Está en la página 1de 13

Estadística Inferencial l

UNIDAD 1
Distribuciones Muéstrales
ALUMNO:
SOTO FELIX JUAN RUBEN
PROFESOR:
FRANCISCO LOPEZ

MIERCOLES 04 DE SEPTIEMBRE DEL 2019


INTRODUCCION
Es importante en esta materia conocer los siguientes conceptos para el cálculo de
áreas , cálculo de probabilidades a partir de muestras ya siendo poblacionales o por
medio de un muestreo, en el siguiente trabajo de investigación se mostraran los
tipos de distribuciones que son utilizados para calcular probabilidades y estadística.
Distribuciones fundamentales para el muestreo
Las distribuciones de muestreo constituyen una pieza importante de estudio por
varias razones. En la mayoría de los casos, la viabilidad de un experimento dicta el
tamaño de la muestra. La distribución de muestreo es la distribución de probabilidad
de una muestra de una población en lugar de toda la población.
En palabras más simples, supongamos que de una determinada población tomas
todas las muestras posibles de tamaño n y calculas una estadística (por ejemplo,
media) de todas las muestras. Si luego preparas una distribución de probabilidad de
esta estadística, obtendrás una distribución de muestreo.
Las propiedades de la distribución de muestreo pueden variar dependiendo de cuán
pequeña sea la muestra en comparación con la población. Se supone que la
población se distribuye normalmente como generalmente sucede. Si el tamaño de
la muestra es lo suficientemente grande, la distribución de muestreo también estará
cerca de lo normal.
Si éste es el caso, entonces la distribución de muestreo puede ser totalmente
determinada por dos valores: la media y la desviación estándar. Estos dos
parámetros son importantes para calcular la distribución de muestreo si se nos da
la distribución normal de toda la población
Población y muestra
Las estadísticas de por sí no tienen sentido si no se consideran o se relacionan
dentro del contexto con que se trabajan. Por lo tanto, es necesario entender los
conceptos de población y de muestra para lograr comprender mejor su significado
en la investigación educativa o social que se lleva a cabo.
POBLACIÓN
Es el conjunto total de individuos, objetos o medidas que poseen algunas
características comunes observables en un lugar y en un momento determinado.
Cuando se vaya a llevar a cabo alguna investigación debe de tenerse en cuenta
algunas características esenciales al seleccionarse la población bajo estudio.
Tiempo - se refiere al período de tiempo donde se ubicaría la población de interés.
Determinar si el estudio es del momento presente o si se va a estudiar a una
población de cinco años atrás o si se van a entrevistar personas de diferentes
generaciones.
Espacio - se refiere al lugar donde se ubica la población de interés. Un estudio no
puede ser muy abarcador y por falta de tiempo y recursos hay que limitarlo a un
área o comunidad en específico.
Cantidad - se refiere al tamaño de la población. El tamaño de la población es
sumamente importante porque ello determina o afecta al tamaño de la muestra que
se vaya a seleccionar, además que la falta de recursos y tiempo también nos limita
la extensión de la población que se vaya a investigar.
MUESTRA
La muestra es un subconjunto fielmente representativo de la población.
Hay diferentes tipos de muestreo. El tipo de muestra que se seleccione dependerá
de la calidad y cuán representativo se quiera sea el estudio de la población.
ALEATORIA - cuando se selecciona al azar y cada miembro tiene igual oportunidad
de ser incluido.
ESTRATIFICADA - cuando se subdivide en estratos o subgrupos según las
variables o características que se pretenden investigar. Cada estrato debe
corresponder proporcionalmente a la población.
SISTEMÁTICA - cuando se establece un patrón o criterio al seleccionar la muestra.
Ejemplo: se entrevistará una familia por cada diez que se detecten.
El muestreo es indispensable para el investigador ya que es imposible entrevistar a
todos los miembros de una población debido a problemas de tiempo, recursos y
esfuerzo. Al seleccionar una muestra lo que se hace es estudiar una parte o un
subconjunto de la población, pero que la misma sea lo suficientemente
representativa de ésta para que luego pueda generalizarse con seguridad de ellas
a la población.
El tamaño de la muestra depende de la precisión con que el investigador desea
llevar a cabo su estudio, pero por regla general se debe usar una muestra tan grande
como sea posible de acuerdo a los recursos que haya disponibles. Entre más
grande la muestra mayor posibilidad de ser más representativa de la población.
En la investigación experimental, por su naturaleza y por la necesidad de tener
control sobre las variables, se recomienda muestras pequeñas que suelen ser de
por lo menos 30 sujetos.
En la investigación descriptiva se emplean muestras grandes y algunas veces se
recomienda seleccionar de un 10 a un 20 por ciento de la población accesible.
DISTRIBUCIÓN DE LA MEDIA MUESTRAL

La esperanza de la media muestral coincide con la media de la población, en


definitiva ; la media de la media muestral es la media de la población :
en efecto:

así :

dado que para cualquier valor de i ya


que pertenece a la población

tendríamos que
En cuanto a la varianza de la media muestral , tendremos que si el muestreo

utilizado es aleatorio simple se cumple que en efecto :

dado que en el muestreo aleatorio simple las observaciones o elementos son


independientes tendremos covarianzas iguales a cero y dado que :

para todo i
tendremos

evidentemente la desviación típica será

En el caso de que el muestreo que hayamos realizado no sea aleatorio simple y que
sea irrestricto y por tanto se plantee que no hay reemplazamiento siendo la
población finita la media de la media muestral no sufrirá variaciones , pero no así la
varianza de la media muestral que se verá afectada por el "coeficiente corrector
de poblaciones finitas" (C .C .P.F. ), o "coeficiente de exhaustividad" , ya
conocido del estudio de la distribución hipergeométrica. Así la varianza de la media
muestral quedaría:
siendo N el tamaño de la población (finita) y el resto lo
habitual
Dado que ya conocemos la media y la varianza de la media muestral, y dado que
podríamos tomar la muestra genérica como una sucesión de variables aleatorias
independientes de media y varianza conocida , aunque con distribución
desconocida , y en aplicación del T.C.L. , tendremos que la ley de la media muestral
sea cual sea la distribución poblacional viene dada por :

DISTRIBUCIÓN DE LA VARIANZA MUESTRAL


Al igual que la media muestral la varianza muestral tendrá media y varianza dado
que se trata también de una variable aleatoria.

La media de la varianza muestral con M.A.S. es :

la varianza muestral tiene de expresión


si cambiamos de origen a la media de la población la varianza muestral no varía así:

aplicando el operador esperanza


tendremos:

= =

dado que

y también
En cuanto a la varianza de la varianza muestral diremos que su expresión es la
siguiente, que admitimos sin demostrar que:

Distribución muestral de proporciones.

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 alumnos reprobados en la muestra. La
distribución muestral de proporciones es la adecuada para dar respuesta
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 se 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 del estadístico media.

Una población binomial está estrechamente relacionada con la distribución


muestral de proporciones; una población binomial es una colección de
éxitos y fracasos, mientras que una distribución muestral de proporciones
contiene las posibilidades o proporciones de todos los números posibles
de éxitos en un experimento binomial, y como consecuencia de esta
relación, las afirmaciones probabilísticas referentes a la proporción
muestral pueden evaluarse usando la aproximación normal a la binomial,
siempre que np 5 y
n(1-p) 5. Cualquier evento se puede convertir en una proporción si se
divide el número obtenido entre el número de intentos.

Distribución Muestral de Diferencia de Medias

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 n 1 de la primera población y
una muestra independiente aleatoria de tamaño n 2 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
La distribución es aproximadamente normal para n1 30 y n2 30. Si las poblaciones
son normales, entonces la distribución muestral de medias es normal sin importar
los tamaños de las muestras.

En ejercicios anteriores se había demostrado que y que , por lo que

no es difícil deducir que y que .


La fórmula que se utilizará para el cálculo de probabilidad del estadístico de
diferencia de medias es:
DISTRIBUCION "t DE STUDENT"

Supóngase que se toma una muestra de una población normal con media y

varianza . Si es el promedio de las n observaciones que contiene la muestra

aleatoria, entonces la distribución es una distribución normal estándar.


Supóngase que la varianza de la población 2 es desconocida. ¿Qué sucede con
la distribución de esta estadística si se reemplaza por s? La
distribución t proporciona la respuesta a esta pregunta.

La media y la varianza de la distribución t son = 0y para >2,


respectivamente.
La siguiente figura presenta la gráfica de varias distribuciones t. La apariencia
general de la distribución t es similar a la de la distribución normal estándar: ambas
son simétricas y unimodales, y el valor máximo de la ordenada se alcanza en la
media = 0. Sin embargo, la distribución t tiene colas más amplias que la normal;
esto es, la probabilidad de las colas es mayor que en la distribución normal. A
medida que el número de grados de libertad tiende a infinito, la forma límite de la
distribución t es la distribución normal estándar.

Propiedades de las distribuciones t


1. Cada curva t tiene forma de campana con centro en 0.
2. Cada curva t, está más dispersa que la curva normal estándar z.
3. A medida que aumenta, la dispersión de la curva t correspondiente
disminuye.

4. A medida que , la secuencia de curvas t se aproxima a la curva


normal estándar, por lo que la curva z recibe a veces el nombre de curva t
con gl =
La distribución de la variable aleatoria t está dada por:

Esta se conoce como la distribución t con grados de libertad.


Sean X1, X2, . . . , Xn variables aleatorias independientes que son todas normales
con media y desviación estándar . Entonces la variable

aleatoria tiene una distribución t con = n-1 grados de libertad.


La distribución de probabilidad de t se publicó por primera vez en 1908 en un artículo
de W. S. Gosset. En esa época, Gosset era empleado de una cervecería irlandesa
que desaprobaba la publicación de investigaciones de sus empleados. Para evadir
esta prohibición, publicó su trabajo en secreto bajo el nombre de "Student". En
consecuencia, la distribución t normalmente se llama distribución t de Student, o
simplemente distribución t. Para derivar la ecuación de esta distribución, Gosset
supone que las muestras se seleccionan de una población normal. Aunque esto
parecería una suposición muy restrictiva, se puede mostrar que las poblaciones no
normales que poseen distribuciones en forma casi de campana aún proporcionan
valores de t que se aproximan muy de cerca a la distribución t.
La distribución t difiere de la de Z en que la varianza de t depende del tamaño de la
muestra y siempre es mayor a uno. Unicamente cuando el tamaño de la muestra
tiende a infinito las dos distribuciones serán las mismas.

Se acostumbra representar con el valor t por arriba del cual se encuentra un


área igual a . Como la distribución t es simétrica alrededor de una media de cero,

tenemos ; es decir, el valor t que deja un área de a la derecha


y por tanto un área de a la izquierda, es igual al valor t negativo que deja un
área de en la cola derecha de la distribución. Esto es, t0.95 = -t0.05, t0.99=-t0.01, etc.
Para encontrar los valores de t se utilizará la tabla de valores críticos de la
distribución t del libro Probabilidad y Estadística para Ingenieros de los autores
Walpole, Myers y Myers.

Distribución relación de las varianzas


En algunos problemas deseamos decidir si dos muestras de tamaños m y n
respectivamente, cuyas varianzas medidas son s21 y s22, provienen o no de la
misma población normal. En este caso utilizamos el estadístico...

Donde σ21 y σ22 son las varianzas de las dos poblaciones normales de donde se
extraen las muestras. Si H0 denota la hipótesis nula de que no hay diferencia entre
las varianzas poblacionales, es decir σ21 = σ22.
Conclusión:
Como conclusión deduje que muestrear es una forma de evaluar la calidad de un
producto, la opinión de los consumidores, la eficacia de un medicamento o de un
tratamiento. Muestra es una parte de la población. Población es el total de
resultados de un experimento. Hacer una conclusión sobre el grupo entero
(población) basados en información estadística obtenida de un pequeño grupo
(muestra) es hacer una inferencia estadística.
A menudo no es factible estudiar la población entera.
Fuentes:

https://explorable.com/es/distribucion-de-muestreo

http://www.fisterra.com/mbe/investiga/10descriptiva/10descriptiva.asp
http://www1.frm.utn.edu.ar/estadistica/documentos/12NotaClase.pdf

https://www.uv.es/ceaces/tex1t/3%20infemues/dnonormal.htm

http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap01c.html

http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03.html