Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones Muestrales
Universidad de Córdobas
Monterı́a - Córdoba
4 de febrero de 2019
1 Distribuciones Muestrales
Conceptos Básicos
Distribución muestral de la media
Teorema del lı́mite central
Distribución muestral de la proporción
Referencias
Conceptos Básicos
Población:
Es el conjunto formado por todos los individuos o elementos, so-
bre los cuales se pretende estudiar una o más caracterı́sticas que
son de interés par el investigador. Ejemplo: Los habitantes de un
paı́s, los estudiantes de un colegio, establecimientos comerciales de
una ciudad o el conjunto de todas las piezas fabricadas por una
máquina.
Muestra
Es una parte o subconjunto de la población, seleccionada con el fin
de describir o inferir lo que ocurre en la población.
Conceptos Básicos
Parámetro:
Es una medida descriptiva de la población. Por ejemplo:
La media (µ)
La varianza (σ 2 )
La proporción (π)
Estadı́stico
Valor que describe una muestra y sirve como estimación de un
parámetro de la población correspondiente.
La media X̄
La varianza (S 2 )
La proporción (p)
Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 4 / 27
Distribuciones Muestrales Conceptos Básicos
Conceptos Básicos
Muestreo:
Proceso por medio del cual se seleccionan muestras. Se utiliza cuan-
do no es posible contar o medir todos los elementos de la población
objeto de estudio.
Conceptos Básicos
Tipos de Muestreo
Existen dos métodos para seleccionar muestras de poblaciones:
1 Muestreo no aleatorio o de juicio: Se emplea el conocimiento
y la opinión personal para identificar aquellos elementos de la
población que deben incluirse en la muestra.
2 Muestreo aleatorio o de probabilidad: En el cual todos los
elementos de la población tienen la oportunidad de ser
escogidos para la muestra. Dentro de este tipo de muestreo se
encuentran:
Muestreo aleatorio simple.
Muestreo sistemático.
Muestreo estratificado.
Muestreo de conglemerado.
Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 6 / 27
Distribuciones Muestrales Conceptos Básicos
Distribuciones Muestrales
Luego:
i si Xs i x̄
1 {1, 2, 3} {70, 60, 80} 70
2 {1, 2, 4} {70, 60, 70} 66.67
3 {1, 2, 5} {70, 60, 90} 73.33
4 {1, 3, 4} {70, 80, 70} 73.33
5 {1, 3, 5} {70, 80, 90} 80
6 {1, 4, 5} {70, 70, 90} 76.67
7 {2, 3, 4} {60, 80, 70} 70
8 {2, 3, 5} {60, 80, 90} 76.67
9 {2, 4, 5} {60, 70, 90} 73.33
10 {3, 4, 5} {80, 70, 90} 80
Ejemplo 1
Ejemplo 1
Solución:
Definamos a X: cantidad de contaminantes en los lagos de Minne-
sota (en partes por millón).
Se tiene que:
2
X ∼ N (µX = 64, σX = 70,6), n = 35
Luego:
2
2 σX 70,6
µX̄ = µX = 64, σX̄ = = = 2,02
n 35
Es decir:
2
X̄ ∼ N µX̄ = 64, σX̄ = 2,02
Ejemplo 1
Asi:
a)
P X̄ > 67 = 1 − P X̄ ≤ 67
X̄ − µX̄ 67 − 64
=1−P ≤ √
σX̄ 2,02
= 1 − P (Z ≤ 2,11)
= 1 − 0,9826 = 0,0174 (1,74 %)
Ejemplo 1
b)
P 64 < X̄ < 68 = P X̄ < 68 − P X̄ < 64
X̄ − µX̄ 68 − 64 X̄ − µX̄ 64 −
=P < √ −P ≤ √
σX̄ 2,02 σX̄ 2,0
= P (Z < 2,81) − P (Z ≤ 0)
= 0,9975 − 0,5
= 0,4975 (49,75 %)
Ejemplo 2
Ejemplo 2
Siempre que n → ∞.
Nota:
La aproximación a la distribución normal para X̄, por lo general,
será buena si n ≥ 30.
Ejemplo
Ejemplo
Solución:
Se tiene que:
µ = 110, σ = 64, n = 48, P X̄ ≤ 120 =?
Luego:
X̄ − µ 120 − 110
P X̄ ≤ 120 = P √ ≤ √
σ/ n 64/ 48
10
=P Z≤ = P (Z ≤ 1,08)
9,24
= 0,8599 (85,99 %)
Ejemplo:
Ejemplo:
Solución:
Se tiene que:
π = 0,2, n = 150
Luego:
Ejemplo:
b)
22 X 35
P (22 < X < 35) = P < <
150 150 150
= P (0,1467 < p < 0,2333)
0,1467 − 0,2 p−π 0,2333 − 0,2
= P q <q < q
0,2×(1−0,2) π(1−π) 0,2×(1−0,2)
150 n 150
Referencias I