Este documento describe la distribución t de Student. Fue descubierta por William Gosset en 1908 para estimar la media de una población cuando el tamaño de la muestra es pequeño y la varianza es desconocida. Se usa para determinar intervalos de confianza y probar hipótesis con muestras pequeñas. Se diferencia de la distribución Z en que su varianza depende del tamaño de la muestra y siempre es mayor que 1.
Este documento describe la distribución t de Student. Fue descubierta por William Gosset en 1908 para estimar la media de una población cuando el tamaño de la muestra es pequeño y la varianza es desconocida. Se usa para determinar intervalos de confianza y probar hipótesis con muestras pequeñas. Se diferencia de la distribución Z en que su varianza depende del tamaño de la muestra y siempre es mayor que 1.
Este documento describe la distribución t de Student. Fue descubierta por William Gosset en 1908 para estimar la media de una población cuando el tamaño de la muestra es pequeño y la varianza es desconocida. Se usa para determinar intervalos de confianza y probar hipótesis con muestras pequeñas. Se diferencia de la distribución Z en que su varianza depende del tamaño de la muestra y siempre es mayor que 1.
Este documento describe la distribución t de Student. Fue descubierta por William Gosset en 1908 para estimar la media de una población cuando el tamaño de la muestra es pequeño y la varianza es desconocida. Se usa para determinar intervalos de confianza y probar hipótesis con muestras pequeñas. Se diferencia de la distribución Z en que su varianza depende del tamaño de la muestra y siempre es mayor que 1.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 2
DISTRIBUCION “t” DE STUDENT
BASES TEÓRICAS
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". Gosset tenía buena relación con Karl Pearson que había sido su maestro. Necesitaba una distribución que pudiera usar cuando el tamaño de la muestra fuera pequeño y la varianza desconocida y tenía que ser estimada a partir de los datos. Las distribuciones t se usan para tener en cuenta la incertidumbre añadida que resulta por esta estimación. Fisher comprendió la importancia de los trabajos de Gosset para muestras pequeñas.
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 muéstrales 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. A veces es necesario hacer análisis de muestras pequeñas por razones de tiempo y reducción de costos, para ello fue descubierta Ia distribución t por William Gosset, un especialista en estadística, que Ia publicó en 1908 con el seudónimo de Distribución t Student.
USOS PARA LOS CUALES ES IDONEA ESTA DISTRIBUCION
Para determinar el intervalo de confianza dentro del cual se puede estimar Ia media de una población a partir de muestras pequeña (n < 30). Para probar hipótesis cuando una investigación se basa en muestreo pequeño. Para probar si dos muestras provienen de una misma población.
CARACTERISTICAS DE LA DISTRIBUCION DE “t” STUDENT
En muchas ocasiones no se conoce σ y el número de observaciones en la muestra n < 30. En estos
casos, se puede utilizar la desviación estándar de la muestra s como una estimación de σ, pero no es posible usar la distribución Z como estadístico de prueba. El estadístico de prueba adecuado es la distribución t. Sus aplicaciones en la inferencia estadística son para estimar y probar una media y una diferencia de medias.
COMO DIFERENCIARLA DE OTRAS DISTRIBUCIONES
La distribución de T es similar a la distribución de Z, pues ambas son simétricas alrededor de una
media de cero. Ambas tiene distribuciones de campana pero la distribución t es más variable debido a que tienen fluctuaciones en 2 cantidades. La distribución de T difiere de la de Z en que la varianza de T depende del tamaño de la muestra n y siempre es mayor a 1, únicamente cuando n tiende a ∞ las dos distribuciones serán iguales.
