Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 168 vistas

    Distribucion T Student Exponer 1

    Cargado por

    Gerardo Orihuela
    Este documento presenta una introducción a la distribución t de Student. Explica que esta distribución se utiliza para realizar inferencias estadísticas cuando el tamaño de la muestra es pequeño y la desviación estándar poblacional es desconocida. Describe que la distribución t de Student fue descubierta por William Sealy Gosset bajo el seudónimo "Student". También define las características clave de esta distribución, como su función de densidad de probabilidad y cómo se utilizan las tablas, e ilustra su uso con

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Distribucion T Student Exponer 1

    Cargado por

    Gerardo Orihuela
    168 vistas7 páginas
    Este documento presenta una introducción a la distribución t de Student. Explica que esta distribución se utiliza para realizar inferencias estadísticas cuando el tamaño de la muestra es pequeño y la desviación estándar poblacional es desconocida. Describe que la distribución t de Student fue descubierta por William Sealy Gosset bajo el seudónimo "Student". También define las características clave de esta distribución, como su función de densidad de probabilidad y cómo se utilizan las tablas, e ilustra su uso con

    Descripción original:

    student

    Título original

    Distribucion t Student Exponer 1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta una introducción a la distribución t de Student. Explica que esta distribución se utiliza para realizar inferencias estadísticas cuando el tamaño de la muestra es pequeño y la desviación estándar poblacional es desconocida. Describe que la distribución t de Student fue descubierta por William Sealy Gosset bajo el seudónimo "Student". También define las características clave de esta distribución, como su función de densidad de probabilidad y cómo se utilizan las tablas, e ilustra su uso con

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    168 vistas7 páginas

    Distribucion T Student Exponer 1

    Cargado por

    Gerardo Orihuela
    Este documento presenta una introducción a la distribución t de Student. Explica que esta distribución se utiliza para realizar inferencias estadísticas cuando el tamaño de la muestra es pequeño y la desviación estándar poblacional es desconocida. Describe que la distribución t de Student fue descubierta por William Sealy Gosset bajo el seudónimo "Student". También define las características clave de esta distribución, como su función de densidad de probabilidad y cómo se utilizan las tablas, e ilustra su uso con

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 7

    AÑO DE DIALOGO Y LA RECONCILIACIÓN NACIONAL

    UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHES CARRION

    FACULTAD DE INGENIERÍA QUÍMICA Y METALURGAICA

    ESCUELA ACADEMICA PROFESIONAL DE INGENERIA QUÍMICA

    TEMA:
    Distribución estadística t student

    DOCENTE
    ING. MUÑOZ VILELA, JULIO

    PRESENTADO POR:

    PALACIOS PENADILLO, JHOSELINE


    ORIHUELA IPARAGUIRE, FELIX
    DURAN PASCO, AMPARO

    CICLO DE ESTUDIOS
    VI

    HUACHO- PERÚ
    2018
    INTRODUCCION

    La distribución t student se utiliza cuando nos encontramos con


    la dificultad de no conocer la desviación típica poblacional y
    nuestra muestra es menor de 30. Es similar a la curva normal,
    pero la distribución t tiene mayor área a los extremos y menos
    en el centro.
    Esta fue descubierta por un especialista en estadística de una
    empresa irlandesa, este señor cuyo nombre era William S. Gossel
    hizo inferencias acerca de la media cuando la desviación
    poblacional fuese desconocida: y ya que los empleados de dicha
    entidad no les era permitido publicar el trabajo de investigación
    bajo sus propios nombres, gossel adopto el seudónimo 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 hipótesis y también para saber si dos muestras provienen
    de la misma población.
    DISTRIBUCION T STUDENT

    En probabilidad y estadística, la distribución t (de Student) es una distribución de


    probabilidad que surge del problema de estimar la media de una población normalmente
    distribuida cuando el tamaño de la muestra es pequeño.
    Aparece de manera natural al realizar la prueba t de Student para la determinación de las
    diferencias entre dos varianzas muestrales y para la construcción del intervalo de
    confianza para la diferencia entre las partes de dos poblaciones cuando se desconoce
    la desviación típica de una población y esta debe ser estimada a partir de los datos de una
    muestra.

    Historia
    La distribución de Student fue descrita en 1908 por William Sealy Gosset. Gosset
    trabajaba en una fábrica de cerveza, Guinness, que prohibía a sus empleados la
    publicación de artículos científicos debido a una difusión previa de secretos industriales.
    De ahí que Gosset publicase sus resultados bajo el seudónimo de Student.

    Caracterización:
    La distribución t de Student es la distribución de probabilidad del cociente

    Donde:

     Z es una variable aleatoria distribuida según una normal típica (de media nula
    y varianza 1).
     V es una variable continua que sigue una distribución χ² con ¨V¨ grados de libertad.
     Z y V son independientes

    Si μ es una constante no nula, el cociente es una variable aleatoria que sigue

    la distribución t de Student no central conparámetro de no-centralidad .

    ¿Cuándo usar esta distribución?


    Si al aplicar muestreo no es posible extraer muestras mayores a 30 elementos, la utilización de
    la distribución normal presenta grandes riesgos estadísticos. Para ello, la teoría de pequeñas
    muestras presenta como alternativa a la distribución t- student, en el entendido de que
    conforme el tamaño de la muestra tienda a 30 elementos, la distribución t-student tiende a la
    distribución normal. Por ello, toda inferencia estadística que se desee realizar con muestras
    pequeñas tiene más validez si se hace con la distribución t-student.

    La prueba T de una muestra solo estima un parámetro: la media de la población. El tamaño de


    la muestra de “n” constituye n informaciones para estimar la media de la población y su
    variabilidad. Un grado de libertad se gasta al estimar la media y los n-1 grados de libertad
    restantes estiman la variabilidad. Por lo tanto una prueba T de una muestra utiliza una
    distribución T con n-1 grados de libertad

    Función densidad
     v 1
     
    f ( x)   2 
    *
    1
    k 1
    v
      * v  x 2
     2
     
    2 v  1
     
    F ( x)   f ( x) dx  Tabulada

    ¿Cómo usar las tablas?


    Las tablas de la distribución t de student dan valores acumulados de izquierda a derecha. Para
    valores negativos no olvidar la simetría de esta distribución, tal que el valor de probabilidad a la
    derecha de t, es igual al valor de probabilidad a la izquierda de –t.

    Para extraer valores de probabilidad de esta tabla se sigue el siguiente procedimiento:

    a) Calcular los valores de la desviación estándar y el promedio y determinar el valor del


    promedio para el que se desea calcular la probabilidad.
    b) Determinar los grados de libertad (v) tal que v=n-1.

    c) Calcular el valor de t=(xbarra-)/(s/n-1).

    d) Localizar en tablas el valor de la probabilidad asociada a los valores de t y de v. Los valores


    de t pueden ser negativos o positivos. Contrario a la tabla de la distribución normal aquí los
    valores de t están dentro de la tabla y los valores de probabilidad en la parte superior de la
    misma. En algunos casos puede ser necesario interpolar para encontrar el valor exacto buscado,
    de lo contrario se escoge el que más se aproxime.

    Aparición y especificaciones de la distribución t de Student

    Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas


    normalmente, con media μ y varianza σ2. Sea:

    la media muestral. Entonces

    sigue una distribución normal de media 0 y varianza 1.


    Sin embargo, dado que la desviación estándar no siempre es conocida de
    antemano, Gosset estudió un cociente relacionado,

    es la cuasivarianza muestral y demostró que la función de densidad de T es

    dónde ¨V¨ es igual a n − 1.


    La distribución de T se llama ahora la distribución-t de Student.
    El parámetro ¨V¨ representa el número de grados de libertad.
    La distribución depende de ¨V¨ , pero no de o , lo cual es muy importante en la
    práctica.
    Intervalos de confianza derivados de la distribución t de Studen

    El procedimiento para el cálculo del intervalo de confianza basado en la t de Student


    consiste en estimar la desviación típica de los datos S y calcular el error estándar de la
    media: siendo entonces el intervalo de confianza para la media:

    Es este resultado el que se utiliza en el test de Student: puesto que la diferencia de las
    medias de muestras de dos distribuciones normales se distribuye también normalmente, la
    distribución t puede usarse para examinar si esa diferencia puede razonablemente
    suponerse igual a cero.
    Para efectos prácticos el valor esperado y la varianza son:

    Distribución t de Student no estandarizada

    La distribución t puede generalizarse a 3 parámetros, introduciendo un parámero


    locacional y otro de escala . El resultado es una distribución t de Student no
    estandarizada cuya densidad está definida por:

    Equivalentemente, puede escribirse en términos de (correspondiente a la varianza en


    vez de a la desviación estándar):

    Otras propiedades de esta versión de la distribución t son:


    EJEMPLO

    Una empresa especifica que el peso medio de uno de sus productos debe ser de 2 Kg.
    Sabiendo que la desviación estándar de una muestra de 17 unidades es 0.1.

    a. ¿Cuál es la probabilidad de que la media sea:

    Menos de 1.9666 Kg.?

    b. ¿Qué valor de promedio genera una probabilidad de 0.15 a su izquierda?

    =2 Kg. sxbarra=0.1/16 = 0.025 Kg.

    Con 16 grados de libertad

    a. P(xbarra1.9666)=?
     1.9666  2 
    P( x  1.9666)  T    T (1.366)  0.1
     0.025 
    La probabilidad de que la media sea menor a 1.9666 Kg. es 0.1.

    También podría gustarte