Tema 2 “Distribuciones Muestrales” Ejemplo:

Se tienen 3000 barras de aluminio almacenadas, su media es de 5 kg y la desviación estándar es de

DISTRIBUCIÓN MUESTRAL: La distribución de probabilidad de un estadístico se llama distribución 0.2kg. Obtenga la probabilidad de que en una muestra aleatoria de 100 barras, el peso promedio
muestral. de las barras muestreadas sea:
a) entre 5.0 y 5.2 kg.
“DISTRIBUCIÓN DE LA MEDIA MUESTRAL” b) mayor a 5.1 kg.
La distribución de probabilidad del estadístico 𝑋𝑋� (media muestral) se llama distribución de la
media muestral. “DISTRIBUCIÓN DE LA VARIANZA MUESTRAL, (DISTRIBUCIÓN JI-CUADRADA)”:
1
El estadístico 𝑋𝑋�, se define como: 𝑋𝑋 = ∑𝑛𝑛𝑖𝑖=1 𝑥𝑥𝑖𝑖 y tiene una distribución normal con media μ y La distribución ji-cuadrada o chi-cuadrada es otra distribución muestral (distribución
2
𝑛𝑛 probabilística) utilizada con frecuencia, ocupa el segundo lugar de utilidad general, después de la
𝜎𝜎
variancia σ2/n. Es decir: 𝑋𝑋� ̴ 𝑁𝑁(𝜇𝜇𝑋𝑋 , 𝑋𝑋 ) distribución de la media muestral.
𝑛𝑛
Esta distribución permite determinar la probabilidad de que la varianza muestral tenga cierto
valor.
Ejemplo: Una empresa elabora lámparas incandescentes cuya duración se distribuye
aproximadamente en forma normal, con media de 800 hrs y desviación estándar de 40 hrs. 1
∑𝑛𝑛 (𝑥𝑥
El estimador de la variancia muestral es: 𝑆𝑆 2 = − 𝑥𝑥̅ )2
Encuentre la probabilidad de que una muestra de 25 lámparas tenga una vida promedio de menos 𝑛𝑛−1 𝑖𝑖=1 𝑖𝑖
de 780 hrs.
Por lo tanto, se debe usar una distribución de muestreo de S2, que describa el comportamiento en
“TEOREMA CENTRAL DEL LÍMITE O (Teorema del Límite Central)” muestreo repetido de la variancia S2.
El Teorema Central del Límite establece que bajo condiciones generales, las medias de muestras La distribución que describe este comportamiento es la distribución Ji-cuadrada, la cual se genera
aleatorias tomadas de una población, tienden a tener una distribución aproximadamente normal, a partir de la distribución Normal.
(está mejora con muestras de tamaño grande). Una variable aleatoria Ji-cuadrada (X2) con ν grados de libertad se obtiene al sumar ν (nhu)
variables aleatorias independientes con distribución normal estándar.
Definición: Sean X1, X2, … , Xn un conjunto de variables aleatorias independientes e idénticamente X2 = ( Z1)2 +( Z1)2 +( Z1)2 +…+( Zν)2
distribuidas con parámetros: 𝐸𝐸(𝑋𝑋𝑖𝑖 ) = 𝜇𝜇𝑋𝑋 , 𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋𝑖𝑖 ) = 𝜎𝜎 2𝑋𝑋 X es una variable aleatoria con distribución Ji-cuadrada con “ν” grados de libertad, se denota
2

X2 ~ χ2(ν)
1 Manipulando la expresión de la variancia muestral S2, se obtiene el estadístico ji-cuadrada (χ2):
Entonces la variable aleatoria 𝑋𝑋� definida como: 𝑋𝑋 = ∑𝑛𝑛𝑖𝑖=1 𝑥𝑥𝑖𝑖 , tiene una distribución que (𝑛𝑛−1) 𝑆𝑆 2
𝑛𝑛
𝜎𝜎2 𝑋𝑋 X2 = ~ χ2(ν=n-1)
𝜎𝜎2
converge a la normal, con parámetros: 𝜇𝜇𝑋𝑋� = 𝜇𝜇𝑋𝑋 y 𝜎𝜎 2 𝑋𝑋� = , cuando n → ∞.
2
𝑛𝑛 el cual es una variable aleatoria que tiene distribución chi-cuadrada con ν=n-1 grados de libertad.
𝜎𝜎
Se denota: 𝑋𝑋� ̴ 𝑁𝑁(𝜇𝜇𝑋𝑋̄ = 𝜇𝜇𝑋𝑋 , 𝜎𝜎 2𝑋𝑋̄ = 𝑋𝑋 ) La distribución Ji-cuadrada presenta un sesgo positivo:
𝑛𝑛

ERROR ESTÁNDAR: A la desviación estándar de una distribución muestral se le suele llamar error
estándar, puesto que mide la variabilidad del muestreo. El error estándar de la distribución de la
𝜎𝜎
media muestral es: 𝜎𝜎𝑋𝑋 = 𝑋𝑋
√𝑛𝑛
* Cuando n → ∞, el error estándar tiende a cero. Los valores críticos del estadístico Ji-cuadrada se usan para hacer inferencias sobre la variancia
muestral (S2).
Ejemplo: La cantidad de cierta impureza en un lote de azufre es una v.a. con valor medio de 4g. y Para calcular probabilidades de variables aleatorias con distribución Ji-cuadrada se utilizan tablas.
desviación estándar de 1.5g. Si se inspeccionan 50 lotes de azufre en forma independiente, Las tablas de la distribución Ji-cuadrada generalmente proporcionan el valor de χ2 en función del
a) ¿cuál es la probabilidad de que la cantidad promedio muestral de la impureza esté entre 3.5 y área de “la cola derecha” α.
3.8 g.? Ejemplos:
b) Se desea calcular la misma probabilidad del inciso a) pero ahora para una muestra de 10 lotes, 1. Para una distribución chi-cuadrada encuentre:
¿es esto posible? a) χ2 con α= 0.025, cuando ν=25
b) χ2 con α= 0.01, cuando ν=7
FACTOR DE CORRECCIÓN POR POBLACIÓN FINITA
Denotado por : FCPF, se emplea cuando el muestreo se realiza en una población finita y sin 2. Obtenga:
reemplazo. a) P(X2 > 32.8) cuando X2 ~ χ2 (15), b) P(X2 < 18.3) cuando X2 ~ χ2(10)
𝑁𝑁−𝑛𝑛
𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹 = N= tamaño de la población 3. Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones de una población
𝑁𝑁−1
n= tamaño de la muestra normal con varianza σ2= 6, tenga una varianza S2:
𝜎𝜎2 𝑋𝑋 a) mayor que 8.3 b) entre 3.46 y 10.74
Por lo tanto, cuando la población es finita, tendríamos para la variancia: 𝜎𝜎 2 𝑋𝑋 = 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹
𝑛𝑛
𝜎𝜎𝑋𝑋 𝜎𝜎𝑋𝑋 𝑁𝑁−𝑛𝑛 4. El fabricante de las piezas adquiridas por una armadora de autos, ha informado que las piezas se
Y para el error estándar: 𝜎𝜎𝑋𝑋 = √𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹 = � distribuyen normalmente con una desviación estándar de 3 mm. Si diariamente se selecciona una
√𝑛𝑛 √𝑛𝑛 𝑁𝑁−1
muestra aleatoria de 25 piezas para verificar sus dimensiones, ¿cuál es la probabilidad de que la
varianza de la muestra sea mayor a 15.1 mm2?