Informe de Estadistica

DISTRIBUCIONES MUESTRALES ESTADISTICA GENERAL F.I.C.
- UNASAM
DISTRIBUCIONES MUESTRALES
Muestreo aleatorio
PARAMETROS MUESTRALES Y POBLACIONALES.
El estudio de los parámetros de una distribución se presenta desde dos

puntos de vista distintos pero íntimamente relacionados, comprender las
diferencias y relaciones existentes entre ellas es fundamental para abordar el
estudio de todas las materias de estadística que se cursarán en la titulación.
Parámetros Poblacionales: Son los verdaderos valores correspondientes a la

población que generalmente desconoceremos y puesto que su estudio es
inabordable en su totalidad, nuestro objetivo será “acercarnos” a ellos a través
de la muestra.
Parámetros Muestrales: Son los valores correspondientes a la muestra,

obtenidos mediante análisis matemático y a partir de las observaciones de que
se dispone. Hay que tener en cuenta que estos parámetros son representantes
DISTRIBUCIONES MUESTRALES ESTADISTICA GENERAL F.I.C. - UNASAM
únicamente de la muestra, pero que bajo ciertas condiciones no diferirán

excesivamente de sus homólogos en la población.
 Parámetros de centralización: nos proporcionan un representante de la

distribución (muestral o poblacional) en torno al cual se distribuye la
variable: media, mediana, moda...
 Parámetros de dispersión: nos proporcionan un valor que mide lo

agrupada (dispersa) que está la distribución (muestral o poblacional) en
torno al parámetro de centralización elegido: varianza, desviación típica,
recorrido intercuartílico...
 Parámetros de posición: percentiles...
 Parámetros de forma: coeficientes de simetría y curtosis.

En este caso veremos un poco de lo que es

distribución normal ya que en esta distribución
podemos ver todo los experimentos de variables
aleatorias en las que se puedan inferir datos y
cuya distribución normal esta caracterizado por
ello.
DISTRIBUCION NORMAL.
Esta distribución se caracteriza por acumular la mayor parte de

observaciones en torno a su punto central (media) y decrecer de forma
simétrica el número de observaciones cuando nos alejemos de ésta, lo que
hará que su representación gráfica tenga la forma de la conocida como
“Campana de Gauss”:
La forma de esta campana dependerá de lo concentradas que estén las

observaciones en torno a su media, concentración (dispersión) que vendrá
dada por la varianza, esta característica se resume en la siguiente regla
empírica:
    contiene aproximadamente 68% de las observaciones.

   2 contiene aproximadamente 95% de las observaciones.
   3 contiene casi todas las observaciones.
La mayoría de experimentos con los que nos encontraremos en nuestras

aplicaciones estadísticas cumplen, a grandes rasgos, unas condiciones que por
el momento llamaremos “normales”. Si medimos a un grupo de estudiantes de
esta universidad lo “normal” será que obtengamos la mayoría de observaciones
en torno a 175 cms, también será “normal” que por encima de 180 cms
encontremos pocas observaciones y aproximadamente las mismas que por
debajo de 170 cms y que, aunque es posible, es improbable que encontremos
observaciones por encima de 195 cms, tan improbable como encontrarlas por
debajo de 155 cms.
MUESTRA ALEATORIA
Se asigna un número a cada uno de los individuos de la población, y

seguidamente se van eligiendo al azar los componentes de la muestra. La
elección de un individuo no debe afectar a la del siguiente, por tanto debe
reemplazarse el nº, una vez extraído.
Para no tomar una examinación entera lo que se hace es inferir esos

datos que vendrían a ser parte de la estadística inferencial , puede examinarse
una muestra de la población con el propósito de inferir los resultados
encontrados. Una muestra es un subconjunto de la población. El proceso de
selección de una muestra de N elementos de la población se llama muestreo.
Las ventajas y las razones para el muestreo son diversas, las mismas que no
explicaremos en este texto.
El proceso que consiste en inferir resultados a la población a partir de de la

muestra se denomina inferencia estadística. La confiabilidad de las
conclusiones extraídas concernientes ha una población dependen de si la
muestra se ha escogido apropiadamente de manera que represente bien a la
población.
MUESTRA AL AZAR SIMPLE
Es aquella en la que los elemento se escogen del total de la población

en forma individual con una oportunidad igual he independiente. Por lo general
se le utiliza una tabla de números aleatorios.
Si la población es infinita el muestreo aleatorio ocurre cuando la

extracción de los elementos de la muestra se hace con o sin reemplazo. Si la
población es finita de tamaño N el muestreo aleatorio ocurre también si la
extracción es con 0 sin reemplazo. Con reemplazo la probabilidad de cada
elemento de ser extraído 1/N si es sin reemplazo, la probabilidad de cada
elemento de ser elegido es 1/N en la primera extracción, es de 1/(N – 1) en la
segunda extracción es 1/(N -2) en la tercera extracción, etc.
MUESTRA AL AZAR SISTEMATICA
Se ordenan previamente los individuos de la población, después se elige

uno al azar y a continuación, a intervalos constantes, se eligen todos los demás
hasta completar la muestra
Una muestra aleatoria sistemática es aquella que en sus elementos se

elige de la población a intervalos uniformes a partir de un listado ordenado. El
k-ésimo elemento de la muestra es k =N/n. donde n es el tamaño de la
muestra y N el tamaño de la población.
MUESTREO ALEATORIO ESTRATIFICADO
Se divide la población total en clases homogéneas (estratos). La

muestra se escoge aleatoriamente en número proporcional al de los
componentes de cada estrato.
Primero se clasifican a los elementos de la población en subgrupos

separados de acuerdo con una o mas características importantes (estratos).
Después se obtiene por separado una muestra aleatoria simple o sistemática
en cada estrato. El tamaño de cada sub - muestra debe de ser proporcional al
tamaño del estrato para asegurar representatividad.
MUESTREO ALEATORIO AGRUPADO

Denominando también por conglomerado. Los elementos de la población

se dividen en forma natural en subgrupos. Luego se eligen al azar los
subgrupos que forman la muestra.
Por ejemplo, al estudiar las pensiones que se pagan en los colegios

particulares donde no es posible tener una lista de todas las pensiones, pero
puede obtenerse una lista de colegios particulares (grupos). Entonces, con esta
lista puede obtener una muestra aleatoria de colegios y así obtener las
pensiones que se pagan en estos colegios.
El muestreo aleatorio simples es pues el proceso de elección de una

muestra por el cual cada uno de los elementos de la población tiene una
oportunidad igual he independiente de ser incluidos en la muestra en el
muestreo aleatorio simple, cada variable aleatoria X i cuyo valor es X i tiene la
misma distribución de la población de la cual se obtiene. Por ejemplo,
supongamos que una población consiste de 8 fichas, dos con el numero 2,
cuatro con el numero 5, y dos con el numero 7 si se extrae una ficha al azar la
ficha puede tomar cualquiera de los 3 valores: y el numero dos con
probabilidad de 0.25, numero 5 con probabilidad de 0.50 y siete con problalidad
de 0.25 que viene ha ser la misma distribución de la población.
Luego diremos que los valores X i, X2, … Xn tomados respectivamente

por las variables aleatorias Xi, X2, … Xn, constituye una muestra aleatoria
simple de tamaño n de una población f(x) de la variable aleatoria x, si estas
variables aleatorias están distribuidas en forma idéntica a la distribución de la
población son independientes llamaremos también muestra aleatoria simple a
este conjunto de variables aleatorias. Formalmente definimos una muestra
aleatoria simple o brevemente muestra aleatoria de la forma siguiente:
Definición:
(muestra aleatoria simple) dada una población f(x) como media μ y

varianza σ2, se denomina muestra aleatoria de tamaño n de esa población,
aun conjunto den variables aleatorias X1,X2, … Xn tales que:
1) son independientes
2) cada una de ellas esta distribuida en forma idéntica a f (x).
La condición (1) implica que la distribución de probabilidad conjunta de la

muestra aleatoria X1,X2, …. Xn es la expresión:
F(x1, x2, …. Xn) = f(x1) f(x2) … f (xn)
La condición (2) significa que:
a) cada variable aleatoria X1 tiene la misma media y varianza de la

distribución de es decir E(Xi) = μ y Var(Xi) = σ2
b) La distribución de probabilidad de cada variable aleatoria X i es la misma

distribución de probabilidades de X, esto es, f(X i) = f(X)
NOTA:
El proceso de obtener este tipo de muestra requiere población infinita o

bien población finita pero con reposición de elementos.
EJEMPLOS:
Sea X1, X2, … Xn una muestra aleatoria de tamaño n de una población normal N( μ,σ2)
a) escribir la función de densidad de probabilidad conjunta de la muestra.
b) Si n = 6, m = 20, y σ2 = 25, calcular la propiedad de que:
B1) X1+X3+X4-X6 sea mayor que 52.

B2) al menos una de las X1 sea menor que 29.8
SOLUCIÓN:
a) La función de densidad conjunta de la muestra aleatoria es
b) La media y la varianza de la variable aleatoria
Y = X1 + X2 + X3 + X4 – X6 Están dadas respectivamente por:
Por la propiedad reproductiva de la normal la variable aleatoria Y tiene distribución

normal N(40, 100), luego, la variable aleatoria Y tiene distribución normal N(40,100),
luego, la variable aleatoria estándar:
b2) Sea ahora la variable aleatoria
Entonces es Bernuollí B(1,p), donde
ESTADISTICAS:
Definición:
Se denomina estadística a cualquier función de las variables aleatorias

que constituyen la muestra.
Una estadística es una variable aleatoria Y = H ( x1,x2,……xn ) cuyo

valor es real Y = H (x1, x2, … xn ) El termino estadístico se usa para referirse a
la noción de la muestra como al valor de esta función y para empezar.
Lo general para cada parámetro poblacional hay una estadística

correspondiente a calcularse a partír de la muestra. Algunas estadísticas
importantes y sus valores calculados a partir de una muestra aleatoria son:
a) La media muestral
con valor
b) La varianza muestral
Con valor:
c) La desviación estándar muestral
d) La proporción muestral (porcentaje de éxitos en la muestra)

Donde (el parámetro p es el porcentaje de éxitos en la

población).
También,
DISTRIBUCIONES MUESTRALES
Definición, se denomina distribución muestral de una estadística a su

distribución reprobabilidad.
Por ejemplo, a la distribución de probabilidad de la estadística media Se

lee denominado distribución muestral de la media.
DISTRIBUCIÒN MUESTRAL DE LA MEDIA

Teorema, sea x1, x2, … xn una muestra aleatoria de tamaño n escogida de

una población f (x) con media μ y con varianza o al cuadrado. Si ā es la media
muestral, entonces.
a)
b)
c) Para n suficientemente grande, la variable aleatoria,
Tiene distribución aproximada normal N(0,1).
PRUEBA:
Por la definición de muestra aleatoria, las variables aleatorias

son independientes e idénticamente distribuidas como
a)
b)
C) Se deduce del teorema del límite central escribiendo
Notas:
1.- La aproximación de x a la normal (m,σ2/n) es buena si n ≥ 30, sin importar
si la población es discreta o continua.
2.- Si la muestra aleatoria es escogida de una población normal n(m,σ2),

entonces la distribución de x es exactamente normal n ( m,σ2/n), para cualquier
tamaño de muestra. ≥ 2.
3.- La varianza de la media: vare es valida, si el muestreo es con o
sin reemplazo en una población infinita, o es con reemplazo en una población

finita de tamaño N.
Si el muestreo es sin reemplazo en una población finita de tamaño n, entonces

la varianza de la distribución de x es:
El coeficiente se denomina factor de corrección para población finita.
Observar que cuando el factor de corrección tiende a uno,
4.- La desviación estándar de una estadística es conocida como error estándar.
Una normal de media  y desviación  se transforma en una z la cual

esta representada de la siguiente forma:
Llamando z al valor de una variable normal tipificada que deja a su

derecha un área bajo la curva de , es decir, que la probabilidad que
la variable sea mayor que ese valor es  (estos son los valores que
ofrece la tabla de la normal)
Podremos construir intervalos de la forma

Para los que la probabilidad es 1 - .
Teniendo en cuenta la simetría de la normal y manipulando

algebraícamente
Que también se puede escribir
Ejemplo:
Suponga que una población finita ā consiste de los valores: 3, 4, 7, 9, 12
a) calcular la media y la varianza de la población.
b) Determinar la distribución muestral de la media de las muestras de tamaño
dos escogidas con reposición.
c) Determinar la distribución muestral de la media de las muestras de tamaño
dos escogidas sin reposición.
d) Si se extrae muestras al azar de tamaño 36 con reposición. ¿Cuál es la
probabilidad de que la media muestral este entre los valores 5 y 8?
Solución:
a) La distribución de la probabilidad de esta población finita de tamaño n = 5.
es la distribución uniforme siguiente:
3 4 7 9 12
1/5 1/5 1/5 1/5 1/5
La media y la varianza de la población son respectivamente:
Se puede extraer 5x5=25 muestras de tamaño dos con reposición. Las muestras y sus
medidas son las siguientes.
MUESTRAS
3,3 3,4 3,7 3,9 3,12
4,3 4,4 4,7 4,9 4,12
7,3 7,4 7,7 7,9 7,12
9,3 9,4 9,7 9,9 9,12
12,3 12,4 12,7 12,9 12,12
MEDIAS DE LAS MUESTRAS
3 3,5 5 6 7,5
3,5 4 5.5 6.5 8
5 5.5 7 8 9.5
6 6.5 8 9 10.5
7.5 8 9.5 10.5 12
La distribución de probabilidad de las medias es:

3 3.5 4 5 5.5 6 6.5 7 7.5 8 9 9.5 10.5 12
1/2
2/25 1/25 2/25 2/25 2/25 2/25 1/25 2/25 4/25 1/25 2/25 2/25 1/25
5
LUEGO.
Observar también que:
Se puede extraer 5x4 = 20 muestras de tamaño 2 sin reposición.

Las muestras y sus medidas respectivas son las siguientes:
MUESTRAS
3,3 3,7 3,9 3,9 3,12
4,3 4,7 4,9 4,9 4,12
7,3 7,4 7,9 7,9 7,12
9,3 9,4 9,7 9,7 9,12
12,3 12,4 12,7 12,7 12,9
MEDIAS DE LAS MUESTRAS
3,5 5 6 7,5
3,5 5,5 6,5 8
5 5,5 8 9,5
6 6,5 8 10,5
7.5 8 9,5 10,5
La distribución de probabilidades de la media es:

3.5 5 5.5 6 6.5 7.5 8 9.5 10.5
2/20 2/20 2/20 2/20 2/20 2/20 4/20 2/20 2/20
Luego:
Observar también que:
Sea la media de las muestras de tamaño n=36 con reposición. La estadística tiene
media y varianza respectivamente:
El error estándar de , es
Entonces la variable estándar,
Tiene distribución aproximadamente normal N(0,1). Por tanto.
EJEMPLO
El número de automóviles por familia en una ciudad es una variable aleatoria X cuya
distribución de probabilidad es como sigue:
0 1 2 3 4
4/12 4/12 2/12 1/12 1/12
Si se escoge al azar una muestra de 49 familias, ¿Cuál es la probabilidad de que la

medida muestral de autos por familia este entre 1 y 2?.
SOLUCIÓN
La media y la varianza de X son respectivamente:
Sea la media del número de automóviles n nuestra muestra de 49 familias. La

estadística tiene distribución aproximadamente normal con media y varianza
respectivas:
El error estándar de la media , es

Entonces la variable estándar,
Ejemplo, un auditor toma una muestra aleatoria de tamaño n igual a 100 de un

conjunto de 500 cuenta por cobrar. El auditor sabe que las 500 cuentas por cobrar
constituyen una población finita cuya desviación estándar es σ = $. ¿ cual es la
probabilidad de que la media muestral difiera de la media poblacional en mas de $ 26?
SOLUCIÒN:
Sea la media de la muestra de tamaño n=100 escogida de la población finita de
N=500 casos. Entonces, la variable aleatoria tiene distribución aproximadamente
normal con media y error estándar.
En consecuencia, la variable aleatoria estándar:
Tiene distribución normal N(0,1). La probabilidad de que la media muestral difiera de la

media poblacional en más de $26 es:
Ejemplo, una maquina empaqueta un determinado producto en paquetes cuyo

peso en granos. Se distribuye normalmente con una desviación estándar de 20 gramos y
con una media μ que debe de ser bien regulada.
a) la media μ esta bien regulada si solo el uno 1% de los pesos de todos los
paquetes que produce la maquina tienen peso mayores a 546.6 gramos
¿ cuanto vale μ?
b) Con la media bien regulada se programa el siguiente control del peso del
producto: cada hora se escogen al azar cuatro paquetes, si el promedio de los
pesos no esta entre 480 y 520 gramos, sé para la maquina para
mantenimiento. En caso contrario se continua con el proceso, ¿cual es la
probabilidad de para la maquina cuando realmente esta bien regulada?
c) Si la maquina esta bien regulada ¿con que tamaño de muestra se consigue
que la media muestral sea lo mas 490.2 gramos con probabilidad igual a
0025?
Solución:
sea ā el peso del producto empaquetado por la maquina x ~ n( μ, 202)
a) se debe de calcular μ tal que p [ x > 546 6] = 0.01
De donde resulta:
y .
b) Sea la media de la muestra de tamaño n=4. por la propiedad reproductiva de la

normal la variable aleatoria tiene distribución exactamente normal con media
y error estándar:
Entonces, la variable aleatoria estándar:
Tiene distribución normal N(0,1). La probabilidad de no parar la máquina cuando

realmente está bien regulada es:
Luego, la probabilidad de parar la máquina es: 1-0.9544=0.0456.

c) Sea , la media de la muestra de tamaño n. entonces. La distribución de ,, es

normal con media igual a 500, y error estándar igual a 20/ . Se debe calcular n tal
que
De donde resulta.
DISTRIBUCIÓN MUESTRAL DE PROPORCIONES

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.
La fórmula que se utilizará para el cálculo de probabilidad en una distribución

muestral de proporciones está basada en la aproximación de la distribución
normal a la binomial . Esta fórmula nos servirá para calcular la probabilidad del
comportamiento de la proporción en la muestra.
A esta fórmula se le puede agregar el factor de corrección

de si se cumple con las condiciones
necesarias.

Ejemplo, en un proceso de producción el porcentaje de unidades defectuosa

producidas es 4%. Para controlar el proceso, se revisan periodísticamente los objetos
producidos.
a) Calcular aproximadamente que la probabilidades que en una muestra

aleatoria de 150 unidades revisadas se encuentra 6% defectuosas.
b) Si el proceso de producción separa al encontrar al menos 5 por ciento de

unidades producidas al revisar muestras aleatorias de 100 objetos cada
vez¿ cual es la probabilidad de que el proceso continué si realmente produce
6 % defectuosos del total de la producción?
Solución:
a) P = x / 150. la producción de artículos defectuosos en la muestra de 150
unidades, donde x, el numero de unidades defectuosas en la muestra de 150
unidades es B (150. 0.04)
si reutiliza el modelo exacto para ejecutar el calculo
si se utiliza el modelo aproximado para ejecutar el calculo, aproximando a la
normal por el teorema central del limite se tiene dos procesos un método es
utilizar la aproximación binominal a la normal.
Si se utiliza el modelo aproximado para ejecutar el cálculo, aproximado a la normal por

el teorema central del limite, se tienen dos procesos:
Un método, es utilizar la aproximación binominal a la normal.
El otro método, es usar la propia distribución muestral de la proporción:

b) Sea , la proporción de artículos defectuosos en la muestra de 100

unidades, donde X, el número de unidades defectuosos en la muestra de 100
unidades, es en este caso; B(100,0.06). Entonces,
Donde, se ha utilizado la aproximación normal de la distribución de :
Ejemplo:
La probabilidad de que un paciente se recupere de una rara enfermedad es 0.4
¿ cual es la probabilidad de que en una muestra de 100 pacientes se lesionados de una
población de 1000 que sufren la enfermedad mas de 30% sobrevivan?
Solución:
Sea P = X / 100. la proporción de pacientes que se recuperan en la muestra de
100 donde x es el numero de pacientes que se recuperan en la muestra de 100.
Debido a que el muestreo es sin reposición x tiene distribución de probabilidad y
hipergeométrica H( 1000, 400, 100), para calcular P[p > 0.30 ] se puede utilizar dos
procesos. Uno de los métodos es la aproximación de la distribución hipergeométrica a la
normal. En este caso:
Tiene distribución aproximadamente normal N(0,1).

El otro método es utilizar la distribución muestral de proporciones, en este caso:
Tiene tambien distribución aproximadamente normal N(0,1).

Utilizando la distribución de la proporción muestral, se tiene:
En donde,
Distribución muestral de
(Distribución muestral de la varianza)
Si ā sobre X1, X2 … Xn es una muestra aleatoria escogida de una distribución

normal n( μ, σ2), y si.
Es la varianza muestral, entonces.
a)
b) tiene distribución
PRUEBA.
a) probaremos primero que:

En efecto,
Luego,
b) probaremos primer que:
En efecto,
ya que
Dividiendo por la identidad probada, resulta.
Por otra parte, se sabe que,
Tiene distribución y
Tiene distribución
Utilizando métodos avanzados más allá de ese libro, puede demostrarse

que estas dos últimas variables son independientes. Luego por la propiedad
reproductiva de la distribución chi-cuadrado resulta que:
Tiene distribución
NOTAS.
1) Si definimos la varianza, , entonces.

2) En se tiene que , cuando
3) tiene distribución .
4) Se verifica que:
OTRAS DISTRIBUCIONES MUESTRALES:
DISTRIBUCIÓN DE
TEOREMA (Distribución de cuando se desconoce)

Sea una muestra aleatoria de tamaño n escogida de una

distribución normal , donde la varianza poblacional es
desconocida.
Entonces, la variable aleatoria:
Tiene distribución t-student con n-1 grados de libertad, o en efecto,

se ha verificado que:
,y
Además las variables Z y V son independientes.
Tiene distribución t-student con n-1 grados de libertad
NOTA. Observar que

Tiene también distribución t-student con m-1 grados de libertad.
EJEMPLO:
Si es la media y es la varianza de una muestra aleatoria de tamaño n=9

seleccionada de una población normal con media
SOLUCIÓN.
En este caso, la variable aleatoria:
Se distribuye segùn t-student con 8 grados de libertad, esto es, , entonces,
DISTRIBUCIÓN MUESTRAL DE LA DIFERECIA

DE DOS MEDIAS CON VARIANZAS
POBLACIONALES CONOCIDAS
Distribución muestral de la diferencia de dos medias con varianza

poblacionales conocidas.
Teorema, sean X y X las medidas de dos muestras aleatorias

independientes de tamaño: n1 y n2 seleccionadas de dos poblaciones con
medias μ1 y μ2 y varianza respectivamente, supuestas conocidas
entonces la variable aleatoria tiene las siguientes propiedades
a)
b)
c) Para y suficientemente grandes, la variable aleatoria:

d)
Tiene aproximadamente distribución normal N(0,1) (verificar!).
NOTA.
La aproximación de Z a la normal es muy buena si y sin

importar si las poblaciones son discretas o continuas y sin importar sus formas.
Pero. Si las dos poblaciones son normales, entonces, la media es

y es para
Por la propiedad reproductiva de la normal es normal con media =
y varianza .
Luego, la distribución de la variable aleatoria Z:
Ejemplo:
Sean extraído dos muestras aleatorias del mismo tamaño n de dos maquinas que
embolsan automáticamente un mismo producto cuya característica mediable es el peso
en gramo. Se sabe que los pesos de los productos de cada maquina se distribuye
normalmente con medias respectivas iguales a 120 granos y con varianza respectivas
iguales a 182 gramos. Encontrar el valor de n de manera que la probabilidad de que las
medias muestrales defieran en menos de 2 gramos sea 0.95
Solución:
Sean x las medidas de los pesos de las muestras respectivas. Los pesos de las
poblaciones se distribuyen normal mente en medias iguales y varianzas iguales.
Entonces la diferencia de dos medias muestrales X1 – X2 tiene distribución normal
Media: y varianza:
Luego, la variable
se distribuye como normal N(0,1).
Se debe hallar el valor de n tal que entonces,
De donde resulta,
DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA

DE DOS MEDIAS CON VARIANZA
POBLACIONALES DESCONOCIDAS
Sea la media de una muestra aleatoria de tamaño extraída de la

población normal independiente de la anterior.
A) Varianzas poblacionales iguales:
En este caso, la variable aleatoria tiene distribución normal.

Y la variable aleatoria estándar:
Tiene distribución normal N(0,1). Por parte.
Por tanto, la variable aleatoria:
Tiene distribución t-student con grados de libertad.
Donde,
B) Varianza poblacionales diferentes
En este caso la variable aleatoria:

Tiene distribución t-student con g grados de libertad, donde,
Si g no es un número entero se redondea al entero más cercano.
Distribución muestral de la diferencia de dos

proporciones
Sean dos muestras aleatorias

independientes de tamaños seleccionadas respectivamente de
dos poblaciones independientes de Bernoullí son las
proporciones poblacionales de éxito respectivos. Sean las proporciones
muestrales.
Donde
Entonces, la variable aleatoria tiene una distribución de probabilidad

cuyas propiedades son las siguientes:
a)
b)
Para suficientemente grandes, la variable aleatoria estándar:
Tiene distribución aproximadamente donde el error estándar

, es dado por:
Ejemplo:
Dos amigos A y B juegan “cara” o “sello” con una moneda. Suponga que en
este juego cada uno lanza la moneda 35 veces y que uno de ellos gana si obtiene 7 caras
mas que el otro. Calcular la probabilidad de que B gane el juego.
Solución.
Si x el numero de caras que saca el jugador A en las 35 tiradas y sea Y el
numero de caras que saca el jugador B en las 35tiradas, entonces, cada variable tiene
distribución B ( 35,0.5), donde P es igual a 0.5 es la probabilidad de obtener cara en
cada tirada de los jugadores.
Sean P igual a x / 35 igual y / 35 las proporciones de caras de los jugadores A y
B respectivamente. El jugador B gana el juego si saca 7 caras mas que A o si su
proporción de caras es 7/35 igual a 0.2 mas que A. luego la probabilidad de que D gane
el juego es:
Distribución muestral de la razón
Teorema: si son las varianzas de dos muestras aleatorias

independientes de tamaños seleccionadas de dos poblaciones
normales respectivas, entonces, la variable aleatoria.
Tiene distribución F con grados de libertad esto es,

En efecto, la variable aleanatoria se distribuye como

con grados de libertad y la variable aleatoria se
distribuye como con grados de libertad. Además son
independientes. Luego la variable:
Se distribuye según F con grados de libertad y .
Observar que si entonces, se distribuye según F con

grados de libertad y ,o
Ejemplo:
De poblaciones y independientes se extraen dos muestras de

tamaños 13 y 21 respectivamente, hallar el valor de k tal que:
a)
b)
Solución:
a) , implica , donde
entonces,
b) implica
donde entonces,
EJERCICIOS
Una Media
1.De una población muestral normal N(6,62) se selecciona la muestra aleatoria: X1,
X2,…,X9 de tamaño 9. Sea la media de la muestra aleatoria.
a) Describa la distribución de probabilidad de

b) Determine el valor de “c” tal que
c) Si Y=3X-5, calcular
Solución:
N(6,62) → μ=6 σ2=36
a) Para n=9 → Distribución de probabilidades de: N(6,36/9) = (6,4)
b)
c) Y = 3X – 5 → V(y) = 9V(x) → V(y) = 9(36)
V(y) = 324 → σy=18
2. Una población finita X consiste de os valores: 0, 2, 5, 8. Determine la distribución

muestral de la media X para las muestras de tamaño dos escogidas de esta población:
a) Con sustitución b) Sin sustitución
Solución:
a) 4 x 4 = 16
0,0 0,2 0,5 0,8 0 1 2.5 4
2,0 2,2 2,5 2,8 1 2 3.5 5
5,0 5,2 5,5 5,8 2.5 3.5 5 6.5
8,0 8,2 8,5 8,8 4 5 6.5 8
Muestras
Media de muestras
X 0 1 2 2.5 3.5 4 5 6.5 8
f(x) 1/16 2/16 1/16 2/16 2/16 2/16 3/16 2/16 1/16
Luego:
b) 4 x 3 = 12
0,2 0,5 0,8 1 2.5 4
2,0 2,5 2,8 1 3.5 5
5,0 5,2 5,8 2.5 3.5 6.5

x 1 2.5 3.5 4 5 6.5
8,0 8,2 8,5 4 5 6.5
f(x) 1/12 2/12 2/12 2/12 2/12 2/12
μx = 7
3. Suponga que los sueldos en cientos de dólares. En una región, es una variable
aleatoria X, cuya distribución de probabilidad es:
x 1 2 3 4 5
f(x)=P[X=x] 0.1 0.2 0.4 0.2 0.1
Si se toman al azar 30 sueldos de igual numero de personas.
a) Halle la media y la varianza de la media muestral

b) Calcule la probabilidad de que la media muestral este entre 2.6 y 3.3 dólares
Solución:
4. La demanda diaria de un producto puede ser 0, 1, 2, 3, 4 con probabilidades

respectivas 0.3, 0.3, 0.2, 0.1, 0.1
a) Halle la distribución de probabilidad aproximada de la demanda promedio de 36

días
b) B) Calcular la probabilidad de que la media de las demanda de 36 días este entre
1 y 2 inclusive.
Solución:
6. El gerente de ventas de una empresa cafetalera sabe que el consumo mensual de café
por casa (en kilos) esta normalmente distribuida con media desconocida μ y desviación
estandar igual a 0.3. Si se registra el consumo de café duarante un mes de 36 hogares
escogidos al azar, ¿Cuál es la probabilidad de uqe la media del consumo este entre los
valores μ-0.1 y μ+0.1?
Solución:
μ=μ σ = 0.3 n = 36
7.- La distribución de las notas del examen final de mat. I resulto ser normal
N (u, o 2). Con cuartiles 1 y 3 iguales a 6.99 y 11.01 respectivamente.
a). Determine la media y la varianza de la distribución de notas

b). Halle el intervalo centrado en u tal que P =
0.9544 , donde es la media de la muestra X 1 , X2 ,X3, X 4 , escogida
de esa población .
Solución
X = N (u, o 2)
Q1 = 6,99 , Q3 = 11,01
a). P = 0,25
P = 0,25
P
De u=9 y o=3
b). La distribución de la media es ; n = 4
8.-La vida útil (en miles de horas) de una batería es una variable aleatoria
con función de densidad.
Si es la media de la muestra aleatoria

escogida de ¿con qué es mayo que 420 horas?
1) la media y la varianza de la población son:
2) n = 36 > 30
P
9.- sea la media de la muestra aleatoria de

tamaño
n = 40 escogida de una población cuya distribución es geométrica
con función de probabilidad.
Hallar la probabilidad de que la media muestral difiera de la media

poblacional en a lo mas el 10 % de valor de la varianza de la población.
P Q
E V
E V
DISTRIBUCIÓN DE MEDIA :
P
=P
10.- La utilidad (en miles de soles) por ka venta de cierto artículo, es una
variable aleatoria con distribución normal. Se estima que el 5 % de las
ventas la utilidad serian menos de 6.71 , mientras que el 1 % de las ventas
serian mayores que 14.66 . Si se realizan 16 operaciones de ventas, ¿cuál es
la probabilidad de que el promedio de la utilidad por cada operación este
entre $ 10.000 y $ 11.00?
P P
P P
u = 10
DISTRIBUCIÓN DE LA PROBABILIDAD DE LA MEDIA
= P
= P 0,97725 - 0,50000
= 0,47725
11.- La vida de cierta marca de llantas radiales en una variable aleatoria

cuya distribución es normal con u = 38,000 Km. y
a). Si la utilidad Y ( en $) que produce cada llanta esta dad por la relación
Y =0.2X +100 ¿Cuál es la probabilidad de que la utilidad sea mayor que
8,900 $?
b). Determinar el numero de tales llantas que deben adquirir una empresa
de transporte para conseguir una utilidad promedio de al menos $ 7541
con probabilidad 0,996.
= 100
a). Y = 0,2 x +100 x 10 2
=P
=P
b).
n =100
12.- un proceso automático llena bolsas de café cuyo neto tiene una media de
250 gramos y una desviación estándar de 3 gramos. Para controlar el proceso
de cada hora se pesan 36 bolsas escogidas al azar ; si el peso neto medio
esta entre 249 y 251 gramos que continua con el proceso aceptado
aceptando que el peso neto medio se 250 gramos y en caso contrario , se
detiene el proceso para reajustar la maquina .
a. ¿Cual es la probabilidad de detener el proceso
cuando el peso neto medio realmente es 250?
b. ¿Cual es la probabilidad d e aceptar que le peso neto
medio es 250 cuando realmente es de 248 gramos?
DISTRIBUCIÓN DE , N=6
Se continua u = 280
P Se detiene
a).
= 1-0,97225 -0,02225
b). P
13.-
= =
14.-
a)
b)
16.-
17.-
18.-
a)
b)
19. El Costo de producción en dórales de un objeto es 100 veces el valor numérico de su

longitud. Suponga que la longitud en metros del objeto es una variable aleatoria con
distribución normal DN(0.012 ; 1.44x10-4).
a) ¿Cuál es la distribución del costo medio por objeto si se toman al azar n (

) objetos?
b) Si el precio de venta de cada objeto es $2.00, calcular la probabilidad de que la
utilidad promedio por objeto de 36 objetos tomados al azar, sea a lo mas $0.5
Solución
Sea:
C : Costo del producto
L : longitud del producto
a)
b)
Precio = 2
Utilidad = Precio – Costo
U=P–C
U=P-C
n=36
20. Un analista de investigación de mercado toma una muestra aleatoria de 36 clientes

de una tienda, de un conjunto de 400 clientes que adquirieron un cupón especial. El
monto de las compras mensuales de los 400 clientes constituye una población finita
con una media de 2500 dólares y una desviación estándar de $660 ¿Cuál es la
Probabilidad de que la media de la muestra supere los 2765?
n = 36
N = 400
La transformación en Z es muy alto y tiende a 0 dado que la respuesta del libro

es 0.0059 no coincide diremos Inconsistencia de Datos.
21. Un auditor quiere tomar una muestra aleatoria de una población que consiste 10000
cuentas por cobrar, donde . ¿de que tamaño debe escoger la muestra si se
quiere tener una probabilidad del 95% de que la diferencia entre la media muestral y
la media poblacional no exceda el valor de $196?
N = 10000
n = ??
Como la distribución normal es simétrica decimos:
22. La calificación en una pruebe de aptitud es una variable aleatoria X que tiene
distribución normal con media igual a 100.
a) Si se supone que la desviación estandar de todas las calificaciones es ,
¿Cuántas calificaciones se deben escoger para que la media muestral este en el
intervalo de 90.2 a 109.8 con probabilidad 0.95?
b) Si se escogen al azar 16 calificaciones y se encuentra que la desviación estándar
¿Cuál es la probabilidad de que la media muestral se encuentre entre
92.194 y 104.023?
a)
Por se la distribución simétrica:
b)
n = 16
0.9 – (1-0.990) = 0.89
23. El gerente de producción afirma que las baterías que produce duran en promedio
tres años. En el control de calidad se verifican 16 materias y si el valor de t
calculado: esta entre y , el fabricante esta satisfecho
con su afirmación. ¿Qué conclusión sacara el fabricante si la muestra da una
duración de las baterías de 3.8 años y una desviación estándar años?
Suponga que la duración de las baterías tiene distribución normal.
Es los intervalos en la cuales
el fabricante NO esta satisfecho
Como = 0.213 se dice que es un producto mejor que

lo anterior.
Una Proporción
24. Se estima que el 40% de los votos de los electores de la ciudad favorecen al
candidato Sr. Díaz
a) Si se selecciona una muestra aleatoria de 600 electores de la cuidad. ¿Qué
probabilidad hay de que la proporción muestral de votos a favor del Sr. Díaz este
entre 37% y 45%?
b) ¿Qué tamaño de muestra se debería escoger si se quiere tener una probabilidad
igual a 0.97 de que la proporción estimada en más del 2%?
p = 0.4
a) n = 600
b)
Como la distribución normal es simétrica entonces:

25 Una empresa que hace estudios de mercado quiere obtener una muestra
aleatoria suficientemente grande de manera que la probabilidad de que la
proporción obtenida a favor de un cierto producto resulte inferior al 35%
sea igual a 0.0062.
a). Calcular el tamaño de la muestra a tomar ¿Si se supone que la

verdadera proporción a favor del producto es p = 0.4.
b). Con el tamaño de muestra calculado en a) y si se supone verdadero

el valor del parámetro p=0.2, determinar el intervalo [a, b] centrado en
p tal que
con probabilidad 0.95
Solución
a). p=0.04
b). P =0.2
26 Un fabricante afirma que a lo más el 2% de todas las piezas producidas
son defectuosas. Al parecer esta información es exagerada por lo que se
selecciona una muestra aleatoria de 400 de tales piezas. Si la
proporción muestral defectuosa es mayor que 3% se rechaza la
afirmación, en caso contrario se acepta la afirmación.
a) ¿Cuál es la probabilidad de rechazar la afirmación cuando

realmente el 2% de todas las piezas producidas son defectuosas?
b) ¿Cuál es la probabilidad de aceptar la afirmación cuando realmente

el 4% de todas las piezas producidas son defectuosas?
Solución
n=4000 p=0.02
a).
b). P= 0.04
=
27 El director de la bolsa de trabajo de la universidad afirma que el 60%

de los egresados consigue empleo con una remuneración mayor a los
$500. Para comprobar esta afirmación se escoge una muestra aleatoria
de 600 egresados de la universidad. Si 330 o más pero no más de 390
de la muestra consiguen trabajo con remuneración mayor a los
$500, se aceptará la afirmación. En caso se rechazará tal afirmación.
a). ¿Cuál es la probabilidad de rechazar la afirmación cuando ésta es

realmente verdadera?
b). ¿Cual es la probabilidad de aceptar la afirmación cuando

realmente el 70% de todos los egresados consiguen trabajo con
remuneración mayor a los $ 500?
Solución
n=600 p=0.6
a).
b). P=077
28 Para controlar la calidad en un proceso de producción de cierto bien de

consumo se seleccionan al azar 46 unidades del bien cada día. Si la
proporción de objetos defectuosos en la muestra es al menos , se
detiene el proceso de otro modo se continua con el proceso. Determine
aproximadamente el valor de para que con probabilidad de 0.9332 no
se continúe con el proceso cuando la producción total contenga 8% de
objetos defectuosos.
Solución
n=46 p= 0.08
29 Un nuevo producto va a salir al mercado si por lo menos el (100%)

de n personas encuestadas, aceptan el producto. Calcular los valores
de n y de manera que haya una probabilidad de 0.1112 de que el
producto no saldrá al mercado cuando realmente el 58% lo aceptan y
u n a probabilidad de 0.0228 de que el producto saldrá al mercado
cuando realmente el 50% lo aceptan.
Solución
P= 0.58 =?? n=??
(3) en (2)
30 Por experiencia el departamento de créditos de uno tienda comercial
sabe que sus ventas se pagan con: dinero en efectivo, con cheque o al
crédito, con probabilidades respectivas; 0.3, 0.3. y O.4.. La
probabilidad de que una venta sea por más de $50 es igual a 0.2 si
ésta es en efectivo, es igual a 0.9 si ésta es con cheque y es igual a 0.6
si ésta es al crédito.
Si se escoge una muestra aleatoria de 256 personas que ingresan a la

tienda, ¿cuál es la probabilidad de que el porcentaje de personas que
hayan comprado por más de $50 sea al menos 50%?
Solución
n=256
31. De 3000 empleados de una empresa se escoge una

muestra aleatoria de 300 empleados para una
encuesta sobre condiciones laborales. ¿Cuál es la
probabilidad de que la proporción muestral a favor
de las condiciones laborales esté comprendido en el
intervalo 0.76 y 0.84, si se estima en 80% del
total de empleados el porcentaje a favor de las
condiciones laborales?
Solución.
32. Una empresa encuestadora debe seleccionar una

muestra aleatoria de una población que consiste de
3000 electores para una encuesta de opinión. La
empresa estima en 30% del total, el porcentaje a
favor del candidato. ¿De qué tamaño debe escoger la
muestra si se quiere tener una probabilidad del 95%
de que la diferencia de la proporción a favor del
candidato en la muestra y en la población no exceda
el valor 0.0492?
Solución:
Luego reemplazando el valor de “a” se tiene:
VARIANZAS
33. Si son ocho variables aleatorias

independientes y distribuidas cada una normal
, calcular la probabilidad de que la
varianza muestral sea menor o igual
que 56.28
Solución:
, ,
Tiene una distribución

Chi-Cuadrado
Con:
Grados de libertad.
34. Calcular la probabilidad de que una muestra

aleatoria de tamaño 13 escogida de una población
normal de varianza tenga una varianza
muestral .
a) menor que 7.01, b) entre 1.19 y 2.1
Solución:
a)
b)
35. Si son 9 variables aleatorias

independientes y con distribución normal, ,
calcular la probabilidad ;(
y son independientes).
Solución: Sea
Además:
i)
ii) Hallamos B
Finalmente
Como: son independientes
36. Utilizando la tabla de la distribución F hallar:

a) , b) , c) , d)
Solución:
a)
b)
c)
1 1
F0.05;30;8    0.4405.......... ... X  F 8;30
F0.95;8;30 2.27
1    0.05.......X  C   0.95
  1  0.05.......C  2.27
  0.95
d)
37. Dos muestras aleatorias independientes de tamaños 21 y 9 respectivamente se toman
de una misma población que está normalmente distribuida, ¿cuál es la probabilidad
de que la varianza de la primera muestra sea al menos el cuádruple de la varianza de
la segunda?
Muestras Tamaño Varianza
1 21
2 9
= P (F(20,8) ≥ 0,25)
= 1 - P (F(20,8) < 0,25)
= 1 – 0,975 = 0,25
38. Sean. X1 ~X2 (9), X2 ~X2 (20) y X = (X1 / 9) / (X2 / 20) hallar los valores a y b tales
que:
P [a ≤ X ≤ B] = 0.925 y P [X ≤ a] = 0.05
Si:
X1 X2(9)
X2 X2 (20)
f(x
)
a b x
Luego:
39. Sea X1, …, X10 una muestra aleatoria escogida de una población normal N(01),
Si X1, X2, …, X10 ~ N(0,1)
a) Hallar la distribución de
, se distribuye según F con 10 y 5 grados de libertad.
Es decir: F ~ F(10,5)
b) Calcular la probabilidad P[F < 1/3.33]
P(F < 1/3,33) = P(F10,5 < 0,3) = 0,05
40. Sea X1 y X2 una muestra aleatoria escogida de una población normal N(0,1),
Si: X1 ~ N(0,1)
X2 ~ N(0,1)
Además se sabe que:
Luego: W2 ~ X2(1) y Z2 ~ X2(1)

a) Hallar la distribución de
b) Calcular la probabilidad P[F < 161]
P(F < 161) = P(F(1,1) < 161) = 0.95 de tabla F
Diferencia de dos medias
41. Para comparar la duración promedio (en meses) µ1 y µ2 de dos marcas de baterías
B1 y B2 se escogen dos muestras aleatorias independientes de tamaños respectivos
n1 = 32 y n2 = 36. Si la media muestral de B1 es mayor que la media muestral de B2
en más de 2 meses, se acepta que µ1 > µ2. en caso contrario se acepta que µ1 = µ2.
Suponga que las varianzas de las duraciones de B1 y B2 son respectivamente
Baterías Promedio Muestra Varianza
B1 n1 = 32
B2 n2 = 36
= 1 – 0,9896
42. Una firma comercializadora afirma que el peso promedio (en gramos) µ 1 y µ2 de dos
marcas de café instantáneo C1 y C2, es el mismo. Para verificar la afirmación se
escogen dos muestras aleatorias independientes de tamaños 36 sobres de cada
marca. Si la media muestral del C1 es mayor que la media muestra de C2 en más de
0.5 gramos, se rechaza que µ1 = µ2. En caso contrario, se acepta que µ1 = µ2. ¿Cuál
es la probabilidad de aceptar que µ1 = µ2 cuando realmente µ1 = µ2 + 2? Suponga que
las varianzas de las poblaciones Cº y C2 son respectivamente y
Datos:
Promedio Café Muestra Varianza
C1 n1 = 36
C2 n2 = 36
Si
= 0,0062
43. El jefe de compras esta por decidir si comprar una marca A o una marca B de focos
para la compañía. Para ayudarle a optar por una de ellas se escogen dos muestras
aleatorias de tamaños n1=10 y n2=9 focos respectivamente de las marcas A y B,
resultando las desviaciones estándares respectivas ŝ1= 200 y ŝ2=150.Si la diferencia
entre las medias muéstrales es mayor que 173 horas se acepta que µ1 ≠ µ2.En caso
contrario se acepta que µ1= µ2. ¿Cual es la probabilidad de aceptar que µ1 ≠ µ2 cuando
realmente µ1 = µ2? Se asume que la vida útil de ambas marcas tiene distribución
normal con varianzas iguales.
Solución:
n1=10, n2=9, ŝ1= 200, ŝ2=150, g= n1-+n2-2=17

Reemplazando en (I)
Por ser simétrico multiplicamos por 2:
44. Para comparar los salarios que se pagan a los empleados en dos grandes empresas
E1 y E2 se escogen dos muestras aleatorias independientes de tamaños n1=16 y
n2=13 respectivamente de E1 y E2 resultando las desviaciones estándares
respectivas ŝ1= $120 y ŝ2=$55. Si la diferencia entre las medias muéstrales no es
mayor q $65, acepta que µ1 = µ2. En caso contrario, se acepta q µ1 ≠ µ2. ¿Cuál es la
probabilidad de aceptar que µ1 ≠ µ2 cuando realmente µ1 = µ2? Se asume que los
salarios en ambas empresas tienen una distribución normal con varianzas diferentes.
Solución:
n1=16, n2=13, ŝ1= 120, ŝ2=55,
Reemplazando en (I)
Por ser simétrico multiplicamos por 2:
Diferencia de dos proporciones.

45. Dos programas de televisión Ay B tienen como rating (porcentaje de hogares donde
se ve el programa) de 40 y 20 respectivamente. Se toma una muestra de 300 hogares
con TV. Durante la transmisión del programa A y otra de 100 hogares con TV.
Durante la transmisión de B, ¿Cual es la probabilidad de que los resultados muestren
que el programa A tiene un rating mayor que a la de B en 10%?
Solución:
Reemplazando en (I)
46. Un fabricante afirma que el 30% de mujeres y el 20% de hombres prefieren su

nuevo producto de aseo personal. Si se hace una encuesta a 200 hombres y 200
mujeres elegidos aleatoriamente, ¿Con que probabilidad la proporción muestral de
mujeres menos la proporción muestra de los hombres esta en el intervalo {-19%,
19%]?
Solución:
Reemplazando en (I)
47. Se escoge una muestra de 600 electores que acaban de votar entre las 9 a.m. y las 3
p.m. para estimar la proporción de votantes a favor de los candidatos A y B. En una
encuesta hecha en la víspera se estimo en 30% y 35% los porcentajes a favor de A y
B respectivamente. ¿Cuál es la probabilidad de que la proporción muestral

de B exceda a la proporción muestral de A en al menos 10%?
Solución:
Reemplazando en (I)

Informe de Estadistica

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe de Estadistica

Cargado por

Copyright:

Formatos disponibles

DISTRIBUCIONES MUESTRALES ESTADISTICA GENERAL F.I.C.

PARAMETROS MUESTRALES Y POBLACIONALES.

El estudio de los parámetros de una distribución se presenta desde dos

Parámetros Poblacionales: Son los verdaderos valores correspondientes a la

Parámetros Muestrales: Son los valores correspondientes a la muestra,

únicamente de la muestra, pero que bajo ciertas condiciones no diferirán

 Parámetros de centralización: nos proporcionan un representante de la

 Parámetros de dispersión: nos proporcionan un valor que mide lo

 Parámetros de posición: percentiles...

 Parámetros de forma: coeficientes de simetría y curtosis.

En este caso veremos un poco de lo que es

Esta distribución se caracteriza por acumular la mayor parte de

La forma de esta campana dependerá de lo concentradas que estén las

    contiene aproximadamente 68% de las observaciones.

La mayoría de experimentos con los que nos encontraremos en nuestras

Se asigna un número a cada uno de los individuos de la población, y

Para no tomar una examinación entera lo que se hace es inferir esos

El proceso que consiste en inferir resultados a la población a partir de de la

MUESTRA AL AZAR SIMPLE

Es aquella en la que los elemento se escogen del total de la población

Si la población es infinita el muestreo aleatorio ocurre cuando la

MUESTRA AL AZAR SISTEMATICA

Se ordenan previamente los individuos de la población, después se elige

Una muestra aleatoria sistemática es aquella que en sus elementos se

MUESTREO ALEATORIO ESTRATIFICADO

Se divide la población total en clases homogéneas (estratos). La

Primero se clasifican a los elementos de la población en subgrupos

MUESTREO ALEATORIO AGRUPADO

Denominando también por conglomerado. Los elementos de la población

Por ejemplo, al estudiar las pensiones que se pagan en los colegios

El muestreo aleatorio simples es pues el proceso de elección de una

Luego diremos que los valores X i, X2, … Xn tomados respectivamente

(muestra aleatoria simple) dada una población f(x) como media μ y

La condición (1) implica que la distribución de probabilidad conjunta de la

F(x1, x2, …. Xn) = f(x1) f(x2) … f (xn)

La condición (2) significa que:

a) cada variable aleatoria X1 tiene la misma media y varianza de la

b) La distribución de probabilidad de cada variable aleatoria X i es la misma

El proceso de obtener este tipo de muestra requiere población infinita o

B1) X1+X3+X4-X6 sea mayor que 52.

b) La media y la varianza de la variable aleatoria

Y = X1 + X2 + X3 + X4 – X6 Están dadas respectivamente por:

Por la propiedad reproductiva de la normal la variable aleatoria Y tiene distribución

b2) Sea ahora la variable aleatoria

Entonces es Bernuollí B(1,p), donde

Se denomina estadística a cualquier función de las variables aleatorias

Una estadística es una variable aleatoria Y = H ( x1,x2,……xn ) cuyo

Lo general para cada parámetro poblacional hay una estadística

c) La desviación estándar muestral

d) La proporción muestral (porcentaje de éxitos en la muestra)

Donde (el parámetro p es el porcentaje de éxitos en la

Definición, se denomina distribución muestral de una estadística a su

Por ejemplo, a la distribución de probabilidad de la estadística media Se

DISTRIBUCIÒN MUESTRAL DE LA MEDIA

Teorema, sea x1, x2, … xn una muestra aleatoria de tamaño n escogida de

Tiene distribución aproximada normal N(0,1).

Por la definición de muestra aleatoria, las variables aleatorias

C) Se deduce del teorema del límite central escribiendo

2.- Si la muestra aleatoria es escogida de una población normal n(m,σ2),

3.- La varianza de la media: vare es valida, si el muestreo es con o

sin reemplazo en una población infinita, o es con reemplazo en una población

Si el muestreo es sin reemplazo en una población finita de tamaño n, entonces

El coeficiente se denomina factor de corrección para población finita.