Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distrib Muestrales
Distrib Muestrales
Xi
donde Z i son variables aleatorias normales independientes de media cero y
varianza uno. El que la variable aleatoria X tenga esta distribución se representa
habitualmente así: .
1
Es un caso particular de la distribución gamma, si hacemos 𝛼 = 2 𝑦 𝑟 = 𝑛/2 donde
𝑛 ∈ Ζ + . Diremos que una variable Z⸞N(0,1) tiene una distribución Chi- Cuadrado con
“n” grados de libertad (g.l) si su función de densidad esta dada por:
1 𝑛
𝑓(𝑧) = 𝑛⁄ 𝑛 𝑧 ( 2)−1 𝑒 −𝑧/2 , 𝑧>0
2 2 Γ(2)
Teorema: Si X1, X2,…Xn una muestra aleatoria de tamaño “n” de una distribución
Xi
normal con media µ y varianza σ2. Entonces Z i son variables aleatorias
normales estándar independientes, i=1, 2,…, n
X
n 2 n 2
Luego, Z i 1
i i
i 1
tiene una distribución Chi-Cuadrado con n grados de
libertad.
2
2 𝑋̅
Tiene una distribución con (n-1) grados de libertad, y S2 son también variables
aleatorias independientes.
Ejemplos:
1. Se toma una muestra aleatoria de 16 estudiantes de una población normal que tiene
una variación de 5 años por estudiantes. Encuentre la probabilidad de que la
variación de las edades de los estudiantes de muestra sea menor o igual 7.44
2. Suponga que una empresa de Jugo, mide el líquido de cada envase en onzas y que
está distribuido normalmente con varianza de 1 onza. Se selecciona una muestra
aleatoria de 12 envases de jugo y se mide la cantidad de líquido en cada una.
Calcular un intervalo útil para la variación del líquido de los envases de tal manera
que: P(b1<X<b2) =0.90
Teorema: Supóngase que Z⸞ N(0,1) y X2⸞χ(n)2 son variables aleatorias independientes
Z
sigue una distribución t de Student t con “n” grados de libertad donde
2
n 1
Distribución T-Student.
Sea 𝑋̅ la media de una muestra aleatoria de tamaño “n” tomada de una población
normal con media µ y varianza σ2 desconocida, entonces la distribución de la variable
𝑋̅−𝜇
aleatoria viene dada por: 𝑇 = 𝑆 tiene una distribución t- student con (n-1) grados
⁄
√𝑛
de libertad (n<30).
Propiedades:
Una variable aleatoria normal estándar siempre tiene varianza 1 mientras que la
varianza de una variable aleatoria con una distribución t siempre es mayor que 1
Se puede apreciar que la tabla es muy parecida a la normal, lo que pasa es que es mas
ancha en la parte de arriba, y se utiliza que la normal pero en este caso se buscan los
grados de libertad.
Ejemplos:
Ejemplo:
Ejemplo:
5. Distribución Muestral para la Varianza de dos Poblaciones.
Distribución Fisher.
12
1
cociente de Chi- cuadrados entre sus grados de libertad. Así, F=
2 2
2
Se dice que tiene una distribución F con n1-1 grado de libertad en el numerador y n2-
1 grado de libertad en el denominador. Además
12 S12
F= 2 n 1 2 1
2
2 S2
n2 2 2
En la tabla encontraremos valores como P F F
Esta es la gráfica de la Fisher el cual no es simétrica y en la parte sombreada es
donde encontramos al
Ejemplos:
Estimador (𝜽̂ ): Medida estadística que describe cierta característica numérica de una
Muestra siendo una magnitud variable de una muestra a otra.
Parámetro (θ): Medida estadística que describe cierta característica numérica de una
población y que se considera constante y desconocida.
Error de Estimación (𝐵 = |𝜃̂ − 𝜃|) errores en el muestreo: se debe a que una muestra
no proporciona información completa sobre una población. Esta clase de error puede ser
controlado por un diseño cuidadoso de la encuesta.
La idea de hacer inferencia sobre una población a partir de una muestra extraída de esta,
la muestra debe ser representativa de la población para poder realizar la inferencia y que
esta tenga sentido, esto da cavidad a lo que se llama Muestreo.
Los elementos o unidades podrán ser seleccionadas de dos formas: con o sin
reposición.
Estimadores
Estimador de la Media Poblacional
1
. 𝜇̂ = 𝑋̅ = ∑𝑛𝑖=1 𝑥𝑖
𝑛
𝜎 𝑁−𝑛 2
. 𝜎̂ = 𝑉𝑎𝑟(𝑋̅) = 𝑛 ∗ 𝑁−1 𝑠𝑖 𝜎 2 𝑒𝑠 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
2
𝑆 𝑁−𝑛 2
. 𝜎̂ 2 = 𝑉𝑎𝑟(𝑋̅) = 𝑛 ∗ 𝑁 𝑠𝑖 𝜎 2 𝑒𝑠 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
. Límite del error 2√𝑉𝑎𝑟(𝑋̅)
𝑍𝛼/2 𝜎 2
. Tamaño de la Muestra 𝑛 = ( ) 𝑑𝑜𝑛𝑑𝑒 𝑒 𝑒𝑠 1 − 𝛼 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑜
𝑒