Professional Documents
Culture Documents
ENEI
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
DISTRIBUCIONES MUESTRALES
Como ya sabemos un estadstico es una propiedad muestral cuyo valor cambia de
muestra a muestra, por lo cual se comporta como una variable aleatoria. En
consecuencia, debe existir un modelo o funcin de probabilidad que describa su
distribucin de probabilidades, la cual se denomina distribucin muestral. La
importancia de conocer y comprender las distribuciones muestrales resulta del valor que
ellas tienen para la inferencia estadstica. En esta primera parte, solo nos interesa
conocer las principales distribuciones y familiarizarnos con sus propiedades.
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
DEFINICIN
Se define la distribucin muestral de un estadstico (distribucin de muestreo) en una
poblacin, como la distribucin de probabilidad de todos los posibles valores que un
estadstico puede asumir para cierto tamao de la muestra. Especficamente, se trabajar
con las distribuciones muestrales para: medias, proporciones y varianzas.
Una distribucin muestral es una distribucin de probabilidad de un estadstico muestral
calculado a partir de todas las muestras posibles de tamao
N=10
, es decir, 10
N!
10 !
=
=252 muestras
( Nn )= n ! ( Nn
) ! 5 ! ( 105 ) !
Por lo que considerando este caso, la distribucin muestral para un estadstico
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
muestra 1 X 1
muestra 2 X 2
252
muestra 252 X
y desviacin estndar
x =
N n
N 1
. Como se
observa, a medida que el tamao de la muestra aumenta este error disminuye, las
diversas medias muestrales se hacen ms uniforme en su valor, y en
4
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
Construccin.
Obtener todas las muestras posibles de tamao n de la poblacin de
tamao N.
Para cada muestra se calcula la media.
Se construye la distribucin de probabilidad para los valores de las
medias.
Se calcula la media y la desviacin estndar de la distribucin de
probabilidad.
Se construye la grfica de la distribucin de probabilidad.
Ejemplo:
Una poblacin est formada por los siguientes valores: 12, 6, 7, 10, 8, 11, 9, 13.
Describir la distribucin muestral de la media, al tomar todas las muestras de
tamao 3 sin reemplazo.
Para determinar todas las muestras necesitamos primero saber el nmero de
muestras posibles: Si el muestreo es sin reemplazo el nmero de muestras est
dado por:
Cn =
N!
8!
8
=C 3=
=56
n ! ( N n ) !
3! ( 83 ) !
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
Tomando como base las medias de las muestras podemos ahora construir la
siguiente distribucin de probabilidad:
2x =
183 19
5
=
2
2
4
( )
5 5
=
4 2
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
N n , y por
3
tanto, para nuestro ejemplo el nmero de muestras sera de 8 =512.
Ejemplo:
Sea una poblacin de 10 vendedores de una compaa. La variable de inters X
es la antigedad (medida en aos cumplidos)
X ={ 1,2,3,4,5,6,7,8,9,10 }
x i = 55 =5,5
N
10
( x i )
=
=8,25
2
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
x =
x i =5,5
Nn
2
x
( x i x ) 412,5
=
=4,125
2x =
Nn
100
2 8,25
=
=4,125
n
2
A la expresin:
Nota:
Cuando el muestreo se extrae de una poblacin distribuida normalmente, la
distribucin muestral de la media muestral tiene lkas siguientes propiedades:
1. La distribucin de la media es normal, independientemente del tamao
de la muestra.
2. La media de la distribucin de las medias es igual a la media de la
poblacin.
8
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
n
9
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
x =
de una muestra cualquiera cumpla esa condicin, viene dada por el rea
es
x =
N n
N 1
mayores que 30
( n>30 ) , la distribucin
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
muestra de tamao
teorema.
19
2
2=
21
21
=
4
2
x =
21
N n
2
=
n N 1 3
83 1 21 ( 5 ) 5
=
=
81 2 3 ( 7 )
2
Como podemos observar los valores obtenidos en forma manual coinciden con
los obtenidos con el Teorema de lmite Central. Con esto verificamos o
comprobamos la efectividad de dicho teorema.
Con esto podemos concluir que conociendo la media y la varianza de la
poblacin, podemos calcular la media y la varianza de la distribucin muestral
de las medias, sin necesidad de generar la distribucin muestral, haciendo uso
del Teorema de lmite Central. Adems sin importar la manera de cmo se
distribuya la poblacin, la distribucin de probabilidad de las medias muestrales,
11
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
Ejemplo
La vida promedio de cierta herramienta es de 41.5 horas, con una desviacin
estndar de 2.5 horas. Cul es la probabilidad de que una muestra aleatoria de
tamao 50 extrada de esta poblacin tenga una media entre 40?5 y 42 horas?
P ( 49.5 x 42 )=P (2,86 x 1,43 )=0,9215
tamaos
n2
dos muestras. A partir de estas dos medias muestrales es posible generar nuevas
variables que relacionen las dos poblaciones. Por ejemplo, se pueden sumar,
restar, multiplicar o dividir los valores de las dos medias muestrales y originar
otras variables cuyos valores estarn representados por el resultado de las
operaciones realizadas. De estas nuevas variables, la ms conveniente para la
inferencia estadstica es la diferencia de medias muestrales debido que se
conocen las propiedades de su distribucin de frecuencia. Cuando el muestreo de
una variable se hace a partir de poblaciones que se distribuyen normalmente, la
diferencia de medias muestrales es una nueva variable que de acuerdo con la
propiedad reproductiva tambin se distribuye normalmente con media y varianza
igual a:
( x x )= x x =x x
2
12
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
2
2
( x 2 x 1 )
ENEI
2
x x
= + = +
n 2 n1
2
x 2
2
x 1
( x 2x 1 )
( x 2x 1 )
z=
( x2 x )
1
2
x2
2
x1
+
n2 n1
( x 2 x )
1
+
( x 2x 1 )( x x )
2
x2
2
x 1
( x x )
2
Ejemplo:
Una muestra de tamao 5 se obtiene aleatoriamente en una poblacin de una
variable normalmente distribuida con media igual a 50 y varianza igual a 9 y se
registra la media muestral. Otra muestra aleatoria de tamao 4 se selecciona en
una segunda poblacin de la misma variable cuya media es igual a 40 y su
varianza igual a 4. Encuentre la probabilidad de que el valor de la diferencia de
las medias muestrales sea menor a 8,2.
Solucin:
Por la propiedad reproductiva de la distribucin normal sabemos que
( X 2 X 1 )
( x x )= x x =5040=10
2
2
( x 2 x 1 )
2x 2x 9 4 14
= + = + = =2,8
n2 n1 5 4 5
2
13
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
z=
ENEI
( x2 x1 ) ( x x ) 8,210 1,8
=
=
=1,08
( x x )
2,8 1,6733
2
xitos, habr
( Nk )
, se
k
N
p=
x
n
14
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
15
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
2p =
4
7
p=
8
4 2 8
=
21 7
147
()
, la
8
la desviacin estndar es p = 147
Tomando como base la distribucin de probabilidad para la media
construimos la grfica de la distribucin muestral de la proporcin
. Se
p=
16
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
p=
(1 )
n
p p
.
p
(1 ) N n
n
N 1
proporcin
se
muestral
de
la
np ( 1 p ) >5
puede
la
aproximar
=npq
=np
y que su varianza es
tiene una
17
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
media
ENEI
y varianza
pq
n . Entonces por el Teorema de Lmite
z=
Xnp ^ p
=
npq
pq
n
nyp
entonces:
k 5np
k +5np
<Z <
)
npq
npq
a+5np
b5np
< Z<
)
npq
npq
a5np
b+5np
<Z <
)
npq
npq
Ejemplo:
Segn reportes del centro nacional para estadsticas de salud, alrededor
del 20 % de la poblacin masculina adulta de los Estados Unidos es
obesa. Se elige al azar una muestra de 150 hombres adultos en los
Estados Unidos. Cul es la probabilidad de que:
a. Haya a lo ms 25 personas obesas?
b. Haya ms de 22 pero menos de 35 obesos?
c. Haya por lo menos un 25% de obesos en la muestra?
Solucin.
Sea X el nmero de personas obesas en la muestra.
Usando aproximacin normal a la Binomial se tiene que:
18
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
a.
25.530
=P ( Z<0.91 )=0.1814
24
b.
22.530
34.530
< Z<
)
24
24
37,530
=P ( Z> 1.53 )=1P ( Z<1.53 )=0,0630
24
poblacional
y varianza poblacional
Se define la cuasivarianza
muestra como:
s 2=
1
( x x )2
n1 i=1 i
DISTRIBUCIONES MUESTRALES
Prof. Willer David Chanduvi Puicn
ENEI
El valor de la varianza de
X N ( , 3,372)
Por propiedad se cumple que:
X i N ( ,3,37 2)
Adems:
n1 2 2
15 2 2
s x n1
s x15
2
3,372
2
15 2 15
2
s>
2,89 )
2
2
3,37
3,37
20