Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadisticos Muestrales
Estadisticos Muestrales
INTRODUCCIN A LA
INFERENCIA ESTADSTICA
6.1. Introduccin
6.2. Conceptos bsicos
6.3. Muestreo aleatorio simple
6.4. Distribuciones asociadas al muestreo
6.4.1. Distribucin Chi-Cuadrado
6.4.2. Distribucin t de Student
6.4.3. Distribucin F de Snedecor
6.5. Distribucin de estadsticos muestrales
6.5.1. Concepto de estadstico y distribucin
muestral
6.5.2. Distribucin de la media muestral de
una poblacin Normal
6.5.3. Distribucin de la varianza muestral
de una poblacin Normal
6.5.4. Distribucin de la diferencia de
medias muestrales de dos poblaciones
Normales independientes
6.5.5. Distribucin del cociente de varianzas
muestrales de dos poblaciones Normales
independientes
6.5.6. Distribucin de la proporcin muestral
6.5.7. Distribucin de la diferencia de
proporciones muestrales
145
6.1. Introduccin
Anlisis Descriptivo
Inferencia Estadstica
Clculo de Probabilidades
Estimacin Contraste de
Hiptesis
Describir
Poblacin Parmetros
Poblacionales
Caractersticas
Se extrae Estimacin
Contraste
Muestra Estadsticos
Genera Utilizados
Datos numricos
para obtener
146
6.2 Conceptos bsicos
147
La inferencia estadstica esta basada en el
estudio de las muestras
148
6.3 Muestreo aleatorio simple
149
Muestreo aleatorio simple
150
Pasos de un muestreo
Poblacin
Muestra
151
Ejemplo en poblaciones finitas
152
Ejemplo en poblaciones infinitas
153
6.4 Distribuciones asociadas al muestreo
X = X 12 + X 22 + .... + X n2
X n2
Distribucin Chi-Cuadrado
0.12 G. Libertad
10
0.08
f(x)
0.04
0
0 10 20 30 40
x
154
9 Esperanza matemtica
2
E n = n
9 Varianza
2
Var n = n
9 Para valores grandes de n, la distribucin Chi-
Cuadrado se aproxima a la distribucin Normal. La
aproximacin se considera aceptable para n > 30
Distribucin Chi-Cuadrado
0.12 G. Libertad
10
20
0.08 30
f(x)
0.04
0
0 20 40 60 80
155
6.4.2 Distribucin t de Student
Z N ( 0; 1 )
Independientes
Y n2
Z
X=
Y
n
X tn
Contraste Distribuciones
0.4
Normal
t-Student
f(x) 0.2
0
-6 -4 -2 0 2 4 6
156
9 Esperanza matemtica
E tn = 0
9 Varianza
n
Var t n =
n2
Distribucin t-Student
0.4 G. Libertad
10
0.3
20
30
f(x) 0.2
0.1
0
-8 -4 0 4 8
157
6.4.3 Distribucin F de Snedecor
Y n2
2 Independientes
W m
Y
X= n
W
m
X Fn, m
Distribucin F de Snedecor
0.8 G. Libertad
10,10
0.6
f(x) 0.4
0.2
0
0 1 2 3 4 5
158
9 Para valores grandes de n y m, la distribucin F de
Snedecor se aproxima a la distribucin Normal.
Distribucin F de Snedecor
1.2 G. Libertad
5,10
10,20
0.8 30,30
f(x)
0.4
0
0 1 2 3 4 5
159
6.5 Distribucin de estadsticos muestrales
Estadsticos muestrales
Inferencia
Parmetros poblacionales
160
Sea una poblacin donde se observa la variable aleatoria X
E [X ] = ; Var [X ] = 2
Consideramos una muestra aleatoria simple, m.a.s., de
tamao n, formada por las v.a. X1, X2,....Xn
9 Varianza muestral:
n
(
Xi X 0
i =1
)
2
2 =
n
n 2
9 Cuasi-Varianza muestral:
( Xi X )
S 2 = i =1
n 1
161
Consideramos todas las posibles muestras de tamao n
X 11 X 12 X 1j
X.21 X 22 X.2j
. . .
. . .
.
X i1 X i2 X ij
. . .
. . .
. . .
X n1 X n2 X nj
x1 x2 K xj K
9 Esperanza matemtica: E X = X
9 Varianza: Var X = X2
162
Los estadsticos muestrales, media, varianza y cuasi-
varianza verifican las siguientes propiedades:
9 Media muestral:
E X = X =
2
2
Var X = X =
n
9 Varianza muestral:
[ ]
E 2 =
n 1 2
n
9 Cuasivarianza muestral:
E S 2 = 2
163
Ejemplo en poblaciones infinitas
1.-
X P( X )
1 1 1 9
= E [ X ] = 1 + 3 + 5 = = 3
3 3 3 3
2 = E X 2 E [ X ] 2 =
1 1 1 8
= 12 + 32 + 52 32 =
3 3 3 3
164
2.-
x1 x2 x X P( X )
1 1 1 1 1/9
1 3 2 2 2/9
1 5 3 3 3/9
3 1 2
4 2/9
3 3 3
5 1/9
3 5 4
5 1 3
5 3 4
E X = 3 =
5 5 5
4 8 3 2
Var X = = =
3 2 n
1 2 1
X = E X = 1 + 2 + ... + 5 = 3
9 9 9
2 2 2
Var [ X ] = X = E X E X =
2 1 2 1 2 4
= 1 + ... + 5 3 =
9 9 3
165
6.5.2. Distribucin de la media muestral
de una poblacin Normal
X 1, X 2 ,..., X n
Independientes entre si
Xi N (, )
166
Distribucin de la media muestral
1 n
X = Xi
n i =1
X N ,
n
Por lo tanto
X
Z = N ( 0; 1 )
n
167
Caso B. Varianza poblacional, 2 , desconocida
X
T=
S
tn 1
n
X
El estadstico T, definido como: T=
S
n
168
Teorema Central del Limite
X
Z=
n
169
Ejemplo: Distribucin de la media muestral
Varianza poblacional conocida
X X 6 X 6
Z= = = N ( 0; 1)
2 0.4
n 25
X 6 6.3 6
P ( X 6.3) = P = P ( Z 0.75) =
0.4 0.4
170
Ejemplo: Distribucin de la media muestral
Varianza poblacional desconocida
X X X
T=
S
=
14
= tn 1 = t15
3.5
n 16
( ) (
P X 8 = P 8 X 8 = )
8 8
= P X = P( 2.947 t15 2.947) =
10.8585 10.8585
16 16
= 1 2 P(t15 2.947 ) = 1 2 0.005 = 1 0.01 = 0.99
171
2. Se hacen 36 mediciones en las que se obtiene una
cuasidesviacin tpica de 12 unidades. Obtener la
probabilidad de que la media muestral no difiera de la
media poblacional en ms de 5 unidades.
X X X
T= = = t35 N (0; 1)
S 12 2
n 36
( ) (
P X 5 = P 5 X 5 = )
5 X 5 5
= P = P( 2.5 Z 2.5) =
2 2 2
= 1 2 0.00621 = 0.98758
172
Ejemplo: Teorema central del lmite
M
X 64 : " N de barriles el da 64"
Xi
n = 64 > 30 X = N ;
n n
16
X N ; = N ( ; 2 )
64
173
16
X N ; = N ; = N ( ; 2)
n 64
X X
Z= = N (0; 1)
2
n
P( X 4 ) = P( 4 X 4) =
4 X 4
= P = P ( 2 Z 2 ) =
2 2 2
174
6.5.3. Distribucin de la varianza muestral
de una poblacin Normal
X 1, X 2 ,..., X n
Independientes entre si
Xi N (, )
175
Distribucin de la varianza muestral
2 =
n 2
=
(n 1)S 2
2 2
2 =
n 2
=
(n 1)S 2
2 n 1
2 2
176
Ejemplo: Distribucin de la varianza muestral
X i : " Medicin" N ( ; 4)
n = 25
2 =
n 2
=
(n 1)S 2
2 n 1
2 2
( ) n 2 n 12.16
P 2 12.16 = P =
2 2
2
= P n 1
25 12.16
16
(2 )
= P n1 19 = 0.75
177
6.5.4. Distribucin de la diferencia de
medias muestrales de dos poblaciones
Normales independientes
X N ( X , X )
Independientes
Y N ( Y , Y )
Consideramos:
m.a.s. de tamao n X de X
X , S X2
X1, X 2 ,..., X n
x
m.a.s. de tamao n Y de Y
Y , S Y2
Y1, Y2 ,..., YnY
1 nX 1 nX
(X i X )
2
X= Xi S X2 =
n X i =1 n X 1 i =1
1 nY 1 nY
(Yi Y )
2
Y= Yi SY2 =
nY i =1 nY 1 i =1
178
Distribucin de la diferencia de medias
179
Distribucin de la diferencia de medias
2 2
X Y
N ( X Y ), +
nX nY
Por lo tanto
(X Y ) ( X Y )
Z= N ( 0 ;1)
X2 Y2
+
nX nY
180
Caso B. Varianzas poblacionales
desconocidas, pero iguales
2 2
X = Y
T=
( X Y ) ( X Y )
1 1
Sp +
n X nY
( n X 1 ) S X2 + ( n Y 1) S 2Y
donde: S 2p =
nX + n Y 2
T=
( X Y ) ( X Y )
tn X + n Y 2
1 1
Sp +
n X nY
181
Caso C. Varianzas poblacionales desconocidas
distintas o no, con n X, n Y > 30
Z=
( X Y ) ( X Y )
S X2 S Y2
+
n X nY
Z=
( X Y ) ( X Y )
N ( 0;1 )
S X2 S Y2
+
n X nY
182
Ejemplo: Distribucin de la diferencia de medias
Varianzas poblacionales conocidas
X N (0.48; 0.2 ); n X = 25
Y N (0.4663; 0.01); nY = 100
X Y ( X Y )
Z= N (0; 1)
2
X Y2
+
nX nY
183
X Y ( X Y )
Z= N (0; 1)
2
X Y2
+
nX nY
P( X Y + 0.2 ) = P( X Y 0.2 ) =
X Y ( X Y ) 0.2 ( X Y )
= P =
2 2 2 2
X + Y
X + Y
n n n n
X Y X Y
0.2 0.0137
= P Z =
0.008 + 0.0001
= 1 0.0192 = 0.9808
184
Ejemplo: Distribucin de la diferencia de medias.
Varianzas poblacionales desconocidas,
pero iguales
Se est realizando un estudio sobre la calidad del aire
en dos zonas A y B. Un indicador de la calidad es el
nmero de microgr. de partculas en suspensin por m3 de
aire, que suponemos siguen distribuciones Normales
independientes de media 62.237 en A, 61.022 en B y
varianzas iguales. En la zona A se realizan 12 mediciones,
obtenindose una cuasi-varianza de 8.44 microgr2 y en la
B 15 mediciones, con una cuasi-varianza de 9.44
microgr2. Obtener la probabilidad de que la media
muestral de A sea como mnimo tres unidades superior a
la media muestral de B.
n X = 12; s 2X = 8.44
nY = 15; sY2 = 9.44
185
X : " Calidad del aire en A"; X N (62.237; )
Y : " Calidad del aire en B"; Y N (61.022; )
n X = 12; s 2X = 8.44
nY = 15; sY2 = 9.44
(
S 2p = X
n 1)S 2 (
X + nY 1)S 2
Y =9
(n X + nY 2)
P ( X Y 3) =
X Y ( X Y ) 3 ( X Y )
=P =
1 1 1 1
Sp + Sp +
n X nY n X nY
3 1. 015 = P(t25 1.708) = 0.05
= P t25
1 1
3 +
12 15
186
Ejemplo: Distribucin de la diferencia de medias
Varianzas poblacionales desconocidas.
Muestras grandes
n X = 35 ; X = 1.9 ; S X = 0.4
nY = 40 Y = 1.7 ; SY = 0.7
( X Y ) ( X Y )
Z= N ( 0; 1)
S 2X S Y2
+
n X nY
187
X : " I.B - D antes del vertido" N ( X ; X )
Y : " I.B - D despus del vertido" N (Y ; Y )
n X = 35 ; X = 1.9 ; S X = 0.4
nY = 40 Y = 1.7 ; SY = 0.7
P( X Y 0.2 ) =
X Y ( X Y ) 0.5 ( X Y )
= P =
2 2 2 2
S X SY S X SY
+ +
n X nY n X nY
0.5 (1.9 1.7 )
= P Z =
0.4 2 2
0.7
+
35 40
= 1 0.0104 = 0.9896
188
6.5.5. Distribucin del cociente de varianzas
muestrales de dos poblaciones
Normales independientes
X N ( X , X )
Independientes
Y N ( Y , Y )
Consideramos:
m.a.s. de tamao n X de X
X , S X2
X1, X 2 ,..., X n
x
m.a.s. de tamao n Y de Y
Y , S Y2
Y1, Y2 ,..., YnY
n nX
1 X 1
X = Xi S X2 = (X X )2
nX
i =1 n X 1 i =1 i
n n
Y
1 Y 2 1
Y= Yj SY = (Y j Y ) 2
nY n Y 1 j =1
j =1
189
Distribucin del cociente de
varianzas muestrales
S X2 X2 S X2 Y2
F= =
S Y2 Y2 S Y2 X2
S X2 Y2
F= Fn , nY 1
1
S Y2 X2 X
190
Ejemplo: Distribucin del cociente de varianzas
muestrales
S X2 Y2
F= Fn , nY 1
1
S Y2 X2 X
( ) Y2 S X2 Y2
2
S
P Y 2 X = P
2 2
2 = P 2 X =
2 S 2 2 SY2
X Y X
191
6.5.6. Distribucin de la proporcin muestral
X N (np ; npq )
X
p =
n
192
Distribucin de la proporcin muestral
X
p =
n
Verifica que:
pq
p N p;
n
Por lo tanto:
p p
Z= N (0; 1)
pq
n
193
Ejemplo: Distribucin de la proporcin muestral
pq 0.38 0.62
p N p ; = N 0.38 ; = N (0.38 ; 0.068)
n 50
p p p 0.38
Z= = N (0 ; 1)
pq 0.068
n
p 0.38 0.19 0.38
P ( p 0.19 ) = P = P(Z 2.769 ) =
0.0686 0.0686
194
6.5.7. Distribucin de la diferencia de
proporciones muestrales
X B(n X ; p X )
Independientes
Y B(nY ; pY )
X (
N n X pX ; nX p X q X )
Y N ( n Y pY ; nY p Y q Y )
Definimos las proporciones muestrales como:
X
p X =
nX
Y
p Y =
nY
195
Distribucin de la diferencia de proporciones
muestrales
X
p X = n
X
p X - p Y ; donde :
p X p Y ;
Y
p Y =
nY
Se verifica que:
Z=
( p X p Y ) ( p X pY )
N (0; 1)
p X q X pY qY
+
nX nY
196
Ejemplo: Distribucin de la diferencia de
proporciones muestrales
Se sabe que en una poblacin el 28% de las mujeres y
el 25% de los hombres son fumadores. Se extraen
muestras de 42 mujeres y 40 hombres. Determinar la
probabilidad de que las mujeres fumadoras superen a los
hombres fumadores en al menos el 4%.
pX: Proporcin de mujeres fumadoras en la poblacin
pY: Proporcin de mujeres fumadoras en la poblacin
p X :Proporcin de mujeres fumadoras en la muestra
p Y : Proporcin de mujeres fumadoras en la muestra
Z=
( p X pY ) ( pX pY ) ( p X pY ) (0.28 0.25)
=
pX qX pY qY 0.280.72 0.250.75
+ +
nX nY 42 40
=
( p X p Y ) 0.03
N (0 ; 1)
0.0974
P( p X p Y + 0.04 ) = P( p X p Y 0.04 ) =
0.04 0.03
= P Z = P(Z 0.0103) = 0.4602
0.974
197