Nayaris González

4-807-1166

Cuestionario #2

1. ¿Qué es una población? /Que es una muestra?

Población: es el conjunto sobre el que estamos interesados en obtener conclusiones
(hacer inferencias). Pueden ser sujetas u objetos. Normalmente es demasiado grade
para poder abarcarlo.

Muestreo: subconjunto de la población al que se tiene acceso y sobre el que realmente

se hacen las observaciones (medicines).
 Debe ser representativa
 Esta formada por miembros “seleccionados” de la población (individuos,
unidades, experimentos)

2. ¿Qué es un estadístico?
Es una medida de resumen que se calcula para describir una característica a partir de una
sola muestra de la población.

3. ¿Como se calcula la media de una muestra aleatoria de tamaño n?

Dada la muestra aleatoria de tamaño n la media muestral es el estadístico obtenido
tomando la media aritmética de los elementos de la muestra, la denotamos mediante:

1
𝑥̅ = ∑ 𝑥𝑘
𝑛
𝑘

4. ¿Que indica la variabilidad de una muestra?

Se refiere a la extención de los datos de una distribución, decir al grado en que las
observaciones se distribuyen alrededor del centro (valor central).

5. ¿Como se calcula la variabilidad de una muestra de tamaño n en unidades cuadradas?

𝛴𝑥 2
𝑠2 =
𝑛

6. ¿Como se calcula la variabilidad de una muestra de tamaño n, en unidades absolutas?

Se calcula como la desviación estándar de la siguiente manera:
𝛴𝑥 2
𝑠=√
𝑛

7. Que es la distribución z
 Es una distribución con forma de campana donde las desviaciones estándar son
sucesivas con respecto a la media establecen valores de referencia para estimar el
porcentaje de observaciones de los datos.

8. Como se puede verificar gráficamente el supuesto de normalidad

Debe ser algo evidente para el lector que la detección de si un conjunto de datos viene
o no de una distribución normal puede ser una herramienta importante para el analista
de datos. La gráfica de diagnóstico a menudo puede agregar una prueba de la bondad
del ajuste formal de los datos.

9. Como se llama la distribución muestral de un estadístico

Se le llama distribución muestral.

10. Cuál es la distribución muestral de X

La distribución muestral 𝑋̅ de es la distribución de probabilidad de todos los valores de
la media muestral 𝑋̅. Como ocurre con otras distribuciones de probabilidad estudiadas,
la distribución muestral de tiene un valor esperado, una desviación estándar y una forma
característica. Para empezar se considerará la media de todos los valores de 𝑋̅, a la que
se conoce como valor esperado de 𝑋̅.

11. Explique el teorema del límite central

Si es la media de una muestra aleatoria de tamaño n tomada de una población con media
μ y varianza finita σ2, entonces la forma límite de la distribución de:

conforme n → ∞, es la distribución normal estándar n(z; 0, 1)..

12. Que es la distribución de muestreo de la media

Las distribuciones de muestreo constituyen una pieza importante de estudio por varias
razones. En la mayoría de los casos, la viabilidad de un experimento dicta el tamaño de
la muestra. La distribución de muestreo es la distribución de probabilidad de una muestra
de una población en lugar de toda la población.

13. Que es la distribución t y para que se utiliza

 Es una familia de distribuciones con forma de “campana”, Simétrica y Unimodal.
 En esta familia de distribuciones la media es 0.
 La desviación estándar depende de un parámetro denominado “grados de libertad”.
 La distribución-t se utiliza cuando nos encontramos con la dificultad de no conocer la
desviación típica poblacional y nuestra muestra es menor de 30. Es similar a la curva
normal, pero la distribución-t tiene mayor área a los extremos y menos en el centro.

14. A que se parece la distribución t

La distribución t se parece a la distribución Z, pues ambas son simétricas alrededor de
una media de cero. Ambas tienen distribuciones de campana, pero la distribución t es
más variable debido a que tienen fluctuaciones en 2 cantidades.

15. Que es estimación por intervalo

La estimación por intervalos consiste en establecer el intervalo de valores donde es más
probable se encuentre el parámetro. La obtención del intervalo se basa en las siguientes
consideraciones:

a) Si conocemos la distribución muestral del estimador podemos obtener las

probabilidades de ocurrencia de los estadísticos muestrales.

b) Si conociéramos el valor del parámetro poblacional, podríamos establecer la

probabilidad de que el estimador se halle dentro de los intervalos de la distribución
muestral.

c) El problema es que el parámetro poblacional es desconocido, y por ello el intervalo se

establece alrededor del estimador. Si repetimos el muestreo un gran número de veces y
definimos un intervalo alrededor de cada valor del estadístico muestral, el parámetro se
sitúa dentro de cada intervalo en un porcentaje conocido de ocasiones. Este intervalo es
denominado "intervalo de confianza".

16. Que es el nivel de confianza

El nivel de confianza representa el porcentaje de intervalos que incluirían el parámetro
de población si usted tomara muestras de la misma población una y otra vez.

17. Cuál es la interpretación de la estimación por intervalo

Debemos tener cuidado en interpretar intervalos de confianza correctamente. Hay una
interpretación correcta y una incorrecta del siguiente intervalo de confianza: 98.08 º F <
μ < 98.32 º F
Interpretación correcta:
Estamos 95% confiados de que el intervalo de 98.08 hasta 98.32 actualmente contiene
el valor verdadero de μ. Esto significa que, si tuviéramos que seleccionar muchas
muestras diferentes de tamaño 106 y construir el intervalo de confianza, 95% de ellas
realmente contienen el valor de la media poblacional μ.
Interpretación incorrecta:
Hay un 95% de oportunidad de que el verdadero valor de μ esté entre 98.08 y 98.32.
18. Elabore un cuadro resumen de las fórmulas que se utilizan para estimar la media de una
población por intervalos de confianza, para los siguientes casos
a. Cuando se conoce la varianza de la población/muestra grande
b. Cuando no se conoce la varianza de la población/muestra grande
c. Cuando se conoce la varianza de la población/muestra pequeña
d. Cuando no se conoce la varianza de la población/muestra pequeña

CASOS FÓRMULAS

a. Cuando se conoce la varianza de la

población / muestra grande 𝑧 𝜎 𝑧 𝜎
𝑥̅ − 𝛼⁄2 < 𝜇 < 𝑥̅ + 𝛼⁄2
√𝑛 √𝑛

b. Cuando no se conoce la varianza de

la población / muestra grande 𝑡 𝑠 𝑡 𝑠
𝑥̅ − 𝛼⁄2 < 𝜇 < 𝑥̅ + 𝛼⁄2
√𝑛 √𝑛
𝑧 𝜎
c. Cuando se conoce la varianza de la 𝜃̂𝐿 = 𝑥̅ − 𝛼⁄2 𝑛 y
√
población / muestra pequeña 𝑧 𝜎
𝜃̂𝑈 = 𝑥̅ + 𝛼⁄2 𝑛
√

d. Cuando no se conoce la varianza de

la población / muestra pequeña 𝑡 𝑠 𝑡 𝑠
𝑥̅ − 𝛼⁄2 < 𝜇 < 𝑥̅ + 𝛼⁄2
√𝑛 √𝑛

19. Como se puede calcular el tamaño de la muestra cuando se conoce la desviación

estándar de la población

20. Como se puede calcular el tamaño de la muestra cuando no se conoce la desviación

estándar de la población

21. Como se interpreta el intervalo de confianza para una sola muestra