Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de Muestreo
Población: Consiste en la totalidad de
las observaciones en las que estamos
interesados.
Cada observación en una población es
un valor de una v. a. X que tiene
alguna distribución de probabilidad . f x
población normal
población f x
La varianza de la población
Población
Muestra
Muestra
INFERIR
Población
¿Qué información nos trasmiten los datos?
X ,, X n
1
muestra aleatoria de la población f (x)
x ,, xn
1
Estadístico
Cualquier función de las v. a. que forman
una muestra aleatoria.
n n
Xi
2
X
i 1
i X
2
X i 1 S
n n 1
Distribución Muestral
La distribución de probabilidad de un
estadístico
X ~. normal , 2
2
X ~. normal ,
n
3 4
1
2
E(X)=2.5 Var(X)=1.11803399
3 4
1 2 frec
0
1 2 3 4
E(X)=2.5 Var(X)=1.11803399
MUESTRA MEDIA
1 1 1 1 2 1 1 1.3333333
1 1 2 1.3333333 2 1 2 1.6666667
1 1 3 1.6666667 2 1 3 2
1 1 4 2 2 1 4 2.3333333
1 2 1 1.3333333 2 2 1 1.6666667
1 2 2 1.6666667 2 2 2 2
1 2 3 2 2 2 3 2.3333333
1 2 4 2.3333333 2 2 4 2.6666667
1 3 1 1.6666667 2 3 1 2
1 3 2 2 2 3 2 2.3333333
1 3 3 2.3333333 2 3 3 2.6666667
1 3 4 2.6666667 2 3 4 3
1 4 1 2 2 4 1 2.3333333
1 4 2 2.3333333 2 4 2 2.6666667
1 4 3 2.6666667 2 4 3 3
1 4 4 3 2 4 4 3.3333333
MUESTRA MEDIA 4 1 1 2
3 1 1 1.66667 4 1 2 2.33333
3 1 2 2 4 1 3 2.66667
3 1 3 2.33333
4 1 4 3
3 1 4 2.66667
4 2 1 2.33333
3 2 1 2
4 2 2 2.66667
3 2 2 2.33333
4 2 3 3
3 2 3 2.66667
3 2 4 3
4 2 4 3.33333
3 3 1 2.33333 4 3 1 2.66667
3 3 2 2.66667 4 3 2 3
3 3 3 3 4 3 3 3.33333
3 3 4 3.33333 4 3 4 3.66667
3 4 1 2.66667 4 4 1 3
3 4 2 3 4 4 2 3.33333
3 4 3 3.33333 4 4 3 3.66667
3 4 4 3.66667 4 4 4 4
Distribución de las medias de las
muestras
VALOR FREC
1 1
1.333333 3
1.666667 6
2 10
2.333333 12
2.666667 12
3 10
3.333333 6
3.666667 3
4 1
Distribución de las medias de las
muestras
14
12
10
8
6
4
2
0
1 1.33 1.67 2 2.33 2.67 3 3.33 3.67 4
Distribución de las medias de las
muestras
14
12
10
8
6
4
2
0
1 1.33 1.67 2 2.33 2.67 3 3.33 3.67 4
E(Xm)=2.5 Var(Xm)=0.645492722
Sea una población con media μ y
desviación típica σ.
La distribución de las medias de las
muestras aleatorias (con reposición)
de tamaño n,
tiene por media μ y desviación
típica σ/√n
Distribución de las medias de
las muestras
Teorema del límite central
Dada una población, con media μ y
desviación típica σ finitas, y
seleccionamos al azar muestras
aleatorias de tamaño n, entonces a
medida que n crece la distribución de las
medias muestrales se aproxima a una
distribución normal.
Teorema del límite central
Dada una población, con media μ y
desviación típica σ finitas, y
seleccionamos al azar muestras
aleatorias de tamaño n, entonces la
forma límite de la distribución de Z
conforme n crece indefinidamente
X
Z ~ N ( z; 0 ,1)
n
Distribución muestral de la media
Veremos primero el caso de que la distribución
subyacente sea normal, con media y varianza 2
La media de la distribución muestral
de medias es
La varianza de la distribución
muestral de medias es 2 / n
200
300
200
Distribución muestral de la
media:
100
Desv. típ. = 3.36 Tamaño muestral = 20
Media = 100.0
0 N = 3600.00
Media = 100
Varianza = 225/20 = 11.3
88
90
92
94
96
98
10
10
10
10
10
11
11
11
.0
0.
4.
2.
4.
.0
.0
.0
.0
.0
2.
6.
8.
0.
0
0
0
0
400
300
95
97
99
10
10
10
10
10
.2
1.
3.
5.
7.
.2
.2
9.
5
25
25
25
25
5
25
N50
Desv. típica = 2.12
Distribución muestral de la media
Veamos ahora el caso en que la distribución subyacente
sea arbitraria, con media y varianza 2
0.045
0.04
0.035
0.03
0.025
0.02
0.015
0.01
0.005
0
80 85 90 95 100 105 110 115 120
Ejemplo 4
Distribución poblacional
subyacente (dist. Gamma):
500 Media = 100
Varianza = 100
400
300
200
Distribución muestral de la
media:
100
Desv. típ. = 3.12 Tamaño muestral = 10
Media = 100.0
0 N = 3600.00 Media = 100
Varianza = 100/10 = 10
90
92
94
96
98
10
10
10
10
10
11
.0
.0
.0
.0
.0
0.
2.
4.
6.
8.
0.
0
0
0
12
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6
Ejemplo 5
400 Distribución poblacional (dist.
EXPONENCIAL):
Media = 0.1 = 1/
300
Varianza = 0.01 = 1/2
200
100
Distribución muestral de la
Desv. típ. = .03 media:
Media = .100
0 N = 3600.00 Tamaño muestral = 10
Media = 0.1
.0
.0
.0
.0
.0
.0
.1
.1
.1
.1
.1
.1
.1
.1
.2
.2
.2
.2
56
94
06
69
19
31
44
69
81
19
31
44
56
81
94
06
31
44
400
Media = 0.1 = 1/
Varianza = 0.01 = 1/2
300
200
Distribución muestral de la
100
Desv. típ. = .02 media:
Media = .099
Tamaño muestral = 20
0 N = 3600.00
Media = 0.1
.0
.0
.0
.0
.0
.1
.1
.1
.1
.1
.1
.1
.1
44
56
69
81
94
06
19
31
44
56
69
81
94
i 1 n y
1
y 2
e 2
Su densidad de probabilidad fY ( y ) n
, x0
será: n
2
2
2
la función gamma es: 1 y e y dy
0
E Y n Var Y 2n
Distribución Muestral de S2
Si S2 es la varianza de una muestra
aleatoria de tamaño n que se toma de una
población normal que tiene la varianza
entonces el estadístico:
(n 1) S 2 n
Xi X 2
2
2
i 1 2
0.131
0.087
0.044
0.000
0.00 6.25 12.50 18.75 25.00
Si X se distribuye como N ( , )
xx
Tipificando se distribuye como N (0,1)
n
i n
X
2
2
x x
2
se distribuye como 12
i 1
2
n n
1
s*
2
x x x x (n 1)s*
2 2 2
n 1 i 1 i 1
(n 1) s
2
2
2
*
se distribuye como n 1
TABLA DE 2
orden percentílico
grados de libertad
valores acumulados de 2n
Usos de la Ji-Cuadrado
a) Para hacer inferencias acerca de la varianza
poblacional. Es decir, para calcular Intervalos
de Confianza y Prueba de hipótesis para la
varianza poblacional.
b) Para hacer pruebas de Bondad de Ajuste. O
sea, para probar si un conjunto de datos sigue
una distribución pre-determinada.
c) Para hacer análisis de tablas de contingencia.
Distribución t de Student
Student era el seudónimo de W.S. Gosset, un pionero
estadista que trabajó en la Cervecería Guiness de Dublín.
Sea X v.a.c. tal que X ~ N (0,1)
Y v.a.c. tal que Y ~ 2n X
tn
Y
Con función de densidad de probabilidad:
n
n 1
n 1 t
2 2
1
2 n
f T (t ) , t
n
n
2
Distribución t de Student
0.4
Curva Normal
Estandar
0.3
0.2
C2
0.1
t con 5gl.
0.0
-4 -3 -2 -1 0 1 2 3 4
x
Hecho por Edgar Acuna
n
Et 0 Var t
n2
x
t
s
n
Cuando la distribución de la población
de la que obtenemos las medias
muestrales no es normal, el estadístico
anterior, se distribuye como una normal
tipificada para valores de n > 30.
TABLA DE LA DISTRIBUCION t DE
STUDENT
orden percentílico
1
2
3
4
5
tp
grados de libertad valores
acumulados de tp
Distribución F de Fisher o F-Snedecor
Sea X v.a.c. tal que X ~ 2n
Y v.a.c. tal que Y ~ 2m independientes
X
inamos Z n F ( n, m )
Y
m
nm
n/2
n m
n/2
n 1 nm
2 2
f Z ( z) z ( n m) 2 , z0
n m
2 2
m 2m ( n m 2)
2
E Z V Z
m2 n( m 2 ) ( m 4 )
2
(m,n)
s / 2
x*
2
x
Distribución muestral del estimador s / 2 2
y* y