ETFFIN Finance >> Curso de Finanzas Personales >  >> Acciones >> Análisis de Acciones

Distribución T de Student: Definición, Propiedades y Usos en Estadística

¿Qué es una distribución T?

La distribución T, también conocida como distribución t de Student, es un tipo de distribución de probabilidad similar a la distribución normal con su forma de campana pero con colas más pesadas. Las distribuciones T tienen una mayor probabilidad de valores extremos que las distribuciones normales, de ahí las colas más gruesas.

Puntos clave

  • La distribución T es una distribución de probabilidad continua del puntuaje z cuando se usa la desviación estándar estimada en el denominador en lugar de la verdadera desviación estándar.
  • La distribución T, como la distribución normal, tiene forma de campana y es simétrica, pero tiene colas más pesadas, lo que significa que tiende a producir valores que caen lejos de su media.
  • Las pruebas T se usan en estadística para estimar la significancia.

¿Qué nos dice una distribución T?

La pesadez de las colas está determinada por un parámetro de la distribución T llamado grados de libertad, con valores menores dando colas más pesadas, y con valores mayores haciendo que la distribución T se asemeje a una distribución normal estándar con media 0 y desviación estándar 1. La distribución T también se conoce como "Distribución T de Student".

Distribución T de Student: Definición, Propiedades y Usos en Estadística
Imagen por Sabrina Jiang © Investopedia 2020

Cuando se toma una muestra de n observaciones de una población normalmente distribuida con media M y desviación estándar D, la media muestral, m, y la desviación estándar muestral, d, diferirán de M y D debido a la aleatoriedad de la muestra.

Un puntuaje z puede calcularse con la desviación estándar poblacional como Z = (x – M)/D, y este valor tiene la distribución normal con media 0 y desviación estándar 1. Pero al usar la desviación estándar estimada, se calcula un puntuaje t como T = (m – M)/{d/sqrt(n)}, la diferencia entre d y D hace que la distribución sea una distribución T con (n - 1) grados de libertad en lugar de la distribución normal con media 0 y desviación estándar 1.

Ejemplo de cómo usar una distribución T

Tome el siguiente ejemplo de cómo se usan las distribuciones T en análisis estadístico. Primero, recuerde que un intervalo de confianza para la media es un rango de valores, calculado a partir de los datos, destinado a capturar una media "poblacional". Este intervalo es m ± t*d/sqrt(n), donde t es un valor crítico de la distribución T.

Por ejemplo, un intervalo de confianza del 95 % para la rentabilidad media del Dow Jones Industrial Average en los 27 días de negociación previos al 11/09/2001, es -0,33 %, (± 2,055) * 1,07 / sqrt(27), dando una media de rentabilidad (persistente) como algún número entre -0,75 % y +0,09 %. El número 2,055, la cantidad de errores estándar para ajustar, se encuentra en la distribución T.

Debido a que la distribución T tiene colas más gruesas que una distribución normal, puede usarse como modelo para rentabilidades financieras que exhiben curtosis excesiva, lo que permitirá un cálculo más realista del Valor en Riesgo (VaR) en tales casos.

Diferencia entre una distribución T y una distribución normal

Las distribuciones normales se usan cuando se asume que la distribución poblacional es normal. La distribución T es similar a la distribución normal, solo que con colas más gruesas. Ambas asumen una población normalmente distribuida. Las distribuciones T tienen mayor curtosis que las distribuciones normales. La probabilidad de obtener valores muy lejos de la media es mayor con una distribución T que con una distribución normal.

Limitaciones del uso de una distribución T

La distribución T puede sesgar la exactitud relativa a la distribución normal. Su deficiencia solo surge cuando hay necesidad de normalidad perfecta. La distribución T solo debe usarse cuando la desviación estándar poblacional no se conoce. Si la desviación estándar poblacional se conoce y el tamaño de la muestra es lo suficientemente grande, la distribución normal debería usarse para mejores resultados.