Você está na página 1de 26

Distribuio T - Student

Prof. Herondino
Distribuio T-Student
A distribuio T de
Student uma distribuio de
probabilidade estatstica,
publicada por um autor que se
chamou de Student, pseudnimo
de William Sealy Gosset, que
no podia usar seu nome
verdadeiro para publicar
trabalhos enquanto trabalhasse
para a cervejaria Guinness.
T- Student
Padronizar varivel aleatria normal requer que o e
sejam conhecidos. Na prtica, porm, no podemos
calcular z = (x - )/ porque desconhecido. Em
vez disso, substitumos por s e calculamos a
estatstica t.
x
t
s
Distribuio Amostral da Mdia e da
varincia
Se discrepncias nas observaes sobre a mdia so
aleatrios e independentes, ento a distribuio amostral
da mdia tem e varincia, 2/n.
A quantidade 2/n a varincia da mdia.
Sua raiz quadrada chamada o erro padro da mdia:


n
A estimativa do erro padro da mdia :
s
s
n
Distribuio t
Normalmente, a varincia da populao, 2 no
conhecida e no podemos usar a distribuio normal
como a distribuio de referncia para a mdia da
amostra. Em vez disso, substituir e usar a distribuio t.
Se a distribuio de referncia normal e a varincia da
populao estimado por s2, a quantidade:
X
T
s/ n

que conhecido como a mdia padronizada ou como a


estatstica t, ter distribuio com = n - 1 graus de
liberdade.
Exemplo:
Qual a probabilidade de se obter uma
Para os dados de nitrato, a mdia amostra to pequenas com mdia = 7,51
da amostra de concentrao mg/L a partir da anlise das 27
igual a 7,51 mg/L e encontra-se a amostras?"
uma distncia considervel abaixo X
do verdadeiro valor de referncia T
8,00 mg/L (Figura 2). Se a s/ n
verdadeira mdia da amostra de 7,51 8
8,0 mg/L e o laboratrio est
t
1,38 / 27
medindo precisamente, um valor
to baixo quanto 7,51 que - 0,49
t
ocorrem por acaso apenas quatro 1,38 / 5,19
vezes em 100. Sabe-se que o
desvio padro 1,38 e 27 - 0,49
amostras. Qual ser o valor T. t 1,842
0,2658
Utilizando a tabela

a) Referncia de distribuio de X b) Referncia de distribuio T


P( X 7,51) = 0.04 P(t 1,853) = 0,04

Grau de liberdade = n - 1
Como so 27 amostras, temos:
v=27-1=26 grau de liberdade

t 1,842
Anlise
Se este resultado altamente improvvel, pode ser que a
amostra no representam a populao, provavelmente
porque o processo de medio foi tendenciosa para
produzir concentraes abaixo do valor real.
Ou, poderamos decidir que o resultado, embora
improvvel, deve ser aceito como ocorrido devido ao
acaso e no devido uma causa atribuvel (como vis nas
medies).
Inferncia estatstica envolve fazer uma avaliao a partir
de dados experimentais sobre um parmetro
desconhecido da populao (por exemplo, uma mdia ou
varincia).
A Distribuio T
A distribuio de referncia necessria, a fim de
escolher se o resultado facilmente explicada por mero
acaso ou se variao excepcional.

A distribuio T uma relevante referncia que


representa o conjunto de resultados que poderiam
ocorrer por acaso.

Um resultado que cai sobre a cauda da distribuio pode


ser considerado excepcional.
T- Student
A distribuio T similar a
distribuio Z, em que ambos
so simtricas na mdia zero.
Ambas as distribuies so
em forma de sino, mas a T
distribuio mais varivel
em virtude dos T - valores
depender das flutuaes de Figura 1 - A distribuio t para curvas
duas quantidades, X e S2, v=2, v=5 e v=.
considerando que os valores-
Z depende apenas das Na Figura 1, mostramos a relao entre a
distribuio normal padro (v = ) e
mudanas na X de amostra distribuies t com 2 e 5 graus de
para amostra. liberdade
Graus de liberdade
A distribuio de T diferente daquela de Z na variao de
T depende do tamanho da amostra n e sempre maior
do que 1.
Somente quando o tamanho da amostra n as duas
distribuies se tornar o mesmo.
A porcentagem da distribuio t dada por Tabelas.
Propriedades
As condies em que a quantidade t = (x - )/s tem a
distribuio com graus de liberdade so:

1) x normalmente distribudo sobre com varincia 2 ;

2) s distribudo Independentemente da mdia, isto , a


varincia da amostra no aumenta ou diminui medida
que aumenta ou diminui as mdias;

3) O s2 quantidade, que tem graus de liberdade,


calculada a partir de observaes normalmente
distribudos e tm varincia independentemente 2.
Exemplo 2:
O t-value com v = 14 graus de liberdade que deixa uma
rea de 0,025 para a esquerda, e, portanto, uma rea de
0.975 para a direita, :

t0,975 = t0,025 = 2.145.


Exemplo 3:
Encontre P(t0,025 < T < t0,05).
Como t0,05 deixa uma rea de 0,05 para a direita, e -t0,025
deixa uma rea de 0,025 esquerda, encontramos uma
rea total de 1 0,05 0.025 = 0.925 entre -t0,025 e t0,05.
Portanto, P(t0,025 < T < t0,05) = 0.925.
Exemplo 4:
Encontre k sendo P(k < T < 1.761) = 0.045 de uma
amostra aleatria de tamanho 15 selecionado de uma
distribuio normal e X
s/ n
Tabela 1- Distribuio t

Os valores t do exemplo 4
Exemplo 4:
Encontre k sendo P(k < T < 1.761) = 0.045 de uma
amostra aleatria de tamanho 15 selecionado de uma
distribuio normal e X
s/ n
Tabela 1- Distribuio t

Os valores t do exemplo 4

Como k=-t ento


0,05-=0,045
=0,005
Exemplo 4:
Encontre k sendo P(k < T < 1.761) = 0.045 de uma
amostra aleatria de tamanho 15 selecionado de uma
distribuio normal e X
s/ n
Tabela 2- Distribuio t

Os valores t do exemplo 4

Como k=-t ento


0,045=0,05-
=0,005
Exemplo 4:
Encontre k sendo P(k < T < 1.761) = 0.045 de uma
amostra aleatria de tamanho 15 selecionado de uma
distribuio normal e X
s/ n
Tabela 2- Distribuio t

Os valores t do exemplo 4

Como k=-t ento


0,045=0,05-
=0,005
-t0,005 =-2,977
Exemplo 4:

P(-2,977 < T < 1.761) = 0.045


Distribuio t - Anlise
Exactamente 95% dos valores de uma distribuio-t com
v = n-1 graus de liberdade situar-se entre -t0,025 e t0,025 .
Claro, existem outras t-valores que contm 95% da
distribuio, como por exemplo t0,03 e t0,02, mas esses
valores no aparecem na Tabela t, e, alm disso, o
intervalo mais curto possvel obtido pela escolha t-
valores isso deixa exatamente a mesma rea nas duas
caudas da nossa distribuio.
Distribuio t - Anlise
Esse t-valor que est abaixo de -t0,025 ou acima t0,025 os
faria acreditar que qualquer um evento muito raro
ocorreu ou a nossa suposio sobre est em erro.
Caso isto acontea, vamos tomar a deciso do
pressuposto de que o nosso valor de um erro
Na verdade, uma t-valor cair abaixo t0,01 ou acima t0,01
daria evidncia ainda mais forte que o nosso valor
assumido de ser bastante improvvel.
Exemplo
Um engenheiro qumico afirma que a mdia da
populaode rendimento de um processo em lote de
500 gramas por mililitro de matria-prima. Para verificar
essa afirmao tem amostras de 25 lotes de cada ms. Se
o t-valor calculado cai entre t0,05 e t0,05 , dar-se por
satisfeito com esta reivindicao.
Qual concluso poderia encontrar a partir de uma
amostra que tem mdia de x 518 gramas por mililitro e
um desvio padro amostral de s = 40 gramas? Assumir a
distribuio do rendimento aproximadamente normal.
Resoluo
Da tabela encontramos que t0,05 = 1.711 para 24 graus de
liberdade.
PORTANTO, o engenheiro pode estar satisfeito com a
sua afirmao se uma amostra de 25 lotes rende um valor
de t entre -1,711 e 1,711.
Se = 500, ento:
518 500
t 2,25
40 / 25
A probabilidade de se obter um valor de t, com v = 24,
igual a ou maior do que 2,25 de aproximadamente 0,02.
Se > 500, o valor de T calculado a partir da amostra
mais razovel
Tabela 1-
Distribuio t
Tabela 2-
Distribuio t
Referncia Bibliogrfica
BERTHOUEX, Paul Mac; BROWN, Linfield C.. Statistics
for Environmental Engineers. 2 Boca Raton London
New York Washington, D.c: Lewis Publishers, 2002. 10-13 p.
Walpole, Ronald E et al. Probability & statistics for
engineers & scientists/Ronald E. Walpole . . . [et al.]
9th. Ed. ISBN 978-0-321-62911-1.Boston-USA/2011