1. La distribución t de Student surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeña.
2. Fue descrita por primera vez en 1908 por William Sealy Gosset bajo el seudónimo de "Student" debido a restricciones de su empleador Guinness.
3. Se utiliza para hacer estimaciones de parámetros de las poblaciones a partir de los valores de los estadísticos correspondientes en las muestras, cuando se desconoce el valor de la varianza o la des
1. Distribución t de Student
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.
2. Distribución t de Student
William Sealy Gosset (11 de junio de 1876–
16 de octubre de 1937) fue un
estadístico, mejor conocido por su
sobrenombre literario Student. Nacido en
Canterbury, hijo de Agnes Sealy Vidal y el
coronel Frederic Gosset, asistió a la famosa
escuela privada Winchester College, antes de
estudiar química y matemática en el New
College de Oxford. Tras graduarse en
1899, se incorporó a las destilerías Guinness
en Dublín.
3. Distribución t de Student
o Tras graduarse en 1899, se incorporó a las
destilerías Guinness en Dublín. (negocio
agroquímico progresista)
o Aplico sus conocimientos estadísticos
tanto a la destilería como a la granja (para
seleccionar las mejores variedades de
cebada)
o Guinness prohibió a sus empleados la
publicación de artículos
independientemente de la información
que contuviesen
4. Distribución t de Student
o De ahí el uso de su pseudónimo Student
en sus publicaciones, para evitar que su
empleador lo detectara,
o su logro más famoso se conoce ahora
como la distribución t de Student
o Gosset publicó El error probable de una
media
5. Distribución t de Student
R.A. Fisher quien apreció la importancia de
los trabajos de Gosset sobre muestras
pequeñas, tras recibir correspondencia de
Gosset en la que le decía le envío una copia
de las Tablas de Student, ¡ya que es la única
persona que probablemente las use jamás!
La estadística de Gosset era z = t/√(n - 1).
Fisher introdujo la forma t debido a que se
ajustaba a su teoría de grados de libertad
Fisher es responsable también de la
aplicación de la distribución t a la regresión.
6. Distribución t de Student
En 1935 dejó Dublín para ocupar el puesto de
Destilador Jefe (Head Brewer), a cargo de la
parte científica de la producción, en la nueva
destilería Guinness de Londres. Murió en
Beaconsfield, Inglaterra.
Gosset fue un hombre modesto que cortó a
un admirador con el comentario "Fisher lo
hubiera descubierto de todas maneras".
7. Distribución t de 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
pequeña
8. Distribución t de Student
Se utiliza para hacer estimaciones de parámetros de las
poblaciones a partir de los valores de los estadísticos
correspondientes en las muestras, cuando se desconoce el
valor de la varianza o la desviación estándar de la
población.
9. Distribución t de Student
o 1. cada curva t tiene forma de campana con centro en 0.
o Cada curva t, es mas dispersa que la curva normal estándar.
o A medida de que aumenta, la dispersión de la curva t
correspondiente disminuye.
o a medida de que k tiende a infinito, la secuencia de curvas t se
aproxima a la curva normal estándar.
10. Distribución t de Student
Las observaciones proceden de una
población que tiene distribución normal
con media y desviación estándar. En la
practica a no ser que la muestra sea muy
pequeña, es suficiente con que la
población sea simétrica y con un solo
pico. Tanto la media como la desviación
típica son parámetros desconocidos.
11. Distribución t de Student
Cuando la desviación estándar del estadístico
se estima a partir de datos, el resultado se
llama error estándar del estadístico. El error
estándar se calcula usando la formula:
12. Distribución t de Student
o Cuando conocemos el valor de la
desviación estándar , basamos los
intervalos de confianza y las pruebas para
la media ene le estadístico z de una
muestra.
o T= media muestra-media/ desviación
estándar/ raíz n
13. Distribución t de Student
o Representan el número de datos independientes
que se pueden tomar de la población para
construir la muestra, de tal manera que los
valores de los estadísticos en la muestra sean
cercanos a los valores de los parámetros
correspondientes en la población.
o Al escoger una muestra de tamaño n, el numero
de datos independientes que se pueden tomar es
n-1, ya que el ultimo dato que se escoja, es el que
viene a definir el valor del estadístico en la
muestra gl=n-1
18. Distribución t de Student
Comportamiento de la distribución T comparada con la distribución Z
Representación Grafica
19. Distribución t de Student
Donde el parámetro n
de tn , se denomina
grados de libertad de
la distribución.
La distribución t de
Student existe para todos
los valor es de x reales, y
es simétrica respecto al
eje y.
20. Distribución t de Student
Para distintos valores de n y de x se puede
buscar su probabilidad acumulada p
21. Distribución t de Student
Hipótesis de dos lados
Hacia el lado derecho
23. Distribución t de Student
En esta tabla hay dos entradas, en la fila
superior están los valores de n para los que se
ha calculado la probabilidad, en la columna de
la izquierda los de x, para x igual o mayor que
cero, en incrementos de 0,05, para cada valor
de n y de la x correspondiente tenemos la
probabilidad acumulada, expresada con tres
cifras decimales.
26. Distribución t de Student
1 La longitud de los tornillos fabricados en una fábrica tienen
media μ=10 mm y desviación s=1 mm, calcular la probabilidad de
que en una muestra de tamaño n=25, la longitud media del
tornillo sea inferior a 20.5 mm:
P (μ<20.5)
Estandarizamos T=(X-μ)/(s/√n) que sigue una distribución t de
n-1 grados de libertad T=(20.5-20)/(1/√25) = 2.5
P (μ<20.5) --> P (T<2.5) ~ t(24) P (T<2.5) = 0.9902 P
(μ<20.5)=0.9902 La probabilidad que la longitud media de la
muestra de 25 tornillos sea inferior a 20.5 mm es del 99.02%
27. Distribución t de Student
2. Se desea obtener un intervalo de confianza
al 99% para el de confianza al 99% para el
tiempo medio requerido para tiempo medio
requerido para realizar un trabajo. Realizar un
trabajo.
t= Una confianza del 99% con(n-1) grados de
libertad.(n-1) grados de libertad.
28. Distribución t de Student
3. Una muestra aleatoria de 16Una muestra aleatoria de 16mediciones produce
una media mediciones produce una media y una desviación estándar de 13y una
desviación estándar de 13 y 5.6 minutos respectivamente y 5.6 minutos
respectivamente
GL=16-1=GL=16-1= 1515
99 %
ά2=.005ά1=.005ά= 1%ά= .01ά/2=.005
n= 16
X=13 minutosX=13 minutos
S= 5.6 minutos S= 5.6 minutos
t=2.947t=2.947∂∂=13=13±2.947(5.6/√16)±2.947(5.6/√16)∂∂=13=13±4.12±4.12∂∂1=17.1
2 minutos1=17.12 minutos∂∂2=8.88 minutos2=8.88 minutos
x=xx=x± t± ts .s .√√nn
29. Distribución t de Student
X=13 minutos=13 minutos
S= 5.6 minutos= 5.6 minutos
t=2.947t=2.947∂∂=13=13±2.947(5.6/√16)±2.947(5.6/√16)∂∂=13=13±4.12±4.12∂∂1=17.12
minutos1=17.12 minutos∂∂2=8.88 minutos2=8.88 minutos
x=xx=x± t± ts .s .√√nn
Tiempo medio requerido para realizar el trabajo será entre 8.88 y 17.12minutos con un
n= 16
X=13 minutos=13 minutos
S= 5.6 minutos= 5.6 minutos
t=2.947t=2.947∂∂=13=13±2.947(5.6/√16)±2.947(5.6/√16)∂∂=13=13±4.12±4.12∂∂1=17.12
minutos1=17.12 minutos∂∂2=8.88 minutos2=8.88 minutos
x=xx=x± t± ts .s .√√nn
Tiempo medio requerido para realizar el trabajo será entre 8.88 y 17.12minutos con un