ESTADISTICA II

ESMERALDO SANTANA
 1 EL MUESTREO.

2 DISTRIBUICIÓN DE MUESTREO.

MEDIA DE LA DISTRIBUICIÓN
3 DEL MUESTREO.
TEOREMA DEL LÍMITE CENTRAL
4 Y SUS APLICACIONES.
DISTRICUICIÓN T PARA
5 PEQUEÑAS MUESTRAS.

TEMAS A TRATAR.
 Es el procedimiento
mediante el cual se
toman a ciertos
individuos que
pertenecen a una
población que está
siendo sujeto de un
análisis.
EL MUESTREO.
 Distribución Muestral
de una preporción
Es lo que resulta de considerar todas las muestras
Distribución posibles que pueden ser tomadas de una
Muestral población. Su estudio permite calcular la
probabilidad que se tiene, dada una sola muestra,
de acercarse al parámetro de la población.
Mediante la distribución muestral se puede
estimar el error para un tamaño de muestra
dado.
 Distribución Muestral
de una preporción
Nomenclatura
Distribución N = Tamaño de la muestra
p= Casos posible / Tamaño de la muestra
Muestral
P = Proporción de la población

Formula para encontrar la

distribución de una Proporción.
 Distribución Muestral
de una preporción
Ejercicio #1
Distribución Se toma una muestra aleatoria de 200 unidades
Muestral producidas en una hora por una máquina. Se sabe
que el 10% de las unidades producidas son
defectuosas. ¿Cuál es la probabilidad de que 16 o
menos resulten defectuosas?
 Datos:
N = 200

Distribución P= 10% = 0.10

Muestral

Q= 1 - P
P (p ≤ 0.08) = ?
P= 0.40 Q= 0.60
Distribución
Muestral
Distribución
Muestral
Z1 = -0.94

JUAN DELGADO ABREU. 2021-0434

Distribución
Muestral
Z1 = -0.94 A1= 0.3264
AS = 0.5 - 0.3264
AS = 0.1736
Distribución
Muestral Z1 = -0.94 A1= 0.3264 AS
= 0.5 - 0.3264
AS = 0.1736
P (p ≤ 0.08 = 17.36%
 Distribución de muestreo de la
media
La distribución de muestreo de la media se obtiene
tomando la estadística bajo estudio de la muestra
como la media. Calcular esto significa tomar todas las
muestras posibles de tamaño n de la población de
tamaño N y luego trazar la distribución de
probabilidad. Se puede demostrar que la media de la
distribución de muestreo es, de hecho, la media de la
población.
 Ejemplo
Una poblacion tiene una media de 200 y una
desviacion estandar de 50.Supongamos que se
selecciona una muestra aleatoria simple de tamaño
100, y que usa x̄̄ para estimar m.

¿Cual es la probabilidad de que la media de la muestra

quede dentro de ±5 de la media de la poblacion?
m = media n = muestra
σ = desviación estándar S E = error estandar
 Ejemplo
Una poblacion tiene una media de 200 y una
desviacion estandar de 50.Supongamos que se
selecciona una muestra aleatoria simple de tamaño
100, y que usa x̄̄ para estimar m.

¿Cual es la probabilidad de que la media de la muestra

quede dentro de ±5 de la media de la poblacion?
m = 200
 Ejemplo
Una poblacion tiene una media de 200 y una
desviacion estandar de 50.Supongamos que se
selecciona una muestra aleatoria simple de tamaño
100, y que usa x̄̄ para estimar m.

¿Cual es la probabilidad de que la media de la muestra

quede dentro de ±5 de la media de la poblacion?
m = 200
σ = 50
 Ejemplo
Una poblacion tiene una media de 200 y una
desviacion estandar de 50.Supongamos que se
selecciona una muestra aleatoria simple de tamaño
100, y que usa x̄̄ para estimar m.

¿Cual es la probabilidad de que la media de la muestra

quede dentro de ±5 de la media de la poblacion?
m = 200n = 100
σ = 50
 Ejemplo
Una poblacion tiene una media de 200 y una
desviacion estandar de 50.Supongamos que se
selecciona una muestra aleatoria simple de tamaño
100, y que usa x̄̄ para estimar m.

¿Cual es la probabilidad de que la media de la muestra

quede dentro de ±5 de la media de la poblacion?
m = 200n = 100
σ = 50SE = ?
 Ejemplo
m = 200
σ = 50
n = 100
SE=?
 Ejemplo
m = 200
σ = 50
n = 100 SE = 50 / √100
SE=? SE = 50/10
SE = 5
 Ejemplo
m = 200
σ = 50
n = 100
SE= 5

x̄̄ 1 m x̄̄ 2

¿Cual es la probabilidad de que la media de la muestra

quede dentro de ±5 de la media de la poblacion?
 Ejemplo
P (195 ≤ x̄̄ ≤ 205)
m = 200
σ = 50 Estandarizar
n = 100
Z = x̄̄ - m/ SE
SE= 5 Z1 = 195 - 200/5
Z1 = -5 / 5
x̄̄ 1 m x̄̄ 2
Z1 = -1
Z1 Z2 Z2 = 205 - 200/5
-1 1 Z2 = 5 / 5
Z2 = 1
 Ejemplo
P (195 ≤ x̄̄ ≤ 205)
m = 200
P(-1≤ Z ≤ 1)
σ = 50 P(Z ≤ 1) - (Z ≤ -1)
n = 100
SE= 5

x̄̄ 1 m x̄̄ 2
Z1 Z2
-1 1
Disrtibucion normal estandar
Tabla Z valor negativo
Disrtibucion normal estandar
Tabla Z valor positivo
 Ejemplo

P (195 ≤ x̄̄ ≤ 205)

P(-1≤ Z ≤ 1)
P(Z ≤ 1) - (Z ≤ -1)
0.8413 - 0.1587 = 0.6827
0.6827x100= 68.27%
TEOREMA DEL LIMITE
CENTRAL
El teorema central del límite (TCL) es
una teoría estadística que establece
que, dada una muestra aleatoria
suficientemente grande de la
población, la distribución de las medias
muestrales seguirá una distribución
normal.
El Teorema del Limite Central afirma, que a medida que el tamaño de la muestra se
incrementa, la media muestral se acercará a la media de la población. Por tanto, mediante
el TCL podemos definir la distribución de la media muestral de una determinada población
con una varianza conocida. De manera que la distribución seguirá una distribución normal
si el tamaño de la muestra es lo suficientemente grande.
 PRINCIPALES PROPIEDADES DEL TCL
Si el tamaño de la muestra es suficientemente grande, la distribución de
las medias muestrales seguirá aproximadamente una distribución
normal. El TCL considera una muestra como grande cuando el tamaño de
la
misma es superior a 30. Por tanto, si la muestra es superior a 30, la media
muestral tendrá una función de distribución próxima a una normal. Y esto
se cumple independientemente de la forma de la distribución con la que
estamos trabajando.
La media poblacional y la media muestral serán iguales. Es decir, la media
de la distribución de todas las medias muestrales será igual a la media del
total de la población.
La varianza de la distribución de las medias muestrales será σ²/n. Que es
la varianza de la población dividido entre el tamaño de la muestra.
Formulas: Solución::
 DISTRIBUCIÓN T

La distribución T es una distribución de probabilidad que

estima el valor de la media de una muestra pequeña
extraída de una población que sigue una distribución
normal y de la cual no conocemos su desviación típica.
 PASOS A SEGUIR

2. GRADOS DE
1.DEFINIR HIPOTESIS 3. FORMULAS 4. EVALUACIÓN
LIBERTAD Y
SIGNIFICANCIA
Ho - Hipótesis
Error estándar
Nula
= s / √n.
H1 -Hipótesis Grado de libertad
Alternativa g= n-1 t= x̄ - μ / E.E

Ho= μ α
H1≠ μ
 EJEMPLO
Datos
s= 2.4
Un psicólogo estima que la edad n= 25
promedio de sus pacientes con ansiedad x̄ = 18
es de 17 años, si la siguiente semana μ = 17
tiene en agenda un grupo de 25
Fórmulas
pacientes con edad promedio de 18
años y desviación estándar de 2.4, Error estándar
determine si la afirmación del psicólogo (E.E) = s / √n.
es correcta.
Utilice el valor α= 0.15 en cada t= x̄ - μ / E.E
extremo de su gráfica para buscar el
valor en su tabla.
ESCRIBE UN
TÍTULO
AQUÍ
 ¡GRACIAS
POR TU
ATENCIÓN!