Métodos paramétricos para la comparación de dos medias. t de student

MÉTODOS PARAMÉTRICOS PARA LA COMPARACIÓN DE DOS MEDIAS. T DE STUDENT






ESTADISTICA II.












Tabla de Contenido.
PAG

INTRODUCCIÓN 03
1. HISTORIA. 04
2. GENERALIDADES. 05
3. INVERSA DE LA DISRIBUCCIÓN T DE STUDENT. 10
4. TÉRMINOS DESCONOCIDOS. 15
5. CONCLUSIONES. 17
6. BIBLÍOGRAFIA. 18Introducción.

El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos futuros. Es por ello que el estudio de probabilidades surge como una herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la época. El desarrollo de estas herramientas fue asignado a los matemáticos de la corte.

Con el tiempo estastécnicas matemáticas se perfeccionaron y encontraron otros usos muy diferentes para la que fueron creadas. Actualmente se continúo con el estudio de nuevas metodologías que permitan maximizar el uso de la computación en el estudio de las probabilidades disminuyendo, de este modo, los márgenes de error en los cálculos.

Espero el siguiente trabajo sea de su agrado.








MÉTODOSPARAMÉTRICOS PARA LA COMPARACIÓN DE DOS MEDIAS. T DE STUDENT

1. Historia.

William Sealy Gosset

William Sealy Gosset (11 de junio de 1876 – 16 de octubre de 1937) fue un estadístico, mejor conocido por su sobrenombre literario Student. Estudio química y matemática en el New College de Oxford. Tras graduarse en 1899, se incorporó a las destilerías Guinness en Dublín.Guinness era un negocio agroquímico progresista y Gosset podría aplicar sus conocimientos estadísticos tanto a la destilería

como a la granja (para seleccionar las mejores variedades de cebada. Gosset adquirió ese conocimiento mediante estudio, prueba y error así como pasando dos temporadas durante 1906/7 en el laboratorio bioquímico de Karl Pearson.

Otroinvestigador de Guinness había publicado anteriormente un artículo que contenía secretos industriales de la destilería. Para evitar futuras exposiciones de información confidencial, Guinness prohibió a sus empleados la publicación de artículos independientemente de la información que contuviesen. Esto significaba que Gosset no podía publicar su trabajo usando su propio nombre. De ahí el uso de supseudónimo Student en sus publicaciones, para evitar que su empleador lo detectara. Por tanto, su logro más famoso se conoce ahora como la distribución t de Student, que de otra manera hubiera sido la distribución t de Gosset.

Gosset publicó El error probable de una media y casi todos sus artículos usando el pseudónimo Student en la publicación Biometrika creada por Pearson. Sin embargo, fue R.A.Fisher quien apreció la importancia de los trabajos de Gosset sobre muestras pequeñas, tras recibir correspondencia de Gosset en la que le decía le envío una copia de las Tablas de Student, ¡ya que es la única persona que probablemente las use jamás!. Fisher creyó que Gosset había efectuado una "revolución lógica". Irónicamente la estadística t por la que Gosset es famoso fue realmente creación deFisher. La estadística de Gosset era z = t/√(n - 1). Fisher introdujo la forma t debido a que se ajustaba a su teoría de grados de libertad. Fisher es responsable también de la aplicación de la distribución t a la regresión.

Aunque fueron introducidos por otros, los residuos estudentizados reciben su nombre en honor a Student porque, al igual que con el problema que llevó a la distribución t deStudent, la idea de ajustar usando las desviaciones estándar estimadas la base del concepto.



2. Generalidades.


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.

Ésta es la base de la popular prueba t de...