Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LA MEDIA MUESTRAL
1. Definiciones Bsicas:
Poblacin: es un grupo de unidades que tienen alguna caracterstica cuantificable en
comn. Las unidades pueden ser personas, rboles, bacterias, compuestos qumicos,
etc.. Pueden ser finitas o infinitas en nmero. La caracterstica cuantificable puede ser
una variable continua o discreta.
Poblacin finita: es posible fsicamente enumerarla o contar sus elementos
Poblacin Infinita
Unidad muestral. Corresponde a personas, objetos u otros elementos que
constituyen la poblacin, pueden ser sujetos o individuos, pero en algunos casos
podran ser escuelas, cursos o familias, unidades territoriales como manzanas de una
ciudad, calles o casas.
Error sistemtico. Error de medicin o de seleccin que se produce reiteradamente
en una misma direccin. Sus fuentes principales son equipos defectuosos o la
intervencin humana. Ejemplo: Pesar las unidades en una balanza descalibrada que
indica 10 gr ms en la medicin.
Muestra: un subconjunto de la poblacin, seleccionada de manera tal que representa
a una poblacin mayor.
Estadistica Inferencial:. Procedimientos mediante los cuales es posible
hacer
inferencias (conclusiones) para una poblacin adecuada poblacin a partir de lo
averiguado en un subconjunto llamado muestra. Por ejemplo, si queremos saber cul
ser la intencin de voto en las prximas elecciones, se selecciona una muetra aletoria
de la poblacin de potenciales votantes y se les indaga por su preferencia electoral,
una vez recolectados los datos, se calcula la proporcin muestral y segn sea su valor
se toma como un referente para toda la poblacin. .
Las conclusiones as obtenidas dependen de la muestra, si se selecciona otra muestra
puede que las conclusiones se vean afectadas drsticamente.
2. Razones para muestrear:
1. Economizar tiempo
2. Reducir costos
3. Imposibilidad de estudiar la poblacin
x , x ,..., x
n
Observaciones de una muestra de tamao n: 1 2
N: tamao de la poblacin
n:tamao de muestra
X , Y , Z o cualquier letra en mayscula: variables aleatoria
3. Parmetros y Estimadores
Una caracterstica descriptiva global de una poblacin de observaciones se llama
parmetro.
Una caracterstica descriptiva global de una muestra de observaciones se llama
estadstica.
Muestra
^
P
Parmetros
s2
Estimadores
: media muestral
s : varianza muestral
2
^
P : proporcin muestral,
^p=
4. Mtodos de muestreo:
La mejor manera de asegurarse que una muestra conducir a inferencias confiables y
vlidas, es usar muestras de probabilidad. El modelo general de muestreo establece
resultados generales acerca del papel de las probabilidades de seleccin de la
muestra y de los valores observados para determinar los intervalos de estimacin.
Definiciones:
Marco Muestral: dispositivo que permita identificar y ubicar a cada uno de los
elementos de la poblacin.
Diseo Muestral: Los dos elementos bsicos que determinan el resultado de un
estudio de muestreo son las probabilidades de seleccin de la muestra, p(s) y el
tratamiento de los datos muestrales observados. El conjunto de probabilidades de
seleccin se conoce con el nombre de diseo muestral, el tratamiento de los datos
observados se conocer como el estimador. El conjunto de diseo, estimador y las
consideraciones de tipo econmico y operativo conforman el plan muestral.
_____________________________________________________________________
Como se ve, un diseo muestral es una funcin de probabilidad p(s), en la prctica y
puesto que ciertos mecanismos de seleccin originan funciones p(s) especficas y
conocidas, son esos mecanismos de seleccin los que reciben este mismo nombre.
Ejemplo: MAS, Sistemtico, Muestro con reemplazamiento, etc.
_____________________________________________________________________
3. El proceso de seleccin garantiza que todo elemento del poblacin tiene una
probabilidad mayor a cero de ser incluido en alguna muestra (Tener en cuenta
que la estimacin se hace expandiendo por el inverso multiplicativo de la
probabilidad de inclusin, por eso a veces se debe hacer un recorte al marco
muestral eliminando a quienes tengan probabilidad de inclusin nula).
4. El proceso de seleccin propuesto consiste en un mecanismo aleatorio que
garantiza que cada muestra s recibe exactamente la probabilidad p(s) de ser
seleccionada.
Si el muestreo contempla la aplicacin de varias etapas,
condiciones planteadas en cada una de ellas.
X , X ,... X
1
2
n.
maysculas
Observe que cualquier funcin (media, mediana,
desviacin estndar, etc) de las observaciones debe verse tambin como una
variable aleatoria y por ende debe tener una distribucin de probabilidades.
X i son va independientes
X
Toda i tiene la misma distribucin de probabilidad
Las
iid
5
Definiciones:
Estadstico:
maestrales.
Un estimador es un valor que puede calcularse a partir de los datos muestrales y que
proporciona informacin sobre el valor del parmetro.
2
Ejemplos la media, varianza y coeficiente de correlacin muestral, es decir, X , S , R
respectivamente, cuando se tiene dos muestras un estadstico de inters puede ser
Y la diferencia de medias.
X
Cualquier estadstica al ser calculada a partir de datos muestrales se convierte en
variable aleatoria y por lo tanto deber tener una distribucin de probabilidades
asociada.
Observaciones
Si el muestreo es con reemplazo o de una poblacin infinita las dos condiciones para
ser muestra aleatoria se satisfacen exactamente. En la prctica, si n/N < 0.05
.0
0
5
.0
4
.0
3
.0
2
.0
1
.4
0E
4
5
d
a
(x
)50
En cierto hospital la variable X: edad del paciente que viene a tomarse la presin
arterial tiene la siguiente distribucin:
40
0.2
E[X]= = 46.5
45
0.3
V[X]= X = 15.25
2
50
0.5
P
(x
)
X
P(x)
x2
40
45
50
40
45
50
40
45
50
P(x1,x2)
0.04
0.06
0.10
0.06
0.09
0.15
0.10
0.15
0.25
40
42.5
45
42.5
45
47.5
45
47.5
50
s2
0
12.5
50
12.5
0
12.5
50
Ejemplo:12.5
P(X1=40, X2=45)= 0.2*0.3=0.06
0
.0
0
3
.0
2
5
..4
0
2
.0
5
.0
0
1
5
.0
0
1
.0
3
..2
5
.0
0
4
0
,
4
2
,
5
4
5
,
0
4
7
,
5
5
0
,
m
e
d
i
a
.1
y S2 respectivamente:
Ahora podemos calcular la distribucin de probabilidades de X
P( x )
40
0.04
42.5
0.12
IMPORTANTE !
E[ X ] 46.5
s2
X2
7.625
2
2
x
45
0.29
47.5
0.30
p
(s
2
)p
(x
-b
a
r)
12.5
50
0.25
50
0
. ,01
2
,5
05
0
,
7
P(s2)
0.38
0.42
0.20
X3
4
0
4
5
5
0
4
0
4
5
5
0
4
0
4
5
5
0
4
0
4
5
5
0
4
0
4
5
5
0
4
0
4
5
5
P(x1,x2,x3)
P(
0.008
40
0.012
41.67
0.02
43.33
0.012
41.67
0.018
43.33
0.03
45
0.02
43.33
0.03
45
0.05
46.67
0.012
41.67
0.018
43.33
0.03
45
0.018
43.33
0.027
45
0.045
46.67
0.03
45
0.045
0.075
46.67
48.33
.0
0
3
.0
2
5
.0
2
.0
1
5
.0
1
.0
5
.4
0
,4
1
,6
04
3
,0m
4
5
,0
e
d
ia46,048,3050,
X x
40
0.00
8
41.6
6
0.03
6
43.3
3
0.11
4
45
0.20
7
46.
66
0.2
85
48.3
3
0.22
5
50
0.12
5
p
ro
b
x1
4
0
4
0
4
0
4
0
4
0
4
0
4
0
4
0
4
0
4
5
4
5
4
5
4
5
4
5
4
5
4
5
4
5
4
5
5
0
5
0
5
0
5
0
5
0
5
0
5
0
5
0
5
0
0
4
0
4
0
4
0
4
5
4
5
4
5
5
0
5
0
5
0
0
4
0
4
5
5
0
4
0
4
5
5
0
4
0
4
5
5
0
0.02
43.33
0.03
45
0.05
46.67
0.03
45
0.045
46.67
0.075
48.33
0.05
46.67
0.075
48.33
0.125
50
X , X ,... X
1
2
n una muestra aleatoria de una distribucin con media
Proposicin: Sea
y desviacin estndar . Entonces:
1.
2.
E[ X ] X
V [ X ] x2
2
n
2
,
~N
Sea
con
media y
en forma aproximada N
n , n .
2
Ejercicio 3. La renta media de los habitantes de un pas se distribuye uniformemente entre 4,0
millones ptas. y 10,0 millones ptas. Calcular la probabilidad de que al seleccionar al azar a 100
personas el promedio de sus rentas supere los 7.25 millones ptas.
Cada renta personal es una variable independiente que se distribuye segn una funcin
uniforme. Por ello, el promedio de las rentas de 100 personas se le puede aplicar el Teorema
Central del Lmite.
Ejercicio 4. El tiempo que un cajero de un banco con servicio en el automvil atiende a un cliente
es una variable aleatoria con media 3.2 minutos y desviacin estndar de 1.6 minutos. Si se
observa una muestra aleatoria de 64 clientes, encuentre la probabilidad de que su tiempo medio
con el cajero sea: a) a lo ms 2.7 minutos b) ms de 3.5 minutos c) al menos 3.2 minutos pero
menos de 3.4 minutos.
5.5 Distribucin de la proporcin Muestral
Recordemos :
________________________________________
Distribucin Bernoulli
1 si hay xito
Xi
0 si hay fracaso
x
P(X=x)
E[X] = P V[X]= p(1-p)
1
p
Si tomamos X = X1 +X2 + + Xn
Ahora si consideramos
0
1-p
X:# de xitos
X
n
X
n
X
n
es un promedio
es la proporcin muestral, es decir es
X
^
P=
n
_________________________________
2
es np y su varianza es np (1 p ) .
X
p
n se tiene que la media es
muestral
Si tomamos la proporcin
p (1 p)
n
y la varianza
al aplicar el
11
X
p
n
p(1 p)
n
p p
p (1 p)
n
12
Calcular
usando
aproximacin normal
P(X < 20)
X ~B(50, 0,45)
X ~B(200, 0,45)
la
13
14