La distribución t de Student aparece cuando trabajas con una muestra y no conoces la desviación típica de la población, algo muy habitual en estadística inferencial. En ese contexto, la tabla adecuada no sirve para decorar el ejercicio, sino para elegir el valor crítico correcto y decidir si un resultado es suficiente o no. Yo la explico siempre con la misma idea: primero entiendes qué representa, luego aprendes a leer sus columnas y al final la aplicas a intervalos de confianza o pruebas de hipótesis.
Lo esencial en pocas líneas
- La tabla t de Student se usa sobre todo cuando la muestra es pequeña y la desviación típica poblacional es desconocida.
- Lo importante no es memorizar números, sino saber leer grados de libertad, cola unilateral o bilateral y nivel de significación.
- Cuantos más grados de libertad tengas, más se parece la t a la distribución normal o z.
- Un error típico en examen es confundir el valor crítico con el p-valor o leer la columna equivocada.
- Con una rutina de tres pasos, la tabla deja de ser un muro de números y se convierte en una herramienta rápida.
Qué representa la distribución t y por qué aparece en tus ejercicios
La t de Student no nace para complicarte la vida; nace para corregir la incertidumbre extra que aparece cuando estimas la variabilidad con la propia muestra. En lenguaje llano, si no conoces la desviación típica poblacional, tu estadístico tiene más dispersión de la que tendría una z, y por eso la distribución t tiene colas más gruesas y cambia según los grados de libertad.
El NIST lo resume con una idea muy útil: la tabla se usa para contrastes de una y de dos colas, y los valores críticos dependen de α y de los grados de libertad. Yo me quedo con tres rasgos que no conviene olvidar:
- Es simétrica alrededor de cero.
- Tiene colas más pesadas que la normal cuando los grados de libertad son pocos.
- Se parece cada vez más a la z a medida que crece la muestra.
En ejercicios básicos, lo normal es usar n - 1 para una sola muestra; en dos muestras independientes y con varianzas iguales, suele aparecer n1 + n2 - 2; y en muestras apareadas vuelves a n - 1 porque trabajas con las diferencias. No hace falta memorizar mucho más para la mayoría de exámenes introductorios. Con esa base, ya tiene sentido pasar a la lectura práctica de la tabla.
Cómo leer la tabla t de Student sin confundirte
Lo más importante aquí es no mezclar formatos. Hay tablas que muestran probabilidad acumulada, otras usan área de cola derecha y otras ya te dan directamente el valor crítico; el número final puede ser el mismo, pero la columna que miras cambia.- Decide si el contraste es unilateral o bilateral.
- Calcula los grados de libertad.
- Busca la columna de α o de 1 - α/2, según el caso.
- Lee el cruce con la fila de tus grados de libertad.
- Compara el valor t calculado con el valor crítico.
| Grados de libertad | t crítico para una prueba bilateral con α = 0,05 |
|---|---|
| 1 | 12,706 |
| 2 | 4,303 |
| 5 | 2,571 |
| 10 | 2,228 |
| 20 | 2,086 |
| 30 | 2,042 |
| ∞ | 1,960 |
La lectura de esta tabla cuenta una historia muy clara: con pocos grados de libertad, el valor crítico es grande; con muchos, se aproxima a la normal. Ese detalle es lo que más ayuda a no memorizar números a ciegas. Si el ejercicio es de dos colas y te dan α = 0,05, en realidad buscas la columna de 0,975 o la de 0,025 en cola derecha, según cómo esté construida la tabla. Ahí es donde muchos fallan, porque confunden el nivel de significación con el área que deja cada cola.
Una tabla puede estar escrita de forma distinta, pero la lógica no cambia: primero interpretas la pregunta, después localizas la fila y la columna correctas, y al final tomas la decisión. Esa secuencia es la que evita casi todos los errores.
Cuándo usarla y cuándo conviene la z
Yo separo esta decisión en dos preguntas: ¿conozco la desviación típica poblacional? y ¿la muestra es lo bastante grande como para que t y z prácticamente coincidan? Si la respuesta a la primera es no, la t es la elección natural. Si la primera es sí, la z puede ser suficiente; y si además la muestra es grande, la diferencia entre ambas se vuelve pequeña.
| Situación | Qué suele usarse | Idea práctica |
|---|---|---|
| Desviación típica poblacional desconocida y muestra pequeña | t de Student | Es el caso típico de intervalos de confianza y pruebas t. |
| Desviación típica poblacional conocida | z | La variabilidad ya no se estima con la muestra. |
| Muestra grande y σ desconocida | t o aproximación a z | La diferencia suele ser pequeña, pero la t sigue siendo la opción segura. |
| Muestra pequeña con datos muy sesgados o con valores extremos | Revisar supuestos | La tabla no arregla un mal diseño muestral. |
JMP lo recuerda bien: cuanto más crecen los grados de libertad, más se parece la t a la normal. En cursos introductorios, muchas veces se enseña que con 30 o más observaciones la diferencia ya es mínima; esa es la idea práctica que te ayuda a orientarte sin simplificar de más. Aun así, yo no convertiría esa regla en dogma: si el enunciado te pide t, usa t; si trabajas con una desviación típica desconocida, no fuerces una z por comodidad.
La parte importante es entender que la elección no depende de una preferencia personal, sino del tipo de información que tienes. Y esa diferencia se ve muy bien cuando haces un ejemplo completo.
Un ejemplo numérico que puedes repetir en examen
Vamos con un caso sencillo. Supón una muestra de 16 estudiantes, una media de 52 puntos y una desviación típica muestral de 8. Quieres un intervalo de confianza del 95 % para la media poblacional.
- Grados de libertad: 16 - 1 = 15.
- Valor crítico: en la fila 15 y la columna bilateral de 0,05 buscas t = 2,131.
- Error estándar: 8 / √16 = 2.
- Margen de error: 2,131 × 2 = 4,262.
- Intervalo de confianza: 52 ± 4,262 = [47,738; 56,262].
Si el mismo conjunto de datos se usara para una prueba de hipótesis bilateral con H0: μ = 50, el estadístico sería t = (52 - 50) / 2 = 1,00. Como 1,00 queda muy por debajo de 2,131, no tendrías base suficiente para rechazar H0 al 5 %.
Si el contraste fuera unilateral, el valor crítico sería menor; para df = 15 y α = 0,05, la referencia es 1,753. Por eso no conviene leer una tabla de dos colas como si fuera una de una sola cola. Ese cambio, aunque parezca pequeño, cambia la conclusión del ejercicio.
Ese contraste entre intervalo y prueba ayuda mucho en examen: la tabla no cambia, lo que cambia es la pregunta que te hace el enunciado. Y justo por eso conviene vigilar los fallos más comunes antes de entregar.
Errores que suelen bajar la nota
- Confundir una y dos colas: en bilateral, la significación se reparte; en unilateral, no. Si lees la columna equivocada, todo el resultado se desplaza.
- Usar mal los grados de libertad: en una muestra suele ser n - 1, pero en muestras apareadas o en dos muestras independientes la fórmula cambia.
- Tomar el valor crítico por el p-valor: uno sirve para comparar, el otro para medir evidencia. No son intercambiables.
- Leer la columna equivocada: algunas tablas trabajan con cola derecha, otras con probabilidad acumulada. El número es el mismo, pero la referencia cambia.
- Olvidar los supuestos: independencia, ausencia de sesgo extremo y una distribución razonablemente compatible con el método importan más de lo que parece.
La experiencia me dice que la mayoría de errores no vienen de la fórmula, sino de la interpretación. En un ejercicio bien planteado, la tabla t no debería ser una trampa; la trampa suele estar en no traducir bien el enunciado a la columna correcta. Si corriges eso, tus resultados mejoran más de lo que imaginas.
Con esas trampas detectadas, ya solo falta una rutina rápida para no perder tiempo el día del examen.
La regla rápida que yo aplicaría antes de entregar
- Primero, identifica si el contraste o intervalo es unilateral o bilateral.
- Después, calcula los grados de libertad con la fórmula que toque.
- Luego, confirma si tu tabla trabaja con cola derecha, cola izquierda o probabilidad acumulada.
- Busca la intersección entre la fila y la columna correctas, sin saltarte ningún ajuste de α.
- Por último, interpreta el valor dentro del contexto del problema, no como un número aislado.
Si yo tuviera que memorizar solo unas pocas referencias, me quedaría con 1, 2, 10 y 30 grados de libertad, porque muestran muy bien cómo cae el valor crítico a medida que crece la muestra. Con esa intuición, la tabla deja de parecer un muro de números y pasa a ser una ayuda real para resolver ejercicios de estadística y probabilidad con orden, precisión y menos improvisación.
