Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 58 Oposiciones Secundaria Matemáticas
Tema 58 Oposiciones Secundaria Matemáticas
Educacin Secundaria
magister
MATEMTICAS
POBLACIN Y MUESTRA. CONDICIONES DE REPRESENTATIVIDAD DE UNA
MUESTRA. TIPO DE MUESTREO. TAMAO DE UNA MUESTRA.
1. INTRODUCCIN
1.1. Localizacin
1.2. Objetivos y contenidos.
1.3. Indicaciones
2. CONSIDERACIONES GENERALES ACERCA DE LA ESTADSTICA.
2.1. Breve resea histrica acerca de la Estadstica.
2.2. Definicin de Estadstica. Fenmenos aleatorios.
3. POBLACIN, INDIVIDUO Y MUESTRA ALEATORIA DE UN FENMENO
ALEATORIO.
3.1. Poblacin e individuo de un fenmeno aleatorio.
3.2. Censo y marco de un fenmeno aleatorio.
3.3. Concepto de muestreo. Muestra y tamao muestral. Muestra representativa. Encuesta y
sesgos.
4. TIPOS DE MUESTREO.
4.1. Muestreo aleatorio o probabilstico.
4.2. Muestreo no aleatorio o no probabilstico.
5. ESTUDIO DE PARMETROS EN POBLACIONES Y MUESTRAS.
5.1. Media, varianza y desviacin tpica poblacional.
5.2. Muestra aleatoria simple.
5.3. Definicin de estimadores. Media, varianza y cuaivarianza muestral.
5.4. Propiedades de la media muestral.
5.5. Propiedades de la varianza y cuasi varianza muestral.
5.6. Relacin entre la media muestral y poblacional: La ley de los grandes nmeros.
5.7. El teorema central del lmite. Estimacin de la media poblacional a partir de intervalos de
confianza para tamaos muestrales elevados.
5.8. El concepto de valor esperado o esperanza matemtica
BIBLIOGRAFA
ESQUEMA RESUMEN
CUESTIONES
MELC S.A.
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
1. INTRODUCCIN
1.1. Localizacin
Este es un tema del bloque de Estadstica y Teora de Probabilidades que incluye bsicamente
los temas del 57 al 68 del temario. El tema que nos ocupa pertenece a la parte del bloque
dedicada a la estadstica.
En el pueden distinguirse varias partes:
2
www.magister.es
MATEMTICAS. Tema 58
1.3.
MELC S.A.
MAGISTER OPOSICIONES
Indicaciones
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
21. Introducir y demostrar la ley de los grandes nmeros. Explicar su importancia en relacin a
la media muestral y poblacional para muestras grandes.
22. Enunciar el teorema central del lmite y aplicar para la estimacin de la media poblacional
mediante intervalos de confianza para tamaos muestrales elevados.
23. Explicar el concepto de valor esperado o esperanza matemtica
Para la realizacin de una prueba escrita podr elaborarse un esquema similar al anterior. Sin
embargo dado que en general no ser posible desarrollar los contenidos con igual amplitud son
aconsejables las siguientes modificaciones:
Escribir el ttulo del tema destacado del resto al comienzo de la primera hoja del ejercicio.
Dividir el ejercicio en secciones en una forma similar a la que empleamos en el texto.
A continuacin del ttulo comenzar con la seccin de introduccin. En esa seccin
comenzar describiendo con brevedad la situacin del tema dentro del temario.
Dejar un espacio libre a continuacin para completar la introduccin al final del resto del
ejercicio. En ese espacio comentaremos finalmente, tambin con brevedad, los contenidos
que incluimos del tema.
Desarrollar el tema diferenciando claramente definiciones, listas de propiedades, teoremas
y comentarios generales.
Si no se recuerda con exactitud una demostracin (que se considere importante para el
desarrollo del tema) deberan incluirse algunos comentarios sobre el enunciado, y uno o
dos ejemplos ilustrativos.
Como norma general podra ser til a la hora de realizar el examen escrito empezar cada
seccin en una nueva hoja. De esta forma si hemos eliminado partes del desarrollo del tema
ser posible, si disponemos de tiempo, completar algunos aspectos antes de entregar el
ejercicio.
Otro aspecto muy importante en el ejercicio escrito es la presentacin. Sera recomendable
numerar los grficos y las tablas que se realicen (para poder referirnos a ellos en el texto) y
situarlos siempre al mismo lado de la hoja. Dentro de las posibilidades de cada cual, sera
tambin recomendable cuidar la escritura (letra clara, lneas de escritura ms o menos
paralelas, . . . ,etc.)
2.
4
www.magister.es
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
El clculo de probabilidades que nace en el siglo XVII como teora matemtica de los
juegos de azar (dados, barajas, lotera, etc.).
La "estadstica" (o ciencia del estado, del latn Status) que estudia la descripcin de datos y
tiene races muy antiguas (los primeros censos conocidos se remontan a los chinos,
realizados 2.000 aos a.J.C.).
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
3.1.
Poblacin objetivo o terica: Est formada por todos los individuos bajo el influjo del
fenmeno aleatorio.
6
www.magister.es
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
En muchas ocasiones, no es posible realizar un censo o marco por muy diferentes motivos, y
entre otros:
Es inviable desde un punto de vista econmico. El estudio de todos los individuos de una
poblacin, en tamaos grandes, puede constituir un problema costoso en tiempo, dinero,
etc. Que no estamos dispuestos a admitir.
Es inviable desde un punto de vista prctico: Puede ocurrir que a poblacin sea infinita o
tan numerosa que excede las posibilidades del estudio.
En las situaciones donde no es posible realizar un estudio del influjo del fenmeno aleatorio
mediante censos o marcos, se aplica la teora de muestreo.
Definicin de Muestreo: La teora del muestreo es la encargada de determinar la forma de
elegir y las condiciones que debe cumplir un subconjunto de la poblacin bajo el influjo de un
fenmeno aleatorio, que denominamos muestra, para que su estudio permita hacer inferencias
correctas sobre dicha poblacin.
En estas condiciones definimos muestra en los siguientes trminos:
Definicin de muestra y tamao muestral en un fenmeno aleatorio: Llamaremos muestra
de una poblacin al conjunto de individuos que elegimos en la poblacin para el estudio del
fenmeno aleatorio. Al nmero de individuos elegidos se denomina tamao de la muestra.
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
Definicin de muestra representativa: Es aquella muestra que logra una versin simplificada
de la poblacin, y reproduce, de algn modo, el mismo comportamiento y caractersticas ante
el fenmeno aleatorio que esta pero a pequea escala y tal que su estudio sea viable.
La recogida de los datos sobre los individuos de un censo o muestra se llama encuesta.
Es evidente que todo proceso de muestreo lleva asociado un error, debido a la obtencin de
conclusiones respecto de valoraciones sobre una muestra y no sobre el total de la misma. A
esto se denomina error o sesgo del muestreo.
Por otra parte, llamaremos falacia a las inferencias o conclusiones errneas que podamos
realizar a partir de una muestra respecto del estudio de un fenmeno aleatorio sobre una
determinada poblacin. La teora del muestreo trata de impedir y minimizar la aparicin de
falacias aunque pueden llegar a presentarse incluso con muestras representativas, si las
condiciones de estudio no son las adecuadas o estn sesgadas intencionadamente.
4.
TIPOS DE MUESTREO.
4.1.
www.magister.es
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
10
www.magister.es
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
11
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
Es el que se utiliza, por ejemplo, en las encuestas y estudios sobre poblaciones distribuidas en
amplias zonas geogrficas. Se divide el pas en donde se encuentra la poblacin en zonas
denominadas unidades primarias de muestreo (UPM). Dentro de cada UPM se forman reas
ms pequeas del orden de 500 habitantes que se denominan distritos del censo (DC).
Para elaborar la encuesta se selecciona una muestra aleatoria de un cierto nmero de UPM, en
cada una de estas unidades se extrae una muestra aleatoria de DC y, finalmente, en cada DC
de la muestra aleatoria se extrae una muestra de individuos.
Esta forma de muestreo tiene ventajas obvias. Por un lado no es necesario manejar la lista de
todos los individuos del pas. Adems los individuos elegidos para la encuesta se encuentran
distribuidos en grupos concentrados geogrficamente en unas pocas regiones, con lo que es
ms barato el trabajo de los encuestadores.
Entre las ventajas de este tipo de muestreo aleatorio destacamos:
4.2.
Son aquellos muestreos en los que se incumplen las principales caractersticas del muestreo
aleatorio en lo que se refiere a la equiprobabilidad de cada individuo de la poblacin en la
aparicin en la muestra o que la poblacin se mantenga constante. Sin embargo, en muchas
ocasiones son utilizados consciente o inconscientemente, puesto que son ms sencillos de
llevar a cabo y la utilizacin de muestreos aleatorios suele presentar costes muy elevados o
inasumibles.
Hay que tener en cuenta que este tipo de muestreo genera muestras que no tienen porque ser
representativas y por lo tanto, no se puede garantizar la fiabilidad acerca de las inferencias y
generalizaciones respecto al estudio del fenmeno aleatorio sobre la poblacin mediante estas
muestras.
Pese a no haber condiciones de aleatoriedad, estos mtodos tienen sus propios criterios para la
seleccin de los individuos de la muestra que procuran de alguna manera la representatividad
de la misma.
12
www.magister.es
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
13
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
sesgando al tipo de individuo que puede llegar a presentarse voluntario para ser objeto del
estudio.
La aparicin de repeticin de individuos en la muestra crean inevitablemente sesgos
intencionados por el propio elemento de la muestra.
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
La eleccin del primer individuo o de cualquiera de los dems puede sesgar a toda la
muestra a partir de l.
Permite sesgo intencionado a la hora de la eleccin de los primeros individuos.
Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones
"marginales", delincuentes, determinados tipos de enfermos, etc.
6. Muestreo no aleatorio discrecional.
El encuestador selecciona intencionadamente los elementos de la muestra en base a los
prejuicios o conocimientos del investigador acerca de la representatividad de esos individuos
respecto del estudio sobre la poblacin.
Entre las ventajas de este tipo de muestreo aleatorio destacamos:
15
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones
"marginales", delincuentes, determinados tipos de enfermos, etc.
5.
X = M ( X ) = xi f i
i
X2 = V ( X ) = M (( X X ) 2 ) = ( xi X )2 f i
i
X = V (X ) =
(x
X ) fi
2
Observaciones.
1. Los valores o parmetros poblacionales media y desviacin tpica son esenciales para la
descripcin y valoracin de cada poblacin.
2. En muchas ocasiones el estudio estadstico no se puede efectuar mediante censo y hay que
recurrir a muestras para el estudio de la poblacin. En este sentido, uno de los objetivos
consistir en inferir el valor de la media y la desviacin poblacionales.
16
www.magister.es
MATEMTICAS. Tema 58
MAGISTER OPOSICIONES
MELC S.A.
X = M ( X ) = f i ( x i ) = f i x i = M ( X )
i
X +Y = M ( X + Y ) = f i , j (xi + y j ) = ( f i , j xi + f i , j yx j ) =
i
= f i , j xi + f i , j y i = f i xi + f j y j =
i
= M ( X ) + M (Y ) = X + Y
3. Si X e Y son dos variables independientes, entonces XY = X Y
Demostracin. Sean X e Y variables aleatorias independientes, entonces:
X Y M ( X Y ) = f i , j (x i y j )
i, j
f i , j = f i , f , j
y por tanto,
X Y = M ( X Y ) = f i , j (xi y j ) = f i , f , j (xi y j ) =
i, j
i, j
= f i , xi f , j y j = M ( X ) M (Y ) = X Y
i
j
17
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
4. 2X = M(X2) M(X)2
Demostracin. Utilizando las propiedades de la media y la propia definicin de la varianza:
2 ( X ) = M (( X M ( X )) 2 ) = f i ( x i M ( X ) )2 =
i
= f i x I2 + f i M ( X ) 2 2 M ( X ) f i xi =
i
= M ( X 2 ) + M ( X ) 2 f i 2 M ( X ) M ( X ) =
i
= M ( X 2 ) + M ( X ) 2 2M ( X ) 2 = M ( X 2 ) M ( X ) 2
5. Para todo nmero real se verifica que 2X = 2 2X
Demostracin. Basta ver que:
2 X = M (( X M ( X )) 2 ) = M ( 2 ( X M ( X )) 2 ) =
= 2 M (( X M ( X )) 2 ) = 2 X2
6. Si X e Y son variables independientes, entonces s2X + Y = 2X + 2Y.
Demostracin. Sean X e Y variables aleatorias independientes. Utilizando las propiedades
de la media, y teniendo en cuenta que X e Y son independientes, se obtiene:
X2 +Y = M (( X + Y ) 2 ) [M ( X + Y )]2 =
= M ( X 2 + Y 2 + 2 X Y ) M ( X ) 2 M (Y ) 2 2M ( X ) M (Y ) =
= M ( X 2 ) + M (Y 2 ) + 2M ( X Y ) M ( X ) 2 M (Y ) 2 2M ( X ) M (Y ) =
= M ( X 2 ) + M (Y 2 ) + 2M ( X ) M (Y ) M ( X ) 2 M (Y ) 2 2M ( X ) M (Y ) =
= M ( X 2 ) M ( X ) 2 + M (Y 2 ) M (Y ) 2 = X2 + sY2
18
www.magister.es
MATEMTICAS. Tema 58
MAGISTER OPOSICIONES
MELC S.A.
f ( x1 , x2 ,. . . , xn ) = f ( xk ) = f ( x1 ) f (x2 ) . . . f (xn )
k =1
Ejemplos.
1. Sea (X1, X2, . . . , Xn), la muestra aleatoria simple de una variable aleatoria X con
distribucin de Poisson P() con un parmetro desconocido. La distribucin de esta muestra
aleatoria simple vendr dada por la funcin de masa:
n
x e
k =1
k =1
( xk )!
p(x1 , x2 ,. . . , xn ) = p( xk ) =
xk
k =1
e n
( x )!
k
k =1
2. Sea (X1, X2, . . . , Xn), la muestra aleatoria simple de una variable aleatoria X con
distribucin normal N(, ) con y parmetros desconocidos. La distribucin de esta
muestra aleatoria simple vendr dada por la funcin de densidad:
n
k =1
k =1
f ( x1 , x2 ,. . . , xn ) = f ( xk ) =
19
( xk )2
( xk )
2 2
k =1
2 2
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
Definicin de estimador: Sea (X1, X2, . . . , Xn), una muestra aleatoria simple de una variable
aleatoria X con distribucin conocida p() y con parmetro desconocido. Se llama estimador
de un parmetro desconocido , a toda funcin T(X1, X2, . . . , Xn) que permita aproximar a
dicho parmetro. Se verifica que, como (X1, X2, . . . , Xn) es una muestra o variable aleatoria
que tiene una funcin de distribucin, el estimador tambin gozar de los mismos privilegios.
Definicin de estimador centrado o insesgado: Se dir que el estimador es centrado o
insesgado respecto del parmetro si E [ T(X1, X2, . . . , Xn)] =
Esta propiedad indica que el estimador elegido es una buena funcin para aproximar al
parmetro .
lim E [T ( X 1 , X 2 , . . ., X n )] =
n
lim V [T ( X 1 , X 2 , . . ., X n )] = 0
n
La eleccin del estimador adecuado para la inferencia del parmetro desconocido es una
cuestin bastante delicada y hay varios procedimientos para encontrarlos de manera centrada.
Algunos de los estimadores ms utilizados son:
La media muestral: Sirve para estimar el parmetro media si es que este es desconocido
para la distribucin de X.
T (X1, X 2 , . . . , X n ) =
20
www.magister.es
1 n
Xk
n k =1
MATEMTICAS. Tema 58
MAGISTER OPOSICIONES
MELC S.A.
T (X1, X 2 , . . . , X n ) =
1 n
Xk X
n k =1
n
1
T (X1, X 2 , . . . , X n ) =
Xk X
n 1 k =1
5.4.
1
1 n
1
n
1 n
M X k = M X k = M [X i ] = n X = X
n
n k =1
n
k =1
n k =1
Por lo tanto, la media muestral es un estimador insesgado.
2. La varianza de la media muestral es el cociente de la varianza poblacional entre el
tamao muestral. El estimador media muestral tiene la buena propiedad de que su
varianza coincide con X2/ n, con X2 la varianza de la distribucin de la variable X y n el
tamao muestral.
X2
1
1 n
1 2 n
1 n 2
2
s X k = 2 s X k = 2 s [X i ] = 2 n X =
n
n
n k =1
n
k =1
n k =1
2
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
Esta propiedad hace de la media muestral sea un gran estimador para la media ya que
cuanto ms grande sea el tamao muestral de las muestras usadas, menos dispersa ser
la media muestral". Es decir, los datos de la medicin de la media muestral estarn tanto
ms localizados cuanto ms grande sea el tamao de las muestras que empleamos. Por
tanto, segn lo dicho antes, el estimador media muestral es consistente.
[ ]
n
n
2
2
1 n
1
n
M s 2 = M X k X = M X k2 + X 2 X k X =
k =1
k =1
n k =1
n
k =1
n
2
2
1
n
1
n
M X k2 + n X 2 X X k = M X k2 + n X 2 X n X =
n
k =1
k =1
n
k =1
2
2
2
1
n
1
n
1 n
M X k2 + n X 2n X = M X k2 n X = M ( X k2 ) M ( X ) =
n
k =1
n
k =1
n k =1
2
2
1
n M (X 2) M (X ) = M (X 2) M (X )
n
Como tenemos que s2(X) = M(X2) M(X)2, entonces, para uno de los elementos de la resta
ocurrir:
( )
M X 2 = s 2 ( X ) + M ( X ) = X2 + X2
2
( ) = s (X )+ M (X )
M X
X2
n
+ X2
[ ]= M (X
M s
) M (X ) =
22
www.magister.es
2
X
+
2
X
X2
n
X2 =
n 1 2
X
n
MATEMTICAS. Tema 58
MAGISTER OPOSICIONES
MELC S.A.
n
1
S =
xk X
n 1 k =1
2
2
n 1 n
n
=
xk X =
s X2
n 1 n k =1
n 1
[ ]
n
n n 1 2
n
M S2 = M
s2 =
M (s 2 ) =
X = X2
n 1 n
n 1
n 1
Es decir, en el lenguaje de la estadstica inferencial, la cuasivarianza muestral es un estimador
insesgado de la varianza de la poblacin.
5.6. Relacin entre la media muestral y poblacional: La ley de los grandes nmeros.
Entre los resultados ms importantes en la estadstica estn la ley de los grandes nmeros y el
teorema central del lmite. Ambos tratan sobre la media muestral.
Lo que se deduce de estos resultados es que la media muestral es una variable estadstica tanto
ms localizada alrededor de su media cuanto ms grande sea el nmero n de variables que la
forman. En el lmite de grandes valores de n solo hay probabilidad de encontrar la media
muestral concentrada en su valor medio.
El teorema de Chebyshev, es el germen de la demostracin de la ley de los grandes nmeros
que veremos a continuacin. El enunciado del teorema de Chebyshev dice lo siguiente:
Teorema de Chebyshev. Sea una variable aleatoria X con funcin de probabilidad asociada
Px. Sean X y X la media y desviacin tpica poblacionales respectivamente. Se verifica que,
Px (| X x | k x ) 1
1
k2
k > 0
Enunciamos ahora la ley de los grandes nmeros. Este resultado es consecuencia fundamental
de la desigualdad de Chebyshef y juega un importante papel en la teora de probabilidades y
estadstica relacionando la media muestral y poblacional de una variable aleatoria X. En
particular:
23
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
Ley de los grandes nmeros: Dada una variable aleatoria simple (X1, X2, . . . , Xn) de una
variable estadstica X con distribucin conocida p() y con parmetro desconocido. Se
verifica que
lim Px X x = 1
Demostracin.
Dada la variable aleatoria simple (X1, X2, . . . , Xn) de una variable estadstica X con
distribucin conocida y teniendo en cuenta que la v.a X tiene media y desviacin:
[ ]
[ ]
E X = x
sX =
x
n
1
Px | X x | k x 1 2
k
n
k > 0
lim Px X x
n
> 0 , en ese caso tendremos que:
x
1
n x
Px | X x |
1
2
x
n
n
x
Simplificando,
Px | X x | 1
24
www.magister.es
x2
n 2
MATEMTICAS. Tema 58
MAGISTER OPOSICIONES
MELC S.A.
2
lim Px | X x | lim 1 x 2 = 1
n
n
n
Y concluimos
lim Px X x = 1
Observaciones.
1. La ley de los grandes nmeros explica que la media muestral es una variable aleatoria que,
bajo cualquier distribucin, tanto ms cercana es a la media poblacional de la variable X de
la que procede al aumentar el nmero de variables que la forman.
2. En el caso de que la v.a. X tenga distribucin Bernuilli de parmetro p, sabemos que x = p
y x = p(1 p). En ese caso, la ley de los grandes nmeros
lim Px X p = 1
25
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
Teorema central del lmite: Sea X una variable estadstica. Dado un intervalo I <
cualquiera de la recta. Para cada n natural sea pn ( X I ) , la probabilidad de que la media
muestral est en el intervalo I. En este caso,
lim pn ( X I )
N ( x, ,
I
)dx
Observaciones.
1. Lo que el teorema expresa es un resultado general que nos dice que para tamaos
muestrales suficientemente grandes, la media muestral es una variable estadstica con
distribucin normal de media, la media poblacional y de desviacin, el cociente de la
desviacin poblacional entre la raz cuadrada del tamao muestral.
X N X , X
n
Veamos ahora la aplicacin directa de este teorema para la inferencia de la media poblacional a
partir de la media muestral utilizando intervalos de confianza.
N ( x, ,
)dx
O lo que es lo mismo,
lim pn ( < X X < + )
N ( x, ,
)dx
X X
+
1
lim pn
<
<
n
X n X n X n
26
www.magister.es
MATEMTICAS. Tema 58
MAGISTER OPOSICIONES
MELC S.A.
= z / 2
En tal caso,
= z / 2
X
n
X z / 2 X
n
, X + z / 2
De este modo, para inferir acerca de la media poblacional X podemos utilizar de nuevo la
media muestral ya que con una confianza 1 , la media poblacional se encontrar, para
muestras suficientemente grandes, en el intervalo
X z / 2 X
n
, X + z / 2
X X
tn 1
Sn / n
Es decir, la variable aleatoria,
X X
Sn / n
se distribuye segn una t de Student con n 1 grados de libertad., a la que denotamos por tn
1.
Si condicionamos a que la probabilidad de que la media muestral y la poblacional difieran
en con tamao muestral lo suficientemente grande con un nivel de confianza 1
entonces podemos seguir un procedimiento similar al anteriormente expuesto de tal modo
que:
lim pn ( < X X < + ) = 1
27
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
X X
+
1
lim pn
<
<
n
Sn n
S n / n
Sn n
+
1
lim pn
< tn 1 <
n
S
n
S
n
n
n
Sn
= tn 1, / 2
En tal caso,
= tn 1, / 2
Sn
n
X t n 1, / 2 n
n
, X + t n 1, / 2
Sn
Concluimos que para inferir acerca de la media poblacional X podemos utilizar de nuevo
la media muestral ya que con probabilidad 1 la media poblacional se encontrar, para
muestras suficientemente grandes, en el intervalo
S
X tn 1, / 2 n
n
, X + tn 1, / 2
Sn
Observaciones.
1. Este procedimiento nos determina una cota inferior para el tamao muestral ya que dada la
desviacin conocida X, un valor > 0 cualquiera y una confianza 1 establecida de que
la media poblacional y la muestral se diferencian como mximo en , el menor natural n
que cumple es tal que,
z / 2
X
n
n z / 2 x
n z / 2 x
tn 1, / 2
Sn
n
n tn 1 / 2
28
www.magister.es
Sn
n tn 1, / 2 n
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
29
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
BIBLIOGRAFA
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
31
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
ESQUEMA-RESUMEN.
2. CONSIDERACIONES GENERALES ACERCA DE LA ESTADSTICA.
2.1.Breve resea histrica acerca de la Estadstica.
En nuestros das los mtodos estadsticos ocupan un lugar prominente en las distintas ciencias
tanto naturales como sociales y constituyen una de las herramientas ms utilizadas y apreciadas
por los investigadores. La estadstica actual es el resultado de la confluencia de dos disciplinas
que evolucionaron independientemente hasta unirse en un cuerpo comn hacia el siglo XIX:
El clculo de probabilidades que nace en el siglo XVII como teora matemtica de los
juegos de azar (dados, barajas, lotera, etc.).
La "estadstica" (o ciencia del estado, del latn Status) que estudia la descripcin de datos y
tiene races muy antiguas (los primeros censos conocidos se remontan a los chinos,
realizados 2.000 aos a.J.C.).
32
www.magister.es
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
3.
Poblacin objetivo o terica: Est formada por todos los individuos bajo el influjo del
fenmeno aleatorio.
Poblacin disponible: Es la que resulta tras la depuracin de los individuos de la
poblacin objetiva no accesibles a priori. Sin embargo, esta no es la poblacin final que
manejaremos en muchos casos puesto que pueden existir factores que no conocemos que
hagan inaccesibles a otros individuos a priori accesibles.
Poblacin investigada: Es la parte realmente accesible de la disponible.
En muchas ocasiones, no es posible realizar un censo o marco por muy diferentes motivos, y
entre otros:
33
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
estudio del efecto de una sustancia medicinal en cada individuo. No podemos correr riesgos
ni destruir el sistema o individuo de la poblacin.
Es inviable desde un punto de vista econmico. El estudio de todos los individuos de una
poblacin, en tamaos grandes, puede constituir un problema costoso en tiempo, dinero,
etc. Que no estamos dispuestos a admitir.
Es inviable desde un punto de vista prctico: Puede ocurrir que a poblacin sea infinita o
tan numerosa que excede las posibilidades del estudio.
4. TIPOS DE MUESTREO.
Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en
general pueden dividirse en dos grandes grupos:
www.magister.es
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
35
www.magister.es
MAGISTER OPOSICIONES
MELC S.A.
MATEMTICAS. Tema 58
MATEMTICAS. Tema 58
MELC S.A.
MAGISTER OPOSICIONES
X2 = V ( X ) = M (( X X ) 2 ) = ( xi X )2 f i
i
X = V (X ) =
(x
X ) fi
2
Observaciones.
1. Los valores o parmetros poblacionales media y desviacin tpica son esenciales para la
descripcin y valoracin de cada poblacin.
2. En muchas ocasiones el estudio estadstico no se puede efectuar mediante censo y hay que
recurrir a muestras para el estudio de la poblacin. En este sentido, uno de los objetivos
consistir en inferir el valor de la media y la desviacin poblacionales.
37
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
Definicin de estimador: Sea (X1, X2, . . . , Xn), una muestra aleatoria simple de una variable
aleatoria X con distribucin conocida p() y con parmetro desconocido. Se llama estimador
de un parmetro desconocido , a toda funcin T(X1, X2, . . . , Xn) que permita aproximar a
dicho parmetro.
Definicin de estimador centrado o insesgado: Se dir que el estimador es centrado o
insesgado respecto del parmetro si E [ T(X1, X2, . . . , Xn)] =
Definicin de estimador consistente: Se dir que el estimador es consistente para el
parmetro
si
se
verifica
que lim E [T ( X 1 , . . ., X n )] =
n
lim V [T ( X 1 , . . ., X n )] = 0 .
n
La media muestral: Sirve para estimar el parmetro media si es que este es desconocido
para la distribucin de X. T ( X 1 , X 2 , . . . , X n ) =
1 n
X k . Se suele representar mediante X .
n k =1
38
www.magister.es
MATEMTICAS. Tema 58
MAGISTER OPOSICIONES
MELC S.A.
1 n
Xk X
n k =1
) . Se representa
2
mediante s2.
La cuasivarianza muestral: Sirve para estimar el parmetro varianza 2 si es que este es
desconocido para la distribucin de X al igual que la media ..
T (X1, X 2 , . . . , X n ) =
n
2
1
X k X . Se suele representar mediante S2.
n 1 k =1
5.6. Relacin entre la media muestral y poblacional: La ley de los grandes nmeros.
Enunciamos ahora la ley de los grandes nmeros. Este resultado es consecuencia fundamental
de la desigualdad de Chebyshef y juega un importante papel en la teora de probabilidades y
estadstica relacionando la media muestral y poblacional de una variable aleatoria X. En
particular:
Ley de los grandes nmeros: Dada una variable aleatoria simple (X1, X2, . . . , Xn) de una
variable estadstica X con distribucin conocida p() y con parmetro desconocido. Se
verifica que
lim Px X x = 1
39
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
Observaciones.
1. La ley de los grandes nmeros explica que la media muestral es una variable aleatoria que,
bajo cualquier distribucin, tanto ms cercana es a la media poblacional de la variable X de
la que procede al aumentar el nmero de variables que la forman.
2. En el caso de que la v.a. X tenga distribucin Bernuilli de parmetro p, sabemos que x = p
y x = p(1 p). En ese caso, la ley de los grandes nmeros
lim Px X p = 1
N ( x, ,
I
)dx
Observaciones.
1. Lo que el teorema expresa es un resultado general que nos dice que para tamaos
muestrales suficientemente grandes, la media muestral es una variable estadstica con
distribucin normal de media, la media poblacional y de desviacin, el cociente de la
desviacin poblacional entre la raz cuadrada del tamao muestral.
X N X , X
n
40
www.magister.es
MATEMTICAS. Tema 58
MAGISTER OPOSICIONES
MELC S.A.
Veamos ahora la aplicacin directa de este teorema para la inferencia de la media poblacional a
partir de la media muestral utilizando intervalos de confianza.
X z / 2 X
n
, X + z / 2
X tn 1, / 2 n
n
, X + tn 1, / 2
Sn
Observaciones.
1. Este procedimiento nos determina una cota inferior para el tamao muestral ya que dada la
desviacin conocida X, un valor > 0 cualquiera y una confianza 1 establecida de que
la media poblacional y la muestral se diferencian como mximo en , el menor natural n
n tn 1, / 2 n
5.8.
El valor medio o media poblacional X = M(X) de una variable estadstica recibe a menudo el
nombre de valor esperado o esperanza matemtica de la variable X.
La razn de estas denominaciones radica en los resultados de los teoremas de la ley de los
grandes nmeros y central del lmite. La cuestin es que cuando uno repite la medicin de una
variable cualquiera X un nmero grande de veces, el valor medio de los resultados es una
41
www.magister.es
MELC S.A.
MAGISTER OPOSICIONES
MATEMTICAS. Tema 58
media muestral de tamao grande y por tanto de acuerdo con los teoremas anteriores ese valor
medido ser con gran probabilidad muy cercano al valor medio o media poblacional = M(X)
de X.
CUESTIONES.
1. Probar que la media muestral de la variable X es el nico nmero respecto del cual la
suma de las desviaciones de los datos es cero.
Solucin
Sea una variable aleatoria simple de la variable X, (X1, X2, . . ., Xn) y sea un nmero que
verifique que la suma de las desviaciones de los datos con respecto a ese valor es cero:
f (X
i
) = 0
f (X
i
) = fi X i fi = X 1 = 0 X =
1
s( X + ) = f i ( X i ) X
n i
42
www.magister.es
))
2
1
= f i X i X = s( X )
n i