Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Medias Muestrales Importantes
Medias Muestrales Importantes
MUESTRALES
Cap. 6
DEFINICIÓN: Sea X una VA con función de distribución f(x), media y varianza. Una muestra aleatoria de tamaño
n, de X es un conjunto de n VA X1, X2, ….. ,Xn que cumplen:
𝑛 𝑛
1 𝑖=1(𝑋𝑖 − 𝑋)
𝑋𝑛 = 𝑋𝑖 𝑆2 = Son estadísticos
𝑛 𝑛−1
𝑖=1
La función de distribución de probabilidad de un estadístico se llama distribución muestral.
La desviación estándar de la distribución muestral de un estadístico se llama error estándar del estadístico
Momentos Muestrales:
Sea X1, X2, ….. ,Xn una muestra aleatoria de una población con función de densidad f(x). Entonces, el r-ésimo
momento muestral alrededor del origen 0, se define:
𝑛
1
′
𝑀𝑟 = 𝑋𝑖𝑟 Si r=1 Media muestral E(Xr)
𝑛 𝑛
𝑖=1
1 𝑟
El r-ésimo momento muestral alrededor de 𝑋𝑛 : 𝑀𝑟 = 𝑋𝑖 − 𝑋𝑖 Son estadísticos
𝑛
𝑖=1
Varianza Muestral
Sea X1, X2, ….. ,Xn una muestra aleatoria de una población, entonces:
𝑛
𝑖=1(𝑋𝑖
− 𝑋)
𝑆2 = n>1
𝑛−1
TEOREMA: Sea X1, X2, ….. ,Xn una muestra aleatoria de una población con distribución de probabilidad f(x).
El valor esperado del r-ésimo momento muestral (alrededor del origen 0) es igual al r-ésimo momento de la
población, es decir:
𝐸 𝑀𝑟′ = 𝜇𝑟′ Si 𝜇𝑟′ existe
1
𝑉𝑎𝑟 𝑀𝑟′ = 𝐸 𝑋 2𝑟 − (𝐸[𝑋 𝑟 ]2
𝑛
𝑛
Sea X1, X2, ….. ,Xn, una muestra 1 𝜎2
Si r=1 𝑋𝑛 = 𝑋𝑖 𝐸[𝑋] = 𝜇 𝑉𝑎𝑟(𝑋) =
aleatoria de una población 𝑛 𝑛
𝑖=1
Factor de
𝜎2 𝑁 − 𝑛
𝐸[𝑋] = 𝜇 𝑉𝑎𝑟(𝑋) = corrección para
𝑛 𝑁−1 población finita
𝜎 𝜎 𝑁−𝑛
𝜎𝑋 = 𝜎𝑋 =
𝑛 𝑛 𝑁−1
𝑛 𝜎2
1 𝜇𝑋 = 𝜇 𝜎2𝑋 =
𝑋𝑛 = 𝑋𝑖 𝑛
𝑛
𝑖=1
TEOREMA: Si X1, X2, X3,….,Xn es una muestra aleatoria de tamaño n de una VA con media con media μ y
varianza σ2 entonces la distribución de la media muestral 𝑋 es aproximadamente una distribución normal
con media μ y varianza σ2/n, entonces :
a) Esto es válido para n ≥ 30 b) Si la población es normal este teorema se aplica para cualquier n
Cuando la población es finita de N
elementos y el muestreo es sin La distribución de 𝑋 es HIPERGEOMÉTRICA
reemplazamiento, las VS Xi no son
independientes
𝜇𝑋 = 𝜇 𝜎2 𝑁 − 𝑛
𝜎2𝑋 = ( )
𝑛 𝑁−1
a) Esto es válido para n ≥ 30 b) Si la población es normal este teorema se aplica para cualquier n
Distribución muestral de la diferencia de dos medias muestrales independientes
Muestras aleatorias independientes
𝜎 𝜎2
𝜎𝑋1 = 𝜎𝑋2 𝜎𝑋2 𝜎𝑋2 =
𝑛 𝜎𝑋1−𝑋2 = 1
+ 2 𝑛
𝑛1 𝑛2
𝜇𝑋 1 = 𝜇 1 𝜇𝑋1−𝑋2 = 𝜇 1 − 𝜇 𝜇𝑋 2 = 𝜇 2
2
𝑥1 − 𝑥2 − (𝜇1 − 𝜇2 )
𝑧=
𝜎12 𝜎22
𝑛1 + 𝑛2
Una aplicación común se relaciona con la preferencia del consumidor o encuestas de opinión, donde usamos una
muestra aleatoria de n personas, para estimar la proporción p de personas en la población que tienen una
característica especificada. Si x de las personas muestreadas tienen esta característica, entonces la proporción
muestral:
𝑋
𝑃= 𝑝𝑞 𝑝𝑞
𝜇𝑃 = 𝜇 𝑛 𝜎𝑃=
2 𝜎𝑃 =
𝑛 𝑛
𝑋
(𝑃 − 𝑝) −𝑝
𝑍= = 𝑛 Tiene aproximadamente una distribución
𝑝𝑞 𝑝𝑞 normal estándar
𝑛 𝑛
Para evaluar una probabilidad de tipo P[X ≤ Po], donde Po es un número entre 0 y 1, es una binomial y se escribe:
𝑛
𝑃 𝑋=𝑥 = 𝑥
𝑝 𝑥 𝑞 𝑛−𝑥 x=1,2,…..n
Tiene aproximadamente una distribución normal estándar
𝑝𝑜 − 𝑝
𝑃 𝑃 ≤ 𝑝𝑜 = 𝑃[𝑍 ≤ ]
𝜎𝑃
Si el muestreo se hace sin reposición, de una población binomial finita, la distribución por muestreo 𝑃
obedece a la distribución de probabilidad hipergeométrica:
𝑁 𝑁−𝑀
𝑥 𝑥 𝑥 𝑛−𝑥
𝑃 𝑃= =𝑝 = 𝑁
𝑛 𝑛
𝑛
𝑋
−𝑝 Tiene aproximadamente
𝑝𝑞 𝑁 − 𝑛 𝑍= 𝑛
𝜎𝑃 = Si n en grande
𝑝𝑞 𝑁 − 𝑛
una distribución N(0,1)
𝑛 𝑁−1
𝑛 𝑁−1
Si n es muy pequeña, puede obtenerse distribuciones normales introduciendo el FACTOR DE CORRECCIÓN
DE CONTINUIDAD ½ n, este se utiliza en ves de 1/2
1
𝑝𝑜 + −𝑝
𝑃 𝑃 < 𝑝𝑜 = ∅[ 2𝑛 ]
𝜎𝑃
Distribución de la diferencia de 2 proporciones
¿Existe diferencia entre la proporción de artículos defectuosos que genera la máquina A a los que genera la
máquina B?
Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos proporciones muestrales, la
distribución muestral de diferencia de proporciones es aproximadamente normal para tamaños de muestra
grande (n1p1 > 5, n1q1 > 5,n2p2 >5 y n2q2 >5). Entonces p1 y p2 tienen distribuciones muestrales
aproximadamente normales, así que su diferencia p1-p2 también tiene una distribución muestral
aproximadamente normal. 𝜇𝑝1 − 𝜇𝑝2 = 𝑝1 − 𝑝2
𝑝1𝑞1 𝑝1𝑞1
𝜎 𝑃 1− 𝑃 2 = +
𝑛1 𝑛1
𝑋 𝑋
( 1 − 2) − (𝑝1 − 𝑝2)
𝑍 = 𝑛1 𝑛2
𝑝1𝑞1 𝑝2𝑞2
+
𝑛1 𝑛2