Muestreo Probabilistico. Estim

MUESTREO
PROBABILSTICO
Y ESTIMADORES
INFERENCIA ESTADSTICA
Diseo muestral
Funcin p() tal que p(s) denota la probabilidad de seleccin de la muestra
s.
Se llamar diseo de muestreo al conjunto de probabilidades de
seleccin de todas las muestras posibles.
Para un diseo muestral dado p(), se puede considerar a cada muestra s
como el resultado de una variable aleatoria S, con distribucin de
probabilidad especificada por p(). As, si S es el conjunto de todas las
muestras
posibles
s, entonces
Pr(S = s)
p(s) para cada
s seS.tiene que
Debido a que
p(s) es
una distribucin
de=probabilidad
en S,
p(s) , para todo s S
y
En
general puede ocurrir que no todas las muestras s del espacio
muestral S puedan ser elegidas. Sin embargo consideraremos slo
mtodos de muestreo no restringidos; es decir, mtodos de
muestreo en los que todas las muestras puedan ser seleccionadas; es
decir, p(s) , para todo s S.
2
Cmo calcular la probabilidad de que una muestra

sea seleccionada?
Si asumimos que se tiene una poblacin , una muestra de tamao
n puede ser considerada como un subconjunto , que puede ser

ordenado donde representa el elemento que ocupa el lugar en la
muestra sin embargo, lo general es que no se considere el orden
(muestras sin reposicin).
Dado lo anterior, el clculo de la probabilidad de una muestra
dada, puede realizarse en general como sigue:
Ejemplo.
Dada la poblacin U={1,2,3,4,5}, en la siguiente tabla se define un
diseo muestral asociado con la poblacin U
s
{1,2varias
{1,3 muestras
{1,4 {1,5
{2,4
{2,5 {3,4
{3,5 {4,5
Dado
que
del{2,3
espacio
muestral
S generado
por el
}
} pueden
} originar
}
} mismo
} valor
} del }estimador,
}
mtodo }de muestreo
el
la
probabilidad
estimador
se define
suma
P(s)
0,1
0,1de ese
0,1 valor
0,1 del0,1
0,1
0,1
0,1 como
0,1 la 0,1
de las probabilidades de todas las muestras que lo originan.
Supuestos
1. Universo Finito
2. Se debe disponer de un marco de muestreo
3. Todas las unidades de seleccin tienen probabilidad conocida
y mayor que cero de ser incluidas en la muestra.
4. El mecanismo de seleccin de la muestra corresponde con las
probabilidades asignadas con anterioridad a cada objeto.
La probabilidad de seleccin o de inclusin de un elemento es lo
que permite el paso de la observacin en la muestra a la
inferencia de lo buscado en la poblacin
El hecho de conocer las probabilidades de seleccin de los
elementos debe ir acompaado del proceso de seleccin
aleatoria que le corresponda.
La inferencia que se realice con base en probabilidades no ciertas
conducir a decisiones equivocadas.
MTODO DE
ESTIMACIN
Con base en una muestra
que ha sido seleccionada
mediante un mtodo de muestreo se pueden estimar las
caractersticas poblacionales (media, total, proporcin,
etc.) con un error cuantificable y controlable.
Estimadores. Funciones matemticas de la muestra. Se
asumen como
variables aleatorias al considerar la
variabilidad de seleccin
de las muestras y por lo tanto cumplen las
condiciones de
una funcin de medida.
Los
errores
se
cuantifican
mediante
varianzas,
desviaciones tpicas o errores cuadrticos medios de
los estimadores que miden la precisin de los mismos.
Formalizando el problema de estimacin en poblaciones

finitas
Sea una caracterstica definida en una poblacin que toma el valor
numrico sobre la Unidad con Sea una funcin de los valores
denominada parmetro o medida poblacional. As por ejemplo:
Sea
una muestra de tamao n seleccionada de la poblacin . Se pretende
estimar el parmetro poblacional mediante una funcin de los valores
denominado estadstico, estimador o medida de la muestra:
As por ejemplo:
La funcin
denomina estimador del parmetro poblacional

Se
A los valores para se les denomina estimaciones
DISTRIBUCIN DE UN
ESTIMADOR
Sea
el conjunto de valores del
estimador
La funcin
Se le denomina distribucin del estimador en el muestreo.
Ley de probabilidad de la variable aleatoria

:
Dado que varias muestras del espacio muestral S generado por el

mtodo de muestreo pueden originar el mismo valor del estimador,
la probabilidad de ese valor del estimador se define como la suma
de las probabilidades de todas las muestras que lo originan.
PROPIEDADES DE LOS
ESTIMADORES
Esperanza
matemtica del estimador del parmetro
Varianza del estimador del parmetro
Desviacin estndar del estimador o error estndar del parmetro
Error relativo de muestreo del estimador del parmetro
Sesgo del estimador del parmetro

El estimador es insesgado para si , es decir, si
PROPIEDADES DE LOS
ESTIMADORES
Acuracidad
del estimador del parmetro
Consistencia del estimador del parmetro

El estimador es consistente como estimador para , cuando al aumentar el
tamao de muestra, su sesgo tiende a cero, es decir, cuando
PRECISIN Y COMPARACIN DE ESTIMADORES. Y SUS

COMPONENTES
La precisin de un estimador se analiza esencialmente en funcin de los
conceptos:
Desviacin estndar del estimador o error estndar
Acuracidad
Sesgo
Contribucin
del
sesgo y la
desviacin a
debe ser lo ms pequea posible para minimizar por lo tanto entre ms

pequeo sea el cociente menos influyente ser el sesgo y la desviacin
en la raz cuadrada de la Acuracidad.
En la prctica se considera que el sesgo no es influyente cuando

Propiedades deseables para un estimador:
1. Sesgo pequeo o nulo
2. Desviacin pequea
Para poder hablar de precisin de un estimador y poder as
llevar a cabo la comparacin entre distintos estimadores
para el mismo parmetro poblacional, es necesario
diferenciar entre estimadores sesgados e insesgados.
COMPARACIN DE ESTIMADORES INSESGADOS ()
Para comparar varios estimadores insesgados del parmetro en

cuanto a precisin bastar considerar sus errores de muestreo
(desviaciones estndar de los estimadores) siendo ms preciso el
estimador que menor error de muestreo presente.
COMPARACIN DE ESTIMADORES SESGADOS ()

un estimador del parmetro poblacional es sesgado, la magnitud
Si
general para analizar su precisin es su , por lo tanto, para comparar varios
estimadores sesgados del parmetro en cuanto a su precisin se utilizar
el . Ser ms preciso el estimador con menor .
En la prctica calcular el puede ser difcil por lo que para este caso se
podr utilizar tambin el resultado de la contribucin del sesgo y el error
estndar a la raz del .
As entonces, mientras ms pequeo sea el cociente de la contribucin,

ms preciso ser el estimador, es decir, menor ser la contribucin del
sesgo.
Otra alternativa es hacer la comparacin utilizando el error relativo de
muestreo o coeficiente de variacin. En este caso ser ms preciso el
estimador con menor coeficiente.
COMPARACIN DE ESTIMADORES SESGADOS E

INSESGADOS
Si se pretende comparar en cuanto a la precisin varios estimadores de un
parmetro unos sesgados y otros insesgados, se utiliza el del estimador.
Ser ms preciso aquel estimador cuyo sea menor.
Si no es posible el clculo del , entonces se puede optar por el error relativo
de muestreo o coeficiente de variacin. Ser ms preciso el estimador de
menor .
Si los estimadores sesgados tienen todos sesgo despreciable, es decir, , la
comparacin se hace a partir del error de muestreo o desviacin tpica del
estimador .
COMPARACIN DE ESTIMADORES PARA DISTINTOS
PARMETROS
Para comparar varios estimadores de distintos parmetros en cuanto a
precisin se puede utilizar el que corresponde con el criterio de precisin
ms general, sin embargo, las dificultades de su clculo, hacen que en la
prctica se utilice el . Es ms preciso el estimador con menor .
El presenta las ventajas:
Es adimensional
Recoge el posible efecto del sesgo
Observacin
Para poder realizar las comparaciones en cuanto a

precisin, es decir, para poder obtener las
magnitudes , contribucin del sesgo y la desviacin
estndar , etc., como normalmente no se conocen los
valores de sesgo del estimador , el error estndar del
estimador , el valor esperado del estimador , etc.,
porque en sus clculos intervienen datos poblacionales
que no son conocidos, se utiliza en su lugar sus
estimaciones: , , , etc., que dependen slo de datos de
la muestra; as, las comparaciones se harn finalmente
a partir de , , etc.
CUANTIFICACIN DE LA GANANCIA EN PRECISIN DE

LOS ESTIMADORES
Tasa de variacin relativa entre las magnitudes

utilizadas
1. Con base en el
2. Con base en el
3. Con base en el error de muestreo
EJERCICIOS
1. Para medir la variable X=nivel de precipitacin atmosfrica en una

determinada regin se dispone de un marco de cuatro zonas climticas
de la misma cuyos niveles de precipitacin actual son de 60, 40, 30 y 80
, siendo sus probabilidades iniciales de seleccin en el muestreo de 1/6,
1/3, 1/3, 1/6 respectivamente. Se trata de estimar en el nivel
actual medio de precipitacin atmosfrica en la regin extrayendo
muestras de la variable X de tamao 2 sin reposicin y sin tener en
cuenta el orden de sus elementos. Para ello se consideran los
estimadores alternativos: media aritmtica, media geomtrica, media
cuadrtica y media armnica.
a. Especificar el espacio muestral definido por este procedimiento de
muestreo
b. Calcular las probabilidades asociadas a las muestras
c. Construya las distribuciones muestrales de los cuatro estimadores.
d. son insesgados?, en el caso que no lo sean, calcule los sesgos
e. Calcule las varianzas de todos los estimadores.
f. en
Secuenta:
puede asumir
que el sesgo de los estimadores es despreciable?
Tenga
;
g. Haga un anlisis de su precisin. Cul de ellos es mejor?
h. Razonar
la respuesta y cuantificar las ganancias en precisin.
;
X=Nivel de
precipitacin
atmosfrica lt/m2
60
40
30
80
Zonas
Z1
Z2
Z3
Z4
n=2 sin tener en cuenta el orden
b)
Pr(X)
1/6
1/3
1/3
1/6
Estimado
res
Media Aritmtica
Media
Geomtrica
Media
Cuadrtica
Media Armnica
3/20
3/20
1/15
1/3
3/20
Tenga en cuenta:
3/20
c) Construya las distribuciones muestrales de los cuatro

estimadores.
35
34 2/7
1/3
183/515
1/3
40
3/20
3/20
47
43 5/8
3/20
122/281
3/20
3/10
48
3/20
50
53 1/3
3/20
101/102
3/20
68 4/7
1/15
3/20
60
1/15
289/696
3/20
d.son insesgados?, en el caso que no lo sean, calcule Estimado
63
r
los sesgos
69/281
3/20
Sesgo del estimador del parmetro
70
1,1667
619/871
1/15
Se requiere entonces calcular y para
poder hallar
el sesgo.
35
45
50
55
60
70
1/3
3/20
3/20
3/20
3/20
1/15
34 25/39
42
197/462
48 97/98
56
394/693
69 11/39
1/3
-0,9547
3,1453
Primero se calcula el parmetro que se pretende estimar, dado que
se
conoce la informacin de la poblacin.
-2,9212
)=46
)=?
2/3
47
5/6
49 177/218
45 89/125
43 41/55
e. Calcule las
estimadores.
varianzas
de
todos
los
Varianza del estimador del parmetro
41
143 713/924
0207
f.Se puede asumir que el sesgo de los estimadores es

despreciable?
Contribucin
del sesgo y la desviacin
a
En la prctica se considera que el sesgo no es influyente cuando
En el nico
caso que se
Estimador
puede asumir
0,1067
el sesgo
0,0953
1,1667
0,2623
despreciable
0,3087
-0,9547
10,0207
es con el
estimador
3,1453
g.Haga un anlisis de su precisin. Cul de ellos es mejor?
media
-2,9212
geomtrica, en
Si un estimador del parmetro poblacional es sesgado, la magnitud
los dems NO.
general para analizar su precisin es su , por lo tanto, para comparar

varios estimadores sesgados del parmetro en cuanto a su precisin se
utilizar el
Acuracidad del estimador del parmetro
Con estos resultados, se

puede concluir que el
Estimador
estimador
que
119,4722 1,1667 120,8334
presenta
mejor
100,4141 -0,9547 101,3256
precisin es la media
143,7716 3,1453 153,6645
armnica, dado que es
89,5
-2,9212
98,0334
el
estimador
con
h. Razonar la respuesta y cuantificar las ganancias
en
menor
error
precisin.
cuadrtico medio.
Estimador
23,26%
3,36%
56,75%
-
El uso de la media ARMNICA mejora en un _______% la estimacin con

respecto al estimador _______________
Para la poblacin consideramos el siguiente proceso de seleccin de

2.
muestras de tamao 3. Se selecciona un entero al azar en el conjunto y
siendo ese nmero se forma la muestra . Considerando la variable se pide
la distribucin, esperanza y varianza de los estimadores y .
muestreo y Calcular las probabilidades asociadas a las muestras
a. Construya las distribuciones muestrales de los dos estimadores.
b. son insesgados?, en el caso que no lo sean, calcule los sesgos
c. Calcule las varianzas de todos los estimadores.
d. Se puede asumir que el sesgo de los estimadores es despreciable?
e. Haga un anlisis de su precisin. Cul de ellos es mejor?
f. Razonar la respuesta y cuantificar las ganancias en precisin.
EJERCICIOS
3. En una poblacin de N=10 unidades se encuentran estas formando
cuatro subconjuntos . Los valores de una caracterstica X medida sobre
los elementos de la poblacin se presentan en la tabla adjunta:
51, 52,
53
54, 56
59, 61
52, 52,
55
Se considera un procedimiento de muestreo que consiste en elegir cada
subconjunto con probabilidades proporcionales a sus tamaos. Se considera el

estimador = media de los subconjuntos, para estimar la media poblacional, y se
considera el estimador = total de los subconjuntos, para estimar el total
poblacional. Se pide:
a) Especificar el espacio muestral relativo a este procedimiento de muestreo y
las probabilidades asociadas a las muestras. Hallar tambin las distribuciones
de probabilidad en el muestreo de los estimadores y
b) son insesgados?, en el caso que no lo sean, calcule los sesgos
c) Calcule las varianzas de todos los estimadores.
d) Se puede asumir que el sesgo de los estimadores es despreciable?
e) Qu estimacin es mejor?
f) Cuantificar la ganancia en precisin. Razonar la respuesta
EJERCICIOS
4. Para la poblacin consideramos el siguiente proceso de seleccin de

muestras de tamao 3. De una urna con tres bolas numeradas del 1 al 3 se
extraen al azar y sin reposicin 2 bolas. A continuacin de otra urna con dos
bolas numeradas con el 4 y el 5 se extrae una bola.
Consideramos los estimadores por analoga
suma de los subndices de
unidades de las muestras para estimar la caracterstica poblacional suma de los
subndices de las unidades de la poblacin y analoga = media de los
subndices de unidades de las muestras para estimar la caracterstica
poblacional =media de los subndices de las unidades de la poblacin. Se pide:
a. Espacio muestral asociado a este experimento de muestreo y probabilidades
de las muestras.
b. Hallar tambin las distribuciones de probabilidad en el muestreo de los
estimadores y
c. son insesgados?, en el caso que no lo sean, calcule los sesgos
d. Calcule las varianzas de todos los estimadores.
e. Se puede asumir que el sesgo de los estimadores es despreciable?
f. Qu estimacin es mejor?
g. Cuantificar la ganancia en precisin. Razonar la respuesta
EJERCICIOS
5. En un poblacin con unidades la variable medida sobre cada unidad toma

los valores . Se considera un proceso de muestreo sin reposicin con
probabilidades iniciales de seleccin y tamao muestral sin tener en
cuenta el orden de colocacin de las unidades en las muestras. Se pide:
Sean los estimadores , , . Si con estimamos el total poblacional, con el menor
valor de la poblacin y con Z la media poblacional, se pide:
de las muestras.
estimadores
ESTIMACIN POR INTERVALOS DE CONFIANZA
Cuando
se realiza una afirmacin acerca de los parmetros de la poblacin
en estudio con base en la informacin proporcionada por una muestra,
sealando un intervalo de valores dentro del cual se tiene confianza de
que est el valor del parmetro, se tendr una estimacin por Intervalos de
confianza ()
Realizar una estimacin por para un parmetro al nivel del de confianza
es hallar un intervalo en para el que se tiene una probabilidad de de que
el verdadero valor del parmetro caiga dentro del intervalo. A los valores
extremos de la distribucin asociados con el nivel de confianza se les
suele denominar coeficientes de confianza.
INTERVALO DE CONFIANZA CUANDO EL ESTIMADOR ES

INSESGADO.
Caso 1. La distribucin del estimador es normal;
Para
un nivel de confianza el intervalo de confianza del parmetro est
dado por:
Dado que es usual que no se conozca debido a que en su clculo
intervienen datos poblacionales no conocidos, en su lugar se utiliza
Observacin.
En este caso no se puede asegurar con exactitud que el intervalo cubra a
con probabilidad pero en la mayora de los casos toma la forma de una
suma de variables normales, con lo que podr inferirse su normalidad.
realmente es dudoso que entonces se puede utilizar la distribucin tSi
student con grados de libertad para el clculo del intervalo. En este caso
queda:
La distribucin t-Student es una distribucin de probabilidad que surge del
problema de estimar la media de una poblacin normalmente
distribuida cuando el tamao de la muestra es pequeo
Distribucin t - Student
Supongamos
que son variables aleatorias independientes distribuidas
normalmente con media y varianza .
Sea . Entonces el cociente sigue una distribucin normal con media 0 y
varianza 1.
qu pasa si no es conocida? (Pregunta que formul W. S. Gosset)
W. S. Gosset demostr que la funcin de densidad de es
1
1
2 2
t
2
1
n x n 1e x dx
f (t )
, t R, n 1

0
.
2
La distribucin depende de , no de ni de . es denominado grados
de libertad.
1.
t es una variable aleatoria continua
2. Para cada tamao de muestra posible, existe una

distribucin t. Existe una distribucin t para cada uno de
los posibles grados de libertad
3. La distribucin t es simtrica con respecto a la media, con
la condicin que a mayor tamao de muestra (mayor
nmero de grados de libertad) tiende a ser como la
normal.
4. Tericamente, la variable t toma valores desde - a +
5. La distribucin t es una distribucin de probabilidad
continua, por lo tanto el rea bajo la curva es igual a 1.
6. La media de la distribucin t est dada por para 1 y la
varianza est dada por
Tabla de Valores t
0,25
0,10
0,05
0,025
0,01
0,005
0,0025
0,001
0,0005
1c
Grados de
0,5
0,2
0,1
0,05
0,02
0,01
0,005
0,002
0.001
2c
Libertad
.
1
..
..
n -1.
n
. .
Valor t
Para (n-1) grados de libertad y .

=5% y 2C,
=2,5% y 1C
La distribucin del estimador no sigue una distribucin normal

Desigualdad de Tchebyshev
intervalo de confianza para el nivel del () de confianza en este caso

El
queda:
Observaciones.
1. Este intervalo suele ser ms ancho que el obtenido cuando la
distribucin de
es normal. A medida que
se aleja de la
normalidad, la anchura de este intervalo es mucho mayor respecto del
obtenido para normalidad.
2. Se sabe que una estimacin por es mejor cuanto ms reducido
sea el de ah que la propiedad de normalidad sea muy deseable, pues
en este caso los intervalos obtenidos son muy estrechos, lo que implica
una buena estimacin por intervalos.
TEOREMA DEL LIMITE CENTRAL
Dada una poblacin y en ella una variable X que se distribuye de

cualquier forma funcional: Normal, No normal o Desconocida con
media y varianza 2, la distribucin del estimador a partir de
todas las posibles muestras de tamao grande (n30) de esta
poblacin estar distribuida en forma aproximadamente normal.
INFLUENCIA DEL SESGO EN LOS INTERVALOS DE CONFIANZA.
ESTIMADORES SESGADOS
Si es sesgado para entonces . Por teorema del Lmite Central y para un
tamao de muestra lo suficientemente grande se cumple que
Por lo tanto para un nivel de confianza el se calcula mediante
Notar que: es un intervalo no centrado en y desplazado en la cantidad
respecto del intervalo sin sesgo, que debe centrarse situndonos en la
peor de las circunstancias.
La presencia de sesgo conduce a una estimacin por menos precisa.
La presencia del sesgo origina que el para basado en el estimador y
centrado en
tenga una longitud superior al intervalo cuando no hay
sesgo.
NORMALIDAD DE LOS ESTIMADORES

1. Como la distribucin normal es continua, en poblaciones finitas no es
posible en rigor hablar de normalidad; sin embargo, se asume el
supuesto de normalidad cuando la distribucin de frecuencias de
la variable X medida sobre los elementos de la poblacin se
ajusta a la distribucin normal.
2. Si un estimador est formado por una suma o combinacin lineal de los
para una poblacin de base normal, tendr distribucin normal en el
muestreo porque una combinacin lineal de normales es normal.
3. Si la distribucin de la poblacin no es normal, segn el la
distribucin de estimadores lineales converge a la distribucin
normal cuando . Es importante tener en cuenta que cuanto ms
alejada se encuentre la poblacin base de
la distribucin
normal, mayor ser el tamao de la muestra requerido para que
esta sea representativa.
4. Para comprobar la hiptesis de normalidad de los valores de X en la
poblacin base puede utilizarse cualquier contraste no paramtrico
como los de Kolmogorov-Smirnov, Shapiro-Wilks, asimetra y curtosis,
etc. (Esto queda pendiente hasta que se vea P. de Hiptesis)
EJERCICIOS
1. Con base en el ejercicio anterior sobre la variable X=nivel de

precipitacin atmosfrica , a la que supondremos de ajuste normal,
considerando los estimadores alternativos: media aritmtica, media
geomtrica, media cuadrtica y media armnica. Hallar intervalos de
confianza para la media segn los cuatro estimadores basados en
la muestra de mayor probabilidad para un nivel de confianza del
97%.

muestras de tamao 3. Se selecciona un entero al azar en el conjunto y
siendo ese nmero se forma la muestra . Considerando la variable se pide
la distribucin, esperanza y varianza de los estimadores y . Cul de los
dos estimadores es ms preciso? Realizar estimaciones por intervalos al
95% basadas en las muestras de mayor valor de los estimadores e
interpretar los resultados. Suponga que la variable en la poblacin es de
ajuste normal.
muestreo y Calcular las probabilidades asociadas a las muestras
b. Construya las distribuciones muestrales de los dos estimadores.
f. Haga un anlisis de su precisin. Cul de ellos es mejor?
g. Razonar la respuesta y cuantificar las ganancias en precisin.
h. Hallar un intervalo de confianza para al nivel del 95% basado en
muestra de mayor valor del estimador. Hallar tambin un intervalo de
confianza del 95% para basado en la muestra de mayor mximo.
Suponga que la variable en la poblacin es de ajuste normal.
EJERCICIOS
3. En una poblacin de N=10 unidades se encuentran estas formando
cuatro subconjuntos . Los valores de una caracterstica X medida sobre
los elementos de la poblacin se presentan en la tabla adjunta:
51, 52,
52,
54, 56
59, 61
52, 52,
52,
53
55 en elegir cada
de muestreo que consiste
Se considera un procedimiento
subconjunto con probabilidades proporcionales a sus tamaos. Se considera el

estimador = media de los subconjuntos, para estimar la media poblacional, y se
considera el estimador = total de los subconjuntos, para estimar el total
poblacional. Se pide:
a) Especificar el espacio muestral relativo a este procedimiento de muestreo y
las probabilidades asociadas a las muestras. Hallar tambin las distribuciones
de probabilidad en el muestreo de los estimadores y
b) son insesgados?, en el caso que no lo sean, calcule los sesgos
c) Calcule las varianzas de todos los estimadores.
d) Se puede asumir que el sesgo de los estimadores es despreciable?
e) Qu estimacin es mejor?
f) Cuantificar la ganancia en precisin. Razonar la respuesta
g) Hallar un intervalo de confianza para la media al nivel del 95% basado en el
subconjunto de mayor total. Hallar tambin un intervalo de confianza del
98% para el total basado en el subconjunto de mayor media. Suponga que la
variable en la poblacin es de ajuste normal.
EJERCICIOS

muestras de tamao 3. De una urna con tres bolas numeradas del 1 al 3 se
extraen al azar y sin reposicin 2 bolas. A continuacin de otra urna con dos
bolas numeradas con el 4 y el 5 se extrae una bola.
Consideramos los estimadores por analoga
suma de los subndices de
unidades de las muestras para estimar la caracterstica poblacional suma de los
subndices de las unidades de la poblacin y analoga = media de los
subndices de unidades de las muestras para estimar la caracterstica
poblacional =media de los subndices de las unidades de la poblacin. Se pide:
de las muestras.
estimadores y
h. Hallar un intervalo de confianza para la media al nivel del 95,5% basado en
la primera muestra para los dos estimadores. Suponga que la variable en la
poblacin es de ajuste normal.
EJERCICIOS
5. En un poblacin con unidades la variable medida sobre cada unidad toma

los valores . Se considera un proceso de muestreo sin reposicin con
probabilidades iniciales de seleccin y tamao muestral sin tener en
cuenta el orden de colocacin de las unidades en las muestras. Se pide:
Sean los estimadores , , . Si con estimamos el total poblacional, con el menor
valor de la poblacin y con Z la media poblacional, se pide:
de las muestras.
estimadores
h. Hallar intervalos de confianza para los estimadores , y basados en la
muestra de mayor probabilidad para un nivel de confianza del 97%.
Suponga que la variable en la poblacin es de ajuste normal. Haga un
anlisis de los resultados.
ESTIMADORES LINEALES INSESGADOS EN MUESTREO

ALEATORIO SIMPLE SIN REPOSICIN
1.
2.
3.
4.
1.
2.
3.
4.
Si
Si
Si
Si
entonces el estimador ser

VARIANZAS DE LOS ESTIMADORES EN MUESTREO ALEATORIO

SIMPLE SIN REPOSICIN DADO QUE SE CONOCE LA
DISPERSIN
Varianza del estimador
del total: POBLACIONAL
Varianza del estimador de la media:
Varianza del estimador de la proporcin:

Varianza del estimador del total de clase:
Observacin. Dado que la informacin de la poblacin resulta en la

prctica desconocida, entonces ser necesario estimar su varianza y valor
P con la informacin proporcionada por la muestra, terminando no con la
varianza del estimador sino con el valor estimado de esta.
1.
2.
3.
4.
VARIANZAS ESTIMADAS DE LOS ESTIMADORES EN MUESTREO

ALEATORIO SIMPLE SIN REPOSICIN (Poblaciones finitas)
Varianza del estimador del total:
1.
2.
3.
4.
VARIANZAS DE LOS ESTIMADORES EN MUESTREO ALEATORIO

SIMPLE CON REPOSICIN (Poblaciones infinitas)
Para calcular las varianzas estimadas en este caso basta con quitar de las
expresiones estimadas sin reposicin el factor
EJERCICIOS
6. Considere una poblacin finita de 6 elementos sobre los que se mide una
variable X, obteniendo como resultado . Mediante muestreo aleatorio
simple se extraen muestras de tamao 2. Se pide.
a) Cuntos elementos tiene el espacio muestral? Especificar tal
espacio y las probabilidades asociadas a las muestras.
b) Hallar las distribuciones en el muestreo de los estimadores de la
media, del total, de la varianza, as como los estimadores de sus
varianzas.
c) Compruebe la insesgadez de los estimadores.
d) Verifique que se cumple que y
e) Verifique que el estimador = Total muestral, no es insesgado del
total poblacional .
f) Hallar intervalos de confianza del 97% para la media y el total en la
poblacin tomando como referencia la muestra de mayor promedio
para la media y la de menor total para el total.
g) Hallar el tamao de muestra necesario para que el error de muestreo
sea 2 al estimar la media de la poblacin dado que se asume una
confianza del 95%
h) Asuma que el muestreo se hace con reposicin. Repita las partes a) a
EJERCICIOS
7. Con el objetivo del anlisis de la divisibilidad de un conjunto de nmeros considere
la poblacin , . Mediante muestreo aleatorio simple se extraen muestras de
tamao 2.
a) Cuntos elementos tiene el espacio muestral? Especificar tal espacio y las
probabilidades asociadas a las muestras.
b) Hallar las distribuciones en el muestreo de los estimadores de la proporcin de
nmeros primos y del total de nmeros primos, as como de los estimadores
de sus varianzas.
c) Compruebe la insesgadez de los estimadores.
d) Verifique que se cumple que y
e) Verifique que el estimador = Total de nmeros primos en las muestras, no es
insesgado del total de clase poblacional A.
f) Hallar intervalos de confianza del 95% para el total y la proporcin de
nmeros primos de la poblacin tomando como referencia las muestras cuyos
dos elementos son nmeros no primos. Asuma que la variable de inters en la
poblacin no se ajusta a una distribucin normal.
g) Hallar el tamao de muestra necesario para que el error de muestreo sea 1/4
al estimar la proporcin de nmeros primos de la poblacin dado que se
asume una confianza del 97%
EJERCICIOS
8. De una poblacin con 45 millones de habitantes se ha obtenido una
muestra de 10000. En ella 4250 se han clasificado como poblacin
activa, y de estos 125 se encuentran en situacin de desempleo. Se pide:
a) Estimar la proporcin de poblacin activa.
b) Estimar el nmero de personas activas que se encuentran en
situacin de desempleo.
c) Calcular los errores absoluto y relativo de muestreo en ambas
estimaciones.
d) Determine los intervalos de confianza tanto para la proporcin de la
parte a) como para el total de la parte b) asumiendo un riesgo del
2,5%
e) Cuntas personas de todas las edades sera necesario incluir en una
muestra para estimar la proporcin de actividad con un error
absoluto del 2% y una probabilidad del 95%? Suponga que por el
ltimo censo se sabe que en el pas hay un 39% de activos.
9. En una regin con viviendas determinar el tamao de muestra necesario
para que, con un nivel de confianza del 95%, la estimacin de la
proporcin de viviendas que no tienen servicio de agua tratada no difiera
Principio
Gua:
No
existen
resultados
cuantitativos vlidos si no van acompaados de
alguna estimacin de los errores inherentes a
ellos.
Tipos de Errores
Crasos
Crasos oo
Espurios
Espurios
Aleatorios
Aleatorios o
Indeterminados
Indeterminados
Sistemticos o
Determinados
Determinados
Afectan la precisin o reproducibilidad del
Provocan
experimento
Entre ms alta sea la variabilidad, mayor
mayora de los resultados sean
que
todos
la
ser el error aleatorio y por lo tanto menor
errneos en el mismo sentido.
precisin
No se pueden eliminar. Se pueden
Afectan la exactitud; es decir,
minimizar. Se evalan por medio de
la
proximidad
al
verdadero
mtodos
Losestadsticos.
errores sistemticos y aleatorios
pueden ocurrir
independientemente uno del otro.
valor
Error Sistemtico: Aquel que se produce por descuido y por lo tanto

se presenta de igual modo (sentido y proporcin) en todas las
mediciones realizadas. Contrario al error aleatorio, no se anula.
Tendencias subjetivas del investigador.
Sustituciones segn criterio del investigador de unidades de la

muestra que haban sido elegidas al azar.
Insuficiente observacin.
Instrumentos de medicin mal calibrados.
Materiales para la medicin no estndar. Observaciones mal

realizadas.
Proteccin ms efectiva:
Uso de materiales de referencia.
Uso de mtodos estndar.
TEORIA DE ESTIMACIN
ESTADSTICA
Proceso mediante el cual se intenta

develar o descubrir informacin sobre el
comportamiento de variables de inters
a nivel poblacional a partir de la
informacin proporcionada en tales
variables por una muestra. El proceso
de
estimacin
supone
la
no
presencia de errores sistemticos.
ERROR MUESTRAL
Una vez que se tiene una estimacin puntual

del parmetro poblacional, una pregunta vlida
es: qu tan buena es la estimacin? En
general no se conoce el valor del parmetro
(de otro modo para que estimar?), por lo que
es imposible calcular exactamente el error
muestral.
El error de la
muestra es
una variable
aleatoria
Sesgo y Variabilidad
En la figura se analiza intuitivamente el efecto combinado de sesgo
y variabilidad de la distribucin de muestras de un estadstico . Si

es el valor del parmetro que se est estimando, los puntos
representan los valores posibles del estadstico . As, si el
estadstico de muestra es la media o mediana, los puntos
representan posibles medias o medianas de muestras.
De esto se sigue que

la cercana de un
estimador con el
parmetro que se
estima deber basarse
tanto en el sesgo
como en la variabilidad
o error estndar del
estimador.
INSESGADEZ DEL
ESTADSTICO
Si el valor esperado del
estadstico muestral es
igual
al
parmetro
poblacional
que
se
estudia, se dice que el
estadstico muestral es
un estimador insesgado
del
parmetro
poblacional.
SESGADEZ DEL
ESTADSTICO
El sesgo de un estimador sesgado

entonces definido como:
queda
EFICIENCIA (Menor
Variabilidad)
Como
el error estndar de es menor que el error

estandar de ; por tanto, los valores de
tienen ms
posibilidades de estar cerca del parmetro que los
valores de
E
es
relativamente
ms eficiente
que
y se
prefiere como
estimador
puntual.
EFICIENCIA
Por lo tanto, en el caso de tener dos

estimadores insesgados y ,se preferir aquel
cuya desviacin estndar o error absoluto,
error relativo y acuracidad sea menor
(precisin ms alta). As, en el muestreo de
una poblacin normal, donde la media y la
mediana poblacional son iguales, el error
estndar de la mediana se presentar mayor
que el error estndar de la media. En vista de
lo anterior, y con base en estos dos aspectos,
la media se preferir sobre la mediana.
Consistencia (depende de n)
Un
estimador puntual es consistente si el valor del estimador

puntual tiende a estar ms cerca del parmetro poblacional
a medida que el tamao de la muestra aumenta.
Por tanto una muestra grande tiende a proporcionar mejor
estimacin puntual que una muestra pequea.
En el caso de la media muestral , donde esta vinculada con
el tamao de la muestra, de manera que muestras mayores
dan valores menores de , entonces muestras de tamao
grande tienden a proporcionar estimadores puntuales ms
cercanos a
Herramienta que permite, con base en
la INFORMACIN proporcionada por
una MUESTRA DE TAMAO n sobre
una variable de naturaleza cuantitativa
o cualitativa, PROYECTAR el
comportamiento de la variable a la
TOTALIDAD DE LA POBLACIN
asumiendo para ello la PRESENCIA DE
LA INCERTIDUMBRE y facilitando as
los procesos de TOMA DE
DECISIONES
CRITERIOS
1. El procedimiento de inferencia se
relaciona
con
parmetros
o
medidas de la variable de inters en
la poblacin.
2. La variable de inters en la poblacin
de la cual surgen los datos est
distribuida normalmente.
PROCEDIMIENTOS ESTADSTICOS
DE INFERENCIA
1. Procedimientos Paramtricos. Se asume

que la variable de inters en la poblacin
sigue
un
comportamiento
Normal
incluyendo para los clculos parmetros o
medidas de la poblacin
2. Procedimientos No Paramtricos o de
Libre
Distribucin..
No
incluyen
parmetros o medidas de la poblacin en
sus clculos. Se asume que la variable de
inters en la poblacin no sigue un
comportamiento Normal.
TEORA DE INFERENCIA
ESTADSTICA
1. Distribuciones Muestrales de Probabilidad.

Constituyen la base terica de los procesos de
inferencia estadstica
2. Estimacin Estadstica por Intervalos de
Confianza.
Permiten
la
proyeccin
del
comportamiento de la variable en la poblacin con
la informacin que proporciona la muestra
3. Prueba de Hiptesis. Procedimiento alterno al
anterior que busca confirmar que la evidencia
proporcionada por la variable con la muestra aporta
resultados estadsticamente significativos que
haran atribuible lo observado con la muestra a la
poblacin.
DISTRIBUCIONES MUESTRALES DE
PROBABILIDAD
POBLACIN
CUANTAS
MUESTRAS
DIFERENTES SE
PUEDEN OBTENER?
VARIABLE
CON REPOSICIN?
SIN REPOSICIN?
MEDIA POBLACIONAL DE
LA VARIABLE EN LAS
UNIDADES
VARIANZA Y DESVIACIN
2
ESTNDAR POBLACIONAL DE LA
NORMAL
VARIABLE EN LAS UNIDADES
POBLACIN DE
MUESTRAS
VARIABLE
DESCONOCIDO
COMPORTAMIENTO
FUNCIONAL DE LA VARIABLE EN CONOCIDO NO NORMAL
LA POBLACIN
FORMALIZANDO LA DISTRIBUCIN DE MEDIAS

MUESTRALES
Supngase una poblacin de tamao N y en ella una variable cuantitativa X, para la
que se conocen la media Aritmtica () y la varianza () y para la que su forma
funcional podra ser: Normal, Conocida pero no normal o desconocida.
Si se determinan todas las posibles M muestras de tamao n: M1, M2, .......,MM ; y
para cada una de ellas se calcula su respectiva media aritmtica: , , ; entonces, se
construye una nueva variable denominada medias muestrales y a partir de ella la
distribucin de probabilidad que lleva su nombre.
El comportamiento funcional de esta distribucin es aproximadamente normal es
decir la variable tiende a un comportamiento normal a medida que n crece.
FORMALIZANDO LA DISTRIBUCIN DE
PROPORCIONES MUESTRALES
Supngase una poblacin de tamao N y en ella una variable cualititativa X, para la
que se conocen en una clasificacin A de la Variable su proporcin () y su varianza
() y para la que su forma funcional podra ser: Conocida pero no normal o
desconocida.
Si se determinan todas las posibles M muestras de tamao n: M1, M2, .......,MM ; y
para cada una de ellas se calcula su respectiva proprocin en la clasificacin A: , ,
; entonces, se construye una nueva variable denominada proporciones muestrales
y a partir de ella la distribucin de probabilidad que lleva su nombre.
PARA QU LAS
DISTRIBUCIONES MUESTRALES
DE PROBABILIDAD?
PARA LLEGAR A LA CONCLUSIN
DEL COMPORTAMIENTO DE LA
VARIABLE EN LA POBLACIN
SIN TENER QUE OBSERVAR
TODA LA POBLACIN
ANALISIS INFERENCIAL DE UNA

VARIABLE CON BASE EN
DISTRIBUCIONES MUESTRALES DE
PROBABILIDAD
CUANTITATIV
A
UNA
POBLACIN
DOS
POBLACIONES
MEDIA
VARIANZA
TOTAL
DIFERENCIAS
ENTRE MEDIAS
CUALITATIVA
PROPORCIO
N TOTAL
DIFERENCIAS
ENTRE
PROPORCIONE
S
ESTIMADORES PUNTUALES
PRINCIPIO DE ANALOGA. Se estima un parmetro
poblacional a partir del estimador muestral.
Para la Media
Poblacional
Para el Total
Poblacional
Para la Proporcin
Poblacional
Para el Total Poblacional
Para la Varianza
Poblacional
Para la Diferencia entre Medias
Poblacionales
Para la Diferencia entre Proporciones
Poblacionales
P p
2
2
1 2 x1 x 2

P1 P2 p1 p2
ESTIMACIN POR INTERVALOS

Una estimacin por Intervalo permite hacer
inferencias acerca de un poblacin estimando el
valor
de un parmetro desconocido
usando un
5.00
intervalo.
4.50
N=30. IC de
la media con
un nivel de
confianza del
95% para 30
muestras de
tamao 8
4.00
3.50
3.00
2.50
2.00
1.50
1.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
De acuerdo con el teorema del lmite central, la

distribucin
de
muestras
de
tamao
grande
es
aproximadamente
normal,
independientemente
de
la
distribucin de la poblacin de que procedan (uniforme,
binomial, poisson, normal, etc.), Consecuentemente, y de ah
la relevancia del teorema, se podr inferir sobre la media
poblacional sin necesidad de conocer la forma especfica de su
distribucin. Esto aplica en particular para la distribucin de
proporciones muestrales.
ESTIMACIN POR INTERVALOS DE CONFIANZA

DE LA MEDIA DE UNA VARIABLE CON
DISTRIBUCIN NORMAL CON BASE EN UNA
MUESTRA
GRANDE (n30)
CUANTITATIVA
CUALITATIVA
Muestreo A. Simple
IS x Z . x
is N . I ; N . S
Muestreo A. Estratificado
UNA
POBLACI
N
IS x st Z . x st
is N . I ; N . S
Muestreo A.
Conglomerados
x c Z . x c
S
I
is
N . I ; N . S
Muestreo A. Simple
PIS p Z . P
A is N .PI ; N .PS
Muestreo A.
Estratificado
S
PI pst Z . Pst
A is N .PI ; N .PS
Muestreo A.
Conglomerados
P S p Z .
I
Pc
s N . P ; N . P
A
i
I
S
VARIANZAS ESTIMADAS DE LOS ESTIMADORES EN

MUESTREO ALEATORIO SIMPLE SIN REPOSICIN
finitas)
1.
del total:
Varianza del estimador (Poblaciones
2. Varianza del estimador de la media:
3. Varianza del estimador de la proporcin:
4. Varianza del estimador del total de clase:
VARIANZAS DE LOS ESTIMADORES EN MUESTREO

ALEATORIO SIMPLE CON REPOSICIN (Poblaciones
1.
infinitas)
2. Varianza del estimador de la media:
3. Varianza del estimador de la proporcin:
4. Varianza del estimador del total de clase:
Para calcular las varianzas estimadas en este caso basta con quitar de las
expresiones estimadas sin reposicin el factor
ESTIMACIN POR INTERVALOS DE CONFIANZA DE LA

MEDIA DE UNA VARIABLE CON DISTRIBUCIN NORMAL
CON BASE EN UNA MUESTRA PEQUEA (n30)
CUANTITATIVA
Muestreo A. Simple
IS x t . x
UNA
POBLACI
N
g .l. n 1
Muestreo A.
Estratificado
S
I x st t. x st
g .l. n1 n2 n3 ....n1 i
Muestreo A.
Conglomerados
S
I x c t. x c
g .l. n 1
CUALITATIVA
Muestreo A. Simple
PIS p t . P
g .l. n 1
Muestreo A.
Estratificado
S
PI p st t. Pst
g .l. n1 n2 n3 ....n1 i
Muestreo A.
Conglomerados
S
PI pc t . Pc
g .l. n 1
Ejemplo.
Supongamos que para una variable (por ejemplo Tiempo necesario para realizar una
actividad), se pretende hacer una estimacin con base en una cierta muestra de
tamao n utilizando un nivel de confianza del 95% y un error del 3%. Qu quiere decir
esto?
Sol.
Quiere decir que se espera que en el 95% de las posibles muestras (en particular, con
la muestra que se est trabajando) el verdadero tiempo (promedio) de toda la
poblacin de aquellos que la realizan, se presente con una diferencia aproximada al
3% del tiempo promedio proporcionado por la muestra.
EJEMPLO
1. Un fabricante de llantas desea investigar la durabilidad de sus
productos. Una muestra de 10 llantas que recorrieron 50.000
millas revel una media muestral de 0,32 pulgadas de cuerda
restante (lo que queda de la llanta despus del uso) con una
desviacin estndar de 0,09 pulgadas. Construya un intervalo
de confianza de 95% de la media poblacional. Sera razonable
que el fabricante concluyera que despus de 50.000 millas la
cantidad media poblacional de cuerda restante es de 0,30
pulgadas? Asumir que la distribucin es normal
2. El propietario de la estacin de gasolina San Pedro desea determinar la

proporcin de clientes que utilizan dinero plstico (tarjeta de crdito o
dbito) para pagar la gasolina. Entrevist a 100 clientes mediante muestreo
aleatorio sistemtico y descubre que 80 pagaron con este medio.
a)Calcule el valor de la proporcin de la poblacin.
b)Construya el IC de 95% de la proporcin poblacional.
3.
Los siguientes son datos de conductividad trmica de cierto tipo de

hierro (en BTU/hr-ft-F):
41.60 41.48 42.34 41.95 41.86
42.18 41.72 42.26 41.81 42.04
Hallar un intervalo de confianza del 95 % y uno del 99% para la media.
Se supone que la poblacin tiene una distribucin Normal con =0.3
4.
Se toma una muestra de 49 observaciones de una poblacin normal

con una desviacin estndar de 10. la media de la muestra es de 50.
determine el intervalo de confianza de 99% de la media poblacional
().
5. Una muestra al azar de 50 casas en un sector indica que 10 de ellas
estaban desocupadas. Estime la proporcin de casas desocupadas en
el sector con un nivel de confianza del 99%. Repita el proceso si se
sabe que en total hay 5000 casas.
6. Una investigacin efectuada a 400 familias de clase media revel que
en la realizacin de fiestas familiares, un 62% prefera el aguardiente a
cualquier otra clase de licor. Estime utilizando un nivel del 95% la
proporcin de familias en la poblacin que prefiere aguardiente en sus
fiestas.
7. Supngase que para verificar la confiabilidad de los saldos del movimiento

de un artculo, un auditor ha decidido realizar una prueba sustantiva. Se
sabe que los saldos se distribuyen en forma aproximadamente normal. Al
observar una muestra de 21 documentos, se encontr que el saldo
promedio era de $2450000 con una varianza de $260000. A un nivel del
estime el de
saldo
del movimiento
del artculo
que sabe
se observa.
8. 95%
Una auditora
unapromedio
gran compaa
de tarjetas
de crdito
que en
promedio, el saldo mensual de determinado tipo de cliente es de
$1.812.000 con una desviacin de $100000. Si revisa 50 cuentas
seleccionadas al azar, Cul es la probabilidad que el saldo promedio
mensual sea...
a. A lo ms de $1.820.000=
=
=
b. sabe
Entre que
$1.810.000
9. Se
el 4 % yde$1.830.000
las piezas producidas por cierta mquina son
defectuosas, Cul es la probabilidad de que en un grupo de 200 piezas el
3% o ms sean defectuosas?
10.Un fabricante de desodorantes recibe cada semana lotes de 8000 vlvulas
para los tarros rociadores, para aceptar o rechazar dichos lotes, selecciona al
azar 500 vlvulas de cada lote; si el 2% o ms resulta defectuosos, se
rechaza el lote,; en caso contrario se acepta el lote. Cul es la probabilidad
de rechazar un lote que contenga el 1% de vlvulas defectuosas?
El departamento de control de calidad de una empresa fabricante

de pintura desea establecer el tiempo de secado promedio de su
nueva pintura de secado rpido. Para ello se instruye a su
personal para que pinte 49 tableros con pintura de 49 latas
distintas de 1 galn de la nueva pintura. Los resultados se dan a
continuacin. se considerara vlido anunciar que seca en 20
minutos?
EJERCICIOS PARA CALCULAR UN VALOR t O

ESTUDENTIZADO DE UNA PROBABILIDAD
CENTRADA
Localice el valor t en las siguientes condiciones:
El tamao de la muestra es de 12, y el nivel de confianza de 95%.

Valor t(0,95;11) = 2,201
En Excel
Valor t(0,90;19) = 1,729
En Excel
Valor t(0,99;7) = 3,499
DIFERENCIAS ENTRE MEDIAS MUESTRALES
Supngase dos poblaciones de tamaos N1 y N2 y en ellas una variable cuantitativa X
cuyo comportamiento funcional es normal, para la que se conocen sus respectivas
medias aritmticas (1 y 2 ) y varianzas (21 y 22).
Si se extraen en forma aleatoria todas las posibles M muestras independientes sin
reposicin de tamaos n1 y n2 grandes en cada poblacin respectivamente y en cada
una de ellas se calcula su respectiva media muestral, entonces, se construye una
nueva variable denominada diferencias entre medias muestrales y a partir de ella la
distribucin
de probabilidad que lleva su nombre.

La variable aleatoria es normal con media y con varianza .
si
Como es un estimador puntual de y es un estimador puntual de , un estimador puntual de

la diferencia de las medias poblacionales es
1 2 x1 x 2
EJEMPLO
Hasta hace poco tiempo, los granjeros suecos fumigaban el 80% de todos
los cereales sembrados con un fungicida que contena metilo mercurio. Se
llev a cabo un estudio para comparar el nivel medio de mercurio en los
huevos producidos en Suecia con el de los huevos producidos en
Alemania, dnde no se utiliza el metilo de mercurio. Se seleccion una
muestra aleatoria de huevos producidos en Suecia y otra muestra
aleatoria de huevos producidos en Alemania. Los resultados son los
Alemania
Suecia
Alemania
siguientes:
Con base en los datos reunidos, construya una estimacin puntual de la

diferencia en los niveles medios de mercurio en los huevos de los dos
pases.
Observacin.
La estimacin por intervalos de confianza de la diferencia se
calcula mediante la expresin
S
( x1 x 2 ) ( x1 x 2 ) Z ( x x 2 )
I
EJEMPLO
1. El rendimiento medio de los autos de la marca A es de 20 Km/gal.

Con
una desviacin estndar de 6 Km/gal. Las cifras comparables para los
autos de la marca B son 25 y 5,5 Km/gal. Se supone que el rendimiento de
cada una de ambas est normalmente distribuido. Cul es la probabilidad
que al realizar una comparacin el rendimiento medio para 40 autos de la
marca A sea mayor que el de 39 autos de la marca B?
2. El departamento de registro y control acadmico de una universidad desea
estimar la diferencia entre las medias de las calificaciones de estudiantes
de dos cursos paralelos de una asignatura. Se tomaron dos muestras
aleatorias e independientes presentando los siguientes resultados: n1=65, ,
, n2=78, , . Utilizando un nivel de confianza del 95% estime la diferencia en las
medias de las calificaciones que se obtienen entre los cursos.
EJEMPLO
1. Al tomar dos muestras de 100 bombillas cada una, de dos marcas
diferentes, se encontr que el tiempo medio de duracin en la primera
fue de 1750 horas y en la segunda de 1850 horas, con varianzas de
12100 horas2 y 8100 horas2 respectivamente. Utilizando un nivel de
confianza del 90% estime la diferencia media en los tiempos de
duracin de los dos tipos de bombillas.
2. Se hizo una entrevista a 32 subdirectores y 31 analistas de mercado de
una gran empresa. Se les pregunt a cada uno cul considera ser el
porcentaje ptimo de cobertura de mercado para su compaa. Se
obtuvieron las siguientes respuestas:
Subdirectores: 26 27 26,5 27,3 28 - 25 31,3 27,8 20,3
24,2 22,5 26,3 24 25 23,5 27 30 23,5 23,5 24 23
25 24 26 26,5 29 27 28 26,7- 23,6 23,7 - 28
Analistas:
23,1 28,6 24,2 23,5 26,3 29 30 32 30,5
30 32 31,5 32 30 28 26 25 28 29 28 27 26 25,5
26,5 28 27,5 30 31 30,5 30,5 - 28
Utilizando un nivel de confianza del 98% estime la diferencia en la
opinin de cobertura entre subdirectores y analistas.
ESTIMACIN POR INTERVALOS DE CONFIANZA DEL

COMPORTAMIENTO DE UNA VARIABLE DE NATURALEZA
CUANTITATIVA QUE SE AJUSTA A UN COMPORTAMIENTO NORMAL
EN DOS POBLACINES CON BASE EN MUESTRAS PEQUEAS
(n
1 30 y nA.
2 30)
Muestreo
Simple
Cuando se desconocen las varianzas de las
poblaciones
SUPUESTOS
2
1
2
2
2
1
? ; 22 ?
S
DOS
( x1 x 2 ) ( x1 x 2 ) t ( x x 2 )
I
1
POBLACIONE
S
s 2p s 2p
( x1 x 2 )
n1
n2
( x x
1
S
2)I
2
1
22
( x1 x 2 ) t ( x x
1
(n1 1) s12 (n 2 1) s 22
s
n1 n2 2
2
p
( s1
n1
s12
)t1 ( s 2
n2
n1
s2
Cochran
n2
)t 2
2)
2
1
22
2
1
s12
gl
n1
EJEMPLO
n1
n1 1
2
2
n 2
s 22
n 2
n2 1
Clculo de
grados de
libertad
propuesto
por
Montgome
ry, pg.
392
( x x
1
S
2)I
( x1 x 2 ) t ( x x
1
2)
El clculo de los grados de libertad se redondea

hacia abajo al entero ms cercano
Es generalmente aceptado que existen diferencias ligadas al sexo relacionadas con la

respuesta a la tensin producida por el calor. Un grupo de 12 hombres y 15 mujeres fue
observado durante el desarrollo de un programa exigente de ejercicios de toda clase y con
diferentes tipos de aparatos. El medio ambiente en el que se desarroll era caluroso y las
condiciones disponibles de agua eran mnimas para cada participante. Antes de iniciar la
prueba y al terminarla los participantes fueron pesados. Se obtuvieron los siguientes
porcentajes de prdida de peso corporal.
Hombres
2,5 3,0 3,2 2,5 3,5 4,2
3,1 4,2 2,7 4,1 2,3 2,8
Mujeres
2,0 - 2,1 - 3,1 - 2,5 - 2,3 - 3,0 3,5 1,8 -2,8
2,7 - 2,4 2,1 3,1 1,5 3,2 4,1
Utilizando un nivel de confianza del 95% y asumiendo varianzas iguales en la variable

observada en las dos poblaciones, estime la diferencia en prdida porcentual de peso
corporal entre hombres y mujeres.
DIFERENCIAS ENTRE PROPORCIONES
MUESTRALES
Supngase dos poblaciones de tamaos N1 y N2 y en ellas una variable cualitativa X
cuyo comportamiento puede ser conocido o desconocido pero no normal observada
en una clasificacin A para la cual se conocen sus respectivas proporciones (P1A,
P2A) y varianzas (21A, 22A).
Si se extraen todas las posibles M muestras de tamaos n1 y n2 grandes de cada
poblacin, y en cada una de ellas se determinan sus respectivas proporciones
muestrales en A. entonces, se construye una nueva variable denominada
diferencias entre proporciones muestrales y a partir de ella la distribucin de
probabilidad que lleva su nombre.

La variable aleatoria es aproximadamente normal con media y varianza .
Si
Como es un estimador puntual de y es un estimador puntual de , un

estimador puntual de la diferencia de las proporciones poblacionales es
Observacin.
La estimacin por intervalos de la diferencia se calcula mediante
la expresin
S
( p1 p2 ) I ( p1 p2 ) Z ( p1 p2 )
EJEMPLO
1. Una muestra de 350 personas en una ciudad A revel que 250 de ellos
prefieren cierta marca de chocolate y otra muestra de 400 personas en la
ciudad B revel que 290 de ellos prefieren la misma marca. Utilizando un
nivel de confianza del 98%, estime la diferencia en las proporciones de las
personas que prefieren dicha marca de chocolate en las dos ciudades.
2. Basndose en su experiencia, los fiscales de transito de Bucaramanga se
han dado cuenta que el 15% de los automviles presentados a la
inspeccin anual no pasan este requisito. Cul es la probabilidad de que
en una muestra de 200 automviles elegidos al azar ...
a. Entre 25 y 35 no pasen la inspeccin?
b. Por lo menos 40 no pasen la inspeccin?
c. A lo ms el 10% no pasen la inspeccin?
3. Al investigar la imagen de calidad de cierta marca de reloj de pulso, se
seleccion una muestra de 120 profesionales y 80 talleres de reparacin
de reloj de pulso y se obtuvo la siguiente informacin:
OPINIONES
La marca es buena. Rara vez

sufre descompostura en los
primeros aos de uso.
La marca no es buena. Se
descompone frecuentemente
desde el primer ao de uso.
TOTAL
PROFESIONA
LES
60
TALLER
ES
48
60
32
120
80
con un nivel de confianza del 97% y

con la informacin proporcionada por
la muestra, estime la diferencia en
las proporciones entre profesionales
y Talleres que opinan que la marca
es buena.
Distribucin Ji Cuadrado
Enestadstica,
ladistribucin (de Pearson), llamada Chi cuadrado o Ji
cuadrado, es unadistribucin de probabilidad continuacon un
parmetroque representa losgrados de libertadde lavariable aleatoria
donde
las
son
variables
aleatoriasnormalesindependientesdemediacero yvarianzauno. El que la
variable aleatoriatenga esta distribucin se representa habitualmente
as:
Funcin de densidad
n x n 1e x dx
0
Funcin de distribucin
Para
especificar un valor de se utiliza la tabla de la chi cuadrado o la
computadora. Se requiere conocer el nmero de grados de libertad y el
nivel de significacin. La tabla muestra solo las reas en el extremo
derecho, extremo que resulta el ms empleado.
A significa el rea del
extremo derecho para
los valores de 2 que
aparecen en la tabla.
g.l.
significa
el
nmero de grados de
libertad.
PROPIEDADES
2 es una variable aleatoria.

2. Para cada tamao de muestra corresponde una distribucin 2
especfica. Lo anterior podra interpretarse tambin como que la
distribucin 2 depende slo de los grados de libertad.
3. La distribucin 2 es sesgada a la derecha, con la condicin que a
mayor tamao de muestra (mayor nmero de grados de libertad) se
har menos sesgada y tiende a la normalidad y es unimodal.
4. La media de la distribucin 2 est dada por los grados de libertad. ( =
K); as como la varianza est determinada por el doble de los grados de
libertad. (2 = 2K)
TEOREMA
Supongamos
que son una muestra aleatoria de tamao n de variables
aleatorias independientes distribuidas normalmente con media
y
varianza . La variable aleatoria se distribuye como una variable Jicuadrado con n-1 grados de libertad. Si se multiplica y divide el numerador
de esta expresin por , la variable aleatoria se presenta como
Por el Teorema anterior, para un nivel de confianza 1- se verifica que
existen y tales que

s 2 (n 1)
2
I
s2
2
1
2
1
s2 s 2 (n 1) I2
s 2 (n 1)
s 2 (n 1)
2

2
s
I2
Lo anterior sugiere que los lmites del intervalo de confianza para la

varianza de la poblacin estn dados por
s 2 (n 1)
s 2 (n 1)
LS
LI
2
I2
s
Como la distribucin 2 es sesgada a la derecha, el estimador 2 no est
en el centro del intervalo como en los otros casos ya estudiados.
Si se extrae la raz cuadrada a cada lmite de la estimacin, se
obtiene una estimacin de la desviacin poblacional.
EJEMPLO
1. Un especialista en Salud Ocupacional ha venido observando los
factores de riesgo a los cuales se encuentra sometido un cierto grupo
de trabajadores y ha reunido informacin sobre la accidentalidad diaria
que se presenta. Ha asumido que los valores del nmero de accidentes
por da siguen una distribucin normal. Al tomar una muestra aleatoria
de 25 das observa que el nmero medio de accidentes por da es de
2.5 con una desviacin estndar de 1,9. Estime utilizando un nivel de
confianza del 95% el valor de 2.
2. El contenido de azcar del jarabe en latas de duraznos en almbar tiene
una distribucin normal. Se quiere hacer afirmaciones acerca de la
dispersin de este. Una muestra de 10 latas dio como resultado una
desviacin estndar de 4,8 mg. Usando un nivel de confianza del 95%
estime la varianza del contenido de azcar del jarabe.
3. Una mquina llenadora ha ejecutado su operacin con una varianza de
0.83 grms2. Si se toma EJERCICIOS
una muestra de 15 unidades, cul es la
probabilidad
de tener
una varianza:y estadstica. William Mendenhall,
Libro:
Introduccin
a la probabilidad
2
a. J. Beaver,
superiorBarbara
a 1.249 M.
grms
?
Robert
Beaver.
Cp. 10. Pgs. 417 a 424.
2
b. inferior a 0.3896 grms ?
Distribucin F
distribucin es una distribucin de probabilidad continua. Tambin se la
La
conoce como distribucin de Snedecor (por George Snedecor) o como
distribucin de Fisher-Snedecor.
Si U y V son dos variables aleatorias independientes que tienen
distribucin Chi Cuadrado con m y n grados de libertad,
respectivamente, entonces, la variable aleatoria
tiene funcin de
distribucin
Funcin de
densidad
m2
mn
.
2
f x
m
.
2
n
n
.x
m
1 .
mx
. 1
mn
n X n 1e X dX
0
m: # de grados de libertad del

numerador;
n: # de grados de libertad del
denominador
,x 0
Propiedades de la distribucin F
Una distribucin se encuentra sesgada a la derecha.
A medida que crece el nmero de grados de libertad del numerador y del
denominador, tiende a ser ms concentrada (reduce la dispersin) y por
lo tanto ms puntiaguda, as como tambin simtrica
distribucin es una distribucin de probabilidad continua, por lo tanto,
La
el rea bajo la curva es igual a 1.
forma similar que la distribucin t y la distribucin la distribucin es
En
una familia de distribuciones, slo que para hacerse especfica se requiere
tener definidos:
Nivel de significacin
Grados de libertad del numerador
Grados de libertad
de la
razn
de
varianzas
2
n para el denominador
2
n
(
m
2
)
2
E( X )
V (X )
2
n2
m ( n 2) ( n 4 )
Distribucin F
G
r
a
d
o
s
d
e
L
i
b
e
r
t
a
d
d
e
l
d
e
n
o
m
i
n
a
Valores de F
para
las
distribuciones F
con 5% y 1%
del rea en el
extremo
derecho.
El
nmero
superior
corresponde al
nivel del 5%, el
inferior al nivel
del 1%.
Distribucin F
Una tabla como la anterior para la distribucin F resulta muy
pequea para las posibilidades que pueden darse; por tal
razn, una buena alternativa es utilizar las Herramientas de
Excel.
Ejemplo
1.
Si se tiene un nivel del 5%, grados de libertad para el numerador de 15 y
grados de libertad para el denominador de 18, qu valor F se determina?.
Sol.
Segn los datos y acudiendo a la tabla se tiene que F = 2,27. Con este
nmero se interpreta que la probabilidad de observar un valor F igual o
mayor a 2,27 es de 0.05.
Observacin. Conociendo el valor F para el 5% se puede calcular el valor
F para el 95% con 18 grados de libertad en el numerador y 15 grados de
libertad en el denominador y viceversa. Para esto se hace:
F 5%, gl numerador 15, gl denominador 18
Distribucin F
Ejemplo 2.
Si se tiene un nivel de significacin del 95%, grados de libertad para el
numerador de 18 y grados de libertad para el denominador de 15, qu
valor F se determina?.
Sol.
1
1
2.27
0.4405
Ejemplos :
Encontrar el valor de F, en cada uno de los siguientes casos:
a. El rea a la derecha de F, es de 0.25 conm=4 y n=9.
b. El rea a la izquierda de F, es de 0.95 con m=15 y n=10.
c. El rea a la derecha de F es de 0.95 con conm=6 y n=8.
d. El rea a la izquierda de F, es de 0.10 con conm=24 y n=24.
Distribucin F y la comparacin por cociente de las varianzas

de dos poblaciones distribuidas normalmente
Frecuentemente se desea comparar la precisin de un instrumento de medicin con la de
otro, la estabilidad de un proceso de manufactura con la de otro.
Intuitivamente,
podramos comparar en una variable las varianzas de dos poblaciones
diferentes o en la misma poblacin observada dos veces, y , utilizando la razn de las

varianzas muestrales con tamaos de muestra y no necesariamente iguales.
Si (con mayor que ) es casi igual a 1, se tendr aparente evidencia para indicar que
y no son significativamente diferentes. Por otra parte, un valor muy grande o muy
pequeo para , proporcionar evidencia de una diferencia en las varianzas de las
poblaciones.
En la prueba t para la diferencia entre medias para grupos independientes, se supone que
las varianzas son iguales, sin embargo, si los tamaos de muestras son iguales se puede
prescindir de tal condicin. Si los tamaos de las muestras son diferentes, entonces antes
de verificar la prueba t deber verificarse el comportamiento de las varianzas.
Intervalo de confianza para la comparacin por cociente de las

varianzas de dos poblaciones distribuidas normalmente
Supongamos que sobre una misma variable X se tienen dos poblaciones
normales independientes con medias y y varianzas respectivas y . Si de
la poblacin uno se obtiene una muestras de tamao cuya varianza es y
de la poblacin dos una muestra de tamao cuya varianza es entonces,
dado el hecho que y que entonces el cociente tiene una distribucin
con grados de libertad en el numerador y grados de libertad en el
denominador.
En particular, si convenientemente se asume una distribucin con grados de libertad en

el numerador y grados de libertad en el denominador, se puede encontrar entonces y tal
que , as:
y haciendo operaciones se obtiene que
Ejemplo
Un fabricante de automviles pone a prueba dos nuevos mtodos de

ensamblaje de motores respecto al tiempo (minutos). Suponga que la variable
tiempo distribuye en forma normal y que los dos mtodos son independientes.
Los siguientes son los resultados observados:, ; , . construya un intervalo de
confianza del 90% para la razn de varianzas.
Soluci
n
0,5157 = 1,07
1,8874 = 3,91
Ejemplo
Una compaa fabrica propulsores para uso en motores de turbina. Al ingeniero

de manufactura le gustara seleccionar el proceso que tenga la menor
variabilidad en la rugosidad de la superficie. Para ello toma una muestra de
partes del primer proceso, la cual tiene una desviacin estndar de , y una
muestra aleatoria de partes del segundo proceso la cual tiene una desviacin
estndar de . construya un intervalo de confianza del 90% para la razn de
varianzas. Suponga que la rugosidad de la superficie distribuye en forma
normal y que los dos procesos son independientes.
Verifiquen esto y hay que

terminar.
Libro: Introduccin a la probabilidad y estadstica. William Mendenhall,

Robert J. Beaver, Barbara M. Beaver. Cp. 10. pgs. 424 a 432.
Probabilidad y estadstica aplicadas a la ingeniera. Montgomery Douglas
y Runger George. Pg. 345 a 347 y 410 a 417
Libro: Estadstica para Ingenieros y cientficos. William Navidi. Ejercicios
seccin 5,7 pg. 346 a 350.
ESTIMACIN POR INTERVALOS DE CONFIANZA DE LA

DIFERENCIA ENTRE MEDIAS PARA MUESTRAS DEPENDIENTES.
OBSERVACIONES POR PARES
Son situaciones que podran ser de nuestro inters en un momento dado:
verificar que las mediciones de una variable en dos momentos diferentes conducen a
valores semejantes; es decir que las mediciones que se ejecutan no introducen sesgos y si
se determina lo contrario, establecer los factores que introducen dichas diferencias.
Cmo, la introduccin de un cambio en un proceso podra afectar la respuesta de este?
(Antes (sin), Despus (con))
Si se tienen dos poblaciones supuestamente semejantes (iguales o aproximadamente
iguales en todas o en la mayora de las caractersticas de las unidades que las constituyen,
la introduccin de un mismo tratamiento podra o no generar diferencias significativas?
En todos los casos y similares, al recabar la informacin que corresponda, se

obtienen datos por pares, y para analizar si se presentan diferencias significativas
entre unos y otros generalmente se prefiere utilizar la distribucin de diferencias
entre medias para observaciones por pares individuales.
El objetivo de los planteamientos por parejas, es controlar factores extraos que pudieran
influir en el resultado; luego, cualquier diferencia ocasionada por el tratamiento no ser
enmascarada por variaciones entre los sujetos mismos.
Si se asume la siguiente notacin:
Ai: Valores de la variable antes de; sin la condicin especfica; del grupo 1.
Bi: Valores de la variable despus de; con la condicin especfica; del grupo 2.
Se tendr para N sujetos: Ai: a1, a2, a3, ...
Bi: b1, b2, b3, ...
...aN
... bN
Entonces se puede construir una nueva variable de diferencias entre valores:

Di =Ai - Bi
Donde: d1 = a1 b1; d2 = a2 b2; d3 = a3 b3; ...
...dN = aN - bN .
di
i 1
d2
(d
d )2
i 1
Si se selecciona una muestra de tamao n, las correspondientes medidas se

n
n
podrn calcular as:
d
i
(d i d ) 2
d
i 1
s2
i 1
n 1
Es importante notar que los valores ai, bi entre si son dependientes, pero
cada di es independiente de los dems.
FORMALIZANDO LA DISTRIBUCIN DE DIFERENCIAS ENTRE
MEDIAS MUESTRALES PARA OBSERVACIONES POR PARES
Supngase
una poblacin de tamao N y en
ella una variable cuantitativa X, que se
observa
antes
y
despus
de
alguna
intervencin (O en cualquier otra forma que
refleje observaciones pareadas), con media
y varianza conocidas y de comportamiento
normal o aproximadamente normal. Si se
obtienen todas las posibles m muestras de
tamao n y con cada una de ellas se hace
observacin antes y despus, determinando por
observacin su correspondiente diferencia y as
a partir de las diferencias calculando la
diferencia media, se determina una nueva
Muestras
diferencias
Media de
d .d
d2

n
2
d
La distribucin de diferencias entre medias para observaciones por pares

sigue un comportamiento t con n 1 grados de libertad, por lo tanto, Para
la estimacin por intervalos de confianza, se utiliza la expresin:
d I d t. d
S
Observacin. Si n es grande se puede utilizar Z en lugar de t.

Ejemplo
En una facultad de Ingeniera Industrial, el profesor de medicina deportiva
se ha mostrado interesado en determinar si un programa de ejercicios y
dieta que l ha ideado permitira reducir el peso de estudiantes obesos o
con tendencia a serlo. Determin que en total en la facultad haba 85
estudiantes en tal condicin, y seleccion una muestra aleatoria de 12 de
ellos con el propsito
su programa.
Los datos que se
Peso de
antes yaplicarles
despus de participantes
en el programa.
recolectaron fueron
los
E1 siguientes:
E2
E3
E4
E5
E6
E7
E8
E9 E10 E11 E12
ANT.
DES
P.
95
87
92
88
89
84
93
90
85
80
86
78
84
80
90
84
84
75
86
80
90
82
88
80
Utilizando un nivel de confianza del 95% estime la diferencia media de

prdida de peso que se logra al participar en el programa.
Ejemplo
En una universidad se seleccionaron 14 pares de estudiantes de tercer
semestre sobre la base de similitud de inteligencia y preparacin bsica. Un
estudiante de cada par fue capacitado para efectuar un proceso con un
mtodo y el otro con otro mtodo diferente. Despus del perodo de
aprendizaje, los estudiantes fueron sometidos a una prueba que arroj los
siguientes resultados asignados en una escala de 0.0 a 5.0.
PARES
MET. 1
MET. 2
P1
4.7
4.5
P2
3.5
3.9
P3
3.8
3.8
P4
4.3
4.5
P5
4.5
4.5
P6
4.8
4.3
P7
5.0
5.0
P8
5.0
4.8
P9
5.0
5.0
P10
3.9
4.8
P11
3.8
5.0
P12
4.5
3.6
P13
4.6
3.9
P14
4.8
4.6
A un nivel de confianza del 95% estime la diferencia promedio entre el

mtodo 1 y el mtodo 2 en los resultados de las dos pruebas.
EJERCICIOS
Robert J. Beaver, Barbara M. Beaver. Cp. 10. Pgs. 410 a 417.
Libro: Estadstica para Ingenieros y cientficos. William Navidi. Ejercicios seccin 5,7 pg.
346 a 350.
Probabilidad y estadstica aplicadas a la ingeniera. Montgomery Douglas
y Runger George. Pg. 402 a 409
MLTIPLES EJERCICIOS COMPLEMENTARIOS

Robert J. Beaver, Barbara M. Beaver. Cp. 8, 9 Y 10. AL FINAL DE CADA
CAPTULO

Muestreo Probabilistico. Estim

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Muestreo Probabilistico. Estim

Cargado por

Copyright:

Formatos disponibles

MUESTREO

Cmo calcular la probabilidad de que una muestra

Si asumimos que se tiene una poblacin , una muestra de tamao

n puede ser considerada como un subconjunto , que puede ser

dada, puede realizarse en general como sigue:

Formalizando el problema de estimacin en poblaciones

denomina estimador del parmetro poblacional

Ley de probabilidad de la variable aleatoria

Dado que varias muestras del espacio muestral S generado por el

Desviacin estndar del estimador o error estndar del parmetro

Error relativo de muestreo del estimador del parmetro

Sesgo del estimador del parmetro

Consistencia del estimador del parmetro

PRECISIN Y COMPARACIN DE ESTIMADORES. Y SUS

debe ser lo ms pequea posible para minimizar por lo tanto entre ms

En la prctica se considera que el sesgo no es influyente cuando

COMPARACIN DE ESTIMADORES INSESGADOS ()

Para comparar varios estimadores insesgados del parmetro en

COMPARACIN DE ESTIMADORES SESGADOS ()

As entonces, mientras ms pequeo sea el cociente de la contribucin,

COMPARACIN DE ESTIMADORES SESGADOS E

Para poder realizar las comparaciones en cuanto a

CUANTIFICACIN DE LA GANANCIA EN PRECISIN DE

Tasa de variacin relativa entre las magnitudes

1. Para medir la variable X=nivel de precipitacin atmosfrica en una

n=2 sin tener en cuenta el orden

c) Construya las distribuciones muestrales de los cuatro

Varianza del estimador del parmetro

f.Se puede asumir que el sesgo de los estimadores es

general para analizar su precisin es su , por lo tanto, para comparar

Con estos resultados, se

El uso de la media ARMNICA mejora en un _______% la estimacin con

Para la poblacin consideramos el siguiente proceso de seleccin de

Se considera un procedimiento de muestreo que consiste en elegir cada

subconjunto con probabilidades proporcionales a sus tamaos. Se considera el

4. Para la poblacin consideramos el siguiente proceso de seleccin de

5. En un poblacin con unidades la variable medida sobre cada unidad toma

ESTIMACIN POR INTERVALOS DE CONFIANZA

INTERVALO DE CONFIANZA CUANDO EL ESTIMADOR ES

W. S. Gosset demostr que la funcin de densidad de es

t es una variable aleatoria continua

2. Para cada tamao de muestra posible, existe una

Para (n-1) grados de libertad y .

La distribucin del estimador no sigue una distribucin normal

intervalo de confianza para el nivel del () de confianza en este caso

TEOREMA DEL LIMITE CENTRAL

Dada una poblacin y en ella una variable X que se distribuye de

NORMALIDAD DE LOS ESTIMADORES

1. Con base en el ejercicio anterior sobre la variable X=nivel de

2. Para la poblacin consideramos el siguiente proceso de seleccin de

subconjunto con probabilidades proporcionales a sus tamaos. Se considera el

4. Para la poblacin consideramos el siguiente proceso de seleccin de

5. En un poblacin con unidades la variable medida sobre cada unidad toma

ESTIMADORES LINEALES INSESGADOS EN MUESTREO

entonces el estimador ser

VARIANZAS DE LOS ESTIMADORES EN MUESTREO ALEATORIO

Varianza del estimador de la proporcin:

Observacin. Dado que la informacin de la poblacin resulta en la

VARIANZAS ESTIMADAS DE LOS ESTIMADORES EN MUESTREO

VARIANZAS DE LOS ESTIMADORES EN MUESTREO ALEATORIO

Afectan la precisin o reproducibilidad del

mayora de los resultados sean

ser el error aleatorio y por lo tanto menor