Vous êtes sur la page 1sur 12

Prueba t de Student De Wikipedia, la enciclopedia libre Saltar a: navegacin, bsqueda En estadstica, una prueba t de Student, prueba t-Student, o Test-T

es cualquier prueba en la que el estadstico utilizado tiene una distribucin t de Student si la hiptesis nula es cierta. Se aplica cuando la poblacin estudiada sigue una distribucin normal pero el tamao muestral es demasiado pequeo como para que el estadstico en el que est basada la inferencia est normalmente distribuido, utilizndose una estimacin de la desviacin tpica en lugar del valor real. Es utilizado en anlisis discriminante.
o

[editar] 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.1 2 3 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.2 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.4 [editar] Usos Entre los usos mas 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.

[editar] Formula

La mayor parte de las pruebas estadsticas t tienen la forma , donde Z y s son funciones 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 verdadera), mientras que s es un parmetro de escala que permite que la distribucin de T pueda ser determinada.

Por ejemplo, en una prueba t de muestra nica, , donde es la media muestral de los datos, n es el tamao muestral, y es la desviacin estndar de la poblacin de datos; s en una prueba de muestra nica es muestral. Las asunciones subyacentes en una prueba t son:

, donde es la desviacin estndar

Que Z sigue una distribucin normal bajo la hiptesis nula. ps2 sigue una distribucin 2 con p grados de libertad bajo la hiptesis nula, y donde p es una constante positiva. Z y s son estadsticamente independientes.

En una prueba t especfica, estas condiciones son consecuencias de la poblacin que est siendo estudiada, y de la forma en que los datos han sido muestreados. Por ejemplo, en la prueba t de comparacin de medias de dos muestras independientes, deberamos realizar las siguientes asunciones:

Cada una de las dos poblaciones que estn siendo comparadas sigue una distribucin normal. Esto puede ser demostrado utilizando una prueba de normalidad, tales como una prueba Shapiro-Wilk o Kolmogrov-Smirnov, o puede

ser determinado grficamente por medio de un grfico de cuantiles normales Q-Q plot.

Si se est utilizando la definicin original de Student sobre su prueba t, las dos poblaciones a ser comparadas deben poseer las mismas varianzas, (esto se puede comprobar utilizando una prueba F de igualdad de varianzas, una prueba de Levene, una prueba de Bartlett, o una prueba de Brown-Forsythe, o estimarla grficamente por medio de un grfico Q-Q plot). Si los tamaos muestrales de los dos grupos comparados son iguales, la prueba original de Student es altamente resistente a la presencia de varianzas desiguales.7 la Prueba de Welch es insensible a la igualdad de las varianzas, independientemente de si los tamaos de muestra son similares. Los datos usados para llevar a cabo la prueba deben ser muestreados independientemente para cada una de las dos poblaciones que se comparan. Esto en general no es posible determinarlo a partir de los datos, pero si se conoce que los datos han sido muestreados de manera dependiente (por ejemplo si fueron muestreados por grupos), entonces la prueba t clsica que aqu se analiza, puede conducir a resultados errneos.

[editar] Pruebas t para dos muestras apareadas y desapareadas 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]. En un contexto diferente, las pruebas-t apareadas pueden utilizarse para reducir los efectos de los factores de confusin en un estudio observacional. [editar] 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.

[editar] 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.8 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. [editar] 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. [editar] 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 es la media muestral, s es la desviacin estndar muestral y n es el tamao de la muestra. Los grados de libertad utilizados en esta prueba se corresponden al valor n 1.

[editar] Pendiente de una regresin lineal Supngase que se est ajustando el modelo:

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:

puede ser reescrito en trminos de los residuales:

Luego

se encuentra dado por:

[editar] Prueba t para dos muestras independientes [editar] Iguales tamaos muestrales, iguales varianzas Esta prueba se utiliza slamente cuando:

los dos tamaos muestrales (esto es, el nmero, n, de participantes en cada grupo) son iguales; se puede asumir que las dos distribuciones poseen la misma varianza.

Las violaciones a estos presupuestos se discuten mas abajo. El estadstico t a probar si las medias son diferentes se puede calcular como sigue:

Donde

Aqu es la desviacin estndar combinada, 1 = grupo uno, 2 = grupo 2. El denominador de t es el error estndar de la diferencia entre las dos medias. Por prueba de significancia, los grados de libertad de esta prueba se obtienen como 2n 2 donde n es el nmero de participantes en cada grupo.

[editar] Diferentes tamaos muestrales, iguales varianzas Esta prueba se puede utilizar nicamente si se puede asumir que las dos distribuciones poseen la misma varianza. (Cuando este presupuesto se viola, mirar mas 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 comun 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. [editar] 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

Aqu s2 es el estimador sin sesgo de la varianza de las dos muestras, n = nmero de participantes, 1 = grupo uno, 2 = grupo dos. Ntese que en este caso, no es la varianza combinada. Para su utilizacin en pruebas de significancia, la distribucin de este estadstico es aproximadamente igual a una distribucin t ordinaria con los grados de libertad calculados segn:

Esta ecuacin es llamada la ecuacin WelchSatterthwaite. Ntese que la verdadera distribucin de este estadstico de hecho depende (ligeramente) de dos varianzas desconocidas. [editar] Prueba t dependiente para muestras apareadas Esta prueba se utiliza cuando las muestras son dependientes; esto es, cuando se trata de una nica muestra que ha sido evaluada dos veces (muestras repetidas) o cuando las dos muestras han sido emparejadas o apareadas. Este es un ejemplo de un test de diferencia apareada.

Para esta ecuacin, la diferencia entre todos los pares tiene que ser calculada. Los pares se han formado ya sea con resultados de una persona antes y despus de la evaluacin o entre pares de personas emparejadas en grupos de significancia (por ejemplo, tomados de la misma familia o grupo de edad: vase la tabla). La media (XD) y la desviacin estndar (sD) de tales diferencias se han utilizado en la ecuacin. La constante 0 es diferente de cero si se desea probar si la media de las diferencias es significativamente diferente de 0. Los grados de libertad utilizados son n 1. Ejemplo de pares emparejados Par 1 Nombre Juan Edad 35 Test 250

Ejemplo de muestras repetidas Nmero Nombre Test 1 Test 2 1 2 3 4 Miguel 35% 67% 46% 86% 91%

1 2 2

Joana Jaimito Jesica

36 22 21

340 460 200

Melanie 50% Melisa Michell 90% 78%

[editar] Ejemplos desarrollados Sea A1 denotando un grupo obtenido tomando 6 muestras aleatorias a partir de un grupo mayor:

y sea A2 denotando un segundo grupo obtenido de manera similar:

Estos podran ser, por ejemplo, los pesos de tornillos elegidos de un montn. Vamos a llevar a cabo la prueba de hiptesis contando cmo 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 el numerador en todos los enfoques de dos muestras discutidas anteriormente, es

La desviacines 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.

[editar] Varianzas desiguales Si se decide continuar con el enfoque para varianzas desiguales (discutido anteriormente), los resultados son

El resultado de la prueba estadstica es aproximadamente 1,959. El valor P para la prueba de dos colas da un valor aproximado de 0,091 y el valor P para la prueba de una cola es aproximadamente 0,045.

[editar] Varianzas iguales Si se sigue el enfoque para varianzas iguales (discutido anteriormente), los resultados son

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 mas 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. [editar] 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.9 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 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 distribudos. 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.9 10 11 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.12 El anlisis de varianza "one-way" generaliza la prueba t de dos muestras para casos donde los datos pertenecen a mas que dos grupos. [editar] 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 razgos 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. [editar] Prueba T 2 monomuestral Para una prueba multivariable de unica muestra, la hiptesis es que el vector medio ( ) es igual a un vector ( ) dado. La prueba estadstica se define como:

Donde n es el tamao muestral, es el vector de columnas medio y una matriz de covarianza muestral . [editar] Prueba T 2 bimuestral Para un test multivariable de dos muestras, la hiptesis es que los vectores medios ( ) de las dos muestras son iguales. La prueba estadstica se define como: ,