REVISION DE CONCEPTOS

POBLACION es la totalidad de observaciones relacionadas con una

situacin particular , puede ser finita o infinita.
Un PARAMETRO es una caracterizacin numrica de la distribucin
de la poblacin de manera que describe, parcial o completamente la
funcin de densidad de poblacin de la caracterstica de inters.

Una MUESTRA es un subconjunto de la poblacin. Debe ser

representativa y aleatoria.

Una estadstica (un estadstico) es cualquier funcin de las variables

aleatorias que se observaron en la muestra, de manera que esta
funcin no contiene cantidades desconocidas.

Media

X
i 1

Varianza
muestral
Ejemplos de
PARAMETROS

2
(
X

)
i
i 1

Desviacion
Standard

PROPORCION

2
(
X

)
i
i 1

X
numerodesu cesos
p
n tamaodelaPOBLACION

Media

X
i 1

Varianza
muestral

S2

2
(
X

X
)
i
i 1

n 1

Ejemplos de
ESTADISTICOS

Desviacion
Standard

PROPORCION MUESTRAL

2
(
X

X
)
i
i 1

n 1

X
numerodesu cesos
ps
n tamaodelamuestra

DISTRIBUCION DE MUESTREO DE UNA ESTADISTICA

La distribucin de muestreo de una estadstica es la distribucin de
probabilidad que puede obtenerse como resultado de un nmero infinito
de muestras aleatorias independientes, cada una de tamao n
provenientes de la poblacin de inters.
Es decir es la distribucin de probabilidad de un estadstico.
La distribucin de probabilidad de X se llama distribucin muestral de la
media.
2

La distribucin de probabilidad de S se llama distribucin muestral de la

varianza.
La distribucin de probabilidad de p se llama distribucin de muestral de
la proporcin.

Se utiliza para hacer inferencias sobre la media de la poblacin

Es el resultado de un experimento que se lleva a cabo una y otra vez
para muestras del mismo tamao, de las cuales se obtienen los
diversos valores de la media muestral.
Esta distribucin describe la variabilidad de los promedios muestrales
alrededor de la media de la poblacin

Muestras

Mediciones

Xi

X 11 , X 21 , X 31....... X n1

X1

X 12 , X 22 , X 32 ....... X n 2

X2

Muestras
tomadas a
partir de
una
distribucion
normal

X 13 , X 23 , X 33 ....... X n 3

X3

Con media

Y varianza

.
.

.
.

m
TOTALES

X
i 1

X 1m , X 2 m , X 3m ....... X nm X m

X
i 1

X
i 1

X 1 , X 2 , X 3 ............ X n

Sea

una muestra aleatoria de tamao n de una poblacin con funcin de

densidad f(x) con media y varianza 2 de una poblacin normal
La media muestral representada por X , es la media aritmtica de los
elementos de la muestra, y su varianza muestral y desviacin standard estn
dadas por:
n

X
i 1

Varianza
muestral

S2

2
(
X

X
)
i
i 1

n 1

Desviacion
Standard

2
(
X

X
)
i
i 1

n 1

Propiedades de la Media Aritmtica

Imparcialidad
Eficiencia
Consistencia
La imparcialidad se refiere al hecho de que el promedio de todas
las medias de muestra posibles de un tamao n ser igual a la
media de la poblacin

Muestras
1

X 11 , X 21 , X 31....... X n1

X1

X 12 , X 22 , X 32 ....... X n 2

X2

X 13 , X 23 , X 33 ....... X n 3

Muestras
tomadas a
partir de
una
distribucion
normal

Con media

Y varianza

Xi

Mediciones

.
.

C
A

L
C

Xm

m
TOTALES

imparcialidad

X3

X 1m , X 2 m , X 3m ....... X nm

X
i 1

X
i 1

La eficiencia se refiere a la precisin de la muestra de

estadstica como un estimador del parmetro de poblacin
Para distribuciones como la normal, la Media Aritmtica se
considera ms estable de muestra a muestra que otras
mediciones de tendencia central
Para una muestra de tamao n la media de la muestra se
acercar ms en promedio a la media de la poblacin que
cualquier otro estimador imparcial
Por lo tanto la media de la muestra es una mejor estimacin de
la media de la poblacin
La consistencia se refiere al efecto del tamao de muestra sobre la
utilidad de un estimador
Al incrementarse el tamao de muestra, la variacin de la media de
muestra de la media de la poblacin se hace ms pequea, de
manera que la media de la muestra se vuelve una mejor estimacin
de la media de la poblacin

MUESTREO DE
POBLACIONES NORMALES

X 11 , X 21 , X 31....... X n1

X1

X 12 , X 22 , X 32 ....... X n 2

X2

S 22

S2

X3

S 32

S3

Muestras
tomadas a
partir de
una
distribucion
normal

Con media

Y varianza

Xi

S i2
S12

Muestras

Mediciones

X 13 , X 23 , X 33 ....... X n 3
.

Xm

S m2

C
A
L

O
S

m
TOTALES

X 1m , X 2 m , X 3m ....... X nm

Si
S1

Sm
m

X S S
i 1

i i 1

2
i

i 1

Si se toman muestras de una poblacin normal con media

y una
desviacin estndar conocida
la distribucin de muestreo de la media
tambin tendr una distribucin normal con media y una desviacin
estndar denominada Error Estndar de la Media x

E ( X ) x

Cada

observacin X 1 , X 2 , X 3 ............ X n

en cada una de las muestras aleatorias tiene

entonces la misma distribucin normal que
la poblacin de la que se muestrea.

V (X )
2
x

Error estndar de la media

En este caso el valor de la

variable z estndar se
calcula por:

x
z
x
x
z

Muestreo de poblaciones no normales

Teorema del Lmite Central
Al hacerse lo bastante grande el tamao de una muestra la distribucin
de muestreo de la media puede aproximarse mediante la distribucin
normal
Esto es cierto no importando la forma de la distribucin de los valores
individuales de la poblacin
Para la mayora de las distribuciones de poblacin, sin importar la forma,
la distribucin de muestreo de la media tendr una distribucin
aproximadamente normal si se seleccionan muestras de al menos 30
observaciones
Si la distribucin de poblacin es lo bastante simtrica, la distribucin de
muestreo de la media ser aproximadamente normal si se seleccionan
muestras de al menos 15 observaciones
Si la poblacin se distribuye normalmente, la distribucin de muestreo de
la media se distribuir normalmente sin importar el tamao de la muestra

CUANTITATIVAMENTE EL TEOREMA DEL LIMITE CENTRAL SE

DESCRIBE POR:

Si
es la media de una muestra aleatoria de tamao n tomada de una
poblacin con media
y varianza 2, entonces la forma limite de la
distribucion de

2
X N ,
n

y
X X
z

x
n

Conforme
es la
distribucion normal estndar
n(z;0,1)
La aproximacin es buena si

n 30

Si n es menor de 30 la
aproximacin ser buena solo
si se sabe que la poblacin
tiene una distribucin normal

Suponga que a cada uno de los mecangrafos que

comprenden una poblacin de servicio de apoyo
secretarial de un departamento particular de una compaa
se le pidiera mecanografiar la misma pgina de un
manuscrito. El nmero de errores cometidos por cada
mecangrafo fue el siguiente:

Mecangrafo

Nmero de
Errores

Frecuencia

CALCULO DEL NUMERO PROMEDIO DE ERRORES Y SU VARIABILIDAD

3 2 4 1 4 2.5errores
2
2
(3 2.5) ........ ( 4 2.5)
N

i 1

4
1.2544 1.12

1.2544

La distribucin de poblacin se muestra en el siguiente grafico:

Si se toman muestras de
tamao
DOS
con
reemplazo se tienen los
siguientes
resultados,
mostrados en la tabla:

La media de las
muestras es:

Muestra

Mecangrafos

Resultados
de muestra

Media
Muestral

A,A

3,3

A,B

3,2

2.5

A,C

3,1

A,D

3,4

3.5

B,A

2,3

2.5

B.B

2,2

B,C

2,1

1.5

B.D

2,4

C,A

1,3

10

C,B

1,2

1.5

11

C,C

1,1

12

C,D

1,4

2.5

13

D,A

4,3

3.5

14

D,B

4,2

15

D,C

4,1

2.5

16

D,D

4,4

3 2.5 2..... 4

2.5errores
X
16

Si se toma una muestra de

tamao DOS sin reemplazo se
tienen
los
siguientes
resultados, mostrados en la
tabla

Sin reemplazo

Muestra

Mecangrafos

Resultados
de muestra

Media
Muestral

A,B

3,2

2.5

A,C

3,1

A,D

3,4

3.5

B,C

2,1

1.5

B.D

2,4

C,D

1,4

2.5

2.5 2..... 2.5

2.5errores
X
6

Que se concluye al comparar los dos

resultados anteriores?
En ambos el valor de la media es igual, por lo
tanto se concluye que la Media Aritmtica de
muestra es un estimador imparcial de la media
de la Poblacin

Clculo del Error Estndar de la Media

1.12

n
2

Si se extraen al azar muestras independientes de tamao n1 y n2

de dos poblaciones discretas o continuas, con medias 1 y 2
2
2

y varianzas 1 y
2

respectivamente conocidas, entonces la

CASO 1
Suma de las distribucin muestral de las diferencia de medias
X1 X 2
muestras
no excede a 30 esta distribuida aproximadamente de forma normal con media y
varianza dada por:

X1 X 2

1 2

X1 X 2

2
2

1 2

n1

n2

DONDE

( X 1 X 2 ) ( 1 2 )

12 22
n1

n2

Es aproximadamente una variable normal

estndar

Si se extraen al azar muestras independientes de tamao n1 y n2

de dos poblaciones discretas o continuas, con medias 1 y 2
CASO 2
Suma de las
muestras
excede a 30

varianzas 1

22

y
y
respectivamente desconocidas,
entonces la distribucin muestral de las diferencia de medias

X1 X 2
esta distribuida aproximadamente de forma normal con media y
varianza dada por:

X1 X 2

1 2

DONDE

( X 1 X 2 ) ( 1 2 )

s12 S 22
n1

S x1 x2

s12 S 22
n1

n2

n2

Es aproximadamente una variable normal

estndar

Si se extraen al azar muestras independientes de tamao n1 y n2

(cuya suma no excede a 30) de dos poblaciones discretas o
continuas, con medias 1 y 2

2
1

2 respectivamente desconocidas,
y varianzas 2 y
1
entonces la distribucin muestral de las diferencias de las
medias X X
2

CASO 3

2
2

esta distribuida con media y varianza dada por:

DONDE

X1 X 2

S x1 x2

1 2

(n1 1) S (n2 1) S
n1 n2
2
1

2
2

1 1

n1 n2

( X 1 X 2 ) ( 1 2 )

1 1
Sp

n1 n2

(n1 1) S12 (n2 1) S 22

Sp
n1 n2

Si se extraen al azar muestras independientes de tamao n1 y n2

(cuya suma no excede a 30) de dos poblaciones discretas o
continuas, con medias 1 y 2
2

y varianzas 1

CASO 4

12 22

X1 X 2

S x1 x2

22

y
respectivamente desconocidas,
entonces la distribucin muestral de las diferencias de medias

X1 X 2

esta distribuida con media y varianza dada por:

t*

1 2

2
1

( X 1 X 2 ) ( 1 2 )
S12 S 22

n1 n2

DONDE

s12

2
2

n1 n2

con

n1

s22

n2

( s12 n )2 ( s22 n )2
n1 11 n 2 12

Si n1 y n2 son mayores o iguales a 30 la aproximacin normal

para la diferencia de medias es muy buena cuando las
distribuciones originales estn cerca de la normal

Si n1 y n2 son menores a 30 la aproximacin normal para la

diferencia de medias es muy buena cuando las distribuciones
originales estn cerca de la normal
Si n1 y n2 son menores a 30 la aproximacin normal para la
diferencia de medias NO es muy buena si las distribuciones
originales no son normales

Distribucin de Muestreo de la Proporcin

Se utiliza para variables categricas
Cada sujeto u objeto se clasifica como poseedor o no de una caracterstica
particular (masculino o femenino, satisfecho o no con su trabajo,)
A los dos resultados posibles se les puede asignar resultados de 1 y
0(cero) para representar la presencia o ausencia de la caracterstica
En este caso la media muestral es la proporcin de muestra ps, que tiene
la caracterstica de inters, se define como:

X
numerodesu cesos
ps
n tamaodelamuestra

0 ps 1
Donde

ps

Es un estimador de la proporcin de poblacin p

ANALOGIA
La media de la muestra es un estimador de la media de la
poblacin
La estadstica ps
poblacin

es un estimador de la proporcin de la

La distribucin de muestreo de la proporcin en realidad sigue la

distribucin BINOMIAL, sin embargo cuando np y n(1-p) son cada
uno al menos 5 se puede utilizar la distribucin normal para
aproximar la distribucin binomial.
En los casos de inferencias relacionadas con la proporcin el
tamao de muestra es lo bastante sustancial para usar la
aproximacin normal

PROPORCION
DE EXITOS

ps p
Z
p(1 p)
n
X
ps
n

NUMERO DE
EXITOS

X np
Z
np (1 p )

Error estndar de la Proporcin

ps

p (1 p )
n

Nota importante: esta distribucin sigue la distribucin binomial, sin

embargo la distribucin binomial puede usarse para aproximar la
distribucin binomial cuando np y n(1-p) son cada uno al menos 5. En
ese caso se calculara el valor de z por:

Donde p es la proporcin de la
poblacin

ps p
p (1 p )
n

Ejemplo
El gerente de la sucursal local de un banco de ahorro ha determinado que 40%
todos los depositantes tienen cuentas mltiples en el banco. Si se selecciona
aleatoriamente una muestra de 200 depositantes, cual es la probabilidad de
que la proporcin muestra de depositantes con cuentas mltiples est entre
0.40 y 0.43

np 200 * 0.4 80
n(1 0.4) 200 * 0.6 120

Distribucin de muestreo de
la proporcin se puede
suponer normalmente
distribuida

0.40 0.4
z1
0.4 * 0.6
200
z1 0

0.43 0.4
z2
0.4 * 0.6
200
z 2 0.87
P(0 z 0.87) 0.3078

Muestreo de Poblaciones Finitas

El TLC y los errores estndar de la media y la proporcin se han
basado en la premisa de que las muestras seleccionadas se eligieron
con reemplazo.

E casi toda investigacin de encuesta, el muestreo es conducido sin

reemplazo de poblaciones que son de un tamao finito N.
En estos casos cuando el tamao de n no es pequeo comparado con
el tamao de poblacin N (se muestrea mas del 5% de la poblacin),
de manera que n/N>0.05 debe usarse un factor de correccin de
poblacin finita en la frmula de la media como del error estndar de la
proporcin

N es tamao de la poblacin
n es tamao de la muestra

pcf

N n
N 1

Muestreo de Poblaciones Finitas

ps

N n
N 1

p (1 p )
n

N n
N 1

MUESTREO A PARTIR DE UNA DISTRIBUCION DE BERNOULLI

La variable aleatoria X con fdp

p
P( X )
(1 p )

X=1
X=0

Se llama variable aleatoria de Bernoulli

Si se toma una muestra aleatoria de n observaciones, entonces la
suma de de las observaciones muestrales

X X 1 X 2 ............ X n
Tiene una distribucion binomial con parametros n y p
n

Su media muestral es

X
i 1

Es posible obtener la distribucion de

a partir de la distribucion binomial

P ( X a ) p k (1 p ) n k
n

i 0

X p

2
X

p (1 p )

MUESTREO A PARTIR DE UNA DISTRIBUCION DE POISSON

Si se toma una muestra aleatoria de n observaciones, DE UAN
DISTRIBUCION DE Posiisn con parametro
entonces la suma de de

las observaciones muestrales

X X 1 X 2 ............ X n
n

Tiene una distribucion poisson con parametro

La media de cada muestral es

X
i 1

e (n )
P X a P ( X an)
x!
k 0
an

2
x