Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones Derivadas Del Muestreo (Estadística)
Distribuciones Derivadas Del Muestreo (Estadística)
"Si " "es la media de una muestra aleatoria de tamaño "n" extraída de
una población con media " " y desviación finita (conocida) " ",
entonces
Donde:
.Z = puntuación estandarizada
= media muestral
= media poblacional o media de la distribución muestral
= error estándar de la media
OBSERVE Y ANALICE:
grande (n 30)
La ilustración muestra la tendencia hacia la normalidad para la distribución
muestral de medias como incrementos de tamaños muestrales.
Para poder aplicar el TEOREMA DEL LÍMITE CENTRAL es necesario saber calcular
el error estándar de la distribución.
A continuación se ejemplificarán los casos mencionados para su calculo:
1.3.3 Ejemplos
EJEMPLO 1
POBLACIÓN INFINITA, DESVIACIÓN POBLACIONAL CONOCIDA ( ), NO
IMPORTANDO LA MAGNITUD DE LA MUESTRA (n)
:__ SOLUCIÓN:___ :
OBSERVE Y ANALICE: Este problema cae en el primer caso del uso de la aplicación
del teorema del límite central, puesto que se conoce la desviación población y
no importa cual sea la magnitud de la muestra
EJEMPLO 2
POBLACIÓN INFINITA, DESVIACIÓN POBLACIONAL DESCONOCIDA ( n
30), MUESTRA GRANDE (n 30), DESVIACIÓN MUESTRAL CONOCIDA ( S )
:__ SOLUCIÓN::___
OBSERVE Y ANALICE: Este es el tercer caso de la aplicación del teorema del límite
central ya que se desconoce la desviación poblacional, pero como n 30 se
puede utilizar su desviación como estimador de la desviación poblacional.
EJEMPLO 3
POBLACIÓN FINITA
c) Supóngase que el contador sabe que el número total de cuentas por cobrar es
del 1000, con desviación $ 2000.00 y media de $30 000.00. Si selecciona una
muestra de 75 cuentas , calcule el error estándar de la distribución .
:__ SOLUCIÓN::___
n > 0.05 N ó n < 0.05 N ya que el cálculo del error estándar de distribución es
diferente para cada caso:
OBSERVE Y ANALICE: En el caso que n < 0.05 N, el cálculo del error estándar de
la distribución hubiera sido:
Una vez que se ha analizado los diferentes casos para calcular el error estándar
de la distribución, a continuación se ejemplificará las aplicaciones que teorema
de límite central
EJEMPLO 4
a) Mayor a $ 19750.00
b) Entre $ 18 250 y $ 19 750
:__ SOLUCIÓN::___
a)
estandarizando
estandarizando
1.3.4 Diagramas
CONCLUSIONES
1.- La media de la distribución muestral de medias es igual a la
media poblacional, sin importar la magnitud de muestra, incluso si la
población no es normal.
___
• DESVIACIÓN POBLACIONAL • DESVIACIÓN POBLACIONAL
CONOCIDA DESCONOCIDA
n 30 ____
___
• n<0.05N • n<0.05N
• Con reemplazo • Con reemplazo
• n>0.05 N • n>0.05 N
• Sin reemplazo • Sin reemplazo
1.- Una máquina llena latas de sopa con un promedio de 15.9 onzas y una de
1 onza, se toma una muestra de 80 latas, sabiendo que la maquina llena 125
latas. ¿Cuál es la probabilidad de que la media de una muestra aleatoria de 80
latas este por debajo de 15.8 onzas?
DATOS:___
:__
:
P( <15.8)
= 15.9
=1
n = 80
Latas
N = 125
(0.05)(125) = 6.25
n > 0.05 N
80 > 6.25
Estandarizando a la variable
2.- Una institución bancaria calcula que sus cuentas de ahorros individuales está
normalmente distribuidas con media de $50 (miles de pesos) y una desviación
estándar de $10 (miles de pesos). Si el banco toma una muestra aleatoria de 36
cuentas. ¿Cuál es la probabilidad de que:
DATOS:
n = 36
= 50
= 10
a) P(45 55)
Estandarizando a la variable:
En este caso la magnitud de la población es desconocida, y n>30, por lo tanto el
error estándar se calcula por:
b) P( > 48)
P(Z >-1.19) = 0.5 + P(0 Z -1.19) = 0.5 + 0.38298=0.88298