pág. 2 INTRODUCCION Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como: la media, la varianza o la proporción. Se extrae una muestra aleatoria de la población y se calcula el valor de un estadístico correspondiente, por ejemplo, la media muestral, la varianza muestral o la proporción muestral. El valor del estadístico es aleatorio porque depende de los elementos elegidos en la muestra seleccionada. y, por lo tanto, el estadístico tiene una distribución de probabilidad la cual es llamada la Distribución Muestral del Estadístico.
Los métodos de muestreo probabilístico son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los elementos del universo tienen la misma probabilidad de ser elegidos para formar parte de la muestra. El método de muestreo probabilístico te ofrece la mejor oportunidad de crear una muestra representativa de la población.
pág. 3 DISTRIBUCIONES MUESTRALES
1. MUESTREO ALEATORIO
1.1. POBLACIÓN Y PARÁMETROS
Población. Se denomina población o universo a la totalidad de personas u objetos que
tienen una o más características medibles o contables de naturaleza cualitativa o cuantitativa. 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. 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. Parámetros. Se denomina parámetros a las medidas descriptivas definidas en una población. Los parámetros, denotados por letras griegas, son valores numéricos que generalmente se desconocen. Por ejemplo:
1.2. MUESTRA ALEATORIA
Una muestra es un subconjunto de elementos seleccionados de la población. Cuyo objetivo es que esta sea representativa de la población, las muestras aleatorias se las denomina también muestras probabilísticas. No queda descartada las muestras no probabilísticas que dependen del criterio de expertos.
Las muestras aleatorias son de cuatro tipos:
1.2.1. Muestra al azar simple: Es aquella cuyos elementos se seleccionan de la
población uno por uno con una oportunidad igual o independiente. Es un experimento similar a la que se realiza en la extracción aleatoria de números en una lotería. 1.2.2. Muestra al Azar Sistemática: Es aquella en la que sus elementos se eligen de la población a intervalos uniformes a partir de un listado ordenado. Al elegir una
pág. 4 muestra sistemática de 100 alumnos de la facultad de administración que tiene 3000 alumnos, K es = a 3000 / 100=30, el primero de la muestra se elige en forma aleatoria, simple de los 30 primeros de la lista y los demás sistemáticamente cada 30 alumnos de la lista.
1.2.3. Muestra Aleatoria Estratificado: es un diseño de muestreo probabilístico en el
que dividimos a la población en subgrupos o estratos. La estratificación puede basarse en una amplia variedad de atributos o características de la población como edad, género, nivel socioeconómico, ocupación, etc.
1.2.4. Muestra Aleatoria por Conglomerados: En el muestreo por conglomerados la
unidad muestral ya no son los individuos, sino un conjunto de individuos que bajo determinados aspectos, se considera que forman una unidad. El diseño muestral por lo tanto se articula a partir de la identificación de conglomerados de manera que en pequeña escala, cada conglomerado es una representación del universo. Persigue, al contrario que el estratificado, heterogeneidad dentro de los estratos y homogeneidad entre estratos. Los conglomerados pueden ser demarcaciones territoriales de interés tales como barrios, distritos, municipios viviendas, etc.
1.3. DISTRIBUCIONES MUESTRALES
Se denomina distribución muestral de una estadística a una distribución de probabilidad. El objetivo es construir distribuciones de probabilidad de las estadísticas más importantes. Y luego aplicar estas para hallar áreas o probabilidades cuando son conocidos sus parámetros.
1.3.1. Distribución Muestral de la Media :
Cada muestra de tamaño n que podemos extraer de una población proporciona una media. Si consideramos cada una de estas medias como valores de una variable aleatoria podemos estudiar su distribución que llamaremos distribución muestral de medias.
Si tenemos una población normal N(m,s) y extraemos de ella muestras de
tamaño n, la distribución muestral de medias sigue también una distribución normal
pág. 5 Si la población no sigue una distribución normal pero n>30, aplicando el llamado Teorema central del límite la distribución muestral de medias se aproxima también a la normal anterior.
1.3.2. Distribución Muestral de la Proporción:
En numerosas ocasiones se plantea estimar una proporción o porcentaje. En estos
casos la variable aleatoria toma solamente dos valores diferentes (éxito o fracaso).
Z= área de distribución normal
p=probabilidad deseada
P=probabilidad del éxito
n=tamaño de la muestra
1.3.3. Distribución Muestral de la Varianza:
Es fundamental para el correcto entendimiento de la inferencia estadística.
Una distribución de la población es la distribución de la totalidad de las medidas
individuales de una población, en tanto que una distribución muestral es la distribución de los valores individuales incluidos en una muestra.
Se debe tener en cuenta su uso, para ciertos casos donde conlleva como principio valorar o estimas diferentes actividades como: las desigualdades en ingresos, rentas y los riesgos en las inversiones; tratándose de una variable aleatoria, contara con media y varianza.
Si se extraen todas las muestras posibles de una población normal y cada muestra se le calcula su varianza, se obtendrá la distribución muestral de las varianzas.
Propiedades:
Los valores de X2 son mayores o iguales que 0
pág. 6 La forma de la distribución X2 depende del gl=n-1 siendo estos los grados de libertad El área bajo una curva ji. Cuadrada y sobre el eje horizontal es 1 Las distribuciones X2 son asimétricas, tienen una pendiente positiva Cuando n>2, la media de una distribución X2 es n-1 y la varianza es 2(n.1) La varianza muestral es una variable aleatoria
El cálculo de probabilidad en una distribución muestral de varianzas nos sirve para
saber cómo se va a comportar la varianza o desviación estándar en una muestra que proviene de una distribución normal.
En ella encontramos la siguiente FÓRMULA
n: Tamaño de la muestra s2: Varianza Muestral o2: Varianza de la población de donde se extrajo la muestra
pág. 7 CONCLUSIONES
Analizando el estimador de la media muestral se concluye que para las
distribuciones continuas y discretas los dos métodos de estimación trabajados
proporcionan las mismas medidas descriptivas con una precisión de tres dígitos
como lo son: la media, la varianza, el error promedio de estimación, coeficiente de
kurtosis, coeficiente de asimetría, mínimo y máximo valor observados de los
estimadores, límite superior e inferior de los intervalos de confianza al 95% para la
media poblacional, longitud promedio de los intervalos de confianza y sesgo de
estimación, sin embargo para tamaños muestrales menores a 30 la longitud
promedio de los intervalos de confianza es menor al utilizar el método de estimación
Jacknife frente al método convencional de estimación para la media poblacional.
pág. 8 BIBLIOGRAFIA 1. Lind, Mason y Marchal (2000), Estadística para Administración y Economía – 3era edición. 2. CORDOVA ZAMORA M. (2003), ESTADISTICA DESCRIPTIVA E INFERENCIAL, Quinta Edición, Editorial Librería MOSHERA S.R.L – LIMA -PERU. 3. Miller y Freund (2001) PROBABILIDAD Y ESTADISTICA PARA INGENIEROS, Editorial Prentice Hall
