2

Distribución “T Student”

¿Qué es?

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 (n<30). Es una
teoría de las muestras pequeñas, también llamadas teoría exacta del muestreo.

Grados de Libertad.- De un conjunto de observaciones, los grados de libertad están dados

por el número de valores que pueden ser asignados de forma arbitraria, antes de que el resto de
las variables tomen un valor automáticamente, producto de establecerse las que son libres, esto,
con el fin de compensar e igualar un resultado el cual se ha conocido previamente.

O a su vez Número de valores de una muestra que podemos especificar libremente, después
de que ya sabemos algo sobre dicha muestra.

Cálculo de los grados de libertad: gl = número de mediciones – 1

Nivel de confianza. - Es la seguridad, confiabilidad que se tiene de los datos establecidos.

Nota: La apariencia general de la distribución T es similar a la de la distribución

Normal estándar: ambas son simétricas y unimodales, y el valor máximo de la ordenada se

alcanza en la media μ = 0.

Pero la distribución t tiene colas más amplias que la normal; esto es, la probabilidad de las
colas es mayor que en la distribución normal. A medida que el número de grados de libertad
tiende a infinito, la forma límite de la distribución T es la distribución Normal Estándar.
 3

Propiedades de la distribución “T”

 Cada curva T tiene forma de campana con centro en 0.

 Cada curva T, está más dispersa que la curva Normal estándar Z.
 A medida que v aumenta, la dispersión de la curva T correspondiente disminuye.
 A medida que 𝑣 → ∞ , la secuencia de curvas T se aproxima a la curva normal
estándar, por lo que la curva z recibe a veces el nombre de curva T con gl = ∞

Fórmula de la Distribución T

𝝈
μ=𝒙
̅ ± 𝒁𝑻 (𝝈𝒙̅ ) ; (𝝈𝒙̅ ) =
√𝒏

Donde:

μ Es la media poblacional

𝑥̅ Es la media muestral

𝑍𝑇 (𝜎𝑥̅ ) Es el Margen de error

Aplicaciones

En muchas ocasiones no se conoce “σ” y el número de observaciones en la muestra n < 30.

En estos casos, se puede utilizar la desviación estándar de la muestra “s” como una estimación
de “σ”, pero no es posible usar la distribución Z como estadístico de prueba. El estadístico de
prueba adecuado es la distribución “t”. Sus aplicaciones en la inferencia estadística son para
estimar y probar una media y una diferencia de medias (independiente y pareada).

Existe una distribución t distinta para cada uno de los posibles grados de libertad.
 4

¿Qué es la f de Fisher?
Sean U y V dos variables aleatorias independientes, tal que:

Sea una variable X definida como:

X así definida, sigue una distribución F DE FISHER-SNEDECOR de m y n grados de libertad,

que representamos como:

Una variable aleatoria se distribuye según el modelo de probabilidad F de Fisher con (m,n)
grados de libertad , donde m y n son enteros positivos, si su función de densidad es la siguiente
:

Para todo valor de x>0. Es evidente, por su construcción, que solo puede tomar valores
positivos, como la chi-cuadrado. La forma de la representación gráfica depende de los valores
m y n, de tal forma que si m y n tienden a infinitos, dicha distribución se asemeja a la
distribución normal.

La gráfica de esta función de densidad se presenta a continuación para (10,8) grados de

libertad:

Una PROPIEDAD de esta distribución es que la inversa de una variable aleatoria con
distribución Fm,n sigue también una distribución F con n y m grados de libertad. Es decir,
 5

Y como consecuencia de esta propiedad se cumple:

APLICACIÓN
EJEMPLO: Las tablas nos dan, para m = 10 y n = 6, el percentil 90 =2,94; el percentil 95 =
4,06. Calcular los valores de la distribución F de 6 y 10 grados de libertad que dejan a su
izquierda una masa de probabilidad de 0.1 y 0.05 respectivamente.
SOLUCION:

2.- Una compañía fabrica propulsores para uso en motores de turbina. Al ingeniero de
manufactura le gustaría seleccionar el proceso que tenga la menor variabilidad en la rugosidad
de la superficie. Para ello toma una muestra de n1=16 partes del primer proceso, la cual tiene
una desviación estándar s1 = 4.7 micropulgadas, y una muestra aleatoria de n2=12 partes del
segundo proceso, la cual tiene una desviación estándar s2 = 5.1 micropulgadas. Se desea
2
encontrar un intervalo de confianza del 90% para el cociente de las dos varianzas 1 /

Suponga que los dos procesos son independientes y que la rugosidad de la superficie está
distribuida de manera normal.

Solución:

Por la recomendación de que la varianza muestral mayor va en el numerador se tiene la siguiente

fórmula:
 6

Al despejar: .

En este caso los grados de libertad uno valen 11 y los grados de libertad dos 15.

Estos resultados los podemos interpretar de la siguiente manera:

Puesto que este intervalo de confianza incluye a la unidad, no es posible afirmar que las
desviaciones estándar de la rugosidad de la superficie de los dos procesos sean diferentes con
un nivel de confianza del 90%.

¿Para qué sirve?

La distribución F de Fisher es una distribución que depende de dos parámetros. Es una

distribución que aparece, con frecuencia, como distribución de un estadístico de test, en muchos
contrastes de hipótesis bajo las suposiciones de normalidad. Por ejemplo, todos los contrastres
ANOVA (Ver Herbario de técnicas).

Su tabla es compleja porque al depender de dos parámetros complica su diseño. Se

acostumbran, pues, a publicar tantas tablas como niveles de significación interese manejar.
Aquí adjunto la del 0.05, la del 0.01 y la del 0.001:

En la tabla de la F de Fisher-Snedecor se presentan: en la primera columna, los grados de

libertad del denominador, esto es el valor de n. En la primera fila se muestra primero el valor
de a, que como puede verse en la gráfica de la tabla es la probabilidad que queda a la derecha
del punto seleccionado. A continuación aparecen los grados de libertad del numerador, es decir,
el valor de m. En el interior de la tabla se muestran los valores que dejan a su derecha una
probabilidad a para los grados de libertad m y n seleccionados.
CARACT
- Existe una distribución F diferente para cada combinación de tamaño de muestra y número de
muestras. Por tanto, existe una distribución F que se aplica cuando se toman cinco muestras de
seis observaciones cada una, al igual que una distribución F diferente para cinco muestras de
siete observaciones cada una. A propósito de esto, el número distribuciones
de muestreo diferentes es tan grande que sería poco práctico hacer una extensa tabulación de
 7

distribuciones. Por tanto, como se hizo en el caso de la distribución t, solamente se tabulan los
valores que más comúnmente se utilizan. En el caso de la distribución F, los valores críticos
para los niveles 0,05 y 0,01 generalmente se proporcionan para determinadas combinaciones
de tamaños de muestra y número de muestras.
La razón más pequeña es 0. La razón no puede ser negativa, ya que ambos términos de la razón
F están elevados al cuadrado.
Por otra parte, grandes diferencias entre los valores medios de la muestra, acompañadas de
pequeñas variancias muestrales pueden dar como resultado valores extremadamente grandes de
la razón F.
- La forma de cada distribución de muestreo teórico F depende del número de grados
de libertad que estén asociados a ella. Tanto el numerador como el denominador tienen grados
de libertad relacionados.

USO DE LA TABLA F
En la tabla 5 se ilustra la estructura de una tabla de F para un nivel de significación de 0,01 o
1% y 0,05 o 5%.

Ejemplo ilustrativo
Los pesos en kg por 1,7 m de estatura se ilustran en la siguiente tabla. La finalidad es determinar
si existen diferencias reales entre las cuatro muestras. Emplear un nivel de significación de 0,05
 8

Solución:
Las hipótesis Nula y Alternativa son:

Calculando las medias aritméticas se obtiene:

Se llena la siguiente tabla para calcular las varianzas muestrales:

 9

Remplazando los datos en la fórmula de la varianza se obtienen las varianzas de las 4 muestras.

Calculando la estimación interna de varianza se obtiene:

Para calcular la estimación intermediante de varianza primero se calcular la varianza de las

medias aritméticas
 10

Se llena la siguiente tabla:

Se remplaza los datos de la tabla para calcular varianza de las medias aritméticas

Calculando la estimación intermediante de varianza se obtiene:

Distribución Chi cuadrado

¿Qué es la distribución Chi cuadrado?

La distribución de chi-cuadrada es una distribución continua que se especifica por los

grados de libertad y el parámetro de no centralidad. La distribución es positivamente

asimétrica, pero la asimetría disminuye al aumentar los grados de libertad.

 11

Características

Cuando los grados de libertad son 30 o más, la distribución de chi-cuadrada puede

aproximarse razonablemente con una distribución normal, como se ilustra en las siguientes

gráficas:

¿Para qué sirve?

Minitab utiliza la distribución de chi-cuadrada en pruebas de significancia estadística para:

● Comprobar qué tan bien se ajusta una muestra a una distribución teórica. Por

ejemplo, puede utilizar una prueba de bondad de ajuste de chi-cuadrada para

determinar si los datos de la muestra se ajustan a una distribución de Poisson.

● Comprobar la independencia de las variables categóricas. Por ejemplo, un

fabricante desea saber si la ocurrencia de cuatro tipos de defectos (espárrago

faltante, abrazadera rota, sujetador flojo y sello con fugas) está relacionada con los

turnos (diurno, vespertino, nocturno).

Forma de cálculo

● Formula: Chi cuadrado

 12

● Fórmula: Grados de libertad (v)

● Tabla de valores de la distribución Chi cuadrado

Aplicación:

Un gerente de ventas que tiene su mercado dividido en cuatro zonas les indica a sus

vendedores que las zonas tienen el mismo potencial de ventas. Ante la duda de los vendedores

sobre el potencial de sus zonas el gerente hace el siguiente procedimiento: Se extrae una

muestra de los archivos de la empresa de 40 ventas realizadas el año pasado y encuentra que

el número de ventas por zona son: zona 1 = 6, Zona 2 = 12, Zona 3 = 14 y zona 4 = 8. En

vista de esos resultados se realiza una prueba de bondad de ajuste.

 13

Solución:

Interpretación:
 14

Fuentes de Información

R. L. (01 de 2019). Scientific European Federation Osteopaths. Obtenido de

https://www.scientific-european-federation-osteopaths.org/wp-
content/uploads/2019/01/Distribucion_tStudent.pdf: https://www.scientific-european-
federation-osteopaths.org/wp-content/uploads/2019/01/Distribucion_tStudent.pdf

Estadísticos, T. (15 de 07 de 2017). Glosario Términos estadísticos Más información en:

Grados de libertad (Términos estadísticos) © https://glosarios.servidor-alicante.com. Obtenido
de https://glosarios.servidor-alicante.com/: https://glosarios.servidor-alicante.com/terminos-
estadistica/grados-de-libertad

Chihuahua, I. T. (s.f.). TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL

MUESTREO. Obtenido de Instituto Tecnológico de Chihuahua:
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03.html

http://e-stadistica.bio.ucm.es/glosario/def_Fisher.html

http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03c.html

https://www2.ulpgc.es/hege/almacen/download/4/4760/Tema_2.pdf

https://www.monografias.com/trabajos91/prueba-hipotesis-f-fisher-empleando-excel-y-
winstats/prueba-hipotesis-f-fisher-empleando-excel-y-winstats.shtml#caracteria

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-
and-random-data/supporting-topics/distributions/chi-square-distribution/

https://es.slideshare.net/sevilla_carlos2004/distribucion-de-chi-cuadrado

https://es.slideshare.net/armando310388/prueba-chicuadrado