Beruflich Dokumente
Kultur Dokumente
DISTRIBUCIONES MUESTRALES
N N! 10! 10.9.8.7.6.5!
= = = = 252
n n!(N n)! 5!(105)1 5!.5.4.3.2.1 muestras.
muestra 1 X1
muestra 2 X2
:
M
muestra 252 X 252
X =
N n
X = para poblaciones finitas
n N 1
X = para poblaciones infinitas
n
La expresin
X
=
n
Es la desviacin estndar de la distribucin muestral de medias, se le llama
error tpico o estndar de la media y nos indica la diferencia promedio entre los
diversos valores de X y . Como se observa, a medida que el tamao de la
muestra aumenta este error disminuye, las diversas medias muestrales se hacen
ms uniforme en su valor, y en consecuencia, cualquier media muestral es una
buena estimacin de la media poblacional .
X-
Z=
/ n
Ejemplo: Cierta marca de neumticos tiene una vida til media de 21.000
Km con una desviacin tpica de 800 Km.
Solucin:
1. Como la variable X = vida til de los neumticos, est distribuida normalmente.
Entonces la probabilidad de que un neumtico cualquiera dure menos de
20.900 km se calcula de la forma siguiente:
Estandarizacin
20.900 21.000
P ( X 20.900) = P Z = P(Z 0,13) =0,4483
800
Es decir, el porcentaje de que un neumtico tenga una vida til menor que 20.900
Km es de 44,83 %.
20.900 21.000
P ( X 20.900) = P Z = P(Z 1) = 0,1587
800 / 64
Por lo que el porcentaje de que la vida til media de 64 neumticos sea inferior a
20.900 Km es de 15,87 %.
b) Distribucin en poblaciones que no estn distribuidas normalmente.
Existen mtodos que se pueden emplear cuando se necesita hacer inferencia
sobre este tipo de poblacin. Una solucin usada con frecuencia es que se
extraiga una muestra grande. Una vez extrado ese n grande, el investigador
puede utilizar el Teorema del Lmite Central, el cual se enuncia a
continuacin:
Este teorema expresa que sin tomar en cuenta la forma de la poblacin que se
est estudiando, se puede seguir empleando la teora normal para obtener
inferencias sobre la media poblacional a condicin de que obtengamos una
muestra grande, porque la distribucin muestral de X ser aproximadamente
normal cuando n sea grande. Generalmente, muchos investigadores consideran
que a partir de n = 30 se puede usar el teorema del Lmite Central.
Ejemplo:
Una empresa emplea 1500 personas. La cantidad promedio gastada
durante un ao determinado, en servicios mdicos personales por empleados fue
de 25,75 $ y la desviacin estndar de 5,25 $. Cul es la probabilidad de que
una muestra de 100 empleados arroje una media comprendida entre 25 y 27 $?.
En este problema no se especfica si la poblacin es normal, pero como el tamao
de la muestra n = 100 > 30 podemos aplicar el teorema del lmite central, por lo
que la distribucin muestral de X es aproximadamente normal y por lo tanto
podemos hallar su probabilidad, esto es:
25 25,75 27 25,75
P (25 X 27) = P Z = P( 1,48 Z 2,46 ) =0.9237
5, 25 / 100 5, 25 / 100
c) Distribucin t de student:
X-
t=
S/ n
Caractersticas de la distribucin t:
25 25,75 X 27 25,75
P (25 X 27) = P = P( 1,12 t 1,12 ) = 0,72
5 / 20 S 5 / 20
n
( X 1 X 2 ).-
X X = 1 2
1 2
12 2 2
X X = +
1
n1 n2
Banco A Banco B
A2 = 3 min B2 = 5 min
A = 14 min B = 13 min
n A = 20 nB = 13
( X A X B ) ( A B ) 2 ( A B ) 1
P ( X A X B 2) = P = P Z = P(Z 1,37) =
A2 B2 3 5 0,73
+ +
n n 20 13
A B
0, 9146
Existe un 91,46 % que la diferencia media entre los dos bancos no exceda de 2
minutos.
b) Para pequeas muestras, Cuando v = n1 + n2 2 < 30, se trabaja con la
Distribucin t de Student. Por lo tanto, el valor viene dado por:
( X 1 X 2 ) ( 1 2 )
t=
2 2
Sp Sp
+
n1 n2
donde:
2 2
2 (n 1) S1 + (n 2 1) S 2
Sp = 1
n1 + n 2 2
Empresa 1 Empresa 2
S12 = 400000000 Bs S 22 = 342250000 Bs
1 = 180000 Bs 2 = 210000 Bs
n1 = 20 n 2 = 10
( X X ) ( ) 3500 + 30000 33500
P ( X 1 X 2 3500) = P A B 1 2
= P t = P(t 4,43)
2
Sp Sp 2
381437500 381437500 7564,10
+ +
n1 n2 20 10
19..400000000 + 9.342250000
donde S p2 = = 381437500
28
Es decir, la probabilidad de que la diferencia media de los salarios sea mayor que
3500 es del 0,99.
)
3). DISTRIBUCIN DE UNA PROPORCION MUESTRAL ( P ).-
Se define una proporcin poblacional como el cociente:
Ejemplo:
Si se toma una muestra aleatoria de tamao n = 1000 y 425 personas
satisfacen un evento, entonces p = 425 / 1000 = 0,425. Esto significa que el 42,5
% de las personas satisfacen dicho evento.
La distribucin de una proporcin muestral, se define de una manera
anloga a a la distribucin de media, o sea:
Muestra 1---- p1
Muestra 2---- p2
Muestra 3---- p3
Muestra X---- p k
De esta forma: p1 , p2 , p3 ,..., p k corresponden a la distribucin de una
proporcin muestral.
p.q
X = para poblacione s infinitas
n
Solucin:
p = 0.20 proporcin de personas de la poblacin que estn a favor de la emisin
p = proporcin de personas de la muestra que estn a favor de la emisin
0,06 p p 0,06
P ( p p 0,06) = P = P( 0,27 Z 0,27 ) = 0,20 4
0,2.0,8 p.q 0,2.0,8
64 n 64
Ejemplo:
En una empresa, la desviacin estndar del sueldo de los empleados es de
Bs. 75000, correspondiente a valores distribuidos normalmente. Para un nuevo
estudio se escogen 17 empleados cuyos salarios se muestran a continuacin:
SUELDOS
156000 174000 162000
175000 269000 298000
185000 320000 450000
200000 260000 364000
225000 158000 300000
(n 1) S 2 16.(87325,99) 2
P( S > (87325,99) ) = P
2 2
> ( )
= P 2 > 21,69 = 0,15 .
2
5625000000
5) DISTRIBUCIN F DE FISHER.
Cuando se quiere estudiar la relacin entre las varianzas de dos
poblaciones distribuidas normalmente se usa la distribucin F de Fisher. Es decir,
dadas dos muestras aleatorias independientes de tamao n1 y n2 de dos
S 2M
poblaciones independientes, la distribucin muestral de la razn F = 2 (razn
Sm
de varianzas) se conoce como distribucin de Fisher, suponiendo que las
varianzas poblacionales son iguales ( 21 = 22 ). Donde:
S M2 : es la varianza mayor
S m2 : es la varianza menor
con (v1 , v 2 ) donde v1 = n 1 1 grados de libertad del numerador
v 2 = n 2 - 1 grados de libertad del denominador
Ejemplo:
Considerando que las varianzas poblacionales de dos poblaciones son
iguales, 21 = 22 , n1= 6 y n2 = 10, hallar la probabilidad de que la razn
de las varianzas muestrales no exceda a 3,48.
S12
P 2 3,48 = P(F 3,48) = 1 P( F > 3,48) = 1 0,05 = 0,95
S2
Tamao de la Muestra.
La clave del problema estriba en escoger una muestra cuyo seleccin
garantice la representatividad de la poblacin objeto de estudio. En los estudios
socio-econmicos, una muestra de un 30% de la poblacin, tiene un elevado nivel
de representatividad (Ramrez 1995); sin embargo, esta representatividad
depende mayormente, del tipo de muestreo. Obviamente, que el trabajar con
muestras, por muy confiables que sean, no se obtiene el 100% de exactitud, sin
embargo, ese pequeo error que acompaa siempre a los estudios por muestreo,