CONCEPTOS GENERALES

DISTRIBUCIONES DE MUESTREO.
DOCENTE: SARA CRISTINA GUERRERO

Diseño Experimental

Biología
CONCEPTOS BÁSICOS
 Población: grupo de individuos o elemento sobre el que se esta interesado en hacer inferencias.

 Muestra: Subconjunto de la población debe ser “representativa”, si se quiere generalizar las conclusiones a la población de estudio

 Observación: dato o registro realizado producto de la medición de una característica de una unidad experimental.
 Variable: característica que se desea medir a cada uno de los elementos de la población.

 Parámetro: cuantifica la característica de una población a partir de la información contenida en las observaciones. (Media, proporción,
varianza, etc.)
 Estadístico: elemento que describe una muestra y sirve como estimador del parámetro de la población

 Estimación: valor que toma el parámetro

EJEMPLOS DE POBLACIONES Sara Cristina Guerrero
Ecología de poblaciones. Una
población desde el punto de vista
 Una población se define en función de la situación de estudio que se quiera ecológico se define como "el conjunto
plantear. de individuos de la misma especie que
 Ejemplo: Estudiantes de la universidad de los Llanos ocupan un lugar y tiempo determinado,
que además tienen descendencia fértil

¿Qué poblaciones se podrían definir, en

función de un interés?

¿Qué opinan, ejemplos?

https://steemit.com/steempress/@josedelacruz/losllanosvenezolanosb
iomatiposabanaterceraparteniveldebiocenosiscomunidadesbiolgicasac
¿CÓMO CUANTIFICAR UN INTERÉS EN PARTICULAR,
ESTADÍSTICAMENTE? Sara Cristina Guerrero

Estimador Parámetros

Muestra Población
 Promedio
 Media: 𝒙 
 Proporción
 Total  Varianza: S 2
 2

 Evaluar la variabilidad
 Desviación Estándar: S 
𝑿 𝑿
 Proporción: ෡
𝑷= 𝑷=
𝒏 𝑵
DISTRIBUCIONES DE MUESTREO ¿APLICABILIDAD? Sara Cristina Guerrero

 El objetivo de la estadística inferencial es obtener información acerca de una población, a partir de la información
contenida de la muestra
 Por EJEMPLO a nivel nacional se desea estimar pacientes contagiados por el COVID-19.
 Población más vulnerable a contraer el COVID-19.
 Población de alto riesgo de complicaciones a causa del COVID-19, en Villavicencio.
 Edad de las personas afectadas que presentan COVID-19.

¿Cómo se estimaría?
MUESTREO ALEATORIO SIMPLE Sara Cristina Guerrero

 Poblaciones finitas: una muestra aleatoria de tamaño n, seleccionada de una población de tamaño N, se
garantiza que cada uno de los elementos tenga la misma probabilidad de ser seleccionada.
 Ejemplos: Número de estudiantes FCBI de la Unillanos.
𝑵!
 El numero de animales en cautiverio en el Zoológico los Ocarros Número de muestras: 𝑵𝑪𝒏 = 𝒏!(𝑵−𝒏)

 Poblaciones infinitas: una muestra aleatoria simple de una población infinita debe satisfacer:
 Cada elemento seleccionado provenga de la misma población
 Cada elemento se seleccione de manera independiente Número de muestras : 𝑵𝒏
 Ejemplos: número de peces en un lago.
 El numero de personas que necesitan tramitar un permiso ambiental en CORMACARENA.

Las muestras se pueden obtener con reemplazamiento (finitas) y sin reemplazamiento (infinitas)
 µ=𝐸(x)=σ 𝑥 ∗ (𝑝 𝑥 ) (𝑥 − 𝜇)
𝑍=
𝜎

µ=𝐸(𝑥)=
ҧ σ 𝑥ҧ ∗ (𝑝 𝑥ҧ )
DISTRIBUCIÓN DE LA MEDIA MUESTRAL Sara Cristina Guerrero

 ¿Determinar cuál es la distribución de la media muestral?

 Ello implica determinar cuál es su Valor esperado y la varianza, es decir 𝐸 𝑥 y 𝑉𝑎𝑟 𝑥 .
Ejemplo:
Tomamos una población hipotética de 3 conejos de raza Mini Lop (conejo enano de orejas caídas)
Se tienen tres conejas (población) y cada una de ellas tiene una camada 4, 6 y 8 conejos. Se desea
seleccionar una muestra de dos conejas, y estudiar las camadas asociadas a cada una de ellas.
 Cuántas muestras se pueden generar mediante un muestreo con reemplazamiento y sin reemplazamiento
 En un muestreo sin reemplazamiento se asocia a poblaciones finitas, ¿cuál es la distribución de la media
muestral (𝑥), es decir, 𝐸 𝑥 y 𝑉𝑎𝑟 𝑥 .
EJEMPLO PRÁCTICO Sara Cristina Guerrero
Todas las posibles muestras Valor esperado de la media
con reemplazamiento muestral 𝐸(𝑥 )=σ 𝑥 p( 𝑥 )= El valor de los parámetros en la
Media de v.a valores v.a probabilidad
población de estudio (camada 4, 6
Coneja 1 Coneja 2 crías 𝒙ഥ
Media ഥ
𝒙 Frecuencia p (𝒙
ഥ) ഥ p( 𝒙
𝒙 ഥ) y 8 conejos), para la media y la
4 4 4 4 1 1/9 4/9
4 6 5 5 2 2/9 10/9
varianza y su desviación estándar
4 8 6 6 3 3/9 18/9 corresponde:
6 4 5 7 2 2/9 14/9
6 6 6 8 1 1/9 8/9
4+6+8
6 8 7 𝜇= =𝟔
54/9 = 6 3
8 4 6
8 6 7 𝐸(𝑥 )=σ 𝑥 p( 𝑥 )= 6 σ(𝑥−𝜇)2 4−6 2 + 6−6 2 + 8−6 2
8 8 8 𝜎2 = = =2,667
Varianza 𝑁 3
Función de probabilidad 𝑉 𝑥 = 𝑥 − 𝐸( 𝑥 ) 2
𝑃(𝑥)=1.33333
𝜎= 𝜎2 = 2,666 = 1.6329
v.a valores v.a probabilidad valores v.a probabilidad 𝑥 − 𝐸( 𝑥 ) 2
𝑃(𝑥)
Media Frecuencia p( 𝒙
ഥ) Frecuencia p( 𝒙
ഥ) p(𝒙
ഥ)
4 1 1/9
5 2 2/9
1 1/9 4/9 0,44444444 𝐸(𝑥 )=6= 𝜇
2 2/9 10/9 0,22222222 2
6 3 3/9 3 3/9 18/9 0 𝑉 𝑥 =𝜎2 = 2.667
2
= 1.333
7 2 2/9 2 2/9 14/9 0,22222222
8 1 1/9 1 1/9 8/9 0,44444444 𝜎 1.6328
54/9 = 6 1,33333333 𝜎 𝑥ҧ = 𝑛
= 2
=1,1547
DISTRIBUCIÓN DE LA MEDIA MUESTRAL Sara Cristina Guerrero

 Se selecciona una muestra aleatoria de tamaño n de una población con media 𝜇 y desviación estándar 𝜎. Entonces
la distribución de la media muestral 𝑥ҧ esta determinada por:
𝐸(𝑥 )=𝜇
𝜎
𝜎2
𝜎 𝑥ҧ =
2
𝑉𝑎𝑟(𝑥) = 𝜎 𝑥 = 𝑛
𝑛

Distribución de la media para una población que se distribuye Normal.

 Se selecciona una muestra aleatoria de una población que se distribuye normal con media 𝜇 y desviación estándar
𝜎. Entonces para cualquier n, la media muestral 𝑥,ҧ se distribuye normal con media 𝜇 y deviación estándar (error
𝜎
estádar) de la media muestral 𝑛 . 𝜎
𝐸(𝑥 )=𝜇 𝜎 𝑥ҧ =
𝑛
ҧ
𝑥−𝜇
La variable aleatoria 𝑥ҧ se estandariza z= 𝜎
ൗ 𝑛
TENGA EN CUENTA Sara Cristina Guerrero

 Uso tabla normal estándar, propiedades:

 𝑃 𝑧<𝑎 =𝑃 𝑧≤𝑎 =∅ 𝑎
a
 𝑃 𝑧 > 𝑎 = 𝑃 𝑧 ≥ 𝑎 = 1 − ∅(𝑎)=∅(−𝑎)
a
 𝑃 𝑎 < 𝑧 < 𝑏 = 𝑃 𝑎 ≤ 𝑧 ≤ 𝑏 = ∅ 𝑏 − ∅(𝑎)
a b
 𝑃 𝑎≤𝑧<𝑏 =𝑃 𝑎<𝑧≤𝑏

𝑃 0.79 < 𝑍 < 2,5 = ∅ 2,5 − ∅(0,79)= 0,9938-0,7852=0,2086

Sara Cristina Guerrero
EJEMPLO Sara Cristina Guerrero

 Cierta población de primates, el volumen de la cavidad craneal tiene una distribución aproximadamente normal con una media de 1200
cm3 y desviación estándar de 140 cm3 se selecciona una muestra aleatoria de 20 de estos primates.
 A) ¿cuál es la distribución de la media muestral 𝑥?ҧ
𝐸(𝑥 )=𝜇= 1200 𝑐𝑚3 𝜇 = 1200 𝑐𝑚3
𝜎 140 La media muestral del volumen de la cavidad craneal
𝜎 𝑥ҧ = = = 31,304 de los primates se distribuye normal con media 1200 𝜎 = 140𝑐𝑚3
𝑛 20
cm3 y desviación estándar de 31.304 𝑐𝑚3 𝑛 = 20
 B) ¿Cuál es la probabilidad de que la media muestral asuma un valor entre 1150 y1250cm 3 ?

1150−𝜇 1250−𝜇 ҧ
𝑥−𝜇
𝑃(1150 < 𝑥<1250)=
ҧ P
𝜎Τ 𝑛
< z<
𝜎Τ 𝑛
z= 𝜎
ൗ 𝑛
1150−1200 1250−1200
=P < z< = P −1.59 < z<1,59
140Τ 20 140Τ 20
= ∅ −1,59 − ∅ 1,59 = 0,9441 − 0.0559=0,882
𝑃(1150 < 𝑥<1250)=
ҧ 0,882 Probabilidad de que la media muestral del volumen de la cavidad craneal de los
primates asuma valores entre 1150 y1250 𝑐𝑚3
AHORA APLICO Sara Cristina Guerrero

 Cierta población de primates, el volumen de la cavidad craneal tiene una distribución aproximadamente normal
con una media de 1200 cm3 y desviación estándar de 140 cm3 se selecciona una muestra aleatoria de 20 de estos
primates.
𝜇 = 1200 𝑐𝑚3
𝜎 = 140𝑐𝑚3
𝜇= 1200 𝑐𝑚3
𝑛 = 20
𝜎
𝜎 𝑥ҧ = = 31,304
𝑛

 C) Cual es la probabilidad de que la media muestral asuma un valor superior1169cm3

 D) Cual es la probabilidad de que la media muestral asuma un valor inferior1220cm3 ?
?

0,6388
?
0,7389 R,ta
0,1611?

0,8389 Rta
 AHORA APLICO
 C) Cual es la probabilidad de que la media muestral asuma un valor superior1169
1169−𝜇
𝑃(𝑥ҧ ≥ 1250)= P z ≥ 𝜇 = 1200 𝑐𝑚3
𝜎Τ 𝑛
1169−1200
𝜇= 1200 𝑐𝑚3 𝜎 = 140𝑐𝑚3
=P z≥ = P z ≥ −0,99 𝜎
140Τ 20 𝜎 𝑥ҧ = 𝑛 = 31,304 𝑛 = 20
= 1 − ∅ −0,99 = 1 − 0,1611 = 𝟎, 𝟖𝟑𝟖𝟗
 D) Cual es la probabilidad de que la media muestral asuma un valor inferior1220cm 3 ?

1220 − 𝜇
𝑃(𝑥ҧ ≤ 1220)= P z ≤
𝜎Τ 𝑛
1220−1200
=P z≤ = P z ≤ 0,64
140Τ 20

= ∅ 0,64 = 0,7389
DISTRIBUCIÓN DE LA PROPORCIÓN MUESTRAS

 Se selecciona una muestra aleatoria de n individuos, en donde a partir de un interés se identifican X éxitos en la
muestra, siempre que n sea pequeña en comparación con el tamaño de la población, X puede ser considerada
como una v.a binomial con 𝐸 𝑋 = 𝑛𝑝 y 𝜎 𝑋 = 𝑛𝑝 1 − 𝑝 . En el caso de n grande X tendrá una distribución
normal.
La distribución de la proporción muestral ( 𝑃෡ ) esta determinada, estimada a partir de una población con proporción
poblacional P.
𝐸 𝑃෠ = 𝑃
La v.a 𝑃෡ se estandariza:
𝑃(1 − 𝑃)
𝜎 2 𝑃෠ =
𝑛 𝑃෠ − 𝑃
𝑧=
𝑃(1 − 𝑃) 𝑃(1 − 𝑃)
෠
𝜎 𝑃 = 𝑛
𝑛
DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA DE MEDIAS

 Dadas dos poblaciones con parámetros, medias poblacionales 𝜇1 y 𝜇2 , desviación estándar 𝜎1 y

𝜎2 , se seleccionan muestras aleatorias de tamaño 𝑛1 y 𝑛2 . La distribución de la diferencia entre las medias
muestrales esta determinada:

𝐸 𝑥ҧ1 − 𝑥ҧ2 = 𝜇1 − 𝜇2 𝑋ሜ1 − 𝑋ሜ1 − (𝜇1 − 𝜇2 ) Para estandarizar la v.a 𝑥ҧ1 − 𝑥ҧ2
𝑍=
𝜎12 𝜎22
𝜎12 𝜎22 𝑛1 + 𝑛2
𝜎(𝑥ҧ1 −𝑥ҧ2 )= +𝑛
𝑛1 2
 Del taller de ejercicios dispuesto en la plataforma, desarrollarlo y subirlo a las 5:p.m del día 11 de mayo
 Activo 4:30-5:00 subir imagen ó pdf