Profesor: JAIME PEREZ

Ingeniero Civil de la Universidad del

Cauca
y
Mster
en
Estadstica
Matemtica de la Universidad de ChileCIENES.

POBLACIN

DECISIONE

S
2

PARMETRO
Me
S
P: Proporcin Poblacional

MUESTRA

INFORMACI
N
ESTADSTIC
A

CONJUNTO DE TCNICAS QUE PERMITEN TOMAR DECISIONES

CONFIABLES EN UNA POBLACIN CON BASE EN LA INFORMACIN
CONTENIDA EN UNA MUESTRA DE ESA POBLACIN.

Tcnicas Bsicas de la Inferencia Estadstica

ESTIMAR PARMETROS POBLACIONALES ()
CON BASE EN LA INFORMACIN MUESTRAL.

ESTIMACIN

= ?

= ?

p=?
Estimador del

parmetro
PRUEBA DE HIPTESIS
Es =250 Kg/Cm
Es p=10%

X tiene distribucin Poisson?

Cmo verificar estas afirmaciones?

ACEPTAR O RECHAZAR, CON BASE EN LA INFORMACIN MUESTRAL, UNA
AFIRMACIN (HIPTESIS) HECHA ACERCA DE UNA POBLACIN.
Ho= = 250 Kg/Cm
H1= 250 Kg/Cm

TECNICAS DE MUESTREO
Muestra
Representativa
Muestreo No Aleatorio: Muestreo Opinatico
Muestreo Aleatorio: El dato es tomado al azar
TCNICAS BSICAS DE MUESTREO ALEATORIO:
1.Muestreo Aleatorio Simple
2.Muestreo Estratificado
3.Muestreo por Conglomerados
4.Muestreo Sistemtico

MUESTREO ALEATORIO SIMPLE

X, X, X Xn

CADA DATO ES

TOMADO DE LA
POBLACION, AL AZAR.
CON REEMPLAZAMIENTO O SIN
REEMPLAZAMIENTO

AZAR?

NUMEROS ALEATORIOS

DESVENTAJAS: a) Alto costo

b) No garantiza la representatividad
En cada Estrato se toman ni
N1

N2

N3

MUESTREO
ESTRATIFICADO
NK

n1
nK

n2

n3

datos con muestreo aleatorio

simple.
1) Homogeneidad
dentro
del estrato

ESTRATOS
2)Heterogeneidad

MUESTREO POR CONGLOMERADOS

K: Conglomerados
Se elige al azar un
conglomerado.

CONGLOMERAD
OS
MUESTREO

Heterogeneidad
dentro del
conglomerado.

Homogeneidad
entre
conglomerados.
SISTEMTICO

La poblacin debe estar ordenada (Archivo, lista,)

Se divide la poblacin en n grupos
de N/n= k
elementos.
- --k-------k----Se elige al azar un elemento en el primer grupo y luego cada k elementos se

MUESTREO ALEATORIO SIMPLE:

DISTRIBUCIONES MUESTRALES
El Muestreo Aleatorio Simple: Es aquel en el que todas las posibles muestras de n
elementos tienen la misma Probabilidad de ser escogidas.
Poblacin :
X, X, X Xn

Muestra Aleatoria, cada Xi es una variable

aleatoria
x, x, x xn

Valor que toma la Muestra Aleatoria

: Experimento aleatorio: elegir al azar una muestra de tamao n

Espacio Muestral

S= {(x, x, x xn ) xi

Rx , i=1,2,....n }=

ESPACIO DE
INFORMACION
De la muestra debemos tomar la informacin necesaria que permita
tomar las decisiones.

ESTADISTICO:

Es cualquier funcin de las variables aleatorias

observables
que constituyan una muestra aleatoria y que no contenga
parmetros desconocidos.

T: Es una variable Aleatoria

T: Puede tomar muchos valores
dependiendo de la muestra seleccionada
P[T > t]=? Si la muestra ha sido
tomada de una poblacin con ciertas
caractersticas.

DISTRIBUCIONES MUESTRALES
Muestra
X, X, X Xn
x

x
x

x
x

x
x

x
x

POBLACIN X

POBLACIN DE
MEDIAS
MUESTRALES

Cul es la Distribucin de
probabilidad de
?

Distribucin Muestral:
La Distribucin
Muestral o Distribucin en el
muestreo, de un Estadstico es la distribucin de
probabilidades de los valores que puede tomar el
estadstico a lo largo de todas las posibles
muestras con el mismo nmero de observaciones
que pueden ser extradas de la poblacin.
NOS PERMITE DETERMINAR LA PROBABILIDAD DE
QUE LA MUESTRA PARTICULAR QUE SE HA
OBTENIDO SEA O NO DE DICHA POBLACIN.

Ejemplo: En una empresa hay cuatro trabajadores: Juan, Pedro,

Lus, Ivn, Mara, cuyos aos de experiencia en la empresa son: 1,
2, 3, 4, 5. De esta poblacin se toma una muestra aleatoria de
tamao 2 sin reemplazamiento:
a)Hallar la Distribucin de Probabilidad de la Variable aleatoria X:
aos de experiencia. Hallar la Media y la Varianza poblacional.
b)Hallar la Distribucin Muestral de la Media Muestral.
c)Hallar la Media de las Medias Muestrales y la Varianza de las
Medias Muestrales.
Empleado
J
P
L
I
M
a)

p(x)

1/5

1/
5

1/
5

1/
5

1/
5

b) Muestras Posibles
Muestr x1, x2
a

c)

5C2=

10

1.5

1/10

2.0

1/10

2.5

2/10

3.0

2/10

3.0

3.5

2/10

2,3

2.5

4.0

1/10

P,I

2,4

3.0

4.5

1/10

P,M

2,5

3.5

L,I

3,4

3.5

L,M

3,5

4.0

I,M

4,5

4.5

J,P

1,2

1.5

J,L

1,3

2.0

J,I

1,4

2.
5

J,M

1,5

P,L

Conclusin:
1.La Media Muestral
es una variable aleatoria.
2.
tiene una Distribucin de Probabilidad (Distribucin
Muestral)
3.
4.
Reemplazamiento

Poblacin Finita, Muestreo Sin

Poblacin Infinita.

DISTRIBUCIN DE LA MEDIA MUESTRAL

Poblacin X: Caracterstica Medible
: Media Poblacional
: Varianza Poblacional

ME
A
R
PA

: Proporcin Poblacional

Decisin

X, X, X Xn
Informacin

Muestra Aleatoria
: Estadstica

OS
R
T

: Media Muestral : Es una Variable Aleatoria

Toma valores dependiendo de la muestra seleccionada (3003 muestras
posibles)
Como se comporta

? Su distribucin?

Que puede suceder con

ciertas caractersticas?

cuando la muestra se ha tomado de una poblacin con

Teorema:
: La media de TODAS las medias muestrales es la media
poblacional.
: Si la poblacin es Infinita o el muestreo se hace con reemplazamiento
: Si la poblacin es Finita y muestreo sin reemplazamiento
ERROR ESTNDAR:

Teorema:

Teorema del Limite Central:

Es decir, cuando n es grande (n 30)

puede considerarse Normal

Ejercicio:

X : Resistencia a la compresin

Muestra de 9 cilindros

n=9

= 0.1151

= 0.0082

Interpretar las probabilidades anteriores

0,05

-1,645

DISTRIBUCIN T DE STUDENT
SABEMOS QUE SI LA POBLACIN ES NORMAL:
Y

EN LA PRACTICA GENERALMENTE NO SE CONOCE

QUE HACEMOS?
SI SE REEMPLAZA

POR S ENTONCES LA VARIABLE ALEATORIA

TIENE UNA DISTRIBUCIN DE PROBABILIDAD
LLAMADA:
DISTRIBUCIN T DE STUDENT CON n-1
GRADOS DE LIBERTAD.

- t ; v
t ; v

EN INFERENCIA GENERALMENTE ES NECESARIO HALLAR K

TAL QUE:

DISTRIBUCIN MUESTRAL DE LA PROPORCIN

MUESTRAL
Poblacin

# de elementos con la caracterstica C

C
# total de elementos en la poblacin
p : PROPORCIN POBLACIONAL

Ejemplo:

1) Proporcin de desempleados.
2) Proporcin de artculos defectuosos.
3) Proporcin de electores que prefieren un candidato.

Debemos hacer Inferencias sobre p con base en una MUESTRA.

PROPORCIN MUESTRAL
Muestra

# de elementos en la muestra con la caracterstica C

C
# de elementos en la muestra
:

PROPORCIN MUESTRAL

Es una variable aleatoria, puede tomar muchos

valores dependiendo de la muestra seleccionada.
numero de xitos en n pruebas
numero de pruebas (n)

X B(n;p)

Que pasa con

cuando la muestra ha sido obtenida de una
poblacin con una proporcin poblacional P

Teorema:

ERROR ESTNDAR:
Teorema: Si n es grande (n 100)
Cuando n

DISTRIBUCIN MUESTRAL DE LA
VARIANZA MUESTRAL
Muestra
X, X, X Xn
x

x
x

x
x

x
x

x
x

POBLACIN X

s, s, s

POBLACIN DE
VARIANZAS
MUESTRALES

s, s,
s
NOS INTERESA HACER INFERENCIAS CON RESPECTO A LA VARIANZA
POBLACIONAL

MUESTRA:

X, X, X Xn

VARIANZA MUESTRAL:

s es una Variable Aleatoria

Toma valores dependiendo de la muestra observada.

QU PASA CON S CUANDO LA MUESTRA HA SIDO TOMADA DE UNA

POBLACIN CON
VARIANZA
?

Teorema:
EL PROMEDIO DE TODAS LAS VARIANZAS MUESTRALES POSIBLES ES IGUAL
A LA VARIANZA POBLACIONAL.
NOTA: SI EL CLCULO DE s SE HUBIERA HECHO DIVIDIENDO POR n,
ESTE RESULTADO NO SE CUMPLE.

Teorema: Si

POBLACIN NORMAL

1.
2. LA VARIABLE ALEATORIA

TIENE UNA DISTRIBUCIN DE PROBABILIDAD LLAMADA: DISTRIBUCIN

CHI-CUADRADO CON n-1 GRADOS DE LIBERTAD.

v: Grados de libertad

EN INFERENCIA GENERALMENTE ES NECESARIO HALLAR K

TAL QUE:

ESTIMACIN

Poblacin X: caracterstica medible X f(x, )

X B(n, p)

X p()

()

X N(x ; x)

Es necesario conocer los parmetros poblacionales p, , x , x

para que la distribucin quede definida.
Por ejemplo, nos interesa conocer:
1)Proporcin de desempleados en una regin
2)Nmero medio de vehculos por minuto que pasan en una va
3)Resistencia Promedio de un concreto
4)Densidad promedio de una compactacin
Cmo ESTIMAR estos valores con base en una MUESTRA?
= Parmetro Poblacional

Estimacin Puntual: Determinar un Estadstico

que de cmo resultado un nico valor como estimacin del
parmetro ()
Ejemplo:

Estimador Puntual
Estimacin

Estimacin por Intervalos: Hallar con base en la informacin

muestral un RANGO dentro del cual se espera est el valor del
parmetro .
IS

ESTIMACION PUNTUAL
Un ESTIMADOR PUNTUAL de un parmetro es un
ESTADISTICO :
que da como resultado un valor nico. La
correspondiente realizacin se llama ESTIMACION PUNTUAL.

Ejemplos: La eleccin de los siguientes estimadores se ha hecho

con base a
consideraciones intuitivas.
Parmetro Poblacional:
ESTIMADOR
Estimacin
Que tan buenos son estos estimadores?
Como elegir
?
Si

que d la mejor estimacin de

PROPIEDADES DE UN BUEN ESTIMADOR

*1) INSESGADO
3) SUFICIENTE

*2) EFICIENTE
4) CONSISTENTE

Definicin: Se dice que un estimador

es INSESGADO si

Como
es un Estadstico, ser una variable aleatoria. Seria
deseable que los distintos valores que pueda tomar el Estadstico
estn concentrados alrededor del verdadero valor de .
Dado que:

Ejemplo: Sea X1, X2, X3 una muestra aleatoria de una poblacin

con media
y varianza
Demostrar que los siguientes estimadores son INSESGADOS para
estimar :

Cul de los 3 estimadores es MEJOR?

Definicin: Sean
y
dos estimadores insesgados de ,
obtenidos de muestras del mismo tamao.
i)Se dice que

es MS EFICIENTE que

si:

ii)Eficiencia Relativa

Definicin: Si

para todo

insesgado,

es un

INTERVALOS DE CONFIANZA
Una Estimacin Puntual, por si misma no proporciona informacin
acerca de la precisin y confiabilidad de una estimacin. Como no se
conoce , no podemos saber que tan cerca esta
de .
Una alternativa es calcular un INTERVALO dentro del cual esperamos,
con una cierta confiabilidad, est el parmetro a estimar.
Se debe hallar, con base en una muestra, valores de I y S tales que:
P[I S]= 1-
[I, S]: Intervalo de confianza
1- : Nivel de Confianza (0.90; 0.95;0.98)
Un nivel de confianza del 95% significa que 95% de las muestras
darn un intervalo que incluye a , y solo el 5% de las muestras
produciran un intervalo errneo.
La precisin de una estimacin por intervalo la expresa la longitud del
intervalo.
[
]
caso 1
I

[
I

caso 2

INTERVALOS DE CONFIANZA PARA LA MEDIA

Poblacin Normal Varianza conocida

POBLACIONAL

Caso 1:
Caso 2: Distribucin Poblacional Desconocida n 30
Caso 3: Poblacin Normal Varianza desconocida
CASO 1
Sea X1, X2, , Xn una muestra aleatoria de una poblacin
N(,); entonces
adems:
Dado 1- podemos hallar valores Z/2 y - Z/2, tales que:
/2
1-

/2
-Z/2

Z/2

Luego el Intervalo de Confianza se puede expresar como:

Con una confianza 1-:

1-= 0.90
1-= 0.95
1-= 0.98

Z/2= 1.645
Z/2= 1.96
Z/2= 2.33

Caso 2: Distribucin Poblacional Desconocida n 30

Por el Teorema Central del Limite:

Caso 3: Poblacional Normal; desconocida:

pero:
T: es una variable aleatoria que tiene Distribucin t con n-1
grados de libertad (W. Gosset-1908)
Normal

t
Hay Tablas que dan el valor t conocido .

Dado podemos hallar los valores t/2

y - t/2

tales que:

Luego, el intervalo de confianza, pero ; con nivel de confianza (1)100% es (similar al caso con Z)

Ejercicio 7.7: Se sabe que las densidades in situ (% mx del Proctor

modificado) calculados por el mtodo de la arena en terraplenes ,estn
distribuidos Normalmente. Un interventor para controlar la
compactacin en un terrapln toma nueve muestras al azar y obtiene
las siguientes densidades in situ utilizando el mtodo de la arena.
87.5 89 86.5 90 91.5 88.5 91.5 83.5 84
%
%
%
%
%
%
%
%
%
Con base en estos datos el interventor desea estimar, con un intervalo
de confianza del 95%, la verdadera densidad promedio en el terrapln.
Como en este caso la poblacin es Normal y no se conoce su varianza,
el intervalo deseado se halla reemplazando los valores indicados en la
expresin del caso 3 de Intervalos de Confianza.

Para un coeficiente de confianza del 95% y utilizando la tabla

de la Distribucin t se tiene que t0.025; 8 =2.31, luego el
intervalo de confianza es:

El interventor puede afirmar, con un 95% de confianza, que la

densidad promedio verdadera en el terrapln est entre 85.75
y 90.25
MARGEN DE ERROR:

Interpretacin del Intervalo:

Es tentador concluir que
, sin embargo,
esto no es cierto, ya que es una constante y los lmites no
son aleatorios.
Una interpretacin correcta de Confianza de 95% depende de

0.9
5

El 95% de todas las muestras daran un intervalo que incluye a

y slo el 5% de las muestras produciran un intervalo errneo.
El intervalo [85.75; 90.25] es uno de todos los posibles,
esperamos que l contenga a con una confianza del 95%.

INTERVALOS DE CONFIANZA PARA LA PROPORCIN

POBLACIONAL
Muestras grandes
Cuando la muestra es grande se tiene que:

Dado 1- podemos hallar valores Z/2 y -Z/2 tales que:

Manipulando algebraicamente las desigualdades y

reemplazando p por
Tenemos que, con una confianza (1-)100%, el intervalo de
confianza para estimar p es:

Ejemplo:
En una institucin financiera se sabe que el 60% de los clientes
estn satisfechos con los servicios que presta. Para mejorar este
porcentaje la institucin crea una oficina de atencin al cliente. Si
se toma una muestra aleatoria de 150 clientes.
a)Hallar una estimacin puntual para la verdadera proporcin de
clientes satisfechos.
b)Construir un intervalo de confianza del 95% para estimar la
proporcin poblacional.
c)Permiten los datos Muestrales verificar que la proporcin
poblacional es diferente a o.60?
d)Hallar el margen de error alcanzado con dicha muestra.

Tamao de la Muestra
Si se considera que la longitud del intervalo especifica su PRECISIN,
entonces el nivel de confianza del intervalo tiene una relacin inversa
con su precisin. Una estimacin por intervalo muy confiable podra
ser imprecisa en que los puntos extremos del intervalo podran estar
muy apartados, en tanto que un intervalo preciso podra conllevar
relativamente poca confiabilidad. Por consiguiente, no se puede decir
con seguridad que se prefiere un intervalo del 99% o uno del 95%; la
ganancia de confiabilidad conlleva una prdida de precisin.
Una estrategia es especificar tanto el nivel de confianza deseado,
como la extensin del intervalo (Margen de Error) y luego determinar
el tamao de la muestra necesario.
Recordemos:

Sera el tamao de la muestra para estimar con base en la

media muestral (Poblacin Muestral). Si no se conoce , se
puede utilizar un de estudios anteriores o tomar una muestra
Piloto para estimar .
Para estimar proporciones:

Como no se conoce p utilizamos p=0.5 y en este caso el

tamao de la muestra queda sobreestimado: el valor de p(1-p)
=f(p) es mximo cuando p=0.5
Ejemplo:
Se desea calcular el tamao de la Muestra para estimar las
densidades in situ en un terrapln, con un margen de error de
0.030 gr/cm y con una confianza del 95%. Se sabe que la
desviacin estndar de las densidades es 0.065 gr/cm.