Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1distribuciones Muestrales (2019-2)
1distribuciones Muestrales (2019-2)
Distribuciones
Muestrales
Introducción
Población y Muestra
Parámetro y Estadígrafo o Estimador
Inferencia Estadística
Población
Es un conjunto total, finito o infinito, de
personas, objetos o cosas, que tienen al menos
una característica en común, cuyo estudio nos
interesa o acerca de los cuales se desea
información. Tenemos aquí, la noción de
población como un conjunto universo.
Ejemplos:
Todas las personas mayores de 30 años que residen
en la ciudad de Arequipa.
80 familias seleccionadas
de entre todas las familias
residents en el distrito de
Jesús María.
Parámetro (θ)
Es una medida de resumen de alguna
característica de interés (Variable), que
representa a la población y cuyo
valor numérico se calcula en base al
estudio de toda la población (Censo).
Como el realizar un censo generalmente
no es factible por el tiempo que requiere
y por el costo que implica, estos valores
son desconocidos y por lo tanto deben de
ser ESTIMADOS.
Los principales Parámetros son:
Media o Promedio Poblacional :
Proporción Poblacional :
Varianza Poblacional : 2
__ x
i 1
i
x
n
Proporción muestral:
Denotado por S2
Es un estimador de la Varianza poblacional σ2
Se calcula de la siguiente forma:
si tenemos una muestra aleatoria de tamaño “n”
X1, X2,…,Xn
n __ n __
i
(x x ) 2
i nx
x 2 2
S
2 i 1
o tambien S2 i 1
n 1 n 1
Error de Estimación
Definimos como error de estimación a la
diferencia, términos absolutos, entre el
Estimador y el Parámetro.
Este error se debe a que una muestra no da la
información completa con respecto de la
población.
Este error puede ser medido y controlado, de
cierta forma, utilizando técnicas estadísticas
adecuadas.
E θ θ
Parámetros y sus Estimadores Puntuales
Representación simbólica
Medida de resumen Parámetro Estimador
Media o Promedio µ x
Varianza σ2 S2
Desviación Estándar σ S
Proporción π p
POBLACIÓN
MUESTRA
μ Muestreo
X1 ,X 2 ,...,X n
σ 2
X
S2
σ
S
π Inferencia Estadística
p
Estimadores
Parámetros
Distribuciones
Muestrales
Distribuciones Muestrales
• Definición:
Se denomina distribución muestral a la
distribución de probabilidades del estadígrafo (o
estimador) calculada a partir de todas las
posibles muestras de tamaño n elegidas de la
población en estudio.
Estas distribuciones se conciben en forma
teórica puesto que por lo general es muy difícil
extraer todas las muestras de tamaño n de una
población.
• Los estadígrafos, definidos anteriormente, son variables
aleatorias y por lo tanto estaremos interesados en
hallar la Distribución Muestral de cada una de estas
variables, y para esto tendremos que determinar las
siguientes características:
i. Su función de probabilidad
ii. Su media
iii. Su varianza
Cuando se conocen estas características se dice que la
Distribución Muestral del Estadígrafo esta bien definida.
Distribuciones Muestrales
de poblaciones con distribución normal
__
Distribución de la Media Muestral ( x)
(n 1) S 2
2
( n 1)
2
• S2 : es la varianza muestral
• n : es el tamaño de la muestra
•
2
( n 1) : es la distribución Chi-cuadrada con (n-1) grados
de libertad.
Distribución de la media muestral
cuando la varianza 2 es desconocida
x-
t (n-1)
S
n
Donde t(n-1) es una distribución t de Student con (n-1)
grados de libertad.
Notas: Distribución de la media muestral cuando la
varianza 2 es desconocida
Con respecto a esta última distribución mostrada se debe considerar
los siguiente:
Si el tamaño de muestra n es mayor que 30, esta distribución puede
ser aproximada mediante la distribución normal, basándonos en el
Teorema Central del Límite, es decir
x-
Z
S
n
__ σ2
x N
μ , n
Distribución de la Proporción muestral (p)
Suponga una población con distribución de Bernoulli con
parámetro , si de esta población se toma una muestra
aleatoria de tamaño n, entonces la distribución muestral de
la proporción muestral, p, será:
(1 )
p N ,
n
La que al ser estandarizada, puede ser representada también
de la siguiente forma:
p
Z
(1 )
n