Estadstica

Estadstica Descriptiva. Se encarga de la recopilacin , organizacin, presentacin e interpretacin

de datos muestrales para predecir el comportamiento de una poblacin.
Inferencia Estadstica. Se encarga de conocer (estimar valores de la poblacin (parmetros) a partir
de valores observados (estadsticos)
Los subtemas son:
Medias
Sumas y diferencias de medias
Y Varianzas

Distribuciones muestrales
Puntual
Estimacin

Por intervalo de confianza

Pruebas de hiptesis

Inferencia Estadstica
Distribucin muestral de medias
Parmetros :
 

NOTA.- Las muestras x1, x2,.. xn son

variables aleatorias; no se sabe que valores
tomarn los elementos seleccionados.

N
m

mnm
m2
m3
de tam

Muestra
tamao n

x1

xnm
x2
Sx2

Sx1

x3
Sx3

Sxnm

Estadsticos:   



   

   !" # 
'

  


$&' %


, ,, ,









 * 

 


 


 




 


 = 

67.768. 96:;/.

67.768. 96:;/.<

Si el muestreo es sin reemplazo:

>
? @


  
 

-./" #  0./ 1  2 ) -./ 1  2 ) 0./ 1  2



67.768. 96:;/.

Si el muestreo es con reemplazo:

   >



  (!"' # ) !"* # )  !" #+

  


555
'


555
*

  


   

   

La teora anterior se fundamenta en la ley

de los grandes nmeros. Y el teorema del
limite central.



   3  4 





Actividad de aprendizaje:
Tiempo para realizarla: 15 minutos
1. Si se tiene una poblacin de tamao N:
1.a) Cuntas muestras de tamao 2 se tienen en un muestreo con reemplazo?
1.b) Cuntas muestras de tamao 2 se tienen en un muestreo sin reemplazo?
2. Defina:
2.1 Espacio muestral
2.2 Media de la poblacin
2.3 Media de la muestral
2.5 Estadstico
3. Enunciar las propiedades del operador esperanza E{h(x)}
4. Obtener A*BCD  E"(F ) G H  IBCD +* #
5. Graficar las siguientes distribuciones:
5.1 Uniforme
5.2 Exponencial Negativa
5.3 Distribucin Normal
6. Dado el espacio muestral S:
S={(1,2),(1,3),(1,4),(1,5),(1,6),(2,3),(2,4),(2,5),(2,6),(3,4),(3,5),(3,6),(4,5),(4,6),(5,6)}
6.1 Obtener la poblacin
6.2 A partir de S, calcular: ICJ AC
6.3 Graficar la funcin de distribucin de la poblacin
7. Cmo se estandariza una variable aleatoria x con distribucin normal?
8. Demostrar que : IK& L

*
Demostrar: MN
  .* *

E"O(+#   IP(C+

O(+  QRSTRUQVE"# 
  

O(+   ( H  IC +* QRSTRUQVE"( H  IC +* #   A*C
WX(+  . ) Y6;Z[6:!". ) Y#  .
  ) G   IBCD

A*BCD

WX(+   (F ) G H  IBCD +* QRSTRUQVE"(F ) G H  IBCD +* #  A*BCD


*
*
 E 1\F ) G H (FIC ) G+] 2  E"(F H  FIC +* #  E"(F( H  IC ++* #  E"F* \( H  IC +] #
^  A*BCD   .* *

Ley de los grandes nmeros. Sean x1, x2xn, n variables aleatorias independientes con la
misma funcin densidad de probabilidad y por lo tanto con la misma con la misma
   ,
entonces la sucesin de valores aleatorios definida como:

Satisface la expresin:

  $&'

%


P(_ H
 _ ` a+ b L _a_ c _

[9.7Z b d
Teorema del lmite central .Sean x1, x2xn, n variables aleatorias independientes con la misma
funcin densidad de probabilidad y por lo tanto con la misma con la misma
   , entonces la
sucesin de valores aleatorios definida como:
 
 H 


 7Z76  f
 
&' 
Tiene una distribucin normal cuando  b d y empricamente, cuando  g hL
Grficamente:

e

Poblacin
Distribucin muestral de medias
Distribucin Uniforme


x
Exponencial negativa
x

Normal
x
:



Poblacin finita o sin reemplazo:

  
   





i j

kl
kl'

 mFUSTnoQUTnnQUUpRqi j
.

kl
kl'

Poblacin infinita o con reemplazo:


  
   





i

Factor de correccin = 1

Ejemplo 1. Se extrae una muestra aleatoria, sin reemplazo, de tamao 2 de una poblacin de 5
nmeros. Los nmeros estn escritos en fichas idnticas y son: 2,4,6,8 y 10.
Calcular
 
    
x* f(x)
X
Frecuencia
Frecuencia
*
 * t r(+
(f)
relativa (rs )
2
1
1/5
2/5
4
4/5
4
1
1/5
4/5
16
16/5
6
1
1/5
6/5
36
36/5
8
1
1/5
8/5
64
64/5
10
1
1/5
10/5
100
100/5
f  t r(+  u
f < t r(+


  u

<<L
 ww
v

A*C  E" * # H 
 *   ww H hu  x

Nmero total de muestras:
\k&y
]  L ;
   uA*C5  E" * # H 
  *  39 36 = 3 ;
&*
 

Muestra

 

r

rs

  t  rs

  *

  * t  rs

(2,4)

1/10

3/10

9/10

(2,6)

1/10

4/10

16

16/10

(2,8)

2/10

10/10

25

50/10

(2,10)

2/10

12/10

36

72/10

(4,6)

2/10

14/10

49

98/10

(4,8)

1/10

8/10

64

64/10

(4,10)

1/10

9/10

81

81/10

(6,8)

(6,10)

(8,10)

60/10

39

Ejemplo 2. Una poblacin muy grande tiene una media de 20 y una desviacin estndar de 1.4. Si
se toma una muestra de 49 observaciones, conteste la siguientes preguntas:
a)Cul es la media de la distribucin muestral de medias?
b) Cul es la desviacin estndar de la distribucin muestral de medias?
c) Qu porcentaje de posibles valores medios de la muestra diferencian de
& por ms de 0.2?
Resolucin:
a)
  
&  20

'iz
 Li<
b)      


z{

c) : |(}ix ~  ~ <Li<+ : |(H ~ e ~ +  Liux

Ejemplo 3. 500 cojinetes de bolas tienen un peso medio de 5.02 y una desviacin tpica de .3
onzas. Hallar la probabilidad de que una muestra al azar de 100 cojinetes, elegidos al azar, tenga
un peso total
a) Comprendido entre 496 y 500 onzas
b) De ms de 510 onzas
Resolucin:
N= 500 cojinetes
n= 100 cojinetes

& viL<& i h
Se trata de obtener: |(wi}u ~  ~ v+ 
Es decir; de una distribucin muestral de Medias
e' 

 l,




e* 

 l,


 l, 








  ij


 l, 



  ij
 

zi{yi*

i

ij







yyi*



i


ij



i

i

ij






i*

= -2.23

i

 ij


  Hiwv= = .

|(wi}u ~  ~ v+  |(H<i<h ~ e ~ Hiwv+   i<u

|(  ` vi+   H |(  ~ vi+
Ejemplo 4. Un fabricante de acumuladores asegura que su producto tienen una vida esperada
(promedio) de 50 meses. Mediante estudios realizados por la compaa se sabe que   w
meses. Qu porcentaje de muestras de 36 observaciones tendr una vida promedio que valla de
49 a 51 meses?, suponiendo que 50 es el promedio de vida esperada de los acumuladores. Cul
es la respuesta si se toma una muestra de 64 observaciones?
Resolucin:
a) n= 36

& vL& w
|(w} ~  ~ v+  |(Hiv ~ e ~ iv+
e* 

y'ly

'

e' 

z{ly

l'

b) n = 64









*
H

|(e ~ e*  iv+  i}hh<L

^ |(w} ~  ~ v+  <(i }hh< H iv+  <(i whh<+  ixuuw

e* 

z{ly




<

^ (w} ~  ~ v+  |(H< ~ e ~ <+  <(i }< H iv+  (i w<+  i}vww

Ejemplo 5. Supngase que las estaturas de 3,000 estudiantes de una universidad se distribuyen
normalmente 
& ux & h pulgadas. Si se toman 80 muestras de 25 estudiantes cada una,
cul ser la media y la desviacin estndar esperada de la distribucin muestral de medias
resultante si el muestreo se realiz: a) con reemplazo y b)sin reemplazo.
Resolucin:
a) n= 25


& ux& h 
         i  


b)
       





i j

kl
kl'



*y

i j

*{y
*{{{

*y

 Liu98.7.:

=0.597

Ejemplo 6. Considerando el enunciado del problema anterior, en cuntas muestras cabra esperar
una media: a)entre 66.8 y 68.3 y b) menor de 66.4
Resolucin:
a) n= 25

& ux& h
|(uuix ~  ~ uxih+  |(H< ~ e ~ iv+
e' 

il

l'i*

e* 

il








 H<

 iv

|(e ~ e*  iv+  i}hh<L

^ |(uuih ~  ~ uxih+  |(H< ~ e ~ iv+  iuux

Finalmente: (.6687)(80)= 53 muestras.

b) |( ~ uuiw+  |(e ~ H<i+  iLLhw
Finalmente: (.0038)(80)= 0 muestras

Estimacin. Es el proceso de utilizar datos muestrales para estimar los valores de parmetros
desconocidos de una poblacin.
Tipos de estimacin: Puntual y por intervalos de confianza
Estimacin Puntual.
Definicin. Se dice que el estadstico es un estimador insesgado del parmetro si y slo s:
!   
Ejemplos:
1) 

     !"

    # 


*
*

2) Investigar si 
   W  es o no un estimador insesgado.

!"$&'

(% l +


#  "$&'( H  )
 H
 +* #


 "$&'\( H
 + H ( H
 +] #


( l, +
!"$&' %  

! $&'

E{ $
&'

E{ $
&'

<

\ H
 ]

! 1$&'
Donde:

 !"$%"( H
 +* H <( H
 +( H
 + ) ( H
 +* ##



(% l, +

(% l, +


4 ) $&'

( l, +*


 H
 ]\
 H
 ] ) \
 H
 ]
H <\

(% l, +


% l,

H <( H
 + $&' 3

H  ( H
 +< 2

#  !"
# 

( l, +

<


  <

# ) !"

( l, +


# ) !"

( l, +


# )   !"

( l, +


#

Por otro lado:

!"H( H
 +* #   H!""( H
 +* #   H *
Finalmente:

( H +
( H 
 +*
*
H  ( H
 +*    * H   *  * H    *
! f



&'

*
*
*
^ !

   W   

(l'+


Z6:96:; .7Z/:6:.7Z


*
! 1

   (l'+ W 2
Definicin Estimador de Varianza mnima. Sean '  * dos estimadores insesgados (!"' # 
!"* #   ) del parmetro .
Se dice que ' es un estimador de varianza mnima si: -'  c -* 

Para ser insesgado:

Definicin Estimador Consistente, Se dice que un estimador ' es un estimador consistente del
parmetro si:
a) ' es un estimador insesgado
b) W-'  b L[9.7Z b d

Ejemplo.-  es un estimador consistente:

a) E" # 

b) -" #   *  






Estimacin por intervalos de confianza

He 


<
LI

=e

e 5


error de estimacin

(H+Nivel de confianza

<



LS



Lmites del intervalo de confianza:

LI es el llmite inferior y LS el lmite superior

|LI| = |LS| ;
Para efectos de estimacin:

|( ~ 
 ~ W+  H



<

He&LI


(H+Nivel de confianza

<

e =LS

 L

| ?He ~ e ~  e @  H   (.+
Recordando : e 

 l,




 (Y+

W9:;i (Y+6(.+
Multiplicando por 

| ?He


5 H 
5

~e
 ~ e @  H   (.+
5 
<
<

| 3He  5  ~  5 H 
5  ~ e  5 4  H

<
<

| 35 H e  5  ~ 
5   
  ~ 5 ) e  5 4  H

<
<

Lmites de confianza:

5  e <  5

Nota.- Los limites de confianza (LI y LS) se modifican de acuerdo al valor   muestreado que se
toma como estimador.
Ejemplo 6. A continuacin se mostrar, mediante un ejemplo sencillo, el concepto de estimacin
de la media de la poblacin por intervalos de confianza. Cabe aclarar que en situaciones reales

 no se conoce.
Supongamos que tenemos una poblacin de tamao N=7 con los siguientes elementos: A={
1,2,3,4,5,6,7 }. Si seleccionamos una muestra de tamao n=2, sin reemplazo, obtener el intervalo

de confianza correspondiente para un nivel de confianza H  i}L ( e = e  5 +

*

Resolucin:
Conocemos el valor de 
  w, valor que se estima con

   
promedio de una muestra, por lo tanto:

| 35 H 3e

y donde  

 iuw4 5  ~ 
5   
  ~  

5  ) (e  iuw+5 4  i}
<
<

es el valor

Lo anterior significa que de100 muestras, 90 muestras contendrn el valor desconocido 
 en los
intervalos de confianza calculados para cada muestra.
Nmero de muestras : \*]  <;   <
  





i j

kl
kl'

 

*

i j

l*
l'



*

i j =1.29

Para un intervalo de confianza de .9 : z= 1.64 y el error de estimacin es: e = e  5 = 2.1

*

Mi

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

Muestra

1,2
1,3
1,4
1,5
1,6
1,7
2,3
2,4
2,5
2,6
2,7
3,4
3,5
3,6
3,7
4,5
4,6
4,7
5,6
5,7
6,7

1.5
2
2.5
3.0
3.5
4.0
2.5
3.0
3.5
4.0
4.5
3.5
4.0
4.5
5.0
4.5
5.0
5.5
5.5
6.0
6.5


5  H 3e

 iuw4 5  ~    ~  
5 ) (e

HLiu ~    ~ hiu
HLi ~    ~ wi
Liw ~    ~ wiu
Li} ~    ~ vi
1.4~    ~ viu
1.9~    ~ ui
Liw ~    ~ wiu
Li} ~    ~ vi
1.4~    ~ viu

 iuw+5 

Ejemplo 7. Una muestra aleatoria de 50 calificaciones de matemticas de un total de 200, arroj

una media de 75 y una desviacin tpica de10. a)Cules son los lmites de confianza del 95%
para la estimacin de la media de las 200 calificaciones?, b)Con qu grado de confianza podr
decirse que la media de las 200 calificaciones es v ?
Resolucin:
a) N=200, n=50,   v W = 10
|( ~ 
 ~ W+  H
  





i j

kl
kl'

 


 


i j

kl
kl'

|\ ~ 
 ~ W]  i}v

 

O bien :
*


 

 

l'

i j

kl
kl'

  

'
z{

i j

'y
'{{

  <w =

*

vL
W  
(L+* 
  Li
( H +
(w}+

  
   ) e

'i'
y

i j

*ly
'{{

= 1.24

      H e 

<
<

Z=1.96 ; e=1.96*1.24= 2.4

 v ) i}u t i<w  iwh   v H i}u t i<w  <iv
Finalmente: 

|\<iv ~ 
 ~ iwh]  i}v

b) 

|\w  v H  ~ 
 ~ u  v ) ]  iH

e = e  5 = 1 ; z=  = 0.8
'




|(HLix ~ e ~ Lix+  iLvx<