Академический Документы
Профессиональный Документы
Культура Документы
Para dar comienzo al módulo virtual relacionado con la distribución de muestreo de la media
aritmética ( x ), a continuación se presentan las definiciones básicas que a juicio del tutor son
pilar fundamental para abordar el curso.
Población. Es la totalidad de los elementos los cuales contienen las características de interés
Elemento. Es la unidad por la cual se solicita información o que son medidas. El elemento
depende del objetivo que persiga el estudio
Población estadística. Es un conjunto de mediciones sobre todos los elementos del universo
resultando en lo que se conoce como poblaciones multivariadas
Desde otro punto de vista son valores que describen las características de una muestra, estos
valores son variables pues dependen de las fluctuaciones de la muestra. Entre los estadísticos
más conocidos se tienen:
la media muestral x
la varianza muestral s 2
la desviación estándar muestral s
la proporción muestral P.
Estos estadísticos tienen amplio uso en los procesos de muestreo cuando el interés es sacar
conclusiones en poblaciones con base en la información de muestras.
PARÁMETRO: Es un valor constante que describe las características propias de una población
estadística, Generalmente los parámetros en estadística se denotan con letras griegas como la
media poblacional µ y la desviación estándar poblacional σ .
UN ESTIMADOR: Es una regla o método que dice como calcular la estimación de un parámetro
basándose en la información de una muestra, generalmente se expresa como una fórmula. Por
Para mostrar la relación entre estadístico, parámetro y estimador en los procesos inferenciales
se presenta el siguiente cuadro:
Cuadro 1.
ESTADÍSTICO PARÁMETRO ESTIMADOR
Media muestral Media poblacional Media poblacional estimada
n N
∑X i ∑ Xi n
x = i =1 µ= i =1
N
∑X i
n µ̂ = i =1
n
Varianza muestral Varianza poblacional Varianza poblacional
estimada
n N
∑ (X j − X ) 2
∑ ( X j − µ )2
S2 = i =1
σ2 = i =1 n
n −1 N ∑ ( X j − X )2
σˆ 2 = i =1
n −1
Desviación estándar Desviación estándar Desviación estándar
muestral N poblacional estimada
n ∑ ( X i − µ )2 n
∑ (Xi − X ) 2
σ= i =1
∑ (X i − X )2
S= i =1 N σˆ = i =1
n −1 n −1
En investigación científica muchas de las veces es imposible hacer un estudio exhaustivo de los
elementos de la población o lo que se conoce como un estudio poblacional o censo, para este
caso, se hace necesario valerse de las técnicas de muestreo para tomar sólo una parte la cual
debe ser representativa de la población de estudio.
En este punto vale aclarar que el objetivo del curso no corresponde a realizar diseños de
muestreo para investigación científica sino en conocer la distribución que sigue la media
muestral siendo necesario conocer algunos tópicos iniciales de muestreo.
Para enmarcarlo en este tipo de muestreo debe cumplir con las siguientes condiciones
Es aquel muestreo que no cumple con las condiciones citadas del muestreo aleatorio. Se vale
del conocimiento y la opinión personal para identificar los elementos de la población que se van
a incluir en la muestra. Son de este tipo: (Muestreo por conveniencia, por juicios, por prorrateo)
Cuando se hace muestreo probabilístico se tienen 3 casos que son los siguientes
Si se tiene una población de tamaño N y se quiere tomar una muestra de tamaño n. El número
de muestras ordenadas con repetición de N elementos tomados de a n esta dado por:
Nn
El término N P
n se lee N permutado n y se relaciona con el número de permutaciones u
ordenaciones que se pueden hacer de N elementos tomados de a n.
El símbolo N ! se lee N factorial y esta representado por el producto de los enteros positivos
desde N hasta 1.
N ! = ( N )( N −1)( N − 2)( N − 3)... ( N − N )
Se asume que 0! = 1
4! = ( 4)(3)(2)(1)(0! )
4! = 24
Si se tiene una población de tamaño N y se quiere tomar una muestra de tamaño n. El número
de muestras no ordenadas si repetición de N elementos tomados de a n esta dado por:
N!
N C n
=
( N − n )! (n! )
El término N C n
se lee N combinado n y se relaciona con el número de combinaciones o
muestras no ordenas sin repetición que se pueden obtener de N elementos de la población
tomados de a n.
Ilustración: para mostrar de forma simple los resultados para cada uno de los casos
mencionados anteriormente se presenta el siguiente ejemplo.
Ejemplo 1. Suponga que se tiene el conjunto S=(A, B, C, D) una población de N=4 elementos.
Si el interés es tomar una muestra de tamaño 2 de esa población se tienen los siguientes
resultados.
AA BA CA DA
AB BB CB DB
AC BC CC DC
AD BD CD DD
AB BA CA DA
AC BC CB DB
AD BD CD DC
N!
N C n
=
( N − n )!(n!) .
4!
N C n
=
( 4 − 2)! (2! )
( 4)(3)(2)(1) 24
= = =6
(2)(1)(2)(1) 4
AB BC
AC BD
AD CD
Note que a diferencia del muestreo ordenado sin repetición, si ya fue elegida la muestra AB no
puede ser elegida la muestra BA.
DISTRIBUCIÓN MUESTRAL DE UN ESTADÍSTICO MUESTRAL: Es la distribución de valores
de un estadístico muestral obtenido este como una variable aleatoria. De manera más
concretamente, corresponde a la distribución de todas las muestras que pueden ser escogidas
siguiendo un esquema de muestreo determinado.
Para saber la distribución que sigue la media muestral de manera fácil nos valemos del
siguiente ejemplo.
Ejemplo 2. Suponga que se tiene el conjunto S=(2, 4, 6, 8) una población de N=4 elementos y
se quiere tomar una muestra de tamaño 2 de esa población.
Cálculo de parámetros
Tomando los 4 elementos que tiene la población para calcular la media poblacional se tiene lo
siguiente.
i 1 2 3 4
xi 2 4 6 8
MEDIA POBLACIONAL
4
∑ Xi
µ= i =1
2+4+6+8
µ= =5
4
VARIANZA POBLACIONAL
N
∑ ( X j − µ )2
σ2 = i =1
N
4
∑ ( X j − µ )2
σ2 = i =1
(2 − 5) 2 + (4 − 5) 2 + (6 − 5) 2 + (8 − 5) 2
σ =
2
9 + 1+ 1+ 9
σ2 = =5
4
Es sólo una coincidencia que la media poblacional sea igual a la varianza poblacional( µ =σ 2)
Desviación estándar poblacional
σ = 5 = 2,236067978
En resumen: media poblacional µ = 5 , varianza poblacional σ 2 = 5 , desviación estándar
poblacional σ = 2.236067978
Los estadísticos se calculan a partir de los datos de las muestras que para esta ilustración se
toman con repetición.
El número de muestras posibles con repetición de tamaño 2 que se pueden tomar de los 4
elementos de la población son.
N n = 42
= 16 muestras posibles
Las 16 muestras que pueden resultar al tomar muestras de tamaño 2 de una población de 4
elementos se muestran en la siguiente tabla.
∑x i
xi = i =1
16
2 +3 + 4 +5 +3 + 4 +5 +6 + 4 +5 +6 +7 +5 +6 +7 +8
xi =
16
Para estar en concordancia con la notación estadística en adelante se hace µ = xi . Por lo
x
tanto,
µx = 5
La media muestral µx también se puede obtener a partir del concepto de valor esperado de la
siguiente forma
I xi ni p( xi )
1 2 1 1/16
2 3 2 2/16
3 4 3 3/16
4 5 4 4/16
5 6 3 3/16
6 7 2 2/16
7 8 1 1/16
Total 16 1
∑( x )( p( x )
i i
E ( xi ) = i =1
7
E ( x i ) = ( 2)(1 / 16) + (3)(2 / 16) + (4)(3 / 16) + (5)(4 / 16) + (6)(3 / 16) + (7)(2 / 16) + (8)(1 / 16)
E ( x i ) = ( 2 / 16) + (6 / 16) + (12 / 16) + ( 20 / 16) + (18 / 16) + (14 / 16) + (8 / 16)
E ( x i ) =80 / 16
E ( x i ) =5
De los anteriores resultados si puede concluir que al tomar una muestra se espera que la media
de dicha muestra sea igual a la media poblacional, µx = µ . Como se puede ver
µx = 5 , al igual que µ = 5
Tomando los valores de x i que resultan en la tabla 1 se puede calcular la varianza muestral
que para efectos de notación estadística se simbolizará como σ x2
n
∑ ( X j − µx ) 2
, Por cálculos anteriores µx = 5
σ x2 = i =1
n −1
16
∑ ( X j − 5) 2
σ x2 = i =1
16
2 (2 − 5) 2 + (3 − 5) 2 + (4 − 5) 2 + (5 − 5) 2 + (3 − 5) 2 + (4 − 5) 2 + (5 − 5) 2 + (6 − 5) 2 + (4 − 5) 2 + (5 − 5) 2 + (6 − 5) 2 + (7 − 5) + (5 − 5) 2 + (6 − 5) 2 + (7 − 5) 2 + (8 − 5) 2
σx =
16
9 + 4 + 1+ 0 + 4 + 1+ 0 + 1+ 1+ 0 + 1+ 4 + 0 + 1+ 4 + 9
σ x2 =
16
40
σ x2 =
16
σ x2 = 2.5
Obsérvese que la varianza muestral es diferente de la varianza poblacional
σ x2 ≠ σ 2
2,5 ≠ 5
Pero en la práctica para conocer la varianza muestral sólo basta con tener conocimiento de
cómo es la varianza poblacional y hacer
2
σ
2
x
σ =
n
Es decir, la varianza muestral es igual a la varianza poblacional dividida entre el tamaño de la
muestra. En este sentido se tiene que
5
σ x2 =
2
σ x2 = 2.5
σ 2 N − n N − n
σ =
2
, el término
N − 1 se llama factor de corrección por finitud
x
n N − 1
Ejemplo 2. Suponga que se tiene el conjunto S=(2, 4, 6, 8) una población de N=4 elementos y
se quiere tomar una muestra de tamaño 2 sin repetición de esa población.
N!
N C n
=
( N − n )!(n!) .
4!
N C n
=
( 4 − 2)! (2! )
= 6 muestras sin repetición
Igual que en el ejemplo 2, al realizar los cálculos usted puede obtener que
La media poblacional µ =5
La varianza publacional es σ2 =5
Tomando los datos de la tabla 3, la madia muestral esta dada por
La media muestral µx = 5
La varianza muestral esta dada por
∑ ( X j − µx ) 2
σx =
2 i =1
n
6
∑ ( X j − 5) 2
σ x2 = i =1
(3 − 5) 2 + (4 − 5) 2 + (5 − 5) 2 + (5 − 5) 2 + (6 − 5) 2 + (7 − 5) 2
σx
2
=
6
4 + 1 + 0 + 0 + 1 + 4 10
σx =
2
= = 1,66667
6 6
La varianza muestral es igual a 1,66667
σ 2 N − n
σ =
2
n N − 1
x
5 4 − 2
σ x2 =
2 4 − 1
σx2 =1,66667