Академический Документы
Профессиональный Документы
Культура Документы
=
=
N
n N
n
X
X
o
o
Donde N y n son los tamaos de la poblacin y la muestra, respectivamente.
En la prctica, las poblaciones de las que se extraen las muestras son indefinidamente
grandes, o al menos, el tamao de las muestras est por debajo del 5 % del tamao de las
poblaciones. En estos casos el muestreo sin reposicin puede considerarse equivalente al
muestreo con reposicin.
En los casos de poblaciones finitas con reemplazamiento o infinitas con o sin
reemplazamiento se tiene:
n
X
X
o
o
=
=
Pero por el teorema del lmite central sabemos que la distribucin muestral de las medias se
acerca a la distribucin normal cuando aumenta el tamao de la muestra.
Insistimos, cunto ms se aleje la distribucin poblacional del modelo normal, ms debe
incrementarse el tamao de la muestra para que la distribucin muestral de la media se
aproxime a una curva normal. Por tanto, en la prctica:
Si la poblacin es normal no habr ningn problema al afirmar que la distribucin muestral
de la media es normal
|
|
.
|
\
|
n
N
o
, .
Si la distribucin poblacional no es normal, se asume que la distribucin muestral de las
medias se aproxima a la normal
|
|
.
|
\
|
n
N
o
, cuando el tamao de la muestra es mayor o
igual que 30.
Puesto que X presenta una distribucin muestral normal, la variable tipificada
X
Z se
distribuye normalmente N (0 , 1).
n
X
X
Z
o
=
Sin embargo, no siempre conocemos el valor del parmetro o. Cuando o es desconocido,
podemos utilizar una estimacin de su valor y calculamos la desviacin tpica de la media
muestral (tambin llamado error tpico) por la siguiente formula:
1
1
=
n
n
s
n
n
s
X
o
Es decir, nos basamos en la desviacin tpica (s
n
) de una muestra aleatoria extrada de la
poblacin.
Observacin importante:
Cuando 30 > n podemos aceptar como desviacin tpica de distribucin muestral de
medias la desviacin tpica de la muestra.
Ejemplos:
Consideremos la poblacin P = {5, 7, 9}. Supongamos que formamos todas las posible
muestras de tamao 2 extrables de esta poblacin, sin reposicin:
{5 , 7}, {5 , 9}, {7 , 5}, {7 , 9}, {9 , 5}, {9 , 7}.
En cada una estas medias calculamos la correspondiente media:
{5 , 7} 6, {5 , 9} 7, {7 , 5} 6,
{7 , 9} 8, {9 , 5} 7, {9 , 7} 8.
La distribucin de medias muestrales es:
X
6 7 8 Total
N
i
2 2 2 6
Puedes comprobar fcilmente que:
7 =
X
, es igual a 7 = .
.... 8165 . 0 =
X
o , es igual a .. 81995 . 0
1 3
2 3
2
6399 . 1
1
=
N
n N
n
o
.
Consideremos la poblacin P = {5, 7, 9}. Supongamos que formamos todas las posibles
muestras de tamao 2 extrables de esta poblacin, con reposicin:
{5 , 5}, {5 , 7}, {5 , 9}, {7 , 5}, {7 , 7}, {7 , 9}, {9 , 5}, {9 , 7}, {9 , 9}.
En cada una estas medias calculamos la correspondiente media:
{5 , 5} 5, {5 , 7} 6, {5 , 9} 7,
{7 , 5} 6, {7 , 7} 7, {7 , 9} 8,
{9 , 5} 7, {9 , 7} 8, {9 , 9} 9.
La distribucin de medias muestrales es:
X
5 6 7 8 9 Total
N
i
1 2 3 2 1 9
Puedes comprobar fcilmente que:
7 =
X
, que es igual a 7 = .
.... 1547 . 1 =
X
o , que es igual a .. 1547 . 1
2
6399 . 1
= =
n
o
.
DISTRIBUCIN MUESTRAL DE LAS PROPORCIONES.
Definicin.
DISTRIBUCIN DE LAS PROPORCIONES MUESTRALES.
Dada una poblacin X. Consideramos todas las muestras posibles de tamao n en la
poblacin. Y en cada una de esas muestras se determina proporcin de individuos que
poseen una determinada caracterstica. La distribucin de todas las proporciones muestrales
(de la caracterstica estudiada) se denomina distribucin de las proporciones muestrales,
p
X .
Se puede demostrar que:
Sea p la proporcin de individuos que poseen la caracterstica estudiada y q = 1 p la
proporcin de los que no la poseen.
La distribucin muestral de las proporciones,
p
X , se distribuye aproximadamente como
una distribucin normal
|
|
.
|
\
|
n
q p
p N
Si la poblacin es finita y la extraccin se hace sin reemplazamiento, tenemos:
1
=
=
N
n N
n
pq
p
p
p
o
Ejemplo:
- Consideramos la poblacin P = {1, 2, 3}. La proporcin de cifras pares es
3
1
= p y de
cifras impares es
3
2
= q . Las muestras con reemplazamiento de tamao 2 y sus
correspondientes proporciones p de cifras pares son:
Muestra 1 , 1 1 , 2 1 , 3 2 , 1 2 , 2 2 , 3 3 , 1 3 , 2 3 , 3
p 0 0.5 0 0.5 1 0.5 0 0.5 0
Con todas las proporciones consideradas como valores de una variable estadstica
calculamos su media y su desviacin tpica.
p
X
n
i
0 4
0.5 4
1 1
9
Obtenemos as la distribucin muestral de las proporciones,
p
X , de media y desviacin
tpica:
3
1
y
3
1
= =
p p
o
Pero tambin podemos obtener la desviacin tpica as:
3
1
2
3
2
3
1
= = =
n
q p
p
o
- Consideramos la poblacin P = {1, 2, 3}. La proporcin de cifras pares es
3
1
= p y de
cifras impares es
3
2
= q . Las muestras sin reemplazamiento de tamao 2 y sus
correspondientes proporciones p de cifras pares son:
Muestra 1 , 2 1 , 3 2 , 1 2 , 3 3 , 1 3 , 2
p 0.5 0 0.5 0.5 0 0.5
Con todas las proporciones consideradas como valores de una variable estadstica
calculamos su media y su desviacin tpica.
p
X
n
i
0 2
0.5 4
6
Obtenemos as la distribucin muestral de las proporciones,
p
X , de media y desviacin
tpica:
2 3
1
18
1
y
3
1
= = =
p p
o
Pero tambin podemos obtener la desviacin tpica as:
2 3
1
2
1
3
1
1 3
2 3
2
3
2
3
1
1
= =
=
N
n N
n
q p
p
o
TEORIA DE ESTIMACION
En inferencia estadstica se llama estimacin al conjunto de tcnicas que permiten dar un
valor aproximado de un parmetro de una poblacin a partir de los datos proporcionados
por una muestra. Por ejemplo, una estimacin de la media de una determinada caracterstica
de una poblacin de tamao N podra ser la media de esa misma caracterstica para
una muestra de tamao n.
1
La estimacin se divide en tres grandes bloques, cada uno de los cuales tiene distintos
mtodos que se usan en funcin de las caractersticas y propsitos del estudio:
Estimacin puntual:
Mtodo de los momentos;
Mtodo de la mxima verosimilitud;
Mtodo de los mnimos cuadrados;
Estimacin por intervalos.
Estimacin bayesiana.
ESTIMACIN DE PARMETROS.
Si u es un parmetro caracterstico de una poblacin, cuyo valor desconocemos, a partir de
las muestras extradas de esa poblacin podemos calcular un estadstico
.
E , que nos permita
estimar el valor del parmetro poblacional. Por ejemplo, sea la media de edad de los
alumnos universitarios espaoles. El estadstico X calculado a partir de muestras de
alumnos universitarios puede ser considerado un estimador del parmetro media, .
En una poblacin, cualquier parmetro u es nico. En cambio, cada una de las posibles
muestras de esa poblacin puede tener diferentes valores del estadstico
.
E . El estadstico
que tomamos como estimador es por tanto una variable, mientras que el parmetro es una
constante. Cada uno de los valores del estimador constituye una estimacin del parmetro.
En el ejemplo sobre las edades de los alumnos universitarios, extraemos 5 muestras
aleatorias y calculamos la media de edad de cada una de ellas. Las respectivas medias
5 4 3 2 1
y , , , X X X X X son estimaciones , puesto que hemos tomado el estadstico X
como estimador de .
Pero para que un estadstico sea tomado como estimador de un parmetro
poblacional, debemos contar con ciertas garantas de que los valores del estadstico
(estimaciones) se aproximan al verdadero valor del parmetro. Una de las condiciones
bsicas es que la muestra sea representativa de la poblacin, a lo que contribuye
especialmente el que la muestra sea aleatoria.
Recordamos que definimos estimador como un estadstico que permite obtener un
valor aproximado para alguna caracterstica de la poblacin. Cada uno de los valores de ese
estadstico representan una estimacin. Mientras que el estimador es una variable aleatoria,
la estimacin es un valor numrico alcanzado por esa variable aleatoria.
La estimacin de un parmetro se puede hacer mediante estimacin puntual o por
estimacin por intervalos. La estimacin puntual consiste en obtener un nico valor del
parmetro poblacional a partir de las observaciones muestrales, y se llama as porque se le
puede asignar un punto sobre la recta real. Mientras que en la estimacin por intervalo se
obtienen dos puntos, que definen un intervalo en la recta real que contendr el valor del
parmetro desconocido con cierta seguridad.
ESTIMACIN POR INTERVALOS.
En la estimacin por intervalos atribuimos al parmetro desconocido un segmento de
posibles valores entre los que se encuentra, con elevada probabilidad, el valor verdadero del
parmetro. Es decir, para estimar el valor del parmetro u, podemos ofrecer un intervalo de
puntuaciones dentro del cual se encuentra, con una probabilidad conocida, el valor buscado.
Por ejemplo, podramos determinar que con una probabilidad de 0.90, el valor de u se
encuentra dentro del intervalo [a , b].
Cuando realizamos una estimacin por intervalos resulta imprescindible apoyarse en la
distribucin muestral de los estadsticos utilizados como estimadores. Por ejemplo el
estadstico X , estimador de . Sabemos que si extraemos muestras de una poblacin en la
que la media es y la varianza
2
o , la distribucin muestral de X tiene como media y
como varianza
n
X
2
2
o
o = . Si el tamao n de las muestras es suficientemente grande, la
distribucin muestral del estadstico X tiende al modelo normal
|
|
.
|
\
|
n
N
o
, .
ESTIMACION PUNTUAL
La estimacin puntual consiste en obtener un nico nmero calculado a partir de las
observaciones muestrales, y que es utilizado como estimacin del valor del parmetro . Se
le llama estimacin puntual porque a ese nmero, que se utiliza como estimacin del
parmetro , se le puede asignar un punto sobre la recta real. En la estimacin por
intervalos se obtienen dos puntos ( un extremo inferior y un extremo superior) que definen
un intervalo sobre la recta real, el cual contendr con cierta seguridad el valor del parmetro
.
El estimador del parmetro poblacional es una funcin de las variables aleatorias u
observaciones muestrales y se representa por
u =g (
1 2
, ,...,
n
X X X )
Para una realizacin particular de la muestra (
1 2
, ,...,
n
x x x ) se obtiene un valor especfico
del estimador que recibe el nombre de estimacin del parmetro poblacional y lo
notaremos por
u = g (
1 2
, ,...,
n
x x x )
Vemos pues que existe diferencia entre estimador y estimacin. El estimador es un
estadstico y, por tanto, una variable aleatoria y el valor de esta variable para una muestra
concreta (
1 2
, ,...,
n
x x x ) ser la estimacin puntual. El estimador tendr su distribucin
muestral.
En la siguiente tabla expresamos diferentes parmetros poblacionales, sus estimadores y
sus estimaciones.
Parmetros poblacionales, estimadores y estimaciones.
Para la eleccin de estos estimadores puntuales nos hemos basado, principalmente en la
intuicin y en la posible analoga de los parmetros poblacionales con sus correspondientes
valores muestrales, pero ste no ser el mtodo ms adecuado para la obtencin de
estimadores puntuales, aunque en este caso se obtienen estimadores satisfactorios para los
parmetros poblacionales. En general, el problema de obtener estimadores puntuales no
ser tan sencillo, por ello tenemos que dar propiedades que seran deseables que se
cumplieran por los diferentes estimadores puntuales obtenidos, aunque no existe un
mecanismo o mtodo nico que nos permita obtener el mejor estimador puntual en todas las
circunstancias.
Parmetro
poblacional
Estimador Estimacin
Media
n
X
X
n
i
i
=
= =
1
1
n
i
i
x
x
n
=
=
Varianza
2
o
=
= =
n
i
i
X X
n
S
1
2 2 2
) (
1
1
o
( )
2
2
1
1
1
n
i
i
s x x
n
=
=
Proporcin p
bas nmeroprue
os nmeroxit
n
X
p = =
n
x
p =
Nuestro objetivo ahora ser dar algunas propiedades deseables de los estimadores
puntuales, con el fin de poder conocer la bondad de los mismos, pues cuantas ms
propiedades verifiquen los estimadores puntuales mejores sern.
HIPTESIS ESTADSTICAS.
La estadstica permite comprobar hiptesis cientficas a partir de los datos recogidos sobre
un problema, pero para ello es necesario que tales hiptesis sean formuladas en trminos
estadsticos. Es decir, las hiptesis cientficas tienen que ser operativizadas previamente,
expresadas en forma de afirmaciones acerca de parmetros. Por tanto, en una prueba de
decisin estadstica no contrastamos directamente las hiptesis cientficas, sino que
trabajamos con hiptesis estadsticas que son una traduccin de aquellas. Tras comprobar la
hiptesis estadstica, podemos inferir que la hiptesis cientfica queda validada.
Las hiptesis estadsticas son proposiciones acerca de parmetros de la poblacin (media,
proporciones, varianza, diferencia de medias, etc.) o de su distribucin. Cuando llevamos a
cabo una prueba estadstica, estamos trabajando con una hiptesis nula, que
simbolizaremos por H
0
. Junto a esta, consideramos la hiptesis alternativa, opuesta a la
anterior, que queda simbolizada por H
1
.
Veamos en qu consiste cada una de ellas:
Hiptesis nula (H
0
). Establece una hiptesis que provisionalmente se considera como
verdadera.
Hiptesis alternativa (H
1
). Toda hiptesis nula va acompaada de una hiptesis alternativa,
la cual afirma el supuesto contrario de la hiptesis nula.
Puesto que cada una de estas hiptesis afirma lo contrario que la otra es incompatible que
ambas sean ciertas. Por tanto, si llegamos a la conclusin de que la hiptesis nula no se
cumple, podemos afirmar que se cumple la hiptesis alternativa y viceversa.
BIBLIOGRAFIA:
http://es.wikipedia.org/wiki/Estad%C3%ADstica_inferencial
http://www.economia48.com/spa/d/muestreo-con-reemplazamiento/muestreo-con-
reemplazamiento.htm
http://www.economia48.com/spa/d/muestreo-sin-reemplazamiento/muestreo-sin-
reemplazamiento.htm
http://www.monografias.com/trabajos27/probabilidades-discretas/probabilidades-
discretas.shtml
http://es.wikipedia.org/wiki/Suceso
http://destadistica.ingenieria.usac.edu.gt/index.php?option=com_content&view=article
&id=48&Itemid=66
http://es.wikipedia.org/wiki/Estad%C3%ADstico_muestral
http://www.google.com.ec/url?sa=t&rct=j&q=&esrc=s&source=web&cd=5&ved=0CE
8QFjAE&url=http%3A%2F%2Fwww.juntadeandalucia.es%2Faverroes%2Fcentros-
tic%2F04004978%2Fhelvia%2Faula%2Farchivos%2F_46%2Fhtml%2F9701468%2Fes
tadistica%2Ftemas%2Finferencia_teoria.doc&ei=xIe1ULioGILc8ASeooDwBQ&usg=
AFQjCNHbzdRwAiI3Z6E1W23cBEQANf1MCQ&sig2=CHSU2whQF1J6hi3mt7Hq-
Q
http://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica
http://cursoinferenciaestadistica.blogspot.com/2010/08/importancia-de-inferencia-
estadistica.html
UNIVERSIDAD TCNICA DE MANAB
FACULTAD DE INGENIERA AGRCOLA
TRABAJO INVESTIGATIVO
CTEDRA:
ESTADSTICA.
CATEDRTICO:
ING..
ESTUDIANTE:
MIGUEL ANGEL DELGADO MARCILLO.
NIVEL:
IV
PARALELO: