Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 167 vistas

    A3 Jarr

    Cargado por

    Joshua A. Ruiz Ramz
    Este documento presenta un resumen de la teoría del teorema del límite central y las distribuciones muestrales. Explica que el teorema del límite central establece que la distribución de una estadística muestral tiende a ser normal incluso si la distribución de población no lo es, siempre que el tamaño de la muestra sea grande. Luego define las estadísticas muestrales y explica cómo permiten hacer inferencias sobre la población a partir de una muestra. Finalmente, concluye que conocer el comportamiento probabilíst

    Copyright:

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

    A3 Jarr

    Cargado por

    Joshua A. Ruiz Ramz
    167 vistas6 páginas
    Este documento presenta un resumen de la teoría del teorema del límite central y las distribuciones muestrales. Explica que el teorema del límite central establece que la distribución de una estadística muestral tiende a ser normal incluso si la distribución de población no lo es, siempre que el tamaño de la muestra sea grande. Luego define las estadísticas muestrales y explica cómo permiten hacer inferencias sobre la población a partir de una muestra. Finalmente, concluye que conocer el comportamiento probabilíst

    Descripción original:

    UVM Febrero 2019 ESTADISTICA INFERENCIAL

    Título original

    A3_JARR

    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 presenta un resumen de la teoría del teorema del límite central y las distribuciones muestrales. Explica que el teorema del límite central establece que la distribución de una estadística muestral tiende a ser normal incluso si la distribución de población no lo es, siempre que el tamaño de la muestra sea grande. Luego define las estadísticas muestrales y explica cómo permiten hacer inferencias sobre la población a partir de una muestra. Finalmente, concluye que conocer el comportamiento probabilíst

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    167 vistas6 páginas

    A3 Jarr

    Cargado por

    Joshua A. Ruiz Ramz
    Este documento presenta un resumen de la teoría del teorema del límite central y las distribuciones muestrales. Explica que el teorema del límite central establece que la distribución de una estadística muestral tiende a ser normal incluso si la distribución de población no lo es, siempre que el tamaño de la muestra sea grande. Luego define las estadísticas muestrales y explica cómo permiten hacer inferencias sobre la población a partir de una muestra. Finalmente, concluye que conocer el comportamiento probabilíst

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 6

    Joshua Adrian Ruiz Ramírez

    ESTADISTICA INFERENCIAL

    Actividad No. 3 Reporte

    Entrega. 21 Enero de 2019.

    UVM Lomas Verdes.

    Ingeniería en Tecnologías de Sistemas y de

    Información.

    Prof. Álvaro Reyes García.


    Introducción.

    El teorema del límite central proporciona una distribución normal que permite
    asignar probabilidades a intervalos de valores para X. Sin importar la forma de la
    distribución de población, la distribución de X es aproximadamente normal, con
    media μ y varianza σ2/n, siempre que n sea grande. Esta tendencia hacia la
    normalidad se ilustra en la figura 6.3, para una distribución de población uniforme y
    una distribución de población exponencial.

    Figura 6.3

    Una ilustración de la tendencia hacia la normalidad para la distribución muestral de


    –X, conforme aumenta el tamaño de la muestra.
    Desarrollo.

    El objetivo es efectuar una generalización de los resultados de la muestra a la


    población. Inferir o adivinar el comportamiento de la población 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, selección de una muestra al azar de una población.

    Estas variables aleatorias denominadas estadísticos muestrales, porque se basan


    en el comportamiento de las muestras, asignan a cada muestra del espacio
    muestral, constituido por todas la muestras posibles, un número real que es un
    resumen estadístico de la muestra. Por ejemplo, media de la muestra.

    El esquema siguiente resume visualmente la situación: Dada una población formada


    por un número N grande de elementos, donde se observa la variable X, se extrae al
    azar una muestra de tamaño n (n<N).

    Tanto en la población como en la muestra podemos resumir los valores de la


    variable X observada. Los valores resumen se denominan parámetros en la
    población y estadísticos en las muestras. Notaremos con U a un estadístico o
    resumen muestral determinado.
    Ejemplo: Distribución muestral de la media

    Población X variable aleatoria.


    Conclusión.

    Dada una población y el experimento aleatorio consistente en seleccionar una


    muestra de dicha población, se define la variable aleatoria U (estadístico muestral)
    como una aplicación que asigna a cada muestra, m, un resumen estadístico
    determinado, U (m). Esta nueva variable aleatoria U tiene una distribución de
    probabilidad denominada distribución muestral de U.

    Su comportamiento dependerá del que tenga X en la población y del tamaño de las


    muestras.

    Utilidad: Estaremos interesados en conocer su comportamiento probabilístico,


    porque esto nos permitirá hacer inferencias acerca del comportamiento de la
    población.

    A veces nos resultará útil conocer su esperanza matemática y/o su varianza.


    Bibliografía.

     (S/N). Tema 6: Distribuciones Muestrales. 28 Enero 2019, de UGR Sitio web:


    https://www.ugr.es/~mvargas/tema6sd.pdf

     Johnson, Richard A. (2012). En Probabilidad y estadística para ingenieros


    Recuperado de: de:
    http://www.bibliotechnia.com.mx/portal/visor/web/visor.php

    También podría gustarte