DISTRIBUCIONES FUNDAMENTALES DEL MUESTREO

Andrea Fabregas
Camilo Arevalo
Liseth Villafañe
Kevin Puentes

Corporación Universitaria Reformada

IV Contaduría Pública

Estadística Inferencial I
Juan Rocha

Barranquilla – Atlántico

1
 2021
ÍNDICE
Introducción …………………………………………………………………………….... 3
Objetivos generales y específicos ………………………………………………………... 4
Conceptos básicos estadístico …………………………………………………….……… 5
Distribuciones muéstrales…………………………………………………………............ 6
Teorema del límite central ……………………………...…………………………………7
Distribución muestra de la media ………………………… ………………….……… … 8
Distribución muestral de la proporción …………………………………………………... 9
Distribución muestral de la diferencia de medidas ……………………………………… 10
Distribución muestral de la diferencia de proporciones …………………………….. 11 - 12
Distribución muestral de la varianza y razón de la varianza ……………………… 13 – 14
Conclusión …………………………………………………………………………........... 15
Bibliografías …………………………………………………………………………....... 16

2
 INTRODUCCIÓN
En el presente trabajo se llevará a cabo una pequeña introducción de conceptos básicos
sobre la estadística, abarcando las distribuciones fundamentales en el muestreo; conceptos,
características, ejemplos, etc.
La Estadística es la parte de las Matemáticas que se encarga del estudio de una determinada
característica en una población, recogiendo los datos, organizándolos en tablas,
representándolos gráficamente y analizándolos para sacar conclusiones de dicha población.
La estadística inferencial nos permite estimar parámetros poblacionales a partir de la
muestra utilizada, así como realizar el contraste de hipótesis. Los test estadísticos aplicados
dependerán de la naturaleza de nuestros datos y tipo de variables.

3
 OBJETIVOS GENERALES
Este trabajo se hace con el fin de conocer los conceptos que se llevarán a cabo a lo largo de
este semestre, al igual que mejorar la comunicación de trabajo en equipos y desarrollar
nuevos intelectos desde la estadística inferencial.
OBJETIVOS ESPECÍFICOS
- Conocer sobre los temas con el cual se trabajará a lo largo del semestre.
- Aplicar los fundamentos básicos para realizar un buen trabajo en equipo.
- Adquirir conocimiento sobre los temas, y aplicarlos a lo largo del semestre.

4
 CONCEPTOS BÁSICOS ESTADISTICOS

Estadística: es una disciplina científica que se ocupa de la obtención, orden y

análisis de un conjunto de datos con el fin de obtener explicaciones y predicciones
sobre fenómenos observados.

Muestra: es un subconjunto de datos perteneciente a una población de datos.

Estadísticamente hablando, debe estar constituido por un cierto número de
observaciones que representen adecuadamente el total de los datos.
 Ejemplo: si deseas conocer el salario de parte de un grupo poblacional
promedio, no es necesario encuestar a todos los habitantes de esta, por lo
que dirigir la investigación a un pequeño número de personas es suficiente.

Muestreo: El muestreo es el proceso mediante el cual se selecciona un grupo de

observaciones que pertenecen a una población. Esto, con el fin de realizar un
estudio estadístico.
 Ejemplo. si tienes una población de 100 personas, cada persona tendría una
probabilidad de 1 de 100 de ser seleccionado.

Valor: es cada uno de los distintos resultados que se pueden obtener en un estudio
estadístico.
 Ejemplo: Si lanzamos una moneda al aire 5 veces obtenemos dos valores:
cara y cruz.

5
 DISTRIBUCIONES MUÉSTRALES
la distribución muestral es lo que resulta de considerar todas las muestras posibles que
pueden ser tomadas de una población. Su estudio permite calcular la probabilidad que
se tiene, dada una sola muestra, de acercarse al parámetro de la población.
La distribución de frecuencia de un estadístico muestral se denomina distribución
muestral. En general, la distribución muestral de un estadístico es la de todos sus
valores posibles calculados a partir de muestras del mismo tamaño.
El estudio de determinadas características de un grupo se realiza a través de diversas
muestras que se pueden extraer de él.
El muestreo puede tener reemplazo o ningún reemplazo, y la población inicial puede ser
infinita o finita. Una población finita muestreada por reemplazo puede teóricamente
considerarse infinita. Además, a efectos prácticos, una población muy grande puede
considerarse ilimitada.
A lo largo de nuestra investigación, nos limitaremos a una población inicial infinita o
muestreo de reemplazo. Consideremos todas las muestras posibles de tamaño n en la
población. Para cada muestra, podemos calcular una estadística (media, desviación
estándar, razón, etc.), que variará de persona a persona. Por tanto, obtenemos una
distribución estadística denominada distribución muestral.

6
 TEOREMA DEL LÍMITE CENTRAL
El Teorema del límite central (TCL) es una teoría estadística que establece que, dada
una muestra aleatoria suficientemente grande de la población, la distribución de la
media muestral seguirá una distribución normal.
Propiedades del Teorema central
- Si el tamaño de la muestra es lo suficientemente grande, la distribución de la media
muestral obedecerá aproximadamente a una distribución normal. TCL considera una
muestra grande cuando el tamaño de la muestra es superior a 30. Por lo tanto, si la
muestra es mayor que 30, la media muestral tendrá una función de distribución
cercana a la distribución normal. No importa qué distribución usemos, esto es
correcto.
- La media de la población y la media de la muestra serán las mismas. En otras
palabras, la media de la distribución de la media de todas las muestras será igual a la
media de la población.
- La varianza de la distribución media muestral será σ² / n. ¿Cuál es la varianza de la
población dividida por el tamaño de la muestra?

7
 DISTRIBUCIÓN MUESTRA DE LA MEDIA
Cada muestra de tamaño n que podemos extraer de una población proporciona una
media. Si consideramos cada una de estas medias como valores de una variable
aleatoria podemos estudiar su distribución que llamaremos distribución muestral de
medias.
Si tenemos una población normal N (m, s) y extraemos de ella muestras de tamaño n, la
distribución muestral de medias sigue también una distribución normal.
Si la población no sigue una distribución normal, pero n>30, aplicando el llamado
Teorema central del límite la distribución muestral de medias se aproxima también a la
normal anterior.

8
 DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN
Existen ocasiones en las cuales no estamos interesados en la media de la muestra, sino que
queremos investigar la proporción de artículos defectuosos o la proporción de alumnos
reprobados en la muestra. La distribución muestral de proporciones es la adecuada para dar
respuesta a estas situaciones. Esta distribución se genera de igual manera que la
distribución muestral de medias, a excepción de que al extraer las muestras de la población
se calcula el estadístico proporción (p=x/n en donde "x" es el número de éxitos u
observaciones de interés y "n" el tamaño de la muestra) en lugar del estadístico media.

Una población binomial está estrechamente relacionada con la distribución muestral de

proporciones; una población binomial es una colección de éxitos y fracasos, mientras que
una distribución muestral de proporciones contiene las posibilidades o proporciones de
todos los números posibles de éxitos en un experimento binomial, y como consecuencia de
esta relación, las afirmaciones probabilísticas referentes a la proporción muestral pueden
evaluarse usando la aproximación normal a la binomial, siempre que np5 yn(1-p) 5.
Cualquier evento se puede convertir en una proporción si se divide el número obtenido
entre el número de intentos.

9
 DISTRIBUCIÓN MUESTRAL DE LAS DIFERENCIA DE MEDIAS

Suponga que se tienen dos poblaciones distintas, la primera con media 1 y desviación
estándar 1, y la segunda con media 2 y desviación estándar 2. Más aún, se elige una
muestra aleatoria de tamaño n1 de la primera población y una muestra independiente
aleatoria de tamaño n2 de la segunda población; se calcula la media muestral para cada
muestra y la diferencia entre dichas medias. La colección de todas esas diferencias se llama
distribución muestral de las diferencias entre medias o la distribución muestral del
estadístico

La distribución es aproximadamente normal para n1 30 y n2 30. Si las poblaciones son

normales, entonces la distribución muestral de medias es normal sin importar los tamaños
de las muestras.

En ejercicios anteriores se había demostrado que  y que  , por lo que no es

difícil deducir que   y que  .

La fórmula que se utilizará para el cálculo de probabilidad del estadístico de diferencia de

medias es:

10
 DISTRIBUCIÓN MUESTRAL DE DIFERENCIA DE PROPORCIONES

Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos

proporciones muestrales, la distribución muestral de diferencia de proporciones es
aproximadamente normal para tamaños de muestra grande (n1p1 5, n1q1 5, n2p2 5 y
n2q2 5). Entonces p1 y p2 tienen distribuciones muestrales aproximadamente normales,
así que su diferencia p1-p2 también tiene una distribución muestral aproximadamente
normal.

Cuando se estudió a la distribución muestral de proporciones se comprobó que  y

que  , por lo que no es difícil deducir que   y

que  .

(  = media = desviación estándar)

La fórmula que se utilizará para el cálculo de probabilidad del estadístico de diferencia
de proporciones es:

11
 Forma
La forma de una distribución muestral de P1-P2 depende de si ambas muestras pasan la
condición de normalidad o del tamaño de la muestra.
 Si esperamos al menos 10 éxitos y al menos 10 fracasos en ambas muestras,
entonces la distribución muestral de P1-P2 será aproximadamente normal.
 Si uno o más de estos recuentos son menores que 10, entonces la distribución
muestral no será aproximadamente normal.
Centro
La diferencia media es la diferencia entre las proporciones de la población:
μp^1−p^2=p1−p2
Variabilidad
La desviación estándar de la diferencia es:

(n1y n2 = tamaños de cada muestra)

Si estamos muestreando sin reemplazo, esta fórmula en realidad va a sobreestimar la
desviación estándar, pero es extremadamente cercana al valor correcto siempre y
cuando cada muestra sea menos del 10%.

12
 DISTRIBUCIÓN MUESTRAL DE LA VARIANZA

El cálculo de probabilidad en una distribución muestral de varianzas nos sirve para

saber cómo se va a comportar la varianza o desviación estándar en una muestra que
proviene de una distribución normal.
Ejemplos:
1. Suponga que los tiempos requeridos por un cierto autobús para alcanzar un de sus
destinos en una ciudad grande forman una distribución normal con una desviación
estándar  =1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la
probabilidad de que la varianza muestral sea mayor que
Solución:
Primero se encontrará el valor de X-cuadrada correspondiente a s2=2 como sigue:

Razón de la Varianza
 Hipótesis:

c) Estadístico de contraste:

d) Distribución del estadístico de contraste: F con n1-1 y n2-1 grados de libertad.

13
 e) Significación del estadístico de contraste

Ejemplo
Quieren someter a contraste la hipótesis de igualdad de las Varianzas de las
puntuaciones obtenidas por dos grupos de individuos en una prueba de extraversión.

a) Supuestos: Dado que las muestras han sido generadas aleatoriamente, se supone que
los datos son independientes.
b) Hipótesis:

c) Estadístico de contraste:

d) Distribución del estadístico de contraste: F con 31-1 y 41-1 grados de libertad.

e) Significación del estadístico de contraste: 0.63
f) Decisión: La significación del estadístico de contraste es superior a 0.01, y en
consecuencia se acepta la Hipótesis Nula.

14
 CONCLUSIÓN
En suma a esto; la Estadística inferencial es una rama de la estadística que se encarga de
estudiar el comportamiento de una muestra para poder obtener información de una
población con respecto a lo mencionado anteriormente “muestra”.
Generalización de resultados a grandes conjuntos, partiendo de pequeñas cantidades. La
herramienta fundamental de esta estadística es el cálculo de probabilidades.

15
 BIBLIOGRAFIAS

http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03b.html
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap01c.html
https://www.uv.es/webgid/Inferencial/33_razn_de_varianzas.html
https://proyectodescartes.org/uudd/materiales_didacticos/inferencia_estadistica_JS/distr
ib_muestrales.htm
https://www.google.com/search?q=distribuci
%C3%B3n+muestral+ejemplos&client=ms-android-samsung-ga-
rev1&prmd=ivn&sxsrf=ALeKk03mVjuJY5QGdwJbHCxbN6-
TELGmAA:1628531474495&source=lnms&tbm=isch&sa=X&ved=2ahUKEwitmKvA
wKTyAhUjF1kFHfC6AisQ_AUoAXoECAEQAQ&biw=450&bih=865#imgrc=WktSX
31N82iHMM
https://economipedia.com/definiciones/teorema-central-del-limite.html
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap01b.html

16
17