La distribución t de Student surgió de la necesidad de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Se define por su media de cero y desviación estándar, y depende del número de grados de libertad asociados a la muestra. Se utiliza para realizar pruebas de hipótesis sobre medias cuando el tamaño de la muestra es menor a 30. El procedimiento implica plantear hipótesis nula e hipótesis alternativa, determinar el nivel de significancia, calcular la estad
0 calificaciones0% encontró este documento útil (0 votos)
117 vistas19 páginas
La distribución t de Student surgió de la necesidad de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Se define por su media de cero y desviación estándar, y depende del número de grados de libertad asociados a la muestra. Se utiliza para realizar pruebas de hipótesis sobre medias cuando el tamaño de la muestra es menor a 30. El procedimiento implica plantear hipótesis nula e hipótesis alternativa, determinar el nivel de significancia, calcular la estad
La distribución t de Student surgió de la necesidad de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Se define por su media de cero y desviación estándar, y depende del número de grados de libertad asociados a la muestra. Se utiliza para realizar pruebas de hipótesis sobre medias cuando el tamaño de la muestra es menor a 30. El procedimiento implica plantear hipótesis nula e hipótesis alternativa, determinar el nivel de significancia, calcular la estad
La distribución t de Student surgió de la necesidad de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño. Se define por su media de cero y desviación estándar, y depende del número de grados de libertad asociados a la muestra. Se utiliza para realizar pruebas de hipótesis sobre medias cuando el tamaño de la muestra es menor a 30. El procedimiento implica plantear hipótesis nula e hipótesis alternativa, determinar el nivel de significancia, calcular la estad
Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
Descargar como pptx, pdf o txt
Está en la página 1/ 19
DISTRIBUCIÓN T DE
STUDENT
Presentado por : Historia Al comenzar el siglo XX, un especialista en Estadística en Irlanda llamado William S. Gosset deseaba hacer inferencias acerca de la media cuando la fuera desconocida. Como a los empleados de Guinness no se les permitía publicar el trabajo de investigación bajo sus propios nombres, Gosset adoptó el seudónimo de "Student". La distribución que desarrolló se conoce como la distribución t de Student. Aspectos teóricos
Bases teóricas
En probabilidad y estadística, la distribución -t 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
En muchas ocasiones no se conoce y el número de observaciones en la muestra es
menor de 30.
En estos casos. Se puede utilizar la desviación estándar de la muestra S como una
estimación des, pero no es posible usar la distribución Z como estadístico de prueba. El estadístico de prueba adecuado es la distribución t. Grados de libertad
Existen varias distribuciones t. Cada una de ellas esta asociada con los que se denominan “Grados de libertad” Este se define como el numero de valores que podemos elegir libremente, o sea, el número de observaciones menos uno a
Se encuentran mediante la fórmula:
n–1 Distribución T de Student Una variable aleatoria se distribuye según el modelo de probabilidad t o T de Student con k grados de libertad, donde k es un entero positivo.
Distribución t-student con 10 grados de libertad
Características de la distribución t de student 1. La distribución T de student, es una distribución continua
2. La distribución t tiene una media de cero,
3. Tiene forma acampanada y simétrica
4. No hay una distribución t, sino una "familia" de distribuciones t.
todas con la misma media cero, pero con su respectiva desviación estándar, identificada cada una por sus respectivos grados de libertad. Es decir, existe una distribución t para una muestra de 20, otra para una muestra de 22, y así sucesivamente. Características de la distribución t de student 5. La distribución t es mas ancha y mas plana en el centro que la distribución normal estándar como resultado de ello se tiene una mayor variabilidad en las medias de muestra calculadas a partir de muestras más pequeñas. Sin embargo, a medida que aumenta el tamaño de la muestra, la distribución t se aproxima a la distribución normal estándar. Ejemplo
Un ingeniero industrial afirma que el rendimiento medio de la población de
cierto proceso en lotes es 500 gramos por milímetro de materia prima. Para verificar esta afirmación toma una muestra de 25 lotes cada mes. Si el valor de t calculado cae entre -t 0,05 y t 0,005 , queda satisfecho con su afirmación. ¿Qué conclusión extraería de una muestra que tiene una media de 518 gramos por milímetro y una desviación estándar de 40 gramos? De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto, el fabricante queda satisfecho con esta afirmación si una muestra de 25 lotes rinde un valor t entre –1.711 y 1.711. Se procede a calcular el valor de t Se procede a calcular el valor de t: Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de obtener un valor de t con 24 grados de libertad igual o mayor a 2.25 se busca en la tabla y es aproximadamente de 0.02. De aquí que es probable que el fabricante concluya que el proceso produce un mejor producto del que piensa. Cálculo de la distribución T de Student Prueba de hipótesis para Medias de t-student
La prueba de hipótesis para medias usando Distribución t de student se
usa cuando se cumplen las siguientes dos condiciones: Es posible calcular la media y la desviación estándar a partir de la muestra. El tamaño de la muestra es menor a 30.
El procedimiento obedece a los 5 pasos esenciales:
Cálculo de la distribución T de Student
Paso 1: Plantear Hipótesis Nula (Ho) e Hipótesis Alternativa Hi). La Hipótesis alternativa plantea matemáticamente lo que queremos demostrar. La Hipótesis nula plantea exactamente lo contrario.
Paso 2: Determinar nivel de significancia.(Rango de aceptación de hipótesis alternativa).
α Se considera: 0.05 para proyectos de investigación. 0.01 para aseguramiento de calidad. 0.10 para encuestas de mercadotecnia y políticas. Cálculo de la distribución T de Student Paso 3: Evidencia muestral. Se calcula la media y la desviación estándar a partir de la muestra.
x1 + x 2 + x 3... + xn X= N
(x1 - X)2 + (x 2 - X)2 +... + (xn - X)2
s= N Cálculo de la distribución T de Student Paso 4: Se aplica la Distribución t-student para calcular la probabilidad de error (P) por medio de la fórmula:
X -m t= S n Grados de libertad = n-1 X = Media (muestra) μ = Valor a analizar (media de la población) S= Desviación Estándar (muestra) n= Tamaño de muestra Cálculo de la distribución T de Student Paso 5:
En base a la evidencia disponible se acepta o se rechaza la
hipótesis alternativa.
• Si la probabilidad de error (P) es mayor que el nivel de
significancia: SE RECHAZA HIPÓTESIS ALTERNATIVA.
• Si la probabilidad de error (P) es menor que el nivel de
significancia: SE ACEPTA LA HIPÓTESIS ALTERNATIVA Ejercicio
Se aplica una prueba de conocimientos teóricos de software a 25 alumnos de ingeniería
quienes obtienen una calificación promedio de 62.1 con una desviación estándar 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 conocimiento de software en el grupo seleccionado?
Paso 1: Hipótesis Alternativa (Hi): (Lo que se quiere comprobar) El grupo no tiene problemas de conocimiento de sotfware . Valor de conocimiento de sotfware mayor a 60.
Hipótesis Nula (Ho): (Lo contrario a la hipótesis Alternativa)
El grupo tiene problemas de conocimiento de sotfware. Valor de conocimiento de sotfware menor a 60. Ejercicio
Paso 2: Determinar nivel de significancia: como es para un proyecto de investigación, entonces α =0.05
Paso 3: Evidencia muestral.
X =62.1 y S=5.83 Ejercicio Paso 4: Aplicando la distribución de probabilidad t-student:
X -m 62.1- 60 2.1 t= t= t= =1.8 S 5.83 1.166 n 25 g.l. = n - 1 = 25 - 1 = 24 Ejercicio Buscando en la tabla de Distribución de t-student, encuentras el valor del área:
t = 1.8 gl = 24
Paso 5: Resultados: P = 0.042 y α =0.05 Siendo P < α Por lo tanto: Se acepta la Hipótesis Alternativa.
“Existe suficiente evidencia para demostrar que el grupo no tiene problemas de
Podalsky, L. (2018) - "El Giro Afectivo", en J. Poblete. Nuevos Acercamientos A Los Estudios Latinoamericanos. Cultura y Poder (Pp. 413-442) - Nueva York Routledge-CLACSO.
Podalsky, L. (2018) - "El Giro Afectivo", en J. Poblete. Nuevos Acercamientos A Los Estudios Latinoamericanos. Cultura y Poder (Pp. 413-442) - Nueva York Routledge-CLACSO.
