Ensayo de Rendimiento

DISTRIBUCIÓN
DE
ESTADÍSTICOS
MUESTRALES
 Muestreo

Objetivo: conocer propiedades de

una población a partir de una
muestra
Propiedades Parámetros

Los estadísticos muestrales sirven

como estimación (aproximación) de
los parámetros
 Muestreo

Los parámetros son constantes

Los estadísticos son variables

aleatorias y poseen
distribución asociada
 Distribución de estadísticos
muestrales: objetivos

•Comprender la naturaleza aleatoria

de los estadísticos muestrales.
•Estudiar las propiedades
estadísticas de la media y la
varianza muestrales.
•Adquirir destrezas en el cálculo de
probabilidades asociadas a estos
estadísticos.
 Distribución de estadísticos
muestrales

Las distribuciones de los

estadísticos muestrales se estudian
suponiendo poblaciones de tamaño
infinito.
Distribución de los estadísticos
muestrales

Muestreo aleatorio con reposición:

las unidades seleccionadas pueden
repetirse dentro de la muestra y
entre muestras.
Muestreo aleatorio sin reposición:
las unidades seleccionadas no se
repiten dentro de la muestra y
entre muestras.
Distribución del estadístico media
muestral: ejemplo
Se tiene una población (finita) de
cuatro plantas de zapallos (N=4),
donde la característica de interés es
el número de zapallos por planta.
Se realizará un muestreo aleatorio
simple con reposición, para muestras
de tamaño 2.
Objetivo: estudiar la distribución
de la media muestral.
 Distribución del estadístico media
muestral
Función de densidad del
Planta X = Nº de f(xi) número de frutos en una
frutos población de 4 plantas de
P1 3 1/4 zapallo.

P2 2 1/4 0.50

P3 1 1/4
P4 4 1/4
f(x)
0.25

0.00
1 2 3 4
Número de frutos
Distribución del estadístico media
muestral

La esperanza será:

   i xi f ( xi)

 1    
1
4
2
1
4
3
1
4
4
1
4

1 2  3 4
4
 2.5
Distribución del estadístico media
muestral

La varianza será:

  f (x )
2
 2   i xi   i

1 1 1
  1  2.5    2  2.5   3  2.5 
2 2 2 2

4 4 4
1
= +  4  2.5 
2
 1.25
4
Distribución del estadístico media
muestral

Tomando muestras de dos

plantas con reposición, hay N2
muestras posibles para
extraer, esto es 42=16
muestras.
 Distribución del estadístico media
muestral
Espacio muestral generado por muestreo aleatorio
con muestras de tamaño n=2, con reposición, de una
población de cuatro plantas de zapallo.
Muestra Plantas Nro. de Media Muestra Plantas Nro. de Media
frutos muestral frutos muestral
1 P1P1 3; 3 3.0 9 P3 P 1 1; 3 2.0
2 P1 P2 3; 2 2.5 10 P3 P2 1; 2 1.5
3 P1P3 3; 1 2.0 11 P3 P 3 1; 1 1.0
4 P1 P4 3; 4 3.5 12 P3 P 4 1; 4 2.5
5 P2 P1 2; 3 2.5 13 P4 P 1 4; 3 3.5
6 P2 P 2 2; 2 2.0 14 P4 P2 4; 2 3.0
7 P2 P3 2; 1 1.5 15 P4 P 3 4; 1 2.5
8 P2 P4 2; 4 3.0 16 P4 P 4 4; 4 4.0
Distribución del estadístico media
muestral
Media Muestral
1 1.(1/16) = 0.0625
1.5 2.(1/16) = 0.125
2 3.(1/16) = 0.1875
2.5 4.(1/16) = 0.25
3 3.(1/16) = 0.1875
3.5 2.(1/16) = 0.125
4 1.(1/16) = 0.0625

Valores que asume la variable aleatoria

“media muestral del número de frutos” en
muestras de tamaño n=2 y sus densidades.
 Distribución del estadístico media
muestral
0.25

0.20
f(x)

0.15

0.10

0.05
1.0 1.5 2.0 2.5 3.0 3.5 4.0
Medias muestrales
Función de densidad de la
variable aleatoria media
muestral del número de
frutos.
 Distribución del estadístico media
muestral

 x  2.5  
2
2  1.25
x    0.625
n 2
Error Estándar
2
x  
2
EE 
n
 Distribución del estadístico media
muestral
Si se hubieran utilizado muestras de mayor
tamaño, se vería que la función de densidad se
aproxima más aún a la gráfica de una densidad
normal, con idéntica esperanza y varianza
inversamente proporcional al tamaño muestral.
0.25

0.20
Este comportamiento no es
casual sino la consecuencia de
f(x)

0.15

0.10 un importantísimo resultado

0.05
que se resume en el siguiente
teorema:
1.0 1.5 2.0 2.5 3.0 3.5 4.0
Medias muestrales
 Teorema Central del Límite

Sea X una variable aleatoria con esperanza µ

y varianza finita 2. Sea X la media muestral
de una muestra aleatoria de tamaño n y Z la
variable aleatoria definida como:
 

Z   X   
 

 n 
entonces, la distribución de Z se aproxima
a la distribución normal estándar cuando n
se aproxima a infinito.
Ejemplo de un muestreo aleatorio sin
reposición desde una población finita

Rendimientos de un híbrido de maíz

(N=15)
99.04 94.98 101.52
95.74 96.42 85.44
102.64 111.75 112.86
107.66 103.49 104.93
104.48 101.24 104.31

Sin reposición
 = 101.77 2 = 44.67
 Muestreo

Muestreo: todas las muestras

posibles de tamaño n

Estadísticos: media y varianza

muestrales
Distribución de las medias
de muestras con n=2
Ajuste: Normal(101.766,20.940)
0.37

0.28
frecuencia relativa

0.19

0.09

0.00
89.00 92.43 95.86 99.29 102.71 106.14 109.57 113.00
Media (n=2)
Distribución de las medias
de muestras con n=3
Ajuste: Normal(101.766,12.792)
0.26

0.19
frecuencia relativa

0.13

0.06

0.00
93.22 97.90 102.57 107.25 111.92
90.89 95.56 100.24 104.91 109.59

Media (n=3)
Distribución de las medias
de muestras con n=5
Ajuste: Normal(101.766,6.384)
0.20

0.15
frecuencia relativa

0.10

0.05

0.00
91.0 95.0 99.0 103.0 107.0 111.0
89.0 93.0 97.0 101.0 105.0 109.0 113.0

Media (n=5)
 Distribución de las medias
de muestras con n=8
Ajuste: Normal (101.766, 2.792)
0.18

0.13
frecuencia relativa

0.09

0.04

0.00
92.43 99.29 106.14 113.00
89.00 95.86 102.71 109.57

Media (n=8)
 Distribución del estadístico media
muestral
Cuando se hace un muestreo aleatorio
sin reposición desde una población finita
las expresiones para obtener la
esperanza y la varianza de la variable
media muestral son:
Corrección
x   por finitud

  N n
2
2
x   
n  N 1 
 En síntesis:

   
2
2  N n 44.67 15  2
n2  x  101.766 x    20.94
n N 1 2 15  1

   
2
2  N n 44.67 15  3
n3  x  101.766 x    12.76
n N 1 3 15  1

   
2
2  N n 44.67 15  5
n5  x  101.766 x    6.38
n N 1 5 15  1

   
2
2  N n 44.67 15  8
n8  x  101.766 x    2.76
n N 1 8 15  1
 En síntesis:
Ajuste: Normal(101.766,20.940) Ajuste: Normal(101.766,12.792)
0.37 0.26

0.28 0.19

frecuencia relativa
frecuencia relativa

0.19 0.13

0.09
n=2 0.06
n=3
0.00
0.00
89.00 92.43 95.86 99.29 102.71 106.14 109.57 113.00 93.22 97.90 102.57 107.25 111.92
90.89 95.56 100.24 104.91 109.59
Media (n=2)
Media (n=3)

Ajuste: Normal(101.766,6.384)
0.20 Ajuste: Normal (101.766, 2.792)
0.18

0.15
frecuencia relativa

0.13

frecuencia relativa
0.10
0.09

0.05
n=5 0.04
n=8
0.00 0.00
91.0 95.0 99.0 103.0 107.0 111.0 92.43 99.29 106.14 113.00
89.00 95.86 102.71 109.57
89.0 93.0 97.0 101.0 105.0 109.0 113.0
Media (n=8)
Media (n=5)
 Conclusión

Cuando el tamaño de la muestra

aumenta, la varianza de las medias
disminuye

Recordando…
Error Estándar

2
x  
2
EE 
n
 Ejemplo

El diámetro de las tortas de girasol se

distribuye normalmente con media 18 cm y
desviación estándar de 6 cm.

En una muestra de 10 tortas, ¿cuál es la

probabilidad de encontrar tortas con
diámetro promedio inferior a 16 cm?
 Ejemplo

¿Cuál es la probabilidad, en una

muestra con n=10, de encontrar
tortas con diámetro inferior a 16
cm. si la distribución del diámetro
se aproxima a una N (18;36/10)?

0 4 7 11 14 18 21 25 28 32 35
16

 
 16  18 
P  X  16   P  Z    P  Z  1.05   0.14885  0.15
 6 
 10 
 Ejemplo
Área: P(Zz)
Tabla de Cuantiles de la Distribución Normal
z área z área z área quantil z
-3.25 0.00058 -1.00 0.15866 1.25 0.89435 0.00001 -4.265
-3.20 0.00069 -0.95 0.17106 1.30 0.90320 0.0001 -3.719
-3.15 0.00082 -0.90 0.18406 1.35 0.91149 0.001 -3.090
-3.10 0.00097 -0.85 0.19766 1.40 0.91924 0.00 -2.576
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
-1.20 0.11507 1.05 0.85314 3.30 0.99952 0.995 2.576
-1.15 0.12507 1.10 0.86433 3.35 0.99960 0.999 3.090
-1.10 0.13567 1.15 0.87493 3.40 0.99966 0.9999 3.719
-1.05 0.14686 1.20 0.88493 3.45 0.99972 0.99999 4.265
Distribución del estadístico media
muestral

Cuando no se conoce la varianza

poblacional:
 
 X  
T    Tn1
 S 
 n  Grados
de
libertad

Observación: los grados de libertad de la T se

corresponden con el tamaño de la muestra con
la que se calculó S.
 Distribución T de Student
0.45

Dist. Normal

0.34

Dist. T
Densidad

0.23

0.11

0.00
-5 -4 -3 -2 -1 0 1 2 3 4 5
 Ejemplo

Si la producción diaria de leche se aproxima a

una distribución normal y se tiene la siguiente
muestra de producciones diarias de leche (en
litros):

67.9 69.3 70.0 74.8 75.3 69.6 67.3 65.8

70.5
¿Cuál es la probabilidad que una variable T, con los
grados de libertad apropiados para este problema,
exceda el valor de T obtenido a partir de los
datos anteriores, si se supone que la producción
promedio de leche en la población es de 67 litros?
 Ejemplo

X  70.0556 lts.
S = 3.1887 lts.
n=9
 = 67 lts.
-5.0 -4.0 -3.0 -2.0 -1.0 0.0 1.0 2.0 3.0 4.0 5.0

   
 X    70.06  67 
P T 
S   P  T  3.19   P T  2.87   0.01
   
 n   9 
 Ejemplo

Tabla de Cuantiles de la Distribución T

 0.700 0.725 0.750 0.775 0.800 0.825 0.850 0.875 0.900 0.925 0.950 0.975 0.990 0.995
1 0.727 0.854 1.000 1.171 1.376 1.632 1.963 2.414 3.078 4.165 6.314 12.71 31.82 63.66
2 0.617 0.713 0.816 0.931 1.061 1.210 1.386 1.604 1.886 2.282 2.920 4.303 6.965 9.925
. . . . . . . . . . . . . . .
8 0.546 0.624 0.706 0.794 0.889 0.993 1.108 1.240 1.397 1.592 1.860 2.306 2.896 3.355
9 0.543 0.621 0.703 0.790 0.883 0.986 1.100 1.230 1.383 1.574 1.833 2.262 2.821 3.250
10 0.542 0.619 0.700 0.786 0.879 0.980 1.093 1.221 1.372 1.559 1.812 2.228 2.764 3.169
11 0.540 0.617 0.697 0.783 0.876 0.976 1.088 1.214 1.363 1.548 1.796 2.201 2.718 3.106
. . . . . . . . . . . . . . .
49 0.528 0.602 0.680 0.762 0.849 0.944 1.048 1.164 1.299 1.462 1.677 2.010 2.405 2.680
50 0.528 0.602 0.679 0.761 0.849 0.943 1.047 1.164 1.299 1.462 1.676 2.009 2.403 2.678
0.300 0.275 0.250 0.225 0.200 0.175 0.150 0.125 0.100 0.075 0.050 0.025 0.010 0.005
 Distribución asociada al estadístico
varianza muestral
Espacio muestral generado por muestreo aleatorio
con muestras de tamaño n=2, con reposición, de una
población de cuatro plantas de zapallo.
Muestra Plantas Nº de Varianza Muestra Plantas Nº de Varianza
frutos frutos
1 P1 P1 3-3 0.0 9 P3 P1 1-3 2.0
2 P1 P2 3-2 0.5 10 P3 P2 1-2 0.5
3 P1 P3 3-1 2.0 11 P3 P3 1-1 0.0
4 P1 P4 3-4 0.5 12 P3 P4 1-4 4.5
5 P2 P1 2-3 0.5 13 P4 P1 4-3 0.5
6 P2 P2 2-2 0.0 14 P4 P2 4-2 2.0
7 P2 P3 2-1 0.5 15 P4 P3 4-1 4.5
8 PP 2-4 2.0 16 PP 4-4 0.0
Distribución del estadístico
varianza muestral

Varianza Muestral P S 2  s2 

0 4.(1/16) = 0.25
0.5 6.(1/16) = 0.375
2 4.(1/16) = 0.25
4.5 2.(1/16) = 0.125

Valores que asume la variable aleatoria

“varianza muestral del número de frutos” en
muestras de tamaño n=2 y sus densidades.
 Distribución del estadístico
varianza muestral
0.40

0.30

F(s2) 0.20

0.10

0.00
0.00 1.50 3.00 4.50

S2 Función de densidad de la
variable aleatoria varianza
muestral del número de
frutos.
Distribución de las varianzas de
muestras con n=3
0.54

0.40 Estadística descriptiva

Variable Media Var(n)
frecuencia relativa

VarianzaC(n=3) 44.67 1977.49

0.27

0.13

0.00
0.0 56.2 112.4 168.5 224.7
28.1 84.3 140.4 196.6 252.8

VarianzaC(n=3)
Distribución de las varianzas de
muestras con n=5
0.24

0.18
Estadística descriptiva
Variable Media Var(n)
frecuencia relativa

VarianzaC(n=5) 44.67 873.27

0.12

0.06

0.00
0.0 25.2 50.5 75.7 101.0 126.2
12.6 37.9 63.1 88.4 113.6 138.8

VarianzaC(n=5)
Distribución Chi cuadrado

Para calcular probabilidades

asociadas a varianzas muestrales
se utiliza la distribución de la
variable:

S (n  1)
2
  2
n 1
 2

Grados
de
libertad
Distribución Chi cuadrado
0.48

2 gl

0.36

4 gl
Densidad

0.24

6 gl
0.12

0.00
0 4 8 11 15
 Ejemplo

Un fitomejorador desea controlar la

variabilidad de los brotes comerciales de
espárrago, ya que las normas de embalaje
establecen una longitud máxima de cajas de
23.5 cm.

La variable largo del brote de espárrago

sigue una distribución normal, con una
varianza de 2.25 cm2.
 Ejemplo

¿Cuál es la probabilidad que

una muestra de 5 cajas,
tenga una desviación
estándar que exceda a 2 cm,
si la verdadera desviación
estándar es de 1.5 cm? 0.0 2.0 4.0 6.0 8.1 10.1 12.1 14.1 16.1 18.1

 S 2
 n  1   2 4  4  
P  S  2  P  S  4  P   
2 2
  P    
  2
2.25 
  

 P   2  7.11  1  P   2  7.11  1  0.85  0.15

 Ejemplo

Tabla de Cuantiles de la Distribución Chi-Cuadrado

 0.010 0.025 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
1 0.0002 0.0010 0.0039 0.0158 0.0358 0.0642 0.1015 0.1485 0.2059 0.2750 0.3573 0.4549
. . . . . . . . . . . . .
4 0.2971 0.4844 0.7107 1.0636 1.3665 1.6488 1.9226 2.1947 2.4701 2.7528 3.0469 3.3567
. . . . . . . . . . . . .
49 28.9407 31.5549 33.9303 36.8182 38.8588 40.5344 42.0104 43.3664 44.6491 45.8895 47.1114 48.3350

 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95 0.975 0.99 0.999
1 0.5707 0.7083 0.8735 1.0742 1.3233 1.6424 2.0723 2.7055 3.8415 5.0239 6.6349 10.8278
. . . . . . . . . . . . .
4 3.6871 4.0446 4.4377 4.8784 5.3853 5.9886 6.7449 7.7794 9.4877 11.1433 13.2767 18.4670
. . . . . . . . . . . . .
49 49.5796 50.8659 52.2186 53.6697 55.2653 57.0786 59.2411 62.0375 66.3386 70.2224 74.9194 85.3511