Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Media y Varianza Como Variables Aleatorias PDF
Media y Varianza Como Variables Aleatorias PDF
Inés Laura 3 2 2 1
Inés Inés 3 3
Inés Claudia por lo que X y S 2 están en función de los valores
Inés Matías Para cada una de las 16 muestras posibles muestrales X1 y X 2 ; por eso X y S 2 son
Claudia Laura podríamos calcular la media x y la varianza s 2 con estadísticos. Como cada valor x de X es una
Claudia Inés lo que obtendríamos estimación de y cada valor s 2 de S 2 es una
Claudia Claudia
Claudia Matías estimación de 2 decimos que X y S 2 son,
x s2 además, estimadores.
Matías Laura
Matías Inés Un estimador se dice insesgado cuando su
1 0 media coincide con el parámetro que pretende
Matías Claudia
1 0 estimar.
Matías Matías
1,5 0,5 Promediando los valores de X obtenemos
2 2
Llamando X1 y X2 al número de sesiones
1 0
correspondientes a las personas elegidas en primero 1 4 1,5 4 2 5 2,5 2 3 28 7
y segundo lugar respectivamente para integrar la
1 0 1,75
1,5 0,5 16 16 4
muestra, tenemos, en correspondencia con la lista
2 2
anterior,
1,5 0,5 que coincide con Por eso decimos que
X1 X2
1,5 0,5
2 0 X es un estimador insesgado de
1 1
2,5 0,5
1 1
2 2 Análogamente, promediando los valores de S 2
1 2
2 2 obtenemos
1 3
2,5 0,5
1 1
3 0 0 6 0,5 6 2 4 11
1 1
0,6875
1 2 2 16 16
1 3 Así vemos que X y S son variables aleatorias
pues sus valores varían con las muestras, las cuales
que coincide con 2 por lo que
Observemos a partir de esta expresión que
S es un estimador insesgado de .
2 2 cuanto mayor es el tamaño muestral menor es la
variabilidad de la media.
Observemos que la varianza muestral que hemos
usado es la que se obtiene de dividir por el tamaño Distribución de la media muestral X
muestral menos 1; esto se hace justamente para
obtener un estimador insesgado de la varianza Cuando el tamaño muestral es suficientemente
poblacional. grande, la distribución de X es aproximadamente
La varianza de la población de valores de X normal (tanto más normal cuanto mayor el tamaño de
es V( X ) = muestra) con media y varianza 2 / n.
Esto es un corolario del Teorema Central del
Límite, muy importante en estadística.
(1 1,75) 2 4 (1,5 1,75) 2 4 (2 1,75) 2 5 ...
= Estandarizando X obtenemos el estadístico
16
X-μ
... (2,5 1,75) 2 2 (3 1,75) 2 5,5 σ
0,34375
16 16 n
que es la mitad de la varianza de X por provenir de que sigue aproximadamente la distribución normal
una muestra de tamaño 2. estándar y se usa en inferencia estadística para probar
hipótesis acerca de la media poblacional.
En general, si la muestra es de tamaño n la
varianza de la variable X se reduce a la n-ésima
parte de la varianza de la variable X:
V(X) σ2
V( X ) =
n n