Documentos de Académico
Documentos de Profesional
Documentos de Cultura
del Muestreo
Población: Consiste en la totalidad de
las observaciones en las que estamos
interesados.
Cada observación en una población
es un valor de una v. a. X que tiene
alguna distribución de probabilidad .f x
población normal
población f x
La varianza de la población
Población
Muestra
Muestra
INFERIR
Población
¿Qué información nos trasmiten los datos?
n n
Xi
2
X
i 1
i X
2
X i 1 S
n n 1
Distribución Muestral
La distribución de probabilidad de un
estadístico
X ~. normal , 2
2
X ~. normal ,
n
3 4
1
2
E(X)=2.5 Var(X)=1.25=5/4
3 4
1 2 frec
0
1 2 3 4
E(X)=2.5 Var(X)=1.25=5/4
MUESTRA MEDIA
1 1 1 1 2 1 1 1.3333333
1 1 2 1.3333333 2 1 2 1.6666667
1 1 3 1.6666667 2 1 3 2
1 1 4 2 2 1 4 2.3333333
1 2 1 1.3333333 2 2 1 1.6666667
1 2 2 1.6666667 2 2 2 2
1 2 3 2 2 2 3 2.3333333
1 2 4 2.3333333 2 2 4 2.6666667
1 3 1 1.6666667 2 3 1 2
1 3 2 2 2 3 2 2.3333333
1 3 3 2.3333333 2 3 3 2.6666667
1 3 4 2.6666667 2 3 4 3
1 4 1 2 2 4 1 2.3333333
1 4 2 2.3333333 2 4 2 2.6666667
1 4 3 2.6666667 2 4 3 3
1 4 4 3 2 4 4 3.3333333
MUESTRA MEDIA 4 1 1 2
3 1 1 1.66667 4 1 2 2.33333
3 1 2 2 4 1 3 2.66667
3 1 3 2.33333
4 1 4 3
3 1 4 2.66667
4 2 1 2.33333
3 2 1 2
4 2 2 2.66667
3 2 2 2.33333
4 2 3 3
3 2 3 2.66667
3 2 4 3
4 2 4 3.33333
3 3 1 2.33333 4 3 1 2.66667
3 3 2 2.66667 4 3 2 3
3 3 3 3 4 3 3 3.33333
3 3 4 3.33333 4 3 4 3.66667
3 4 1 2.66667 4 4 1 3
3 4 2 3 4 4 2 3.33333
3 4 3 3.33333 4 4 3 3.66667
3 4 4 3.66667 4 4 4 4
Distribución de las medias de las
muestras
VALOR FREC
1 1
1.333333 3
1.666667 6
2 10
2.333333 12
2.666667 12
3 10
3.333333 6
3.666667 3
4 1
Distribución de las medias de las
muestras
14
12
10
8
6
4
2
0
1 1.33 1.67 2 2.33 2.67 3 3.33 3.67 4
Distribución de las medias de las
muestras
14
12
10
8
6
4
2
0
1 1.33 1.67 2 2.33 2.67 3 3.33 3.67 4
E(Xm)=2.5 Var(Xm)=0.416666666
=5/12
Sea una población con media μ y
desviación típica σ.
La distribución de las medias de las
muestras aleatorias (con reposición)
de tamaño n,
tiene por media μ y desviación
típica σ/√n
Teorema del límite central
Dada una población, con media μ y
desviación típica σ finitas, y
seleccionamos al azar muestras
aleatorias de tamaño n, entonces a
medida que n crece la distribución de las
medias muestrales se aproxima a una
distribución normal.
Teorema del límite central
Dada una población, con media μ y
desviación típica σ finitas, y
seleccionamos al azar muestras
aleatorias de tamaño n, entonces la
forma límite de la distribución de Z
conforme n crece indefinidamente
X
Z ~ N ( z; 0 ,1)
n
Distribución muestral de la media
Veremos primero el caso de que la distribución
subyacente sea normal, con media y varianza 2
La media de la distribución muestral
de medias es
La varianza de la distribución
muestral de medias es 2 / n
200
0.045
0.04
0.035
0.03
0.025
0.02
0.015
0.01
0.005
0
80 85 90 95 100 105 110 115 120
Ejemplo 4
Distribución poblacional
subyacente (dist. Gamma):
500
Media = 100
Varianza = 100
400
300
200
Distribución muestral de la
media:
100
Desv. típ. = 3.12 Tamaño muestral = 10
Media = 100.0
0 N = 3600.00 Media = 100
Varianza = 100/10 = 10
DISGAMMA Desv. típica = 10 3.16
Distribuciones usadas en inferencia
Distribución Ji-Cuadrado o Chi-cuadrado o 2 de
Pearson con “n” grados de libertad.
Sean X1 , X2 , ... ,Xn n variables aleatorias continuas
independientes tal que Xi = N (0,1)
con i = 1, ...,n n (i.i.d.). Definamos la variable
aleatoria: Y
2 2
X
i n
i 1 n y
1
y 2
e 2
Su densidad de probabilidad fY ( y ) n
, x0
será: n
2
2
2
E Y n Var Y 2 n
Distribución Muestral de S2
Si S2 es la varianza de una muestra
aleatoria de tamaño n que se toma de una
población normal que tiene la varianza
entonces el estadístico:
(n 1) S 2 n
X i X 2
2
2
i 1 2
0.131
0.087
0.044
0.000
0.00 6.25 12.50 18.75 25.00
TABLA DE 2
orden percentílico
1
p
2
3
4 2n
5
grados de libertad
valores acumulados de 2n
Distribución t de Student
Student era el seudónimo de W.S. Gosset, un pionero
estadista que trabajó en la Cervecería Guiness de Dublín.
Sea X v.a.c. tal que X ~ N (0,1)
Y v.a.c. tal que Y ~ 2n X
tn
Y
Con función de densidad de probabilidad:
n
n 1
n 1 t
2 2
1
2 n
f T (t ) , t
n
n
2
Distribución t de Student
Supongamos que la población es normal
con media y varianza desconocida y que se
desea hacer inferencias acerca de ,
basada en una muestra pequeña (n < 30)
tomada de la población. En este caso la
distribución de la media muestral X ya
no es normal, sino que sigue la distribución
t de Student.
Distribución t de Student
0.4
Curva Normal
Estandar
0.3
C2
0.2
0.1
t con 5gl.
0.0
-4 -3 -2 -1 0 1 2 3 4
x
Hecho por Edgar Acuna
n
E t 0 Var t
n2
x
t
s
n
Cuando la distribución de la población
de la que obtenemos las medias
muestrales no es normal, el estadístico
anterior, se distribuye como una normal
tipificada para valores de n > 30.
TABLA DE LA DISTRIBUCION t DE
STUDENT
orden percentílico
1
2
3
4
5
tp
grados de libertad valores
acumulados de tp
Distribución F de Fisher o F-Snedecor
Sea X v.a.c. tal que X ~ 2n
Y v.a.c. tal que Y ~ 2m independientes
X
Definamos Z n F ( n, m )
Y
m
n/2 n/2 nm
n m n 1 nm
2 2
f Z ( z) z ( n m) 2 , z0
n m
2 2
m 2
2m ( n m 2)
E Z V Z
m2 2
n( m 2 ) ( m 4 )
(m,n)
2 2
s /
x* x
Distribución muestral del estimador 2
s /
y*
2
y