Академический Документы
Профессиональный Документы
Культура Документы
Estadstica inferencial
1. Introduccin
2. Muestreo
La teora del muestreo estudia la relacin entre una poblacin y las muestras tomadas de ellas.
En los tres ejemplos se trata de estudiar un conjunto de objetos muy grande, que llamaremos
poblacin. Estos elementos pueden ser personas, esprragos, chinchetas,
En la prctica es imposible estudiar todos los elementos de la poblacin, bien por ser muy
numerosa o ser muy costoso el estudio. Por ello elegimos una parte de la poblacin que
llamaremos muestra y realizaremos el estudio sobre los elementos de la muestra para
posteriormente inferir estos resultados sobre la poblacin.
El proceso mediante el cual se extrae una muestra de una poblacin se llama muestreo.
La caracterstica ms importante que debe tener una muestra es la representatividad, es decir que
represente bien a la poblacin.
Ejemplo de no representatividad: Las mujeres y el amor: Una revolucin cultural de Share Hite.
Se enviaron 1.000.000 de cuestionarios a mujeres. Solamente 4.500 fueron contestados y
devueltos. El trabajo se bas en estos cuestionarios.
- Pgina 1- A.G.Onanda
Estadstica Inferencial Matemticas 2 CCSS
Tipos de muestreo
Ejemplo: se tiene una poblacin en la que el 60% son mujeres y el 40% hombres. Para
escoger una muestra de 2000 personas se divide la poblacin en estratos, hombres y
mujeres, y se extraen al azar 1200 mujeres y 800 hombres.
Observacin:
Ejemplo:
Se tira 50 veces cuatro dados equilibrados, apuntado cada vez los nmeros que han salido.
Despus se calcula la media de cada una de las muestras de cuatro nmeros: por ejemplo
muestra 1: 1, 5, 6, 4 x1 4
Para solucionar los problemas anteriores es necesario conocer las relaciones existentes entre los
parmetros muestrales y los parmetros poblacionales. Ser necesario entonces conocer la
distribucin muestral de los estadsticos ( si consideramos todas las posibles muestras de tamao
N de una poblacin dada. Para cada muestra, podemos calcular un estadstico ( media,
desviacin tpica,) que variar de una muestra a otra. De esta manera obtenemos una
distribucin del estadstico que se llama distribucin de muestreo).
- Pgina 3- A.G.Onanda
Estadstica Inferencial Matemticas 2 CCSS
Los fabricantes de tarros para el envasado de esprragos desean saber la longitud media de los
esprragos. La longitud media poblacional la representaremos por ; y por la desviacin tpica
poblacional.
Con el fin de hacernos una idea de cmo puede ser , elegiremos una muestra aleatoria formada
por 40 esprragos, y se obtiene que:
Si elegimos otras muestras de tamao 40 y calculamos sus medias y sus desviaciones tpicas,
obtendremos: x1 , x2 , x3 ,..., xn y s1 , s2 , s3 , ... , sn .
Los distintos valores de xi dan lugar a una variable aleatoria que representaremos por X .
muestrales sigue tambin una normal N , donde n es el tamao de las muestras.
n
2) Si la poblacin no sigue una distribucin normal se aplica el Teorema Central del Lmite:
aproxima a una distribucin normal N , .
n
x x
n
Observacin: Como la desviacin de la media muestral es x su variabilidad disminuye al
n
aumentar el tamao n de la muestra, dicho de otra manera, la precisin del estimador es mayor al
aumentar el tamao de la muestra.
- Pgina 4- A.G.Onanda
Estadstica Inferencial Matemticas 2 CCSS
Ejemplo 1:
Una poblacin est formada por slo tres elementos, con valores 1, 3, 5. Consideramos todas las
posibles muestras de tamao dos con reemplazamiento que pueden formarse. Se pide calcular:
a) La media de la poblacin.
Solucin:
Este ejemplo sirve para comprobar lo que ocurre con las medias de las diferentes muestras.
2
xi f i 1 3 5 xi fi 1 9 25 2
a) 3 b) x2 3 1,63
N 3 N 3
Muestra (1,1) (1,3) (1,5) (3,1) (3,3) (3,5) (5,1) (5,3) (5,5)
Medias ( xi ) 1 2 3 2 3 4 3 4 5
xi f i 27
N de muestras c) x 3
2 N 9
xi xi f i xi f i
fi
2
1 1 1 1 xi fi 2 93 2
d) x x 3 1,154
N 9
2 2 4 8
5 1 5 25 1,63
x x 1,15
n 2
9 27 93
- Pgina 5- A.G.Onanda
Estadstica Inferencial Matemticas 2 CCSS
Ejemplo 2:
Los tornillos fabricados por cierta mquina de precisin, que se distribuyen segn una normal,
tienen un peso medio de 142,32 gramos y una desviacin tpica de 8,5 gramos. N 142,8'5
a) Hallar la probabilidad de que una muestra elegida al azar de 25 tornillos, tomada entre
ellos, tenga un peso medio superior a 144,6 gramos.
Solucin:
8'5
X : N 142'32, = N 142'32, 1'7 distribucin muestral en media.
5
144,6 142,32
P X 144,6 P Z PZ 1,34 1 PZ 1,34 1 0,9099 0,0901
1,7
8'5
b) X : N 142'32, N 142'32, 0'85
10
144,6 142,32
P X 144,6 P Z PZ 2,68 1 PZ 2,68 1 0,9963 0,0037
0,85
- Pgina 6- A.G.Onanda
Estadstica Inferencial Matemticas 2 CCSS
Ejemplo 3:
Soluciones:
0'9 0,9
a) X : N 1'72, x 1,72 x 0,15 m
36 6
1,69 1,72
c) P x 1'69 P z P z 0,2 1 P z 0,2 1 0,5793 0,4207
0,15
- Pgina 7- A.G.Onanda
Estadstica Inferencial Matemticas 2 CCSS
Las chinchetas de una determinada marca no salen todas buenas. Sea p la proporcin de
chinchetas buenas (xito, fracaso)
No sabemos el valor de p, pero podemos aproximarnos de alguna manera. Para ello, tomaremos
una muestra aleatoria de 100 chinchetas y observamos que 86 de ellas estn bien.
p1 p
p p p
n
Para muestras de tamao n>30, la distribucin muestral de proporciones sigue una distribucin
normal
p1 p
P : N p,
n
Observacin: En la prctica puede ocurrir que p sea desconocido. En este caso se aproxima por
el de una muestra siempre que n>100.
- Pgina 8- A.G.Onanda
Estadstica Inferencial Matemticas 2 CCSS
Ejemplo 1:
b) Para cada una de las muestras con reemplazamiento de tamao dos, calcular la proporcin
de cifras impares.
Soluciones: a) p=1/4=0,25
Muestras 1,1 1,2 1,4 1,6 2,1 2,2 2,4 2,6 4,1 4,2 4,4 4,6 6,1 6,2 6,4 6,6
b)
4
p xi f i 2 p 0,25
N muestras xi f i 16
p1 p 0,25.0,75
p 0,31
0 9 0 0 n 2
2,5
0,5 6 3 0,25.6 0,252 0,306
16
1 1 1 1
16 4 2,5
- Pgina 9- A.G.Onanda
Estadstica Inferencial Matemticas 2 CCSS
Ejemplo 2:
Una mquina fabrica piezas de precisin. En una produccin habitual fabrica un 3% de piezas
defectuosas. Un cliente recibe una caja de 500 piezas procedentes de la fbrica.
Soluciones:
0,05 0,03
P P 0,05 P z
0,008
P z 2,5 1 P z 2,5 1 0,9938 0,0062
0,01 0,03
b) P P 0,01 P z
0,008
P z 2,5 1 P z 2,5 1 0,9938 0,0062
Ejemplo 3:
El 3% de piezas producidas por una mquina son defectuosas. Se toma una muestra aleatoria de
100 piezas. Cul es la probabilidad de que en la muestra existan menos de 28 piezas
defectuosas?.
Solucin:
28 0,28 0,03
P P P z P z 14,62 1
100 0,0171
Es decir, es prcticamente seguro, que en una muestra aleatoria de 100 piezas habra menos de
28 piezas defectuosas.
La estimacin por puntos se utiliza poco, puesto que carecemos de datos que nos indiquen el
grado de fiabilidad del dato muestral que hemos tomado. Es mucho ms interesante obtener un
intervalo dentro del cual se tiene cierta confianza de que se encuentre el parmetro que tratamos
de estimar.
Cuanto ms amplio sea el intervalo de confianza determinado, ms probable ser que incluya el
valor estimado y mayor ser el nivel de confianza, pero mayor es tambin el
Ejemplo: Se sabe que las desviacin tpica de las tallas de los alumnos de una universidad es
igual a 5 cm. Se desea estimar la talla media de dichos alumnos, para lo que se escoge una
muestra de 100 estudiantes y se obtiene que la media muestral es 172 cm. Hallar un intervalo de
confianza de la talla media de los alumnos de la universidad con niveles de confianza del 90% y
del 99%.
5 n 100 x 172
Ya vimos que la distribucin en el muestreo de la X es una normal N , .
n
a 172 b 172
p z 0,9
0,05 0,05 0,5 0,5
b 172
0,9 p x b 0,95 p z 0,95
0,5
a x b
p z 1,645 0,95
b 172
b 172 1,645
p z 0,5 0,95 0,5
0,99
b 172
a b p x b 0,995 p z 0,995
x 0,5
p z 2,585 0,995
b 172
b 172 2,585
p z 0,5 0,995 0,5
No vamos a repetir este proceso cada vez que queramos calcular un intervalo de confianza,
podemos deducir que en general, a cada nivel de confianza le corresponde un zc llamado valor
I .C. x zc , x zc
n n
Otro ejemplo:
Se ha extrado una muestra de 145 alumnos de una escuela de artes, a los que se les ha
propuesto un test de habilidad. La media y la desviacin tpica de la muestra son 82 y 14
respectivamente. A partir de estos datos, calcular el intervalo de confianza en el cual se hallar la
media de la poblacin al nivel de confianza del 95%. Lo mismo para el 99%.
Solucin:
s 14
n=145
X : N 82, 1'16
p z zc 0,975 zc 1,96
p z zc 0,995 zc 2,575
p1 p p1 p
I .C. p zc p zc
n n
Ejemplo 1:
Para estimar la proporcin de estudiantes de una universidad que est a favor de la reinsercin
social del delincuente, se entrevist aleatoriamente a 500 estudiantes. El 58% estaba a favor.
Calcular el intervalo de confianza, al nivel de confianza del 95%, en el cual se hallar la poblacin
universitaria que se encuentra a favor.
P : N 0'58, 0'02
Ejemplo 2:
Se ha estudiado una muestra formada por 40 nios de 6 aos y se ha observado que 15 de ellos
dan positivo en una prueba de agresividad. Hallar el intervalo de confianza al nivel 95% para el
parmetro proporcin de positivos ante el test de agresividad para la poblacin formada por todos
los nios espaoles de 6 aos.
15
Solucin: p 0,375 n=40 Nc=0,95
40
Al nivel de confianza del 95% la proporcin de nios espaoles de 6 aos que dan positivo en la
prueba d agresividad est entre el 21,82% y el 53,18%
Se denomina
margen de error a la diferencia entre el extremo superior y el extremo inferior del intervalo
de confianza.
Hemos visto que una forma de aumentar el nivel de confianza es ampliar el tamao del intervalo
de confianza, pero esto tiene el inconveniente de que aumenta el margen de error.
Otra forma, es aumentar el tamao de la muestra, ya que el ancho del intervalo depende de n.
Se desea hacer una estimacin sobre la edad media de una determinada poblacin. Calcular el
tamao de la muestra para poder hacer dicha estimacin con un error menor de medio ao a un
nivel de confianza del 99,73%. Se conoce de estudios previos que la edad media de dica
poblacin tiene una desviacin tpica de 3 aos.
Solucin:
E=0,5
n=?
zc =99,73%
I .C. z c , zc
n n
3
0,5 zc
n
2,995 3
De ambas expresiones: n n 322,92 323
0,5
Una empresa dedicada a la venta de palomitas compra el maz directamente a los agricultores.
Antes de efectuar la compra, un agente de la compaa quiere estimar la probabilidad p de que el
gramo de maz se abra al frerlo. Cuntos gramos deber examinar para estar seguro al nivel del
90% de que el error mximo que cometa es 0,01? Se ha realizado un estudio sobre una pequea
muestra de 60 gramos, en la que obtuvo 48 que se abran.
Solucin:
P=48/60=0,8
E=0,01
Nc=0,90
p1 p p1 p
I .C. p zc p zc
n n
2
p 1 p 0,4 1,645 0,4
0,01 zc 0,01 1,645 n 432964
n n 0,01
p z zc 0,95 zc 1,645
Ejercicios:
Distribuciones en el muestreo
b) Formar todas las muestras posibles que podemos extraer con devolucin de esta
poblacin de tamao 2.
Distribuciones en media
3.- Las notas de un grupo de alumnos de aproximadamente normal con media =5,5 y desviacin
tpica =0,8.
b) Calcular la probabilidad de que una media muestral de 4 alumnos elegidos al azar sea
mayor que 5,2.
4.- Se sabe que los nio espaoles de enseanza primaria ante una prueba de discriminacin
visual se distribuyen segn una N(4, 2). Extraemos una muestra aleatoria formada por 39 nios y
les pasamos la prueba. Hallar la probabilidad de que la media muestral:
5.- En una universidad se sabe que las tallas de los alumnos se distribuyen normalmente con
media 172 cm y desviacin tipica 17,5 cm. Se toman muchas muestras de 35 estudiantes.
6.-El peso de los toros de una determinada ganadera se distribuye segn una normal de media
500 kg y 45 kg de desviacin tpica. Se toman muestras de 35 toros y se calcula el peso medio.
Hallar la probabilidad de que la media muestral:
7.- El peso de las truchas de una piscifactora sigue una ley N(22, 50). Se toman muestras de 60
truchas y se calcula su peso medio. Hallar las probabilidades de que la media muestral.
Intervalos de confianza
8.- Varios test de inteligencia dieron una puntuacin que sigue una ley normal con media 100 y
desviacin tpica.