Introduccin.

La inferencia estadstica se establece como una coleccin de tcnicas que

permiten formular inferencias que proporcionan una medida del riesgo de
stas, la inferencia estadstica se formula en base a una muestra de objetos de
la poblacin de inters.
Si la poblacin consiste de N objetos y de estos se seleccionan una muestra
que contiene n elementos el proceso debe de asegurar que cada muestra de
tamao n debe tener la misma probabilidad de obtenerse o de seleccionarse.
Cuando se lleva a cabo una seleccin de objetos tangibles de una poblacin
que consiste en un nmero finito de objetos, se plantean dos formas diferentes
de obtener muestras aleatorias.
1.- Despus de llevar una mezcla de objetos de una poblacin, se inicia la
extraccin de un objeto de la poblacin y se observa la caracterstica medible,
esta caracterstica se denota por X
1
, posteriormente este objeto se regresa a la
poblacin para llevar a cabo una mezcla de todos ellos, terminada esta mezcla
se extrae un segundo objeto de la poblacin y se observa la caracterstica
medible la cual se denota por X
2
, posteriormente este objeto se regresa a la
poblacin para llevar a cabo una mezcla de todos ellos, terminada esta mezcla
se extrae un tercer objeto de la poblacin y se observa la caracterstica medible
la cual se denota por X
3
, as sucesivamente hasta llegar la caracterstica X
n
,
con esto se forma una muestra de tamao n, X
1
, X
2
, . . . , X
n
de la
caracterstica medible X. A este proceso de muestreo se le conoce con el
nombre de muestreo con reemplazo.

2.- Despus de llevar a cabo una mezcla de objetos de una poblacin, se inicia
la extraccin de un objeto de la poblacin y se observa la caracterstica
medible, esta caracterstica se denota por X
1
, posteriormente este objeto no
regresa a la poblacin, se vuelve a llevar a cabo una mezcla de todos los
objetos restantes de la poblacin, terminada esta mezcla se extrae un segundo
objeto de la poblacin y se observa la caracterstica medible la cual se denota
por X
2
, y este objeto no regresa a la poblacin, se vuelve a llevar a cabo una
mezcla de todos los objetos restantes de la poblacin, terminada esta mezcla

se extrae un tercer objeto de la poblacin y se observa la caracterstica medible
la cual se denota por X
3
, y este objeto no regresa a la poblacin, se vuelve a
llevar a cabo una mezcla de todos los objetos restantes de la poblacin, as
sucesivamente hasta llegar la caracterstica X
n
, con esto se forma una
muestra de tamao n, X
1
, X
2
, . . . , X
n
de la caracterstica medible X. A este
proceso de muestreo se le conoce con el nombre de muestreo sin reemplazo.
Tipos de Muestreo.
1.- Muestreo sistemtico.
2.- Muestreo estratificado.
3.- Muestreo acumulado.
4.- Muestreo aleatorio simple.
De estos cuatro tipos de muestreo, el que se va a utilizar en este curso, es el
muestreo aleatorio simple.
Este tipo de muestreo es el ms importante y consiste del proceso por medio
del cual a cada elemento de una poblacin se le supone la misma probabilidad
de ser incluida en la muestra y adems a cada muestra tiene la misma
probabilidad de ser seleccionada. Si el tamao de la poblacin es N y el
tamao de la muestra es n, en el muestreo aleatorio simple a cada elemento
de la poblacin tiene asignada una probabilidad de
N
n
de ser incluido en una
muestra, de las
N
C
n
muestras posibles, cada una con una probabilidad de
n N
C
1
de ser seleccionada.
Definicin 1.- Un parmetro es una caracterizacin numrica de la
distribucin de la poblacin, de forma que describe parcial o completamente la
funcin de densidad de probabilidad de la caracterstica de inters. Ejemplos
de parmetros son la media poblacional y la varianza de la poblacin.

Definicin 2.- Una caracterstica es cualquier funcin de las variables
aleatorias que se observaron en la muestra de manera que sta funcin no
contiene cantidades desconocidas.
Ejemplos de caractersticas son la media de muestra y la varianza de la
muestra.


Teoremas sobre la distribucin de medias mustrales.


Teorema 1.- Dada una poblacin de N elementos, de la cual se toma la
cantidad de
N
C
n
de muestreas de tamao n, la media de la distribucin de
las medias mustrales que se denota por
X
es igual a la media de la
distribucin de la poblacin que denotamos por , esto es ,
X
= .

Teorema 2.- Para una poblacin finita de N elementos de la cual se toman
N
C
n
muestras posibles de tamao n, sin reemplazo, la relacin entre la
desviacin estndar de la distribucin de las medias mustrales que se denota
por
X
o y la desviacin estndar de la distribucin poblacional que se denota or
o , es
X
o =
1

N
n N
n
o
si n >0.05 N.
Donde
1

N
n N
es el factor de correccin de la poblacin finita.
Teorema 3.- Para una poblacin muy grande, la relacin entre la desviacin
estndar de la distribucin de las medias mustrales que se denota por
X
o y
la desviacin estndar de la distribucin poblacional que se denota por o , es
X
o =
n
o
si n < 0.05 N.
Ejemplo 1.- Considere que la poblacin est formada por el siguiente conjunto
N = {3, 4, 5, 6, 7, 8, 9}, conteste a las siguientes preguntas:
1.- Determine la cantidad de muestras posibles.
2.- Determine la muestra ms representativa de la poblacin.
3.- Construya la tabla de la medias mustrales
4.- Construya la tabla de distribucin de frecuencias
5.- Trace un Histograma
6.- Trace una ojiva y compare con la regla emprica.
7.- Demuestre que
X
= .

8.- Demuestre que
X
o =
1

N
n N
n
o
. (Este problema nos permite introducir el
teorema del lmite central)


Respuesta.

Para determinar la cantidad de muestras posibles, estas podran ser muestras
de un slo elemento, muestras de dos elementos, muestras de tres elemento,
muestras de cuatro elementos, muestras de cinco elementos y muestras de
seis elementos, esto es,

Cantidad de muestras posibles =
7
C
1
+
7
C
2
+
7
C
3
+
7
C
4
+
7
C
5
+
7
C
6
+
7
C
6

Cantidad de muestras posibles = 7 + 21 + 35 + 35 + 21 + 7 + 1 = 127

Ahora se determina la muestra ms representativa de la poblacin, es aquella
muestra ms grande de las muestras posibles encontradas y en este caso es la
que corresponde
7
C
3
= 35, o bien
7
C
4
= 35.


Se procede a construir la tabla de la medias mustrales

muestra x muestra x muestra x muestra x
(3, 4, 5) 4 (3, 6, 7) 16/3 (4, 5, 9) 6 (5, 6, 9) 20/3
(3, 4, 6) 13/3 (3, 6, 8) 17/3 (4, 6, 7) 17/3 (5, 7, 8) 20/3
(3, 4, 7) 14/3 (3, 6, 9) 6 (4, 6, 8) 6 (5, 7, 9) 7
(3, 4, 8) 5 (3, 7, 8) 6 (4, 6, 9) 19/3 (5, 8, 9) 22/ 3
(3, 4, 9) 16/3 (3, 7, 9) 19/3 (4, 7, 8) 19/3 (6, 7, 8) 7
(3, 5, 6) 14/3 (3, 8, 9) 20/3 (4, 7, 9) 20/3 (6, 7, 9) 22/3
(3, 5, 7) 5 (4, 5, 6) 5 (4, 8, 9) 7 (6, 8, 9) 23/3
(3, 5, 8) 16/3 (4, 5, 7) 16/3 (5, 6, 7) 6 (7, 8, 9) 8
(3, 5, 9) 17/3 (4, 5, 8) 17/3 (5, 6, 8) 19/3

Pasamos a construir la tabla de distribucin de frecuencias.
x frecuencia x frecuencia
4 1 20/3 4
13/3 1 7 3
14/3 2 22/3 2
5 3 23/3 1
16/3 3 8 1
17/3 4
6 5
19/3 5

Se construye el histograma.

Se construye la ojiva.

Histograma
0
1
2
3
4
5
6
4 4.33 4.66 5 5.33 5.66 6 6.33 6.66 7 7.33 7.66 8
F
r
e
c
u
e
n
c
i
a
Ojiva
0
1
2
3
4
5
6
4 4.33 4.66 5 5.33 5.66 6 6.33 6.66 7 7.33 7.66 8
F
r
e
c
u
e
n
c
i
a

y compare con la regla emprica.




Se procede a demostrar que
X
= .
Utilizamos la frmula
X
=
k
f x
i i
k
i

=1

028571429 . 6
8 ) 1 )( 3 / 23 ( ) 2 )( 3 / 22 ( ) 3 )( 7 ( ) 4 )( 3 / 20 (
35
) 5 )( 3 / 19 ( ) 5 )( 6 ( ) 4 )( 3 / 17 ( ) 3 )( 3 / 16 ( ) 3 )( 5 ( ) 2 )( 3 / 14 ( ) 3 / 13 ( 4
=
+ + + + +
+ + + + + + + +
=
X

028571429 . 6 =
X

Utilizamos la frmula =
7
7
1
i
i
x

=

=
7
9 8 7 6 5 4 3 + + + + + +
= 6

Se procede a demostrar que
X
o =
1

N
n N
n
o
.

Utilizamos la frmula o =
( )
7
2
7
1

=
i
i
x


o =
( ) ( ) ( ) ( ) ( ) ( ) ( )
2
7
6 9 6 8 6 7 6 6 6 5 6 4 6 3
2 2 2 2 2 2 2
=
+ + + + + +

Utilizamos la frmula
X
o =
( )
7
2
1
X
i
k
i
x

=

X
o =
8 ) 028 . 6 66 . 7 ( ) 2 ( ) 028 . 6 33 . 7 (
) 3 ( ) 028 . 6 7 ( ) 4 ( ) 028 . 6 66 . 6 ( ) 5 ( ) 028 . 6 33 . 6 ( ) 5 ( ) 028 . 6 6 ( ) 4 ( ) 028 . 6 66 . 5 (
35
) 3 ( ) 028 . 6 33 . 5 ( ) 3 ( ) 028 . 6 5 ( ) 2 ( ) 028 . 6 66 . 4 ( ) 028 . 6 33 . 4 ( ) 028 . 6 4 (
2 2
2 2 2 2 2
2 2 2 2 2
+ + +
+ + + + + +
+ + + + +

X
o = 8668808 . 0 = 0.931064337
X
o = 0.931064337

0.931064337 =
1 7
3 7
3
2

= 0.9428090416
Este ejercicio es un prembulo para el estudio del teorema del lmite central

Teorema de lmite central
Teorema de lmite central. Si se toma una variable aleatoria de tamao n en
una poblacin cuyo promedio es y varianza
2
o , entonces el promedio X de
la muestra tiene una distribucin normal aproximada con promedio y
varianza
n
2
o
, esto es, la distribucin
n
X
o

es aproximadamente normal.


Ejemplo 2.- Los resistores de cierto tipo tienen resistencias que en promedio
da 200 ohms, con una desviacin estndar de 10 ohms. Se utilizan 25 de ellos
en un circuito.
i).- Encuentre la probabilidad de que la resistencia promedio de los 25
resistores est entre 199 y 202 ohms.
ii)-. Encuentre la probabilidad de que la resistencia promedio de los 25
resistores est entre 197 y 201 ohms.
Respuesta.- i).- Sea z =
n
X
o

la variable estandarizada donde X
1
= 199
O, = 200 O y
n
o
=
25
10
= 2, con esto el valor de z
1
ser
z
1
=
25
10
200 199
= - 0.5
Ahora para
2
X = 202 O, = 200 O y
n
o
=
25
10
= 2, con esto el valor
de z
2
ser
Z
2
=
25
10
200 202
= 1.0
Con esto la probabilidad pedida es
p(199s X s 202 ) = p(-0.5 s z s 1.0 ) = 0.1915 + 0.3413 = 0.5328

p(199s X s 202 ) = 0.5328
ii).- Sea z =
n
X
o

la variable estandarizada donde X
1
= 197 O, = 200
O y
n
o
=
25
10
= 2, con esto el valor de z
1
ser
z
1
=
25
10
200 197
= -1.5

Ahora para
2
X = 201 O, = 200 O y
n
o
=
25
10
= 2, con esto el valor
de z
2
ser
Z
2
=
25
10
200 201
= 0.5
Con esto la probabilidad pedida es
P(197s X s 201 ) = P( - 1.5 s z s 0.5 ) = 0.4332 + 0.1915 = 0.6247

P(197s X s 201 ) = 0.6247

Problemas sugeridos a resolver por los alumnos en equipos de 5
alumnos.
1.- Considere que X es la variable aleatoria que indica el nmero de caras y
sea E el experimento que consiste en lanzar 100 veces una moneda
homognea. Utilice el teorema del lmite central para estimar.
i).- p( X s 46 )
ii).- p( 42 s X s 46 )
iii).- p( 64 s X s 75 ).
2.- En un hospital se requiri que los seis empleados administrativos trabajaran
en horas extras una quincena como se muestra en la tabla:

Horas extras trabajadas por los administrativos de una
fabrica
Empleado Horas extras Empleado Horas extras
Snchez 4 Rodrguez 3
Gonzalez 7 Hernndez 9
Licona 6 Abasolo 8

a) Calcular y o de las horas extras trabajadas.
b) Graficar las horas extras trabajadas
c) Seleccionar todas las muestras posibles de dos elementos y calcular en
cada una su x.
d) Elaborar la tabla de distribucin de muestreo de la media (distribucin de
probabilidad de la media muestral.
e) Graficar la distribucin de muestreo de la media.
f) Calcular la media de las medias muestrales y el error estndar (que es la
desviacin estndar de la distribucin de muestreo) de la media.
g) Comparar el inciso a con el f.
h) Cules son tus conclusiones?

3.- Se toman muestras de 46 observaciones de una mquina de acuar
monedas conmemorativas. El espesor promedio de las monedas es 0.24
cm, con una desviacin estndar de 0.015 cm.

a) Es la poblacin es normal? Justifica tu respuesta.
b) Qu porcentaje de medias de la muestra quedarn en el intervalo 0.20
0.004 cm?
c) Cul es la probabilidad de obtener la media de muestra que se desve
ms de 0.005 cm. de la media del proceso?

4.- El 77% de los habitantes en la zona metropolitana viven en el DF y el resto
en el rea conurbana. Si 1250 personas asisten a un concierto y esta cantidad
se considera una muestra aleatoria, cul es la probabilidad de que el nmero
de personas que viven en la zona conurbana y que asisten al concierto sea
menor a 278? Dibuja la distribucin muestral de la proporcin.

5.- Considere que la poblacin est formada por el siguiente conjunto
N = { 2, 3, 4, 5, 6, 7, 8, 9 }. Conteste a las siguientes preguntas:
i).- Determine la cantidad de muestras posibles.
ii).- Determine la muestra ms representativa de la poblacin.
iii).- Construya la tabla de la medias mustrales
iv).- Construya la tabla de distribucin de frecuencias
v).- Trace un Histograma
vi).- Trace una ojiva y compare con la regla emprica.
vii).- Demuestre que
X
= .
6.- Demuestre que
X
o =
1

N
n N
n
o
. (Este problema nos da un prembulo al
teorema del lmite central.
7.- Considere que la poblacin esta formada por el siguiente conjunto
N = {1, 2, 3, 4, 5, 6, 7, 8, 9 }, conteste a las siguientes preguntas:
i).- Determine la cantidad de muestras posibles.
ii).- Determine la muestra ms representativa de la poblacin.
iii).- Construya la tabla de la medias mustrales
iv).- Construya la tabla de distribucin de frecuencias
v).- Trace un Histograma
vi).- Trace una ojiva y compare con la regla emprica.
vii).- Demuestre que
X
= .

viii).- Demuestre que
X
o =
1

N
n N
n
o
. Este problema nos da un prembulo
al teorema del lmite central.