Anda di halaman 1dari 4

.

DISTRIBUC IN T-STUDENT En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. Aparece de manera natural al realizar la prueba t de Student para la determinacin de las diferencias entre dos medias muestrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una muestra. funcin de densidad t es:

donde es igual a n 1.

La distribucin de T se llama ahora la distribucin-t de Student. El parmetro representa el nmero de grados de libertad. La distribucin depende de , pero no de o , lo cual es muy importante en la prctica.

Intervalos de confianza derivados de la distribucin


Ejercicio 7.1 Un fabricante de focos afirma que sus producto durar un promedio de 500 horas de trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el valor y calculado cae entre t 0.05 y t 0.05, l se encuentra satisfecho con esta afirmacin. Qu c o n c l u s i n d e b e r l s a c a r d e u n a m u e s t r a d e 2 5 f o c o s c u ya d u r a c i n fue?: 520 521 511 513 510 513 522 500 521 495 496 488 500 502 512 510 510 475 505 521 506 503 487 493 500 =500 h ; media esperada n=25 = TAMANO DE LA MUESTRA Nc = 90% X = 505. 36 S= 12.07 Media muestral = mum

Desviacion muestral

SOLUCIN = 1-Nc = 10% v = n-1 = 24 T = 2.22 = (X mue)/ (s/ sqr(n)) = ( 505.36 - 500) /(12.07/5)

t0.01
Si

nivel de significancia , 24 grados

= 2.492

t0.01

nivel de significancia , 24 grados no es > 2.492 entonces

Como

2.22

Se puede concluir que se acepta que la media poblacional si es 500.

Si T > t 0 . 0 1 n i v e l d e s i g n i f i c a n c i a , 2 4 g r a d o s

se rechaza

Se puede concluir que la media poblacional no es 500, porque la muestra poblacional est por encima de esta, y por lo tanto debera estar por encima de 500.
CLS n = 25 FOR i = 1 TO n READ x DATA 520,521,511,513,510 DATA 513,522,500,521,495 DATA 496,488,500,502,512 DATA 510,510,475,505,521 DATA 506,503,487,493,500 REM 505.36 PRINT x, sx = sx + x sx2 = sx2 + x ^ 2 NEXT i PRINT , , , sx, sx2 12.07

mum = sx / n: mue = .5 vm = (sx2 / n - mum ^ 2) * (n / (n - 1)): ve = 1 / 12 PRINT mum, mue, SQR(vm), ve En clase

CLS REM mum = 22.23 n = 12 FOR i = 1 TO n READ x DATA 22.5,20.7,28.6,20.5 DATA 20.1,19.0,21.3,22.5 DATA 21.8,21.4,23.6,24.8 PRINT x, sx = sx + x sx2 = sx2 + x ^ 2 NEXT i PRINT , , , sx, sx2 mum = sx / n: mue = 22 vm = (sx2 / n - mum ^ 2) * (n / (n - 1)) PRINT mum, mue, SQR(vm) dm =2.54

T =

= (22.23

22)/ (2.54/

3.464 )= 0.313

Si 0,313

<

Si

t0.01

nivel de significancia , 11 grados ( 2.71 )

Aparicin y especificaciones de la distribucin t de Student[editar editar fuente]


Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas normalmente, con media y varianza 2. Sea

la media muestral. Entonces

sigue una distribucin normal de media 0 y varianza 1. Sin embargo, dado que la desviacin estndar no siempre es conocida de antemano, Gosset estudi un cociente relacionado,

donde

es la varianza muestral y demostr que la funcin de densidad de T es

donde es igual a n 1. La distribucin de T se llama ahora la distribucin-t de Student.gt El parmetro representa el nmero de grados de libertad. La distribucin depende de , pero no de o , lo cual es muy importante en la prctica.