NDICE:

INTRODUCCIN.03

MARCO TERICO...04

EJERCICIOS DE APLICACIN15

ANEXOS17

BIBLIOGRAFA..18

INTRODUCCIN:

A menudo necesitamos estudiar las propiedades de una determinada poblacin, pero quizs nos encontramos con el inconveniente de que sta es demasiado numerosa como para analizar a todos los individuos que la componen y que realizarlo tardara . Por tal motivo, recurrimos a extraer una muestra de la misma y a utilizar la informacin obtenida para hacer inferencias sobre toda la poblacin. Estas estimaciones sern vlidas slo si la muestra tomada es representativa y correcta de la poblacin a estudiarse. As, pues tenemos que el muestreo es una tcnica que utilizaremos para inferir algo respecto de una poblacin mediante la seleccin estratgica de una muestra de dicha poblacin. En este trabajo veremos, entre otras cosas, cmo es posible estimar la media de la poblacin a partir de las distribuciones que siguen las medias de las diferentes muestras obtenidas. En muchos casos, el muestreo es la nica manera de poder obtener alguna conclusin de una poblacin, entre otras causas, por el coste econmico y el tiempo empleado que supondra estudiar a todos los miembros de una poblacin.

Por eso aqu veremos qu mtodos serian los ms factibles para ser utilizados y aplicativos en las diferentes situaciones en que nos encontremos para el desarrollo y anlisis de estos problemas poblacionales con respecto a que distribucin muestral tomar.

DISTRIBUCIONES MUESTRALES: De una poblacin de tamao N, se pueden sacar N combinado n muestras diferentes de tamao n. Con cada una de estas muestras es posible obtener un estimador, ya sea la media, proporcin, varianza, etc. La distribucin de estos estimadores se conoce como distribucin en el muestreo. El conocer la distribucin en el muestreo de algunos de estos estimadores es til en el desarrollo terico de los temas correspondientes a estimacin por intervalo y pruebas de hiptesis. A continuacin se vern las distribuciones en el muestreo ms utilizadas.

DISTRIBUCIN MUESTRAL DE LA MEDIA: Dependiendo de las caractersticas de la poblacin y del tamao de la muestra se tienen varios casos. Se selecciona una muestra aleatoria de tamao n de una poblacin con distribucin normal con media m y varianza , con s 2 conocida.

La media muestral tiene tambin distribucin normal.

Se selecciona una muestra aleatoria de tamao n 30 de una poblacin con distribucin diferente a la normal

Se selecciona una muestra aleatoria de tamao n 30. La distribucin t es adecuada para trabajar con muestras pequeas, y se obtiene del cociente entre una distribucin normal estndar y la raz cuadrada de una chi-cuadrado dividida por sus grados de libertad, por lo tanto:

Si se utiliza la varianza corregida:

DISTRIBUCIN DE LA PROPORCIN:

Una proporcin poblacional se define como elementos de la poblacin.

=X/N, donde X es el nmero de

elementos en la poblacin que poseen cierta caracterstica y N es el total de

Una proporcin muestral se define como p = x/n, donde x es el nmero de elementos en la muestra que poseen cierta caracterstica y n es el total de elementos de la muestra. Cuando se desea estimar una proporcin, el tamao de la muestra siempre debe ser grande, es decir, n 30.

Si la muestra se obtiene con reemplazo, x tiene distribucin binomial y debido a que la muestra es grande, por el teorema central del lmite se aproxima a una distribucin normal; por consiguiente:

Debido a que se desconoce la proporcin poblacional, se utiliza la proporcin muestral para estimar la varianza, por lo tanto:

DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE DOS MEDIAS:

Cuando se toman dos muestras aleatorias de poblaciones diferentes, generalmente se quieren comparar los dos promedios o medir la diferencia que hay entre ellos. Si se toman dos muestras aleatorias independientes, de tamaos n1 y n2 procedentes de poblaciones con medias y y varianzas y respectivamente:

Si las muestras proceden de poblaciones con distribucin normal y las varianzas poblacionales son conocidas :

Si las muestras provienen de poblaciones no normales pero los tamaos de muestra son grandes , es decir, n1 30 y n2 30, la distribucin de la diferencia de medias es como en el caso anterior. Si las muestras provienen de poblaciones normales con varianzas poblacionales iguales pero desconocidas y tamaos de muestra pequeos , es decir, n1 30 y n2 30. Como se desconocen las varianzas poblacionales se debe obtener una expresin que elimine dichas varianzas, y debido a que las muestras son pequeas se debe obtener una distribucin t-Student.

Simplificando se obtiene:

Si las muestras provienen de poblaciones normales con varianzas poblacionales desconocidas pero diferentes y tamaos de muestra pequeos , es decir, n 1 30 y n2 30:

Donde:

Cuando se va a hacer una prueba de hiptesis o un intervalo de confianza para la diferencia d

e medias y las muestras son pequeas, primero se debe comprobar si las varianzas poblacionales son iguales o no. En caso de ser iguales se trabaja con el 3 y si son diferentes se trabaja con el caso 4 de los casos especiales.

DISTRIBUCIN MUESTRAL DEL COEFICIENTE DE VARIANZAS:

De dos poblaciones con distribucin normal y varianzas poblacionales toman dos muestras aleatorias independientes de tamaos n1 y n2 .

se

Como se vi, en la distribucin de la varianza se llega a una distribucin chicuadrado y del cociente de dos chi-cuadrado se obtiene una distribucin F de Snedecor.

Conocidas las distribuciones en el muestreo de los principales estimadores, se tiene la fundamentacin terica que nos permite desarrollar el tema correspondiente a los intervalos de confianza y las pruebas de hiptesis .

DISTRIBUCIN MUESTRAL DE LA VARIANZA:

El supuesto fundamental es que la poblacin tiene distribucin normal con media y varianza . De esta poblacin se obtiene una muestra aleatoria de tamao n.

La varianza de la muestra se define como:

Si se multiplica por n/

se obtiene:

La expresin es similar a:

Que tiene distribucin chi-cuadrado con n grados de libertad. La nica diferencia es que en el uno interviene la media muestral (x) y en el otro la media poblacional ( ). Por lo tanto, la pregunta es si la expresin (1.1) tambin tiene distribucin chicuadrado con n grados de libertad.

Recordemos que una variable aleatoria con distribucin normal estndar, elevada al cuadrado, tiene distribucion chi-cuadrado y sus grados de libertad dependen del nmero de observaciones. Si una variable aleatoria X tiene distribucin normal, N( , del lmite: ), por el teorema central

Para hacer la demostracin partimos de la expresin (1.2), a la que se le resta y se le suma la media muestral:

Desarrollando el binomio y aplicando propiedades de la suma se obtiene:

Por propiedades de la media:

Despejando:

Por lo tanto:

Es decir que la sustitucin de la media poblacional por la media muestral reduce en 1 los grados de libertad de la chi-cuadrado. Lo anterior nos indica que cada vez que se reemplaza un parmetro por un estimador, se reduce en 1 los grados de libertad de la distribucin chi-cuadrado. Si se utiliza la varianza corregida,

Lo anterior se debe a que la varianza corregida se define como:

En caso de ser iguales se trabaja con el 3 y si son diferentes se trabaja con el caso 4 de los casos especiales.

APLICACIN DE LA TEORA

De un total de 1000 muestras de 200 nios cada una, en cuantas cabe esperar (a) menos del 40% sean nios, (b) entre el 40% y el 60% sean nias, (c) El 53% o mas sean nias. Solucin: Datos: n = 200 La probabilidad de que sea nio o nia es la misma p = 0.5 , q = 0.5 a) Para este inciso se pregunta en cuantas muestras cabe esperar que menos del 40% sean nios. Esto significa que tomamos p de xito igual a la probabilidad que sean nios = 0.5 y q de fracaso (sean nias) = 0.5. Buscamos encontrar:

b) Para este inciso se nos pide encontrar en cuantas muestras cabe esperar que entre el 40 y el 60% sean nias: Para lograrlo nos valemos de la distribucin muestral para las proporciones dado la naturaleza del problema. Siendo la probabilidad de xito (sean nias) = 0.5 y la probabilidad de fracaso (sean nios) = 0.5

Solucin :

c) Para este inciso se pregunta en cuantas muestras cabe esperar que el 53% o ms sean nias. Esto significa que tomamos p de xito igual a la probabilidad que sean nias = 0.5 y q de fracaso (sean nios) = 0.5.