Un "error" muy difundido es el de creer que si el tamaño de muestra es inferior a 30 se debe usar una t de Student y que si es mayor a 30 se usa la normal. La realidad es que el uso de la t depende de si se conoce o no la verdadera varianza. Como ésta no se conoce nunca, siempre se debe usar la distribución t para construir los intervalos (que no intérvalos) de confianza. Es cierto que la sucesión de funciones t de Student converge a la normal estándar y podría pensarse que esa convergencia justifica la sustitución de la t por la normal. La verdad es que las cosas son al revés: Cuando no se conoce la varianza poblacional (Sigma2) el cuantil z debe ser sustituído por t(n-1) y la varianza desconocida por la varianza estimada S2. En mi opinión, este error se origina en el hecho de que las antiguas tablas estadísticas llegaban en la mayoría de los caso hasta la t30, debido a las dificultades de cálculo que muy seguramente se hacía a mano, ya que ellas fueron elaboradas cuando aún no existían los computadores. Hoy en día, ya no hay excusas para no usar una t con cualquier número de grados de libertad. Un simple ejercicio de verificación con cualquier programa que calcule probabilidades, muestra que incluso una t500 no ésta mucho más cerca de la normal que una t29, por ejemplo. Eso de PEQUEÑAS y GRANDES muestras me parece traído de los cabellos y solo contribuye a complicar algo que de por sí es muy simple. No quiero con esto demeritar el trabajo presentado en este video. Al contrario, me parecen loables estos trabajos que contribuyen a la educación estadística. Solo pretendo introducir un punto de reflexión y formular una invitación a tener una mirada crítica con muchos de los temas que aprendemos en los libros corrientes de estadística que muchas veces no tienen en cuenta los fundamentos teóricos de la misma.
Claro que si profe, le agradezco el seguimiento que hace en su comentario a mi video, es una invitación a profundizar en la teoria y en la actualización bibliografica. (Y)
Se nota que te gusta mucho lo que explicas que bien campeón 😊
Muchisimas gracias, hermano. Acabas de ganar un suscriptor.
Mil gracias, excelente explicación.
🎉🎉 me salvaste del parcial
Muchísimas gracias por la ayuda, me acabas de salvar un trabajo del Máster jajaja
Excelente explicación. @El Dominio me facilita el aprendizaje. Gracias parcero por sus videos.
Que bien te desempeñas explicando, quiero que así explique mi profesor en la U! Jaja 🥳
¿Podrías explicar números racionales?
Firma suba más contenido de Rstudio, enseñe a manejarlo de el absoluto 0
Un "error" muy difundido es el de creer que si el tamaño de muestra es inferior a 30 se debe usar una t de Student y que si es mayor a 30 se usa la normal. La realidad es que el uso de la t depende de si se conoce o no la verdadera varianza. Como ésta no se conoce nunca, siempre se debe usar la distribución t para construir los intervalos (que no intérvalos) de confianza. Es cierto que la sucesión de funciones t de Student converge a la normal estándar y podría pensarse que esa convergencia justifica la sustitución de la t por la normal. La verdad es que las cosas son al revés: Cuando no se conoce la varianza poblacional (Sigma2) el cuantil z debe ser sustituído por t(n-1) y la varianza desconocida por la varianza estimada S2. En mi opinión, este error se origina en el hecho de que las antiguas tablas estadísticas llegaban en la mayoría de los caso hasta la t30, debido a las dificultades de cálculo que muy seguramente se hacía a mano, ya que ellas fueron elaboradas cuando aún no existían los computadores. Hoy en día, ya no hay excusas para no usar una t con cualquier número de grados de libertad. Un simple ejercicio de verificación con cualquier programa que calcule probabilidades, muestra que incluso una t500 no ésta mucho más cerca de la normal que una t29, por ejemplo. Eso de PEQUEÑAS y GRANDES muestras me parece traído de los cabellos y solo contribuye a complicar algo que de por sí es muy simple. No quiero con esto demeritar el trabajo presentado en este video. Al contrario, me parecen loables estos trabajos que contribuyen a la educación estadística. Solo pretendo introducir un punto de reflexión y formular una invitación a tener una mirada crítica con muchos de los temas que aprendemos en los libros corrientes de estadística que muchas veces no tienen en cuenta los fundamentos teóricos de la misma.
Claro que si profe, le agradezco el seguimiento que hace en su comentario a mi video, es una invitación a profundizar en la teoria y en la actualización bibliografica. (Y)
Dominio (y)