UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

FACULTAD DE INGENIERIA
ESCUELA DE CIENCIAS
ESTADÍSTICA 2

DISTRIBUCIONES MUESTRALES
DE UNA Y DOS POBLACIONES
M.A. Inga. Mayra Carvajal castillo
Estadística inferencial
➢ Es una rama de la estadística que involucra utilizar una
muestra obtener información sobre la población de la que
procede la muestra.

➢ Comprende estimación paramétrica; puntual o por

intervalos de confianza; pruebas de hipótesis
paramétricas, para una y dos poblaciones. Así como
pruebas de chi cuadrado entre otras.
Teoría del muestreo

Estudia las relaciones que existen entre una población y las

muestras que se extraen de la misma.

Permite hacer estimaciones de características desconocidas de

la población (tales como media, desviación típica, varianza y
proporciones

Estas estimaciones se hacen a partir del conocimiento de las

características de las muestras.
 Tipos de muestreo
Muestreo aleatorio simple
•Una muestra “n” es seleccionado de una población de tamaño “N” de
tal manera que cada muestra posible de tamaño “n” tiene la misma
probabilidad de ser seleccionada.
Muestreo estratificado
•Es obtenida mediante la separación de los elementos de la población
en grupos que no presenten traslapes, llamados estratos. Ej. Nivel
socioeconómico
Muestreo por conglomerado
•Es una muestra aleatoria en la que cada unidad de muestreo es una
colección, o conglomerado, de elementos. Ej. Colonia residencial
Teoría del muestreo
❖ Población (N): la totalidad de las observaciones en las que estamos interesados.
❖ Población infinita: no se conoce la totalidad de elementos en la población o
la misma es demasiado grande en relación al tamaño de la muestra.
❖ Población finita: se conoce la totalidad de elementos en la población.

❖ Muestra (n): subconjunto de elementos extraídos de la población.

❖ Muestra con reemplazo: un elemento de la población puede estar en la
muestra al menos una vez.
❖ Muestra sin reemplazo: un elemento de la población puede estar en el
muestra solamente una vez.
Distribuciones muestrales
❖ Si se consideran todas las muestras posibles de tamaño n que pueden extraerse de
una población, y para cada muestra se calcula el estadístico. De esta manera
obtenemos la distribución del estadístico, que es su distribución muestra.
❖ Para una distribución muestral podemos lógicamente calcular la media, varianza,
desviación estándar, etc. Algunas veces a la desviación estándar también se le llama
error estándar.
Indicadores Parámetros poblacionales Estadísticos
muestrales
Media 𝝁 ഥ
𝒙
Varianza 𝝈𝟐 𝒔ො 𝟐
Desviación 𝝈 𝒔ො
estándar
Proporción 𝝅 ෝ
𝒑
Poblaciones finitas e infinitas
■ En algunas ocasiones aunque se conozca el tamaño de la población, si la
diferencia entre la misma y el tamaño de la muestra es muy grande , la
población se comportará como una población infinita. Esto se da pues el factor
de corrección para poblaciones finitas tiende a 1.
■ Para comprobar si se comportará como una población finita aplicaremos lo
siguiente:
𝑛 > 0.05𝑁
■ Si se cumple la condición anterior podemos considerar la población como finita
y aplicar el factor de corrección

𝑁−𝑛
𝑁−1
Muestreo con o sin reemplazo
Sin reemplazo, población finita Con reemplazo, población Infinita
❖ Los elementos pueden ser
❖ Los elementos pueden ser
seleccionados solamente una
seleccionados por lo menos una
vez.
vez.
❖ Se aplicará muestreo sin
❖ Se aplicará muestreo sin
reemplazo cuando se analicen
reemplazo cuando se analicen
poblaciones finitas poblaciones
poblaciones infinitas poblaciones
❖ El número de muestras será
❖ El número de muestras será
entonces
entonces
𝑁!
𝐾= 𝐶𝑛𝑁 = 𝐾 = 𝑁𝑛
𝑛! 𝑁 − 𝑛 !
DISTRIBUCIONES
MUESTRALES DE UNA
POBLACIÓN
Distribución muestral de una población
n1,
𝑥1ҧ , 𝑠1Ƹ

nk, n2,
𝑥ҧ𝑘 , 𝑠Ƹ𝑘 N, μ, 𝑥ҧ2 , 𝑠Ƹ2
σ
n4, n3,
𝑥ҧ4 , 𝑥ҧ3 , 𝑠Ƹ3
Distribución muestral para la media de una
población
Población infinita Población finita
❖ La media de la distribución ❖ La media de la distribución muestral
muestral es igual a la media de es igual a la media de la población
la población 𝛍𝐗ഥ = 𝛍
𝛍𝐗ഥ = 𝛍 ❖ El error estándar o la desviación
❖ El error estándar o la desviación estándar de la distribución muestral
estándar de la distribución 𝟐
ഥ − 𝛍𝐗ഥ
𝒙 𝛔 𝑵−𝒏
muestral 𝛔𝐗ഥ = =
𝒌 𝒏 𝑵−𝟏
ഥ − 𝛍𝐗ഥ
𝒙 𝟐 𝛔
𝛔𝐗ഥ = =
𝒌 𝒏
Teorema del límite central

❖El teorema del límite central dice que para

una población cualquiera, a medida que n
aumenta la distribución de medias
muestrales se aproxima a una distribución
normal.
Teorema del límite central
 Distribución muestral para la media de una
población
Sï Z
Sí 𝜎 conocido
No Z
Población normal

Sí 𝑛 ≥ 30
Sï Z
No 𝜎 conocido
No t

Sï Z
Sí 𝜎 conocido
No 𝑛 ≥ 30 No Z
E. no
No
paramétrica
Probabilidades

ഥ≤𝒂
■ 𝑿

ഥ≥𝒂
𝑿

ഥ≤𝒃
■ 𝒂≤𝑿
Distribución muestral para la media de
una población
Con varianza 𝝈𝟐 conocida ó 𝑛 ≥ 30 Con varianza 𝝈𝟐 desconocida Y 𝑛 < 30

❖ Conocemos la desviación ❖ No conocemos nada de la

estándar de la población o población, solo tenemos datos
tenemos una muestra grande. muestrales. La muestra es
pequeña.
❖ Cuando nuestra muestra sea de
más de 30 observaciones o se ❖ Cuando se cumplen las dos
conoce la varianza poblacional la condiciones la distribución
distribución muestral de medias muestral de medias se aproxima
se aproxima a una distribución a una distribución t de student
normal. con n-1 grados de libertad
ഥ−𝝁
𝑿 ഥ−𝝁
𝑿
𝐳= 𝐭=
𝛔𝐗ഥ 𝒔ොൗ
𝒏
Distribución muestral para la proporción de
una población
Una proporción representa un porcentaje de elementos que cumplirán con una condición dada a
la que llamaremos éxito, por ejemplo, el número de mujeres que padecen diabetes, el número de
piezas defectuosas, el número de registros de una base de datos con problemas, etc.

Población infinita Población finita

❖ La media de la distribución muestral de ❖ La media de la distribución muestral de
proporciones está dada por proporciones está dada por
𝛍𝐩ො = 𝛑 𝛍𝐩ො = 𝛑

❖ El error estándar de la distribución ❖ El error estándar de la distribución muestral

muestral para un población infinita es para un población finita es
𝝅(𝟏 − 𝝅) 𝝅(𝟏 − 𝝅) 𝑵 − 𝒏
𝛔𝐩ො = 𝛔𝐩ො =
𝒏 𝒏 𝑵−𝟏
Distribución muestral para la
proporción de una población
Las proporciones siguen una distribución binomial, pues cumple o no cumple con
la condición de interés. Para poder facilitar el cálculo de probabilidades se realiza
una aproximación a la distribución binomial por medio de la distribución normal.
La distribución muestral de proporciones se aproxima a la distribución normal con
variable tipificada o estandarizada:
𝟏
ෝ−𝝅±
𝒑
𝟐𝒏
𝐳=
𝛔𝐩ෝ
El factor de corrección cambiará de signo más a menos dependiendo de si se
quiere incluir el valor a probar, por ejemplo si queremos que sea mayor o igual al
valor si se incluye y si solo es mayor no lo incluiremos.
Distribución muestral para la varianza de
una población
❖ La distribución muestral de varianzas se aproxima a una distribución Chi
cuadrado con n-1 grados de libertad
𝟐
(𝒏 − 𝟏)ො
𝒔
𝝌𝟐 =
𝝈𝟐
❖ Tomará siempre valores positivos al trabajar solo con varianzas. Mientras
más pequeño sea el valor de chi cuadrado se espera que tenga mayor
probabilidad de ocurrencia.
 DISTRIBUCIONES
MUESTRALES PARA DOS
POBLACIONES
Comparación de dos poblaciones
❖ A diferencia de las distribuciones muestrales de una sola población,
las distribuciones muestrales para dos poblaciones no se enfocan en
dar un valor para parámetros y estadísticos sino un valor para la
diferencia entre el parámetro de una población y el parámetro de otra
población distinta. Debemos definir la diferencia a comprobar.

❖ Por ejemplo, comprar el peso promedio de un grupo de hombres y un

grupo de mujeres; comparar el rendimiento de dos tipos de
fertilizantes; comparar el número de elementos defectuosos que
producen dos procesos distintos, etc.
 Distribución muestral para la media de
dos poblaciones con 𝛔𝟏 𝒚 𝛔𝟐 conocidas
𝟐 𝟐

Población infinita Población finita

❖ La media de la distribución muestral ❖ La media de la distribución muestral
para la diferencia de medias está para la diferencia de medias está
dada por dada por
𝛍𝐗ഥ 𝟏 −𝑿ഥ 𝟐 = 𝛍𝟏 − 𝛍𝟐 𝛍𝐗ഥ 𝟏 −𝑿ഥ 𝟐 = 𝛍𝟏 − 𝛍𝟐
❖ El error estándar de la distribución ❖ El error estándar de la distribución
muestral para un población infinita muestral para un población infinita
es es
𝛔𝐗ഥ 𝟏 −𝑿ഥ 𝟐
𝝈𝟐𝟏 𝝈𝟐𝟐
𝛔𝐗ഥ 𝟏 −𝑿ഥ 𝟐 = + 𝛔𝟐𝟏 𝑵𝟏 − 𝒏𝟏 𝛔𝟐𝟐 𝑵𝟐 − 𝒏𝟐
𝒏𝟏 𝒏𝟐 = +
𝒏𝟏 𝑵𝟏 − 𝟏 𝒏𝟐 𝑵𝟐 − 𝟏
Distribución muestral para la media de
dos poblaciones con 𝛔𝟏 𝒚 𝛔𝟐 conocidas
𝟐 𝟐

Cuando 𝑛1 𝑦 𝑛2 ≥ 30 o se conocen las varianzas

𝟐 𝟐
𝛔𝟏 𝒚 𝛔𝟐 de las poblaciones, la distribución muestral
para la diferencia de medias se aproxima a la
distribución normal con variable tipificada o
estandarizada:
ഥ 𝟏 −𝑿
𝐗 ഥ 𝟐 − 𝛍𝟏 −𝛍𝟐
𝐳=
𝛔𝐗ഥ −𝑿ഥ
𝟏 𝟐
Distribución muestral para la media de dos
𝟐 𝟐
poblaciones con 𝛔𝟏 𝒚 𝛔𝟐 desconocidas
❖ Cuando comparamos dos medias pero no tenemos datos sobre las
varianzas de las dos poblaciones utilizaremos la distribución t student.

❖ Hay dos posibilidades, la primera es que aunque no conozcamos los valores

exactos de las varianzas, las mismas sean iguales entre sí; en este caso
necesitamos calcular un error promedio que represente esa varianza. El
segundo es que aunque no las conozcamos, las mismas sean diferentes
entre sí, por lo que utilizaremos como un valor aproximado de las varianzas
poblacionales las varianzas muestrales dadas.
Distribución muestral para la media de dos
𝟐 𝟐
poblaciones con 𝝈𝟏 𝒚 𝝈𝟐 desconocidas
𝛔𝟐𝟏 = 𝛔𝟐𝟐 pero desconocidas 𝛔𝟐𝟏 ≠ 𝛔𝟐𝟐 pero desconocidas
■ Cuando 𝑛1 𝑦 𝑛2 < 30 y 𝛔𝟐𝟏 𝒚 𝛔𝟐𝟐 de la
poblaciones pero se consideran iguales, ■ Cuando 𝑛1 𝑦 𝑛2 < 30 y 𝛔𝟐𝟏 𝒚 𝛔𝟐𝟐 de la
se aproxima a la distribución t student. poblaciones pero se consideran iguales, se
aproxima a la distribución t student
ഥ𝟏 − 𝒙
𝒙 ഥ𝟐 − 𝛍𝟏 − 𝛍𝟐
𝐭= 2 2
𝑠ො 1 𝑠ො 2
2
𝟏 𝟏 +
𝒔𝒑 + ഥ 𝟏 −𝑿
𝐗 ഥ 𝟐 − 𝛍𝟏 −𝛍𝟐 𝑛1 𝑛2
𝒏𝟏 𝒏𝟐 𝐭= 𝑣= 2 2 2 2
𝒗 = 𝒏𝟏 + 𝒏𝟐 − 𝟐 𝒔ො 𝟐 𝟐
𝟏 + 𝒔ො 𝟐
𝑠ො 1 ො
𝑠2
𝒏𝟏 𝒏𝟐 𝑛1 𝑛2
𝑛1 −1 𝑠Ƹ12 + 𝑛2 −1 𝑠Ƹ22 +
𝑛1 −1 𝑛2 −1
𝑠𝑝 =
𝑛1 +𝑛2 −2
Distribución muestral para proporción de dos
poblaciones
Población infinita Población finita
❖ La media de la distribución muestral de ❖ La media de la distribución muestral de
diferencia de proporciones diferencia de proporciones
𝛍𝐩ො 𝟏 −𝐩ො 𝟐 = 𝝅𝟏 − 𝝅𝟐 𝛍𝐩ො 𝟏−𝐩ො 𝟐 = 𝝅𝟏 − 𝝅𝟐
❖ El error de la distribución muestral es: ❖ El error de la distribución muestral e
𝝅𝟏 (𝟏−𝝅𝟏 ) 𝑵𝟏 −𝒏𝟏 𝝅𝟐 (𝟏−𝝅𝟐 ) 𝑵𝟐 −𝒏𝟐
𝝅𝟏 (𝟏−𝝅𝟏 ) 𝝅𝟐 (𝟏−𝝅𝟐 ) 𝛔𝐩ො 𝟏 −𝐩ො 𝟐 = +
𝒏𝟏 𝑵𝟏 −𝟏 𝒏𝟐 𝑵𝟐 −𝟏
𝛔𝐩ෝ𝟏 −ෝ𝐩𝟐 = +
𝒏𝟏 𝒏𝟐

La distribución muestral de proporciones se aproxima a la distribución

normal con variable tipificada o estandarizada:
ෝ𝟏 −ෝ
𝒑 𝒑𝟐 − 𝝅𝟏 −𝝅𝟐
𝐳=
𝛔𝐩ෝ𝟏 −ෝ𝐩𝟐
Distribución muestral para la varianza
de dos poblaciones
❖ Al comparar las varianzas de dos poblaciones no podemos hacerlo
de la misma forma que al comparar medias o proporciones. Dado
que no podemos tener valores negativos por la naturaleza del
indicador, utilizaremos una razón en lugar de una diferencia.

❖ Utilizaremos la distribución F de Fisher que sigue los mismos

principios que la distribución Chi cuadrado pero utiliza dos grados de
libertad en lugar de uno.
Distribución muestral para la varianza
de dos poblaciones
❖ La distribución muestral para la razón de varianzas se aproxima a la
distribución F de Fisher con:
𝒔ො 𝟐
𝟏
𝝈𝟐 𝟏 𝝈𝟐𝟐 𝒔ො 𝟐𝟏
𝑭= 𝒔ො 𝟐
=
𝟐 𝝈𝟐𝟏 𝒔ො 𝟐𝟐
𝝈𝟐 𝟐

con grados de libertad en el numerador 𝒗𝟏 = 𝒏𝟏 − 𝟏

y grados de libertad en el denominador𝒗𝟐 = 𝒏𝟐 − 𝟏