Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INFERENCIAL
ESTADÍSTICA INFERENCIAL
N
Cn
Cada muestra puede también tener una media
diferente.
Distribuciones muestrales
En un estudio de 600 firmas que aparecen en la revista
Fortune, sobre los negocios más grandes de los U. S. A. se
puede tomar una muestra de n = 60
Con la muestra se puede calcular la tasa de rendimiento
promedio Ẋ para las 60 firmas.
Esa media muestral serviría como un estimado del
parámetro μ, la tasa promedio de rendimiento de la
población para las 600 firmas.
De las 600 firmas, ¿cuántas muestras diferentes de
tamaño 60 se pueden obtener?
2 2 2 2 2
(150-250) + (200-250) + 2*(250-250) + (300-250) + (350-250)
De nuestro ejemplo:
1/2
(4167) = 64.55 US$
Ẍ = 71.6 = μ
La varianza de la distribución muestral es:
La distribución de las
medias muestrales (n = 100) Esta gráfica muestra lo que sucede a la distribución
de las medias muestrales si el tamaño de n aumenta.
Si n = 100 el error estándar es = 10 y por tanto las
medias muestrales están compactadas más
estrechamente alrededor de la μ = 1000.
P(150 ≤ Ẋ ≤ 155)
Si se pudiera predecir la probabilidad de que un
cierto estadístico esté dentro de un rango dado, la
toma de decisiones se vuelve más precisa y
científica.
Ejemplo. Determine la probabilidad de error considerando una población con
una media μ = 150 y una desviación estándar σ = 8.5. Si la muestra es n =
50 y se presenta un error de muestreo de 2 o más si la media muestral es 27 o
más, o 23 o menos.
Solución: P(error) = P(Ẋ ≥ 27) + P(Ẋ ≤ 23)
=