Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sesión 16
Sesión 16
Por lo que teóricamente se espera que la población Si se toma muestras de una población con distribución
tenga una media de desconocida, ya sea finita o infinita, la distribución
𝜇 + 𝜇 + ⋯+ 𝜇 muestral de 𝑋 aún será aproximadamente normal con
𝜇𝑋 = =𝜇
𝑛 media 𝜇 y varianza 𝜎 2 𝑛, siempre que el tamaño de la
muestra sea grande. Este resultado es una consecuencia
Y una varianza. inmediata del siguiente teorema, que se conoce como
teorema del límite central.
𝜎2 + 𝜎2 + ⋯ + 𝜎2 𝜎2
𝜎𝑋2 = =
𝑛2 𝑛 Santiago Gómez Narváez
Estadística General: Distribuciones de muestreo
Si 𝑋 es la media de una muestra aleatoria de tamaño El tamaño de la muestra 𝑛 = 30 es un lineamiento
𝑛, tomada de una población con media 𝜇 y varianza para el teorema del límite central. Sin embargo, como
finita 𝜎 2 , entonces la forma límite de la distribución es indica el planteamiento del teorema, la suposición de
de normalidad en la distribución de 𝑋 se vuelve más
𝑋−𝜇 precisa a medida que 𝑛 se hace más grande , aun así
𝑍=𝜎 para valores de 𝑛 mayores a 30 la rapidez de la
𝑛 convergencia disminuye notablemente. De hecho, la
figura se ilustra cómo funciona el teorema.
A medida que 𝑛 → ∞, es la distribución muestral
tiende a la normal estándar 𝑛(𝑧; 0, 1).
Una aplicación muy importante del teorema del Ejemplo. En un proceso de fabricación se producen
límite central consiste en determinar valores partes de componentes cilíndricos para la industria
razonables de la media de la población 𝜇. Temas automotriz. Es importante que el proceso produzca
como prueba de hipótesis, estimación, control de partes que tengan un diámetro medio de 5.0 milímetros.
calidad y muchos otros utilizan el teorema del límite El ingeniero implicado asume que la media de la
central. población es de 5.0 milímetros.
Por lo tanto, se experimentaría por casualidad que Suponga que tiene dos poblaciones, la primera con
una 𝑥 estaría a 0.027 milímetros de la media en tan media 𝜇1 y varianza 𝜎12 , y la segunda con media 𝜇2 y
sólo 7 de 1000 experimentos. Como resultado, este varianza 𝜎22 y se representan con el estadístico 𝑋1 la
experimento con 𝑥 = 5.027 ciertamente no ofrece
media de una muestra aleatoria de tamaño 𝑛1 ,
evidencia que apoye la suposición de que 𝜇 = 5.0.
seleccionada de la primera población, y con el estadístico
De hecho, ¡la refuta consistentemente!
𝑋2 la media de una muestra aleatoria de tamaño 𝑛2
seleccionada de la segunda población.
Santiago Gómez Narváez
Estadística General: Distribuciones de muestreo
De acuerdo con el teorema del límite central tanto la De este modo se ve que
variable 𝑋1 como la variable 𝑋2 están distribuidas
más o menos de forma normal con medias 𝜇1 y 𝜇2 y 𝑋 − 𝜇𝑋 𝑋1 − 𝑋2 − 𝜇1 − 𝜇2
varianzas 𝜎12 𝑛1 , y 𝜎22 𝑛2 , respectivamente. Esta 𝑧= =
𝜎𝑋
aproximación mejora a medida que aumentan 𝑛1 y 𝜎12 𝜎22
+
𝑛2 . Al elegir muestras independientes de las dos 𝑛1 𝑛2
poblaciones se asegura de que las variables 𝑋1 y 𝑋2 Si tanto 𝑛1 como 𝑛2 son mayores o iguales que 30, la
sean independientes y, se concluye que 𝑋1 − 𝑋2 aproximación normal para la distribución de 𝑋1 − 𝑋2 es
distribuye aproximadamente de forma normal con buena cuando las distribuciones subyacentes no están
media tan alejadas de la normal. Sin embargo, cuando 𝑛1 y 𝑛2
sean menores que 30 la aproximación es mala cuando
𝜇𝑋1−𝑋2 = 𝜇1 − 𝜇2 las poblaciones no son definitivamente normales. Por
Y varianza supuesto, si ambas poblaciones son normales o
relativamente normales, entonces 𝑋1 − 𝑋2 tiene una
𝜎12 𝜎22 buena aproximación sin importar de qué tamaño sean 𝑛1
𝜎𝑋21−𝑋2 = + y 𝑛2 .
𝑛1 𝑛2
Y varianza
(0.9)2 (0.8)2
𝜎𝑋1−𝑋2 = + = 0.1886
36 49