Sesión 35 Distribuciones de Muestreo

ADMINISTRACIÓN DE NEGOCIOS INTERNACIONALES
Curso: Estadistica
Docente: Lic. Frank Sullcaccori Leon
Curso: Estadistica
REVISION DE CONCEPTOS
POBLACION es la totalidad de observaciones relacionadas con una

situación particular , puede ser finita o infinita.
Un PARAMETRO es una caracterización numérica de la distribución

de la población de manera que describe, parcial o completamente la
función de densidad de población de la característica de interés.
Una MUESTRA es un subconjunto de la población. Debe ser

representativa y aleatoria.
Una estadística (un estadístico) es cualquier función de las variables

aleatorias que se observaron en la muestra, de manera que esta
función no contiene cantidades desconocidas.
Curso: Estadistica
N
Media Docente: Lic. Frank Sullcaccori Leon
X i
 i 1
N
N
Varianza  i
( X   ) 2
muestral
 2
 i 1
N
Ejemplos de
x
PARAMETROS
 i
( X   ) 2

Desviacion
i 1
Standard
N
X numerodesucesos
PROPORCION p 
n tamañodela POBLACION
n
Media X i
X i 1
n
n
Varianza
muestral
 i
( X  X ) 2
S2  i 1
n 1
Ejemplos de
ESTADISTICOS
n
Desviacion  i
( X  X ) 2
Standard
S i 1
n 1
X numerodesucesos
PROPORCION MUESTRAL
ps  
n tamañodela muestra
Curso: Estadistica
DISTRIBUCION DE MUESTREO DE UNA ESTADISTICA

La distribución de muestreo de una estadística es la distribución de
probabilidad que puede obtenerse como resultado de un número infinito
de muestras aleatorias independientes, cada una de tamaño n
provenientes de la población de interés.
Es decir es la distribución de probabilidad de un estadístico.
La distribución de probabilidad de X se llama distribución muestral de la

media.
2
La distribución de probabilidad de S se llama distribución muestral de la
varianza.
La distribución de probabilidad de p se llama distribución de muestral de

la proporción.
Curso: Estadistica
Curso: Estadistica
Se utiliza para hacer inferencias sobre la media de la población
Es el resultado de un experimento que se lleva a cabo una y otra vez

para muestras del mismo tamaño, de las cuales se obtienen los
diversos valores de la media muestral.
Esta distribución describe la variabilidad de los promedios muestrales

alrededor de la media de la población
Curso: Estadistica
Muestras Mediciones Xi
1 X 11 , X 21 , X 31....... X n1 X1
2 X 12 , X 22 , X 32 ....... X n 2 X2
Muestras 3 X 13 , X 23 , X 33 ....... X n 3 X3
tomadas a n
partir de
una
.
.
.
.
.
.
X i
distribucion C X i 1
normal . . A
.
n
L
Con media . . C .
 . . U
L
.
Y varianza . . O
.
. . S .
2
m
 .
m
.
X 1m , X 2 m , X 3m ....... X nm Xm
.
X i
TOTALES m X  i 1
X
i 1 i m
Curso: Estadistica
Sea X 1 , X 2 , X 3 ............ X n
una muestra aleatoria de tamaño “n” de una población con función de
densidad f(x) con media  y varianza  2 de una población normal
La media muestral representada por X , es la media aritmética de los

elementos de la muestra, y su varianza muestral y desviación standard están
dadas por:
n
n
X i
Varianza
muestral
 i
( X  X ) 2
S2  i 1
X i 1
n 1
n
Desviacion  i
( X  X ) 2
Standard S i 1
n 1
Curso: Estadistica
Propiedades de la Media Aritmética

• Imparcialidad
• Eficiencia
• Consistencia
La imparcialidad se refiere al hecho de que el promedio de todas

las medias de muestra posibles de un tamaño n será igual a la
media de la población
Curso: Estadistica
Muestras Mediciones X i Docente: Lic. Frank Sullcaccori Leon
1 X 11 , X 21 , X 31....... X n1 X1
2 X 12 , X 22 , X 32 ....... X n 2 X2
3 X 13 , X 23 , X 33 ....... X n 3 X3 imparcialidad
Muestras
tomadas a . . . m
X
partir de
. . .
una i
distribucion . . C .
normal . .
A
. X  i 1
Con media . .
L
C .
m
 . .
U
L
.
Y varianza . . O .
S
. . .
2 m Xm
TOTALES X 1m , X 2 m , X 3m ....... X nm m
X
i 1 i
Curso: Estadistica
La eficiencia se refiere a la precisión de la muestra de

estadística como un estimador del parámetro de población
Para distribuciones como la normal, la Media Aritmética se
considera más estable de muestra a muestra que otras
mediciones de tendencia central
Para una muestra de tamaño n la media de la muestra se
acercará más en promedio a la media de la población que
cualquier otro estimador imparcial
Por lo tanto la media de la muestra es una mejor estimación de
la media de la población
La consistencia se refiere al efecto del tamaño de muestra sobre la
utilidad de un estimador
Al incrementarse el tamaño de muestra, la variación de la media de
muestra de la media de la población se hace más pequeña, de
manera que la media de la muestra se vuelve una mejor estimación
de la media de la población
Curso: Estadistica
MUESTREO DE
POBLACIONES NORMALES
Curso: Estadistica
Muestras Mediciones Xi S i2 Si
1 X 11 , X 21 , X 31....... X n1 X1 S12 S1
2 X 12 , X 22 , X 32 ....... X n 2 X2 S 22 S2
Muestras 3 X 13 , X 23 , X 33 ....... X n 3 X3 S 32 S3
tomadas a . . . .
partir de
. . . .
una
distribucion . . C . .
A
normal . . . .
L
Con media . . C . .
 . .
U
L
. .
Y varianza . . O . .
S
. . . .
2 m Xm S m2 Sm
TOTALES X 1m , X 2 m , X 3m ....... X nm m m m
 X S S
i 1
i
2
i
i i 1 i 1
Curso: Estadistica
Si se toman muestras de una población normal con media y una 

desviación estándar conocida 
la distribución de muestreo de la media
también tendrá una distribución normal con media  y una desviación
estándar denominada Error Estándar de la Media  x
E( X )  x  
V (X )  
Cada observaciónX 1 , X 2 , X 3 ............ X n 2 2
en cada una de las muestras aleatorias tiene
x n
entonces la misma distribución normal que
la población de la que se muestrea.
 x
n
Error estándar de la media
Curso: Estadistica
x
En este caso el valor de la
z
x
variable z estándar se
calcula por:
x
z

n
Curso: Estadistica
Muestreo de poblaciones no normales

Teorema del Límite Central
Al hacerse lo bastante grande el tamaño de una muestra la distribución
de muestreo de la media puede aproximarse mediante la distribución
normal
Esto es cierto no importando la forma de la distribución de los valores
individuales de la población
Para la mayoría de las distribuciones de población, sin importar la forma,

la distribución de muestreo de la media tendrá una distribución
aproximadamente normal si se seleccionan muestras de al menos 30
observaciones
Si la distribución de población es lo bastante simétrica, la distribución de
muestreo de la media será aproximadamente normal si se seleccionan
muestras de al menos 15 observaciones
Si la población se distribuye normalmente, la distribución de muestreo de
la media se distribuirá normalmente sin importar el tamaño de la muestra
Curso: Estadistica
CUANTITATIVAMENTE EL TEOREMA DEL LIMITE CENTRAL SE

DESCRIBE POR:
Si es la media de una muestra aleatoria de tamaño n tomada de una

población con media  y varianza 2, entonces la forma limite de la

distribucion de
 2  Conforme n es la
X  N   ,  distribucion normal estándar
 n  n(z;0,1)
y La aproximación es buena si
z
X  X 


n  30
x Si n es menor de 30 la
n aproximación será buena solo
si se sabe que la población
tiene una distribución normal
Curso: Estadistica
EJEMPLO
Suponga que a cada uno de los mecanógrafos que
comprenden una población de servicio de apoyo
secretarial de un departamento particular de una compañía
se le pidiera mecanografiar la misma página de un
manuscrito. El número de errores cometidos por cada
mecanógrafo fue el siguiente:
Número de
Mecanógrafo Errores Frecuencia
A 3 1
B 2 1
C 1 1
D 4 1
Curso: Estadistica
CALCULO DEL NUMERO PROMEDIO DE ERRORES Y SU VARIABILIDAD
  3  2 4 1  4  2.5errores
N
2 2
 (3  2.5)  ........  ( 4  2.5)
 
2 i 1
 1.2544
4
 1.2544  1.12
Curso: Estadistica
La distribución de población se muestra en el siguiente grafico:
Número de Errores cometidos por una población de cuatro mecanógrafos
1.2
0.8
Mecanógrafos
0.6 Serie1
0.4
0.2
0
1 2 3 4
Núm ero de errores
Resultados Media
Muestra Mecanógrafos de muestra Muestral
Si se toman muestras de 1 A,A 3,3 3
tamaño DOS con 2 A,B 3,2 2.5
reemplazo se tienen los
siguientes resultados, 3 A,C 3,1 2
mostrados en la tabla: 4 A,D 3,4 3.5
5 B,A 2,3 2.5
6 B.B 2,2 2
7 B,C 2,1 1.5
8 B.D 2,4 3
9 C,A 1,3 2
10 C,B 1,2 1.5
11 C,C 1,1 1
12 C,D 1,4 2.5
13 D,A 4,3 3.5
14 D,B 4,2 3
La media de las 15 D,C 4,1 2.5
muestras es: 16 D,D 4,4 4
 
3  2.5  2.....  4
16
X
 2.5errores
Si se toma una muestra de
tamaño DOS sin reemplazo se
tienen los siguientes Sin reemplazo
resultados, mostrados en la
tabla
Resultados Media
Muestra Mecanógrafos de muestra Muestral
1 A,B 3,2 2.5
2 A,C 3,1 2
3 A,D 3,4 3.5
4 B,C 2,1 1.5
5 B.D 2,4 3
6 C,D 1,4 2.5
 
2.5  2.....  2.5
6
X
 2.5errores
Curso: Estadistica
Que se concluye al comparar los dos

resultados anteriores?
En ambos el valor de la media es igual, por lo

tanto se concluye que la Media Aritmética de
muestra es un estimador imparcial de la media
de la Población
Cálculo del Error Estándar de la Media
 x
n

1.12
2
Curso: Estadistica
Si se extraen al azar muestras independientes de tamaño n1 y n2

de dos poblaciones discretas o continuas, con medias 1 y  2
2
CASO 1
 2
y varianzas 1 y
2 respectivamente conocidas, entonces la
Suma de las distribución muestral de las diferencia de medias X1  X 2
muestras
no excede a 30 esta distribuida aproximadamente de forma normal con media y
varianza dada por:
  1   2
X1  X 2
DONDE z ( X 1  X 2 )  ( 1   2 )
y  12   22
  2

 1  2
2
n1 n2
X1  X 2
n1 n2 Es aproximadamente una variable normal
estándar
Curso: Estadistica

de dos poblaciones discretas o continuas, con medias 1 y  2
CASO 2
y 
varianzas 1
2
y
 22 respectivamente desconocidas,
Suma de las
entonces la distribución muestral de las diferencia de medias
muestras
excede a 30 X1  X 2
esta distribuida aproximadamente de forma normal con media y
varianza dada por:

z ( X 1  X 2 )  ( 1   2 )
X1  X 2
 1   2 DONDE s12  S 22
n1 n2
S x1  x2 
s12  S 22
n1 n2 Es aproximadamente una variable normal
estándar
Curso: Estadistica

(cuya suma no excede a 30) de dos poblaciones discretas o
continuas, con medias 1 y  2
2
CASO 3 y varianzas  2 y
1
 2 respectivamente desconocidas,
entonces la distribución muestral de las diferencias de las
medias X  X
  2
1   2
2
1 2
esta distribuida con media y varianza dada por:
DONDE t 
( X 1  X 2 )  ( 1   2 )
1 1
 X1  X 2
 1   2 Sp 
n1 n2
2
(n1  1) S  (n2  1) S 2
1 1 (n1  1) S12  (n2  1) S 22
S x1  x2  1 2
 Sp 
n1  n2 n1 n2 n1  n2
Curso: Estadistica

(cuya suma no excede a 30) de dos poblaciones discretas o
continuas, con medias 1 y  2
y 
varianzas 1
2
y  22 respectivamente desconocidas,
CASO 4 entonces la distribución muestral de las diferencias de medias
X1  X 2
 12   22 esta distribuida con media y varianza dada por:
t*  ( X 1  X 2 )  ( 1   2 )
S12 S 22
 X1  X 2
 1   2
DONDE

n1 n2
 
2
s12 s22

s
n1 n2
2 2
S v
( s12 n )2 ( s22 n )2 
S x1  x2  1
 2
n1 n2 con  n1 11  n 2 12 
 
Curso: Estadistica
Si n1 y n2 son mayores o iguales a 30 la aproximación normal

para la diferencia de medias es muy buena cuando las
distribuciones originales están cerca de la normal
Si n1 y n2 son menores a 30 la aproximación normal para la

diferencia de medias es muy buena cuando las distribuciones
originales están cerca de la normal
Si n1 y n2 son menores a 30 la aproximación normal para la

diferencia de medias NO es muy buena si las distribuciones
originales no son normales
Curso: Estadistica
Distribución de Muestreo de la Proporción

Se utiliza para variables categóricas
Cada sujeto u objeto se clasifica como poseedor o no de una característica
particular (masculino o femenino, satisfecho o no con su trabajo,)
A los dos resultados posibles se les puede asignar resultados de 1 y
0(cero) para representar la presencia o ausencia de la característica
En este caso la media muestral es la proporción de muestra ps, que tiene
la característica de interés, se define como:
X numerodesucesos
ps  
n tamañodelamuestra
Donde
0  ps  1
ps Es un estimador de la proporción de población p

Curso: Estadistica
ANALOGIA
La media de la muestra es un estimador de la media de la

población
La estadística ps es un estimador de la proporción de la
población
La distribución de muestreo de la proporción en realidad sigue la

distribución BINOMIAL, sin embargo cuando np y n(1-p) son cada
uno al menos 5 se puede utilizar la distribución normal para
aproximar la distribución binomial.
En los casos de inferencias relacionadas con la proporción el
tamaño de muestra es lo bastante sustancial para usar la
aproximación normal
Curso: Estadistica
PROPORCION NUMERO DE
DE EXITOS EXITOS
ps  p
Z
p(1  p)
n X  np
Z
X np (1  p )
ps 
n
Curso: Estadistica
Error estándar de la Proporción
 ps 
p(1  p)
n
Nota importante: esta distribución sigue la distribución binomial, sin
embargo la distribución binomial puede usarse para aproximar la
distribución binomial cuando np y n(1-p) son cada uno al menos 5. En
z
ese caso se calcularía el valor de z por:
ps  p

p (1  p )
Donde p es la proporción de la
población n
Curso: Estadistica
Ejemplo
El gerente de la sucursal local de un banco de ahorro ha determinado que 40%
todos los depositantes tienen cuentas múltiples en el banco. Si se selecciona
aleatoriamente una muestra de 200 depositantes, cual es la probabilidad de
que la proporción muestra de depositantes con cuentas múltiples esté entre
0.40 y 0.43
np  200 * 0.4  80 0.40  0.4
z1 
n(1  0.4)  200 * 0.6  120 0.4 * 0.6
200
z1  0
0.43  0.4
Distribución de muestreo de z2 
la proporción se puede 0.4 * 0.6
suponer normalmente
distribuida 200
z 2  0.87
P (0  z  0.87)  0.3078
Curso: Estadistica
Muestreo de Poblaciones Finitas

El TLC y los errores estándar de la media y la proporción se han
basado en la premisa de que las muestras seleccionadas se eligieron
con reemplazo.
E casi toda investigación de encuesta, el muestreo es conducido sin

reemplazo de poblaciones que son de un tamaño finito N.
En estos casos cuando el tamaño de n no es pequeño comparado con
el tamaño de población N (se muestrea mas del 5% de la población),
de manera que n/N>0.05 debe usarse un factor de corrección de
población finita en la fórmula de la media como del error estándar de la
proporción
N n
N es tamaño de la población
pcf 
N 1
n es tamaño de la muestra
Curso: Estadistica
Muestreo de Poblaciones Finitas
   x N n
x
n N 1
 ps 
p (1  p)
n
N n
N 1
Curso: Estadistica
MUESTREO A PARTIR DE UNA DISTRIBUCION DE BERNOULLI
La variable aleatoria X con fdp
p X=1
P( X )  
(1  p) X=0
Se llama variable aleatoria de Bernoulli

Si se toma una muestra aleatoria de n observaciones, entonces la
suma de de las observaciones muestrales
X  X 1  X 2  ............ X n
Tiene una distribucion binomial con parametros n y p
n
Su media muestral es X i
X i 1
n
Curso: Estadistica
Es posible obtener la distribucion de X a partir de la distribucion binomial
a
P ( X  a )    p k (1  p ) n  k
n
k
i 0
X  p
 2
X

p (1  p )
n
Curso: Estadistica
MUESTREO A PARTIR DE UNA DISTRIBUCION DE POISSON
Si se toma una muestra aleatoria de n observaciones, DE UAN

DISTRIBUCION DE Posiisn con parametro entonces la suma de de
las observaciones muestrales

X  X 1  X 2  ............ X n
Tiene una distribucion poisson con parametro

n
La media de cada muestral es X i

X i 1
n
Curso: Estadistica
n x
an
e (n )
P X  a   P ( X  an)  
k 0 x!
X  
 2
x 
  x 

n
n
Curso: Estadistica
Referencias
• Lind, D.; Marchal, W. & Wathen, S. (2005).
Estadística aplicada a los negocios y la
economía, Ed. Mc Graw Hill.
• Jay L. Devore, (2006). Probabilidad y

estadística para ingeniería y ciencias, Ed.
Internatinal Thomson.

Sesión 35 Distribuciones de Muestreo

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sesión 35 Distribuciones de Muestreo

Cargado por

Copyright:

Formatos disponibles

ADMINISTRACIÓN DE NEGOCIOS INTERNACIONALES

POBLACION es la totalidad de observaciones relacionadas con una

Un PARAMETRO es una caracterización numérica de la distribución

Una MUESTRA es un subconjunto de la población. Debe ser

Una estadística (un estadístico) es cualquier función de las variables

DISTRIBUCION DE MUESTREO DE UNA ESTADISTICA

Es decir es la distribución de probabilidad de un estadístico.

La distribución de probabilidad de X se llama distribución muestral de la

La distribución de probabilidad de p se llama distribución de muestral de

Se utiliza para hacer inferencias sobre la media de la población

Es el resultado de un experimento que se lleva a cabo una y otra vez

Esta distribución describe la variabilidad de los promedios muestrales

La media muestral representada por X , es la media aritmética de los

Propiedades de la Media Aritmética

La imparcialidad se refiere al hecho de que el promedio de todas

Muestras Mediciones X i Docente: Lic. Frank Sullcaccori Leon

La eficiencia se refiere a la precisión de la muestra de

Si se toman muestras de una población normal con media y una 

Muestreo de poblaciones no normales

Para la mayoría de las distribuciones de población, sin importar la forma,

CUANTITATIVAMENTE EL TEOREMA DEL LIMITE CENTRAL SE

Si es la media de una muestra aleatoria de tamaño n tomada de una

CALCULO DEL NUMERO PROMEDIO DE ERRORES Y SU VARIABILIDAD

Número de Errores cometidos por una población de cuatro mecanógrafos

1 A,B 3,2 2.5

3 A,D 3,4 3.5

4 B,C 2,1 1.5

6 C,D 1,4 2.5

Que se concluye al comparar los dos

En ambos el valor de la media es igual, por lo

Cálculo del Error Estándar de la Media

Si se extraen al azar muestras independientes de tamaño n1 y n2

Si se extraen al azar muestras independientes de tamaño n1 y n2

Si se extraen al azar muestras independientes de tamaño n1 y n2

esta distribuida con media y varianza dada por:

Si se extraen al azar muestras independientes de tamaño n1 y n2

Si n1 y n2 son mayores o iguales a 30 la aproximación normal

Si n1 y n2 son menores a 30 la aproximación normal para la

Si n1 y n2 son menores a 30 la aproximación normal para la

Distribución de Muestreo de la Proporción

ps Es un estimador de la proporción de población p

La media de la muestra es un estimador de la media de la

La distribución de muestreo de la proporción en realidad sigue la

Error estándar de la Proporción

Muestreo de Poblaciones Finitas

E casi toda investigación de encuesta, el muestreo es conducido sin

La variable aleatoria X con fdp

Se llama variable aleatoria de Bernoulli

Es posible obtener la distribucion de X a partir de la distribucion binomial

Si se toma una muestra aleatoria de n observaciones, DE UAN

Tiene una distribucion poisson con parametro

La media de cada muestral es X i

• Jay L. Devore, (2006). Probabilidad y

También podría gustarte