1.4.Distribuciones muestrales.

Conceptos. Distribuciones de
algunos estadísticos muestrales

1
 ESTADÍSTICA III

DISTRIBUCIÓN MUESTRAL DE ESTADÍSTICOS

ESTADÍSTICOS V.A. DISTRIBUCIÓN DE PROBABILIDAD

La distribución muestral de un estadístico puede ser obtenida

tomando todas las posibles muestras de un tamaño fijo n,
calculando el valor del estadístico para cada muestra y
construyendo la distribución de estos valores.

Por ejemplo:

Tomando todas las muestras posibles

X Estadístico muestral de tamaño n y calculando para cada
una de ellas la X
X distribución muestral de la media muestral
S2 distribución muestral de la varianza muestral
2
 ESTADÍSTICA III

X ni

9 1
X= nº de horas de apertura de tiempo
10 2
12 1
14 1

5
9 x110 x 2 12 x114 x1
x   xi
N

5
 11
i 1

Por término medio están abiertas 11 horas

2
   i x
( x   ) 2


(9  11) 2  (10  11) 2 x 2  (12  11) 2  (14  11) 2 16
  3.2   x2
N 5 5
3
 ESTADÍSTICA III

¿ Si tomamos muestras de tamaño n=3?

Y calculamos la

Distribución muestral de la media x

4
 ESTADÍSTICA III

muestras xi Distribución muestral de x

12  10  14
x
12,10,14  12
3
ni X i  X 
12,10,9 10.3

12,10,10 10.6 9.6 1 0.1

12,14,9 11.6 10.3 2 0.2

12,14,10 12 10.6 1 0.1

12,9,10 10.3 11 2 0.2

10,14,9 11 11.3 1 0.1

10,14,10 11.3 11.6 1 0.1

10,9,10 9.6 12 2 0.2

11
10
14,9,10
Toda distribución muestral tiene unas características, p.e. la
media o la varianza
E ( x) Media de la distribución muestral de la media
Var ( x) Varianza de la distribución muestral de la media
5
 ESTADÍSTICA III

Ejercicio

X= Nº de días que han faltado al trabajo 50 trabajadores

X n P(x)
1 25 25/50=0.5
2 20 20/50=0.4
3 5 5/50=0.1

Obtener:
-La media poblacional
-La varianza poblacional
-La distribución muestral de la media n=2
-La media de la distribución muestral de la media
 x    x
-La varianza de la distribución muestral de la madia Var ( x )   x2
6
 ESTADÍSTICA III

X P(x)
1 0.5
2 0.4
media poblacional
3 0.1
x   1 * 0.5  2 * 0.4  3 * 0.1  1.6
1 * 25  2 * 20  3 * 5
 x      1.6
50
varianza poblacional
 x2  1  1.6 * 0.5  2  1.6 * 0.4  3  1.6 * 0.1  0.44
2 2 2

ó tambien

 2

1  1.6 * 25  (2  1.6) 2 * 20  (3  1.6) 2 * 5
2
 0.44
x
50
7
 ESTADÍSTICA III

Distribución muestral de la media n=2

Muestras Xi X P(X=Xi)
1,1 1 1 0.25
1,2 1.5
1,3 2 1.5 0.4
2,1 1.5
2,2 2 2 0.26
2,3 2.5
3 ,1 2 2.5 0.08
3,2 2.5
3,3 3 3 0.01

P( X  1)  P( X 1  1, X 2  1)  P( X 1  1) * P( X 2  1)  0.5* 0.5  0.25

p( X  1.5)  P ( X 1  1, X 2  2)  P( X 1  2, X 2  1)  0.5*0.4  0.4 * 0.5  0.4
P( X  2)  P ( X 1  1, X 2  3)  P ( X 1  2, X 2  2)  P( X 1  3, X 2  1)  0.5* 0.1  0.4 * 0.4  0.1* 0.4  0.26
P( X  2.5)  P( X 1  2, X 2  3)  P( X 1  3, X 2  2)  0.4 * 0.1  0.1* 0.4  0.08
P( X  3)  P( X 1  3, X 2  3)  0.1*0.1  0.01

8
 ESTADÍSTICA III

(x )
X P( X  x )
1 0.25
1.5 0.4 DISTRIBUCIÓN MUESTRAL
2 0.26 DE LA MEDIA
2.5 0.08
3 0.01

MEDIA DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA

 X  ( X )  1* 0.25  1.5* 0.4  2 * 0.26  2.5* 0.08  3* 0.01  1.6


 X  ( X )  1.6   X  ( X )  1.6

"LA MEDIA DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA

ES IGUAL A LA MEDIA POBLACIONAL"
9
 ESTADÍSTICA III

VARIANZA DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA

X P(X  x)
 x2  Var (x)  (1-1.6) 2 * 0.25  (1.5  1.6) 2 *0.4  (2  1.6) 2 * 0.26  (2.5  1.6) 2 * 0.08  (3  1.6) 2 * 0.01  0.22
1 0.25
 x2  Var ( x )  0.44   x2  Var ( X )  0.22
0.1 0.4
2 0.26 Var ( X ) 
Var ( x )
 x2 
 x2 0.44

n n 2

2.5 0.08
3 0.01

LA VARIANZA DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA ES IGUAL A

LA VARIANZA POBLACIONAL ENTRE EL TAMAÑO DE LA MUESTR

2

 x2  x
n
10
 ESTADÍSTICA III
2
DISTRIBUCIÓN MUESTRAL DE LA CUASIVARIANZA  Sˆ
2
muestras X S
(1  1) 2  (1  1) 2
(1,1) 1 0
2 1
(1  1.5) 2  ( 2  1.5) 2
(1,2) 1.5 2 1
 0.5

(1  2) 2  (3  2) 2
(1,3) 2 2 1
2

(2,1) 1.5 0.5

(2,2) 2 0
(2,3) 2.5 0.5
(3,1) 2 2
(3,2) 2.5 0.5
(3,3) 3 0 11
 ESTADÍSTICA III

DISTRIBUCIÓN MUESTRAL DE LA VARIANZA

S2 P(S 2  s 2 )
Distribución muestral de la Varianza
0 0.42
con media (S 2 ) y varianza Var(S 2 )
0.5 0.48
2 0.10

P(S 2  s 2 ) 
P ( S 2  0)  P (1,1)  P(2,2)  P(3,3)
 0.5 * 0.5  0.4 * 0.4  0.1 * 0.1  0.42
P ( S 2  0.5)  P (1,2)  P(2,1)  P(2,3)  P(3,2)
 0.5 * 0.4  0.4 * 0.5  0.4 * 0.1  0.1 * 0.4  0.48
P(S 2  2)  P (1,3)  P(3,1)
 0.5 * 0.1  0.1 * 0.5  0.10
12
 ESTADÍSTICA III

Obtener la MEDIA de la Distribución Muestral de la Varianza

S2 P(S 2  s 2 ) ( S 2 )   s 2 
0 0.42 0 * 0.42  0.5 * 0.48  2 * 0.10  0.44
0.5 0.48  x2  Var ( x)  0.44
2 0.10 E ( S 2 )   s 2  0.44
“La media de la distribución muestral de la varianza es igual a la
varianza poblacional”

OBTENER LA VARIANZA DE LA DISTRIBUCIÓN MUESTRAL DE LA

VARIANZA
 S22  Var ( S 2 )  (0  0.44) 2 * 0.42  (0.5  0.44) 2 * 0.48  (2  0.44) 2 * 0.10  0.32
4 3 n
Var ( S 2 )   4
n n (n  1)
13
 ESTADÍSTICA III

POB DIST. MUESTRAL DIST.

MUESTRAL
X X
Media x  ( x )  1.6 S 2
  E ( x )  1.6 ss  E ( s 2 )  0.44
x

Varianza  x2  Var ( x )  0.44  x2  Var ( x )  0.22  s22  Var( s2 )  0.32

RELACIONES
1.  E(X)  E(X)   x x   x

VAR(X)  x2 2  x2
2.  VAR(X)    x
n n n
3.  E(S2 )  VAR( X )   x2 S 2   x2
24 3  n 4
4.  VAR(S )     s22  .......... 14
n n 1
 ESTADÍSTICA III

DEMOSTRACIÓN RELACIONES

E( X )     X

teniendo en cuenta que :

E(x)    E ( x1 )  E ( x 2 )  .........  E ( X n )
x1  x 2  ............  x n
E( X )  E( )
n
1
E x1  x 2  ................  x n  
n
1
E ( x1 )  E ( x2 )  .........  E ( xn ) 
n
1 1
    .............     n  
n n 15
 ESTADÍSTICA III

2
VAR ( X ) 
n
Teniendo en cuenta que:
VAR(x1 )  VAR( x2 )  ...............VAR ( x )   x2
 x1  x2  .......... xn 
VAR ( X )  VAR  
 n 
1
2
VAR  x1  x2  .......... xn  
n
1
2 
VAR ( x1 )  VAR ( x2 )  ......VAR ( xn )  
n
1 2 2 2
 
2  x
  x  .......... 
x 
n
2
1 2 
n  x  x
n2 n 16
 ESTADÍSTICA III

  
X   , 
 n
 6 
X  N 100, 
 n
 6 
N 100, 
 110 
n  100

 6 
N 100, 
 25 
n  25

100 X 17
 ESTADÍSTICA III

Cuanto mayor sea el tamaño muestral “n” menor sera la VAR(X), menor será
la dispersión de x en torno a la media poblacional μ

n

n
n 5 10 20 30 40 50 60 70 80 90

5.38 3.79 2.68 2.19 1.89 1.69 1.55 1.43 1.26 1.20
n

n    precisión? 18
 ESTADÍSTICA III

DISTRIBUCIÓN MUESTRAL DE LA VARIANZA

– Si (X1,X2,……,Xn) es una muestra aleatoria de tamaño n,procedente de

una población X, con VAR(X)= σ2 entonces:

• La varianza de la distribución muestral de la varianza S 2 es igual a

la varianza poblacional σ2 y la varianza de la distribución muestral
de la varianza es función del momento central de orden cuatro:

E(S 2 )   2
4 3 n
Var ( S 2 )   4
n n (n  1)
Var ( S 2 ) 

19
E ( S 2 )   x2
1 n 1 n
Sˆ 2   ( xi  x ) 2
  ( xi      x ) 2
n  1 i 1 n  1 i 1
1 n 2
 
  x i      x    
 
n  1 i 1
1 n 
      2  xi    x   
2 2
x    x  
n  1 i 1  i 
1  n n
 x i
  xi  x .n
          x
2 2
x    n x    2 x   x  
n  1  i 1  n
i i
i 1 
1  n 
 i       
2 2
x    n x    2 x   nx  n 
n  1  i 1 

1  n 2
 i      
2 2
x    n x   2 n x  
n  1  i 1 

1  n 2
 
n  1  i 1
( xi   ) 2  n  x    

1 n n 2

 i    
2 2
x    x   S
n  1 i 1 n 1
20
E(S2 )   2
 ESTADÍSTICA III

2
1 n n
2
S   i  x      x   2

n  1 i 1 n 1
 1 n n 2
ES 2
 E
n  1
  x i   2

n  1
 x    
 i 1 
VAR(X) 1 n n
2 VAR(x)
   x i   2
 E x   
n  1 i 1 n 1
1 2 n 2 n 2 2
n    
n 1 n 1 n n 1 n 1
n  1 2   2  E ( S 2 )
n  1
E (S 2 )   2

21
 ESTADÍSTICA III

 x
N n
2 P.I. S2

X  N ( , )
x1 ,........, x n  N  ,  
ˆ X  N(....,.....)
  x2 
X  N  , 
E( X )    n 

VAR ( X ) 
2 Pˆ  ........,.....
n
xˆ1 , xˆ 2  ........,.... 22
 ESTADÍSTICA III

  
Si X  N(  ,  )  X  N  , 
 n
  
Si X   ,    X  N   ,  n  30
 Xn
   x
Si X  N  ,   Z   N (0,1)
 n 
n

Ejemplo gráfico de distribución poblacional y

Evolución de la distribución muestral de x
23
 ESTADÍSTICA III

1. Distribución poblacional (no es normal)

x
2. Distribución muestral de X para n  5

X
3.Distribución muestral de X para n  15

X 24
 ESTADÍSTICA III

4. Distribución muestral de X para n  30

Aproximadamente normal

5. Distribución muestral de X para n  70 X

Aproximadamente normal

25
X