Professional Documents
Culture Documents
Introduccin3
Teora del muestreo.4
Muestreo al azar...4
Muestreo con y sin remplazamiento...5
Distribucin de Ji-cuadrada (X2)....5
Propiedades de Ji-cuadrada (X2)..6
Distribucin de T de Student......6
Distribucin de F de Fisher.7
Caractersticas de la distribucin F...8
Distribucin muestral de medias...9
Diferencias de medias.11
Error Estndar..12
Conclusin...14
Bibliografa.15
INTRODUCCIN
Una parte fundamental para realizar un estudio estadstico de cualquier tipo es
obtener unos resultados confiables y que puedan ser aplicables. Resulta casi imposible o
imprctico llevar a cabo algunos estudios sobre toda una poblacin, por lo que la solucin
es llevar a cabo el estudio basndose en un subconjunto de sta denominada muestra.
Sin embargo, para que los estudios tengan la validez y confiabilidad buscada es
necesario que tal subconjunto de datos, o muestra, posea algunas caractersticas
especficas que permitan, al final, generalizar los resultados hacia la poblacin en total.
Esas caractersticas tienen que ver principalmente con el tamao de la muestra y con la
manera de obtenerla.
TEORA DE MUESTRO.
La teora del muestreo es el estudio de las relaciones existente entre una poblacin
y muestras extradas de la misma. Tiene gran inters en muchos aspectos de la estadstica.
Por ejemplo permite estimar cantidades desconocidas de la poblacin (tales como la
media poblacional, la varianza, etc.), frecuentemente llamada parmetros poblacionales o
brevemente parmetros, a partir del conocimiento, de las correspondientes cantidades
muestrales (tales como la media muestral, la varianza, etc.), a, menudo llamadas
estadsticos muestrales o brevemente estadsticos.
La teora de muestreo es tambin til para determinar si la diferencias que se
puedan observar entre dos muestras son debidas a la aleatoriedad de las mismas o si por
el contrario son solamente significativas. Tales preguntas surgen por ejemplo, al ensayar
un nuevo suero para el tratamiento de una enfermedad, o al decir si un proceso de
produccin es mejor que otro. Estas decisiones envuelven a los llamados ensayos e
hiptesis de significacin, que son de gran importancia en la teora de la decisin.
En general, un estudio de inferencias, realizados sobre una poblacin mediante
muestras extradas de la misma, junto con las indicaciones de la exactitud de tales
inferencias aplicadas a la teora de la probabilidad, se le conoce como inferencia
estadstica.
Muestras al Azar Nmeros aleatorias.
Para que las conclusiones de la teora del muestreo e inferencia estadstica sean
validas, las muestras deben de elegirse de forma que sean representativas de la
poblacin. Un estudio sobre mtodos de muestreo y los problemas que tales mtodos
implican, se conoce como diseo de experimentos.
El proceso mediante el cual se extrae de una poblacin una muestra representativa
de la misma se conoce como muestro al azar, de acuerdo con ello cada miembro de la
poblacin tiene la posibilidad de ser incluido en la muestra. Una tcnica para obtener una
muestra al azar es asignar nmeros a cada miembro de la poblacin, escritos estos
nmeros en pequeos papeles, se introducen en una urna y despus se extraen los
nmeros de la urna, teniendo cuidado de mezclarlos bien antes de cada extraccin. Esto
puede ser sustituido por el empleo de una tabla de nmeros aleatorios, construida
especialmente para tales propsitos.
3
varianza
, el estadstico:
Tiene una distribucin muestral que es una
distribucin ji-cuadrada con gl=n-1 grados de libertad y se denota X2 (X es la minscula de
la letra griega ji). El estadstico ji-cuadrada esta dado por:
Donde n es
siguiente expresin:
4
la
media
muestral
Con igual a n 1.
La distribucin de T se llama ahora la distribucin-t.
El parmetro se llama convencionalmente el nmero de grados de libertad. La
distribucin depende de , pero no de o ; la independencia de y es lo que hace a la
distribucin t tan importante en la teora y en la prctica. es la funcin gamma.
Grados De Libertad (gl): Nmero de observaciones que se utilizaron para calcular la
desviacin estndar muestral menos 1, es decir (n-1).
Intervalos de confianza derivados de la distribucin t de Student
El procedimiento para el clculo del intervalo de confianza basado en la t de
Student consiste en estimar la desviacin tpica de los datos S y calcular el error estndar
de la media= S/(raz cuadrada de n), siendo entonces el intervalo de confianza para la
media = x media +- t (alfa/2) multiplicado por (S/(raz cuadradada de n)). fuente:
www.seh-lelha.org/stat1.htm
Es este resultado el que se utiliza en el test de Student: puesto que la diferencia de
las medias de muestras de dos distribuciones normales se distribuye tambin
normalmente, la distribucin t puede usarse para examinar si esa diferencia puede
razonablemente suponerse igual a cero.
DISTRIBUCION F DE FISHER
Recibi este nombre en honor a Sir Ronald Fisher, uno de los fundadores de la
estadstica moderna. Esta distribucin de probabilidad se usa como estadstica prueba en
varias situaciones. Se emplea para probar si dos muestras provienen de poblaciones que
poseen varianzas iguales. Esta prueba es til para determinar si una poblacin normal
tiene una mayor variacin que la otra y tambin se aplica cuando se trata de comparar
6
S12
S 22 . En donde
S y S2 son las varianzas mustrales tienen una distribucin 2 con grados de libertad
(n - 1).
2
1
como
S 2 (n 1)
S12 (n 1)
12
(n 1)
S 22 (n 1)
22
(n 1)
S12
12
S 22
2
= 2
Si se extrae una muestra al azar de tamao n, de una poblacin infinita con media
y una varianza s2, entonces las observaciones de la muestra son variables aleatorias
independientes e idnticamente distribuidas. La media de la muestra, calculada como
1
x ( x1 x2 xn )
n
Que es una combinacin lineal de variables aleatorias dividida por una constante,
que Tambin es una variable aleatoria normal, y el valor esperado y la varianza de la
distribucin por muestreo de x puede derivarse sencillamente. Primero, observamos que
1
E ( x ) E ( x1 x2 xn )
n
1
E ( x1 ) E ( x2 ) E ( xn )
= n
1
(n )
= n
V (x ) V (
1
n
x )
i
1
V ( x1 ) V ( x2 ) V ( xn )
2
= n
8
1
( n 2 )
2
n
=
2
= n
En esta derivacin hemos empleado el teorema de que la varianza de una constante
multiplicado por una variable es igual al cuadrado de la constante multiplicado por la
varianza de la variable.
El error estndar de la media, mide la variabilidad entre medias mustrales.
x V (x )
N n
N 1
MUESTRAS INDEPENDIENTES
Si puede suponerse que las varianzas de ambas poblaciones son iguales, el intervalo de
confianza para la diferencia de medias poblacionales est centrado en la diferencia de las
medias muestrales, siendo sus lmites superior e inferior:
t /2 es el valor crtico correspondiente al grado de
confianza 1- de la distribucin t de Student con n1+ n2-2 grados de libertad y
es una estimacin de la desviacin tpica comn a ambas
poblaciones obtenida a partir de las varianzas de las dos muestras. En la prctica si n1 y n2
son moderadamente grandes, el valor crtico t /2 se aproxima, como ya se ha visto
anteriormente, a los valores de la distribucin normal.
Si las varianzas poblacionales no pueden suponerse iguales los lmites del intervalo
de confianza son:
ERROR ESTNDAR
Es el grado de dispersin de las estimaciones puntuales obtenidas en muestras de
un tamao determinado.
A la desviacin estndar de una distribucin muestral se le conoce como error
estndar del estadstico.
11
12
CONCLUSIN
En las actividades de investigacin cientfica y tecnolgica es muy til el empleo de
muestras. El anlisis de una muestra permite inferir conclusiones susceptibles de
generalizacin a la poblacin de estudio con cierto grado de certeza.
Al desarrollar un proyecto de investigacin el total de observaciones en las cuales
se esta interesado, sea su nmero finito o infinito, constituye lo que se llama una
poblacin. La muestra es una pequea parte de la poblacin estudiada. La muestra debe
caracterizarse por ser representativa de la poblacin.
Una muestra es representativa cuando reproduce las distribuciones y los valores
de las diferentes caractersticas de la poblacin, con mrgenes de error calculables.
Los anteriores conceptos reflejan que al analizar una muestra se est aplicando la
inferencia estadstica con el propsito de conocer clases numerosas de objetos, personas
o eventos a partir de otras relativamente pequeas, compuestas por los mismos
elementos. En trminos generales la informacin que arroja el anlisis de una muestra es
ms exacta incluso que la que pudiera arrojar el estudio de la poblacin completa.
13
BIBLIOGRAFIA
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_t_de_Student
www.itescam.edu.mx/principal/sylabus/fpdb/recursos
html.rincondelvago.com/teoria-del-muestreo.html
http://www.itchihuahuaii.edu.mx/academico/CB/MEG/documentos/1.9.htm
http://www.itchihuahuaii.edu.mx/academico/CB/MEG/documentos/1.6.htm
http://www.estadisticafacil.com/estadistica:error_estandar
14