Calculadora de valor crítico (t*)

¿Qué es un valor t crítico?

Un valor t crítico (t*) es el umbral de la distribución t usado para intervalos de confianza y pruebas de hipótesis cuando la desviación estándar poblacional es desconocida. A diferencia de los valores z críticos, t* depende tanto del nivel de confianza como de los grados de libertad.

Para un intervalo de confianza del 95% con 10 grados de libertad, t* = 2,228. Con 30 grados de libertad, t* = 2,042. A medida que los grados de libertad aumentan, t* se aproxima a z* (1,96 para 95%).

¿Por qué usar la distribución t?

Al construir intervalos de confianza o probar hipótesis, usualmente no conocemos la desviación estándar poblacional σ. La estimamos usando la desviación estándar muestral s.

Esta estimación añade incertidumbre. La distribución t considera esta incertidumbre extra al tener colas más pesadas que la distribución normal. El resultado: intervalos de confianza más anchos y valores críticos más altos—reflejando apropiadamente nuestro conocimiento limitado.

El rol de los grados de libertad

Los grados de libertad (gl) típicamente igualan n - 1 para problemas de una muestra, donde n es el tamaño de muestra.

Menor gl → colas más pesadas → mayor t*

Con gl = 5, el valor crítico del 95% es 31% mayor que z* = 1,96. Con gl = 30, es solo 4% mayor.

Valores t críticos comunes

95% de confianza (bilateral)

99% de confianza (bilateral)

Aplicaciones

Intervalo de confianza para la media

$IC = \bar{x} \pm t^* \times \frac{s}{\sqrt{n}}$

El valor $t^*$ depende de $gl = n - 1$ y el nivel de confianza.

Prueba t de una muestra

$t = \frac{\bar{x} - \mu_0}{s/\sqrt{n}}$

Compara |t| con t* con gl = n - 1 para determinar significancia.

Prueba t de dos muestras

Para muestras independientes:

• Combinada: gl = n₁ + n₂ - 2
• Welch: gl calculado por fórmula (a menudo no entero)

Prueba t pareada

gl = n - 1, donde n es el número de pares.

Regresión

Para probar coeficientes individuales, gl = n - k - 1, donde k es el número de predictores.

Bilateral vs. unilateral

Bilateral

Prueba cualquier diferencia (positiva o negativa):

• 95% de confianza: 2,5% en cada cola
• t* es el valor con 2,5% del área arriba

Unilateral

Prueba en una dirección específica:

• 95% de confianza: 5% en una cola
• t* es el valor con 5% del área arriba

El t* unilateral es menor que el t* bilateral para el mismo nivel de confianza.

Desarrollo histórico

William Sealy Gosset desarrolló la distribución t en 1908 mientras trabajaba en la Cervecería Guinness en Dublín. Necesitaba analizar muestras pequeñas de cebada, donde la aproximación normal era inadecuada.

Publicando bajo el seudónimo "Student" (de ahí "distribución t de Student"), Gosset demostró que las desviaciones estándar muestrales siguen una distribución específica, llevando a la distribución t para inferencia.

Ronald Fisher posteriormente refinó la teoría, introduciendo los grados de libertad e integrando la distribución t en su marco más amplio de inferencia estadística.

Antes del trabajo de Gosset, los intervalos de confianza y las pruebas requerían muestras grandes. Su contribución permitió inferencia rigurosa para muestras pequeñas—crucial para agricultura, medicina y control de calidad.

Cuándo usar t* vs. z*

Usa t cuando:*

• La desviación estándar poblacional es desconocida (casi siempre)
• El tamaño de muestra es pequeño (n < 30)

Usa z cuando:*

• La desviación estándar poblacional es conocida (raro)
• El tamaño de muestra es muy grande (n > 100)—t* ≈ z*
• Problemas de proporciones (distribución diferente)

En la práctica, t* es apropiado para la mayoría de problemas que involucran medias. El trabajo extra es mínimo, y nunca está mal usar t* incluso para muestras grandes.

Grados de libertad para diferentes pruebas

Grados de libertad no enteros

La prueba t de Welch produce gl no enteros:

$gl = \frac{(s_1^2/n_1 + s_2^2/n_2)^2}{\frac{(s_1^2/n_1)^2}{n_1-1} + \frac{(s_2^2/n_2)^2}{n_2-1}}$

Esta calculadora maneja gl no enteros por interpolación o cálculo directo desde la distribución t.

t* y planificación del tamaño de muestra

Para un intervalo de confianza con ancho especificado:

$n \approx \left(\frac{t^* \times s}{E}\right)^2$

Donde E es el margen de error deseado.

El problema: t* depende de n (a través de gl). Solución: iterar o usar z* para estimación inicial.

Cálculos relacionados

• Calculadora de valor crítico (z*) — Muestra grande/σ conocida
• Calculadora de distribución T — Probabilidades completas de distribución t
• Intervalo de confianza para la media — Usa t*
• IC para diferencia de medias — Usa t*
• Calculadora de error estándar — Contexto del denominador

Resumen

Los valores t críticos son los umbrales de la distribución t de Student usados cuando la desviación estándar poblacional es desconocida—que es casi todas las aplicaciones reales. A diferencia de z*, t* depende de los grados de libertad: muestras más pequeñas producen valores t* más grandes, produciendo intervalos de confianza apropiadamente más anchos. A medida que el tamaño de muestra crece, t* se aproxima a z*. Para cualquier inferencia que involucre medias con varianza poblacional desconocida, t* proporciona el valor crítico correcto para intervalos de confianza y pruebas de hipótesis.