República Bolivariana de Venezuela

Facultad de ciencias económicas y sociales

Universidad Panamericana del Puerto
Cátedra: Estadística II

Trabajo Final

Profesor Integrantes
Jerson Rubín Di Muro Francys C.I.: 24.462.156
Rodríguez Adriana C.I.: 25.269.156

Caracas, 25 de Abril del 2018

1
 INDICE

Pág.
Introducción................................................................................................ 3
Distribución Muestral...................................................................................4
Media Muestral............................................................................................4
Proporción Muestral.....................................................................................4
Varianza Muestral.....................................................................................5,6
Diferencias de Medidas muéstrales..........................................................6,7
Diferencias de proporciones muéstrales...................................................8,9
Conclusión.................................................................................................10
Referencias electrónicas...........................................................................11

2
 Introducción

Antes de hacer referencia a cualquier punto en específico, es necesario

acotar que una distribución muestral no es más que, una distribución
de Probabilidad de una estadística muestral; siendo ésta calculada a partir
de todas las muestras posibles de tamaño "n" elegidas al azar de una
población determinada. Por lo general, nos interesa conocer una o más de
las siguientes características de la distribución muestral. Su forma
funcional, su media y su desviación estándar.

Partiendo de lo antes expuesto podemos entonces hablar y notar las

diferencias entre lo que es una media muestral, su proporción, la varianza,
las diferencias de medias muestrales así como también, las diferencias de
proporciones muestrales.

Necesario acotar, que, la importancia de conocer la distribución muestral

de un estadígrafo es que esta permite el proceso de inferencia del mismo,
puesto que casi nunca ocurre el hecho de que se puedan tomar todas las
muestras posibles de una población dada, conociendo la distribución
muestral del estimador se puede hacer la inferencia del mismo a partir de
una sola muestra.

Además, con el estudio de la distribución muestral se puede calcular la

probabilidad que se tiene, dada una sola muestra de acercarse al
parámetro de la población, así como también, se puede estimar el error
para un tamaño de muestra dado.

3
Distribución Muestral

Es lo que resulta de considerar todas las muestras posibles que pueden

ser tomadas de una población. Su estudio permite calcular la probabilidad
que se tiene, dada una sola muestra, de acercarse al parámetro de la
población. Mediante la distribución Muestral se puede estimar el error para
un tamaño de muestra dado.

Una distribución Muestral presenta cada posible resultado que una

estadística puede tomar en todas las muestras posibles de una población
y con qué frecuencia ocurre cada resultado. En este tema veremos cómo
las proporciones y las medias de la muestra se comportan en muestras
repetidas.

Medias Muestral

Es una medida cuantitativa, derivada de un conjunto de datos de una

muestra, con el objetivo de estimar o inferir características de una población
o modelo estadístico. Más formalmente un estadístico es una función
medible T que, dada una muestra estadística de valores.
Si tenemos una muestra aleatoria de una población N (m, s), se sabe
(Teorema del límite central) que la fdp de la media Muestral es también
normal con media m y varianza s2/n. Esto es exacto para poblaciones
normales y aproximado (buena aproximación con n>30) para poblaciones

cualesquiera. Es decir es el error típico, o error estándar de la media.

Proporción Muestral

Existen ocasiones en las cuales no estamos interesados en la media de

la muestra, sino que queremos investigar la proporción de artículos
defectuosos o la proporción de personas con teléfono, etc en la muestra.
La distribución Muestral de proporciones es la adecuada para dar respuesta

4
a estas situaciones. Esta distribución se genera de igual manera que la
distribución Muestral de medias, a excepción de que al extraer las muestras
de la población s e calcula el estadístico proporción (p=x/n en donde “x” es
el número de éxitos u observaciones de interés y “n” el tamaño de la
muestra) en lugar de la media de cada muestra que era lo que calculamos
antes.

Es de gran importancia conocer cómo se distribuye la variable aleatoria

“proporción de n observaciones independientes que cumplen una condición
especificada” o como también le podemos llamar, la distribución Muestral
de la proporción. Anexamos un ejemplo de cómo operar con la distribución
Muestral de la proporción tomando como base la distribución binomial.

Se tienen 5 tarjetas de las cuales los sujetos deben decidir cuál de las
tarjetas levantara como respuesta a una pregunta del entrevistador.
Supongamos una muestra de 15 niños participantes cuyo nivel de
desarrollo cognitivo les impide analizar correctamente el problema y así
lograr una respuesta de azar. Obtenga las probabilidades de que: (a) no
acierte ninguno; (b) la proporción de aciertos no llegue a 0.50, y (c) la
proporción de aciertos sea mayor de 0.20.

Las posibilidades asociadas a la variable aleatoria “proporción de

sujetos que aciertan” nos vienen dada por la distribución binomial con
parámetros π= 0.20 y n=15. Por tanto según la tabla correspondiente:

(a) P(Pi=0) = P(Xi=0) = 0.035

(b) P(Pi<0.50) = P(Xi≤7) = 0.996
(c) P(Pi>0.20) = P(Xi≥4) = 0.352

Varianza Muestral
En teoría de probabilidad, la varianza o variancia (que suele
representarse como) de una variable aleatoria es una medida de dispersión

5
definida como la esperanza del cuadrado de la desviación de dicha variable
respecto a su media, La varianza tiene como valor mínimo 0.

A la distribución Muestral (s2) se le conoce también como distribución

Chi-cuadrada (x2). Es decir, que si se extraen todas las muestras posibles
de una población normal y a cada muestra se le calcula su varianza, se
obtendrá la distribución Muestral de las varianzas. Lo que hace la varianza
es establecer la variabilidad de la variable aleatoria.

Propiedades de la varianza
 La varianza sea siempre un valor positivo o cero, en el caso de que
algunas puntuaciones sean iguales.
 Si a todos los valores de la variable se le suma un numero la varianza
no varía.
 Si todos los valores de la variable se multiplican por un número la
varianza queda multiplicada por el cuadrado de dicho número.
 Si tenemos varias distribuciones con la misma media y conocemos
sus respectivas varianzas se puede calcular la varianza total.

Diferencias de medias muéstrales

Suponga que se tienen dos poblaciones distintas, la primera con

media 1 y desviación estándar 1, y la segunda con media 2 y

desviación estándar 2. Más aún, se elige una muestra aleatoria de

tamaño n1 de la primera población y una muestra independiente aleatoria
de tamaño n2 de la segunda población; se calcula la media Muestral para
cada muestra y la diferencia entre dichas medias. La colección de todas
esas diferencias se llama distribución Muestral de las diferencias entre

medias o la distribución Muestral del estadístico

6
La distribución es aproximadamente normal para n130 y n230. Si las
poblaciones son normales, entonces la distribución Muestral de medias es
normal sin importar los tamaños de las muestras.

Por otra parte, en ocasiones interesa definir un intervalo de valores tal

que permita establecer cuáles son los valores mínimo y máximo aceptables
para la diferencia entre las medias de dos poblaciones. Pueden darse dos
situaciones según las muestras sean o no independientes; siendo en
ambos casos condición necesaria que las poblaciones de origen sean
normales o aproximadamente normales:

Muestras Independientes si puede suponerse que las varianzas de

ambas poblaciones son iguales, el intervalo de confianza para la diferencia
de medias poblacionales está centrado en la diferencia de las medias
muéstrales, siendo sus límites superior e inferior:

Muestras dependientes en este caso las muestras están formadas por

parejas de valores, uno de cada población y el estadístico se obtiene a partir
de las diferencias de los valores de las dos variables correspondientes a
cada caso o di que se define como di= xi-yi.

7
Diferencias de Proporciones Muéstrales

El estadístico de prueba que permite contrastar frente

a a partir de dos muestras aleatorias e independientes

es siendo p la estimación de obtenida del total de

observaciones.

Si se consideran las proporciones como medias y se aplica la prueba t

utilizada para comparar medias poblacionales los resultados no son fiables
ya que la estimación del error típico que realiza el programa no coincide
con la del estadístico de prueba. Para resolver el problema con el programa
SPSS se deberá cruzar la variable analizada con la que define los grupos
(obtener la tabla de contingencia) y realizar el contraste de independencia
Chi-cuadrado.

El estadístico de prueba Chi-cuadrado se

define: y presenta una distribución Chi-

cuadrado con (I-1) (J-1) grados de libertad. Las Eij se calculan multiplicando
las frecuencias marginales y dividendo el producto por n. Estas Eij son
estimaciones de las frecuencias absolutas que cabría esperar en cada
casilla bajo el supuesto de que la proporción de éxitos es la obtenida a partir
del total de observaciones muéstrales sin considerar diferencias entre los
dos grupos.

Distribución de la diferencia de medias muéstrales cuando se conoce

la varianza poblacional

“tiempo medio de duración de dos piezas”, “salarios hombres mujeres”…

8
“sean (x1....xn) e (y1…..yn) dos muestras aleatorias simples e
independientes de tamaños nx y ny procedentes de n (μx, σx) y n(μy,σy)
respectivamente. Entonces la distribución Muestral de la diferencia de
medias se distribuye:

 x  y  x   y
 x2  y2
 xy   
nx ny
  x2  y 
2

x  y  N  x   y ,  
 nx n y 
 
( x  y )   x   y 
 N (0,1)
 2
 2
x
 y

nx ny

Distribución de la diferencia de medias muéstrales cuando no se

conoce la varianza poblacional

X  N   x ,  x   nx
Y  N   y , y   ny

A)las varianzas poblacionales son desconocidas pero iguales  2x   2 y   2

B )las varianzas poblacionales son desconocidas pero distintas  2x   2 y

9
 Conclusión

Para finalizar, resulta indispensable dejar completamente claro, que una

distribución muestral, es la distribución de probabilidad de un estimador o
estadígrafo que resulta de considerar todas las muestras posibles que
pueden ser tomadas de una población.

Es decir, si se toman todas las muestras posibles en una población y se

obtienen los diferentes valores para un estimador y su respectiva
probabilidad, a esta distribución que se forma es lo que se denomina
Distribución muestral.

Indubablemente, una muestra debe ser representativa si va a ser usada

para estimar las características de la población. Los métodos para
seleccionar una muestra representativa son numerosos, dependiendo del
tiempo, dinero y habilidad disponibles para tomar una muestra y la
naturaleza de los elementos individuales de la población. Por lo tanto, se
requiere un gran volumen para incluir todos los tipos de métodos de
muestreo.

10
 Referencias electrónicas

https://es.wikipedia.org/wiki/Distribuci%C3%B3n_muestral

Fecha de consulta: 22 de abril 2018

https://es.wikipedia.org/wiki/Estad%C3%ADstico_muestral

Fecha de consulta: 23 de abril 2018

http://www.geociencias.unam.mx/~ramon/EstInf/Clase5.pdf

Fecha de consulta: 23 de abril 2018

https://prezi.com/avxbx86jsdlr/varianza-muestral-y-poblacional/

Fecha de consulta: 23 de abril 2018

http://www.ub.edu/aplica_infor/spss/cap4-3.htm

Fecha de consulta: 24 de abril 2018

http://www.ub.edu/aplica_infor/spss/cap4-5.htm

Fecha de consulta: 24 de abril 2018

11