II.

DISTRIBUCIONES MESTRUALES

2.1 MUESTREO ALEATORIO

2.1.1 POBLACION Y PARAMETROS

POBLACION

Se denomina población o universe a la totalidad de personas u objetivos que tienen una más
características medibles o contables de naturaleza cuantitativa.
La característica de medible o contable es una variable estadística cuyo valor. Numérico o
no numérico es una observación.
Si la variable estadística a estudiar es una sola, cada elemento de la población puede asociarse
con una observación. En este sentido, se denomina población al conjunto de valores posibles
de la variable.
Si los elementos de la población se definen en forma aleatoria, entonces la variable estadística
cuantitativa es una variable aleatoria cuyos valores constituyen la población, en este caso la
distribución de la población es la distribución de la variable aleatoria, por lo tanto, la media
y la varianza de la variable aleatoria viene hacer la media y la varianza de la población.
Si la variable aleatoria X tiene distribución f ( x) se puede referir a la población f ( x) .
EJEMPLO

Si X esta normalmente distribuida se dice que la población normal esta normalmente

distribuida o que se tiene una población normal.
Por el número de observaciones la población puede ser finita de tamaño N, o infinita. Algunas
poblaciones finitas son tan grandes que en teorías son asumidas como poblaciones infinitas.

PARAMETROS

Se denomina parámetro a las medias descriptivas que caracterizan a la distribución de la

población. Entre otros parámetros poblacionales son.

MEDIA :μ
PROPORCION : op
VARIANZA : 2
DESVIACION ESTANDAR :

En diversas aplicaciones estadísticas al estudiar una población, la variable aleatoria que

define puede tener distribución conocida o no. La distribución de la población es conocida,
Si se conocen sus parámetros y su forma, es decir si se conocen su distribución de la
probabilidad.
Si la distribución de la población es desconocida podemos estar interesados en:
 *Estimar sus parámetros, si se conoce su distribución.
*Probar determinada suposición acerca de un valor determinado del
parámetro, o probar la suposición acerca del tipo de distribución de
probabilidades de la población.
Un parámetro es una medida usada para describir alguna característica de una población, tal
como la media aritmética, la mediana o desviación estándar de una población

2.1.2. MUESTRA ALEATORIA

En vez de examinar la población entera, lo cual puede resultar físicamente imposible o no

practica, puede examinar una muestra de la población con el propósito de inferir los
resultados encontrados.
Una muestra es un subconjunto de la población.
El proceso de selección de una muestra de n elementos de la población se Llama muestreo.
Las ventajas y las razones para el muestreo son diversas.
El proceso que consiste en inferir resultados a la población a partir de la muestra se denomina
inferencia estadística. Las confiabilidades de las conclusiones extraídas concernientes a una
población dependen si la muestra se ha escogido apropiadamente de manera que represente
bien a la población.
Una técnica para obtener para obtener muestras representativas de la población es el muestreo
aleatorio. Se llama muestreo aleatorio a todo proceso que asegure en cualquier momento del
mismo igual a la probabilidad de ser incluidos en la muestra a todos los elementos que
pertenezcan a la población en dicho momento.
La muestra aleatoria es aquel procedimiento de selección de la muestra en el que todos y cada
uno de los elementos de la población tiene una cierta probabilidad de resultar elegidos. De
esta forma, si tenemos una población de N elementos y estamos interesados en obtener una
muestra de n elementos (muestra de tamaño n), cada subconjunto de n elementos de la
población tendrá también una cierta probabilidad de resultar la muestra elegida.
A las muestras aleatorios se les denomina también muestras probabilísticas las muestras
aleatorias son de 4 tipos: Al azar simple, al azar sistemático, estratificado y por grupos (o
conglomerados).

MUESTRA AL AZAR SIMPLE

Es aquella en la que los elementos se escogen del total de la población en forma individual
con una oportunidad igual e independiente. Por lo general se utiliza una tabla se utiliza una
Tabla de números aleatorios.
Si la población es infinita el muestreo aleatorio ocurre la extracción de los elementos de la
muestra se hace con o sin reemplazo. Si la población es finita de tamaño N, el muestreo
aleatorio ocurre también si la extracción es con o sin reemplazo. Con reemplazo. Con
reemplazo, probabilidad de cada elemento de ser elegido es I /N. Si es sin reemplazo, la
probabilidad de cada elemento de ser elegido es I/(N-2) en la tercera extracción, es I (N -2)
en la tercera extracción, etc.
Este tipo de muestreo se emplea en casos en los que dispone de poca información acerca de
las características de la población a medir.
EJEMPLO

Seleccionar una muestra al azar simple es similar a la que se realiza en la extracción aleatoria
de números en una lotería.
MUESTRA AL AZAR SISTEMATICA

Una muestra aleatorio sistemática es aquella en que sus elementos se eligen de la población
a intervalos uniformes a partir de un listado ordenado. El K-esimo elemento de la muestra es
K = N/n, donde n es el tamaño de la muestra y N el tamaño de la población.
El muestreo sistemático suele ser más preciso que el aleatorio simple, ya que nos recorre la
población de un modo más uniforme.
EJEMPLO

Al elegir una muestra sistemática de 100 alumnos de EE.GG.CC que tiene 4000 alumnos,
K= 4000/100 = 40. El primero se elige en forma aleatoria de los 40 primeros de la lista y los
demás sistemáticamente cada 40 alumnos de la lista.

MUESTREO ALEATORIO ESTRATIFICADO

Primero se clasifican a los elementos de la población en subgrupos separados de acuerdo con

una o más características importantes (estratos). Después se obtiene por separado una muestra
aleatoria simple o sistemática en cada estrato. El tamaño de cada submuestra debe ser
proporcional al tamaño del estrato para asegurar representatividad.
Intenta asegurar que la muestra presenta la misma distribución que la población en relación
a determinadas variables.
EJEMPLO

Para obtener una muestra aleatoria de 600 electores de una población de 600000 electores
de los cuales 300000 son de clase baja .200 000 de clase media y 1000000 de clase alta. Se
deben elegir al azar de 300 de clase baja ,200 de clase media y 100 de clase alta.

MUESTREO ALEATORIO AGRUPADO

Denominado también por conglomerados. Los elementos de la población se dividen en forma

natural en subgrupos. Luego se eligen al azar los subgrupos que forman la muestra.
EJEMPLO

Al estudiar las pensiones, pero puede obtenerse una lista de los colegios particulares (grupos),
entonces, con esta lista puede obtener una muestra aleatoria de colegios y así obtener las
pensiones que pagan en estos colegios.
EL MUESTREO ALEATORIO SIMPLE

Es pues el proceso de selección de una muestra por el cual cada uno de los elementos de la
población tienen una oportunidad igual e independiente de ser incluidos en la muestra. En el
muestro aleatorio simple cada variable aleatoria X  cuyo valor es X  ,tiene la misma
distribución de la población de la cual se obtiene .Por ejemplo, supongamos que una
población consiste de 8 fichas , dos con el número 2 ,cuatro con el número 5, y dos con el
número 7.Si se extrae una ficha al azar, la ficha puede tomar cualquiera de los tres valores :
2 con probabilidad 0.25,5 con probabilidad 0.50 y 7 con probabilidad 0.25 que biene a ser la
misma distribución de la población.

Luego, diremos que los valores x1 , x2 ,..., xn Tomados respectivamente por las variables
aleatorias x1 , x2 ,..., xn , constituyen una muestra aleatoria simple de tamaño n de una
población f(x) de la variable aleatoria simple de tamaño n de una población f(x) de la variable
aleatoria X, si estas variables aleatorias están distribuidas en forma idéntica a la distribución
de la población y son independientes .Llamaremos también muestra aleatorias simple a este
conjunto de variables aleatorias .Formalmente definimos una muestra aleatoria simple o
brevemente muestra aleatoria de la forma siguiente:

Definición (muestra aleatoria simple). Dada una población f(x) con media μ y varianza  2
Se denomina muestra aleatoria de tamaño n de esa población. a un conjunto de n variables
aleatorias x1 , x2 ,..., xn tales que:

1) Son independientes.
2) Cada una de ellas esta distribuida en forma idéntica a f(x)

La condición 1) implica que la distribución de probabilidad conjunta de la muestra aleatoria

x1 , x2 ,..., xn es la expresión :

f ( x1 , x2 ,..., xn )  f ( x1 ) f ( x2 )... f ( xn )

La condición 2) significa que:

a) Cada variable aleatoria X  tiene la misma media y varianza de la distribución de X 

,es decir : E ( X  ) = μ y Var ( X  ) =  2
b) La distribución de probabilidad de cada variable aleatoria X  es la misma distribución
de probabilidad de X  , esto es. f ( x ) = f ( x)

NOTA: El proceso de obtener este tipo de muestra requiere población infinita o bien
población finita, pero con reposición de elementos.
EJEMPLO

Sea x1 , x2 ,..., xn Una muestra aleatoria de tamaño de n de una población normal N (  ,  2 )

a) Escribir la función de densidad de probabilidad conjunta de la muestra.

b) Si n = 6 ,   20 ,  = 25 calcular la probabilidad de que.
b1) X 1  X 3  X 4  X 6 sea mayor que 62
b2) al menos una de las X  sea menor que 39.8

SOLUCION

a) La función de la densidad conjunta de la muestra aleatoria es

f ( x1 , x2 ,..., xn )  f ( x1 ) f ( x2 )... f ( xn ) =  f ( X n ) 
n

2
n 1 n  x   
 1 1  x   
2  
 
   n 2 1 

   2  e
2 2

f ( X 1 , X 2 , X 3 ,..., X n )   e 2  
  2 
 

b) La media y la varianza de la variable aleatoria Y= X 1  X 3  X 4  X 6 están dadas

respectivamente por:

E (Y )  E ( X 1 )  E ( X 3 )  E ( X 4 )  E ( X 6 )  22  22  22  22  44
V (Y )  V ( X 1 )  V ( X 3 )  V ( X 4 )  V ( X 6 )  25  25  25  25  100
Por la propiedad reproductiva de la normal la variable aleatoria y tiene distribución normal
N (44 ,100), luego la variable aleatoria estándar:

y   y  44
Z  , tiene distribucion N (0,1) y
 10

 Y  44 62  44 
P Y  62   P    P  Z  1.2  0.1183
 10 10 

b2) Sea ahora la variable aleatoria

y 1, SI X, <39.8
0, si X,> 39.8
Entonces , y es bernoulle B(1,p),donde p  P Y  1 .La probabilidad del éxito es igual a :
 X  22 39.8  22 
p  P  X   39.8       P  Z  1.98  0.986
 5 5 
6
En consecuencia, la variable aleatoria : y   y , es binomial B(6,p), esto es,,
 1

p Y  y   CY6 p y 1  p 
6 x
, y = 0,1,2,3,4,5,6
Por tanto ,la probabilidad de que al menos un X  ,sea menor que 39.8 es :

P Y  1  1  P Y  O   1   0.027   1  0.000  1.000

6

2.1.3. ESTADISTICA

Se denomina estadística a cualquier función de las variables aleatorias que constituyen la

muestra.
Una estadística es una variable aleatoria Y  H ( X1 , X 2 ,..., X n ) , cuyo valor es el número real
y  H ( x1 , x2 ,..., xn ) . El termino estadística se usa para referirse tanto a la función de la
muestra, como valor de esta función.
En general para cada parámetro poblacional hay una estadística correspondiente a calcularse
a partir de la muestra. Algunas estadísticas importantes y sus valores calculados a partir de
una muestra aleatoria son:

1 n 1 n
a) La media muestral X   X ,
n i 1
con valor: x   X
n i 1

1 n 1 n
b) La varianza S 2  
n i 1
( X  X )2 , con valor: s 2  
n i 1
( x  x) 2

c) La desviación estándar muestral S  S 2

1 n
d) La proporción muestral ( porcentaje de éxitos en la muestra ) P o P   X
n  1
donde X  B(1, p) (el parámetro p es el porcentaje de éxitos en la población)también,

X
P , donde X  B (n, p )
n
El valor de P(oP) ,calculada a partir de una muestra ,se denota por p(o p)