Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones Muestrales
Distribuciones Muestrales
NACIONAL DE SAN
AGUSTIN
DISTRIBUCIONES
MUESTRALES
MUESTREO
Muchas veces en vez de examinar la población
entera, que puede ser físicamente imposible o poco
practico, puede examinarse una muestra de la
población con el propósito de inferir los resultados.
El proceso de seleccionar una muestra de n
elementos de la población se llama “Muestreo”.
Una técnica para obtener muestras representativas
de la población es el “muestreo aleatorio”.
MUESTREO ALEATORIO
Se llama muestreo aleatorio a todo proceso que
asegure en cualquier momento del mismo igual
probabilidad de ser incluidos en la muestra a todos
los elementos que pertenezcan a la población en
dicho momento.
A las muestras aleatorias también se les denomina
muestras probabilísticas.
Las muestras aleatorias son de cuatro tipos: al azar
simple, al azar sistemático, al azar estratificado y al
azar por conglomerados.
MUESTREO AL AZAR SIMPLE
Los elementos se escogen del total de la población en forma
individual e independiente.
Si la población es infinita el muestreo aleatorio ocurre cuando la
extracción de elementos de la muestra se hace con o sin
reemplazo.
Si la población es finita de tamaño N, el muestreo ocurre
también, si la extracción es con o sin reemplazo.
Con reemplazo, la probabilidad de que cada elemento sea
elegido es 1/N.
Sin reemplazo, la probabilidad de que cada elemento sea
elegido en la primera extracción es 1/N, en la segunda 1/(N-1),
en la tercera 1/(N-2) y así sucesivamente.
MUESTREO AL AZAR SIMPLE
Ejemplo:
Seleccionar una muestra al azar simple, es la
extracción de 6 números de 45 en la lotería
“La tinka”.
MUESTREO AL AZAR
SISTEMATICO
La distribución de probabilidades de un
Estadístico, se llama una “distribución
muestral”.
__
Distribución muestral de X
__ X
i 1
i
Si X , entonces
n
__
Distribución muestral de X
__
1) E ( X ) ( __ )
X
2 2
__
2
2) V ( X ) ( __ )
n X n
__
2
3) Si n : X N ( __ , __ )
X X
__
Distribución muestral de X
2
2
__
N n
__ V ( X ) ( )
X n N 1
Ejemplo
En un Banco el saldo promedio en las
cuentas de sus ahorristas tiene una media de
2500 soles y una desviación estándar
de 400 soles.
Encontrar la probabilidad de que el saldo
promedio en una muestra de 50 cuentas
esté entre 2350 y 2650 soles.
__
Distribución muestral de X
X = saldo en soles de una cuenta.
μ = 2500, σ = 400, σ2 = 4002.
50
__ X
i 1
i
X
50
2
2 400
__ 2500, __ 3200
X X 50
__
X N (2500, 3200)
__
Distribución muestral de X
__
P(2350 X 2650)
2650 2500 2350 2500
F( ) F( )
3200 3200
F (2.65) F (2.65)
2 F (2.65) 1 2(0.9960) 1 0.9920
Ejemplo
__ X
i 1
i
X
50
400 2 10000 50
__ 2500, __2 ( ) 3184.3184
X X 50 10000 1
__
X N (2500, 3184.3184)
__
Distribución muestral de X
__
P(2350 X 2650)
2650 2500 2350 2500
F( ) F( )
31.84.3184 3184.3184
F (2.66) F (2.66)
2 F (2.66) 1 2(0.9961) 1 0.9922
Ejemplos
En un establecimiento público el número de clientes
que ingresan diariamente tiene una media de 2000
y una desviación estándar de 1000. Encontrar:
Aproximadamente la probabilidad de que el
número promedio de clientes que entran
diariamente al establecimiento en una muestra
de 30 días este entre 2350 y 2650.
Encontrar el tamaño de la muestra n para que
con una probabilidad de 0.95 el error de
estimación al estimar la media poblacional sea
menor a 100 clientes.
Si la tienda esta en una ciudad de 100000
habitantes y el muestre ha sido sin reemplazo.
Ejemplos
Se sabe que el valor medio en dólares de los montos
de ventas de un producto determinado fue durante el
año pasado de $3400 por distribuidor al detalle, con
una desviación estándar de $200. Si el producto es
vendido por una gran cantidad de distribuidores.
¿Cuál es la probabilidad de que la media para una
muestra aleatoria de tamaño 25 sea mayor que $
3500.
Que este entre $ 3350 y $ 3450
__
Distribución muestral de P
Sea X1, X2,…, Xn es una muestra aleatoria de
tamaño n de la variable aleatoria X.
X tiene una distribución de Bernoulli con parámetro p
( X ~ Ber(p):
E(Xi) = p, V(Xni) = pq (i = 1, 2,…, n) )
__ X
i 1
i
Si P , entonces
n
__
Distribución muestral de P
__
1) E ( P ) p ( __ p )
P
__
pq 2 pq
2) V ( P ) ( __ )
n P n
__
pq
3) Si n : P N ( p, )
n
__
Distribución muestral de P
2
__
pq N n
__ V ( P) ( )
P n N 1
Si N es grande respecto a n, entonces el factor de
corrección se aproxima a la unidad.
Ejemplo
El porcentaje de electores que votan por el candidato
A es del 30%. Encontrar la probabilidad de que
en una muestra de 400 electores el porcentaje de
electores que votan por el candidato A este entre
25% y 35%.
__
Distribución muestral de P
P = Proporción que votan por A.
P = 0.30
n 400 :
2 0.3 * 0.7
__ 0.30 , __ 0.000525
P P 400
__
P N (0.30, 0.000525)
__
Distribución muestral de P
__
P(0.25 P 0.35)
0.35 0.30 0.25 0.30
F( ) F( )
0.000525 0.000525
F (2.18) F (2.18)
2 F (2.18) 1 2(0.9854) 1 0.9708
Ejemplo
n 400 :
2 0.3 * 0.7 10000 400
__ 0.30 , __ ( ) 0.000504
P P 400 10000 1
__
P N (0.30, 0.000504)
__
Distribución muestral de P
__
P(0.25 P 0.35)
0.35 0.30 0.25 0.30
F( ) F( )
0.000504 0.000504
F (2.23) F (2.23)
2 F (2.23) 1 2(0.9871) 1 0.9742
__
Distribución muestral de P
En un proceso de producción el porcentaje de unidades
defectuosas producidas es el 4%. Para controlar el proceso ,
se revisan periódicamente los objetos producidos.
Calcular aproximadamente la probabilidad de que en una
muestra aleatoria de 150 unidades revisadas se
encuentren 6% defectuosos.
Si el proceso de producción se para al encontrar al menos
5% de unidades producidas al revisar muestras aleatorias
de 100 objetos cada vez, ¿cuál es la probabilidad de que
el proceso continúe si realmente produce 6% defectuosos
del total de la producción?
__
Distribución muestral de P
La probabilidad de que un paciente se
recupere de una rara enfermedad es 0.4.
¿Cuál es la probabilidad de que una muestra
de 100 pacientes seleccionados de una
población de 1000 que sufren la enfermedad,
más del 30% sobrevivirán?
Estimador
X i X i
ˆ1
Sean i 1 ˆ2
y i 1
10 5
dos estimadores de .
Ejemplo
ˆ 1 ) y E (
E ( ˆ 2)
ˆ1 y
ˆ 2 son insesgados.
2 2
ˆ 1) ˆ 2)
V ( y V (
10 5
V (ˆ 1 ) V (
ˆ 2)
ˆ 1 es más eficiente que
ˆ 2.
Error estándar
a) Si la población es infinita
o el muestreo es con reposición:
__
El error estándar de X es __
X n
__
pq
El error estándar de P es __
P n
Ejemplo
2
(X
i 1
i X) 2
S
X
n 1
Propiedad.
Varianza muestral
Sea X1, X2,…, Xn es una muestra aleatoria
de la variable aleatoria X,
con E(Xi) = μ, V(Xi) = σ2 (i = 1, 2,…, n).
E(SX2) = σ2
2
SX S X