Anda di halaman 1dari 19

INTRODUCCIN

Se ha dicho que si la desviacin estndar de una poblacin es


desconocida, como suele ocurrir casi siempre, es posible
estimarla calculando la desviacin estndar de una muestra
grande (no menor de 50); pero, Qu hacer si no se puede
extraer una muestra grande?
Para muestras pequeas (menor de 30), la desviacin estndar
calculada suele ser muy distinta de la desviacin estndar de la
poblacin, y se cometer un error considerable si se emplea la
distribucin normal con desviacin estndar s en vez de .
Ante esta situacin se puede emplear la distribucin t de Student
en vez de la distribucin normal.
El nombre de la distribucin se debe a su autor W.S. Gosset, quien
le dio el seudnimo de T de Student ante la imposibilidad de
presentar sus trabajos so pena de perder su empleo, esto sucedi a
principio del siglo XX.
Esta distribucin es recomendada cuando se requiere estimar la
media poblacional y no se conoce la desviacin estndar y por lo
tanto, hay que estimarla, eso s, siempre y cuando la distribucin
original sea aproximadamente normal.

MARCO TERICO

LA DISTRIBUCIN T DE STUDENT:
Es una distribucin muy parecida a la distribucin normal, pero a
diferencia de ella es leptokrtica. Esto significa que la parte central de
esta distribucin es ms delgada y elevada con colas ms anchas con
respecto a la distribucin normal. Esta ltima caracterstica (colas
anchas) implica que la probabilidad de eventos extremos es ms alta
con la distribucin t de Student que en la distribucin normal.
Tiene un parmetro adicional a la media y desviacin estndar, que se
conoce como los grados de libertad. Cuanto menores sean los grados
de libertad, mayor ser el ancho de las colas. Por otro lado, en el lmite
cuantos ms altos sean los grados de libertad, esta distribucin tender
hacia la distribucin normal.
En el campo de la Ingeniera Civil, juega un rol protagnico en los test
de hiptesis donde la varianza poblacional es desconocida, utilizada
cuando se evalan nuevas tecnologas, tomando como referencia la
tecnologa actual, o aplicadas en problemas que requieren muestras
comparativas.

DISPOSICION ADECUADA PARA ESTA DISTRIBUCIN:


1.- Para determinar el intervalo de confianza dentro del cual se
puede estimar Ia media de una poblacin a partir de muestras
pequea (n < 30).
2.- Para probar hiptesis cuando una investigacin se basa en
muestreo pequeo.
3.- Para probar si dos muestras provienen de una misma poblacin.
PROPIEDADES DE LA DISTRIBUCIN T STUDENT:
1.- Cada curva t tiene forma de campana con centro en 0.
2.- Cada curva t, est ms dispersa que Ia curva normal estndar.
3.- A medida que k aumenta, Ia dispersin de Ia curva t
correspondiente disminuye.
4.- A medida que k-> , la secuencia de curvas t se aproxima a Ia
curva normal estndar.

La funcin densidad de probabilidad de la variable t de Student es la


siguiente:

n+1
2

( x )=k (1+ t 2 )
1

Esta funcin es simtrica con media igual a cero. Su desviacin estndar


es:

1
( 12)

DISTRIBUCIN T DE LA MEDIA MUESTRAL:


Si se extraen varias muestras de tamao (menor que 30), de una
poblacin normal con media y desviacin estndar desconocida,
entonces la siguiente variable:
t=

X
s
n1

Siendo:
X= media.
= el valor a analizar.
s = desviacin estndar.
n= tamao de la muestra.

La probabilidad de error (P), se aplica por medio de la frmula:


t

X
s
n

Se ha definido la desviacin estndar s con denominador n;


pero, cuando se extraen muestras pequeas, el mejor estimador
estndar de la poblacin emplea (n 1) como denominador. Se
distinguen entonces:

Sn=

(x 1X )2
i=1

Sn1=

(x 1X )2
i=1

n1

En conclusin, cuando es pequeo conviene usar () para estimar


, y cuando n es grande ambas expresiones dan prcticamente
el mismo valor.

PRUEBA DE HIPOTESIS PARA MEDIAS T DE STUDENT


(MUESTRAS MENORES A 30):
El procedimiento obedece a los 5 pasos esenciales:
PASO 1:
Plantear Hiptesis Nula (Ho) e Hiptesis Alternativa (Hi).
La Hiptesis alternativa plantea matemticamente lo que
queremos demostrar.
La Hiptesis nula plantea exactamente lo contrario.
PASO 2:
Determinar Nivel de Significancia. (Rango de aceptacin de
hiptesis alternativa).

Se considera:
0.05 para proyectos de investigacin.
para aseguramiento de calidad.
0.10 para encuestas de mercadotecnia y polticas.
PASO 3:
Evidencia Muestral. Se calcula la media y la desviacin estndar a
partir de la muestra.
PASO 4
Se aplica la Distribucin t de Student para calcular la probabilidad
de error (P) por medio de la frmula:

t=

X
S
n

PASO 5:
En base a la evidencia disponible se acepta o se rechaza la
hiptesis alternativa.
Si la probabilidad de error (P) es mayor que el nivel de
significancia:
SE RECHAZA HIPTESIS ALTERNATIVA.
Si la probabilidad de error (P) es menor que el nivel de
significancia: SE ACEPTA HIPTESIS ALTERNATIVA.

Ejemplo:
1.- La seleccin de las proporciones de los materiales que
intervienen en la mezcla deber permitir que el concreto alcance la
resistencia en compresin promedio determinada en la seccin. El
concreto ser fabricado de manera de reducir al mnimo el nmero
de valores de resistencia por debajo del fc especificado.
Solucin:
Como resultado de 22 ensayos a especmenes de concreto de una
obra de construccin de un colegio. La desviacin estndar es igual
a

23.585

kg
cm 2

. En promedio se obtiene una resistencia a la

compresin promedio de

340

kg
cm 2 .

Nivel de significancia: = 0.01, para aseguramiento de calidad.


La resistencia a la compresin de diseo es

337

kg
2
cm

Con los datos obtenidos podemos demostrar que no hay


problemas de resistencia a la compresin en los elementos de la
estructura?
PASO 1:
Hiptesis alternativa:
No hay problemas de resistencia a la compresin en los elementos
kg

de la estructura, valor mayor o igual a 337 cm2

Hiptesis nula:
Hay problemas de resistencia a la compresin en los elementos de
la estructura, valor menor a

337

kg
2
cm

PASO 2:
Determinar nivel de significancia:
Nivel de significancia: = 0.01, para aseguramiento de calidad.
PASO 3:
Evidencia muestral:
X=

S=

340

kg
cm2 .

23.585

kg
cm 2

PASO 4:
Aplicacin de la distribucin de probabilidad:

Calculando: t

t =

340337
=0.596618
23.585
22
7

Grados de libertad: n-1 = 22-1 = 21


Usando la tabla, encontramos el valor del rea:

t =0.596618

Grados de libertad: 21

Podemos interpolar para hallar una aproximacin al valor del rea:


0.3 0.532
X 0.5966
0.2 0.859

0.3x 0.5320.5966
=
0.30.2 0.5320.859
x=0.2802

PASO 5:
Resultados
P = 0.2802 y = 0.01. Siendo P>
Por tanto se acepta hiptesis:
Hay problemas de resistencia a la compresin en los elementos de
la estructura, valor menor a

337

kg
2
cm

TABLA DE VALORES DE LA T DE STUDENT:

PROBLEMAS APLICADOS A LA INGENIERIA


CIVIL
9

1. Los valores de las matrculas de los estudiantes de ingeniera civil


del 3er ciclo en la universidad privada Antenor Orrego tienen un
comportamiento aproximadamente normal, donde el promedio es de
2.100.000. Se seleccionan 8 liquidaciones, siendo los valores los
siguientes: 1.950.000, 2.100.000, 2.250.000, 1.890.000, 2.250.000,
1.950.000, 2.050.000, 2.350.000. Determine la probabilidad de que:
a) El promedio sea menor de 2.000.000.
b) El promedio se encuentre entre 2.000.000 y 2.200.000
c) El promedio sea mayor o igual a 2.500.000
Solucin:
Sea X = Liquidacin matriculas.
m = 2.100.000; s =?
=2.098.750 s=168.644.8085 n=8

a) P (<2.000.000) = P (<2.000.000)
P (t< (2.000.000-2.100.000)/ (168644.8085/2.8284)= P (t<-1.677)
La probabilidad se encuentra entre 0.9 y 0.95, segn la tabla T que
se encuentra ms adelante, no obstante, al t ser negativo, la
probabilidad est entre 0.1 y 0.05, es decir, los valores
complementarios.

b) P (2.000.000 < < 2.200.000)= P (<2.200.000) P ( 2.000.000).


Luego de tipificar, se tiene:
P (t<3.35) P (t<-1.677) = 0.995 ?0.075= 0.92
Existe una alta probabilidad de que el promedio de las matriculas se
encuentre entre 2.000.000 y 2.200.000.

c) P (>2.500.000)= P (t> 6.70) = 1- P (t< 6.70)= 1-1=0

10

Dado que el valor de 6.70 es mucho mayor que el ubicado en la


tabla de 3.49 y corresponde a 0.995, es claro, entonces, que para
valores mayores de 3.49, la probabilidad ser de 1.
Por lo tanto, la probabilidad de que el promedio de matrcula sea
superiora a 2.500.000 es cero.

2. La longitud de los tornillos fabricados en una fbrica tienen media


=10mm y desviacin s=1mm, calcular la probabilidad de que en
una muestra de tamao n=25, la longitud media del tornillo sea
inferior a 20.5 mm:
Solucin:

P (<0.2 5)
T=

3.

( X )
(20.520)
T=
=2.5
S
1
N
25

La compaa CASA GRANDE produce ladrillos. El presidente de la


Ca. dice que sus ladrillos duran 300 das. Entonces la competencia va
a varias compaas y compra 15 ladrillos para probar esa afirmacin.
Los ladrillos de la muestra duran en promedio 290 das con una
11

desviacin estndar de 50 das. Entonces, si quieren desmentir al


presidente de CASA GANDE necesita saber cul es la probabilidad de
que 15 ladrillos seleccionados al azar tengan una vida promedio no
mayor de 290 no mayores de 290 das.
Solucin:
Primero necesitamos calcular el valor t usando nuestra formula
aprendida:
t=

t=

X
s
n

t=

X
s
n

290300
10
= t=
=0.7746
50
12.91
15

Donde x es la media de la muestra, u es media de la poblacin, s es la


derivacin estndar de la muestra y n el tamao de la muestra.

4.

Supongamos que las calificaciones de una prueba estn


distribuidos normalmente con una media de 100. Ahora supongamos
que seleccionamos 20 estudiantes y les hacemos un examen. La
desviacin estndar de la muestra es de 15. Cul es la probabilidad de
que el promedio en el grupo de muestra sea cuando ms 110?

Solucin:

12

5. Un ingeniero civil afirma que el rendimiento medio de cierto proceso


en lotes es 500 gramos por milmetro de materia prima. Para verificar
esta afirmacin toma una muestra de 25 lotes cada mes. Si el valor
de t calculado cae entre t0.05 y t0.05, aceptara su afirmacin (con
90% de confianza). Qu conclusin extraera de una muestra que
tiene una media de 518 gramos por milmetro y una desviacin
estndar de 40 gramos? Suponga que la distribucin de rendimientos
es aproximadamente normal.
Solucin:

13

PROBLEMAS PROPUESTOS
1. Los puntajes de un grupo de estudiantes se comportan normal,
con promedio de 50, sin embargo, no se conoce la desviacin. Se
tom una muestra de 9 estudiantes encontrando una varianza de 36
y un promedio de 52. Cul es la probabilidad de que el promedio:
A) Sea mayor de 54?
Rpta: 0.0375, la probabilidad es muy baja.
B) Sea menor que 54?
Rpta: 0.9625.
C) Est comprendido entre 48 y 52 puntos?
14

Rpta: 0.65
2. Calcular el percentil w0=95 y w0=25 en cada uno de los siguientes
casos:
-En una distribucin de t-student con 3 grados de libertad
Rpta: w0=95=2=3534 w0=25=iw0=75=i0=7649.
-En una distribucin de t-student con 30 grados de libertad
Rpta: w0=95=1=6973 w0=25=iw0=75=i0=6828.
3. Calcular un intervalo de confianza al nivel = 0.05 para 2 mediante las
desviaciones que se producen en un proceso de fabricacin de ladrillo
cuya distribucin es N(0, ) a partir de la muestra
1.2, -2.2, -3.1, -0.2, 0.5, 0.6, -2.1, 2.2, 1.3
Rpta: 2.7004 = 1.44458, 10.1763. Contiene el 95% de acierto.

4. Sospechamos que nuestro teodolito est estropeado, y queremos


determinar si los resultados que nos proporciona son lo suficientemente
precisos. Para ello, realizamos una serie de 8 mediciones del contenido de
una solucin de referencia que, sabemos, contiene 90% de un
determinado compuesto.
Los resultados que obtenemos son: 93.3, 86.8, 90.4, 90.1, 94.9, 91.6, 92.3,
96.5 Construir un intervalo de confianza al nivel de 95% para la varianza
poblacional. Qu conclusiones podemos realizar?
2
Rpta:5.44 43.77

5. Los puntajes de un grupo de estudiantes de ingeniera civil se


comportan normal, con promedio de 50, sin embargo, no se conoce
la desviacin. Se tom una muestra de 9 estudiantes encontrando
una varianza de 36 y un promedio de 52. Cul es la probabilidad de
que el promedio:
A) Sea mayor de 54?
Rpta:0.0375
B) Sea menor que 54?
15

Rpta: 0.65
C) Est comprendido entre 48 y 52 puntos?
Rpta: 0.65

CONCLUSIONES:

Toda muestra pequea tiene validez, siempre y cuando se use


la distribucin T de Student.
Es una distribucin de probabilidad usada cuando el tamao
de la muestra es menor de 30 datos, no se conoce la
desviacin estndar de la poblacin y cuando la poblacin de
la que se extrae la muestra es normal.
16

Sus aplicaciones en la inferencia estadstica son para estimar


y probar una media y una diferencia de medias (independiente
y pareada).
Es una distribucin continua, tiene forma acampanada.

BIBLIOGRAFA:

Monteverde Eduardo Court Rengifo Erick Williams, Estadsticas y


Econometra Financiera, 1 ed. Buenos Aires, Cengage Learning
Argentina, 2011.

Moya

C. Rufino A. Gregorio Saravia, Probabilidad e Inferencia

Estadstica, 2 ed. Per, San Marcos, 1998.

Meza de Castillo Elizabeth, Probabilidad, Lima, CONCYTEC, 1994.


Kennedy Naville, Estadsticas para ciencia e ingeniera, Mxico,
Harla, 1982.
17

Ya- Lun Chou, Anlisis estadstico, Bogot, Prensa Tcnica, 1981.


Zuwaylif, Estadstica General Aplicada, Bogot, Fondo Educativo
Interamericano, 1997.

Kazmier Daz, Estadstica Aplicada, Bogot, Mc Graw- Hill, 1990.


Howard B. Christensen, Estadstica paso a paso, Mxico, Trillas,
1983.

LINKOGRAFIA:
http://image.slidesharecdn.com/tstudent5ejemplosbeeto120318185616-phpapp02/95/t-student-5-ejemplos-beeto-1728.jpg?cb=1332097813
https://www.google.com.pe/search?
q=problemas+propuestos+de+la+t+de+student&biw=1366&bih
=623&source=lnms&sa=X&ei=IOlrVcOREYejgwTI4oDwCA&ve
d=0CAUQ_AUoAA&dpr=1
https://www.google.com.pe/search?
q=tabla+de+valores+de+la+t+de+student&biw=1366&bih=623
&source=lnms&tbm=isch&sa=X&ei=RuhrVcy2MYSZgwTd24K
QCQ&sqi=2&ved=0CAYQ_AUoAQ#imgrc=kPGdWwt7OOU_N
M%253A%3B85WtMzEG2bm3GM%3Bhttps%253A%252F
%252Fwww.fisterra.com%252Fmbe%252Finvestiga
%252Ft_student%252Fimages%252Ft_stud4.gif%3Bhttps
%253A%252F%252Fwww.fisterra.com%252Fmbe
%252Finvestiga%252Ft_student%252Ft_student.asp
%3B635%3B1013
http://es.slideshare.net/rolandodesantiago/t-student-5ejemplos-beeto
http://plataforma.edu.pe/pluginfile.php/256182/mod_resource/c
ontent/1/dist.%20t.pdf
http://aprendeenlinea.udea.edu.co/lms/moodle/mod/resource/v
iew.php?inpopup=true&id=35730
http://es.slideshare.net/torimatcordova/distribucion-t-destudent-28545004
http://www.academia.edu/9454633/ESTADISTICA

18

19