Documentos de Académico
Documentos de Profesional
Documentos de Cultura
S02.s1 Estadistica Inferencial Distribucion Muestral
S02.s1 Estadistica Inferencial Distribucion Muestral
DISTRIBUCIÓN MUESTRAL
SESION N°3
Inicio (10min)
• Actividad: Los estudiantes comparten con el docente las dudas que hubieran existido en la
segunda sesión.
• El estudiante responde las siguientes preguntas:
1.- Que conoce o ha escuchado sobre distribución muestral?
2.- Y para que sirve la Distribución Muestral?
Inicio
SABERES PREVIOS
LA ESTADISTICA INFERENCIAL
Transformación
DISTRIBUCIÓN MUESTRAL
La teoría del muestreo estudia las relaciones entre una población y las muestras
extraídas de la misma.
La teoría de muestreo es útil para determinar por ejemplo: el aplicar un nuevo suero
para el tratamiento de una enfermedad, o decidir si un proceso de producción es mejor
que otro. estas decisiones envuelven a los llamados ensayos e hipótesis de
significación.
Datos/Observaciones
DISTRIBUCIÓN MUESTRAL
DISTRIBUCIONES MUESTRALES Población
Consideremos todas las muestras de tamaño n que pueden
Muestra
extraerse de una población . (con o sin reemplazo).
Si obtenemos estadísticos , tales como la media (), la
proporción p, la desviación típica (desviación estándar) X
s, etc., que varían de una muestra a otra. Formaremos una MUESTREO
distribución muestral. p
n
Si, el estadístico es la media muestral () , la distribución
se conoce como distribución muestral de la medias. N
supóngase que son extraídas de una población Infinita todas las posibles muestras sin
remplazo de tamaño n. si se denota:
La media (µ) y la desviación típica () de la población
La media () y la desviación típica () de la distribución muestral
La distribución muestral de las medias cumplen la siguiente igualdad:
NOTA:
Caso 1: Población con distribución normal:
Si:
Notación Estadística
Caso 2: Población con distribución no normal: Teorema del limite central
Si la muestra seleccionada tiene un tamaño mayor o igual a 30, sea cual sea la
forma de la distribución de la población (sea normal o no), las medias de todas
lasDatos/Observaciones
muestras seleccionadas de la población tendrán una distribución normal.
PRUEBA DE NORMALIDAD
Existen diversas pruebas para comprobar si una distribución de datos se ajusta a una
distribución normal, para nuestro análisis aplicaremos la Prueba de Kolgomorov Smirnov:
1.- Ho: Los datos analizados siguen una distribución normal estándar
H1: Los datos analizados no siguen una distribución normal estándar
Donde:
Xi: es el i-esimo valor observado en la muestra( Cuyos valores se han ordenado previamente de mayor a
menor)
Fo( Xi): es la probabilidad de observar valores menores o iguales que Xi cuando Ho es cierta
Así pues D es la mayor diferencia absoluta entre la frecuencia acumulada observada Fn(Xi) y la frecuencia
acumulada teórica Fo(x) obtenida a partir de la probabilidad que se especifica como Hipótesis Nula.
Datos/Observaciones
PRUEBAS DE NORMALIDAD
4.- Por tanto el criterio para rechazar o aceptar la prueba de hipótesis es:
Donde Dα =
Datos/Observaciones
Ejemplo Nª1
Se tienen los ingresos de un grupo de 10 ingenieros egresado de la UTP, los
cuales se presentan a continuación( en miles):
6.0, 2.3, 4.8, 5.6, 4.5, 3.4, 3.3, 1.9, 4.8, 4.5
Probar que los sueldos se ajustan a una distribución normal con un nivel de
significación de α= 0.05
Solución:
. Ho: Los Sueldos siguen una distribución normal estándar
H1: Los Sueldos no siguen una distribución normal estándar
α = 0.05
Datos/Observaciones
A partir de la definición se construye la siguiente tabla: donde X= 4.1, S= 1.34
Resumen: Si:
𝜎
´
𝑺𝒊 : 𝑿 ? ? ( 𝜇 , σ 2 ) 𝑻𝑳𝑪 𝒔𝒊 𝒏 ≥𝟑𝟎 → 𝑋 𝑁 𝜇 , (
√𝑛 )
Emplearemos tabla Z ´ −𝜇
𝑋
→ 𝑍= 𝑁 (0 , 1)
cuando: 𝜎
a. n ≥ 30 y σ2 conocida √n
b. n < 30 y σ2 conocida.
⏟
𝑬𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒊𝒛𝒂𝒄𝒊 ó 𝒏
Datos/Observaciones
PRACTICA Nª1( 15 Minutos)
Datos/Observaciones
SOLUCION Nª A
DATOS DEL PROBLEMA:
=8500 Recordando
=1950 (conocida)
n=100
8900 − 8500
( )
Estandarizando
1− 𝑃 𝑍 ≤
1950 =
1− 𝑃( ⏟
𝑍 ≤ 2.05 )
√ 100 𝑇𝑎𝑏𝑙𝑎 𝑧
∴
𝑃
Datos/Observaciones
( ´𝑥 > 8900)=1− 𝟎 . 𝟗𝟕𝟗𝟖 𝟐=0.02018
SOLUCION Nª B
DATOS DEL PROBLEMA:
=8500
=1950 (conocida)
n=100
8000 −𝟖𝟓𝟎𝟎
𝑃( ´𝑥 <8000)=𝑃 𝑍 <
( 1950
√ 100 )
= 𝑃( 𝑍
⏟ <−2 . 56 )=0 . 00523
𝑇𝑎𝑏𝑙𝑎
Datos/Observaciones
DISTRIBUCION MUESTRAL DE MEDIAS CON VARIANZA
DESCONOCIDA
DISTRIBUCIÓN T- STUDENT
Condiciones:
Características:
Las áreas de los extremos las cuales son más amplias que la distribución
normal, como consecuencia de que usualmente se trabaja con muestras
pequeñas
P( Z a) 1 P( Z a )
Grados de
Libertad!
VT
Datos/Observaciones
PRACTICA Nª2 ( 15 minutos)
PROBLEMA Nª2
Una máquina produce piezas con un tamaño que se ajusta
a una distribución normal cuyo valor medio es de 14 cm.
¿Cuál es la probabilidad de que la media de una muestra
de tamaño 20 sea menor que 14.58 cm., sabiendo que la
varianza muestral ha sido de 9 cm2 ?
Datos/Observaciones
SOLUCION Nª 2
DATOS DEL PROBLEMA:
=14CM
S2=9 cm2 (σ2 desconocida)
n=20
Variable: X:Tamaño de la pieza en cm
Recordando:
Si:
Entonces:
𝐶𝑜𝑚𝑜
𝜎 2 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎 𝑛 <30
𝑃𝑖𝑑𝑒𝑛 : 𝑃 ( ´𝑥 <14.58 )
14.58− 14 → 𝑃 𝑡 <0.8646 ≅ 0.80
(
Estandarizando: ¿ 𝑃 𝑡 𝑛 −1 <
Datos/Observaciones
3
√ 20 )⏟19
(
𝑇𝑎𝑏𝑙𝑎𝑇
)
CIERRE (15 min)
Principio pedagógico: Aprendizaje autónomo.
Actividad:
• Lluvia de Ideas: El estudiante responde 4 principales preguntas del
docente sobre su aprendizaje en la clase de hoy.
Cierre
¿QUÉ HEMOS APRENDIDO?
1. ¿Qué es la distribución muestral de medias?
2. ¿Cuándo se aplica el teorema del límite central?
3. ¿Cuándo se aplica la distribución Z?
4. ¿Cuándo se aplica la distribución T-Student?
Datos/Observaciones