Beruflich Dokumente
Kultur Dokumente
Facultad de Economía
Licenciatura en Economía
Objetivos
• Entender los conceptos de estimación puntual y estimación por intervalos.
• Calcular las estimaciones para la media poblacional, tanto en el caso en que la
desviación
estándar poblacional sea conocida como en el caso de que sea desconocida.
• Calcular las estimaciones (puntuales y por intervalos) para la probabilidad de éxito
de una
binomial.
• Saber interpretar correctamente los resultados de las estimaciones por intervalos.
X N , 2
n
si n
P X
S2
Términos y Conceptos A M N
Plan de muestreo 255
Estudio observacional 256
Estudio experimental 257
MAS de una población finita 260
MAS de una población infinita 261
Parámetro 258 255
Estadístico 264 260
Estimador 265
Estimación 265
Distribución muestral 267 260 251
Distribución muestral de medias 270 266 254
Insesgadez 286
TLC 272 263 260
Eficiencia 287
Términos y Conceptos A M N
Consistencia 287
Distribución muestral de proporciones 280 275 272
Muestreo aleatorio simple 260 256 250
Muestreo estratificado 288 257
Muestreo por conglomerados 289 258
Muestreo sistemático 289 258
Términos y Conceptos A M N
Muestreo sistemático 289 258
Muestreo por conveniencia 290 258
Muestreo subjetivo (Juicio) 290 258
Muestreo por cuotas 258
Intervalo de aceptación 265
Distribución muestral de varianzas 277
Distribución Ji-cuadrado 279
Actividad Portafolios
1 Lista de alumnos inscritos Facultad de Economía 2010B
2 Base de datos. Revisar en
www.biestadistica.uma.es/baron/apuntes/
3 Diseño de cuestionario: temática (Problema), Objetivos,
variables. Preparar documento de 3 cuartillas sobre “El Diseño
de Cuestionarios” de INEGI. Cap. 1-4; pp1-26.
http://ctreig.jalisco.gob.mx/normatividad/septiembre_liniami
entos/Diseno_Cuestionarios.pdf
4 Elaborar el primer borrador de cuestionario: destacando los
subtemas, las preguntas y, las variables
5 Presentar para revisión borrador (firma de avance)
II n f e r e n c i a E s t a d ì s t i c a
Datos Formalización de
preguntas
. 200 a) P X 5 ?
. 50
. n 100 b) P X 10 ?
. Se usa x para estimar
Teoría
Facultad de Economía
Licenciatura en Economía ? 50
Z 1
Desarrollo y operaciones: a)
. P X 5
. P 5 X 5 Z
. P 5 X 5 Pero X
50
50
5
. X X X n 100 10
Datos Formalización de
preguntas
. 25 . X ?
. n1 50 . n X ?
. n2 100
. n3 150
. n4 200
. P 10 Z 10
. 5 5
Resultados y soluciones
n
50 3.5
100 2.5
150 2.0
200 1.8
Resultados y soluciones
De la tabla de resultados se verifica que conforme el
tamaño de muestra se incrementa el error estándar
disminuye.
A.7.21- Suponga que de una población en la que 25se toma una MAS
de tamaño 50. Halle el valor del error estándar de la media en cada
uno de los caso siguientes (si es necesario use el fcpf).
El tamaño de la población es infinito.
El tamaño de la población es N=50 000
El tamaño de la población es N=5 000
El tamaño de la población es N= 500
Datos Formalización de
preguntas
. .
1) . 25 . X ?
. n 50
. N
. N 50000
. N 5000
N 500
Datos Formalización de
preguntas
. 25 . X ?
1) .n 50 .
. N
. N 50000
. N 5000
. N 500
Universidad Autónoma de Estado de México
Facultad de Economía
Licenciatura en Economía N n
X X
Teoría n N 1 n
El error estándar de la media mide la
dispersión de las medias muestrales Población Población
alrededor de la media poblacional. El infinita finita
error estándar relaciona la dispersión
de la población con el tamaño de
muestra y se define como:
.
.
.
X
n
2) la población sea finita y el
tamaño de muestra sea menor o
Al usar el MAS el error estándar de la igual al 5% del tamaño de la
distribución de medias depende de si la población, es decir n N 0.05
población es finita o infinita. .
X
Cuando: Se debe usar . n
. 1) La población es infinita o
En caso contrario use:
N n
X
. n N 1
.
Material didáctico: visual elaborado por Fidelmar Sandoval Durán
Universidad Autónoma de Estado de México
Facultad de Economía
Licenciatura en Economía
. .
.f Nn 50000
50
5
0.001 . f n 50 5 0.10
5000
. X . N 500 50
N n
. f 0.001 0.05
n
. f 0.10 0.05 X
n N 1
. . 25 500 50
. X
25
.
50 500 1
X
50
. .
3.54 (3.54)(0.9496 ) 3.36
. X . X
Resultados y
soluciones
N f=n/N
3.54
50000 0.001 3.54
5000 0.01 3.54
500 0.10 3.36
Resultados y soluciones
De la tabla de resultados se observa que muestras
relativamente grandes ( cuando f, la fracción de
muestreo es mayor que 0.05) aplica el factor de
corrección para población finita (fcpf).
M.7.1- Una población consta de 500 unidades experimentales. Use una tabla de
números aleatorios para seleccionar una muestra aleatoria de n= 20 unidades
Experimentales. (Sugerencia: puesto que necesita usar números de tres dígitos,
asigne dos números de tres dígitos a cada una de las unidades del muestreo.
¿Cuál es la probabilidad de que cada unidad experimental sea seleccionada
para incluirla en la muestra?
Datos Formalización de
preguntas
. seleccionar una muestra
. N 500 aleatoria de 20
. n 20 unidades: ¿Cuáles son las
20 unidades
experimentales que se
incluyen en la muestra?
.
P( X i ) ?
Procedimiento
A cada elemento le asignamos un numero ( la población
es de 500 elementos y requerimos tres dígitos:
001,002,…000).
Se genera una secuencia de 20 (tamaño de muestra)
números aleatorios de tres dígitos. Se puede utilizar una
tabla de números aleatorios o una calculadora que los
genere o bien cualquier software estadístico.
Si usamos la tabla de números aleatorio, debemos
seleccionar un punto aleatorio de partida y determinar la
secuencia ya sea por fila o columna.
Desarrollo y operaciones:
.Usamos la tabla de números aleatorios de Mendenhall: tabla10 paginas 706-
707. Esta tablea presenta grupos de dígitos de cinco en cinco
.Seleccionamos el punto de partida: columna1 y fila 1 y escogemos la fila para
seleccionar la secuencia de 20 números.
En la intersección de la fila 1 columna 1 el numero aleatorio que se observa es
10480, este es el punto de partida para seccionar en fila la secuencia:
.10480 15011 01536 02011 81647 91646 69179 14194 62590 …
.
la secuencia de números de tres dígitos es: 104, 801, 501, 101, 536, 020, 118,
164, 791, 646, 691, 791, 419, 462, 590,…
. De estos escogemos los 20 que están identificados para cada elemento que
debemos incluir en la muestra: 104, 301 (801-500), 001(501-500), 101, 036
(536-500), 020, 118, 164, 291(791-500),419, 462, 090(590-500), etc.,
Resultados y soluciones
1 1
P( X i ) 0.0020
N 500
Material didáctico: visual elaborado por Fidelmar Sandoval Durán
20 elementos que debe 20 elementos que debe
incluirse en la muestra incluirse en la muestra
(ordenados)
104 191
001 209
301 419
020 220
001 446
036 259
101 259
101 291
036 303
104 301
020 120
118 303
118 220
120 419
164 469
146 446
291 495
164 469
146 209
191 495
Resultados y soluciones
1 1
P( X i ) 0.0020
N 500
Universidad Autónoma de Estado de México
Facultad de Economía
Licenciatura en Economía
Resultados y soluciones
Teoría
Los planes de muestreo aleatorios proporcionan una base probabilística
para hacer inferencias. Los tres planes son: estratificado, por racimos y
sistemático.
El muestreo aleatorio estratificado, MAE requiere seleccionar una MAS de
cada una de las varias subpoblaciones a estratos en los que se divide la
población de N individuos, atendiendo a criterios que puedan ser
importantes en el estudio y realizando en cada una de estas
subpoblaciones muestreos aleatorios simples de tamaño ni .
N1 N2 n1
n2
MAS
muestra n3
Estrato
N3
C1
C6
C5
C5
C4
C3
C2
C2
C!
Resultados y soluciones
El plan de muestreo es por conveniencia.
Ninguno mecanismo de probabilidad es usado
y en consecuencia es imposible realizar
indiferencias. Con la información
proporcionada sólo es posible el muestreo
“accidental” por que nos conviene.
n 25 P( X 102) ?
.
. P(98 X 101) ?
. P( X 101.5) ?
Teoría
Teorema central del límite (T.C.L.). El teorema establece que la media de
una muestra aleatoria, extraída de una población que tiene cualquier
distribución de probabilidad, sigue aproximadamente una distribución
normal que tiene una media y una varianza 2 n dado un tamaño de
muestra suficientemente grande.
Desarrollo y operaciones:
. E ( X ) X 100
.
. V ( X ) X n 81 25 3.24 0.1335
2 2
. 0.8665
. X 102 100
P( X 102) P
. n 3 .24
. P( Z 1.11) 1 F ( z 1.11)
. 1 0.8665 0.1335
. Z=1.1
Desarrollo y operaciones:
. P(98 X 101) P 98 X 101
n n n 0.7123
. 1-0.8665
. 98 100 101 100
P Z
. 9 25 9 25 0.5788
. P 1.11 Z 0.56 0
. F ( z 0.56) (1 F ( z 1.11)
. 0.7123 (1 0.8665 ) 0.5788 Z=-1.11 Z=0.56
.
Desarrollo y operaciones:
.
. P( X 101.5) P X 10.5
. n n
N.7.6- Dada una población de media 100 y varianza 2 900 el limite central
se aplica cuando el tamaño de la muestra es n 25 . Se obtiene una muestra
aleatoria de tamaño n 30 .
a) ¿Cuál son la media y la varianza de la distribución de las medias muestrales
en el muestreo?
b) ¿Cuál es la probabilidad de que X 109 ?
c) ¿Cuál es la probabilidad de que 96 X 110 ?
d) ¿Cuál es la probabilidad de que X 107 ?
Teoría
Teorema central del límite (T.C.L.). El teorema establece que la media de
una muestra aleatoria, extraída
de una población 2 nque tiene cualquier
distribución de probabilidad, sigue aproximadamente una distribución
normal que tiene una media y una varianza dado un tamaño de
muestra suficientemente grande.
Desarrollo y operaciones:
E ( X ) 100
. X
. V ( X ) X2 2 n 900 30 30 0.0505
. V ( X ) 30 5.48 0.9495
.
. P( X 109) P X 109 100
n 5.48
.
. P( Z 1.64) 1 F ( z 1.64)
. 1 0.9495 0.0505 Z=1.64
.
Desarrollo y operaciones:
.
96 X 109
. P(96 X 109 ) P 0.9495
n n n
. 1-0.7673
. 96 100 109 100 0.7168
P Z
. 5.48 5.48 0
. P 0.73 Z 1.64
. F ( z 1.64) (1 F ( z 0.73)
0.9495 (1 0.7673) 0.7168 Z=1.64
. Z=-0.73
Desarrollo y operaciones:
. X 107
P( X 107 ) P
. n n 0.8997
.
P Z
107 100
PZ 1.28
. 5.48
F ( z 1.28) 0.8997 0
.
Z=1.28
N.7.7- Dada una población de media 200 y varianza 2 625 el limite central
se aplica cuando el tamaño de la muestra es n 25 . Se obtiene una muestra
aleatoria de tamaño n 25 .
a) ¿Cuál son la media y la varianza de la distribución de las medias muestrales
en el muestreo?
b) ¿Cuál es la probabilidad de que X 209 ?
c) ¿Cuál es la probabilidad de que198 X 211?
d) ¿Cuál es la probabilidad de que X 202 ?
Teoría
Teorema central del límite (T.C.L.). El teorema establece que la media de una
muestra
aleatoria, extraída de una población que tiene cualquier distribución de
2 n
probabilidad, sigue aproximadamente una distribución normal que tiene una
media y una varianza dado un tamaño de muestra suficientemente grande.
Desarrollo y operaciones:
. E ( X ) X 200
.
. V ( X ) X n 625 25 25 0.0359
2 2
. V ( X ) 25 5.00 0.9641
.
X 209 200
. P( X 209) P
n 5 .00
.
P( Z 1.80) 1 F ( z 1.80)
.
1 0.9641 0.0359 Z=1.80
.
Desarrollo y operaciones:
. 0.9861
198 X 211
.P(196 X 211) P 1-0.6554
n n n
.
. 198 200 211 200 0.6415
P Z
. 5.00 5.00 0
. P 0.40 Z 2.20
F ( z 2.20) (1 F ( z 0.40) Z=-0.40 Z=2.20
.
. 0.9861 (1 0.6554 ) 0.6415
Desarrollo y operaciones:
.
. P( X 202) P X 202
n n 0.6554
.
. P Z 202 200 PZ 0.40
. 5.00
0
. F ( z 0.40) 0.6554
Z=0.40
A.7.50 – cerca de 28% de las empresas tiene como propietario una mujer.
Responda estas preguntas con base en una muestra de 240 empresas.
a) Muestre la distribución muestral de p̂, la proporción muestral de las empresas
propiedad de una mujer.
b) ¿Cuál es la probabilidad de que la proporción muestral esté a no más de 0.04
de la proporción poblacional.
c) ¿Cuál es la probabilidad de que la proporción muestral esté a no más de 0.02
de la proporción poblacional.
Teoría
Teorema central del límite (T.C.L.). El teorema establece que la proporción de una
muestra aleatoria, extraída de una población que tiene distribución no normal de
probabilidad, sigue aproximadamente una distribución muestral normal que tiene
una media P y una desviación estándar pˆ (1 pˆ ) dado un tamaño de muestra
pˆ
suficientemente grande. n
Una distribución Binomial se aproxima mediante una distribución normal siempre
que la muestra sea suficientemente grande para satisfacer las dos condiciones
siguientes : npˆ 5 yn(1 pˆ ) 5
Desarrollo y operaciones:
.Muestra grande n=240
npˆ (240 )(0.28)
. npˆ 67.2 pˆ 0.029
. n(1 pˆ ) (240 )(0.72)
.
n(1 pˆ ) 172 .8
.
. E ( pˆ ) 0.28 p̂
E ( pˆ ) 0.28
. pˆ (0.28)(0.72)
. 240
. pˆ 0.029
Desarrollo y operaciones:
. pˆ ME
. ME Z pˆ
. ME 0.04
. Z 1.38
pˆ 0.029 0.8324
.
. P(1.38 Z 1.38) Z
. F ( Z 1.38) 1 F (1.38) Z=-1.38 Z=1.38
. 0.9162 0.0838 0.8324
Desarrollo y operaciones:
. pˆ ME
. ME Z pˆ
.
ME 0.02
. Z 0.69
pˆ 0.029
.
P(0.69 Z 0.69) 0.5098
.
. F ( Z 0.69) 1 F (0.69) Z
. 0.7549 0.2451 0.5098 Z=-0.69 Z=0.69
Material didáctico: visual elaborado por Fidelmar Sandoval Durán
Universidad Autónoma de Estado de México
Facultad de Economía
Licenciatura en Economía
Desarrollo y operaciones:
.
.
pˆ P 0.375 0.400
P
. 0.024
pˆ
.
P( Z 1.04)
.
. 1 F ( Z 1.04)
0.8508
. 1 0.1492 0.8508
.
Z=-1.04
Pasos:
Paso 1: /Calc/Make patterned data/Simple of set
numbers/
Valor inicial: 1
Valor final: 100.
Incrementos: 1.
100
C2
En la ventana
debemos
ingresar
los datos
05
18
Esto nos dice que la media de medias muestrales podría ser tomada como un
buen estadístico capaz de ser considerado como valor de la media poblacional.
Como un dato adicional, la desviación poblacional dividida entre la raíz cuadrada
del tamaño de la muestra, n = 5, que es igual a 1.74042, nos da un valor muy
cercano a la desviación estándar de la media de las medias muestrales.
Nota:
Como el valor de la media de cada muestra puede ser considerada como un valor de la
media de las medias muestrales, podemos considerar a la media de las medias muestrales
como una variable aleatoria, de allí su nombre: Variable aleatoria definida como la Media
muestral de medias muestrales.
La siguiente gráfica prueba nuestra afirmación.
Cuando n X
es decir cuando el tamaño de
la muestra se hace bastante
grande, la media muestral de
medias muestrales se
aproxima a la media
poblacional. Y la distribución
de las medias muestrales
tiene un comportamiento
normal.
Bibliografia