SESIÓN 2

Estadística Inferencial
 SUMARIO

1. Concepto de distribución muestral.

2. Teorema del límites central.
3. Distribución muestral de la media con varianza conocida.
4. Distribución muestral de la media con varianza desconocida.
 LOGRO

Conocer los conceptos y cálculos referidos al teorema del límite central,

distribución muestral de la media con varianza conocida y desconocida.
 1. DISTRIBUCIÓN MUESTRAL
 La teoría del muestreo estudia las relaciones entre una población y las muestras extraídas de
la misma.

 Permite estimar cantidades desconocidas de la población como la media poblacional, la

varianza, etc., frecuentemente llamadas parámetros poblacionales a partir de las
correspondientes cantidades muestrales como son la media, la varianza, y otros estadísticos
muéstrales o brevemente llamados estadísticos.

 La teoría de muestreo es útil para determinar por ejemplo: el aplicar un nuevo suero para el
tratamiento de una enfermedad, o decidir si un proceso de producción es mejor que otro.
estas decisiones envuelven a los llamados ensayos e hipótesis de significación.

 En general, a todo lo mencionado anteriormente se le conoce como inferencia estadística.

 1. DISTRIBUCIÓN MUESTRAL
DISTRIBUCIONES MUESTRALES Población
Consideremos todas las muestras de tamaño n que pueden Muestra
extraerse de una población . (con o sin reemplazo).
Si obtenemos estadísticos , tales como la media (𝑿 ഥ ), la proporción
p, la desviación típica (desviación estándar) s, etc., que varían de  X
MUESTREO
una muestra a otra. Formaremos una distribución del estadístico
deseado, lo que se conoce como distribución muestral. 2 S2
p
 n
ഥ ) , la distribución se
 Si, el estadístico es la media muestral (𝑿
conoce como distribución muestral de la medias. N

 Si, el estadístico es la proporción muestral p, la distribución se

conoce como distribución muestral de la proporción.
 1. DISTRIBUCIÓN MUESTRAL
supóngase que son extraídas de una población Infinita todas las posibles muestras sin remplazo
de tamaño n. si se denota:
 La media (µ) y la desviación típica () de la población
 La media (𝝁𝑿ഥ ) y la desviación típica ( 𝝈𝑿ഥ ) de la distribución muestral

La distribución muestral de las medias cumplen la siguiente igualdad: NOTA:

Si el muestreo es sin reemplazo

𝜇𝑋ത = 𝜇 de un población finita
𝜎 𝜇𝑋ത = 𝜇
𝜎𝑋ത =
𝑛
𝜎 𝑁−𝑛
𝜎𝑋ത =
𝑛 𝑁−1

¿Estas muestras aleatorias a que tipo de distribución se ajustan?

 1. DISTRIBUCIÓN MUESTRAL
Caso 1: Población con distribución normal: 𝑿~𝑁 𝜇, 𝜎 2
Si la muestra aleatoria 𝑋1 , … , 𝑋𝑛 Tiene distribución normal con media µ y desviación típica :
Para cualquier tamaño de muestra (n):
La media muestral también tiene una distribución normal con
𝜎
media 𝜇𝑋ത = 𝜇 y desviación Típica: 𝜎𝑋ത =
𝑛

𝜎
Notación Estadística Si: 𝑿~𝑁 𝜇, 𝜎 2 → ഥ
𝑿~𝑁 𝜇,
𝑛

Caso 2: Población con distribución no normal: 𝑿~? ? 𝜇, 𝜎 2 Teorema del limite central

Si la muestra seleccionada tiene un tamaño mayor o igual a 30, sea cual sea la forma de la
distribución de la población (sea normal o no), las medias de todas las muestras
seleccionadas de la población tendrán una distribución normal.
 ENLACES EXTERNOS:
 Demostración del la media muestral: Muestreo
https://support.minitab.com/es-mx/minitab/18/help-and-
how-to/statistics/basic-statistics/supporting-topics/data-
concepts/what-are-parameters-parameter-estimates-and-
sampling-distributions/

 Demostración del teorema del límite central:

http://sae.saiblogs.inf.um.es/teorema-del-limite-central-tcl/
https://www.youtube.com/watch?v=6P2RliqiJ6Y
http://www.ugr.es/~mvargas/tema6sd.pdf
3. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
CONOCIDA 𝝈
Sabemos que si de una muestra aleatoria (x1 , x2 , . . . . . , xn )de tamaño n, procedente de una
población normal N μ,σ2 ; entonces la distribución de la media muestral tendrá una
distribución normal para cualquier tamaño.
Resumen: ത 𝜎
Si: 𝑿~𝑁 𝜇, σ2 → 𝑋~𝑁 𝜇,
𝑛

𝜎
𝑺𝒊: 𝑿~? ? 𝜇, σ2 ത
𝑻𝑳𝑪 𝒔𝒊 𝒏 ≥ 𝟑𝟎 → 𝑋~𝑁 𝜇,
𝑛

𝑋ത − 𝜇
→ 𝑍= 𝜎 ~𝑁(0,1)
Emplearemos tabla Z cuando:
a. n ≥ 30 y σ2 conocida n
b. n < 30 y σ2 conocida. 𝑬𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒊𝒛𝒂𝒄𝒊ó𝒏
3. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
CONOCIDA 𝝈
Problema 1:
El valor nominal de la resistencia de una lámina de un metal
compuesto es de 8500 psi. Por estudios pasados se conoce que
la desviación estándar de esta resistencia es 1950 psi. Se tiene
una muestra de 100 láminas. ¿Cuál es la probabilidad de que la
media de esa muestra:
a) Sea mayor a 8900 psi?
b) Sea menor a 8000 psi?
c) Esté entre 8200 y 8700 psi?
d) ¿Que valor de la media tiene una probabilidad de ocurrencia
menor a 16.35%?
3. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
CONOCIDA 𝝈
DATOS DEL PROBLEMA: Recordando
SOLUCIÓN:
=8500
ത
𝑋−𝜇
=1950 (conocida) 𝑍= 𝜎 ~𝑁(0,1)
n=100 𝑛

Variable: X resistencia de una lámina P( Z  a)  1  P( Z  a)

a. Media mayor que 8900 (𝑥ҧ > 8900)

Interpretación:
𝒙 > 𝟖𝟗𝟎𝟎) = 1 − 𝑃(𝑥 ≤ 8900)
𝑷(ഥ
8900 − 8500
Estandarizando 1−𝑃 𝑍 ≤ 1 − 𝑃(𝑍 ≤ 2.05)
1950
𝑇𝑎𝑏𝑙𝑎 𝑧
100
∴ 𝑃(𝑥ҧ > 8900) = 1 − 𝟎. 𝟗𝟕𝟗𝟖𝟐 = 0.02018
∴ 𝑃(𝑥ҧ > 8900) = 1 − 𝟎. 𝟗𝟕𝟗𝟖𝟐 = 0.02018
3. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
CONOCIDA 𝝈
Recordar:
b. Media menor que 8000
P ( a  Z  b)  P ( Z  b)  P ( Z  a )
Estandarizando
8000 − 𝟖𝟓𝟎𝟎
𝑃(𝑥ҧ < 8000) = 𝑃 𝑍 < = 𝑃(𝑍 < −2.56) = 0.00523
1950
𝑇𝑎𝑏𝑙𝑎
100

c. Media entre 8200 y 8700

Estandarizando Estandarizando
8700 − 𝟖𝟓𝟎𝟎 8200 − 𝟖𝟓𝟎𝟎
𝑃 8200 < 𝑥ҧ < 8700 = 𝑃 <𝑧< = 𝑃 −1.54 < 𝑍 < 1.03
1950 1950
Propiedad
100 100
𝑃(8200 < 𝑥ҧ < 8700) = 𝑃(𝑍 < 1.03) − 𝑃(𝑍 < −1.54) = 0.84849 − 0.06178 = 0.78671
𝑇𝑎𝑏𝑙𝑎 𝑍 𝑡𝑎𝑏𝑙𝑎 𝑧
3. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
CONOCIDA 𝝈
d. Valor de la media:

Asumimos el valor de la media que piden: 𝑥ഥ𝑖 Interpretación:

𝑃(𝑥ҧ < 𝑥ഥ𝑖 ) < 0.16 ⇒ 𝑥ഥ𝑖 =?

Estandarizando:
𝑥ഥ𝑖 −8500
𝑃 𝑍≤ 1950 =0.16
100

Buscando en la Tabla Z , que genera una probabilidad aproximada de 0.16  𝑍0.16109 = −0.99
Igualando:
𝑥ഥ𝑖 − 8500
−0.99 = → 𝑥ഥ𝑖 = 195 ∗ (−0.99) + 8500 = 8306.95
1950
100
3. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
CONOCIDA 𝝈
Problema 2:

En el laboratorio de investigación de una empresa LUMINOZA que

fabrica lámparas se ha desarrollado un dispositivo electrónico con
el cual las lámparas tienen una duración que se distribuyen
aproximadamente en forma normal con media de 800 horas y
desviación estándar de 40 horas. Calcular la probabilidad de que
una muestra aleatoria de 16 lámparas tenga una vida media de
mas de 810 horas.
3. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
CONOCIDA 𝝈
DATOS DEL PROBLEMA: Recordando
SOLUCIÓN: =800
ത
𝑋−𝜇
=40 (conocida) 𝑍= 𝜎 ~𝑁(0,1)
n=16 𝑛

Variable: X resistencia de una lámina P( Z  a)  1  P( Z  a)

Media mayor que 810 (𝑥ҧ > 810)

Interpretación:
𝒙 > 𝟖𝟏𝟎) = 1 − 𝑃(𝑥 ≤ 810)
𝑷(ഥ
810 − 800
Estandarizando 1−𝑃 𝑍 ≤ 1 − 𝑃(𝑍 ≤ 1 )
40
𝑇𝑎𝑏𝑙𝑎 𝑧
16

∴ 𝑃(𝑥ҧ > 810) = 1 − 𝟎. 𝟖𝟒𝟏𝟑𝟒 = 0.15866

4. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
DESCONOCIDA
a. Cuando 𝒏 < 𝟑𝟎 y 𝝈𝟐 desconocida se empleara LA T DE STUDENT :

𝜎 𝑋ത − 𝜇
ത
𝑋~𝑁 𝜇, ⇒ 𝜎 ~𝑁(0,1)
𝑛
𝑛
⇒ si n < 30, t n−1 con n−1 "grados de libertad"

𝑋ത − 𝜇
Estandarización 𝑇𝑛−1 =
𝑆
𝑛
b. Cuando n ≥ 30 y σ2 desconocida se empleara tabla z debiéndose
tener presente que se reemplazara la s2 por la σ2. ( TLC, n ≥ 30 )
4. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
DESCONOCIDA
DISTRIBUCIÓN T- STUDENT
Condiciones:
 Se utiliza en muestras pequeñas de menos de 30 elementos.
 La desviación estándar de la población (𝝈) no se conoce.
 Distribución Población tiene que ser normal

Características:
 Es simétrica, cada curva t tiene forma de campana con centro en 0.

 Las áreas de los extremos las cuales son más amplias que la distribución normal, como
consecuencia de que usualmente se trabaja con muestras pequeñas
 Tiene grados de libertad (g.l) : V = n – 1 , cuando V → ∞ la curva T se aproxima a la Normal

Enlace: http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03.html
4. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
DESCONOCIDA
Descárgalo
del canvas!

←Probabilidades
Asociadas a un 𝜶

Grados de Valores T
Libertad!
4. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
DESCONOCIDA
Problema 3:

Una máquina produce piezas con un tamaño

que se ajusta a una distribución normal cuyo
valor medio es de 14 cm. ¿Cuál es la
probabilidad de que la media de una muestra de
tamaño 20 sea menor que 14.58 cm., sabiendo
que la varianza muestral ha sido de 9 cm2 ?
4. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
DESCONOCIDA
DATOS DEL PROBLEMA:
SOLUCIÓN:
𝜇 = 14𝑐𝑚
Variable: X:Tamaño de la pieza en cm 𝑆 2 = 9𝑐𝑚2 ( 𝜎 2 desconocido)
ത
Si: 𝑋~𝑁 𝜇, ? ? 𝑋~𝑁 𝜇,
𝑆 n=20
𝑛
3
Entonces: ഥ𝑋~𝑁 14, 20
Recordando: Interpretación:
ത
𝑋−𝜇
𝑇= 𝑆 ~𝑇𝑛−1
𝐶𝑜𝑚𝑜 𝜎2 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎 𝑛 < 30 n
𝑃𝑖𝑑𝑒𝑛: 𝑃 𝑥ҧ < 14.58
14.58 − 14
Estandarizando: = 𝑃 𝑡𝑛−1 < → 𝑃 𝑡19 < 0.8646 ≅ 0.80
3
𝑇𝑎𝑏𝑙𝑎 𝑇
20
4. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
𝝈 DESCONOCIDA PERO TAMAÑO DE MUESTRA GRANDE
Problema 4:

En el laboratorio de investigación de una empresa LUMINOZA

que fabrica lámparas se ha desarrollado un tipo nuevo de
lámparas para las exploraciones en las minas con un dispositivo
electrónico con el cual las lámparas tienen una duración que
se distribuyen aproximadamente en forma normal con media
de 850 horas. Calcular la probabilidad de que una muestra
aleatoria de 36 lámparas tenga una vida media de mas de 860
horas sabiendo que la desviación muestral es de 60 horas.
4. DISTRIBUCIÓN MUESTRAL DE MEDIAS CON VARIANZA
𝟐
𝝈 DESCONOCIDA PERO TAMAÑO DE MUESTRA GRANDE
DATOS DEL PROBLEMA: Recordando
SOLUCIÓN:
=850
ത
𝑋−𝜇
S=60 𝑍= 𝑆 ~𝑁(0,1)
n=36 𝑛

Variable: X resistencia de una lámina P( Z  a)  1  P( Z  a)

Media mayor que 860 (𝑥ҧ > 860)

𝒙 > 𝟖𝟔𝟎) = 1 − 𝑃(𝑥 ≤ 860)
𝑷(ഥ Interpretación:
860 − 850
Estandarizando 1−𝑃 𝑍 ≤ 1 − 𝑃(𝑍 ≤ 1 )
60
𝑇𝑎𝑏𝑙𝑎 𝑧
36

∴ 𝑃(𝑥ҧ > 860) = 1 − 𝟎. 𝟖𝟒𝟏𝟑𝟒 = 0.15866

 TALLER N° 1
Grupos de 5 estudiantes
Que comience el
1er Taller!
 CIERRE
¿QUÉ HEMOS APRENDIDO?
1. ¿Qué es la distribución muestral de medias?
2. ¿Cuándo se aplica el teorema del límite
central?
3. ¿Cuándo se aplica la distribución Z?
4. ¿Cuándo se aplica la distribución T-Student?