Documente Academic
Documente Profesional
Documente Cultură
Historia
El estadstico t fue introducido por William Sealy Gosset en 1908, un qumico que trabajaba para
la cervecera Guinness de Dubln. Student era su seudnimo de escritor.
Gosset haba sido contratado gracias a la poltica de Claude Guiness de reclutar a los mejores
graduados de Oxford y Cambridge, y con el objetivo de aplicar los nuevos avances en
bioqumica y estadstica al proceso industrial de Guiness. Gosset desarroll el test t como una
forma sencilla de monitorizar la calidad de la famosa cerveza stout. Public su test en la revista
inglesa Biometrika en el ao 1908, pero fue forzado a utilizar un seudnimo por su empleador,
para mantener en secreto los procesos industriales que se estaban utilizando en la produccin.
Aunque de hecho, la identidad de Gosset era conocida por varios de sus compaeros
estadsticos.
Usos
Entre los usos ms frecuentes de las pruebas t se encuentran:
El test de locacin de muestra nica por el cual se comprueba si la media de una poblacin
distribuida normalmente tiene un valor especificado en una hiptesis nula.
El test de locacin para dos muestras, por el cual se comprueba si las medias de dos
poblaciones distribuidas en forma normal son iguales. Todos estos test son usualmente
llamados test t de Student, a pesar de que estrictamente hablando, tal nombre slo debera ser
utilizado si las varianzas de las dos poblaciones estudiadas pueden ser asumidas como iguales;
la forma de los ensayos que se utilizan cuando esta asuncin se deja de lado suelen ser
llamados a veces como Prueba t de Welch. Estas pruebas suelen ser comnmente nombradas
como pruebas t desapareadas o de muestras independientes, debido a que tienen su aplicacin
mas tpica cuando las unidades estadsticas que definen a ambas muestras que estn siendo
comparadas no se superponen.5
El test de hiptesis nula por el cual se demuestra que la diferencia entre dos respuestas medidas
en las mismas unidades estadsticas es cero. Por ejemplo, supngase que se mide el tamao
del tumor de un paciente con cncer. Si el tratamiento resulta efectivo, lo esperable seria que el
tumor de muchos pacientes disminuyera de tamao luego de seguir el tratamiento. Esto con
frecuencia es referido como prueba t de mediciones apareadas o repetidas.5 6
El test para comprobar si la pendiente de una regresin lineal difiere estadsticamente de cero.
Estadsticos T y Z
La mayor parte de las pruebas estadsticas t tienen la forma
de los datos estudiados. Tpicamente, Z se disea de forma tal que resulte sensible a la hiptesis
alternativa (p.ej. que su magnitud tienda a ser mayor cuando la hiptesis alternativa es
, donde
es la media muestral de
, donde
Las pruebas-t de dos muestras para probar la diferencia en las medias pueden ser
desapareadas o en parejas. Las pruebas t pareadas son una forma de bloqueo estadstico, y
poseen un mayor poder estadstico que las pruebas no apareadas cuando las unidades
apareadas son similares con respecto a los "factores de ruido" que son independientes de la
pertenencia a los dos grupos que se comparan
[cita requerida]
t apareadas pueden utilizarse para reducir los efectos de los factores de confusin en un estudio
observacional.
Desapareada
Las pruebas t desapareadas o de muestras independientes, se utilizan cuando se obtienen dos
grupos de muestras aleatorias, independientes e idnticamente distribuidas a partir de las dos
poblaciones a ser comparadas. Por ejemplo, supngase que estamos evaluando el efecto de un
tratamiento mdico, y reclutamos a 100 sujetos para el estudio. Luego elegimos aleatoriamente
50 sujetos para el grupo en tratamiento y 50 sujetos para el grupo de control. En este caso,
obtenemos dos muestras independientes y podramos utilizar la forma desapareada de la
prueba t. La eleccin aleatoria no es esencial en este caso, si contactamos a 100 personas por
telfono y obtenemos la edad y gnero de cada una, y luego se utiliza una prueba t bimuestral
para ver en que forma la media de edades difiere por gnero, esto tambin sera una prueba t de
muestras independientes, a pesar de que los datos son observacionales.
Apareada
Las pruebas t de muestras dependientes o apareadas, consisten tpicamente en una muestra de
pares de valores con similares unidades estadsticas, o un grupo de unidades que han sido
evaluadas en dos ocasiones diferentes (una prueba t de mediciones repetitivas). Un ejemplo
tpico de prueba t para mediciones repetitivas sera por ejemplo que los sujetos sean evaluados
antes y despus de un tratamiento.
Una prueba 't basada en la coincidencia de pares muestrales se obtiene de una muestra
desapareada que luego es utilizada para formar una muestra apareada, utilizando para ello
variables adicionales que fueron medidas conjuntamente con la variable de inters.
La valoracin de la coincidencia se lleva a cabo mediante la identificacin de pares de valores
que consisten en una observacin de cada una de las dos muestras, donde las observaciones
del par son similares en trminos de otras variables medidas. Este enfoque se utiliza a menudo
en los estudios observacionales para reducir o eliminar los efectos de los factores de confusin.
Clculos
Las expresiones explcitas que pueden ser utilizadas para obtener varias pruebas t se dan a
continuacin. En cada caso, se muestra la frmula para una prueba estadstica que o bien siga
exactamente o aproxime a una distribucin t de Student bajo la hiptesis nula. Adems, se dan
los apropiados grados de libertad en cada caso. Cada una de estas estadsticas se pueden
utilizar para llevar a cabo ya sea un prueba de una cola o prueba de dos colas.
Una vez que se ha determinado un valor t, es posible encontrar un valor p asociado utilizando
para ello una tabla de valores de distribucin t de Student. Si el valor p calulado es menor al
lmite elegido por significancia estadstica (usualmente a niveles de significancia 0,10; 0,05 o
0,01), entonces la hiptesis nula se rechaza en favor de la hiptesis alternativa.
Prueba t para muestra nica
En esta prueba se evala la hiptesis nula de que la media de la poblacin estudiada es igual a
un valor especificado 0, se hace uso del estadstico:
donde
donde xi, i = 1, ..., n son conocidos, y son desconocidos, y i es el error aleatorio en los
residuales que se encuentra normalmente distribuido, con un valor esperado 0 y una varianza
desconocida 2, e Yi, i = 1, ..., n son las observaciones.
Se desea probar la hiptesis nula de que la pendiente es igual a algn valor especificado 0 (a
menudo toma el valor 0, en cuyo caso la hiptesis es que x e y no estn relacionados).
sea
Luego
tiene una distribucin t con n 2 grados de libertad si la hiptesis nula es verdadera. El error
estndar de la pendiente:
Luego
los dos tamaos muestrales (esto es, el nmero, n, de participantes en cada grupo)
son iguales;
Donde
Aqu
Esta prueba se puede utilizar nicamente si se puede asumir que las dos distribuciones poseen
la misma varianza. (Cuando este presupuesto se viola, mirar ms abajo). El estadstico t si las
medias son diferentes puede ser calculado como sigue:
Donde
Ntese que las frmulas de arriba, son generalizaciones del caso que se da cuando ambas
muestras poseen igual tamao (sustituyendo n por n1 y n2).
es un estimador de la desviacin estndar comn de ambas muestras: esto se define as
para que su cuadrado sea un estimador sin sesgo de la varianza comn sea o no la media
iguales. En esta frmula, n = nmero de participantes, 1 = grupo uno, 2 = grupo dos. n 1 es el
nmero de grados de libertad para cada grupo, y el tamao muestral total menos dos (esto
es, n1 + n2 2) es el nmero de grados de libertad utilizados para la prueba de significancia.
Diferentes tamaos muestrales, diferentes varianzas
Esta prueba es tambin conocida como prueba t de Welch y es utilizada nicamente cuando se
puede asumir que las dos varianzas poblacionales son diferentes (los tamaos muestrales
pueden o no ser iguales) y por lo tanto deben ser estimadas por separado. El estadstico t a
probar cuando las medias poblacionales son distintas puede ser calculado como sigue:
donde
no es la
1 Juan35 250
1Joana36 340
Miguel
35%
67%
2Jesica21 200
50%
46%
Melanie
Melisa
90%
86%
Michell
78%
91%
Ejemplos desarrollados
Sea A1 denotando un grupo obtenido tomando 6 muestras aleatorias a partir de un grupo mayor:
Estos podran ser, por ejemplo, los pesos de tornillos elegidos de un montn.
Vamos a llevar a cabo la prueba de hiptesis contando como hiptesis nula de que la media de
las poblaciones de las cuales hemos tomado las muestras son iguales.
La diferencia entre las dos medias de muestras, cada uno denotado por
, la cual aparece en
La desviaciones estndar muestrales para las dos muestras son aproximadamente 0,05 y 0,11
respectivamente. Para muestras tan pequeas, una prueba de igualdad entre las varianzas de
las dos poblaciones no es muy poderoso. Pero ya que los tamaos muestrales son iguales, las
dos formas de las dos pruebas t se pueden desarrollar en forma similar en este ejemplo.
Varianzas desiguales
Si se decide continuar con el enfoque para varianzas desiguales (discutido anteriormente), los
resultados son
Varianzas iguales
Si se sigue el enfoque para varianzas iguales (discutido anteriormente), los resultados son
y
Ya que el tamao de las muestras es igual (ambas tienen 6 elementos), el resultado de la prueba
estadstica es nuevamente un valor que se aproxima a 1.959. Debido a que los grados de
libertad son diferentes de la prueba para varianzas desiguales, los valores P difieren ligeramente
de los obtenidos un poco ms arriba. Aqu el valor p para la prueba de dos colas es
aproximadamente 0,078, y el valor p para una cola es aproximadamente 0,039. As, si hubiera
una buena razn para creer que las varianzas poblacionales son iguales, los resultados seran
algo ms sugerentes de una diferencia en los pesos medios de las dos poblaciones de tornillos.
Alternativas a la prueba t para problemas de locacin
La prueba t provee un mecanismo exacto para evaluar la igualdad entre las medias de dos
poblaciones que tengan varianzas iguales, aunque el valor exacto de las mismas sea
desconocido. El test de Welch es una prueba aproximadamente exacta para el caso en que los
datos poseen una distribucin normal, pero las varianzas son diferentes. Para muestras
moderadamente grandes y pruebas de una cola, el estadstico t es moderadamente robusto a las
violaciones de la asuncin de normalidad.
Para ser exactos tanto las pruebas t como las z requiere que las medias de las muestras sigan
una distribucin normal, y la prueba t adicionalmente requiere que la varianza de las muestras
siga una distribucin Chi-cuadrado (2), y que la media muestral y la varianza muestral sean
estadsticamente independientes. La normalidad de los valores individuales de los datos no es
un requisito para que estas condiciones se cumplan. Por el teorema del lmite central, las medias
muestrales de muestras moderadamente grandes tambin aproximan una distribucin normal,
incluso si los datos individuales no estn normalmente distribuidos. Para datos no normales, la
distribucin de la varianza muestral puede desviarse sustancialmente de una distribucin 2. Sin
embargo, si el tamao muestral es grande, el teorema de Slutsky indica que la distribucin de las
varianzas muestrales ejerce un efecto muy pequeo en la distribucin de la prueba estadstica.
Si los datos son substancialmente no normales, y el tamao muestral es pequeo, la
prueba t puede entregar resultados equivocados.
Cuando la asuncin de normalidad no se sostiene, una alternativa no paramtrica a la
prueba t puede ofrecer un mejor poder estadstico. Por ejemplo, para dos muestras
independientes cuando la distribucin de datos es asimtrica (esto es, que la distribucin
est sesgada) o la distribucin tiene colas muy grandes, entonces el test de suma de posiciones
(ranks) de Wilcoxon (conocido tambin como prueba U de Mann-Whitney) puede tener de tres a
cuatro veces mayor poder estadstico que una prueba t.
La contraparte no paramtrica a la prueba t de muestras apareadas es la prueba Wilcoxon de
suma de posiciones con signo para muestras pareadas. Para una discusin sobre cuando hacer
una eleccin entre las alternativas t y no paramtricos, consulte a Sawilowsky.
El anlisis de varianza "one-way" generaliza la prueba t de dos muestras para casos donde los
datos pertenecen a ms que dos grupos.
Pruebas multivariadas
Una generalizacin del estadstico t de Student llamada estadstico t cuadrado de Hotelling,
permite la comprobacin de hiptesis en mltiples (y a menudo correlacionadas) mediciones de
la misma muestra. Por ejemplo, un investigador puede presentar un nmero de sujetos a un test
de mltiples escalas de personalidad (p.ej el de cinco grandes rasgos de personalidad). Debido a
que las medidas de este tipo suelen estar muy correlacionadas, no es aconsejable llevar a cabo
varias pruebas univariadas, ya que esto supondra descuidar la covarianza entre las medidas e
inflar la probabilidad de rechazar falsamente al menos una hiptesis (error de tipo I). En este
caso una nica prueba mltiple es preferible para llevar a cabo las pruebas de hiptesis. El
estadstico t de Hosteling sigue una distribucin T 2, sin embargo en la prctica, esta distribucin
se utiliza muy raramente, y en cambio se suele convertir en una distribucin de tipo F.
Prueba T 2 monomuestral
Para una prueba multivariable de unica muestra, la hiptesis es que el vector medio ( ) es igual
a un vector (
Prueba T 2 bimuestral
Para un test multivariable de dos muestras, la hiptesis es que los vectores medios (
las dos muestras son iguales. La prueba estadstica se define como:
) de