Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MONOGRAFÍA
“DISTRIBUCIONES MUESTRALES”
CURSO:
ESTADISTICA PARA INGENIEROS
AREQUIPA-PERÚ
2023
ÍNDICE
INTRODUCCIÓN
proporcionando así una base sólida para la inferencia estadística. La inferencia estadística se
variabilidad es una constante. No todas las muestras extraídas de una población serán
muestral particular derivada de todas las posibles muestras de tamaño n extraídas de una
estadísticas, podemos realizar inferencias precisas sobre las poblaciones subyacentes, lo que
CONCEPTOS BÁSICOS
calculada a partir de todas las muestras posibles de tamaño n elegidas al azar de una población
determinada.
del Límite Central, que establece que, a medida que el tamaño de la muestra aumenta, la
son herramientas clave para proporcionar rangos de valores probables para un parámetro
poblacional desconocido. Estos intervalos ofrecen una medida de la certeza asociada con la
hipótesis, donde se utilizan valores críticos basados en la distribución muestral para evaluar
la significancia estadística de los resultados. Esta aplicación es crucial en la toma de
empresarial.
para realizar inferencias precisas a partir de datos muestrales, contribuyendo así a la toma de
CAPÍTULO II
desviación estándar) para cada muestra, creamos lo que se conoce como una distribución
muestral de esa estadística. Por ejemplo, podríamos tomar 100 muestras de tamaño 30 de una
población y calcular la media para cada una de ellas. La distribución de estas medias
Para cada muestra aleatoria posible de tamaño n tomadas de esta población podemos
construir una distribución de medias muestrales que estaría caracterizada por su valor
Ejemplo: supongamos que existe una población compuesta por cuatro personas con
las siguientes alturas en cm: 158 - 159 - 160 - 161. El promedio de altura de esta población
es µ = 159.5 cm, la varianza = 1.25cm2. Todas las muestras posibles, con reposición, de
E(X) = µ= µ
En el ejemplo:
= 0.625cm2
cada una calcular la proporción poblacional p, como p = x/n; es decir el cociente entre el nº
de p variarían entre una y otra muestra, por lo que p es una variable aleatoria. Si n fuera
suficientemente grande, según el teorema central del límite, esta variable p tendría
distribución aproximadamente normal con: fuera suficientemente grande, según el teorema
central del límite, esta variable p tendría distribución aproximadamente normal con:
Los valores de n requeridos para que se cumpla el teorema dependen del valor de π
deberemos aplicar el factor de corrección por continuidad (FCC), ajuste que se hace por estar
tomando a una variable con distribución discreta como si fuera continua. Para ello se debe
depósito de frutos el 40% de los mismos están atacados por un hongo. Si se extrae una
con media µ y varianza finita σ σ2, la distribución muestral de la media, calculada a partir de
Los únicos supuestos que deben cumplirse para aplicar el TCL son: que las muestras
sean tomadas en forma aleatoria y que la varianza sea finita. Además, se considera que el
muestreo repetido se realiza con reposición, o que el muestro se realiza sin reposición pero
la población es infinita.
CAPITULO III
La distribución normal tiene una forma de campana de Gauss, lo que significa que es
estándar normal con una media de 0 y una desviación estándar de 1. Esto se logra utilizando
variable aleatoria y es usada en la geotecnia rama de la ingeniería civil encargada del estudio
distribución, que puede ser ajustada conociendo los valores máximos, medidas de
centralización y dispersión.
colas más pesadas. A medida que aumenta el número de grados de libertad, la distribución t
Los grados de libertad son un parámetro crucial que afecta la forma de la distribución
t. Cuantos más grados de libertad, más se parece la distribución t a una distribución normal.
distribución normal estándar (z). Por lo tanto, para muestras grandes, la elección entre la
de la población.
CAPÍTULO IV
estimar un parámetro desconocido de una población. Este rango proporciona una medida de
partir de los datos de una muestra y tiene la propiedad de que, si tomamos muchas muestras
y calculamos un intervalo de confianza para cada una, un cierto porcentaje (llamado nivel de
Donde:
la muestral.
es un valor específico o un único número que se utiliza para hacer una inferencia o
comprender cómo se comportan los estimadores muestrales. Gracias al Teorema del Límite
hipótesis.