Beruflich Dokumente
Kultur Dokumente
5.1 Introducción
Para seleccionar una m.a.s de una población finita, hoy en día se utilizan dígitos
aleatorios simulados por ordenador. Si los métodos de simulación son correctos, se
puede considerar los dígitos resultantes como dígitos producidos por el siguiente
método. Empezamos con 10 trozos de papel, cada trozo del mismo tamaño. En el
primer trozo escribimos el dígito 0; en el segundo 1;... y en el décimo 9. Situamos
los 10 trozos de papel en un sombrero de copa, sacudimos el sombrero para
mezclar los trozos de papel. De esta manera, cuando elegimos un trozo de papel al
azar, cada dígito tiene la misma probabilidad de ocurrencia. Ahora, elegimos un
trozo de papel al azar y anotamos el dígito escrito en él. Después, reemplazamos el
trozo de papel y repetimos este proceso para obtener una serie de dígitos aleatorios.
Utilizando este procedimiento, producimos una serie de dígitos como la que sigue
(que ha sido simulada utilizando Minitab).
1 4 8 7 7 58 9 7 4 8 62 5 9 9 7 80 4 3 89 5 45 7 0 9 7 I 0 5 7 9 1 7 7 6
1 5 7 4 6 09 6 9 4 6 14 9 9 9 2 68 2 6 70 2 90 9 3 2 8 0 5 2 6 1 8 3 3 1
5 9 6 8 4 88 4 7 2 4 11 6 5 5 0 54 3 8 87 I 14 4 3 1 1 2 8 8 3 7 8 1 9 7
7 9 7 0 3 50 2 3 4 6 63 0 6 1 2 20 0 7 19 2 30 6 9 9 1 7 5 9 4 3 5 6 0 7
0 7 5 6 1 29 I 3 1 7 63 8 1 5 4 25 6 2 67 0 73 2 6 8 7 5 3 4 8 2 6 5 5 2
4 8 9 5 9 09 0 2 9 8 92 5 1 8 2 99 2 6 56 9 04 8 6 4 9 4 1 2 4 2 7 1 9 7
3 2 3 5 0 75 7 9 6 3 04 4 3 2 6 83 6 1 87 0 42 3 1 4 4 5 2 2 4 6 5 5 5 8
6 3 1 1 4 23 5 4 3 6 66 0 7 7 8 67 2 1 91 9 14 3 0 4 4 0 8 0 7 4 1 4 7 9
3 0 6 6 3 56 4 7 8 8 69 4 4 1 5 53 3 2 25 6 72 4 7 4 9 4 0 9 8 7 0 7 5 6
4 5 2 5 6 74 4 2 2 7 63 0 4 0 9 62 3 1 49 7 63 5 2 9 4 6 4 4 7 1 1 3 2 0
4 4 9 9 9 I 9 9 0 4 5 19 5 9 3 1 90 0 4 64 7 03 4 7 2 6 4 8 0 3 2 5 3 2 4
1 8 5 2 2 44 0 3 4 5 98 2 7 0 6 92 0 0 36 4 60 2 8 5 4 7 5 1 8 1 3 3 5 9
2 3 3 8 4 61 0 9 5 3 55 0 4 8 9 80 0 0 26 6 70 3 0 3 6 4 1 2 7 5 9 7 2 1
4 0 8 9 6 88 1 4 0 2 17 1 6 7 4 59 9 4 40 1 62 9 2 8 0 0 0 2 9 8 9 5 7 3
7 6 8 2 1 50 8 2 5 1 92 8 9 4 0 76 0 2 84 7 98 0 9 6 0 6 5 8 1 2 6 2 7 8
0 1 9 6 9 16 8 9 2 7 45 7 6 6 9 71 5 2 15 2 38 3 0 5 5 2 2 0 1 4 0 1 2 9
8 3 4 3 6 39 7 4 0 0 58 0 9 3 5 68 5 6 83 6 81 4 5 2 0 5 5 8 4 9 0 9 1 2
3 2 5 7 6 55 3 1 8 1 34 7 6 0 2 10 9 4 64 0 82 1 5 2 9 6 9 5 5 8 4 3 9 9
0 8 9 8 5 93 5 9 2 3 70 9 0 3 8 24 3 7 81 3 67 5 5 4 5 1 2 6 5 S4 0 1 9
7 8 1 5 2 79 4 1 1 5 66 5 4 8 0 86 2 8 56 2 78 5 0 7 3 1 1 9 1 7 9 2 6 6
3 4 3 6 9 85 6 0 1 2 05 1 1 9 0 35 3 0 33 8 09 6 0 1 8 0 0 5 2 5 6 3 7 1
5 0 4 6 0 18 3 3 1 2 56 1 1 5 6 95 2 0 05 7 11 0 5 9 4 8 1 8 2 0 9 8 8 2
7 5 3 2 0 57 6 1 7 8 57 3 8 4 0 35 8 6 09 9 83 7 9 1 0 8 5 3 9 7 5 1 1 5
5 7 1 5 5 35 1 0 0 9 61 7 8 1 6 31 7 1 13 5 91 5 8 9 8 9 6 4 8 4 7 4 9 3
1 1 3 8 4 93 2 5 4 1 38 3 2 7 0 74 1 4 46 4 68 1 0 0 6 8 8 7 4 0 7 6 4 5
5 1 9 6 6 97 6 3 3 0 24 6 8 9 5 13 2 0 60 4 3
Con una lista de dígitos aleatorios de este tipo, se selecciona una m.a.s de la
siguiente manera. Se numeran los elementos de la población (finita) de 1 a N y se
toman números construidos por los dígitos aleatorios, de tantas cifras como tenga
N. El valor del número construido indicará el elemento a seleccionar. Si el número
es más grande que N (lo que es posible si N ≠ 10,100,1000,...) ignoramos este
número y seguimos con el siguiente. Por ejemplo, supongamos que queremos una
m.a.s. de 10 estudiantes en un grupo de 253 estudiantes. Numerando los
estudiantes de 1 a 253, y utilizando la serie de dígitos aleatorios dados arriba, el
número formado por los tres primeros dígitos es 148. Este número corresponde a
uno de los estudiantes. Los cinco números próximos (775, 897, 486, 259, 978) no
se encuentran dentro del intervalo 1 - 253. El siguiente número es 043 que si está
entre 1 y 253. Los dos números próximos (895, 457) no corresponden a ningún
alumno. Los próximos dos números (097 y 105) identifican dos miembros más de la
muestra. Los dos números siguientes (791 y 776) no sirven para identificar otros
miembros de la muestra. Siguiendo este procedimiento, obtenemos los números
157, 052, 241, 165, 144 y 197 para los últimos 6 miembros de la muestra.
Resumiendo, la muestra consta de los 10 alumnos con los números de
identificación: 148, 043, 097, 105, 157,052, 241, 165, 144 y 197.
Una vez que hemos identificado los n elementos de la muestra, podemos medir el
valor de la variable de interés, X, para estos elementos. Antes de identificar los n
elementos de la muestra y medir sus valores de X, consideramos estas
observaciones potenciales como variables aleatorias denotadas por X1, X2,...,Xn,
donde X¡ representa el /-ésimo valor de la variable X que vamos a observar. Los
valores numéricos obtenidos después de la medición los denotamos por x1, x2,...,
xn. Debido a las condiciones idénticas bajo las cuales se seleccionan los elementos
de la muestra, es razonable suponer que las n variables aleatorias X 1, X2,...,Xn son
independientes y que cada una tiene la misma distribución de probabilidad que la
población. Decimos que las n variables aleatorias X1, X2,..., Xn son independientes
e idénticamente distribuidas (i.i.d.). Si f (•) es la función de densidad de la población
y f i (•) es la función de densidad de Xi:
5.4 Estimación
5.4.1 Introducción
5.4.3 Estadísticos
Repetimos que en una m.a.s. X1, X2,...,Xn, las n variables aleatorias son i.i.d..
Cualquier función de estas variables se llama un estadístico. Como un estadístico
es una función de variables aleatorias es también una variable aleatoria.
X i
1. La media muestral, X , como X i 1
n
2. La moda muestral como el valor más frecuente en la muestra.
3. Si X(1), X(2),…, X(n) representan los valores muéstrales en orden creciente, se
x i
Es importante notar que, por ejemplo, X toma el valor X i 1
cuando Xl, tiene
n
el valor x1, X2 el valor x2, etcétera. En la práctica, se utiliza el mismo nombre para
designar al estadístico y a su valor en una muestra concreta. Por ejemplo, el término
media muestral se aplica tanto al estadístico X como a su valor observado X .
Se definen:
2
i X
n
S2 i 1
i 1
n 1 n 1
∑𝑛
𝑋𝑖
𝜇̂ =𝑋̅= 𝑖=1
𝑛
µ̂= 𝑋̅ y 𝛿̂ 2 = 𝑆 2
Sea 𝛩̂ un estimador cuyo valor observado, 𝜃̂, es una estimación puntual de algún
parámetro desconocido Θ. Es deseable que 𝛩̂ tuviera la esperanza igual al
parámetro estimado, es decir que 𝐸(𝛩̂)=Θ. Se dice que un estimador 𝛩̂ es un
estimador insesgado (o centrado) del parámetro 𝜃 si, satisface la condición 𝐸(𝛩̂)=𝜃.
Cuando un estimador no es centrado se dice que es sesgado. El sesgo del
estimador se define como:
sesgo E