Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2020- 1
MA-613
MUESTREO ALEATORIO Y
DISTRIBUCIONES EN EL
MUESTREO
MA-613
MUESTREO ALEATORIO Y
DISTRIBUCIONES EN EL MUESTREO
OBJETIVO:
Construir la Distribución de Probabilidad de los estadísticos.
MA-613
MA-613
Muestreo Aleatorio
MA-613
MUESTREO ALEATORIO Y
DISTRIBUCIONES EN EL MUESTREO
MA-613
DISTRIBUCIONES MUESTRALES
la media ( μ ), la varianza (σ )
Para ello se extrae una muestra aleatoria de la población y
se calcula el valor de un estadístico correspondiente.
Por ejemplo:
La media muestral ( X barra ), la varianza muestral (S).
El valor del estadístico es aleatorio porque depende de los
elementos elegidos en la muestra seleccionada y, por lo
tanto, el estadístico tiene una distribución de probabilidad
la cual es llamada la Distribución Muestral del estadístico.
MA-613
DISTRIBUCIONES MUESTRALES
Ejemplos:
Estimar el tiempo promedio que una persona permanece en un
banco, se hace necesario conocer la distribución de dichos
tiempos (lo cual no siempre es posible). Es necesario observar los
tiempos empleados por n personas para obtener una
aproximación del tiempo promedio real (parámetro de interés).
MA-613
DISTRIBUCIONES MUESTRALES
Error de Muestreo
Si seleccionamos una muestra por el método de muestreo
aleatorio simple o por otro tipo de muestreo, es poco
probable que la media de la muestra sea idéntica a la media
de la población de donde fue obtenida.
MA-613
Error de Muestreo
Por lo tanto:
Error de muestreo
Es la diferencia entre un estadístico muestral y
su correspondiente parámetro poblacional.
MA-613
DISTRIBUCIONES MUESTRALES
Teorema 1:
Sea X una v.a. de parámetros 𝜇𝑥 y 𝜎𝑋2, , y sea 𝑋ത la media muestral
de una muestra aleatoria tamaño n, entonces:
𝜎𝑥2
𝜇𝑥lj = 𝐸(𝑋) = 𝜇𝑥 𝑦 𝜎𝑥2lj = 𝑉(𝑋) =
𝑛
Teorema 2:
Sea X una v.a. que sigue una distribución normal X~N (𝜇𝑥 ,𝝈𝟐𝒙 ,) y sea
𝑋ത la media muestral de una muestra aleatoria de cualquier tamaño
n (n≥2), entonces: 𝑋ത ~N (𝝁𝑿 ,𝝈𝟐𝑿 ,) es decir:
es decir:
𝜎𝑥2
𝑋 ~𝑁 𝜇𝑥 ;
𝑛
MA-613
DISTRIBUCIONES MUESTRALES
ሜ
𝑋−𝜇 𝑋 ሜ
𝑋−𝜇 𝑋 ሜ 𝑋
𝑋−𝜇
Z= = 𝜎𝑋 = 𝑛 ∼ 𝑍(0,1)~ 𝑁 0; 1
𝜎2
𝑋
𝜎𝑋
𝑛
𝑛
MA-613
DISTRIBUCIONES MUESTRALES
ASOCIADAS A LA NORMAL
Cuando queramos hacer inferencia estadística veremos que
la distribución normal aparece de forma casi inevitable, ya
que se utilizan distribuciones continuas de probabilidad que
son funciones de distribuciones normales, dependiendo del
problema, podemos encontrar otras distribuciones
asociadas a la normal:
𝝌𝟐 Ji-cuadrado o Chi-cuadrado, 𝑡 − 𝑠𝑡𝑢𝑑𝑒𝑛𝑡 y 𝐹 − 𝑆𝑛𝑒𝑑𝑒𝑐𝑜r.
MA-613
DISTRIBUCIONES MUESTRALES
ASOCIADAS A LA NORMAL
DISTRIBUCIÓN T DE STUDENT
ഥ − 𝝁𝒙
𝑿
𝑻= 𝒏 ~ 𝒕 𝒏−𝟏 𝒈.𝒍.
𝑺𝒙
Características de la 𝒇(𝒕)
MA-613
Función de Distribución t-estudent
2 g.l. 10 g.l.
MA-613
Distribuciones Muestrales
1er Caso: Si 𝝈𝟐
𝒙 conocida
Si X ~ N ( x ; x2 ) y n2
ó Si X cualquier distribución y n 30
x2
entonces : X ~ N (x ; )
n
X x X x
Z n ~ N (0;1)
x x
n
MA-613
2do. Caso: Si 𝝈𝟐𝒙 desconocida
x2
Si X ~ N ( x ; x2 ) ; X ~ N ( x ; ) S x2 conocida
n
a) Si n es pequeño (n<30)
x x
t x x n t
S / n S n 1 g .l.
x x
MA-613
II Distribución de: la diferencia de medias muestrales 𝑿𝟏 - 𝑿𝟐
X1 ~ N ( 1; 12 ) X 2 ~ N ( 2 ; 22 )
12 22
( X1 - X 2 ) ~ N 1 2 ;
n 1 n2
1
2
1
n n2
MA-613
2do. Caso: Si 𝜎12 𝑦 𝜎22 desconocidas, 𝑆12 y 𝑆22 conocidas y para
muestras pequeñas y n1 y n2.
a) Si 𝝈𝟐𝟏 = 𝝈𝟐𝟐
( X 1 X 2 ) ( 1 2 )
t ~ t( n1 n2 2) g .l .
Sp
donde:
MA-613
b) Si 𝝈𝟐𝟏 ≠ 𝝈𝟐𝟐
s12 s22
( X 1 X 2 ) ( 1 2 ))
t ~ t(G ) g .l. G n1 n2
s 2
s 2 2
s12 s22
2
1 2
n1 n2
n1 n2
n1 1 n2 1
Nota,
Si 𝜎12 𝑦 𝜎22 desconocidas y n1 y n2 son grandes:
MA-613
Mg. Yone Eldy Ramos Balcázar