ESTIMACION DE INTERVALOS MEDIANTE LA DISTRIBUCION T .

De bido a que se utiliza cuando el tamaño de la muestra es 30 o menor, los

estadisticos con frecuencia asocian a la ditribuciont cone stadisticas de muestras
pequeñas.

El tamaño de la muetra es solo una de las condiciones que nos llevan a utilizar la
distribucion de estudent.

La segunda condicion es que la desviacion estandar de la poblacion debe ser

desconocida .

El uso de la distribiciont para hacer estimaciones se requiere siempre que el

tamaño de la muetra sea de 30 o menor y la desviacion estandar de la muetra no
se conoce. Ademas al utilizar la distribuciont, suponemos que la poblacion es
normal o aproximadamente normal.

CARACTERISTICAS DE LA DISTRIBUCION T .

Sin derivar la distribuciont de manera matematica , podemos obtener un

entendimiento intuitivo de la relacion que existe etre la distribucion t y la
distribucion normal. Ambas son simetricas. En general la distribucion t es mas
plana que la distribucion normal y hay una distribucion tdiferente para cada
tamaño posible de muestra. Incluso con esto conforme el tamaño de muestra se
hace mas grande, la forma de la distribucion t pierde su horizontalidad y se vuelve
aproximadamente igual a la distribucion normal .

Distribución t para un tamaño de muestra n=15 DISTRIBUCION NORMAL

Distribución t para un tamaño de muestra n=2

LA TABLAT COMPARADA CON LA TABLAZ.

La tabla t es mas compacta y muetra areas y valores de tpara algunos

porcentajes ( 10, 5 , 2 y 1% ). Debido a que hay una distribucion t diferente
para cada numeros de grados de libertad.
La tablat no se enfoca en la probabilidad de que el parametro de la
poblacion que se esta estimando se encuentre dentro de nuestro intervalo
de confianza. En lugar de ello, mide la prbabilidad de que el parametro de la
poblacion que stamos estimando no este dentro de nuestro intervalo de
confianza ( es decir, la probabilidad de que este fuera de este).
Al utilizar la tabla t es que debemos especificar los grados de libertad con
los cuales estamos tratando.

EJEMPLO:
El admnistrador de la planta generadora de energia deseaba estimar la
cantidad de carbono que se necesitaba para ese año, y tomo una muestra
consistente en el registro de la cantidad de carbono utilizado durante 10
semanas. Los datos de la muestra son:

n=10 semanas−−−¿tamaño de la muestra

df =9−−−−−−¿ grados de libertad

×=11,400
´ tonelada−−¿media de la muestra

s=700tonelada−¿desviacion estandar de la muestra.

El administrador de la planta desea una estimacion de intervalo del

consumo medio de caarbon, y quiere estar 95% seguro de que el consumo
medio se encuentre dentro de dicho intervalo . este problema requiere el
uso de una distribuciont, por que el tamaño de la muestra es menor que 30,
no se conoce la desviacion estandar de la poblacion y el administrador tiene
la creencia de que la poblacion es aproximadamente normal.
Como primer paso para la resolucion de este problema, recuerde que
estimamos la desviacion estandar de la poblacion a partir de la desviacion
estandar de la muestra por consiguiente;
 σ^ = s

= 700 toneladas

n = 14
df = 13 grados de libertad

0.90 del área bajo la curva

0.05 del área bajo la curva 0.05 del área bajo la curva

Utilizando esta estimacion de la desviacion estandar de la poblacion,

podemos estimar el error estandar de la media si modificamos la ecuacion
7-2 para omitir el multiplicador de poblacion finita ( debido a que el tamaño
de muestra de 10 semanas es menor a 5% de cinco años, 260 semanas,
periodo sobre el cual se tiene datos disponibles) ;

σ^
σ^x́ ¿
√n

700
¿
√10

700
¿
√3.162

¿ 221.38 toneladas — Error estandar estimado de la media

de una poblacion finita.
 Ahora buscamos en la tabla la columna correspondiente a 0.05 ( 100% -- 95% =
5%) hasta llegar a la hilera correspondiente a 9 grados de libertad ( 10 – 1 = 9).
En este punto tomamos el valor t de 2.262 y podemos establecer nuestros limites
de confianza.

x́ +2.262 σ^ x́ =11,400 tonaladas+20262(221.38 toneladas)

¿ 11,400+500.76

¿ 11,901 toneladas — limite superior de confianza

x́−2.262 σ^ x́ =11,400 toneladas — 2.262(221.38toneladas )

¿ 11,400−500.76

¿ 10,899 toneladas — limite inferior de confianza

n = 10
df = g

0.95 del área bajo la curva

0.025 del área bajo la curva 0.025 del área bajo la curva

10.89911.901
 DETERMINACION DEL TAMAÑO DE LA MUESTRA PARA ESTIMAR UNA
MEDIA.

Suponga que una universidad esta efectuando una investigacion acerca de los
ingresos anuales de los etudiantes del ultimo año de su escuela de comercio. Se
sabe que por la experiencia obtenida, que la desviacion estandar de los ingresos
anuales de la poblacion completa (1,000 estudiantes) de los egresados es de
aproximadamente $1,500 ¿ que tan grande debe de ser la muestra que la
universidad debe tomar con el fin de estimarr los ingresos medios anuales de los
estudiantes del ultimo año dentro de mas y menos $500 y con un nivel de
confianza de 95%.

¿Exacatmente que es lo que se pide en este problema? La universidad va a tomar

una muestra de un cierto tamaño, determinar la media de la muestra x́ y utilizarla
como estimacion puntual.

En consecuaencia la directiva de la universidad en realidad esta decidiendo que

desea que z σ x́ sea igual a $500. Si buscamos en la tabla, encontramos el valor
necesario de z para un nivel de confianza de 95% es de 1.96.

si z σ x́ =$ 500

y z=1.96

1.96 σ x́ =$ 500

$ 500
y σ x́ =
1.9

¿ $ 255−−−−−error estandar de la media

Recuerde que la formula para el error estandar es la ecuacion:

σ
σ x́ =
√n
Utilizando la ecuacion anterior podemos sustituir el valor conocido de la desviacion
estandar de la poblacion que es de $1,500 y el valor calculado del error estandar
de $255 y despejar n.

σ
σ x́ =
√n

$ 1,500
$ 255=
√n

$ 1,500
√ n=
$ 255

√ n=5.882; ahora elevamos al cuadrado ambos lados

n=34.6−−−−−−tamaño de la muestra para la precision especificada.

Por lo tanto como n debe ser mayor o igual a 34.6 la universidad debera tomar una
muestra de 35 estudiantes del ultimo año de la escuela de comercio para obtener
la precision que desea en la estimacion del ingreso medio anual de los
estudiantes.