Prueba t de Student

1
Prueba t de Student
En estadstica, una prueba t de Student, prueba t-Student, o Test-T es cualquier prueba en la que el estadstico
utilizado tiene una distribucin t de Student si la hiptesis nula es cierta. Se aplica cuando la poblacin estudiada
sigue una distribucin normal pero el tamao muestral es demasiado pequeo como para que el estadstico en el que
est basada la inferencia est normalmente distribuido, utilizndose una estimacin de la desviacin tpica en lugar
del valor real. Es utilizado en anlisis discriminante.
Historia
El estadstico t fue introducido por William Sealy Gosset en 1908, un qumico que trabajaba para la cervecera
Guinness de Dubln. Student era su seudnimo de escritor.
[1]
Gosset haba sido contratado gracias a la poltica de
Claude Guiness de reclutar a los mejores graduados de Oxford y Cambridge, y con el objetivo de aplicar los nuevos
avances en bioqumica y estadstica al proceso industrial de Guiness. Gosset desarroll el test t como una forma
sencilla de monitorizar la calidad de la famosa cerveza stout. Public su test en la revista inglesa Biometrika en el
ao 1908, pero fue forzado a utilizar un seudnimo por su empleador, para mantener en secreto los procesos
industriales que se estaban utilizando en la produccin. Aunque de hecho, la identidad de Gosset era conocida por
varios de sus compaeros estadsticos.
Usos
Entre los usos ms frecuentes de las pruebas t se encuentran:
El test de locacin de muestra nica por el cual se comprueba si la media de una poblacin distribuida
normalmente tiene un valor especificado en una hiptesis nula.
El test de locacin para dos muestras, por el cual se comprueba si las medias de dos poblaciones distribuidas en
forma normal son iguales. Todos estos test son usualmente llamados test t de Student, a pesar de que estrictamente
hablando, tal nombre slo debera ser utilizado si las varianzas de las dos poblaciones estudiadas pueden ser
asumidas como iguales; la forma de los ensayos que se utilizan cuando esta asuncin se deja de lado suelen ser
llamados a veces como Prueba t de Welch. Estas pruebas suelen ser comnmente nombradas como pruebas t
desapareadas o de muestras independientes, debido a que tienen su aplicacin mas tpica cuando las unidades
estadsticas que definen a ambas muestras que estn siendo comparadas no se superponen.
El test de hiptesis nula por el cual se demuestra que la diferencia entre dos respuestas medidas en las mismas
unidades estadsticas es cero. Por ejemplo, supngase que se mide el tamao del tumor de un paciente con cncer.
Si el tratamiento resulta efectivo, lo esperable seria que el tumor de muchos pacientes disminuyera de tamao
luego de seguir el tratamiento. Esto con frecuencia es referido como prueba t de mediciones apareadas o
repetidas.
El test para comprobar si la pendiente de una regresin lineal difiere estadsticamente de cero.
Prueba t de Student
2
Estadsticos T y Z
La mayor parte de las pruebas estadsticas t tienen la forma , donde Z y s son funciones de los datos
estudiados. Tpicamente, Z se disea de forma tal que resulte sensible a la hiptesis alternativa (p.ej. que su magnitud
tienda a ser mayor cuando la hiptesis alternativa es verdadera), mientras que s es un parmetro de escala que
permite que la distribucin de T pueda ser determinada.
Por ejemplo, en una prueba t de muestra nica, , donde es la media muestral de los datos, n es el
tamao muestral, y es la desviacin estndar de la poblacin de datos; s en una prueba de muestra nica es ,
donde es la desviacin estndar muestral.
Las asunciones subyacentes en una prueba t son:
Que Z sigue una distribucin normal bajo la hiptesis nula.
ps
2
sigue una distribucin
2
con p grados de libertad bajo la hiptesis nula, y donde p es una constante positiva.
Z y s son estadsticamente independientes.
En una prueba t especfica, estas condiciones son consecuencias de la poblacin que est siendo estudiada, y de la
forma en que los datos han sido muestreados. Por ejemplo, en la prueba t de comparacin de medias de dos muestras
independientes, deberamos realizar las siguientes asunciones:
Cada una de las dos poblaciones que estn siendo comparadas sigue una distribucin normal. Esto puede ser
demostrado utilizando una prueba de normalidad, tales como una prueba Shapiro-Wilk o Kolmogrov-Smirnov, o
puede ser determinado grficamente por medio de un grfico de cuantiles normales Q-Q plot.
Si se est utilizando la definicin original de Student sobre su prueba t, las dos poblaciones a ser comparadas
deben poseer las mismas varianzas, (esto se puede comprobar utilizando una prueba F de igualdad de varianzas,
una prueba de Levene, una prueba de Bartlett, o una prueba de Brown-Forsythe, o estimarla grficamente por
medio de un grfico Q-Q plot). Si los tamaos muestrales de los dos grupos comparados son iguales, la prueba
original de Student es altamente resistente a la presencia de varianzas desiguales. la Prueba de Welch es
insensible a la igualdad de las varianzas, independientemente de si los tamaos de muestra son similares.
Los datos usados para llevar a cabo la prueba deben ser muestreados independientemente para cada una de las dos
poblaciones que se comparan. Esto en general no es posible determinarlo a partir de los datos, pero si se conoce
que los datos han sido muestreados de manera dependiente (por ejemplo si fueron muestreados por grupos),
entonces la prueba t clsica que aqu se analiza, puede conducir a resultados errneos.
Pruebas t para dos muestras apareadas y desapareadas
Las pruebas-t de dos muestras para probar la diferencia en las medias pueden ser desapareadas o en parejas. Las
pruebas t pareadas son una forma de bloqueo estadstico, y poseen un mayor poder estadstico que las pruebas no
apareadas cuando las unidades apareadas son similares con respecto a los "factores de ruido" que son independientes
de la pertenencia a los dos grupos que se comparan
[citarequerida]
. En un contexto diferente, las pruebas-t apareadas
pueden utilizarse para reducir los efectos de los factores de confusin en un estudio observacional.
Desapareada
Las pruebas t desapareadas o de muestras independientes, se utilizan cuando se obtienen dos grupos de muestras
aleatorias, independientes e idnticamente distribuidas a partir de las dos poblaciones a ser comparadas. Por ejemplo,
supngase que estamos evaluando el efecto de un tratamiento mdico, y reclutamos a 100 sujetos para el estudio.
Luego elegimos aleatoriamente 50 sujetos para el grupo en tratamiento y 50 sujetos para el grupo de control. En este
caso, obtenemos dos muestras independientes y podramos utilizar la forma desapareada de la prueba t. La eleccin
aleatoria no es esencial en este caso, si contactamos a 100 personas por telfono y obtenemos la edad y gnero de
Prueba t de Student
3
cada una, y luego se utiliza una prueba t bimuestral para ver en que forma la media de edades difiere por gnero, esto
tambin sera una prueba t de muestras independientes, a pesar de que los datos son observacionales.
Apareada
Las pruebas t de muestras dependientes o apareadas, consisten tpicamente en una muestra de pares de valores con
similares unidades estadsticas, o un grupo de unidades que han sido evaluadas en dos ocasiones diferentes (una
prueba t de mediciones repetitivas). Un ejemplo tpico de prueba t para mediciones repetitivas sera por ejemplo que
los sujetos sean evaluados antes y despus de un tratamiento.
Una prueba 't basada en la coincidencia de pares muestrales se obtiene de una muestra desapareada que luego es
utilizada para formar una muestra apareada, utilizando para ello variables adicionales que fueron medidas
conjuntamente con la variable de inters.
La valoracin de la coincidencia se lleva a cabo mediante la identificacin de pares de valores que consisten en una
observacin de cada una de las dos muestras, donde las observaciones del par son similares en trminos de otras
variables medidas. Este enfoque se utiliza a menudo en los estudios observacionales para reducir o eliminar los
efectos de los factores de confusin.
Clculos
Las expresiones explcitas que pueden ser utilizadas para obtener varias pruebas t se dan a continuacin. En cada
caso, se muestra la frmula para una prueba estadstica que o bien siga exactamente o aproxime a una distribucin t
de Student bajo la hiptesis nula. Adems, se dan los apropiados grados de libertad en cada caso. Cada una de estas
estadsticas se pueden utilizar para llevar a cabo ya sea un prueba de una cola o prueba de dos colas.
Una vez que se ha determinado un valor t, es posible encontrar un valor P asociado utilizando para ello una tabla de
valores de distribucin t de Student. Si el valor P calulado es menor al lmite elegido por significancia estadstica
(usualmente a niveles de significancia 0,10; 0,05 o 0,01), entonces la hiptesis nula se rechaza en favor de la
hiptesis alternativa.
Prueba t para muestra nica
En esta prueba se evala la hiptesis nula de que la media de la poblacin estudiada es igual a un valor especificado

0
, se hace uso del estadstico:
donde es la media muestral, s es la desviacin estndar muestral y n es el tamao de la muestra. Los grados de
libertad utilizados en esta prueba se corresponden al valor n1.
Pendiente de una regresin lineal
Supngase que se est ajustando el modelo:
donde x
i
, i=1,...,n son conocidos, y son desconocidos, y
i
es el error aleatorio en los residuales que se
encuentra normalmente distribuido, con un valor esperado 0 y una varianza desconocida
2
, e Y
i
, i=1,...,n son las
observaciones.
Se desea probar la hiptesis nula de que la pendiente es igual a algn valor especificado
0
(a menudo toma el
valor 0, en cuyo caso la hiptesis es que x e y no estn relacionados).
sea
Prueba t de Student
4
Luego
tiene una distribucin t con n2 grados de libertad si la hiptesis nula es verdadera. El error estndar de la
pendiente:
puede ser reescrito en trminos de los residuales:
Luego se encuentra dado por:
Prueba t para dos muestras independientes
Iguales tamaos muestrales, iguales varianzas
Esta prueba se utiliza solamente cuando:
los dos tamaos muestrales (esto es, el nmero, n, de participantes en cada grupo) son iguales;
se puede asumir que las dos distribuciones poseen la misma varianza.
Las violaciones a estos presupuestos se discuten ms abajo.
El estadstico t a probar si las medias son diferentes se puede calcular como sigue:
Donde
Aqu es la desviacin estndar combinada, 1 = grupo uno, 2 = grupo 2. El denominador de t es el error
estndar de la diferencia entre las dos medias.
Por prueba de significancia, los grados de libertad de esta prueba se obtienen como 2n2 donde n es el nmero de
participantes en cada grupo.
Prueba t de Student
5
Diferentes tamaos muestrales, iguales varianzas
Esta prueba se puede utilizar nicamente si se puede asumir que las dos distribuciones poseen la misma varianza.
(Cuando este presupuesto se viola, mirar ms abajo). El estadstico t si las medias son diferentes puede ser calculado
como sigue:
Donde
Ntese que las frmulas de arriba, son generalizaciones del caso que se da cuando ambas muestras poseen igual
tamao (sustituyendo n por n
1
y n
2
).
es un estimador de la desviacin estndar comn de ambas muestras: esto se define as para que su cuadrado
sea un estimador sin sesgo de la varianza comn sea o no la media iguales. En esta frmula, n = nmero de
participantes, 1 = grupo uno, 2 = grupo dos. n1 es el nmero de grados de libertad para cada grupo, y el tamao
muestral total menos dos (esto es, n
1
+n
2
2) es el nmero de grados de libertad utilizados para la prueba de
significancia.
Diferentes tamaos muestrales, diferentes varianzas
Esta prueba es tambin conocida como prueba t de Welch y es utilizada nicamente cuando se puede asumir que las
dos varianzas poblacionales son diferentes (los tamaos muestrales pueden o no ser iguales) y por lo tanto deben ser
estimadas por separado. El estadstico t a probar cuando las medias poblacionales son distintas puede ser calculado
como sigue:
donde
Aqu s
2
es el estimador sin sesgo de la varianza de las dos muestras, n = nmero de participantes, 1 = grupo uno, 2 =
grupo dos. Ntese que en este caso, no es la varianza combinada. Para su utilizacin en pruebas de
significancia, la distribucin de este estadstico es aproximadamente igual a una distribucin t ordinaria con los
grados de libertad calculados segn:
Esta ecuacin es llamada la ecuacin WelchSatterthwaite. Ntese que la verdadera distribucin de este estadstico
de hecho depende (ligeramente) de dos varianzas desconocidas.
Prueba t de Student
6
Prueba t dependiente para muestras apareadas
Esta prueba se utiliza cuando las muestras son dependientes; esto es, cuando se trata de una nica muestra que ha
sido evaluada dos veces (muestras repetidas) o cuando las dos muestras han sido emparejadas o apareadas. Este es un
ejemplo de un test de diferencia apareada.
Para esta ecuacin, la diferencia entre todos los pares tiene que ser calculada. Los pares se han formado ya sea con
resultados de una persona antes y despus de la evaluacin o entre pares de personas emparejadas en grupos de
significancia (por ejemplo, tomados de la misma familia o grupo de edad: vase la tabla). La media (X
D
) y la
desviacin estndar (s
D
) de tales diferencias se han utilizado en la ecuacin. La constante
0
es diferente de cero si se
desea probar si la media de las diferencias es significativamente diferente de
0
. Los grados de libertad utilizados son
n1.
Ejemplo de pares emparejados
Par Nombre Edad Test
1 Juan 35 250
1 Joana 36 340
2 Jaimito 22 460
2 Jesica 21 200
Ejemplo de muestras repetidas
Nmero Nombre Test 1 Test 2
1 Miguel 35% 67%
2 Melanie 50% 46%
3 Melisa 90% 86%
4 Michell 78% 91%
Ejemplos desarrollados
Sea A
1
denotando un grupo obtenido tomando 6 muestras aleatorias a partir de un grupo mayor:
y sea A
2
denotando un segundo grupo obtenido de manera similar:
Estos podran ser, por ejemplo, los pesos de tornillos elegidos de un montn.
Vamos a llevar a cabo la prueba de hiptesis contando como hiptesis nula de que la media de las poblaciones de las
cuales hemos tomado las muestras son iguales.
La diferencia entre las dos medias de muestras, cada uno denotado por , la cual aparece en el numerador en
todos los enfoques de dos muestras discutidas anteriormente, es
La desviaciones estndar muestrales para las dos muestras son aproximadamente 0,05 y 0,11 respectivamente. Para
muestras tan pequeas, una prueba de igualdad entre las varianzas de las dos poblaciones no es muy poderoso. Pero
ya que los tamaos muestrales son iguales, las dos formas de las dos pruebas t se pueden desarrollar en forma similar
en este ejemplo.
Prueba t de Student
7
Varianzas desiguales
Si se decide continuar con el enfoque para varianzas desiguales (discutido anteriormente), los resultados son
y
El resultado de la prueba estadstica es aproximadamente 1,959. El valor P para la prueba de dos colas da un valor
aproximado de 0,091 y el valor P para la prueba de una cola es aproximadamente 0,045.
Varianzas iguales
Si se sigue el enfoque para varianzas iguales (discutido anteriormente), los resultados son
y
Ya que el tamao de las muestras es igual (ambas tienen 6 elementos), el resultado de la prueba estadstica es
nuevamente un valor que se aproxima a 1.959. Debido a que los grados de libertad son diferentes de la prueba para
varianzas desiguales, los valores P difieren ligeramente de los obtenidos un poco ms arriba. Aqu el valor P para la
prueba de dos colas es aproximadamente 0,078, y el valor P para una cola es aproximadamente 0,039. As, si hubiera
una buena razn para creer que las varianzas poblacionales son iguales, los resultados seran algo ms sugerentes de
una diferencia en los pesos medios de las dos poblaciones de tornillos.
Alternativas a la prueba t para problemas de locacin
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. El test de Welch es una prueba
aproximadamente exacta para el caso en que los datos poseen una distribucin normal, pero las varianzas son
diferentes. Para muestras moderadamente grandes y pruebas de una cola, el estadstico t es moderadamente robusto a
las violaciones de la asuncin de normalidad.
Para ser exactos tanto las pruebas t como las z requiere que las medias de las muestras sigan una distribucin normal,
y la prueba t adicionalmente requiere que la varianza de las muestras siga una distribucin Chi-cuadrado (
2
), y que
la media muestral y la varianza muestral sean estadsticamente independientes. La normalidad de los valores
individuales de los datos no es un requisito para que estas condiciones se cumplan. Por el teorema del lmite central,
las medias muestrales de muestras moderadamente grandes tambin aproximan una distribucin normal, incluso si
los datos individuales no estn normalmente distribuidos. Para datos no normales, la distribucin de la varianza
muestral puede desviarse sustancialmente de una distribucin
2
. Sin embargo, si el tamao muestral es grande, el
teorema de Slutsky indica que la distribucin de las varianzas muestrales ejerce un efecto muy pequeo en la
distribucin de la prueba estadstica. Si los datos son substancialmente no normales, y el tamao muestral es
pequeo, la prueba t puede entregar resultados equivocados.
Cuando la asuncin de normalidad no se sostiene, una alternativa no paramtrica a la prueba t puede ofrecer un
mejor poder estadstico. Por ejemplo, para dos muestras independientes cuando la distribucin de datos es asimtrica
(esto es, que la distribucin est sesgada) o la distribucin tiene colas muy grandes, entonces el test de suma de
posiciones (ranks) de Wilcoxon (conocido tambin como prueba U de Mann-Whitney) puede tener de tres a cuatro
veces mayor poder estadstico que una prueba t.
La contraparte no paramtrica a la prueba t de muestras apareadas es la prueba Wilcoxon de suma de posiciones con
signo para muestras pareadas. Para una discusin sobre cuando hacer una eleccin entre las alternativas t y no
Prueba t de Student
8
paramtricos, consulte a Sawilowsky.
El anlisis de varianza "one-way" generaliza la prueba t de dos muestras para casos donde los datos pertenecen a ms
que dos grupos.
Pruebas multivariadas
Una generalizacin del estadstico t de Student llamada estadstico t cuadrado de Hotelling, permite la comprobacin
de hiptesis en mltiples (y a menudo correlacionadas) mediciones de la misma muestra. Por ejemplo, un
investigador puede presentar un nmero de sujetos a un test de mltiples escalas de personalidad (p.ej el de cinco
grandes rasgos de personalidad). Debido a que las medidas de este tipo suelen estar muy correlacionadas, no es
aconsejable llevar a cabo varias pruebas univariadas, ya que esto supondra descuidar la covarianza entre las medidas
e inflar la probabilidad de rechazar falsamente al menos una hiptesis (error de tipo I). En este caso una nica prueba
mltiple es preferible para llevar a cabo las pruebas de hiptesis. El estadstico t de Hosteling sigue una distribucin
T
2
, sin embargo en la prctica, esta distribucin se utiliza muy raramente, y en cambio se suele convertir en una
distribucin de tipo F.
Prueba T
2
monomuestral
Para una prueba multivariable de unica muestra, la hiptesis es que el vector medio ( ) es igual a un vector ( )
dado. La prueba estadstica se define como:
Donde n es el tamao muestral, es el vector de columnas medio y una matriz de covarianza muestral
.
Prueba T
2
bimuestral
Para un test multivariable de dos muestras, la hiptesis es que los vectores medios ( , ) de las dos muestras
son iguales. La prueba estadstica se define como:
Implementaciones
La mayora de los programas tipo hoja de clculo y paquetes estadsticos de lenguajes de programacin, tales como
QtiPlot, OpenOffice.org Calc, LibreOffice Calc, Microsoft Excel, SAS, SPSS, Stata, DAP, gretl, R, Python ([2]),
PSPP, Infostat y Minitab, incluyen implementaciones del test t de Student.
Lecturas adicionales
Boneau, C. Alan (1960). The effects of violations of assumptions underlying the t test. Psychological Bulletin
57 (1): pp.4964. doi: 10.1037/h0041412
[3]
Edgell, Stephen E., & Noon, Sheila M (1984). Effect of violation of normality on the t test of the correlation
coefficient. Psychological Bulletin 95 (3): pp.576583. doi: 10.1037/0033-2909.95.3.576
[4]
.
Prueba t de Student
9
Referencias
[1] Richard Mankiewicz, The Story of Mathematics (Princeton University Press), p.158.
[2] http:/ / docs.scipy. org/ doc/ scipy/ reference/ generated/ scipy. stats. ttest_ind. html
[3] http:/ / dx.doi. org/ 10. 1037%2Fh0041412
[4] http:/ / dx.doi. org/ 10. 1037%2F0033-2909. 95.3.576
O'Mahony, Michael (1986). Sensory Evaluation of Food: Statistical Methods and Procedures. CRC Press. p.487.
ISBN0-824-77337-3.
Press, William H.; Saul A. Teukolsky, William T. Vetterling, Brian P. Flannery (1992). Numerical Recipes in C:
The Art of Scientific Computing (http:/ / www. nr. com/ ). Cambridge University Press. pp. p. 616 (http:/ / www.
nrbook. com/ a/ bookcpdf/ c142. pdf). ISBN0-521-43108-5.
Enlaces externos
Wikiversidad alberga proyectos de aprendizaje sobre Prueba t de Student.Wikiversidad
Un artculo conceptual sobre el test t de Student (http:/ / www. socialresearchmethods. net/ kb/ stat_t. php)
Tabla de distribuciones t de Student (http:/ / www. statsoft. com/ textbook/ sttable. html#t)
Calculadores en lnea
Realizar un test-T online: test-T (http:/ / faculty. vassar. edu/ lowry/ tu_esp. html)
Online T-Test Calculator (http:/ / studentsttest. com)
2 Sample T-Test Calculator (http:/ / www. usablestats. com/ calcs/ 2samplet)
GraphPad's Paired/Unpaired/Welch T-Test Calculator (http:/ / www. graphpad. com/ quickcalcs/ ttest1. cfm)
Fuentes y contribuyentes del artculo
10
Fuentes y contribuyentes del artculo
Prueba t de Student Fuente: http://es.wikipedia.org/w/index.php?oldid=74486769 Contribuyentes: Acratta, Alberto2087, Aleatorio, Biolitos, Davius, Humbefa, J3D3, Juan Mayordomo,
Resped, Sabbut, 25 ediciones annimas
Fuentes de imagen, Licencias y contribuyentes
Archivo:Wikiversity-logo-Snorky.svg Fuente: http://es.wikipedia.org/w/index.php?title=Archivo:Wikiversity-logo-Snorky.svg Licencia: desconocido Contribuyentes: -
Licencia
Creative Commons Attribution-Share Alike 3.0
//creativecommons.org/licenses/by-sa/3.0/