Distribución Muestral

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.

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 (𝝁),
la proporción (𝝅), la desviación típica(𝝈), etc., que varían de una  X
MUESTREO
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
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 con 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?

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 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
𝑺𝒊: 𝑿~? ? 𝜇, 𝜎 2
𝜎
→ ഥ
𝑿~𝑁 𝜇,
𝑛
Teorema
del limite central
(TLC)
Enlace para demonstrar gráficamente

http://www.lock5stat.com/StatKey/theoretical_distribution/theoretical_distribution.html#t
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,σ ; Entonces la distribución de la media muestral tendrá una
distribución normal para cualquier tamaño.
Resumen: ത 𝜎
Si: 𝑿~𝑁 𝜇, 𝜎 → 𝑋~𝑁 𝜇,
𝑛
𝜎
ത
𝑺𝒊: 𝑿~? ? 𝜇, 𝜎 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
𝟐
PROBLEMA 2: CONOCIDA 𝝈
Problema:
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%?
𝟐
CONOCIDA 𝝈
DATOS DEL PROBLEMA: Recordando
SOLUCIÓN:
=8500
ത
𝑋−𝜇
=1950 (conocido) 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)

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. 𝟗𝟕𝟗𝟖 = 0.0202 Interpretación:

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) = 0.0053
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) = 0.8485 − 0.0618 = 0.7867
𝑇𝑎𝑏𝑙𝑎 𝑍 𝑡𝑎𝑏𝑙𝑎 𝑧 Interpretación:
𝟐
CONOCIDA 𝝈
d. Valor de la media:
Asumimos el valor de la media que piden: 𝑥ഥ𝑖
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 ∗ (−0.98) + 8500 = 8306.95
1950
100
Interpretación:
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 )
DESCONOCIDA
DISTRIBUCIÓN T- STUDENT
Condiciones:
 Se utiliza en muestras pequeñas de 30 o menos 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
DESCONOCIDA
Descárgalo
del canvas!
←Probabilidades
Asociadas a un 𝜶
Grados de Valores T
Libertad!
DESCONOCIDA
PROBLEMA 5:
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 ?
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:
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
Interpretación:
TALLER N° 1
Grupos de 4 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?

Distribución Muestral

Cargado por

Copyright:

Distribución Muestral

Cargado por

Información del documento

Derechos de autor

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Distribución Muestral

Cargado por

Copyright:

SESIÓN 2

1. Concepto de distribución muestral.

Conocer los conceptos y cálculos referidos al teorema del

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

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

 Si, el estadístico es la proporción muestral(P), la distribución se

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

Si el muestreo es con reemplazo

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

Enlace para demonstrar gráficamente

 Demostración del teorema del límite central:

a) Sea mayor a 8900 psi?

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

a. Media mayor que 8900 (𝑥ҧ > 8900)

∴ 𝑃(𝑥ҧ > 8900) = 1 − 𝟎. 𝟗𝟕𝟗𝟖 = 0.0202 Interpretación:

c. Media entre 8200 y 8700

Asumimos el valor de la media que piden: 𝑥ഥ𝑖

𝑃(𝑥ҧ < 𝑥ഥ𝑖 ) < 0.16 ⇒ 𝑥ഥ𝑖 =?

1. ¿Qué es la distribución muestral de medias?

También podría gustarte