Generador de números aleatorios con distribución t de Student

Generador de números aleatorios con distribución t de Student

Emergente AI Skill PRO

Ingresar cálculo

Fórmula

T=Z·vXdonde{Z∼N(0,1)X∼χv2=Gamma(v2,2)N=Cantidadvalores\begin{gathered} T = Z \cdot \sqrt{\dfrac{\text{v}}{X}} \\[1.5em] \text{donde}\quad \left\{ \begin{aligned} Z &\sim \mathcal{N}(0,\,1) \\ X &\sim \chi^{2}_{\text{v}} = \text{Gamma}\!\left(\tfrac{\text{v}}{2},\, 2\right) \\ N &= \text{Cantidad}\ \text{valores} \end{aligned} \right. \end{gathered}
Estadísticas de uso

Publicidad

Resultados

Valores aleatorios generados
0.7019852164, 0.2479005962, 1.631005566, -0.9197705596, -6.346077473, -0.5775014201, -0.4197439904, 4.934864975, -0.5578414728, 1.751887043
Muestras de la distribución t de Student
Cantidad generada 10
Grados de libertad (v) 2
Media muestral 0,044671

Informar de un error en esta página

Qué hace esta herramienta

Este generador produce una lista de números pseudoaleatorios extraídos de una distribución t de Student con un número de grados de libertad (v) que tú decides. La distribución t tiene forma de campana y es simétrica, pero presenta colas más pesadas que la normal estándar. Aparece de forma natural al estimar la media de una población con distribución normal a partir de una muestra pequeña con varianza desconocida, y es la base de la prueba t y de los intervalos de confianza. A medida que v crece, la distribución t converge hacia la normal estándar \(\mathcal{N}(0,1)\). Se trata de una herramienta puramente matemática, sin supuestos regionales de ningún tipo.

Cómo utilizarla

Introduce los grados de libertad v (cualquier número real mayor que 0; el valor predeterminado es 2) y la cantidad de valores aleatorios que necesitas (un entero entre 1 y 1000; el valor predeterminado es 10). Pulsa calcular y obtendrás una nueva lista de muestras con distribución t. Como las extracciones uniformes subyacentes son aleatorias, cada ejecución te dará números distintos, pero todos seguirán siempre la misma distribución objetivo.

Histograma de muestras generadas que se aproxima a una curva suave de la distribución t
Las muestras generadas forman un histograma que se aproxima a la forma de campana de la distribución t.

La fórmula explicada

La densidad es \(f(x,v) = (1 + x^{2}/v)^{-(v+1)/2}\) dividida entre \(\sqrt{v}\,B(1/2,\ v/2)\), donde \(B\) es la función Beta. Para muestrear de forma eficiente recurrimos a la representación clásica: se extrae \(Z\) de una normal estándar y \(C\) de una chi-cuadrado con v grados de libertad; entonces

$$T = Z \cdot \sqrt{\frac{v}{C}}$$

sigue exactamente una distribución t. Internamente, \(Z\) se obtiene mediante la transformación de Box-Muller y \(C\) mediante un generador \(\text{Gamma}(v/2,\ 2)\) (Marsaglia-Tsang), válido para cualquier número real \(v > 0\).

Publicidad
Diagrama de flujo que muestra cómo una muestra normal y una muestra chi cuadrado se combinan para formar un valor con distribución t
Cada valor con distribución t combina una extracción normal estándar Z con una extracción chi cuadrado C escalada por los grados de libertad.

Ejemplo resuelto

Con \(v = 2\), supongamos que una ejecución da \(Z = 0{,}50\) y una extracción chi-cuadrado \(C = 1{,}20\). Entonces

$$T = 0{,}50 \cdot \sqrt{\frac{2}{1{,}20}} = 0{,}50 \cdot 1{,}29099 = 0{,}6455$$

Un segundo par \(Z = -1{,}10\), \(C = 3{,}00\) da \(T = -0{,}8982\), y un tercero \(Z = 0{,}20\), \(C = 0{,}40\) da \(T = 0{,}4472\). Estos tres valores ilustran una muestra para una cantidad = 3.

Publicidad
Curva en forma de campana de la distribución t de Student comparada con una curva normal, con colas más pesadas
La distribución t de Student (línea continua) tiene colas más pesadas que la distribución normal (línea discontinua), sobre todo con pocos grados de libertad.

Preguntas frecuentes

¿Por qué algunos valores son enormes? Para \(v \le 1\) la media no está definida y para \(v \le 2\) la varianza es infinita, así que las extracciones de gran magnitud son esperables; no son errores.

¿Por qué cambian los resultados en cada ejecución? Cada extracción utiliza nuevos números uniformes aleatorios, por lo que la lista varía cada vez aunque siga manteniendo la distribución t.

¿Y si v es muy grande? La distribución se comporta de manera casi idéntica a una normal estándar \(\mathcal{N}(0,1)\).

Última actualización:

Lo más popular en Matemáticas y Estadísticas

Ver todas las calculadoras de Matemáticas y Estadísticas