Documentos de Académico
Documentos de Profesional
Documentos de Cultura
9MytEgHJ8iY55fX7 - qdhiMXeHD0symWn1 Lectura 20 Fundamental 202 PDF
9MytEgHJ8iY55fX7 - qdhiMXeHD0symWn1 Lectura 20 Fundamental 202 PDF
Lectura fundamental
Distribuciones muestrales
Contenido
1 Distribuciones muestrales
Palabras clave: inferencial, parámetro, estadística o estadígrafo, distribución muestral, error estándar.
1. Distribuciones muestrales
Pues bien, ahora es necesario recordar que el propósito de la estadística inferencial es trabajar con
base en muestras y los resultados obtenidos se generalizan o infieren a una población. Además, que
las medidas de una población se conocen como parámetros y las medidas en la muestra se llaman
estadísticas o estadígrafos. Así, entonces, el parámetro es un valor fijo mientras que el estadístico o
estadígrafo varía de acuerdo con la muestra seleccionada.
Media o promedio
Varianza
Desviación estándar
Proporción o
probabilidad de éxito X: elementos con la X: elementos con
característica de interés la característica de
interés
POLITÉCNICO GRANCOLOMBIANO 2
En donde, N indica población y n indica muestra
Para comenzar a analizar la distribución muestral de la media, vamos a trabajar con un ejemplo en el
que se construirá la distribución muestral de medias, calculada a partir de todas las muestras posibles
que se pueden obtener de una población pequeña.
Ejemplo:
Suponga que tenemos una población conformada por los 5 empleados en una empresa (N=5).
La variable de interés es el tiempo (en minutos) que gastan en realizar un trabajo. Los datos de la
población son:
La interpretación de este resultado es que los empleados de esta empresa gastan un tiempo promedio
de 70 minutos en el que realizar el trabajo.
Tenemos, entonces, una población con media = 70, desviación estándar = 9,86 y varianza = 97,2196
La desviación estándar indica que la variación promedio del tiempo que gastan los empleados en
realizar el trabajo con respecto al tiempo promedio es de 9,86 minutos.
POLITÉCNICO GRANCOLOMBIANO 3
B. De la población, vamos a seleccionar todas las muestras posibles de tamaño n=2, sin orden y sin
repetición. ¿Cuántas muestras de dos elementos de la población pueden formarse?
Como la población tiene 5 elementos y se quieren formar grupos de dos sin importar su orden y sin
repetición tenernos que calcular una combinación:
C. Ahora, listamos todas las muestras posibles de tamaño n=2 y calculamos la media de cada muestra.
Hay 10 muestras posibles de tamaño 2 que pueden seleccionarse de esta población de cinco
empleados, por lo tanto, hay 10 medias muestrales posibles.
POLITÉCNICO GRANCOLOMBIANO 4
D. Como X̅ es una variable aleatoria escribimos su función de probabilidad de la siguiente forma:
P(X̅ ) 0,1 0,1 0,1 0,1 0,2 0,1 0,1 0,1 0,1
Recordando que P(X̅ ) se obtiene dividiendo el número de veces que aparece cada valor de la media
muestral sobre el total de muestras.
P(X̅ ) 0,1 0,1 0,1 0,1 0,2 0,1 0,1 0,1 0,1
X̅ P(X̅ ) 6,05 6,2 6,6 6,65 14,1 7,2 7,5 7,65 8,05
E(X̅ )=70
Se espera que la media de la muestra en el tiempo que gastan los empleados en realizar el trabajo sea
de 70 minutos.
La conclusión es que se espera que la media muestral sea igual a la media poblacional
E(X̅ )=µ
POLITÉCNICO GRANCOLOMBIANO 5
Calculamos ahora la desviación estándar de las diez medias muestrales:
P(X̅ ) 0,1 0,1 0,1 0,1 0,2 0,1 0,1 0,1 0,1
X̅ P(X̅ ) 6,05 6,2 6,6 6,65 14,1 7,2 7,5 7,65 8,05
X̅ 2P(X̅ ) 366,025 384,4 435,6 442,225 994,05 518,4 562,5 585,225 648,025
Este resultado indica que la desviación estándar de las medias muestrales no es igual a la desviación
estándar poblacional.
Varianza corregida
Como la varianza poblacional es diferente a la varianza de X̅ , es necesario trabajar con una varianza
corregida, esto se logra de la siguiente forma para poblaciones finitas:
POLITÉCNICO GRANCOLOMBIANO 6
1.1. Distribución muestral para la media X̅ en una población normal
En donde
Ejemplo:
El número de unidades producidas por una máquina tiene una distribución normal con un promedio
de 300 unidades y desviación estándar de 20. Se toma una muestra aleatoria de 16 productos.
POLITÉCNICO GRANCOLOMBIANO 7
b. Con base en el enunciado, debemos calcular
0,9772
4 -3 -2 -1 0 1 2 3 4
Como la tabla de la distribución normal estándar almacena áreas de izquierda a derecha, entonces,
trabajamos con el complemento
Este valor indica que hay una alta probabilidad de que la producción media sea superior a 290 unidades.
En el caso de una población cualquiera con media µ y varianza σ2, la distribución de las medias de
muestras obtenida a partir de todas las muestras aleatorias de tamaño n de la población estará distribuida
aproximadamente en forma normal si el tamaño n de la muestra es grande (n ≥30).
POLITÉCNICO GRANCOLOMBIANO 8
1.3. Distribución muestral de X̅ cuando se desconoce la distribución de la población
Es común que cuando se selecciona una muestra se desconoce la distribución de la población; en estos
casos el tamaño de la muestra es determinante para definir la distribución. Si la muestra n es pequeña,
la forma de la distribución está relacionada con la forma de la población; sin embargo, para muestras
grandes (n>30), de acuerdo al teorema del límite central, la distribución central se aproxima a una
distribución normal independientemente de la distribución que tenga la población.
Ejemplo:
El departamento de control de calidad de una empresa establece que el tiempo de duración de ciertos
componentes electrónicos tiene una media de 900 horas y una desviación estándar de 70 horas. Si
se selecciona una muestra de 36 componentes, ¿cuál es la probabilidad de que el tiempo promedio de
duración este entre 870 y 925 horas?
Parámetros Estadígrafos
N=? n=36
µ=900 X̅ = 870
σ=70
Este valor indica que existe una alta probabilidad de que en la muestra de 36 componentes el tiempo
de duración promedio este entre 870 y 925 horas.
POLITÉCNICO GRANCOLOMBIANO 9
1.4. Distribución muestral de X̅ en una población normal con varianza
poblacional desconocida
El área total bajo la distribución t es igual a 1 y esta distribución se encuentra tabulada para cada valor
(n-1) o grados de libertad (g.l), generalmente se presenta para las áreas del extremo superior.
Cuando la variable de estudio es cuantitativa se trabaja con la media, pero cuando es cualitativa se
trabaja en función de la proporción. Por ejemplo, en un proceso de producción puede ser de interés
determinar la proporción de productos que no cumplen con cierta especificación, o el jefe de
personal puede estar interesado en conocer el porcentaje de empleados que llegan tarde al trabajo.
POLITÉCNICO GRANCOLOMBIANO 10
Por el teorema del límite central, si el tamaño de muestra es grande, la proporción tiene una
distribución normal con media igual a p y varianza en donde:
es el error estándar de la población y se calcula como error estándar de las proporciones muestrales
Ejemplo:
Se sabe que el 60% de los adultos de una zona del país compra determinado producto; se obtiene una
muestra de 150 adultos de esta área, ¿cuál es la probabilidad de que la proporción muestral esté entre
el 50% y el 70%?
POLITÉCNICO GRANCOLOMBIANO 11
1.6. Distribución muestral para la diferencia entre dos medias muestrales (X̅ 1- X̅ 2)
Como una generalización de la distribución muestral para la media se puede decir lo siguiente:
• La diferencia muestral para la diferencia entre dos medias muestrales a partir de muestras
independientes de tamaño n1 y n2, extraídas de dos poblaciones distribuidas normalmente, estará
distribuida normalmente y tendrá una media igual a (µ1 - µ2) y una varianza igual a
• Si n1 y n2 son grandes, la distribución muestral de la diferencia entre las dos medias muestrales
será aproximadamente normal sin tener en cuenta la forma funcional de las poblaciones
originales, de acuerdo con el teorema del límite central.
En cualquiera de los dos casos, se utiliza la siguiente fórmula para la estandarización de la diferencia
de medias:
Si no se conocen las varianzas poblacionales , ,se trabaja con las varianzas muestrales , ,
respectivamente.
Los siguientes ejemplos tomados del libro Probabilidad y Estadística aplicadas a la Ingeniería Montgomery
y Runger (2012) ilustran el manejo de la distribución muestral para la diferencia de medias.
• La producción diaria de una primera fábrica de envases de plástico tiene una distribución normal
con una media de 50 unidades y una desviación estándar de 8 unidades. La producción de una
segunda fábrica está distribuida normalmente con una media de 40 unidades y una desviación
estándar de 12. Para comparar el rendimiento en el trabajo en dos fábricas de envases plásticos,
se saca de la primera fábrica, una muestra aleatoria de 100 obreros y de la segunda una muestra
de 400. Encontrar la probabilidad de que los obreros de la primera fábrica produzcan 8
unidades más que los de la segunda.
POLITÉCNICO GRANCOLOMBIANO 12
Solución:
Tabla 6. Datos producción diaria
Primera
n1 = 100 µ1 = 50 σ1 = 8
fábrica
Segunda
n2 = 400 µ2 = 40 σ2 = 12
fábrica
0,9772
4 -3 -2 -1 0 1 2 3 4
• El rendimiento de los autos de la marca A es de 20 kilómetros por galón de gasolina (k.p.g.), con
una desviación estándar de 6 k.p.g. Las cifras comparables para los autos B son de 25 y 5,5 k.p.g.
respectivamente; se supone que el rendimiento de cada una de las marcas está normalmente
distribuido. ¿Cuál es la probabilidad de que en un concurso, el rendimiento medio para 10 autos
de la marca A sea mayor que el de 9 autos de la marca B?
POLITÉCNICO GRANCOLOMBIANO 13
Solución:
Tabla 7. Datos rendimiento de los autos
MARCA A MARCA B
SMUESTRA n1 = 10 n1 = 9
MEDIA µ1 = 20 µ1 = 25
DESVIACIÓN
ESTÁNDAR
σ1 = 6 σ1 = 5,5
0,0351
4 -3 -2 -1 0 1 2 3 4
La probabilidad de que el rendimiento medio para 10 autos de la marca A sea mayor que el de 9 autos
de la marca B es de 0,0351.
En este Escenario, hemos visto las distribuciones muestrales en una o dos muestras que permiten
conocer la distribución de probabilidad adecuada para hacer las inferencias estadísticas de los datos
obtenidos en muestras representativas hacia una población objeto de estudio.
POLITÉCNICO GRANCOLOMBIANO 14
Referencias
Anderson, D. Sweeney, D. & Williams, T. (2010). Estadística para administración y economía.
México: Ed Thomson
POLITÉCNICO GRANCOLOMBIANO 15
INFORMACIÓN TÉCNICA
POLITÉCNICO GRANCOLOMBIANO 16