Академический Документы
Профессиональный Документы
Культура Документы
En una muestra sin sesgo, todos los miembros de la población tienen la posibilidad de ser seleccionados para la muestra. Existen
diversos métodos de muestreo de probabilidad.
• Muestra aleatoria simple, todos los miembros de la población tienen la misma posibilidad de ser seleccionados para la muestra.
• Muestra sistemática, se selecciona un punto de partida aleatorio y después se selecciona cada k-ésimo elemento subsiguiente de
la población para formar la muestra.
• Muestra estratificada, la población se divide en varios grupos, a los que se denominan estratos, y en seguida se selecciona una
muestra aleatoria de cada estrato.
• Muestreo por conglomerados, la población se divide en unidades primarias; después se toman las muestras de las unidades
primarias.
Distribuciones de muestreo
Colección completa de
Población personas, animales, plantas Grupo entero al que queremos describir o
(Universo) o cosas de los cuales se del que deseamos sacar conclusiones
desea recolectar datos.
Es un grupo de unidades
Muestra seleccionadas de un grupo Con su estudio, se espera obtener
mayor (población) conclusiones sobre la población
Es un valor (usualmente
Parámetro desconocido) que debe ser Usado para representar cierta característica
estimado de la población
La media µ, el total Ƭ, la varianza Ơ2 , la
desviación estándar Ơ, la proporción ƿ o π
Distribuciones de muestreo
Ơ
La desviación estándar de la media muestral se denomina error estándar Ơ𝑥ҧ = 𝑛
2. Distribuciones de muestreo de la proporción
Supongamos que se obtiene una muestra𝑋1, 𝑋2 , … 𝑋𝑛 de una población que sigue una ley de
Bernoulli, Ber(p). Se define:
Sean 𝑋1, 𝑋2 , … 𝑋𝑛 n variables aleatorias independientes que siguen una distribución normal estándar, la variable aleatoria
definida por T = σ𝑛𝑖=1 𝑋𝑖2 tiene una distribución χ2 (chi-cuadrado) con n grados de libertad (gl) detonada por χ2 (𝑛)
3. Distribuciones de muestreo de la varianza
Supongamos que se obtiene una muestra 𝑋1, 𝑋2 , … 𝑋𝑛 de una población que sigue una ley normal N(µ, Ơ2 ). A partir de la
1
muestra calculamos la varianza muestral 𝑠 2 = 𝑛−1 σ𝑛𝑖=1 𝑋𝑖 − 𝑋ത 2 . Se cumple lo siguiente:
4. Distribuciones de muestreo de la media
con varianza desconocida
Se puede suponer que debido al TLC, siempre se tiene la convergencia hacia la ley normal; pero esto no
siempre sucede, como por ejemplo cuando la varianza poblacional es desconocida.
Los valores tabulados dependen de los grados de libertad, porque la ley de probabilidad t cambia si n varía.
Cuando n aumenta, la distribución t se aproxima a la distribución normal estándar.
4. Distribuciones de muestreo de la media
con varianza desconocida
ഥ
4.2 Ley de distribución 𝑿
Supongamos que se obtiene una muestra 𝑋1, 𝑋2 , … 𝑋𝑛 de una población que sigue una ley normal N(µ, Ơ2 ) donde Ơ2 es
ത
𝑋−µ
desconocida. Entonces, se cumple que la variable aleatoria 𝑇 = sigue una ley t de student con (n-1) grados de
𝑠/ 𝑛
libertad
5. Distribuciones de muestreo de la diferencia
de dos medias con varianzas conocidas
Supongamos que se dispone de dos poblaciones que tienen medias µ1 y µ2 y varianzas Ơ12 y Ơ22 ,
respectivamente. Sean 𝑋ത1 y 𝑋ത2 las medias muestrales de dos muestras aleatorias independientes de
tamaños 𝑛1 y 𝑛2 , seleccionadas respectivamente de las poblaciones 1 y 2. Entonces 𝑋ത1 − 𝑋ത2 , cumple que:
𝑠12 /Ơ21
Entonces la variable aleatoria F = sigue una distribución F con (𝑛1 − 1, 𝑛2 − 1) grados de libertad
𝑠22 /Ơ22
µ = 𝑋𝑖 . 𝑝𝑖
𝜎 2 = 𝑋𝑖2 . 𝑝𝑖 − 𝜇2
Ejemplos
Distribución
Muestral de la
proporción
Ejemplos Un jugador profesional de dardos decide tratar de mejorar su técnica de lanzamiento
y va a estudiar la varianza de las distancias al centro del blanco a las que cae el
dardo. Para una cierta técnica de lanzamiento que sabe que esas distancias tienen
Distribución una distribución normal cuya desviación estándar es 4cm. Realiza 30 lanzamientos y
Muestral de la calcula la varianza de las distancias entre el sitio de impacto y el centro.
varianza A) Calcular la probabilidad de que la desviación estándar de los lanzamientos sea
mayor a 3cm,
B) Calcular la media y la varianza de 𝑠 2 .
Ejemplos
Distribución
Muestral de la
media con
varianza
desconocida
ത
𝑋−µ
𝑇= sigue una
𝑠/ 𝑛
ley t de student
con (n-1) grados de
libertad
Estimación e Intervalos de Confianza
Un estimador puntual es un solo valor (estadístico) para estimar un valor de la población (parámetro).
Un intervalo de confianza es un conjunto de valores entre los cuales se espera que ocurra el parámetro
de la población.
Los factores que determinan la magnitud de un intervalo de confianza de una media son:
Una proporción es una razón, fracción o porcentaje que indica la parte de la muestra o población que posee una
característica particular.
𝑝(1−𝑝)
El intervalo de confianza de una proporción muestral con la siguiente fórmula: 𝑝 ± 𝑧 𝑛
Tamaño de una muestra
Es posible determinar un tamaño apropiado de muestra para calcular tanto medias como proporciones.
Factores que determinan el tamaño de una muestra cuando desea calcular la media.
• El margen de error máximo, E.
• El nivel de confianza deseado.
• La variación en la población.
𝑧𝜎 2
Para determinar el tamaño muestral de la media es: 𝑛 = 𝐸
Factores que determinan el tamaño de una muestra cuando desea calcular una proporción.
• El margen de error, E.
• El nivel de confianza deseado.
• Un valor de π para calcular la variación en la población.
𝑧 2
Para determinar el tamaño muestral de una proporción es: 𝑛 = 𝜋(1 − 𝜋) 𝐸
𝑁−𝑛
En el caso de una población finita, el error estándar se ajusta con el factor 𝑁−1
Estimación e Intervalos de Confianza