Saltar al conteníu

Distribución t de Student

Esti artículu foi traducíu automáticamente y precisa revisase manualmente
De Wikipedia
Distribución t de Student

Función de densidá de probabilidá

Función de distribución de probabilidá
Parámetros ν>0 graos de llibertá (real)
Función de densidá (pdf) Γ((ν+1)/2)νπΓ(ν/2)(1+x2/ν)−(ν+1)/2
Función de distribución (cdf) 12+xΓ(ν+12)⋅2F1(12,ν+12;32;−x2ν)πνΓ(ν2) onde 2F1 ye la función hiperxeométrica
Media 0 pa ν>1, indefinida pa otros valores mediana = 0
Moda 0
Varianza νν−2 pa ν>2, indefinida pa otros valores
Coeficiente de simetría 0 pa ν>3
Curtosis 6ν−4 pa ν>4
Entropía

ν+12[ψ(1+ν2)−ψ(ν2)]+log⁡[νB(ν2,12)]

  • ψ: función digamma, *
B: función beta
Función xeneradora de momentos (mgf) (Non definida)
[editar datos en Wikidata]

En probabilidá y estadística, la distribución t (de Student) ye una distribución de probabilidá que surde del problema d'envalorar la media d'una población de normal distribuyida cuando'l tamañu de la muestra ye pequeñu.

Apaez de manera natural al realizar la prueba t de Student pa la determinación de les diferencies ente dos medies muestrales y pa la construcción del intervalu d'enfotu pa la diferencia ente les medies de dos poblaciones cuando se desconoz la esviación típica d'una población y ésta ten de ser envalorada a partir de los datos d'una muestra.

Carauterización

[editar | editar la fonte]

La distribución t de Student ye la distribución de probabilidá del cociente

T=ZV/ν =Zν V

onde

Si μ ye una constante non nula, el cociente Z+μV/ν  ye una variable aleatoria que sigue la distribución t de Student non central con parámetru de non-centralidad μ.

Apaición y especificaciones de la distribución t de Student

[editar | editar la fonte]

Supongamos que X1,..., Xn son variables aleatories independientes distribuyíes de normal, con media μ y varianza σ2. Sía

X‾n=(X1+⋯+Xn)/n

la media muestral. Entós

Z=X‾n−μσ/n

sigue una distribución normal de media 0 y varianza 1.

Sicasí, yá que la esviación estándar non siempre ye conocida de mano, Gosset estudió un cociente rellacionáu,

T=X‾n−μSn/n,


S2(x)=1n−1∑i=1n(xi−x‾)2

ye la cuasivarianza muestral y demostró que la función de densidá de T ye

f(t)=Γ((ν+1)/2)νπΓ(ν/2)(1+t2/ν)−(ν+1)/2

onde ν  ye igual a n − 1.

La distribución de T llámase agora la distribución-t de Student.

El parámetru ν  representa'l númberu de graos de llibertá. La distribución depende de ν , pero non de μ o σ, lo cual ye bien importante na práutica.

Intervalos d'enfotu derivaos de la distribución t de Student

[editar | editar la fonte]

El procedimientu pal cálculu del intervalu d'enfotu basáu na t de Student consiste n'envalorar la esviación típica de los datos S y calcular l'error estándar de la media: X‾=Sn, siendo entós l'intervalu d'enfotu pa la media: X‾=±tα/2,n−1Sn .

Ye esta resultáu'l que s'utiliza nel test de Student: yá que la diferencia de les medies de muestres de dos distribuciones normales distribúise tamién de normal, la distribución t pue usase pa esaminar si esa diferencia pue razonablemente suponese igual a cero.

Pa efeutos práuticos el valor esperáu y la varianza son:

Y(t(n))=0 y Var(t(n−1))=n/(n−2) pa n>2

La distribución de Student foi descrita en 1908 por William Sealy Gosset. Gosset trabayaba nuna fábrica de cerveza, Guinness, que prohibía a los sos emplegaos la publicación d'artículos científicos por cuenta d'un espardimientu previu de secretos industriales. D'ende que Gosset publicara les sos resultaos sol seudónimu de Student.[1]

Distribución t de Student non estandarizada

[editar | editar la fonte]

La distribución t pue xeneralizase a 3 parámetros, introduciendo un parámero locacional μ y otru d'escala σ. El resultáu ye una distribución t de Student non estandarizada que la so densidá ta definida por:[2]

p(x|ν,μ,σ)=Γ(ν+12)Γ(ν2)πνσ(1+1ν(x−μσ)2)−ν+12

Equivalentemente, pue escribise en términos de σ2 (correspondiente a la varianza en cuenta de a la esviación estándar):

p(x|ν,μ,σ2)=Γ(ν+12)Γ(ν2)πνσ2(1+1ν(x−μ)2σ2)−ν+12

Otres propiedaes d'esta versión de la distribución t son:[2]

Y⁡(X)=μpara ν>1,Var(X)=σ2νν−2para ν>2,Moda(X)=μ.

Referencies

[editar | editar la fonte]
  1. ↑ Walpole, Roland; Myers, Raymond y Ye, Keying (2002). Probability and Statistics for Engineers and Scientists. Pearson Education.
  2. 1 2 Jackman, Simon (2009). Bayesian Analysis for the Social Sciences. Wiley.

Enllaces esternos

[editar | editar la fonte]