Unidad 2

UNIDAD
DISTRIBUCIONES MUESTRALES
Introduccin a la unidad
La distribucin de la poblacin de la cual extraemos la muestra con la que

trabajamos en estadstica, es importante para saber que tipo de distribucin
debemos aplicar en cada una de las situaciones que se nos presenten en la
prctica; en esta unidad veremos algunas de estas distribuciones que se
encuentran relacionadas con la distribucin normal, adems de observar la
distribucin muestral para la media y para la proporcin y su relacin con el
teorema central del lmite.
Objetivo particular de la unidad
Calcular los intervalos de confianza para la media poblacional a utilizando de la

distribucin de muestreo.
Estadstica II
Licenciaturas en Administracin y Contadura a Distancia
FCA-UNAM
Unidad II. Distribuciones muestrales

Lo que s
Elige la respuesta correcta a las siguientes preguntas:
1. La distribucin chi-cuadrada 2 es til para analizar la relacin
a) entre la varianza de la muestra y la varianza de la poblacin
b) entre la media de la muestra y la media de la poblacin
c) entre una muestra y otra
2. La formula para calcular la media aritmtica de una muestra es:

s 2 ( gl )

2
a)
2
b)
c)
1 n
Xi
n i 1
s 2 (n 1)
21 / 2
3. La formula para calcular la varianza de una muestra es:

a)
s 2 (n 1)
2 / 2
s 2 (n 1)
s 2 (n 1)
2
2
2
1 / 2
b) / 2
s2
c)
1 n
( X i X )2
n 1 i 1
4. La distribucin t de Student se utiliza cuando:

a) El investigador lo decide
b) cuando la desviacin estndar de la poblacin es desconocida
c) cuando no hay otra alternativa
Estadstica II
FCA-UNAM
5. La distribucin F se utiliza para:

a) analizar la relacin entre las varianzas de dos muestras extradas de la
misma poblacin.
b) Analizar la relacin entre la varianza de la muestra y la varianza de la
poblacin
c) Calcular la desviacin estndar
6. La formula para calcular la desviacin estndar de una poblacin es:

s2
1 n
( X i X )2
n 1 i 1
1 n
Xi
n i 1
a)
b)

c)
1
N
(x
)2
7. La formula correcta para el clculo de combinaciones es:
Pr
a)
b)
nCr
c) F( X )
n!
n r !
n!
r!(n r )!
n x
P (1 P ) n x
x
Estadstica II
Licenciaturas en Contadura a Distancia
FCA-UNAM

8. Las combinaciones se utilizan cuando:
a) no importa el orden
b) si importa el orden
c) no hay otra opcin
9. La simetra es una caracterstica de la distribucin:

a) chi-cuadrada 2
b) F
c) Normal
Temas de la unidad II
1. Distribuciones relacionadas con la normal: j2, t y F. Propiedades y manejo
de tablas.
2. Teorema Central del lmite
3. Distribucin muestral para la media
4. Distribucin muestral para la proporcin.
Resumen de la unidad
Las distribuciones Chi-cuadrada (2), t y F. que estn relacionadas con la normal,
son muy tiles cuando se desea analizar la relacin que existe entre la varianza de
una muestra y la varianza de la poblacin de la cual fue extrada, cuando se
desconoce la desviacin estndar de la poblacin, o bien cuando se desea
analizar la relacin de la varianza entre dos muestras que pueden o no haber sido
extradas de la misma poblacin.
El teorema central del lmite es til para
entender que la distribucin las medias de muestras tomadas de una misma

poblacin y del mismo tamao, es aproximadamente normal y que esta
aproximacin mejora a medida que se incrementa el tamao de la muestra; dando
pie al estudio de la distribucin muestral para la media y para la proporcin y a la
elaboracin de intervalos de confianza que se analizaran en el apartado 3.4., la
4
Estadstica II
FCA-UNAM

proporcin muestral es el mejor estadstico a utilizar cuando en la investigacin se
trata de averiguar cuestiones tales como: Cuntos integrantes de la poblacin
tienen una caracterstica en particular o una tendencia similar?.
Con todo lo analizado hasta aqu, podemos ir observando que la estadstica nos
ofrece la oportunidad de analizar el comportamiento de una poblacin utilizando
diferentes herramientas tales como las distribuciones relacionadas con la normal
entre otras, a dems de diferentes teoras tales como la del muestreo y la de la
estimacin estadstica, con lo cual, los tomadores de decisiones pueden aunar
estos conocimientos a su experiencia en el medio en el que se estn
desenvolviendo y en consecuencia tomar decisiones ms certeras que cada vez
ms necesarias en un mundo globalizado como el nuestro.
Estadstica II
FCA-UNAM

Tema 1. Distribuciones relacionadas con la normal: j2, t y F. Propiedades y
manejo de tablas.
Objetivo del tema

Distinguir la importancia de la correcta aplicacin
de las distribuciones
chi-
cuadrada (2), t y F en las reas econmico administrativas y su relacin estrecha

con distribucin normal.
Desarrollo
Distribucin chi-cuadrado (J2 O 2 )
En ocasiones los investigadores muestran ms inters en la varianza poblacional

que en la proporcin o media poblacionales y las razones llegan desde el campo de
la calidad total, donde la importancia en demostrar una disminucin continua en la
variabilidad de las piezas que la industria de la aviacin llega a solicitar es de vital
importancia. Por ejemplo, el aterrizaje de un avin depende de una gran cantidad de
variables, entre las que encontramos la velocidad y direccin del aire, el peso del
avin, la pericia del piloto, la altitud, etc.; si en el caso de la altitud, los altmetros del
avin tienen variaciones considerables, entonces podemos esperar con cierta
probabilidad un aterrizaje algo abrupto, por lo tanto la variabilidad de estos
altmetros debe mostrar un disminucin continua; y que decir de los motores que
impulsan al avin mismo, si las piezas que los conforman son demasiado grandes,
el motor puede incluso no poder armarse y si son demasiado pequeas, entonces
los motores tendrn demasiada vibracin y en ambos casos las perdidas de la
industria son cuantiosas.
Estadstica II
FCA-UNAM

As, la relacin entre la varianza de la muestra y la varianza de la poblacin est
determinada por la distribucin Chi-cuadrada (2) siempre y cuando la poblacin de
la cual se toman los valores de la muestra se encuentre normalmente distribuida. Y
aqu debemos tener especial cuidado, pues la distribucin Chi-cuadrada es
sumamente sensible a la suposicin de que la poblacin est normalmente
distribuida y por ejemplo construir intervalos de confianza para estimar una varianza
poblacional, puede que los resultado no sean correctos dependiendo de si la
poblacin no est normalmente distribuida.
La distribucin Chi-cuadrada (2) es la razn que existe entre la varianza de la
muestra ( s2 ) multiplicada por los grados de libertad y la varianza de la poblacin.
Es decir:
s 2 ( gl )

2
2
El trmino grados de libertad
se refiere al
nmero de observaciones
independientes para una fuente de variacin menos el nmero de parmetros

independientes estimado al calcular la variacin.
Para la distribucin Chi-cuadrada (2), los grados de libertad vienen dados por (n
1), por lo tanto, la formula anterior quedara expresada como:
s 2 (n 1)

2
2
Donde podemos observar que la variacin de la distribucin Chi-cuadrada (2)

depende del tamao de la muestra y de los grados de libertad que posea.
Ken, Black. Estadstica en los negocios, editorial CECSA, pp. 264

Estadstica II
FCA-UNAM

En general y debido a que la distribucin Chi-cuadrada (2) no es simtrica a
medida que se incrementa el nmero de grados de libertad, la curva caracterstica
de la distribucin se vuelve menos sesgada.
La distribucin Chi-cuadrada (2), es en s toda una familia de distribuciones por lo
que, existe una distribucin Chi-cuadrado para cada grado de libertad.
2
Algebraicamente podemos manipular la formula anterior
s 2 (n 1)
2
con el
objetivo de que nos sea de utilidad para construir intervalos de confianza para
varianzas poblacionales, quedando de la siguiente manera:
s 2 (n 1)
s 2 (n 1)
2
2
2 / 2
1 / 2
Ejemplo:
Suponga que una muestra de 7 pernos especiales utilizados en el ensamblado de
computadoras porttiles arrojo los siguientes resultados:
2.10 mm; 2.00 mm, 1.90 mm, 1.97 mm, 1.98 mm, 2.01 mm, 2.05 mm
Si quisiramos una estimacin puntual de la varianza de la poblacin, sera suficiente

con calcular la varianza de la muestra, de la siguiente manera:
Primero calculamos la media aritmtica de los datos utilizando la siguiente formula:

X
1 n
Xi
n i 1
Estadstica II
FCA-UNAM

por lo tanto sustituyendo datos tenemos que:
X
2.10 1.90 1.98 2.05 2.00 1.97 2.01

7
y al efectuar clculos el resultado de la media aritmtica (redondeado a 2 decimales)

es de:
X 2.00
a continuacin elaboramos una tabla como la indicada a continuacin para facilitar el

calculo de la varianza de los datos:
i-dato
DATOS
Dato-media
xi
(xi - )
(Dato - media)
elevado al
cuadrado
(xi - )2
1
2
3
4
5
6
7
2,10
1,90
1,98
2,05
2,00
1,97
2,01
14,01
0,10
-0,10
-0,02
0,05
0,00
-0,03
0,01
0,01
0,00972
0,01029
0,00046
0,00236
0,00000
0,00099
0,00007
0,02389
Recordando ahora la formula correspondiente a la varianza de una muestra:
s2
1 n
( X i X )2
n 1 i 1
y sustituyendo datos en esta formula, podemos ver que el valor obtenido en la

n
esquina inferior derecha de la tabla anterior corresponde a:
s2
(X
i 1
X )2
por lo tanto:
1
(0.02389)
7 1
Estadstica II
FCA-UNAM
de donde al efectuar clculos vemos que:

s 2 0.003981
Es decir, la varianza de la muestra tiene un valor de: 0.003981, pero si consideramos

que el valor de la estimacin puntual puede cambiar de una muestra a otra,
entonces ser mejor construir un intervalo de confianza, para lo cual debemos
suponer que la poblacin de los dimetros de los pernos esta normalmente
distribuida, y como vemos que n=7 entonces los grados de libertad sern: gl=7-1=6,
si queremos que el intervalo sea del 90% de confianza, entonces el nivel de
significancia ser de 0.10 siendo esta la parte del rea bajo la curva de la
distribucin Chi-cuadrada que est fuera del intervalo de confianza, esta rea es
importante porque los valores de la tabla de distribucin Chi-cuadrada estn dados
de acuerdo con el rea de la cola derecha de la distribucin. Adems en nuestro caso
/2 = 0.05 es decir, 0.05 del rea est en la cola derecha y 0.05 est en la cola
izquierda de la distribucin.
Es importante hacer notar que debido a la forma de curva de la distribucin Chicuadrada, el valor para ambas colas ser diferente, as, el primer valor que se debe
de obtener es el de la cola derecha, mismo que se obtiene al ubicar en el primer
rengln de la tabla el valor correspondiente al nivel de significancia, que en este caso
es de 0.05 y, posteriormente se ubica en el lugar de las columnas los
correspondientes grados de libertad ya calculado, que en este caso es de 6 grados
de libertad, por lo tanto el valor de Chi-cuadrada obtenido es de:
2 0.05 ,6 12.5916
10
Estadstica II
FCA-UNAM

observe que en la nomenclatura se escribe la denotacin de Chi-cuadrada teniendo
como subndice el nivel de significancia y los grados de libertad y, a continuacin se
escribe el valor correspondiente 2
El valor de Chi-cuadrada para la cola izquierda se obtiene al calcular el rea que se
encuentra a la derecha de la cola izquierda, entonces:
A a la derecha de la cola izquierda = 1 0.05
A a la derecha de la cola izquierda = 0.95
por lo tanto, el valor de Chi-cuadrada para la cola izquierda ser, utilizando el mismo
procedimiento anterior para un rea de 0.95 y 6 grados de libertad, de:
20.95,6 1.63538
incorporando estos valores a la formula, tenemos que el intervalo de 90% de
confianza para los 7 pernos utilizados en el ensamblado de computadoras porttiles
tendr la forma mostrada a continuacin:
s 2 (n 1)
s 2 (n 1)
2
2 / 2
21 / 2
0.0034122(7 1)
0.0034122(7 1)
2
12.5916
1.63538
0.0001625 2 0.0125189
Este intervalo de confianza nos dice que con 90% de confianza, la varianza de la
poblacin est entre 0.0001625 y 0.0125189.
el valor se obtuvo utilizando la tabla correspondiente a la Chi-cuadrada en el libro: Estadstica en los

negocios del autor: Ken Black, pp 779
Estadstica II
FCA-UNAM
11

Distribucin t3
Cuando las muestras se toman de una poblacin normal, la distribucin muestral de

la media es normal, sin embargo, si la desviacin estndar de la poblacin es
desconocida, no podemos transformar la media muestral en un puntaje estndar.
En
muchas
situaciones
prcticas
la
desviacin
estndar poblacional es
desconocida, y se usa la desviacin estndar muestral para estimar , en
consecuencia, el estadstico siguiente no tiene la distribucin muestral normal
estndar:
X
s
n
Este estadstico se denota por t y se denomina el estadstico t. As, el estadstico

t esta dado por la frmula:
t
X
s
n
En 1908, W. Gosset, un dirigente judo de una planta cervecera, public un artculo

de investigacin relativo a la ecuacin para la distribucin de probabilidad de t,
como los empleados de la planta cervecera no tenan permitido publicar los
resultados de sus investigaciones, Gosset public sus resultados firmndolos bajo el
nombre de student; desde entonces, la distribucin muestral del estadstico t se
conoce como la distribucin t de student, o simplemente la distribucin t.4
3
4
Weimer, Richard, C. Estadstica. Editorial: CECSA. pp 373-375.

Weimer, Richard, C. Estadstica. Editorial: CECSA. pp 374.
12
Estadstica II
FCA-UNAM

La distribucin muestral de t es parecida a la distribucin normal; ambas tienen
formas acampanadas, media igual a cero y son simtricas respecto a sus medias.
La distribucin muestral de t es ms variable que la normal estndar. Para el
estadstico z, X es la nica cantidad que vara de muestra a muestra, mientras que
para t tanto X como s lo hacen.
La forma exacta de una distribucin t est especificada completamente por un

nico valor, parmetro conocido como el: nmero de grados de libertad (gl); el
tamao de la muestra n se relaciona con gl por:
gl = n 1
La formula anterior se debe a que normalmente se considera como parmetro

independiente a la media poblacional , misma que se estima con X al calcular s
por lo tanto, la formula para los grados de libertad ser igual a n observaciones
independientes menos un parmetro independiente al ser estimada la variacin.
Las distribuciones muestrales t tienen las propiedades siguientes:
1. Media cero
2. Son simtricas respecto a = 0
3. Son ms variables que la distribucin normal estndar
4. Forma acampanada
5. Su forma exacta depende de gl = n 1
2
6. Sus varianzas dependen de: gl y
gl
gl 2 si gl>2
7. Cuando n crece, la distribucin muestral de t se aproxima a la

distribucin normal estndar z
Estadstica II
FCA-UNAM
13

8. Como las distribuciones muestrales de t son ms variables que la
distribucin normal estndar, tienen las reas de las colas ms
grandes que la distribucin normal estndar.
14
Estadstica II
FCA-UNAM
En las tablas de la distribucin t los grados de libertad estn en la primera

columna (de izquierda a derecha), sin embargo hay que hacer notar que para esta
distribucin, la tabla no utiliza el rea entre el estadstico y la media como lo hace
la distribucin normal estndar, sino ms bien utiliza el rea de la cola de la
distribucin, as, la relevancia de la tabla se encuentra en el nivel de significancia
y cada cola de la distribucin contiene /2 del rea bajo la curva cuando se
construyen intervalos de confianza. Es decir, la construir intervalos de confianza,
el valor del estadstico t se encuentra en la tabla, en la interseccin de la
columna bajo el valor de /2 y el rengln del valor de grados de libertad (gl).
As por ejemplo, si calculamos un intervalo de confianza de 90%, el rea total de

las dos colas ser de 10% y /2 ser de 0.05, es decir:
por lo tanto si tuviramos 10 grados de libertad, entonces la interseccin de /2 =
0.05 y gl = 10 nos arroja un valor de t = 1.812.
Distribucin F
La distribucin F es la distribucin de pares repetidos calculados de la razn que

existe entre las varianzas de dos muestras extradas de la misma poblacin
(tambin puede darse el caso que las dos muestras sean extradas de poblaciones
diferentes siempre y cuando las dos poblaciones tengan el mismo valor de la
varianza).5
Los valores de la tabla pueden variar por algunas dcimas dependiendo del autor del libro, sin embargo
estos valores siempre sern muy prximos.
Estadstica II
FCA-UNAM
15
Zona de
aceptacin
Cola izquierda
/2 = 0.05
Cola derecha
/2 = 0.05
Las aplicaciones principales de la distribucin F se encuentran tambin en el control

de calidad, donde resulta importante comparar las variabilidades o varianzas de dos
maquinas diferentes que fabrican el mismo producto, con el objetivo de analizar
primero si existe diferencia en la variabilidad de las maquinas y despus en caso de
existir, las razones por las cuales una maquina llega a tener ms variabilidad que
otra.
Valor F
El valor F es la razn que existe entre las varianzas de dos muestras extradas de la
misma poblacin; es decir:
Fs
s
2
1
2
2
Esta razn estrictamente hablando debera ser muy prxima a la unidad, sin
embargo, debido al error de muestreo algunas veces estas varianzas son
diferentes.
La distribucin F no es simtrica y tiene asociados grados de libertad tanto con el

numerador como con el denominador de la razn anterior. El punto de partida para
16
Estadstica II
FCA-UNAM

la aplicacin de la distribucin F es el supuesto de que la poblacin o poblaciones
de donde se extrajeron las muestras a analizar, estn normalmente distribuidas.
La formula a utilizar en pruebas de hiptesis que comparan dos varianzas

poblacionales es:
Fs
s
2
1
2
2
v1 glde ln umerador n1 1
v2 gldeldeno min ador n2 1
Las tablas de la distribucin F contienen valores para = 0.10, 0.05, 0.025, 0.01,
0.005 y para diferentes grados de libertad tanto del numerador como del
denominador. Adems, estos valores estn calculados para la cola superior de la
curva y como la razn F siempre es positiva, el problema de asignar valores crticos
a la cola inferior se resuelve utilizando la siguiente formula:
F1 ,v2 ,v1
1
F ,v1 ,v2
Esta formula nos indica que el valor critico de F para la cola inferior (1-) se
encuentra al tomar el inverso multiplicativo del valor de F para la cola superior (),
teniendo cuidado en respetar los grados de libertar tanto del numerador como del
denominador del valor F.
Estadstica II
FCA-UNAM
17

Ejemplo:
Suponga usted que dos maquinas fabrican el mismo producto, de tornillos que deben medir
20 mm de dimetro y el dueo de la fabrica, preocupado por la variabilidad de ambas
maquinas ha solicitado un estudio en el que se muestrean al azar 10 tornillos fabricados por
la maquina 1 y 12 tornillos fabricados por la maquina 2 y los resultados se presentan en la
siguiente tabla:
Maquina 1
21.3
22.1
20.8
20.5
20.6
21.6
20.4
22.1
21.7
22.4
Maquina 2
21.8
22.3
20.9
22.7
21.4
22.0
21.9
21.5
22.9
20.8
21.2
22.4
Si el dimetro de los tornillos est normalmente distribuido, podemos aplicar una prueba de
hiptesis para determinar si las varianzas de ambas maquinas son iguales o no lo son.
Resolviendo el problema, primero planteamos nuestras hiptesis opuestas, y en este caso

seran:
H 0 : 21 2 2
H1 : 21 2 2
aqu, podemos observar que de acuerdo con el signo de igualdad incluido en la hiptesis
nula, se trata de una prueba de dos colas.
18
Estadstica II
FCA-UNAM

El estadstico de prueba a utilizar es:
Fs
s
2
1
2
2
si utilizamos un nivel de significancia de =0.05, como estamos realizando un prueba de
dos colas entonces:

maquina 1 es de
0.02 5
2
y teniendo en cuenta que el tamao de la muestra de la
n1 10
y el tamao de la muestra de la maquina 2 es
n2 12 ,
entonces el numero de grados de libertad para el valor crtico de la cola superior es:
v1 n1 1
v1 10 1
v1 9
y en el denominador, el numero de grados de libertad para el valor critico de la cola inferior

es de:
v2 n2 1
v2 12 1
v2 11
por lo tanto, el valor crtico de F para la cola superior obtenido de la tabla es:
F1 ,v1 ,v2 F0.025,9,11 3.59

claro esta que este valor lo obtuvimos de la tabla de distribucin F teniendo cuidado en
buscarlo en que corresponde a
0.025 , el valor se encuentra en la interseccin de los
grados de libertad del numerador (9) con los grados de libertad del denominador (11).
Y el valor crtico de la cola inferior lo calculamos desde el valor de la cola superior utilizando
la formula:
Estadstica II
FCA-UNAM
19
F1 ,v2 ,v1
F0.975,11,9
1
F ,v1 ,v2
1
F0.025,9,11
1
3.59
0.28
F0.975,11,9
F0.975,11,9
Entonces, la regla de decisin es: rechazar la hiptesis nula si el valor de F que se observa
es mayor a 3.59 o menor a 0.28
Si efectuamos lo clculos para las varianzas tendramos que para la maquina 1 la varianza
es de:
s12 0 .5 4 5
2
s
0 .4 6 3 3 3 3 3 3 por lo
2
y para la maquina dos, la varianza es:
tanto el valor de F es de:

Fs
s
2
1
2
2
0.545
0.46333333
F 1.1762
F
este valor de la razn de las varianzas muestrales 1.1762 cae dentro de la zona de
aceptacin que nos indica la regla de decisin, por lo que: como resultado del estudio
aceptamos tentativamente la hiptesis nula, es decir: las varianzas de las dos muestras son
iguales.
20
Estadstica II
FCA-UNAM

ACTIVIDAD 1
Completa el siguiente cuadro comparativo, para cada tipo de distribucin.
Recuerda incorporar, en cada una, el concepto, la aplicacin y la frmula.
AUTOR
j2
BENENSON
BLACK
WEIMER
Realiza esta actividad en un procesador de textos, gurdala en tu computadora y,

una vez concluida, presiona el botn Examinar, localiza el archivo, seleccinalo y
haz clic en Subir este archivo para guardarlo en la plataforma.
Bibliografa bsica
Autor
Captulo
Pginas
Sitios electrnicos
Sitio
Estadstica II
FCA-UNAM
Descripcin
21

Autoevaluacin
Selecciona si las siguientes aseveraciones son verdaderas (V) o falsas (F). Una
vez que concluyas, obtendrs tu calificacin de manera automtica.
Verdadera
1. La distribucin Chi-cuadrada (2) es la razn que existe
Falsa
entre la varianza de la muestra (s2) multiplicada por los

grados de libertad y la varianza de la poblacin.
2. Es importante hacer notar que debido a la forma de

curva de la distribucin Chi-cuadrada, el valor para ambas
colas ser el mismo.
3. La distribucin muestral de t es parecida a la

distribucin normal; ambas tienen formas acampanadas,
media igual a cero y son simtricas respecto a sus
medias. La distribucin muestral de t es ms variable
que la normal estndar.
4.
La forma
exacta
de
una
distribucin
t est
especificada completamente por un nico valor, parmetro

conocido como grados de libertad.
5. Para la distribucin t el nmero de grados de libertad

(gl) y el tamao de la muestra n estan relacionados por
la formula gl = n 1
6. La distribucin Chi-cuadrado
es la distribucin de
pares repetidos calculados de la razn que existe entre las

varianzas de dos muestras extradas de la misma
poblacin (tambin puede darse el caso que las dos
22
Estadstica II
FCA-UNAM

muestras sean extradas de poblaciones diferentes
siempre y cuando las dos poblaciones tengan el mismo
valor de la varianza).
7. La distribucin F es simtrica y no tiene asociados

grados de libertad como la distribucin chi-cuadrado.
Estadstica II
FCA-UNAM
23

Tema 2. Teorema central del lmite6
Objetivos del tema

Identificar la importancia del Teorema Central del lmite y su uso.
Desarrollo
El enunciado formal del teorema del lmite central es el siguiente: si en cualquier
poblacin se seleccionan muestras de un tamao especfico, la distribucin
muestral de las medias de muestras es aproximadamente una distribucin normal.
Esta aproximacin mejora con muestras de mayor tamao.
sta es una de las conclusiones ms tiles en estadstica pues nos permite

razonar sobre la distribucin muestral de las medias de muestras sin contar con
informacin alguna sobre la forma de la distribucin original de la que se toma la
muestra. En otras palabras, de acuerdo con el teorema del lmite central, es vlido
aproximar la distribucin de probabilidad normal a cualquier distribucin de valores
medios muestrales, siempre y cuando se trate de una muestra suficientemente
grande.
El teorema central del lmite o teorema del lmite central se aplica a la distribucin
muestral de las medias de muestras que veremos a continuacin y permite utilizar
la distribucin de probabilidad normal para crear intervalos de confianza para la
media de la poblacin.
Douglas A. Lind., et al. Estadstica para administracin y economa p.p 234
24
Estadstica II
FCA-UNAM
ACTIVIDAD 1
Elabora un cuadro en el que indiques las ventajas, usos y aplicaciones del
Teorema Central del lmite.

Bibliografa bsica
Autor
Captulo
Pginas
Sitios electrnicos
Sitio
Estadstica II
FCA-UNAM
Descripcin
25

Autoevaluacin
Selecciona si las siguientes aseveraciones son verdaderas (V) o falsas (F). Una
vez que concluyas, obtendrs tu calificacin de manera automtica.
Verdadera
Falsa
1. El enunciado formal del teorema central del lmite dice

que si en cualquier poblacin se seleccionan muestras de
un tamao especfico, la distribucin muestral de las

medias de muestras es aproximadamente una distribucin
normal y que Esta aproximacin mejora con muestras de
mayor tamao.
2. La conclusin del teorema central del lmite es una de

las conclusiones menos tiles en estadstica pues no
permite razonar sobre la distribucin muestral de las
medias de muestras sin contar con informacin alguna
sobre la forma de la distribucin original de la que se toma
la muestra.
3. El
teorema central del lmite, permite aproximar la
distribucin de probabilidad normal a cualquier distribucin

de valores medios muestrales, siempre y cuando se trate
de una muestra suficientemente grande.
4. El teorema central del lmite se aplica a la distribucin

muestral de las medias de muestras y permite utilizar la
distribucin de probabilidad normal para crear intervalos
de confianza.
26
Estadstica II
FCA-UNAM

Tema 3. Distribucin muestral para la media
Objetivos del tema

Calcular la distribucin muestral para la media como una aplicacin del teorema
central del lmite.
Desarrollo
Si consideremos todas las muestras posibles de tamao n en una poblacin
dada (con o sin reposicin). Para cada muestra podemos calcular un estadstico
(tal como la media o la desviacin tpica) que variar de muestra a muestra. De
esta manera obtenemos una distribucin del estadstico que se llama su
distribucin de muestreo.
Si por ejemplo, el estadstico utilizado es la media muestral, entonces la

distribucin se llamara la distribucin muestral para la media o distribucin de
muestreo de la media. Anlogamente, podramos tener distribuciones de
muestreo de la desviacin tpica, de la varianza, de la mediana, de las
proporciones, etctera.
Para cada distribucin de muestreo podemos calcular la media, la desviacin

tpica, etc. As pues, podremos hablar de la media y la desviacin tpica de la
distribucin del muestreo de medias, etctera.
Los resultados que nos da una muestra para estimar el parmetro de una
poblacin se utilizan (en aplicaciones avanzadas de la estadstica) cuando se
quiere saber lo siguiente:
Estadstica II
FCA-UNAM
27
Hacer una prediccin precisa sobre el xito de algn producto de

reciente desarrollo slo con base en los resultados de la muestra.
Cmo puede el departamento de control de calidad de una empresa

maquiladora liberar un embarque de un producto determinado con base
en una muestra de slo unas cuantas unidades?
Cmo puede Encuestas Mitovsky hacer una prediccin precisa de

una votacin presidencial con base en una muestra de slo una
muestra de los votantes registrados que proceden de una poblacin de
alrededor de 100 millones de votantes?
Para responder a estas preguntas, examina la distribucin muestral de las medias

de la muestra.
Al organizar las medias de todas las muestras posibles de un cierto tamao en

una distribucin de probabilidad se obtiene una distribucin muestral para la media
o distribucin muestral de las medias de las muestras.
Distribucin muestral de las medias de las muestras:

Es la distribucin de probabilidad de todas las medias posibles de las muestras
de un tamao de muestra dado.
Veamos un ejemplo sencillo, que si bien es cierto que no responde a las preguntas
tan complejas del inicio del tema, si ayuda a entender el concepto y la importancia
de la distribucin muestral para la media.
28
Estadstica II
FCA-UNAM

Ejemplo: 7
El nmero de unidades producidas por un obrero que trabaja de lunes a sbado
en una fbrica que produce latas para refresco es la siguiente: 80, 80, 76, 70, 70 y
68. Suponga que estos nmeros constituyen la poblacin de la cual se desea
tomar una muestra de tamao 3.
a) Determine la
Para encontrar la media aritmtica, procedemos a utilizar la
media
frmula correspondiente, tomando en consideracin de que si se
aritmtica de
trata de una poblacin, entonces el smbolo a utilizar es ; por lo
estos nmeros.
tanto:

1
N
en donde al sustituir los datos tenemos que:

1
80 80 76 70 70 68
6
solucin al a)
74
b) Determine la
Para este inciso es recomendable elaborar la tabla indicada a
desviacin
continuacin:
estndar de los
nmeros.
# DE
EXPERIME
NTO
I
1
2
3
4
5
6
DA
TO
S
xi
80
80
76
70
70
68
MEDIA
ARITMTI
CA
74
74
74
74
74
74
DATOMEDIA
(xi - )
6
6
2
-4
-4
-6
(DATO - MEDIA)
ELEVADO AL
CUADRADO
(xi - )2
36
36
4
16
16
36
Probabilidad y Estadstica de Stephen S. Willoughby. p.p 126

Estadstica II
FCA-UNAM
29
Sumatoria
444
144
En esta tabla podemos observar que la sumatoria de la columna

correspondiente a la diferencia del dato menos la media, es cero,
por lo tanto, hasta ese punto nuestro proceso es correcto.
Finalmente
para
este
inciso,
aplicamos
la
frmula
correspondiente:
1
N
(x
)2
de donde sustituyendo valores tenemos que:

1
144
6
respuesta al b) = 4.9
c) Calcule el
nmero de
muestras de
tamao 3.
Debemos aplicar la frmula correspondiente al clculo de

combinaciones; es decir:
C rn
n!
r!(n r )!
en donde sustituyendo los valores tenemos que:

C rn
6!
3! (6 3)!
C rn
6 x5 x 4 x3!
3! (3 x 2 x1)
donde fcilmente apreciamos que el nmero de combinaciones de

6 objetos tomados de 3 en 3 es:
n
respuesta al c) C r 20
30
Estadstica II
FCA-UNAM

d) Liste
una
de
cada
las
Para dar respuesta a este inciso, es necesario realizar los

siguientes pasos:
muestras.
1. Identificar cada uno de los datos. En nuestro caso, en virtud de
que algunos datos se repiten, se procede a identificarlos de la
siguiente manera: 801, 802, 76, 701, 702, 68.
2. Como siguiente punto, se elabora una tabla donde se colocaran
todas las combinaciones obtenidas siguiendo el orden indicado a
continuacin: la primera terna o combinacin se obtiene de los
tres primero datos, es decir:
Si los datos son: 801, 802, 76, 701, 702, 68.
Entonces, la primera terna es: 801, 802, 76,
Para la segunda terna, se toman los dos primeros datos junto con
el cuarto dato, es decir, nos saltamos el tercer dato; por lo tanto, la
segunda terna sera: 801, 802, 701.
Para la tercera terna se hace lo mismo, slo que en este caso
utilizamos los dos primeros datos ms el quinto dato, y as
sucesivamente hasta que cubrimos todos los datos que se
encuentran a la derecha de los dos primeros datos. Mediante este
procedimiento, obtenemos las siguientes ternas:
801 802 76
801 802 701
801 802 702
801 802 68
Estadstica II
FCA-UNAM
31
Continuando con este procedimiento, nos saltamos el segundo

dato, continuando con el tercero y cuarto dato; es decir, la
siguiente terna tendra la forma siguiente:
Entonces, la terna sera: 801, 76, 701
Siguiendo este procedimiento, podemos encontrar fcilmente las
siguientes ternas; es importante considerar que los datos son: 801,
802, 76, 701, 702, 68.
Una
vez
que
combinaciones
hemos
que
801
76
701
801
76
702
801
76
68
801
701
702
801
701
68
801
702
68
terminado
empiezan
con
con
el
todas
las
primer
posibles
dato,
nos
continuamos de la misma forma para el segundo dato; mediante

este procedimiento podemos encontrar todas las restantes
combinaciones, que son:
802 76 701
802 76 702
802 76
68
802 701 702

802 701 68
802 702 68
32
Estadstica II
FCA-UNAM

76 701 702
76 701 68
76 702 68
701 702 68
e)
Calcule
la
Para calcular la media de cada una de las muestras, conviene
media de cada
elaborar una tabla donde estn incluidas todas las muestras de
una
tamao tres encontradas; por lo tanto, elaboramos la siguiente
de
muestras.
las
tabla, donde fcilmente podemos calcular la media de cada una

de las muestras requerida.
MUESTRAS
1 801 802 76
Media
78 2/3
801
802
701 76 2/3
801
802
702 76 2/3
801
802
68
801
76
701 75 1/3
801
76
702 75 1/3
801
76
68
801
701
702 73 1/3
801
701
68
72 2/3
10
801
702
68
72 2/3
11
802
76
701 75 1/3
12
802
76
702 75 1/3
13
802
76
68
14
802
701
702 73 1/3
15
802
701
68
72 2/3
16
802
702
68
72 2/3
17
76
701
702
72
Estadstica II
FCA-UNAM
76
74 2/3
74 2/3
33

18
76
701
68
71 1/3
19
76
702
68
71 1/3
20
701
702
68
69 1/3
f) Encuentre la
Si ahora consideramos el conjunto de todas las medias de las
media
de
la
muestras como un nuevo conjunto al que podemos llamar
distribucin
de
distribucin de las medias de las muestras, fcilmente podemos
las medias de
calcular la media de la distribucin de las medias de las muestras,
las muestras.
para lo cual procedemos a aplicar la formula correspondiente:

1 n
xi
N 1
donde sustituyendo los datos tenemos que:
respuesta al f) x = 74
g)
Calcule
la
desviacin
Para calcular la desviacin estndar de las medias de las

muestras, es necesario elaborar la siguiente tabla:
estndar de las
medias de las
muestras.
34
Promedio de Media aritmtica

la muestra de la distribucin
MUESTRAS
(Datos)
de las muestras:
I
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
xi
78 2/3
76 2/3
76 2/3
76
75 1/3
75 1/3
74 2/3
73 1/3
72 2/3
72 2/3
75 1/3
75 1/3
74 2/3
73 1/3
72 2/3
74
74
74
74
74
74
74
74
74
74
74
74
74
74
74
Dato-media
(xi - )
4 2/3
2 2/3
2 2/3
2
1 1/3
1 1/3
2/3
- 2/3
-1 1/3
-1 1/3
1 1/3
1 1/3
2/3
- 2/3
-1 1/3
(Dato - media) elevado al

cuadrado
(xi - )2
21 7/9
7 1/9
7 1/9
4
1 7/9
1 7/9
4/9
4/9
1 7/9
1 7/9
1 7/9
1 7/9
4/9
4/9
1 7/9
Estadstica II
FCA-UNAM

16
17
18
19
20
Sumatoria
72 2/3
72
71 1/3
71 1/3
69 1/3
1480
74
74
74
74
74
-1 1/3
-2
-2 2/3
-2 2/3
-4 2/3
0
1 7/9
4
7 1/9
7 1/9
21 7/9
96
Para efectuar este clculo, lo primero que hacemos es escribir la

formula correspondiente, que en este caso quedara de la
siguiente forma:
1
N
(x i )2
x
A continuacin sustituimos los datos correspondientes
1
(96)
20
solucin al g)
2.19
Como podemos observar, el valor de la desviacin estndar de las

medias de las muestras es de
h) Compare los
resultados
de
los incisos a y f
2.19
Compara los resultados de los incisos a y f

En el inciso a calculamos el valor de la media aritmtica de la
poblacin, obteniendo un valor de 74 mientras que en el
inciso f calculamos el valor de la media de la distribucin de las
medias de las muestras, para la encontramos un valor de
x =
74, con lo cual podemos concluir que la media de la poblacin y la

media de la distribucin de las medias tienen el mismo valor.
i) Compare los
Compara los resultados de los incisos b y g.
Estadstica II
FCA-UNAM
35

resultados
de
los incisos b y
En el inciso b determinamos la desviacin estndar de la

poblacin, obteniendo un valor de = 4.9 mientras que en el
g.
inciso g encontramos que el valor de la desviacin estndar de

las medias de las muestras fue de
2.19
con lo cual
podemos decir que el valor de la desviacin estndar de la

poblacin y el de la desviacin estndar de las medias de las
muestras son diferentes.
36
Estadstica II
FCA-UNAM

Al desarrollar el ejercicio en el que calculamos la media de las medias, podemos
observar en trminos generales lo siguiente:
La media de las medias de la muestra es igual a la media de la

poblacin.
La dispersin de la distribucin de las medias de la muestra es menor a

la dispersin en los valores de la poblacin.
La forma de la distribucin muestral de las medias de muestras y la

forma de la distribucin de frecuencia de los valores de la poblacin es
diferente. La distribucin de las medias de las muestra tiende a tener
una forma de campana y aproximarse a la distribucin de probabilidad
normal.
En resumen, se tomaron todas las muestras aleatorias posibles de una poblacin

y para cada muestra se calcul un estadstico de muestra (la media). Debido a que
cada muestra posible tiene la misma posibilidad de ser seleccionada, se puede
determinar la probabilidad de que la media obtenida tenga un valor comprendido
en un rango. La distribucin de los valores de las medias obtenidas se conoce
como distribucin muestral de las medias de muestras.
Aunque en la prctica slo se ve una muestra aleatoria especfica, en teora podra

surgir cualquiera de las muestras. En consecuencia, el proceso de muestreo
repetido genera la distribucin muestral. Luego, la distribucin muestral se utiliza
para medir lo probable que podra ser obtener un resultado especfico.
En este caso debemos tomar en consideracin lo siguiente: supongamos que se

toman todas las posibles muestras de tamao n sin reposicin de una poblacin
finita de tamao N n . Si denotamos la media y la desviacin tpica de la
Estadstica II
FCA-UNAM
37

distribucin de muestreo de medias por: x y x y las de la poblacin por y ,
respectivamente, entonces:
x =
donde
N n
N 1
N n
N 1
se conoce como factor de poblacin finita y se utiliza cuando el
tamao de la muestra es mayor al 5% del tamao de la poblacin. Esto es debido

a que los resultados obtenidos con un muestreo con y sin reemplazo son distintos.
Esto ocurre porque las probabilidades cambian significativamente cuando se
trabaja con muestras pequeas. Para considerar esta situacin en los anlisis con
distribuciones muestrales es necesario corregir el error estndar de manera que
refleje el cambio que pueden tener las probabilidades.
Si en el ejercicio anterior del obrero que fabrica latas para refresco se calcula la
desviacin estndar de las medias de las muestras
mediante la frmula:
N n
N 1 se obtiene exactamente el mismo resultado de
2.19
. (se
deja al estudiante que realice la comprobacin).
Si la poblacin es infinita o si el muestreo es con reposicin, los resultados

anteriores se reducen a las siguientes frmulas:
x =
Para valores grandes de n ( n 30 ), la distribucin de muestreo de medias es

aproximadamente
38
normal
con
media
desviacin
tpica
Estadstica II
FCA-UNAM
x,

independientemente de la poblacin (siempre y cuando la media poblacional y la
varianza sean finitas y el tamao de la poblacin sea al menos el doble que el de
la muestra). Este resultado para una poblacin infinita es un caso especial del
teorema central del lmite de la teora avanzada de probabilidades, que afirma
que la precisin de la aproximacin mejora al crecer n. Esto se indica en
ocasiones diciendo que la distribucin de muestreo es asintticamente normal.
En caso de que la poblacin est normalmente distribuida, la distribucin de

muestreo de medias tambin lo est, incluso para pequeos valores de n (o sea,
n<30).
Estadstica II
FCA-UNAM
39
ACTIVIDAD 1
En conjunto, las cuatro tiendas de Liverpool en el Distrito federal tienen en
promedio y a cualquier hora 625 compradores, con una desviacin estndar de
12 compradores. Cul es la probabilidad para que una muestra aleatoria de 60
horas diferentes de compras proporcione una media muestral entre 450 y 550
compradores?

ACTIVIDAD 2
La edad promedio de los 550 empleados que trabajan cobrando por hora en ICA
constructores es de 35.2 aos, con una desviacin estndar de 5.1 aos. Si se
toma una muestra aleatoria de 60 empleados que trabajan por hora, Cul es la
probabilidad de que la muestra tenga un promedio de edad mayor de 36 aos?
(Nota: utilice el factor de correccin para poblacin finita en sus clculos).

40
Estadstica II
FCA-UNAM
Bibliografa bsica
Autor
Captulo
Pginas
Sitios electrnicos
Sitio
Estadstica II
FCA-UNAM
Descripcin
41

Autoevaluacin
Selecciona si las siguientes aseveraciones son verdaderas (V) o falsas (F) las
siguientes aseveraciones. Una vez que concluyas, obtendrs tu calificacin de
manera automtica.
Verdadera
1. La media muestral es uno de los estadsticos ms
Falsa
utilizados en estadstica inferencial.
2. Para que un investigador pueda asignar un valor

probabilstico a una media muestral, es necesario que
conozca la distribucin muestral de las medias.
3. x
es la frmula para calcular la desviacin

n
estndar de las medias de las muestras cuando la

poblacin es finita.
4. x
N n
es la frmula para calcular la media de
N 1
las medias para una poblacin finita.
5. La media de las medias siempre es igual a la media de

la poblacin, independientemente de si la poblacin es
finita o infinita.
42
Estadstica II
FCA-UNAM

Tema 4. Distribucin muestral de la proporcin
Objetivos del tema

Aplicar la proporcin muestral como el estadstico idneo cuando el inters de un
estudio estadstico radica en ciertas proporciones de la poblacin.
Desarrollo
Hoy es bien sabido8 que si la investigacin produce datos mensurables tales como
el peso, distancia, tiempo e ingreso, la media muestral es en ocasiones el
estadstico ms utilizado, pero, si la investigacin resulta en artculos contables
como por ejemplo: cuntas personas de una muestra escogen la marca Peafiel
como su refresco, o cuantas personas de una muestra tienen un horario flexible de
trabajo, la proporcin muestral es generalmente el mejor estadstico a utilizar.
Mientras que la media se calcula al promediar un conjunto de valores, la

proporcin muestral se calcula al dividir la frecuencia con la cual una
caracterstica dada se presenta en una muestra entre el nmero de elementos de la
muestra. Es decir:
x
n
Donde: x = nmero de elementos de una muestra que tienen la caracterstica.

n = numero de elementos de la muestra.
Ejemplo; suponga que una comercializadora pretende establecer un nuevo centro

y desea saber la proporcin del consumidor potencial que comprara el principal
producto que vende para lo cual realiza un estudio de mercado mediante una
Black, Ken. Estadstica en los negocios pp. 241-242

Estadstica II
FCA-UNAM
43

encuesta a 30 participantes, lo cual permitir saber quines lo compraran y
quines no; se obtuvieron los siguientes resultados:
x1=1
x7=1
x13=0
x19=1
x25=0
x2=0
x8=0
x14=1
x20=0
x26=0
x3=0
x9=0
x15=1
x21=1
x27=0
x4=0
x10=0
x16=0
x22=1
x28=1
x5=0
x11=0
x17=0
x23=1
x29=0
x6=1
x12=0
x18=1
x24=0
x30=1
Donde 1 significa que est dispuesto a comprar el producto y 0 no est dispuesto

a comprarlo.
En este caso, la proporcin de la poblacin (P) que comprara el producto, se puede

_
estimar con p (proporcin de la muestra que lo comprara), cuyo valor esperado

_
sera E ( p ) P , y el error de p al estimar P es:
N n
N 1
P(1 P )
n
si la poblacin es finita, y si la poblacin es infinita o si el muestreo es con

reposicin, los resultados anteriores se reducen a:
44
P(1 P)
n
Estadstica II
FCA-UNAM

_
Es decir, de acuerdo con el teorema del lmite central, p muestral se comportar

como una normal con media P (la verdadera proporcin poblacional) y desviacin
estndar
.
_
En el ejemplo de la comercializadora se tiene que
12
0.40
30
.
Pero suponiendo que el verdadero parmetro de la poblacin es P=0.30; es decir,

_
slo el 30% de la poblacin lo comprara, entonces el promedio p estimar a P

poblacional pero con un error igual a
que en este caso es:
0.30(0.70)
30
= 0.1195
En este caso p muestral tendr distribucin normal con media P=0.30 y desviacin
estndar
p 0.1195
Dado que todas las muestras aleatorias que sean tomadas de una misma poblacin
en general sern distintas y tendrn por ende diferentes valores para sus
estadsticos tales como la media aritmtica o la desviacin estndar, entonces
resulta importante estudiar la distribucin de todos los valores posibles de un
estadstico, lo cual significa estudiar las distribuciones muestrales para diferentes
estadsticos9 La importancia de stas distribuciones muestrales radica en el hecho
de que en
estadstica inferencial, las inferencias sobre poblaciones se hacen
utilizando estadsticas muestrales pues con el anlisis de las distribuciones

asociadas con stos estadsticos se da la confiabilidad del estadstico muestral
como instrumento para hacer inferencias sobre un parmetro poblacional
desconocido.
Weimer, Richard, C. Estadstica. pp 353.

Estadstica II
FCA-UNAM
45
ACTIVIDAD 1
1. Para una proporcin poblacional de 0.25 Cul es la probabilidad de obtener
una proporcin muestral menor o igual a 0.21 para n = 120

ACTIVIDAD 2
Suponga un proporcin poblacional de 0.58 y que una muestra aleatoria de 410
artculos se muestrea al azar. Cul ser la probabilidad de que la proporcin
muestral sea mayor a 0.70

46
Estadstica II
FCA-UNAM
Bibliografa bsica
Autor
Captulo
Pginas
Sitios electrnicos
Sitio
Estadstica II
FCA-UNAM
Descripcin
47

Autoevaluacin
Elige la respuesta correcta a las siguientes preguntas, una vez que concluyas,
obtendrs de manera automtica tu calificacin
1. Al considerar todas las muestras de tamao n que pueden extraerse de una

poblacin, si se calcula el valor medio para cada una de ellas y se integran estos
valores en un solo conjunto de datos es posible obtener una:
a) Campana de Gauss
b) Tendencia paramtrica
c) Curva de ajuste
d) Distribucin muestral
e) Parmetro muestral
2. En el proceso de inferencia estadstica paramtrica existen dos maneras de

estimar los parmetros de una poblacin, una de ellas es la:
a) Estadstica descriptiva
b) Estimacin puntual
c) Prueba de significancia
d) Medida de sesgo
e) Medida de tendencia central
48
Estadstica II
FCA-UNAM
3. Calcular el factor de correccin para la poblacin finita de un inventario que

consta de 250 productos y a la cual se le efectuar un muestreo de 40%:
a) 0.881
b) 0.918
c) 0.819
d) 0.991
e) 0.989
4. Qu concepto establece que si se selecciona una muestra aleatoria

suficientemente grande de n observaciones, la distribucin muestral de las medias
de las muestras se aproxima a una distribucin normal.
a) Definicin de distribucin muestral
b) Proceso aleatorio
c) Proceso de muestreo
d) Teorema del lmite central
e) Distribucin de probabilidad
5. Si una poblacin se distribuye normalmente (con media y desviacin estndar
), la distribucin muestral de las medias construida a partir de la misma poblacin
tambin se distribuye normalmente. Esta definicin corresponde a:
a) El teorema de Bayes
b) La ley de las probabilidades
c) El teorema del lmite central
d) La ley de la distribucin normal
e) El teorema de Markov
Estadstica II
FCA-UNAM
49

6. Una poblacin se compone de los siguientes cinco nmeros 2, 3, 6, 8, y 11.
Calcule la media de la distribucin muestral para tamaos de muestra 2 con
reemplazamiento:
a) 6.2
b) 5.7
c) 6.0
d) 6.1
e) 5.8
7. Cuando se lleva a cabo un estudio estadstico paramtrico se requiere una

muestra suficientemente grande, lo cual significa que debe tener un tamao igual
o mayor a:
a) 64
b) 50
c) 40
d) 30
e) 20
8. Si las distribuciones muestrales tienen la misma media, la eleccin de una de

ellas deber entonces basarse en la que tenga el menor valor del estadstico. Esta
definicin corresponde a:
a) Rango
b) Varianza
c) Sesgo
d) Mediana
e) Moda
50
Estadstica II
FCA-UNAM

9. Se tiene una lista de 120 estudiantes, 60 de ellos son de Contadura y el resto
de Administracin. Si se toma una muestra al azar, halle la probabilidad de que se
escojan entre el 40% y el 60% de contadores del tamao de la muestra:
a) 98.5%
b) 96.7%
c) 95.8%
d) 97.7%
e) 99.1%
10. De un lote muy grande (poblacin infinita) de facturas, la desviacin estndar

es $10. Se extraen diversas muestras; cada una de ellas es de 200 facturas y se
calculan las desviaciones estndar de cada muestra. Hallar la media de la
distribucin muestral de desviaciones estndar:
a) 0.30
b) 0.50
c) 2.77
d) 7.41
e) 10.0
Estadstica II
FCA-UNAM
51
LO QUE APREND DE LA UNIDAD

Preocupado por la variabilidad aparente de dos maquinas exactamente iguales y
que fabrican el mismo tipo de botella para agua ciel, el dueo de la fbrica
solicita un estudio en el que se muestrean al azar 10 botellas para cada mquina,
obteniendo los siguientes resultados:
Maquina
no. 1
5.3
5.5
5.9
5.8
4.7
4.5
4.4
4.2
4.7
5.1
Maquina
no. 2
5.9
5.7
5.8
5.7
5.5
5.4
5.3
5.1
5.5
5.9
Si el dimetro de la botella debe ser de 5 cm. Y los valores de la tabla estn

dados en la misma escala, determine usted si las varianzas de ambas maquinas
son diferentes.
Para enviar tu actividad, pulsa Editar mi envo y se mostrar un editor de texto

en el que debers redactar tu informacin. Cuando termines, guarda tu tarea
haciendo clic en Guardar cambios.
52
Estadstica II
FCA-UNAM

Glosario de la unidad
Parmetro
Es una caracterstica numrica de una poblacin, tal como la media aritmtica
poblacional, la desviacin estndar poblacional o la proporcin poblacional.
Distribucin muestral
Es una distribucin de probabilidades que consta de todos los valores posibles de
un estadstico de muestra.
Factor de correccin para poblacin finita
N n
N 1
El trmino
que se usa en las frmulas de
cuando se
selecciona una muestra de una poblacin finita, no de una poblacin infinita. La

regla fcil que generalmente se acepta es no tomar en cuenta el factor de
correccin para poblacin finita siempre que
n
0.05
N
Error estndar
Es la desviacin estndar de un estimador puntual.
Teorema del lmite central

Tambin conocido como teorema central del lmite, es un teorema que permite
usar la distribucin de probabilidad normal para aproximar la distribucin de
_
muestra de x y p cuando el tamao de la muestra es grande.
Muestras pareadas
Muestras en las que con cada dato de una muestra se forman parejas con el dato
correspondiente.
Estadstica II
FCA-UNAM
53

MESOGRAFA
Bibliografa bsica
54
Estadstica II
FCA-UNAM

Unidad 2

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Unidad 2

Загружено:

Авторское право:

Доступные форматы

UNIDAD

La distribucin de la poblacin de la cual extraemos la muestra con la que

Objetivo particular de la unidad

Calcular los intervalos de confianza para la media poblacional a utilizando de la

Unidad II. Distribuciones muestrales

2. La formula para calcular la media aritmtica de una muestra es:

3. La formula para calcular la varianza de una muestra es:

4. La distribucin t de Student se utiliza cuando:

Unidad II. Distribuciones muestrales

5. La distribucin F se utiliza para:

6. La formula para calcular la desviacin estndar de una poblacin es:

7. La formula correcta para el clculo de combinaciones es:

Unidad II. Distribuciones muestrales

9. La simetra es una caracterstica de la distribucin:

El teorema central del lmite es til para

entender que la distribucin las medias de muestras tomadas de una misma

Unidad II. Distribuciones muestrales

Unidad II. Distribuciones muestrales

Objetivo del tema

cuadrada (2), t y F en las reas econmico administrativas y su relacin estrecha

En ocasiones los investigadores muestran ms inters en la varianza poblacional

Unidad II. Distribuciones muestrales

El trmino grados de libertad

independientes para una fuente de variacin menos el nmero de parmetros

Donde podemos observar que la variacin de la distribucin Chi-cuadrada (2)

Ken, Black. Estadstica en los negocios, editorial CECSA, pp. 264

Unidad II. Distribuciones muestrales

Si quisiramos una estimacin puntual de la varianza de la poblacin, sera suficiente

Primero calculamos la media aritmtica de los datos utilizando la siguiente formula:

Unidad II. Distribuciones muestrales

2.10 1.90 1.98 2.05 2.00 1.97 2.01

y al efectuar clculos el resultado de la media aritmtica (redondeado a 2 decimales)

a continuacin elaboramos una tabla como la indicada a continuacin para facilitar el

Recordando ahora la formula correspondiente a la varianza de una muestra:

y sustituyendo datos en esta formula, podemos ver que el valor obtenido en la

esquina inferior derecha de la tabla anterior corresponde a:

Unidad II. Distribuciones muestrales

de donde al efectuar clculos vemos que:

Es decir, la varianza de la muestra tiene un valor de: 0.003981, pero si consideramos

Unidad II. Distribuciones muestrales

el valor se obtuvo utilizando la tabla correspondiente a la Chi-cuadrada en el libro: Estadstica en los

Unidad II. Distribuciones muestrales

Cuando las muestras se toman de una poblacin normal, la distribucin muestral de

Este estadstico se denota por t y se denomina el estadstico t. As, el estadstico

En 1908, W. Gosset, un dirigente judo de una planta cervecera, public un artculo

Weimer, Richard, C. Estadstica. Editorial: CECSA. pp 373-375.

Unidad II. Distribuciones muestrales

La forma exacta de una distribucin t est especificada completamente por un

La formula anterior se debe a que normalmente se considera como parmetro

Las distribuciones muestrales t tienen las propiedades siguientes:

7. Cuando n crece, la distribucin muestral de t se aproxima a la

Unidad II. Distribuciones muestrales

Unidad II. Distribuciones muestrales

En las tablas de la distribucin t los grados de libertad estn en la primera

As por ejemplo, si calculamos un intervalo de confianza de 90%, el rea total de

La distribucin F es la distribucin de pares repetidos calculados de la razn que

Unidad II. Distribuciones muestrales

Las aplicaciones principales de la distribucin F se encuentran tambin en el control

La distribucin F no es simtrica y tiene asociados grados de libertad tanto con el

Unidad II. Distribuciones muestrales

La formula a utilizar en pruebas de hiptesis que comparan dos varianzas

Unidad II. Distribuciones muestrales

Resolviendo el problema, primero planteamos nuestras hiptesis opuestas, y en este caso