Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 196 vistas

    Distribuciones Muestrales

    Cargado por

    Pedro JFiestas
    Este documento describe las distribuciones muestrales y varios casos particulares: 1) Se define una variable aleatoria U (estadístico muestral) que asigna un resumen estadístico a cada muestra, teniendo una distribución de probabilidad denominada distribución muestral. 2) Se analizan casos como la distribución muestral de la media, la cuasivarianza, la t de Student y la binomial cuando la población subyacente es normal, normal y Bernoulli respectivamente. 3) Estas distribuciones muestrales

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Distribuciones Muestrales

    Cargado por

    Pedro JFiestas
    196 vistas18 páginas
    Este documento describe las distribuciones muestrales y varios casos particulares: 1) Se define una variable aleatoria U (estadístico muestral) que asigna un resumen estadístico a cada muestra, teniendo una distribución de probabilidad denominada distribución muestral. 2) Se analizan casos como la distribución muestral de la media, la cuasivarianza, la t de Student y la binomial cuando la población subyacente es normal, normal y Bernoulli respectivamente. 3) Estas distribuciones muestrales

    Descripción original:

    Thank's

    Título original

    distribuciones muestrales

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe las distribuciones muestrales y varios casos particulares: 1) Se define una variable aleatoria U (estadístico muestral) que asigna un resumen estadístico a cada muestra, teniendo una distribución de probabilidad denominada distribución muestral. 2) Se analizan casos como la distribución muestral de la media, la cuasivarianza, la t de Student y la binomial cuando la población subyacente es normal, normal y Bernoulli respectivamente. 3) Estas distribuciones muestrales

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    196 vistas18 páginas

    Distribuciones Muestrales

    Cargado por

    Pedro JFiestas
    Este documento describe las distribuciones muestrales y varios casos particulares: 1) Se define una variable aleatoria U (estadístico muestral) que asigna un resumen estadístico a cada muestra, teniendo una distribución de probabilidad denominada distribución muestral. 2) Se analizan casos como la distribución muestral de la media, la cuasivarianza, la t de Student y la binomial cuando la población subyacente es normal, normal y Bernoulli respectivamente. 3) Estas distribuciones muestrales

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 18

    Tema 6: Distribuciones Muestrales

    El objetivo es efectuar una generalizacin de los resultados de la muestra


    a la poblacin. Inferir o adivinar el comportamiento de la poblacin a partir
    del conocimiento de una muestra.
    Para ello es necesario conocer las distribuciones de probabilidad de ciertas
    funciones de las muestras que constituyen variables aleatorias asociadas
    al experimento aleatorio, seleccin de una muestra al azar de una poblacin.
    Estas variables aleatorias denominadas estadsticos muestrales, porque se
    basan en el comportamiento de las muestras, asignan a cada muestra del
    espacio muestral, constituido por todas la muestras posibles, un nmero real
    que es un resumen estadstico de la muestra. Por ejemplo, media de la
    muestra.
    El esquema siguiente resume visualmente la situacin: Dada una poblacin
    formada por un nmero N grande de elementos, donde se observa la variable
    X, se extrae al azar una muestra de tamao n (n<N).
    Tanto en la poblacin como en la muestra podemos resumir los valores de la
    variable X observada. Los valores resumen se denominan parmetros en la
    poblacin y estadsticos en las muestras. Notaremos con U a un estadstico
    o resumen muestral determinado.

    Distribuciones Muestrales
    Poblacin formada por todas las
    muestras posibles de tamao n
    U variable aleatoria muestral
    (Estadsticos de las muestras:
    resmenes de los valores de X en
    las muestras.)

    Poblacin
    X variable aleatoria

    x7
    x20

    x2
    x15

    x8
    x4
    xj

    x1

    x1,x2,x3,,xn
    x1

    x3
    x2
    x5

    x6

    Muestra

    xi

    Resumen de X en la Poblacin:
    Parmetros: media, varianza,

    Resumen de X en la muestra:
    Estadsticos: media, varianza,

    U1
    x2
    x15
    x4

    U2
    x20
    x8

    x2
    xh x4
    Uj

    x2 x3

    xi
    Ui

    U5

    x2
    x6

    xj

    x2
    x5
    x2

    Resumen de los estadsticos muestrales:


    media, varianza,

    Poblacin formada por todas las


    muestras posibles de tamao n
    U variable aleatoria media
    muestral
    (valores de los estadsticos:
    medias de las muestras)

    Ejemplo: Distribucin muestral de la media


    Poblacin
    X variable aleatoria
    Naturalmente, las medias diferirn,
    en general, de una muestra a otra.

    x7

    x20

    x2
    x15

    Muestra

    x8
    x4
    x1
    x1 xj

    x4

    x3
    x2
    x5

    X1

    xj

    Xh
    Xm

    Distribucin de X en la muestra:

    x1,x2,x3,,xn
    xi

    X2

    x1,x2,x3,,xn

    xi

    Xl

    xt

    Distribucin de X en la Poblacin

    La variabilidad de las medias


    viene reflejada en su
    distribucin de probabilidad

    Xl

    Xm

    Xh

    Distribucin muestral de U (medias)

    Distribuciones Muestrales
    Resumiendo:
    Dada una poblacin y el experimento aleatorio consistente en seleccionar una
    muestra de dicha poblacin, se define la variable aleatoria U (estadstico muestral)
    como una aplicacin que asigna a cada muestra, m, un resumen estadstico
    determinado,U(m). Esta nueva variable aleatoria U tiene una distribucin de
    probabilidad denominada distribucin muestral de U.

    U:E
    m=(x1, x2, ,xn)

    R
    U(m)=estadstico muestral

    Su comportamiento depender del que tenga X en la poblacin y del tamao


    de las muestras.
    Utilidad:
    Estaremos interesados en conocer su comportamiento probabilstico, porque esto
    nos permitir hacer inferencias acerca del comportamiento de la poblacin.
    A veces nos resultar til conocer su esperanza matemtica y/o su varianza.

    Distribuciones Muestrales
    Casos particulares de distribuciones muestrales:
    Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
    Normal
    X N ( , )
    Total muestral
    U=total muestral=t : E
    m=(x1, x2, ,xn)

    R
    n

    U (m) = t = Xi
    i =1

    Se verifica que el estadstico muestral t es tambin normal con las siguientes media
    y desviacin tpica:
    n

    t = Xi N (n , n 2 )
    i =1

    Adems, si el tamao de la muestra es suficientemente grande (n>30), t se


    distribuye normalmente, aunque X en la poblacin no sea normal.

    Distribuciones Muestrales
    Casos particulares de distribuciones muestrales:
    Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
    Normal
    X N ( , )
    Media muestral
    U=media muestral : E

    R
    n

    U ( m) = X =

    m=(x1, x2, ,xn)

    Xi
    i =1

    Se verifica que el estadstico muestral media es tambin normal con las siguientes
    media y desviacin tpica:
    n

    X=

    Xi
    i =1

    N ( ,

    Adems, si el tamao de la muestra es suficientemente grande (n>30), se


    distribuye normalmente, aunque X en la poblacin no sea normal.

    Distribuciones Muestrales
    Casos particulares de distribuciones muestrales:
    Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
    Normal
    X N ( , )
    Estadstico cuasivarianza muestral
    R

    U=S2 : E

    S2 =

    m=(x1, x2, ,xn)

    (X
    i =1

    X )2

    n 1

    Estadstico Uchi muestral


    R

    Uchi : E

    Uchi(m) =

    m=(x1, x2, ,xn)

    Observa que esta nueva


    variable se ha obtenido a partir
    de la anterior (S2)
    multiplicando por la constante
    (n-1)/ 2
    Esta transformacin permite
    conocer su comportamiento
    probabilstico

    (n 1) S 2

    Se verifica que el estadstico muestral Uchi sigue un modelo Chi-cuadrado con


    n-1 grados de libertad
    U chi =

    (n 1) S 2

    n21

    Distribuciones Muestrales
    Casos particulares de distribuciones muestrales:
    Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
    Normal
    X N ( , )
    Estadstico Ut,v (funcin de los estadsticos media y cuasivarianza)
    R
    Ut,v : E
    m=(x1, x2, ,xn)

    U t ,

    X
    =
    S
    n

    Observa que esta nueva


    variable se ha obtenido a partir
    de los estadsticos media y
    cuasidesviacin tpica (S)
    Esta transformacin permite
    conocer su comportamiento
    probabilstico

    Se verifica que el estadstico muestral Ut,v sigue un modelo t de Student con


    n-1 grados de libertad
    U t , =

    ( X )
    t n 1
    S
    n

    Distribuciones Muestrales
    Casos particulares de distribuciones muestrales:
    Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
    una Bernoulli:
    X=0 con probabilidad q=P(fracaso) y X=1 con probabilidad p=P(xito)
    Se sabe que E(X)=p y V(X)=pq
    Estadstico Ut=t=total de xitos en la muestra
    Ut : E

    R
    n

    m=(x1, x2, ,xn)

    Ut = t = Xi
    i =1

    Observa que esta variable


    refleja el total de xitos (1s)
    en la muestra entre el total de
    selecciones n. Es un caso
    particular de total muestral t,
    ya visto. Observa que es
    tambin la variable binomial

    Se verifica que el estadstico muestral Ut sigue un modelo Binomial


    Ut B (n, p )

    E(Ut)=np
    V(Ut)=npq
    Para tamaos de muestra suficientemente grandes se aproxima a una normal

    Distribuciones Muestrales
    Casos particulares de distribuciones muestrales:
    Sea una poblacin P y X la variable aleatoria observada, cuya distribucin es
    una Bernoulli:
    X=0 con probabilidad q=P(fracaso) y X=1 con probabilidad p=P(xito)
    Se sabe que E(X)=p y V(X)=pq
    Estadstico Up=proporcin de xitos en la muestra
    R

    Up : E

    Ut
    Up =
    =
    n

    m=(x1, x2, ,xn)

    Xi
    i =1

    = proporcin de xitos

    Si el tamao de muestra es suficientemente grande (n>30)


    se verifica que el estadstico muestral Up sigue un modelo normal
    Up N ( p,

    pq
    )
    n

    Observa que esta variable


    refleja la proporcin de xitos
    (1s) en la muestra entre el
    total de selecciones n. Es un
    caso particular de media
    muestral , ya visto.

    Ejemplo simple de simulacin del proceso de generacin de una Distribucin Muestral


    de la Media

    Supondremos una poblacin formada por solo N=3 elementos. Por ejemplo 3 nios.
    Se observa la variable X=edad. Consideremos la seleccin con reemplazamiento de
    todas las muestras posibles de tamao n=2.
    Poblacin nios: {A, B, C} Edad: 2, 3 y 4 aos respectivamente.
    El espacio muestral formado por todas las muestras posibles
    E={AA, AB, AC, BA, BB, BC, CA, CB, CC}

    Estadstico muestral U=media muestral

    U=media muestral : E

    R
    n

    m=(x1, x2, ,xn)

    U ( m) = X =

    Xi
    i =1

    Ejemplo simple de simulacin del proceso de generacin de una Distribucin Muestral


    de la Media (continuacin)

    U=media muestral : E
    (AA)
    (AB)
    (AC)
    (BA)
    (BB)
    (BC)
    (CA)
    (CB)
    (CC)

    2+2
    X=
    =2
    2

    X=

    2+3
    = 2,5
    2

    X=

    2+4
    =3
    2

    X=

    2+3
    = 2,5
    2

    X=

    3+3
    =3
    2

    X=

    3+ 4
    = 3,5
    2

    2+4
    =3
    2
    3+ 4
    = 3,5
    X=
    2

    X=

    X=

    4+4
    =4
    2

    Ejemplo simple de simulacin del proceso de generacin de una Distribucin Muestral


    de la Media (continuacin)

    Distribucin muestral de la media

    Distribucin de X=Edad en la poblacin

    U=media

    P(U)

    1/9

    X=Edad

    P(X)

    2,5

    2/9

    1/3

    3/9

    1/3

    3,5

    2/9

    1/3

    1/9

    E(X)=3
    Varianza(X)=2/3
    Comprueba que la esperanza de X en la poblacin coincide con la esperanza
    de la variable media muestral, U, y que la varianza de U es igual al cociente entre la
    Varianza de X y el tamao de la muestra (2).

    Ejemplo: Distribucin Muestral de la Media

    Observa que en la prctica se selecciona una muestra de la poblacin y se efecta


    un resumen de dicha muestra mediante el clculo de un estadstico muestral que
    nos interese. Por ejemplo media de la muestra, desviacin tpica, mediana, etc.
    Si conociramos el comportamiento que tienen todos los posibles valores del estadstico muestral que nos interesa (su modelo de probabilidad), podramos saber
    qu probabilidad hay de que el valor de nuestra muestra est comprendida en un
    determinado intervalo.
    Ejemplo:
    Se ha seleccionado una muestra al azar de 50 mujeres de una poblacin de mayores
    de 18 aos. Se desconoce la talla media de la poblacin, pero en la muestra se ha
    observado que la media de las 50 tallas es 1,60 m. Si se sabe por otros estudios que
    la desviacin tpica en la poblacin es de 3 ,3 cm, determina la probabilidad de que la
    media de la poblacin no difiere en ms de 1 cm de la de la muestra.

    Ejemplo: Distribucin Muestral de la Media

    Ejemplo (continuacin):
    Se sabe que para tamaos de muestra grandes la media muestral se distribuye
    segn un modelo normal.
    n

    X=

    Xi
    i =1

    N ( ,

    Sustituyendo

    X N ( ,

    3,3
    ) N ( , 0,4667)
    50

    P(| X |) < 1) = P ( 1 X + 1)
    = P(

    1
    1
    Z
    ) = P(2,14 Z 2,14)
    0,4667
    0,4667

    X
    1 cm

    Ejemplo: Distribucin Muestral de la Media

    Ejemplo 2
    Se sabe que los pesos de los paquetes de cierto artculo en una cadena de
    produccin se distribuyen normalmente con media 500 gr y desviacin tpica 10 gr
    Se selecciona una muestra de 100 paquetes de la produccin y se observa que la
    media de stos es de 530 gr es coherente este resultado con la hiptesis de que
    se distribuyen normalmente con media y desviacin tpica 500 y 10, respectivamente.
    Si la hiptesis
    X N (500,

    X N ( = 500, = 10) fuese cierta, entonces habr que admitir

    10
    ) N (500, 1)
    100

    La probabilidad de observar un suceso tan extremo


    o ms (530 gr) es igual a
    P( X 530) = P ( Z

    = 500

    530 ( X 530)

    530 500
    ) = P ( Z 30) = 0
    1

    Ejemplo: Distribucin Muestral de la Media

    Ejemplo 3
    Se sabe que los pesos de los paquetes de cierto artculo en una cadena de
    produccin se distribuyen normalmente con media 500 gr y desviacin tpica 10 gr
    Se seleccionan muestras de 10, 50 y 100 paquetes de la produccin.
    Determina la desviacin tpica de la media muestral para cada uno de estos 3 casos.

    X N ( = 500, = 10)

    Observa que la
    variabilidad de la
    distribucin
    muestral se
    reduce cuando
    aumenta n

    Caso n=10

    X N (500,

    10
    ) N (500, 3,16)
    10

    Caso n=50

    Caso n=50

    X N (500,

    10
    ) N (500, 1,41)
    50

    Caso n=10

    = 500

    Caso n=100

    X N (500,

    Caso n=100

    10
    ) N (500, 1)
    100

    Ejemplo: Distribucin Muestral de la Media

    Ejemplo 4
    En unas elecciones un determinado candidato asegura que tiene ganados
    al menos el 50% de los votos. En un sondeo previo a las elecciones se obtuvo una
    muestra de 500 votantes y 160 se mostraron favorables al candidato es coherente
    con la hiptesis del candidato el resultado obtenido en la muestra?
    Si la hiptesis X B (1, p = 0,5) fuese cierta, entonces habra que admitir
    que la proporcin muestral se distribuye segn
    Up N ( p,

    0,5 0,5
    pq
    ) N (0,5, 0,1118)
    ) N (0,5,
    500
    n

    La probabilidad de observar un suceso tan extremo o ms al obtenido


    Up=160/500=0,32 es
    P (U p 0,32) = P ( Z

    0,32 0,5
    ) = P ( Z 16,1) = 0
    0,1118

    (Up 0,32)

    0,32

    p = 0,5

    Up

    También podría gustarte