REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA DE LA FUERZA ARMADA

(U.N.E.F.A.) Ctedra: Control de Calidad

Alumno: Moises Granella C.I: 20.589.680 Evelyn Davila C.I: 17.449.790

DISTRIBUCIONES MUESTRALES Estadstico: Variable aleatoria que slo depende de la muestra aleatoria elegida para calcularla. Parmetro: Es un nmero que resume la ingente cantidad de datos que pueden derivarse del estudio de una variable estadstica. El clculo de este nmero est bien definido, usualmente mediante una frmula aritmtica obtenida a partir de datos de la poblacin. Los parmetros estadsticos son una consecuencia inevitable del propsito esencial de la estadstica: crear un modelo de la realidad. El estudio de una gran cantidad de datos individuales de una poblacin puede ser farragoso e inoperativo, por lo que se hace necesario realizar un resumen que permita tener una idea global de la poblacin, compararla con otras, comprobar su ajuste a un modelo ideal, realizar estimaciones sobre datos desconocidos de la misma y, en definitiva, tomar decisiones. A estas tareas contribuyen de modo esencial los parmetros estadsticos. Distribucin Muestral: En estadstica, la distribucin muestral es lo que resulta de considerar todas las muestras posibles que pueden ser tomadas de una poblacin. Su estudio permite calcular la probabilidad que se tiene, dada una sola muestra, de acercarse al parmetro de la poblacin. Mediante la distribucin muestral se puede estimar el error para un tamao de muestra dado. Estimacin de Parmetro: Proceso por el que se trata de averiguar un parmetro de la poblacin representado, en general, por q a partir del valor de un estadstico llamado estimador y representado por El problema se resuelve en base al conocimiento de la "distribucin muestral" del estadstico que se use.

Estimacin Puntual: Estudia cmo sacar conclusiones generales para toda la poblacin a partir del estudio de una muestra. Existen dos formas de hacer Inferencia Estadstica: - La estimacin de parmetros. - Las pruebas de hiptesis. En la Inferencia Estadstica hay varios mtodos, pero en cualquier caso es necesario utilizar una muestra que represente a la poblacin, esto se consigue con las Tcnicas de muestreo. A partir de una muestra nos proponemos dos objetivos: - Obtener valores aproximados de parmetros poblacionales: Estimacin puntual. Esencialmente son tres los parmetros de inters: - En el caso de que investiguemos una variable cuantitativa: a) Para la media de la poblacin tomaremos como aproximacin la media de la muestra.

b) Para la varianza de la poblacin 2 tomaremos la cuasivarianza de la muestra.

- Si el estudio se centra en el estudio de un carcter cualitativo el parmetro de inters ser la proporcin de elementos de la poblacin que pertenecen a cierta categora C que lo aproximaremos con la correspondiente proporcin en la muestra.

Estimacin por Intervalos: Consiste en la obtencin de un intervalo dentro del cual estar el valor del parmetro estimado con una cierta probabilidad Una muestra aleatoria de 36 cigarrillos de una marca determinada dio un contenido promedio de nicotina de 3 miligramos. Suponga que el contenido de nicotina de estos cigarrillos sigue una distribucin normal con una desviacin estndar de 1 miligramo. a. Obtenga e interprete un intervalo de confianza del 95% para el verdadero contenido promedio de nicotina en estos cigarrillos. b. El fabricante garantiza que el contenido promedio de nicotina es de 2,9miligramos, qu puede decirse de acuerdo con el intervalo hallado?

Interpretacin: Tenemos una certeza del 95% de que verdadero contenido promedio de nicotina se halla entre 267 y 333 miligramo Estimacin de Intervalos de Confianza de las Medias:

el

Poblacin de media y desviacin tpica se pueden tomar muestras de elementos. Cada una de estas muestras tiene a su vez una media ( ). Se puede demostrar que la media de todas las medias muestrales coincide con la media poblacional:2 Pero adems, si el tamao de las muestras es lo suficientemente grande, 3 la distribucin de medias muestrales es, prcticamente, una distribucin normal (o gaussiana) con media y una desviacin tpica dada por la siguiente expresin: . Esto se representa como sigue: .

Si estandarizamos, se sigue que:

En una distribucin Z ~ N(0, 1) puede calcularse fcilmente un intervalo dentro del cual caigan un determinado porcentaje de las observaciones, esto es, es sencillo hallar z1 y z2 tales que P[z1 z z2] = 1 - , donde (1 - )100 es el porcentaje deseado Se desea obtener una expresin tal que En esta distribucin normal de medias se puede calcular el intervalo de confianza donde se encontrar la media poblacional si slo se conoce una media muestral ( ), con una confianza determinada. Habitualmente se manejan valores de confianza del 95 y del 99 por ciento. A este valor se le llamar (debido a que es el error que se cometer, un trmino opuesto). Para ello se necesita calcular el punto o, mejor dicho, su versin estandarizada o valor crtico junto con su "opuesto en la distribucin" . Estos puntos delimitan la probabilidad para el intervalo

Intervalos de Confianza de la Proporcin: El intervalo de confianza para estimar una proporcin p, conocida una proporcin muestral pn de una muestra de tamao n, a un nivel de confianza del (1-)100% es:

En la demostracin de estas frmulas estn involucrados el Teorema Central del Lmite y la aproximacin de una binomial por una normal.

Aspectos Estadsticos de la Distribucin Muestral: En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales. La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinado parmetro estadstico. Esta curva se conoce como campana de Gauss y es el grfico de una funcin gaussiana.

La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas independientes. De hecho, la estadstica es un modelo matemtico que slo permite describir un fenmeno, sin explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de ah que al uso de la estadstica en psicologa y sociologa sea conocido como mtodo correlacional. La distribucin normal tambin es importante por su relacin con la estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos. Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el modelo de la normal son: Caracteres morfolgicos de individuos como la estatura; Caracteres fisiolgicos como el efecto de un frmaco; Caracteres sociolgicos como el consumo de cierto producto por un mismo grupo de individuos; Caracteres psicolgicos como el cociente intelectual; nivel de ruido en telecomunicaciones; errores cometidos al medir ciertas magnitudes; etc. La distribucin normal tambin aparece en muchas reas de la propia estadstica. Por ejemplo, la distribucin muestral de las medias muestrales es aproximadamente normal, cuando la distribucin de la poblacin de la cual se extrae la muestra no es normal.1 Adems, la distribucin normal maximiza la entropa entre todas las distribuciones con media y varianza conocidas, lo cual la convierte en la eleccin natural de la distribucin subyacente a una lista de datos resumidos en trminos de media muestral y varianza. La distribucin normal es la ms extendida en estadstica y muchos tests estadsticos estn basados en una supuesta "normalidad".