Distribuciones fundamentales

de Muestreo
Poblacin: Consiste en la totalidad de
las observaciones en las que estamos
interesados.
Cada observacin en una poblacin
es un valor de una v. a. X que tiene
alguna distribucin de probabilidad . ( ) x f
La media(valor esperado) de una
poblacin
La varianza de la poblacin
poblacin normal
poblacin
( ) x f
Muestra
Poblacin
Muestra
Poblacin
INFERIR
Muestra Aleatoria: ''observaciones realizadas
al azar en forma independiente''
Qu informacin nos trasmiten los datos?
v. a. X
i
i= 1,...,n X
i
:''i_sima medicin
o valor de la muestra que
observemos''
n
X X , ,
1

muestra aleatoria de la poblacin

) (x f
Muestra Aleatoria
n
x x , ,
1

Cualquier funcin de las v. a. que forman

una muestra aleatoria.
Estadstico
n
X
X
n
i
i
=
=
1
( )
1
1
2
2

=
n
X X
S
n
i
i
La distribucin de probabilidad de un
estadstico
Distribucin Muestral
Distribucin Muestral de la Media
( )
2
, .
~
o normal X
|
|
.
|

\
|
n
normal X
2
, .
~
o

Sea una poblacin con media y

desviacin tpica .
tiene por media y desviacin
tpica /n
La distribucin de las medias de las
muestras aleatorias (con reposicin)
de tamao n,
Teorema del lmite central
Dada una poblacin, con media y
desviacin tpica finitas, y
seleccionamos al azar muestras
aleatorias de tamao n, entonces a
medida que n crece la distribucin de las
medias muestrales se aproxima a una
distribucin normal.
Teorema del lmite central
Dada una poblacin, con media y
desviacin tpica finitas, y
seleccionamos al azar muestras
aleatorias de tamao n, entonces la
forma lmite de la distribucin de Z
conforme n crece indefinidamente
) 1 , 0 ; ( ~ z N
n
X
Z
o

=
Distribucin muestral de la media
Veremos primero el caso de que la distribucin
subyacente sea normal, con media y varianza
2
o
La media de la distribucin muestral
de medias es
La varianza de la distribucin
muestral de medias es
2
/ n o
La forma de la distribucin muestral de la
media muestral es normal.
Ejemplo 1
N10
1
1
6
.
0
1
1
4
.
0
1
1
2
.
0
1
1
0
.
0
1
0
8
.
0
1
0
6
.
0
1
0
4
.
0
1
0
2
.
0
1
0
0
.
0
9
8
.
0
9
6
.
0
9
4
.
0
9
2
.
0
9
0
.
0
8
8
.
0
8
6
.
0
8
4
.
0
8
2
.
0
400
300
200
100
0
Desv. tp. = 4.75
Media = 99.9
N = 3600.00
Distribucin poblacional
subyacente (dist. Normal):
Media = 100
Varianza = 225
Desv. tpica = 15
Distribucin muestral de la
media:
Tamao muestral =10
Media = 100
Varianza = 225/10 =22.5
Desv.tpica = En este y sucesivos grficos: Nmero de muestras n
22.5 4.74 =
Distribucin muestral de la media
Veamos ahora el caso en que la distribucin subyacente
sea arbitraria, con media y varianza

2
o
La media de la distribucin muestral de medias es

La varianza de la distribucin muestral de medias es

2
/ n o
La forma de la distribucin muestral de la media
TAMBIN tiende a ser normal. En concreto, la
distribucin muestral se acercar ms y ms a
la distribucin normal (media y varianza o
2
/n)
a medida que se aumente el tamao de cada
muestra.
Ejemplo 4
Distribucin poblacional
subyacente (dist. Gamma):
Media = 100
Varianza = 100

0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
80 85 90 95 100 105 110 115 120
0 ,
) (
) (
1
>
I
=

x e x
p
q
x f
qx p
p
q
p
X E = ] [
2
] [
q
p
X Var =
Ejemplo 4
Distribucin poblacional
subyacente (dist. Gamma):
Media = 100
Varianza = 100

DISGAMMA
1
1
0
.
0
1
0
8
.
0
1
0
6
.
0
1
0
4
.
0
1
0
2
.
0
1
0
0
.
0
9
8
.
0
9
6
.
0
9
4
.
0
9
2
.
0
9
0
.
0
500
400
300
200
100
0
Desv. tp. = 3.12
Media = 100.0
N = 3600.00
Distribucin muestral de la
media:
Tamao muestral = 10
Media = 100
Varianza = 100/10 = 10
Desv. tpica =
10 3.16 =
Distribuciones usadas en inferencia
Distribucin Ji-Cuadrado o Chi-cuadrado o _
2
de
Pearson con n grados de libertad.
Sean X
1
, X
2
, ... ,X
n
n variables aleatorias continuas
independientes tal que X
i
= N (0,1)
con i = 1, ..., n (i.i.d.). Definamos la variable
aleatoria:

=
=
n
i
n i
X Y
1
2
2
_
0 ,
2
2
) (
2
2
1
2
>
|
.
|

\
|
I
=

x
n
e y
y f
n
y n
Y
Su densidad de probabilidad
ser:
la funcin gamma es: ( )
}

= + I
0
1 dy e y
y o
o
| | n Y E =
| | n Y Var 2 =
0 10 20 30 40 50 60
0.00
0.05
0.10
x
f
(
x
)
Ji-Cuadrado con 9 grados de libertad
Hecho por Edgar Acuna
Distribucin Muestral de S
2

Si S
2
es la varianza de una muestra
aleatoria de tamao n que se toma de una
poblacin normal que tiene la varianza
entonces el estadstico:
tiene una distribucin ji cuadrada con n -1
grados de libertad.
( )

=
n
i
i
X X S n
1
2
2
2
2
2
) 1 (
o o
_
Distribucin Muestral de
ProbabilityDensityFunction
y=chi2(x,10)
0.000
0.044
0.087
0.131
0.175
0.00 6.25 12.50 18.75 25.00
2
2
*
) 1 (
o
s n
( )
2
2
2
1
como distribuye se
) 1 , 0 ( como distribuye se
) , ( como distribuye se Si
_
o
o
o
x x
N
x x
N X

( ) ( )
2
*
1 1
2
*
s ) 1 (
1
1
s
2 2
=

=

= =
n x x x x
n
n
i
n
i
2
1
2
como distribuye se

) 1 (
2
*

n
s n
_
o

=

n
i
n i
X
1
2
2
_
Tipificando
TABLA DE
2
_
2
n
0.99

0.975 0.025 0.01
n
1
2
3
4
5
grados de libertad
valores acumulados de _
2
n

orden percentlico
p
Usos de la Ji-Cuadrado
a) Para hacer inferencias acerca de la varianza
poblacional. Es decir, para calcular Intervalos
de Confianza y Prueba de hiptesis para la
varianza poblacional.
b) Para hacer pruebas de Bondad de Ajuste. O
sea, para probar si un conjunto de datos sigue
una distribucin pre-determinada.
c) Para hacer anlisis de tablas de contingencia.
Student era el seudnimo de W.S. Gosset, un pionero
estadista que trabaj en la Cervecera Guiness de Dubln.
Sea X v.a.c. tal que X ~ N (0,1)
Y v.a.c. tal que Y ~ _
2
n


n
Y
X
t
n

9 e
|
.
|

\
|
I
|
|
.
|

\
|
+
|
.
|

\
|
+
I
=
+

t
n
n
n
t n
t f
n
T
,
2
1
2
1
) (
2
1
2
t
Con funcin de densidad de probabilidad:
Distribucin t de Student
Distribucin t de Student
Supongamos que la poblacin es normal
con media y varianza desconocida y que se
desea hacer inferencias acerca de ,
basada en una muestra pequea (n < 30)
tomada de la poblacin. En este caso la
distribucin de la media muestral ya
no es normal, sino que sigue la distribucin
t de Student.
X
Si de una poblacin Normal con media y
desviacin estndar o se extrae una muestra
de tamao n, entonces el estadstico:
n
s
x
t

=
se distribuye como una t de Student con n-1
grados de libertad.
Distribucin t de Student
La distribucin t de Student es bastante
similar a la Normal Estndar, con la
diferencia que se aproxima ms lentamente
al eje horizontal.
El parmetro de esta distribucin son los
grados de libertad.
-4 -3 -2 -1 0 1 2 3 4
0.0
0.1
0.2
0.3
0.4
x
C
2
Curva Normal Estandar y T con 5 grados de libertad
Hecho por Edgar Acuna
Curva Normal
Estandar
t con 5gl.







| | 0 = t E
| |
2
=
n
n
t Var
Cuando la distribucin de la poblacin
de la que obtenemos las medias
muestrales no es normal, el estadstico
anterior, se distribuye como una normal
tipificada para valores de n > 30.
n
s
x
t

=
TABLA DE LA DISTRIBUCION t DE
STUDENT
t
.55

t
.60
t
.99
t
.995
n
1
2
3
4
5
orden percentlico
grados de libertad
valores
acumulados de t
p

tp
Distribucin F de Fisher o F-Snedecor
Definamos








) , ( m n F
m
Y
n
X
Z =
0 , ) (
2 2
2
) (
2
1
2
2 / 2 /
> +
|
.
|

\
|
I
|
.
|

\
|
I
|
.
|

\
|
+
I
=
+

z m n z
m n
m n
m n
z f
m n n
n n
Z
Sea X v.a.c. tal que X ~ _
2
n

Y v.a.c. tal que Y ~ _
2
m
independientes

| |
2
=
m
m
Z E
| |
) ( ) (
) (
4 2
2 2
2
2

+
=
m m n
m n m
Z V
(m,n)
Distribucin muestral del estimador
Cuando las distribuciones de la que obtenemos
las varianzas muestrales son normales:

y extraemos dos muestras de tamao n y m
respectivamente. El estadstico anterior se
distribuye segn la distribucin F de Fisher con
n

- 1 grados de libertad en el numerador y m

-1
grados de libertad en el denominador, F
n-1, m-1
.
2 2
*
2 2
*
/
/
y y
x x
s
s
o
o
) , ( ) , (
y y x x
N y N o o