Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Distribuciones de Muestreo
Conceptos básicos
Para introducir los conceptos básicos consideremos el siguiente ejemplo:
Supongamos que estamos interesados en determinar el número medio de televisores por
hogar en la ciudad de Caracas.
Para ello consideraremos primeramente:
Muestra
Es una porción representativa de elementos de una población, elegida para su examen o
medición directa.
Note que generalmente es costoso el análisis de todos los datos, así que se hace necesario
realizar las mediciones de interés sólo en una porción representativa de la población e
inferir de ella resultados que corresponden a la población entera.
Parámetro
Es cualquier característica de una población, como la media de la población, la
desviación de la población, etc.
Ej: Número promedio de televisores por hogar en toda la ciudad de Caracas.
Estadístico
Es cualquier característica de una muestra, como la media de la muestra, la desviación de
la muestra, etc.
Ej: Número promedio de televisores calculado sólo a partir de los hogares que fueron
seleccionados en la muestra.
Muestreo
Proceso de selección de muestras, se utiliza cuando no es posible contar o medir todos los
elementos de la población objeto de estudio.
Tipos de Muestreo
Existen dos métodos para seleccionar muestras de poblaciones:
En este ejemplo, quizás fuese más conveniente construir algunos estratos, que
representen las diferentes zonas de Caracas, y de cada uno de ellos escoger de manera
aleatoria un grupo de familia para realizar el estudio.
Error Muestral
Es la diferencia entre el parámetro de la población y el estadístico de la muestra utilizado
para estimar el parámetro.
Distribución muestral
Es una lista de todos los valores posibles de un estadístico y la probabilidad asociada a
cada valor. Se considerarán la distribución muestral de medias y la de proporciones.
Distribución muestral de medias
x
x
en donde k es el número de muestras.
k
x
Ejemplo 2.1:
El precio medio de ventas de casa nuevas en una ciudad americana es de $115 000 con
una desviación típica de $25 000. Se toma una muestra aleatoria de 100 casas nuevas de
esta ciudad.
a)¿Cuál es la probabilidad de que la media muestral de los precios de venta sea menor de
$110 000?
X: Precios de venta de las casas.
Dado que el tamaño de muestra n=100 > 30 podemos utilizar el Teorema Central del
Límite, así que tenemos que:
x 115000
25000
2500
x
n 10 110000 115000
P( X 110000) (2) 1 0.9772 0.0228.
P Z
2500
b) ¿Cuál es la probabilidad de que la media muestral se encuentre a menos de $500 de la
media poblacional?
P X 500 P114500 X 115500 P(2 Z 2) 0.9772 0.0228 0.9544
Ejemplo 2.2
Se ha tomado una muestra de 16 directores de 100 oficinas de una ciudad con el fin de
estimar el tiempo medio diario que emplean en desplazarse hasta su trabajo. Si la media
de los tiempos es de 87 minutos y la desviación típica de 20 minutos, calcule la
probabilidad de que la media muestral sea menor de 100 minutos.
x 12.2
3.6
1.2
x
3 2.2
PX 10 (1.83) 0.0306
P Z
1.2
Es realmente muy poco probable que el incremento medio porcentual esté por debajo del
10%.
4. Teorema del límite central: es un teorema a través del cual se asegura que la
distribución muestral de la proporción se aproxima a la distribución normal, al
incrementarse el tamaño de la muestra. Este teorema permite usar estadística de
muestra para hacer inferencias con respecto a los parámetros de la población, sin
saber nada sobre la forma de la distribución de frecuencias de esa población más
que lo que podamos obtener de la muestra. Para efectos prácticos el tamaño de la
muestra debe ser n
n(1-p) deben ser mayores a 5.
Observación:
En la terminología estadística, la distribución de muestreo que se obtendría al tomar todas
las muestras de un tamaño dado constituye una distribución teórica de muestreo. En la
práctica, el tamaño y el carácter de la mayor parte de las poblaciones impiden que los
responsables de las decisiones tomen todas las muestras posibles de una distribución de
población, sin embargo, se han desarrollado fórmulas para estimar las características de
estas distribuciones teóricas de muestreo, haciendo innecesario que se recolecten grandes
números de muestras. En casi todos los casos, los responsables de las decisiones sólo
toman una muestra de la población, calculan estadísticas para esa muestra y de esas
estadísticas infieren algo sobre los parámetros de toda la población.
Ejemplo 2.4
Se toma una muestra de 250 casas de una población de edificios antiguos para estimar la
proporción de casas de este tipo. Supongamos que el 30% de todos los edificios son
antiguos. Hallar la probabilidad de que la proporción de edificios antiguos esté entre 0.25
y 0.35.
Tenemos que p 0.3 y n 250 , note que aquí la población es infinita. Así que
p(1 p) 0.3 * 0.7 0.029 y con ello:
p
n 250 0.3 p̂ 0.3 0.35 0.3
0.25
P(0.25 p̂ 0.35) P = (1.72) (1.72) 0.9146
0.029 0.029 0.029
Ejemplo 2.5:
Por tanto es pequeña la probabilidad de que más de la mitad de los estudiantes consideren
necesario que se imparta ética en la licenciatura de economía.