UNIDAD

N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

FEB
2015

La distribucin t o de Student es una funcin de probabilidad con forma tipo campana

simtrica.
Suponer que se toma una muestra aleatoria de tamao
distribucin normal con media

n<30

de una poblacion con

y varianza desconocida. En este caso ya no se

puede usar la variable aleatoria Z. En su lugar debe usarse otro estadstico denominado
T o de Student.
La distribucin de t de Student no tiene esta limitacin, porque an, para muestras de n
< 30 casos tomada de una poblacin normal, se asume que = s. As sustituyendo el
valor de por s la funcin de t de Estudiante nos da:

t=

X
S
n

(9.1)
Tiene distribucin t con

=n1

grados de libertad

Donde:

= media muestral
= media poblacional que se quiere probar

= grados de libertad

s = desviacin estndar de una muestra

n = tamao de la muestra

s / n = error estndar del promedio

9.1 Propiedades de la distribucin de t de Student
La distribucin de t de Student es una familia de distribuciones, cada una caracterizada

. Es similar a la distribucin de z normal, con

por el nmero de grados de libertad

promedio igual a cero y es simtrica en forma de campana. Su forma depende en el

tamao de la muestra. Con tamaos de muestras pequeas, la forma de esta curva es
menos picuda que la normal, pero a medida que n llega a 30 casos o se va a infinito, s
se aproxima a y la t de Estudiante se aproxima a la distribucin normal (Fig.1)
Suponiendo que se toma una muestra aleatoria de tamao n 30
con distribucin normal con media

de una poblacin

y varianza desconocida. En este caso ya no se

puede usar la variable aleatoria z. En su lugar debe usarse otro estadstico denominado

t de Student.
Este estadstico es til cuando por consideraciones prcticos no se puede tomar una
muestra aleatoria grande y se desconoce la varianza poblacional. Pero es necesario
que la poblacin tenga distribucin normal.
En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que
surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de
la muestra es pequeo.
Grados de libertad, expresin introducida por Fisher: De un conjunto de observaciones, los GL estn
dados por el nmero de valores que pueden ser asignados arbitrariamente, antes de que el resto de las
variables tomen un valor automticamente, producto de establecerse las que son libres, esto, con el fin de
compensar e igualar un resultado el cual se ha conocido previamente.

UNCP
UNIDAD
N9

FACULTAD DE INGENIERIA CIVIL

DISTRIBUCION t de STUDENT

PAG
Ing. LUIS CLEMENTE
1/12
ESTADISTICA
FEB
APLICADA
2015

9.2 GRAFICO DE LA DISTRIBUCION t

La forma especfica de la distribucin t depende del valor de
parmetro para este modelo con la definicin:

=n1

, el cual es el

y se denomina grados de

libertad.

Fig. 1 Distribucin t para

Se observa cmo, a medida que

=2, 5 e grados de libertad

, la distribucin t se aproxima a la distribucin

normal.
Para calcular la probabilidad con la distribucin t, si no se dispone de una calculadora o
un programa estadsticos, se pueden usar tablas que contienen algunos valores de esta
distribucin para diferentes grados de libertad con la siguiente definicin:
Definicin

es el valor de t, tal que el rea a la derecha es igual a

: P( t t

Uso de la distribucin t
La distribucin de Student fue descrita en 1908 por William Sealy Gosset. El trabajaba en una fbrica de
cerveza, Guinness, que prohiba a sus empleados la publicacin de artculos cientficos debido a una
difusin previa de secretos industriales. De ah que Gosset publicase sus resultados bajo el seudnimo de
Student.

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

PAG
2/12
FEB
2015

9.3 Diferencias entre la distribucin de t de Estudiante y la distribucin normal

La distribucin de t se usa en lugar de la distribucin normal, cuando el tamao de la
muestra es menor que 30 casos.
Cuando hablamos de la distribucin normal, ste requiere que la muestra sea de n 30
observaciones o que, la poblacional muestreada sea normal.
Este tamao de muestra se considera como una muestra grande. Pero cuando la
muestra de casos es n < 30 observaciones, no se puede usar la curva normal y
tenemos que usar lo que se llama "teora de muestreo pequeo."
Para tales efectos se usa la distribucin de t de Estudiante, la JI cuadrada o la
distribucin, F.
La estadstica t se usa para comparar los promedios de dos distribuciones, mientras que
la prueba de F se usa para comparar las varianzas de dos distribuciones.
De hecho, las diferencias entre la distribucin de t y la distribucin normal son que la
distribucin t no necesita el parmetro de poblacin, , mientras que la normal si lo
requiere. Adems, la funcin t no requiere de muestras grandes.
La varianza, > 1 y, solamente, cuando n entonces, ambas distribuciones son
iguales (prcticamente, cuando n 30 casos).

9.4 Funciones usadas con la distribucin de t de Estudiante

a. Se usa para hacer intervalos de confianza para (media poblacional).
b. Se usa para probar la hiptesis de que tiene un valor determinado, como por
ejemplo,

H0 : =

0 .

H 0=Hipotesis nula

c. Se usa para probar diferencias entre dos tratamientos deliberadamente emparejados,

esto es,

H0 :

= 0. Aqu, los tamaos de distribuciones deben ser

iguales.
d. Se aplica para probar diferencias entre dos promedios usando el mtodo de seleccin
completamente al azar (aleatorio), y con varianzas iguales. Aqu los tamaos de las
distribuciones pueden ser iguales o desiguales.
e. Se aplica para selecciones completamente aleatorias (al azar) con varianzas
desiguales. El tamao del las distribuciones puede ser igual o desigual.
Tiene una nica moda, que coincide con su media y su mediana. La curva normal es asinttica al eje de
abscisas. El rea total bajo la curva es, por tanto, igual a 1. Es simtrica con respecto a su media . Segn
esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la
media, y un 50% de observar un dato menor.
Hiptesis nula es una hiptesis construida para anular o refutar, con el objetivo de apoyar una hiptesis
alternativa. Cuando se utiliza, la hiptesis nula se presume verdadera hasta que una prueba estadstica en
la forma de una prueba emprica de la hiptesis indique lo contrario. Si la hiptesis nula no es rechazada,
esto no quiere decir que sea verdadera.

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

PAG
3/12
FEB
2015

9.5 Aplicaciones de la distribucin de t de Estudiante

Las aplicaciones de la t de Estudiante son varias. Por ejemplo, puede usarse para el
control de la calidad en obra. Tambin es muy til para el control de las vibraciones
estructurales de edificaciones, control del tiempo de maquinarias durante operaciones
de construccin, etc.
Por otra parte, otra aplicacin muy importante de la t de Estudiante, es la distribucin
pareada. Esto es, para comparar el promedio de dos distribuciones o tratamientos,
como, por ejemplo, para probar la hiptesis nula de

H0 :

1 =

2 , es decir, que

no hay diferencias entre los dos promedios.

Aqu, pudiramos estimar dos tipos de anlisis usando dos mtodos y tratamientos,
como la comparacin de dos mtodos en el diseo de mezclas como el mtodo Walker
y el de finura y ver si hay diferencias entre los dos mtodos usando la prueba de t
apareadas.

Tambin se puede usar para comparar dos distribuciones seleccionadas,

aleatoriamente, y, con varianzas iguales o desiguales. Aqu, cabe notar que, si se trata
de comparar los promedios de ms de 2 distribuciones, entonces se usa el anlisis de
varianza simple o mltiple.
9.6 Mecanismos que se siguen para calcular el valor de la probabilidad p usando
las tablas de las distribuciones de t de Estudiante, la CHI cuadrada o la
distribucin F
Para calcular el valor de la probabilidad p se puede hacer usando la funcin t es decir,
haciendo interpolaciones aplicando la frmula emprica siguiente:

X
t t t t
2

calc

(9.2)
Donde:

2 = el nivel de confianza ms alto de la tabla de la t de Estudiante

1 = el nivel de confianza ms bajo de la tabla de la distribucin de t
t 1 = la probabilidad correspondiente a

t2

= la probabilidad correspondiente a

X = valor desconocido de

t calc . = valor de la estadstica de la distribucin de t, con el nivel significante

deseado,
Ejem: = 0.05 o =0.01
Dr. Hctor Quevedo Uras, Dra. Socorro Arteaga.UACJ-Mexico
Se define como la probabilidad de tomar la decisin de rechazar la hiptesis nula cuando sta es
verdadera (decisin conocida como error de tipo I, o "falso positivo").

UNCP

FACULTAD DE INGENIERIA CIVIL

UNIDAD
N9

DISTRIBUCION t de STUDENT

Ing. LUIS CLEMENTE

ESTADISTICA
APLICADA

PAG
4/12
FEB
2015

EJERCICIO 1.
Una poblacin de volmenes de corte (en m) a cada 20 metros en la construccin de la
carretera Pampas-Ayacucho, con distribucin aproximadamente normal tiene una
media especificada de 5.5 siendo su varianza desconocida.
Calcular la probabilidad de que una muestra aleatoria de tamao 6 tenga una media
mayor o igual a 6.5 con una desviacin estndar de 0.5

Los datos especificados corresponden a la distribucin t. (n=6)

(x )
s
n
=n1=5

Con

P( X 6.5)=P( t

6.55.5
)
0.5
=
6

grados de libertad.

P(t 4.9)

=nivel de significancia

En la tabla t, se observa en la fila

=n1=5

Aqu se ubica

t =4.9

t 0.0025 = 4.473

P(t 4.473)

= 0.0025

t 0.001

P(t 5.893)

= 0.001

= 5.893

Por lo tanto:

0.001

P(t 4.9)

0.0025

Se puede concluir que:

0.001

P( X 6.5)

0.0025

Mediante una interpolacin lineal se puede calcular una aproximacin ms precisa.

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

PAG
5/12
FEB
2015

EJERCICIO 2.
Se desea hacer la prueba de hiptesis no tradicional con la funcin t, es decir, usando el
valor de la probabilidad p. Entonces, si el valor de la
libertad, con = 0.05 para

H 0 : =

t calc .

= 2.83 con 4 grados de

buscamos el valor de 2.83 en la tabla, pero

no lo encontramos. Sin embargo, vemos que est entre 2.776 y 3.747, con sus
respectivos valores de

de 0.99 y 0.975. Entonces para encontrar X, procedemos

usando la frmula (9.2), donde los valores correspondientes son:

2 = 0.99
1 = 0.975
t 2 = 3.747
t 1 = 2.776
t calc . = 2.83.
Ahora, sustituyendo estos valores en la frmula de interpolacin y sustituyendo:

X
t t t t
2
2

0.99 0.975

calc

0.99 X

3.747 2.776 3.747 2.83

Despejando X, resulta X = 0.976. Por lo tanto, p = 1 0.976 = 0.024, pero como son
dos colas, entonces, multiplicamos ese valor por 2 y da p =0.048.

Aqu se ubica
t = 2.83

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

PAG
6/12

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

FEB
2015

EJERCICIO 3.
Se saca una muestra aleatoria de 8 observaciones del tiempo (min) de carguo de
desmonte a los volquetes por un cargador frontal en la construccin del Puente
Comuneros, cuyos valores son: 5, 4, 6, 5, 4, 6, 5, 5. Probar la hiptesis nula de que el
valor esperado del tiempo de carguo es de cuando menos 6.5 usando = 0.05. Calcular
el valor de la probabilidad p.
SOLUCION:

H 1 : < 6.5. Esto

Ho : 6.5; y la hiptesis alternativa es

1. La hiptesis nula es

dice que la prueba es unilateral izquierda.

2. Usamos la estadstica:
t=(

0 ) / S / n = (5.0 6.5) / 0.756/ 8 = - 5.6

3. La regin crtica izquierda es

4. Debido a que

t [ , ]

t calc . .= - 5.6 <

t [ 0.05 ;7]

= - 1.895

t tab . = - 1.895, se rechaza la hiptesis y nos

inclinamos por la hiptesis alternativa.

5. El valor de la probabilidad p se calcula buscando |-5.6| con
distribucin t y se sustituyen los valores de

= 0.99975,

= 7 en la tabla de la

t2

= 7.885,

0.9995

t 1 = 5.408 y

calc . = -5.61 en la frmula de interpolacin y resolviendo por la

variable X da:
(0.99975 - 0.9995)/(7.885 5.408) = (0.99975 X)/(7.8885 5.6)
El valor de la probabilidad es p = 0.00048, el cual es mucho mas significante.
EJERCICIO 4.
Un fabricante de cemento afirma qu, el promedio de almina de sus productos es de
cuando mucho 6% en peso por tonelada de mezcla. Para comprobar esta aseveracin,
se sac una muestra aleatoria de 25 conteiner y se encontr un promedio estadstico de

= 5.5 % de almina por tonelada elaborada, con una desviacin estndar de s =

0.5. Probar la aseveracin del fabricante que el verdadero promedio es de a lo ms 5 %

por tonelada elaborada. Asumir un valor significante de = 0.05.

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

PAG
7/12
FEB
2015

EJERCICIO 5.
Se dan los siguientes datos de una muestra aleatoria de 15 mediciones de agua contenida
por m en un agregado fino en ml: 33.38, 32.15, 33.99, 34.10, 33.97, 34.34, 33.95, 33.85,
34.23, 32.73, 33.46, 34.13, 34.45, 34.19, 34.05. Hacer los siguientes clculos de estadstica
descriptiva.
(a) Estimar el tamao de la muestra n
(b) Estimar el promedio X , la mediana Md y la moda Mo
(c) Estimar la varianza y la desviacin estndar muestrales
(d) El valor mximo, mnimo, el rango y el error estndar
(e) El sesgo
(f) El nmero de grados de libertad,

(g) El intervalo de confianza del 95%, es decir, el nivel de significancia de =0.05) para el
promedio poblacional .
Tambin, hacer los siguientes clculos de estadstica de inferencia:
(a) Probar la hiptesis nula de

Ho : = 34.5 contra la hiptesis alternativa de

H 1 :

34.5. Calcular el valor de la probabilidad p.

(b) Probar la hiptesis de

Ho : 34.5 contra la hiptesis alternativa de

H 1 : < 34.5.

Calcular el valor de p.
(c) Probar la hiptesis nula de

Ho : 33.2 contra

H 1 : > 33.2.

(d) Calcular el valor de la probabilidad p

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

PAG
8/12
FEB
2015

SOLUCION 4.
1. La prueba de hiptesis nula es:

Ho : 5.0. La prueba de hiptesis alternativa es: y

H 1 : > 5.0.
2. La regin crtica es

t ( 0.05 ;24)

= 1.711.

3. Usando la funcin de t y sustituyendo los valores da: t = (5.5 5.0) / 0.5/5 = 5.0
4. Debido a que 5.0 > 1.711 se rechaza la hiptesis nula.
5. No obstante, esta prueba de hiptesis tradicional no da una idea de la fuerza de
conviccin de que la decisin tomada es, en verdad, correcta. Sin embargo, usando la
prueba de hiptesis no tradicional del valor de p, este valor si determina, qu tan verosmil
es muestrear un valor del parmetro que sea igual o menor que X = 5.5, cuando = 5.0.
6. El valor calculado de p es de aproximadamente 0.00002.
SOLUCION 5.
Los clculos de la estadstica descriptiva son:
(a) El tamao de la muestra es n = 15
(b) El promedio aritmtico, la mediana y la moda son: X = X / n = (33.38 + 32.15 +...+
34.05)/15 = 33.8. La mediana es: 33.99. La moda no existe.
(c) La varianza = s = [X 2 (X) 2/n]/n-1 = [17,125.76 (506.76)2/15] / 15-1 = 0.38
La desviacin estndar = s = s = 0.38 = 0.62
(d) El valor mximo, mnimo y el rango son: Valor mximo = 34.45. Valor mnimo = 32.15
Rango = valor mximo valor mnimo = 2.3. El error estndar del promedio es: Error
estndar = / n = 0.62/ 15 = 0.16.
(e) El sesgo denota la simetra de la distribucin y en este caso es de 2.55, el cual
comparado con el sesgo de la distribucin normal estandarizada, que es de 0, indica que
la distribucin de los datos es oblicua a la derecha o con sesgo positivo.
(f) El nmero de grados de libertad son:

= n 1 = 15 1 = 14

(g) El intervalo de confianza del 95% o = .05, corresponde a los valores crticos de
2.145, con = 14 grados de libertad.
X t[1-/2;] (s/ n) < < X + t[1-/2;] (s/ n)
33.8 t[.975;14] (0.16) < < 33.8 + t[.975;14] (0.16)
33.8 - 2.145 (0.16) < < 33.8 + 2.145 (0.16)
33.45 < < 34.15

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

PAG
9/12
FEB
2015

Los clculos de la estadstica de inferencia son:

(a) Esta es una prueba de hiptesis bilateral con regiones crticas de ttab. = t[.975;14] =
2.145 con 14 grados de libertad, con un nivel de significancia de = .05 (de la tabla de
la distribucin de t). La estadstica usada es la funcin t de abajo:
tcalc. = ( X - o) / s/ n
= (33.8 34.5) / 0.63/ 15
= - 4.3
Ahora se compara la t calculada con la t tabulada, es decir, con los valores crticos. El
criterio que se sigue es de que si la t calculada se introduce en las regiones crticas,
entonces, se rechaza la hiptesis sustentada de que Ho: = 34.5 y se inclina por la hiptesis
alternativa. En conclusin vemos que 4.3 < - 2.145, es decir, se introduce en el extremo
izquierdo de la curva. El valor de la probabilidad p se calcula usando la frmula de
interpolacin (6-10) :
(2 1)/(t2 t1) = (2 X) / (t2 tcalc.)
Donde:
2 = .99975, t2 = 4.499, 1 = .9995, t1 = 4.14, tcalc. = -4.3 (aqu en este caso, se toma el
valor absoluto), X igual a valor buscado el cual corresponden a la interpolacin de t = -4.3
con = 14 g.l.
Sustituyendo los valores en la frmula de arriba da:
(.99975 .9995)/(4.499 4.14) = (.99999 - X)/(4.499 4.3)
X = 0.99987 y el valor de p es p = 2(1 - .99999) = 0.00002. Este valor es mucho muy
significativo y apoya, muy contundentemente, la contencin de que el promedio no es
mayor que 34.5.
(b) Probando la hiptesis nula de Ho: 34.5 contra H1: < 34.5
La t calculada es la misma que en la parte (a), es decir, - 4.3. Esta es una prueba unilateral
izquierda con = 0.5 con el valor porcentual de t.95;14 = - 1.761 o sea que la regin crtica
izquierda es 1.761 (de la tabla de la distribucin de t). Para hacer una decisin de
rechazar o de aceptar Ho: se compara el valor de t.95;14 = 1.761 con tcalc. = 4.3 y
vemos, nuevamente, que se introduce en el extremo izquierdo de la distribucin, por lo
tanto, se rechaza la hiptesis. El valor de la probabilidad p se calcula buscando el valor
absoluto de |-4.3| en la tabla con = 0.05 y vemos que est entre 4.499 y 4.14 con sus
respectivos valores de igual a .99975 y .9995. Es decir que el valor de p est entre .00025
< p < .0005, con un valor de p .0002.

(c) Para probar la hiptesis de Ho: 33.2 contra la hiptesis alternativa de H1: > 33.2, se
usa la estadstica de t de Estudiante, es decir:
t = (33.8 33.2)/0.63/3.87 = 3.68
La regin crtica derecha es t.95;14 = 1.76 y vemos que 3.68 es mayor que este valor y se
rechaza la hiptesis nula. Bajo estas condiciones, el valor de la probabilidad p es 0.001.

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

PAG
10/12

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

FEB
2015

GRADOS DE LIBERTAD.
Explicaremos

en

forma

intuitiva

porque

son

n-1

grados

de

libertad.

Para poder determinar "s" es necesario calcular antes la media muestra "a" con los
datos disponibles de la muestra "n". Si al principio es cierto que disponiamos de "n"
variables independientes (cada elemento de la muestra se considera una variable
aleatoria independiente) en el momento que calculamos la media muestral perdemos un
grado de libertad; conocido el valor de la media muestral, slo n-1 de las variables de la
muestras permanecen independientes.
Si tenemos una muestra de 4 elementos y la media muestral es 10, slo 3 de las
variables de la muestra pueden variar libremente puesto que la cuarta variable queda
determinada.
10 = (x1+x2+x3+x4)/4 x4 = 40-x1-x2-x3
O si se tiene 4 valores: X1, X2, X3 y X4. El promedio de estos valores es Xp. Si partimos
del punto que la suma de todas las desviaciones (Xn - Xp) debe ser igual a cero,
entonces solo tres de estas desviaciones est libremente determinada porque 4 - 1 = 3
(tres grados de libertad).
EJEMPLO 1:
Si x1=9, x2=15, x3=10 (variables independientes), la cuarta variable debe ser
necesariamente 6 (x4 = 40-9-15-10 = 6 variable dependiente) para que la media
muestral sea 10.
EJEMPLO 2:
si X1 - Xp = 3, X2 - Xp = -2 y X4 - Xp = 1, entonces podemos conocer el valor de X3 Xp: para que la suma de todas las desviaciones sea cero el valor de X3 - Xp debe ser -2,
por lo que solo hay tres desviaciones libremente determinadas (es decir que no dependen
de nadie) ya que la otra depende de los valores de las tres primeras. Por esa razn, para
estos cuatro valores (n=4) debemos considerar 3 grados de libertad (m = n - 1).

EJEMPLO 3:
Si tienes una muestra de 20 probetas, cuando se trabaja con una distribucin ji-cuadrado
y t-student, podemos cambiar los valores de al menos 19 probetas, pero uno debe
quedarse fijo para no alterar por completo tu estimacin. Normalmente la forma para
calcular los grados de libertad en una ji cuadrada es n-1, donde n es el tamao de la
muestra y en una t se tiene que los grados de libertad son n + m- 2
donde n y m son el tamao de las muestras
Conclusin:
Los grados de libertad son el nmero de variables aleatorias independientes de la
muestra.

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

UNIDAD
N9

DISTRIBUCION t de STUDENT

ESTADISTICA
APLICADA

PAG
11/12
FEB
2015

VARIANZA:
Es una medida de variabilidad que toma en cuenta la dispersin que los valores de los
datos tienen respecto a su media. Es decir, aquellos conjuntos de datos que tengan
valores ms alejados de la media, sea muestral o poblacional, tendrn una mayor
varianza. Su resultado se expresa en unidades al cuadrado. La manera de obtener la
varianza de un conjunto de datos depende de la forma como se encuentren organizados
los datos, ya sea que estn agrupados o no agrupados, as como del tipo de
informacin con la que se trabaje, ya sea que provenga de una MUESTRA o de una
POBLACION. y se puede calcular para datos no agrupados como para agrupados.
DESVIACION ESTANDAR:
Al igual que la varianza, la desviacin estndar es una medida de variabilidad que
tambin toma en cuenta la dispersin de los valores de los datos respecto a su media.
Sin embargo, su significado es ms valioso que el de la varianza, pues su resultado se
encuentra expresado en las mismas unidades de la variable que se examina y no en
valores elevados al cuadrado como lo hace la varianza. La desviacin estndar se
representa mediante la letra griega para el caso de una poblacin, o por S en el caso
de una muestra. Se obtiene sacando la raz cuadrada al resultado de la varianza, no
importa si sta se trata de una varianza para datos no agrupados o para datos
agrupados, o provenientes de una muestra o de una poblacin. Al proporcionar sus
resultados en unidades no cuadradas, la desviacin estndar es muy fcil de interpretar
y su resultado tiene mayor significado en el anlisis de un fenmeno.
COEFICIENTE DE VARIACION:
Es una medida de dispersin que seala qu tan grande es la magnitud de la
desviacin estndar respecto a la media del conjunto de datos que se examina. A
diferencia de otras medidas de variabilidad, el coeficiente de variacin mide la

dispersin en trminos de porcentaje y no en unidades de medida. De esta manera,

este coeficiente se utiliza para comparar la dispersin entre dos conjuntos de datos
expresados en diferentes unidades de medidas.
Las Ventajas y desventajas del coeficiente de variacin son que el coeficiente de
variacin es til cuando pretende comparar la variabilidad de dos o ms conjuntos de
datos expresados en diferentes unidades de medicin, pues el resultado ser sealado
en porcentajes.
La nica desventaja que adolece el coeficiente de variacin es cuando se tienen que
comparar dos conjuntos de datos donde uno tiene una media con valores negativos y el
otro tiene una media positiva.
Para el primer conjunto, el coeficiente de variacin ser negativo; mientras que para el
segundo, el coeficiente de variacin ser positivo, haciendo difcil la comparacin entre
ambos.
Esto puede solucionarse tomando los valores absolutos del resultado que se obtenga
en ambos coeficientes

UNCP
UNIDAD
N9

FACULTAD DE INGENIERIA CIVIL

DISTRIBUCION t de STUDENT

Ing. LUIS CLEMENTE

ESTADISTICA
APLICADA

PAG
12/12
FEB
2015

UNCP

FACULTAD DE INGENIERIA CIVIL

Ing. LUIS CLEMENTE

PAG
12/12