ESTADISTICA INFERENCIAL

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

Que conozco de Distribucion Muestral?

Para que sirve?

 LOGRO DE SESION

El estudiante conocerá los principales conceptos y cálculos referidos a la

distribución muestral, teorema del límite central, distribución muestral de la
media con varianza conocida y desconocida a fin de poder aplicarlos en el
campo de la ciencia e ingeniería.
TRANSFORMACIÓN (30 min)
Principio pedagógico: Aprendizaje autónomo y Aprendizaje colaborativo.

• Actividad: A continuación el estudiante va revisar los conceptos básicos

correspondientes a Distribución Muestral y se van a plantear ejercicios
para poder desarrollar los conceptos revisados en clase.

Transformación
 DISTRIBUCIÓN MUESTRAL
 La teoría del muestreo estudia las relaciones entre una población y las muestras
extraídas de la misma.

 Permite estimar cantidades desconocidas de la población como la media poblacional,

la varianza, etc., frecuentemente llamadas parámetros poblacionales a partir de las
correspondientes cantidades muestrales como son la media, la varianza, y otros
estadísticos muéstrales o brevemente llamados estadísticos.

 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.

 En general, a todo lo mencionado anteriormente se le conoce como inferencia

estadística.

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 del estadístico deseado, lo que se conoce como  2 S2

distribución muestral. p

 
n
Si, el estadístico es la media muestral () , la distribución
se conoce como distribución muestral de la medias. N

 Si, el estadístico es la proporción muestral p, la

distribución se conoce como distribución muestral de la
proporción.
Datos/Observaciones
 DISTRIBUCIÓN MUESTRAL

 
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:

  Si el muestreo es sin reemplazo

de un población finita
 

¿Estas muestras aleatorias a que tipo de distribución se ajustan?

Datos/Observaciones
 DISTRIBUCIÓN MUESTRAL

 
Caso 1: Población con distribución normal:

Si la muestra aleatoria Tiene distribución normal con media µ y desviación típica :

 

Para cualquier tamaño de muestra (n):

La media muestral también tiene una distribución normal con
media y desviación Típica:

  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

Se aplica para comprobar si la distribución de datos de una muestra se ajusta a una

Distribución Normal Teórica.

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:

Prueba de Kolgomorov Smirnov

Prueba de Kolgomorov Smirnov(KS): Es una prueba no paramétrica que determina la

bondad de ajuste de un conjunto de datos con una distribución especifica. Se deben
realizar los siguientes pasos:

1.- Ho: Los datos analizados siguen una distribución normal estándar
H1: Los datos analizados no siguen una distribución normal estándar

2.- α = 0.01, 0.05, 0.01

Datos/Observaciones
 PRUEBAS DE NORMALIDAD

3.- Estadístico de Prueba:

 Donde:
Xi: es el i-esimo valor observado en la muestra( Cuyos valores se han ordenado previamente de mayor a
menor)

Fn( Xi): es un estimador de la probabilidad de observar valores menores o iguales que Xi

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.

Para efectos prácticos =  =

Por tanto a partir de estos Valores

Datos/Observaciones
 PRUEBAS DE NORMALIDAD

4.- Por tanto el criterio para rechazar o aceptar la prueba de hipótesis es:

Donde Dα =

Cα podrá tomar los siguientes valores:

K(n) podrá tomar los siguientes valores:

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

Los cálculos para la primera fila será:

Z = Y1 – x = 1.9 – 4.1 = -1.628 Conclusión:
S 1.34 = 0.216
Como D < Dα, se puede
Fo = P( Z=- 1.628) = 0.051 concluir que los sueldos de
los ingenieros de la UTP se
D1+ = 0.1- 0.051 = 0.049 ajustan a una distribucion
Normal
Datos/Observaciones
D1- = 0.051 – 0 = 0.051
DISTRIBUCION MUESTRAL DE MEDIAS CON VARIANZA
CONOCIDA
 
Sabemos que si de

 
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)

El valor nominal de la resistencia de una lámina de un metal

compuesto es de 8500 psi. Por estudios pasados se
conoce que la desviación estándar de esta resistencia es
1950 psi. Se tiene una muestra de 100 láminas. ¿Cuál es la
probabilidad de que la media de esa muestra:
a) Sea mayor a 8900 psi?
b) Sea menor a 8000 psi?

Datos/Observaciones
SOLUCION Nª A
DATOS DEL PROBLEMA:
=8500 Recordando
=1950 (conocida)
n=100  

Variable: X resistencia de una lámina

P( Z  a)  1  P( Z  a )
 
a. Media mayor que 8900 ()

 
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

Variable: X resistencia de una lámina

 
a. Media menor que 8000 ()

  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:
 

Se utiliza en muestras pequeñas de menos de 30 elementos.

La desviación estándar de la población () no se conoce.
Distribución Población tiene que ser normal

Características:
 

Es simétrica, cada curva t tiene forma de campana con centro en 0.

Las áreas de los extremos las cuales son más amplias que la distribución
normal, como consecuencia de que usualmente se trabaja con muestras
pequeñas

Tiene grados de libertad (g.l) : V = n – 1 , cuando la curva T se aproxima a la

Normal
Datos/Observaciones
 Recordando

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