Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Semana21-131018092117-Phpapp01 Distribucion Mustral de Medias
Semana21-131018092117-Phpapp01 Distribucion Mustral de Medias
SEMANA 2
2. Estadística Inferencial
Una población está formada por la totalidad de las observaciones en las cuales
se tiene cierta observa.
- Muestras Aleatorias
1. Política. Las muestras de las opiniones de los votantes se usan para que
los candidatos midan la opinión pública y el apoyo en las elecciones.
2. Educación. Las muestras de las calificaciones de los exámenes de
estudiantes se usan para determinar la eficiencia de una técnica o
programa de enseñanza.
3. Industria. Muestras de los productos de una línea de ensamble sirve para
controlar la calidad.
4. Medicina. Muestras de medidas de azúcar en la sangre de pacientes
diabéticos prueban la eficacia de una técnica o de un fármaco nuevo.
5. Agricultura. Las muestras del maíz cosechado en una parcela proyectan en
la producción los efectos de un fertilizante nuevo.
6. Gobierno. Una muestra de opiniones de los votantes se usaría para
determinar los criterios del público sobre cuestiones relacionadas con el
bienestar y la seguridad nacional.
1
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
- Errores en el Muestreo
Los errores que surgen al tomar las muestras no pueden clasificarse como errores
muéstrales y se denominan errores no muestrales.
Si una muestra aleatoria se elige de tal forma que todos los elementos de la
población tengan la misma probabilidad de ser seleccionados, la llamamos
muestra aleatoria simple.
2
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
Ejemplo
Muestreo Estratificado
Ejemplo
Suponga que nos interesa obtener una muestra de las opiniones de los profesores
de una gran universidad. Puede ser difícil obtener una muestra con todos los
profesores, así que supongamos que elegimos una muestra aleatoria de cada
colegio, o departamento académico; los estratos vendrían a ser los colegios, o
departamentos académicos.
3
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
Ejemplo
Suponga que una compañía de servicio de televisión por cable está pensando en
abrir una sucursal en una ciudad grande; la compañía planea realizar un estudio
para determinar el porcentaje de familias que utilizarían sus servicios, como no es
práctico preguntar en cada casa, la empresa decide seleccionar una parte de la
ciudad al azar, la cual forma un conglomerado.
Muestreo Sistemático
Ejemplo
4
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
Error Muestral
Cualquier medida conlleva algún error. Si se usa la media para medir, estimar, la
media poblacional µ, entonces la media muestral, como medida, conlleva algún
error. Por ejemplo, supongamos que se ha obtenido una muestra aleatoria de
tamaño 25 de una población con media µ = 15: si la media de la muestra es x=12,
entonces a la diferencia observada x- µ = -3 se le denomina el error muestral.
Una media muestral x puede pensarse como la suma de dos cantidades, la media
poblacional µ y el error muestral; si e denota el error muestral, entonces:
̅ = µ+E
Ejemplo
µ x = (3+4+3+4+5+5+2+4+6)/9 = 4
5
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
(2,2) 2 2 – 4 = -2
(2,4) 3 3 – 4 = -1
(2,6) 4 4–4=0
(4,2) 3 3 – 4 = -1
(4,4) 4 4–4=0
(4,6) 5 5–4=1
(6,2) 4 4–4=0
(6,4) 5 5–4=1
(6,6) 6 6–4=2
Las muestras aleatorias obtenidas de una población son, por naturaleza propia,
impredecibles. No se esperaría que dos muestras aleatorias del mismo tamaño y
tomadas de la misma población tenga la misma media muestral o que sean
completamente parecidas; puede esperarse que cualquier estadístico, como la
media muestral, calculado a partir de las medias en una muestra aleatoria, cambie
su valor de una muestra a otra, por ello, se quiere estudiar la distribución de todos
los valores posibles de un estadístico. Tales distribuciones serán muy importantes
en el estudio de la estadística inferencial, porque las inferencias sobre las
poblaciones se harán usando estadísticas muéstrales. Como el análisis de las
distribuciones asociadas con los estadísticos muéstrales, podremos juzgar la
confiabilidad de un estadístico muestral como un instrumento para hacer
inferencias sobre un parámetro poblacional desconocido.
Como los valores de un estadístico, tal como x, varían de una muestra aleatoria a
otra, se le puede considerar como una variable aleatoria con su correspondiente
distribución de frecuencias.
6
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
7
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
Ejemplo
µ , la media poblacional.
Solución:
8
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
La
media de la
distribución
muestral de
medias es:
d) La desviación
estándar de
la
- Distribución Muestral
9
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
Supóngase que se han extraído de una población finita todas las posibles
muestras:
̅ =
Donde
̅ = Media Poblacional de la distribución muestra de medias.
= Media poblacional
Además, ̅ = √
√
Ahora:
Llamaremos:
∑ ̅
Media Muestral de Medias Muestrales ̅= Donde k= Número de
muestras en la distribución muestral.
Ejemplo:
10
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
Solución:
Datos:
X N
= 68 pulgadas
̅ = 3.0 pulgadas
N= 3000; n = 25
a) Con reemplazamiento.
̅ = √ = = 0.6 pulgadas
√ √
Ejemplo 2:
Solución:
11
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
x
68.3
66.8 68
0.5 z
O
-2
P(66.8 < X< 68.3) = P( -2.0 < Z < 0.5) = Ver Tabla A31 y A32
100% 80 muestras
66.9% X
12
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
68 100% 80 Muestras
66.4 0.38% x
X = 0.3 Muestras
Estadística Inferencial
Para ello se basa en dos criterios para determinar la bondad del estimador:
13
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
2) Intervalos de Confianza
A la fracción (1- o
Grado de confianza, es la probabilidad que deseamos para que un
parámetro se encuentre dentro del intervalo calculado. Los
coeficientes más usados son (1- ) = 90%, 95%, 99%
Ejemplo:
Se tiene una confianza del 95% de que la vida útil de unas bombillas esta
entre 6 y 7 años y se tiene una confianza del 99% de que la vida útil de las
bombillas esté entre 3 y 10 años. ¿Cuál intervalo cree usted que es
conveniente? En este caso por supuesto es mejor tener un intervalo más
pequeño.
Algunas veces las restricciones en el tamaño de nuestra muestra nos
impiden tener intervalos cortos sin sacrificar algo de nuestro grado de
confianza.
14
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
̅ ̅
Z= , por tanto P( - z < , <z )=1-
√ √
Z
0
P( - z < Z < z ) = 1 -
Realizando manipulación algebraica llegamos al intervalo de confianza
15
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
Ejemplo:
Solución:
0.975
0.025 0.025 Z
16
Enith Cecilia Niebles Lara Especialista educación Matemática
Ingeniera Civil Curso para hacer clase Estadística Inferencial
Que se reduce a
2.5< < 2.70
Error
̅-z ̅ ̅+z
√ √
│ │= 0.1 ó │ │= 0.1
2
Estimación por intervalos de confianza. Alicia Ledema. UNLP. Apartes tomados del sitio web
http://www.ing.unlp.edu.ar/fismat/estadistica/estadistica/archivos/Capitulo5_ESTIMACION_POR_INT
ERVALO_ES_DE_CONFIANZA.pdf
17