2. En probabilidad y estadística, la distribución t (de Student) 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 pequeño.
Las distribuciones t de
Student son parecidas a la
normal. Se pueden utilizar para
hacer estimaciones de la media
cuando se desconoce la
varianza (es lo habitual) y se
usan muestras pequeñas
Los intervalos así obtenidos son,
no podría ser de otra manera,
más grandes y menos precisos
que los que se obtendrían si
supusiéramos conocida la
varianza en una distribución
normal.
3. Las distribuciones t de Student fueron descubiertas
por William S. Gosset (1876-1937) en 1908 cuando
trabajaba para la compañía de cervezas Guinness
en Dublín (Irlanda). No pudo publicar sus
descubrimientos usando su propio nombre porque
Guinness había prohibido a sus empleados que
publicaran información confidencial. Gosset firmó
sus publicaciones usando el nombre de "Student"
Las distribuciones t se usan para tener
en cuenta la incertidumbre añadida
que resulta por esta estimación
Fisher comprendió la importancia de
los trabajos de Gosset para muestras
pequeñas.
Si el tamaño de la muestra es n
entonces decimos que la distribución t
tiene n-1 grados de libertad
Hay una distribución t diferente para
cada tamaño de la muestra. Estas
distribuciones son una familia de
distribuciones de probabilidad
continuas
4. Las curvas de densidad son
simétricas y con forma de
campana como la distribución
normal estándar.
5. Este modelo
estadístico
corresponde a
un equivalente
de la prueba t
de Student,
pero se aplica
en mediciones
en escala
ordinal para
muestras
dependientes.
Cuando el tipo de medición no cumpla con los
requisitos que la prueba t de Student exige, la de
Wilcoxon es una alternativa de aceptable eficacia
para contrastar hipótesis.
El método es aplicable a muestras pequeñas,
siempre y cuando sean mayores que 6 y menores
que 25. Las muestras grandes deben ser mayores
a 25 y éste se debe transformar en valor de Z,
para conocer la probabilidad de que aquella sea
o no significativa.
Dicha prueba estadística consiste en sumar los
rangos de signo frecuente; por ello, no se tiene
una ecuación o fórmula, como se observa en otras
pruebas estadísticas.
6. Se utiliza cuando: Trabaja con datos de tipo ordinal.
Establece diferencias de magnitudes
(+ y -).
Dirección.
Prueba de dos colas: No se sabe en
que dirección se pueden dar las
diferencias.
Prueba de una cola: Si sabemos en
que dirección están las diferencias.
Dos muestras apareadas. Establece las diferencias ¹.
Con muestras grandes (> 25) se
intenta lograr la distribución normal
(se utiliza la prueba Z).
7. Es el estudio de
asociación entre
variables cualitativas
(categóricas).
Dos variables
cualitativas están
asociadas si el
conocimiento de
alguna
característica de una
de ellas aporta
información de la otra.
Si las variables no
están asociadas
entonces ninguna
aporta información
sobre la otra.
El estudio de
asociación entre
variables cualitativas se
puede analizar a través
de
8. las tablas de contingencia 2 X 2
En el caso de que los datos sean aleatorios se puede calcular la
significancia estadística, y la prueba más conocida para estudiar la
asociación entre variables cualitativas es el Chi-cuadrado de Pearson. Y
en este caso las hipótesis serían:
Ho = las variables no están asociadas (son independientes)
H1= las variables están asociadas.
9. Los grados de libertad
en Chi-cuadrado: son
filas menos 1 por
columnas menos 1 lo
que generalmente da
1.
10. Existe
asociación entre
ser bebedor y el
tipo de crimen
cometido, X2 (5,
N = 1426) =
49.7, p < 0.001.
11. Existe asociación entre ser bebedor y el tipo de crimen
cometido, X2= 49.7; p < 0.001. Sin embargo, se
encontró que en cerca de un 70% (144 de 207) de los
criminales que cometieron fraude eran abstemios
mientras que el porcentaje de abstemios en todas las
demás categorías de tipo de crimen eran menos del
50%.
Existe asociación entre ser bebedor
y el tipo de crimen cometido, X2 (5,
N = 1426) = 49.7, p < 0.001.