UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE FILOSOFIA, LETRAS Y

CIENCIA DE LA EDUCACION

Distribución t de Student

INTEGRANTES:
 KATHYA CALVACHE
 MONICA PAIDA
OBJETIVOS
Analizar las características y aplicación de
la Distribución “T” de student.
Diferenciar los escenarios de la t de student.
Conocer las softwares para el desarrollo de
la t de student.
Desarrollar ejercicios aplicando la tabla de
la distribución “T” de student.
 ¿QUÉ ES LA DISTRIBUCION T DE STUDENT?

En probabilidad y estadística , la distribución t o t de students 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 .
 ¿Quién fue el creador de la t de
Student?

La prueba t-Student fue desarrollada en 1899 por el químico inglés William
Sealey Gosset (1876-1937), mientras trabajaba en técnicas de control de
calidad para las destilerías Guiness en Dublín . Debido a que en la
destilería, su puesto de trabajo no era inicialmente de estadístico y su
dedicación debía estar exclusivamente encaminada a mejorar los costes
de producción, publicó sus hallazgos anónimamente firmando sus
artículos con el nombre de "Student".
 (t-Student y F-Snedecor, 2018)
Como diferenciarla de las 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 .
 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
 Prueba t de students
Es una prueba de contrastes de hipótesis sobre valores de
diferentes medias :
 𝐻0 (Hipótesis nula o de igualdad) : las medias de dos muestras
son iguales.
 H1 hipotesis alternativa o de diferencia : las medias de las muestras
son significativamente distinta
 ?Cuando utilizar la t
students?
 Para pruebas de hipótesis.
 Para variables cuantitativas.
 Comparar medias de dos muestras o de muestras relacionadas
 Distribución normal
 Cuando se desconoce la desviación poblacional.
 Características

 Se desconoce σ y el número de observaciones

en la muestra n < 30.
 Familia de distribución de campana
 Sus aplicaciones en la inferencia estadística son
para estimar y probar una media y una
diferencia de medias
 La desviación estándar depende de un
parámetro “grado de libertad”.
Parámetro: Grados de
libertad
 Existe una distribución t distinta para cada uno de los
posibles grados de libertad.
 ¿Qué son los grados de libertad? Podemos definirlos como
el número de valores que podemos elegir libremente.
 ESCENARIOS

T de student

Dos muestras Dos muestras

Una muestra
con varianza con varianzas
relacionada
homogéneas heterogéneas

Antes- Es necesario
despues de conocer si poseen
una homocedasticidad
intervencion
 Sus aplicaciones:
 En la inferencia estadística son para estimar y probar una
media y una diferencia de medias (independiente y
pareada).
0.05 para proyectos de investigación.
0.01 para aseguramiento de calidad.
0.10 para encuestas de mercadotecnia y políticas.
Formula t de students
Si las varianzas son
iguales se aplica la
relación:

Si las varianzas son

diferentes se aplica la
fórmula.

REGLA DE DECISIÓN. Los valores se hallan de la tabla de distribución

t con grados de libertad.

Para la regla de decisión los

valores de la tabla se hallan
en una distribución t con k
grados de libertad, la
relación de cálculo:
 SOFTWARE QUE SE UTILIZAN PARA REALIZAR LOS
CALCULOS DISTRIBUCION T DE STUDENTS

Se utiliza las siguientes herramientas para realizar la prueba t de students

Para realizar la prueba estadística t de student emparejada se utiliza el
programa disponible http://www.graphpad.com/quickcalcs/

Statistics to use
Esta página permite calcular estadísticos descriptivos (media, desviación
típica, mediana) y otros como la T de Student, ANOVA o la prueba de
Kolmogorov-Smirnov. Además, incluye herramientas para realizar
gráficos y diagramas a partir de los datos.
 AI Therapy Statistics
Esta página calcula estadísticos descriptivos, realiza comparaciones
entre dos grupos con la T de Student para muestras independientes
y para muestras pareadas, la U de Mann-Whitney y el test de
Wilcoxon, compara las diferencias entre 3, 4 o 5 grupos con ANOVA
de un factor, para medidas repetidas, test de Kurskal-Wallis o test de
Friedman.
Además cuenta con otras herramientas como calculadoras del
tamaño de la muestra, de poder estadístico o del tamaño del
efecto.
 Social Science Statistics
Cuenta con varias calculadoras: ANOVA de un factor, T de
Student (para muestras independientes, pareadas o para una
muestra), U de Mann-Whitney, test de Wilcoxon, correlación
(Pearson y Spearman) o tamaños del efecto.
 La mayoría de los programas tipo hoja de cálculo y paquetes
estadísticos de lenguajes de programación, tales como QtiPlot,
OpenOffice.org Calc, LibreOffice Calc, LISREL, Microsoft Excel,
SAS, SPSS, Stata, DAP, gretl, R, Python ([1]), PSPP, Infostat y
Minitab, y PRISMA6 incluyen implementaciones del test t de
Student. (Comprensión lectora basada en evidencias, 2016)
 APLICACIÓN DE CASOS SOBRE LA “T
DE STUDENT”
Se desarrollara un ejemplo con la aplicación de la T DE STUDENT la
cual se realizará las pruebas de hipótesis, las estimaciones e
inferencias correspondientes.
El estudio se realizó en dos colegios de la ciudad de Guayaquil, El
Colegio Militar Tente. Hugo Ortiz Garcés, COMIL2 y El Colegio Espíritu
Santo, CES; en el año lectivo 2011 – 2012.
Con este propósito se dividió la población de estudiantes de los dos
colegios en dos grupos, que se describen así:
 Grupo 1: Número de estudiantes que aprendieron bajo la
metodología tradicional, sin la modalidad de Talleres
significativos.
 Grupo 2: Número de estudiantes que aprendieron bajo la
modalidad de Talleres significativos.
Notación. Se usará la siguiente terminología
para designar las diferentes variables y
constantes que se necesitan en este análisis.

 n1: tamaño de la primera muestra

 n2: tamaño de la segunda muestra
 𝒙𝟏 , 𝒙𝟐 : Medias muestrales
 𝝁𝟏 , 𝝁𝟐 : Medias poblacionales
 𝑺𝟏 , 𝑺𝟐 : Varianzas muestrales
 𝝈𝟏 , 𝝈𝟐 : Varianzas poblacionales
 N,Z,t,F: Estimadores o estadígrafos
 K: Grados de libertad
 Aplicación de casos

 Para el análisis de casos (anexos 1 y 2) se tomaron en

consideración cuatro grupos de estudiantes de las dos
instituciones educativas, con poblaciones inferiores a 30
distribuidos de la siguiente forma:

 Para Muestras pequeñas (n1<30; n2<30) antes de realizar una

prueba de hipótesis para la diferencia de medias, primero se
debe probar si las varianzas poblacionales son iguales o
diferentes, lo cual se hace con la prueba de hipótesis para el
cociente de varianzas.
Si las varianzas son
iguales se aplica la
relación:

Si las varianzas son

diferentes se aplica la
fórmula.

REGLA DE DECISIÓN. Los valores se hallan de la tabla de distribución

t con grados de libertad.

Para la regla de decisión los

valores de la tabla se hallan
en una distribución t con k
grados de libertad, la
relación de cálculo:
 Diferenciación de Medias COMIL.

 Para el grupo 1 del  Para el grupo 2 del

Comil2, estudiantes Comil2, estudiantes
que aprenden sin la que aprenden bajo
la modalidad de
aplicación de talleres
talleres
metodológicos se metodológicos se
tiene: tiene:
 𝝁𝟏 =10,38 →media  𝝁𝟐 =12,82 →media
 𝑺𝟏 =4.01→desviación  𝑺𝟐 =3.61→desviación
típica típica
 n1 =26→tamaño de  n2 =23→tamaño de
la muestra la muestra
 Prueba de hipótesis para las
varianzas.
 Como el tamaño de las muestras es pequeño
(menos de 30), para decidir cuál es la estadística
de trabajo adecuada para la prueba de hipótesis
de la diferencia de medias, primero se debe
probar si las varianzas poblacionales son iguales o
no, se plantean las hipótesis:
 Región de Rechazo. Con una confiabilidad del 95 % en la tabla
de la distribución F se encuentra los valores críticos con la
relación

 La estadística de trabajo es:

 El estadígrafo de prueba (F=1,3465) cae dentro de la región de

aceptación, se confirma Ho; se concluye que las varianzas son
iguales.
 Prueba de hipótesis para
diferenciación de medias del COMIL2.
 Como se probó que las varianzas son iguales, se
utiliza el estadístico para realizar la prueba de
diferenciación.

 𝑘 = 𝑛1 + 𝑛2 − 2, son los grados de libertad.

 Prueba de Hipótesis
Para este análisis se plantean las siguientes hipótesis:
 Hipótesis Nula: Ho  Hipótesis alternativa: Ha
Ho: “Los estudiantes que aprenden Ha: “Los estudiantes que aprenden
sin la aplicación de talleres sin la aplicación de talleres
metodológicos aprenden tanto metodológicos no aprenden
como los estudiantes que como los estudiantes que lo hacen
aprenden bajo la modalidad de con de talleres metodológicos”:
talleres metodológicos”; es decir:
H 0 : 1  2 H a : 1  2
 Región de rechazo
 Para probar o negar la hipótesis Nula se ha tomado
un nivel de significación del 5% (𝛼 = 0,05 )
 Se determina los grados de libertad: 𝑘 = 𝑛1 + 𝑛2 −
2 = 26 + 23 − 2 = 47
 De acuerdo con los datos de la tabla de
distribución T, con un nivel de significación 𝛼 = 0,05 y
47 grados de libertad, se obtiene𝑡0,025 = 2,0128956;
luego la región de rechazo corresponderá a los
intervalos: 𝑡 < −2,013 y 𝑡 > 2,013 , se rechaza. Ahora
se establece las regiones de aceptación y de
rechazo.
 Se calcula el estadístico de prueba:
 Se calcula el estadístico de prueba:

 Este valor está fuera de la región de aceptación de Ho; por lo

tanto se acepta la hipótesis alternativa:
 Ha: “Los estudiantes que aprenden sin talleres metodológicos
no aprenden tanto como los estudiantes que aprenden bajo
la modalidad de talleres metodológicos”; es decir:
H a : 1  2
 Diferenciación de Medias en el Espíritu Santo (CES)

 De los datos de la tabla de del Anexo 2, correspondiente al

grupo de estudiantes del Colegio Espíritu Santo, se tiene:
 Para el grupo de estudiantes que aprenden sin la aplicación
de talleres metodológicos se ha obtenido:
 Media
 Desviación típica
 Tamaño de la muestra
 Para el grupo de estudiantes que aprenden bajo la modalidad
de talleres metodológicos se ha obtenido:
 Media
 Desviación típica
 𝑛2 = 27→tamaño de la muestra
Prueba de hipótesis para las varianzas.

 Ya que el tamaño de las muestras es pequeño, para decidir cuál

es la estadística de trabajo adecuada para la prueba de
hipótesis de la diferencia de medias, primero se debe probar si las
varianzas poblacionales son iguales o no, se plantean las
hipótesis:
 Hipótesis Nula:

 Hipótesis Alternativa:

 La estadística de trabajo es:

Con una confiabilidad del 95 % en la tabla de la distribución
F, se obtienen los valores límites que delimitan la región de
aceptación de Ho
Límite superior: =DISTR.F.INV(0.05/2;29-1;27-1) =2,17
Límite inferior: =DISTR.F.INV(1-0.05/2; 29-1;27-1) =0,47

El estadígrafo de prueba (F=1,60) cae dentro de la región de

aceptación, se confirma Ho; se concluye que las varianzas son
iguales.
 Prueba de hipótesis para diferenciación de medias.
 Como se probó que las varianzas son iguales, se utiliza la prueba
de hipótesis para medias utilizando el estadístico de prueba t.

, son los grados de libertad.

 Prueba de Hipótesis
Hipótesis Nula: Ho
Ho: “Los estudiantes que aprenden sin la aplicación de talleres
metodológicos aprenden más o tanto como los estudiantes que
aprenden bajo la modalidad de talleres metodológicos”; es decir:

 Hipótesis alternativa: Ha
Ha: “Los estudiantes que aprenden sin talleres metodológicos
aprenden menos que los estudiantes que aprenden bajo la
modalidad de talleres metodológicos”; es decir:
  0, 05

Región de rechazo
Se ha tomado un nivel de significación del 95% ( ), con k
grados de libertad:
De acuerdo a los datos de la tabla de la distribución T con
y 54 grados de libertad; se obtiene ; luego la región de
rechazo corresponderá al intervalo: . Ahora se
establece las regiones de aceptación y rechazo.
 Ahora se calcula el estadístico
de prueba:

Este valor está fuera de la región de aceptación de Ho; por lo tanto se

rechaza Ho y se acepta la hipótesis alternativa:
 Ha: “Los estudiantes que aprenden sin talleres metodológicos aprenden
menos que los estudiantes que aprenden bajo la modalidad de talleres
metodológicos”; es decir:
 Prueba de hipótesis para diferenciación de medias de las
notas de los dos grupos de estudiantes de los dos
colegios.

 De acuerdo con los datos del Anexo 3, se tienen los

siguientes datos para la prueba de hipótesis de
diferencia entre medias:
 Para el grupo de estudiantes que aprenden sin la
aplicación de talleres metodológicos se ha obtenido:
 Media
 Desviación típica
 Tamaño de la muestra
 Para el grupo de estudiantes que aprenden bajo la
modalidad de talleres metodológicos se ha obtenido:
 Media
 Desviación típica
 Tamaño de la muestra
  Para la prueba de hipótesis de la diferencia de medias
si las muestras se obtienen de poblaciones con
distribuciones diferentes a la normal, pero , y varianzas
poblacionales desconocidas, se reemplaza la varianza
poblacional por la muestral y se utiliza:

Para este análisis se plantean las siguientes hipótesis:

Hipótesis Nula: Ho
Ho: “Los estudiantes que aprenden sin la aplicación de talleres
metodológicos aprenden tanto o más que los estudiantes que
aprenden bajo la modalidad de talleres metodológicos”; es decir:

Hipótesis alternativa: Ha
Ha: “Los estudiantes que aprenden sin la aplicación de talleres
metodológicos no aprenden menos que los estudiantes que
aprenden bajo la modalidad de talleres metodológicos”; es decir:
 Región de rechazo. De acuerdo con los datos de la tabla de distribución
normal N, con un nivel de significación   0, 05 se obtieneN 0,05  1, 64 ;
luego la región de rechazo corresponderá al intervalo: Z  1, 64

 Ahora se calcula el estadístico de prueba:

Entonces cae en la región de rechazo de Ho; por lo tanto se confirma la

hipótesis alternativa:
 Ha: “Los estudiantes que aprenden sin la aplicación de talleres
metodológicos no aprenden tanto como los estudiantes que aprenden
bajo la modalidad de talleres metodológicos”; es decir:
 Calculo de la distribución t
de student
 Paso 1:  Paso 4
Plantear Hipótesis Nula (Ho) e Se aplica la Distribución t de Student
Hipótesis Alternativa (Hi). para calcular la probabilidad de error
 Paso 2 (P) por medio de la fórmula:
Determinar Nivel de
Significancia. (Rango de
aceptación de hipótesis
alternativa).
0.05 para proyectos de
investigación.
0.01 para aseguramiento de
calidad.
0.10 para encuestas de
mercadotecnia y políticas.
 Paso 3  Paso 5
Evidencia Muestral. Se calcula la En base a la evidencia disponible se
media y la desviación estándar acepta o se rechaza la hipótesis
a partir de la muestra. alternativa.
CONCLUSIONES:

 Es necesario mencionar que la distribución t es similar

a la distribución de Gauss cuando las muestras > 30.
 La prueba original demostró que existe una curva que
describe el comportamiento de la diferencia de
medias y permite calcular el área bajo la curva que
representa la probabilidad de la diferencia entre
ellas.
 La prueba t provee un mecanismo exacto para
evaluar la igualdad entre las medias de dos
poblaciones que tengan varianzas iguales, aunque el
valor exacto de las mismas sea desconocido.
 La distribución t es importante para muestras
pequeñas