Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 110 vistas

    Distribuciones Muestrales

    Cargado por

    Marlon Chero Albino
    El documento describe conceptos estadísticos como población, muestra, parámetros, distribución muestral y distribuciones como la normal y binomial. Incluye fórmulas para calcular la media, varianza y proporción de una muestra, así como sus distribuciones cuando el tamaño de muestra es grande.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Distribuciones Muestrales

    Cargado por

    Marlon Chero Albino
    110 vistas6 páginas
    El documento describe conceptos estadísticos como población, muestra, parámetros, distribución muestral y distribuciones como la normal y binomial. Incluye fórmulas para calcular la media, varianza y proporción de una muestra, así como sus distribuciones cuando el tamaño de muestra es grande.

    Descripción original:

    contreras tito

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe conceptos estadísticos como población, muestra, parámetros, distribución muestral y distribuciones como la normal y binomial. Incluye fórmulas para calcular la media, varianza y proporción de una muestra, así como sus distribuciones cuando el tamaño de muestra es grande.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    110 vistas6 páginas

    Distribuciones Muestrales

    Cargado por

    Marlon Chero Albino
    El documento describe conceptos estadísticos como población, muestra, parámetros, distribución muestral y distribuciones como la normal y binomial. Incluye fórmulas para calcular la media, varianza y proporción de una muestra, así como sus distribuciones cuando el tamaño de muestra es grande.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 6

    UNIVERSIDAD NACIONAL DEL CALLAO

    FACULTAD DE INGENIERÍA MECÁNICA Y DE ENERGÍA


    DISTRIBUCIONES MUESTRALES
    Prof. V.Contreras T.

    Población

    Población es el conjunto de personas u objetos que tienen una o más caracterı́sticas


    medibles o contables de naturaleza cualitativa o cuantitativa.

    Muestra

    A un subconjunto de una población se llama MUESTRA.

    Parámetros

    Parámetro es una medida descriptiva que caracteriza a la distribución de la población.


    Ejemplos de parámetros son:
    Media: µ ; VARIANZA: σ 2 ; PROPORCIÓN: π ó p ; DESVIACIÓN ESTANDAR:
    σ.

    Muestra Aleatoria

    Sea X una v.a. con cierta distribución de probabilidad y sean X1 , X2 , , ..., Xn n,


    variables a leatorias que tiene cada una la misma distribución que X. Llamaremos
    entonces a (X1 , X2 , , ..., Xn ) una muestra aleatoria de la v.a. X.

    Estadı́stica ó Estadı́stico

    Se denomina Estadı́stica a cualquier función de las variables aleatorias que consti-


    tuyen la muestra. Es decir una estadistica es una v.a. Y = H(X1 , X2 , , ..., Xn )
    cuyo valor es el número real y = H(x1 , x2 , , ..., xn )
    Ejemplos
    Si X1 , X2 , ..., Xn son v.a. de una población X entonces:

    La media muestral X = n1 ni=1 Xi con valor x̄ = n1 ni=1 xi


    P P

    La varianzaPmuestral S 2 = n1 ni=1 (Xi − X)2 con valor


    P
    s2 = n1 ni=1 (xi − x̄)2
    √
    La desviación estandar muestral S = S 2

    La proporción muestral Pb ó P = n1 ni=1 Xi donde cada variables aleatoria Xi


    P

    tiene distribución de bernoulli con parámetro P . Tambien , P = Xn donde


    X ∼ B(n, p). El valor de Pb ó P calculado a partir de una muestra denota por
    pb ó p

    son estadisticas.

    1
    DISTRIBUCIÓN MUESTRAL
    Se denomina distribución muestral de una estadı́stica a la distribución de probabil-
    idad de esa variable aleatoria. Por ejemplo a la distribución de probabilidad de la
    estadı́stica media X, se llama distribución muestral de la media.
    DISTRIBUCIÓN DE LA MEDIA MUESTRAL
    Sea X1 , X2 , , ..., Xn una muestra aleatoria de tamaño n de una población X con
    media µ y con varianza σ 2 . Si X es la media muestral, entonces
    σ2
    a) E(X) = µ b) V (X) =
    n
    X −µ
    c) Para n suficientemente grande, la variable aleatoria Z = √ tiene distribución
    σ/ n
    aproximadamente normal N (0, 1).
    Observación

    1. Para n suficientemente grande, la media muestral X tiene distribución aprox-


    imadamente normal con media µ y varianza σ 2 /n (la aproximación es buena
    si n ≥ 30, aun si la población es discreta o continua).
    2. Si la muestra aleatoria es escogida de una población normal N (µ, σ 2 ) entonces
    la distribución de X tiene distribución normal N (µ, σ 2 /n) cualquier tamaño
    de muestra, n ≥ 2.
    3. V (X) = σ 2 /n es válida, si el muestreo es con o sin reemplazo en una población
    infinita, o con reemplazo en una población finita de tamaño N .
    Si el muestreo es sin reemplazo en una población finita de tamaño N entonces
    la varianza de la distribución de X es:
    σ2 N − n
    V (X) = ( )
    n N −1
    −n
    El coeficiente N
    N −1
    se llama factor de corrección para población finita. Observar
    que cuando N → ∞ el factor de corrección tiende a uno.
    Distribución muestral de la proporción
    Sea X1 , X2 , , ..., Xn una muestra aleatoria de tamaño n escogido de la población
    de Bernoulli B(1, p), donde p es el porcentaje de exitos en la población y sea
    X
    P =
    n
    La proporción de éxitos en la muestra, donde X = X1 + X2 + ... + Xn ∼ B(n, p).
    Entonces, si n es grande, la variable aleatoria estandarizadora de P tiene distribución
    aproximadamente normal de media p y varianzap(1 − p)/n, esto es,
    P −p
    Z=q ∼ N (0, 1)
    p(1−p )
    n

    NOTAS

    2
    1. Dado que, Z = √X−n p = q P −p , entonces las aplicaciones de aproxima-
    n p(1−p) p (1−p )
    n
    ciones de la binomial a la normal son las mismas de la proporción de éxitos de
    la muestra.
    q
    2. El error estandar de P es σP = p(1−p)n

    3. Si la población es finita de tamaño N y el muestreo es sin reposición el error


    estandar (desviación estandar de la hipergeométrica) es:
    r r
    p(1 − p) N − n
    σP =
    n N −1
    observemos que si el tamaño N de la pobalción es grande con respecto a n, el
    −n
    factor de corrección N
    N −1
    se aproxima a la unidad.

    4. Aproximaciones satisfactorias se obtienen si se introduce el factor de corrección


    por continuidad 21n . Luego,
    1
    c+ 2n
    −p
    p [P ≤ c ] ' P [Z ≤ ]
    σP

    Distribución muestral de la diferencia (o suma) de medias:

    Población normal o no, muestras grandes, con varianzas conocidas Si X 1


    , X 2 son las medias muestrales aleatorias independientes de tamaños n1 y
    n2 tomados de poblaciones infinitas con medias µ1 y µ2 y varianzas: σ12 y
    σ22 conocidas. Entonces para n1 y n2 tamaños de muestras grandes (≥ 30) se
    cumple aproximadamente que X 1 ±X 2 es normal con media µ1 ±µ2 y varianza
    σ12 σ2
    n1
    + n22 esto es:

    (X 1 ± X 2 ) − (µ1 ± µ2 )
    Z= q 2 ∼ N (0, 1)
    σ1 σ22
    n1
    + n2

    Si las poblaciones fuesen finitas de tamaños N1 y N2 respectivamente, se tiene:

    (X 1 ± X 2 ) − (µ1 ± µ2 )
    Z=q 2 ∼ N (0, 1)
    σ1 N1 −n1 σ22 N2 −n2
    n1
    ( N1 −1 ) + n2 ( N2 −1 )

    Población normal, muestras pequeñas y varianza poblacional desconocida


    Si X , Y son las medias muestrales aleatorias independientes de tamaños n1 y
    n2 (ambas pequeñas n1 ≤ 30 , n2 ≤ 30) tomados de dos poblaciones normales
    con medias µx y µy y varianzas poblaciones desconocidas.

    (X ± Y ) − (µx ± µy )
    t= q
    b 2 +(n2 −1)S
    (n1 −1)S b2
    x
    n1 +n2 −2
    y
    ( n11 + 1
    n2
    )

    3
    es el valor de una variable aleatoria cuya distribución es la t-student con r =
    n1 + n2 − 2 grados de libertad, donde
    n 1 2 n
    1 X 1 X
    Sb 2x = (xi − X)2 , Sb 2y = (yi − Y )2
    n1 − 1 i=1 n2 − 1 i=1

    son varianzas para muestras pequeñas.

    Distribución de la varianza muestral

    Si Sb 2 es la varianza de una muestra aleatoria de tamaño n (n pequeña) tomada de


    una población normal con varianzas σ 2 entonces

    (n − 1) Sb 2
    χ2 =
    σ2
    es el valor de una variable aleatoria que tiene la distribución Chi-cuadrada con
    ν = n − 1 grados de libertad.
    Nota

    1. Si n es grande, la distribución muestral de S se aproxima a la normal con


    2
    media σ y varianza 2σn entonces

    S−σ
    Z= √ ∼ N (0, 1)
    σ/ 2 n

    2. Como S 2 = n1 ni=1 (xi − X)2 , Sb 2 = n


    S2 y cuando n → ∞ , Sb 2 = S 2
    P
    n−1
    n
    pues n−1 →1

    4
    EJERCICIOS DE APLICACIÓN

    1. Una población consta de los números 2,3,6,8,11. Consideremos todos los posi-
    bles muestreos de tamaño 2 que pueden tomarse con reposición de esa población.
    Halle (a) la media de la distribución de muestreo de varianzas y (b) la desviación
    tı́pica de la distribución de muestreo de varianza( o sea el error tı́pico de var-
    ianzas).

    2. Rehacer el ejercicio anterior sin reposición.

    3. Las estaturas de 1000 estudiantes están distribuidas aproximadamente en for-


    ma normal con una media de 174,5 cm y una desviación estandar de 6,9 cm.
    Si se extraen 200 muestras aleatorias de tamaño 25 sin reemplazo de esta
    población, determine:

    a) El número de las medias muestrales que caen entre 172,5 y 175,8 cm.
    b) El número de medias muestrales que caen por debajo de 172 cm.

    4. Las bolas de rodamiento de cierto fabricante pesan 0,50 gr. de media con
    desviación tı́pica de 0,02 gr. ¿Cual es la probabilidad de que dos lotes de 1000
    bolas cada uno difieran en peso en más de 2 gramos?

    5. Los objetos producidos por una fábrica A tienen una duración media de 80
    meses y una desviación estandar de 5 meses. Mientras que del fabricante B
    tiene una duración media de 75 meses y una desviación estandar de 3 meses.
    ¿Cuál es la probabilidad de que una muestra aleatoria de 36 objetos del fabri-
    cante A tenga una duración media de al menos tres meses más que la duración
    media de 49 objetos del fabricante B?. Suponga que las duraciones medias en
    ambos casos se distribuye normalmente y son independientes.

    6. Una muestra aleatoria de 10 bigas de acero de la fábrica A tienen un promedio


    de fuerza de tensión de 54 000 PSI (libras por pulgada cuadrada) con una
    desviación estandar de 2 100 PSI y otra muestra aleatoria de 12 bigas de acero
    de la fábrica B tienen un promedio de fuerza de tensión de 52 000 PSI con
    desviación estandar de 1 900 PSI. Las bigas de la fábrica B cuestan menos
    que las de la fábrica A y por lo tanto estarı́amos inclinados a comprarlas de la
    fábrica B, a menos que la fuerza de tensión promedio de las bigas de la fábrica
    A sean mayores que los de B.

    a) ¿Cuál es la probabilidad de efectuar la compra de la fábrica A?


    b) Encontrar el valor mı́nimo de µx + µy si P (t ≤ to ) = 0, 90

    7. Una v.a. X tiene distribución normal con media igual a 100.

    a) Si se extrae una muestra aleatoria de 16 elementos de X y se encuentra


    que la desviación estandar es 12, ¿cuál es la probabilidad de que la media
    muestral se encuentre entre 92,194 y 104,023?
    b) Si se supone que la desviación estandar de X es igual a 15, ¿Que tamaño
    deberı́a tener la muestra para que P [90, 2 < X < 109, 8] = 0, 95?

    5
    8. La duración en horas de una marca de tarjetas electrónicas se distribuye ex-
    ponencialmente con promedio 1000 horas.

    a) Si se obtiene una muestra aleatoria de 100 de esas tarjetas, cacule que la


    duración media de la muestra esté comprendida entre 950 y 1100 horas?
    b) Halle el tamaño n de la muestra de manera que sea 0,242 la probabilidad
    de que la media muestral no supere las 930 horas.

    9. El jefe de compras de la empresa de servicio LUZ, está por decidir la compra


    de una de las dos marcas A o B de focos. Para esto se escogieron dos muestras
    aleatorias de tamaño n1 = 10 , n2 = 9 focos respectivamente de las marcas A
    y B , resultando, las desviaciones estándares respectivamente 200 y 150. Si el
    criterio de decisión es aceptar que µ1 6= µ2 cuando la diferencia entre las medias
    muestrales es mayor que 173 y aceptar µ1 = µ2 en caso contrario, ¿cuál es la
    probabilidad de aceptar que µ1 6= µ2 cuando realmente µ1 = µ2 ? se asume que
    la vida útil de ambas marcas tiene distribución normal con varianzas iguales

    10. En unas elecciones uno de los candidatos obtuvo el 46 % de votos. Halle la


    probabilidad de que en una muestra de (a) 200 y (b) 100 votantes elegidos al
    azar saliera mayorı́a a su favor.

    11. De 2000 consumidores el 40 % consumen cierto producto, ¿cuál es la proba-


    bilidad de conseguir una proporción muestral superior a 46 % de una muestra
    aleatoria de 400 consumidores de dicho producto?

    12. Una muestra aleatoria de 27 observaciones es tomada de una población normal


    con σ 2 = 16, 8.

    a) Encuentre la probabilidad de obtener una desviación estandar entre 3 y


    5,2
    b) Posteriormente 5 observación tomadas a la misma población se incremen-
    tan a las anteriores. ¿Cuál es la probabilidad de obtener una desviación
    tı́pica mayor a 4?

    También podría gustarte