Scribd Logo
Carica

Benvenuto in Scribd!

  • Tema6 - Teoria de Muestras

    Caricato da

    Anderson Buitron
    16 visualizzazioni11 pagine
    Tema6_teoria de Muestras teoria de Muestras

    Titolo originale

    Tema6_teoria de Muestras

    Copyright

    © © All Rights Reserved

    Formati disponibili

    PDF o leggi online da Scribd

    Hai trovato utile questo documento?

    Questo contenuto è inappropriato?

    Segnala questo documento
    Tema6_teoria de Muestras teoria de Muestras

    Copyright:

    © All Rights Reserved
    Scarica in formato PDF o leggi online su Scribd
    Segnala contenuti inappropriati
    16 visualizzazioni11 pagine

    Tema6 - Teoria de Muestras

    Caricato da

    Anderson Buitron
    Tema6_teoria de Muestras teoria de Muestras

    Copyright:

    © All Rights Reserved
    Scarica in formato PDF o leggi online su Scribd
    Segnala contenuti inappropriati
    di 11
    Capitulo 6 Teoria de Muestras Como ya sabemos, la Estadistica tiene como objeto el estudio de un conjunto de personas, cosas 0, en general, elementos con alguna caracterfstica comin a todos ellos. Sin embargo, cuando queremos obtener informacién sobre una poblacién, podemos obtener datos de la tota- lidad de ésta (censo) o bien de una parte (muestra). La parte de la Estadistica que estudia la relacidn entre las muestras de una poblacién y la poblacién misma recibe el nombre de Teoria de Muestras. En la préctica, suele ocurrir con frecuencia que no es posible estudiar todos los elementos de la poblacién, ya que: 1. Si el nimero de elementos de la poblacién es muy elevado, el estudio levaria tanto tiempo que seria impracticable 0 econémicamente inviable. 2. El estudio puede implicar la destruccién del elemento objeto de estudio. Por ejemplo, estudiar la vida media de una partida de bombillas, o la tensién de rotura de cables 3, Los elementos pueden existir conceptualmente, pero no en la realidad. Por ejemplo, la proporcién de piezas defectuosas que produciré una maquina. En estas ocasiones, lo que se hace es seleccionar una muestra de la poblacién, de manera que, de la observacién del comportamiento individual de cada uno de los elementos, se puedan obtener unas leyes generales de comportamiento de tipo promedio o de tipo predominante para todos los elementos de la poblacién. De los distintos métodos que existen para la obtencién de muestras, destacamos: © Muestreo aleatorio simple. Se elige al azar con reemplazamiento. © Muestreo estratificado. Los elementos de la poblacién se dividen en clases o estratos. La muestra se toma asignando un mimero o cuota de miembros a cada estrato (proporcional a su tamaiio relativo o su variabilidad) y escogiendo los elementos por muestreo aleatorio simple dentro del estrato, ‘¢ Muestreo sistemético. Los elementos de la poblacién estn ordenados en listas. Se divide la poblacién en tantas partes como el tamafio muestral y se elige al azar un mimero de orden. La muestra se obtiene tomando el elemento que ocupa ese mimero de orden en cada parte de la poblacién. En la Teoria de Muestras, podemos distinguir dos tipos de objetivos: 1. Deducir caracteristicas (pardmetros) de la poblacién (Inferencia Estadistica). 2. Analizar la concordancia 0 no de los resultados muestrales con determinadas hipétesis (Contraste de Hipstesis) Censo Estimacién Puntual Muestra Estimacién por intervalos Poblacion Inferencia estadistica { Contraste de hipstesis 6.1 Inferencia Estadistica Como hemos dicho al iniciar este tema, en la mayor parte de las investigaciones estadisticas se obtiene una muestra suficientemente representativa para inferir o estimar las caracteristicas poblacionales. Esta inferencia, como veremos més adelante, se leva a cabo utilizando las caracteristicas muestrales, es decir, las medidas correspondientes a la muestra extraida. Puesto que los n elementos que integran una muestra son elegidos aleatoriamente, es evidente el hecho de que las medidas o caracteristicas son a su vez variables aleatorias, ya que dependen de los valores aleatorios de los valores muestrales tomados al azar. Por tanto, una muestra es un vector aleatorio (X1, X2, una probabilidad de ser elegido. X,) € B", que tendré asociada Llamaremos estadistico a una funcién F : E” —+ IR, es decir, una “formula” de las variables que transforma los valores tomados de la muestra en un ntimero real. Ademés, a la distribucién de F se le llama distribucién del estadistico en el muestreo. Cuando se realiza una afirmacién acerca de los parametros de la poblacién en estudio, basdndose en Ia informacién contenida en la muestra se dice que realizamos una estimacién puntual pero si sefialando un intervalo de valores dentro del cual se tiene confianza de que esté el valor del parémetro decimos que estamos realizando una estimacién por intervalos. 6.1.1 Estimacién puntual EI proceso de estimacién puntual utiliza un estadistico, que en este caso se denomina estimador puntual, para obtener algtin pardmetro de la poblacién. Como tal estadistico, el estimador puntual es una variable aleatoria que tiene una distribucidn en el muestreo que de- pende, en general, del parémetro en cuestién. Ademés, utilizaremos dos criterios esenciales para medir la bondad del estimador: a) Que sea centrado o insesgado, es decir, que su media coincida con el parmetro a estimar. b) Que sea de minima varianza o que tenga la menor varianza entre todos los estimadores del pardmetro. Si verifica las dos condiciones diremos que el estimador es eficiente. A continuacién, relacionamos los estadfsticos mas usuales asi como su distribucién de proba- bilidad que nos permitird obtener los intervalos de confianza. Para todos ellos consideraremos muestras {21,.02)..2n} de tamation La proporcién muestral en una distribucién binomial La proporcién muestral . __niimero de veces que aparece el suceso A ————————_'—E 7 estima la proporcién p de la poblacién que presenta una determinada caracteristica A (éxito) frente a los que no la presentan A® (fracas PROPIEDADES: 1. Elestimador es insesgado, es decir, la distribucién en el muestreo de p tiene de media p. 2. Elestimador es de varianza minima igual a pa 3. Para valores grandes del tamaiio de la muestra (en la préctica n > 30), la proporcién muestral # se distribuye segin una distribucién normal: / Si n>30 — entonces p~N (0.2) = FP 7 ypa/n ~+ N(0,1) La media muestral en una distribucién de Poisson La media muestral es un estimador puntual del pardmetro \ de una poblacién cuya caracteristica estudiada sigue una distribucién de Poisson de parametro \ (= media de la poblacién). PROPIEDADES: 1. Elestimador es insesgado, es decir, la distribucién en el muestreo de J tiene de media A. 2. Elestimador es de varianza minima. 3. Si el tamafio de la muestra es suficientemente grande, el estimador J se distribuye segtin una distribucién normal: Xx ~N(ay/* Vin La Cuasivarianza muestral en una distribucién normal La cuasivarianza muestral YLei-a? at es un estimador de la varianza o? de una poblacién cuya caracteristica en estudio sigue una distribucién normal N(u,0) PROPIEDADES: 1. Elestimador es insesgado, es decir, E(s?) 2. Elestimador es de varianza minima. -1)8 3. La variable @—D" 2 La media muestral en una distribucién normal La media muestral es un estimador de la media ji de una poblacién cuya caracterfstica en estudio sigue una distribucién normal N(,0). PROPIEDADES: 1. Elestimador es insesgado, es decir, E(#) =. 2. Elestimador es de varianza minima, 3. Para valores grandes del tamaiio de la muestra (en la préctica n > 30), la media muestral & se distribuye segin una distribu Si n>30 entonces EVN (. 4. Si la poblacién es infinita o el muestreo es con reposicién, la segunda rafz vale 1, es decir, En general 24N (1 ei ) Lo N01) pues 5. Si o es conocido entonces z= ~x(e5) = (0,1) pues 2~N(u 43) 6. Si o es desconocido y n > 30 entonces =i 7. Si o es desconocido y n <30 entonces 2 6.1.2 Estimacién por intervalos En la practica, no sélo interesa dar una estimacién puntual de un parametro X sino un intervalo de valores dentro del cual se tiene confianza de que esté el parémetro. Por tanto, lo que buscamos es un estimador denominado “estimador por intervalo” compuesto de una pareja de estadisticos L; (limite inferior) y L, (limite superior) tales que PUL,SX

    Potrebbero piacerti anche