ESTADSTICA APLICADA I

DISTRIBUCIONES MUESTRALES

mircoles 17 de junio de 2015

MUESTRA ALEATORIA
Sea X una variable aleatoria (poblacin), que tiene funcin de
probabilidad f(x) con media y varianza 2
Se dice que X1, X2,., Xn es una muestra aleatoria de tamao n,
tomada de la poblacin X, si se cumple que:
i) Cada Xi es una v.a. con funcin de probabilidad f(x)
ii) X1, X2,., Xn es una sucesin de v.a. independientes
iii) El valor esperado de cada uno de los elementos de la muestra
tiene un promedio igual al de la poblacin de la cual fue elegida

E( X i )

Xi

V (Xi ) 2

X i

iv) La varianza de cada uno de los elementos de la muestra

aleatoria es igual a la varianza de la poblacin de la cual fue
elegida

mircoles 17 de junio de 20
15

Distribuciones
Muestrales

Definicin: Una estadstica T es una funcin t(x1, ..., xn ) de los

valores de las observaciones de una muestra de tamao n; es
decir:
T= t(x1, ..., xn )
Para una poblacin de N elementos, se puede obtener: Nn P(N,
n) muestras posibles de tamao n, dependiendo de la seleccin de
la muestra (con reemplazo o sin reemplazo respectivamente).
En este sentido, la Distribucin Muestral o de Muestreo es la
distribucin de probabilidad de la estadstica muestral T, que tiene
tantos valores diferentes como muestras posibles de tamao n se
pueden obtener.
Para determinar la distribucin muestral de una estadstica, es
necesario conocer:
La poblacin y el parmetro,
Todas la muestras posibles y
Todos los valores posibles.
mircoles 17 de junio de 20
15

Distribuciones Muestrales
Cuando la poblacin es infinita, la distribucin muestral se
debe considerar como una distribucin muestral terica,
dado que no es posible conocer todas las muestras posibles.
Cuando la poblacin es finita y de un tamao moderado, se
puede construir la distribucin muestral, que se debe
considerar como una distribucin muestral experimental.
En este ltimo caso, se puede obtener todas las muestras
posibles de tamao n, calculando sus respectivas estadsticas,
as como sus probabilidades de ocurrencia.
Cuando estudiamos una distribucin muestral es necesario
conocer:
Su forma funcional,
Su valor esperado y
Su varianza.
mircoles 17 de junio de
2015

LLaaV
M
eprodianzcM
uiesm
truael:trxals:;pn
nnx1(x)0casofvntrabiloe

n2i1ini1i22
ni1ii

Teorema del Limite Central

Al aumentar el tamao de la muestra, la

distribucin de las estadsticas muestrales se
aproxima a una distribucin normal, sin importar
la forma de la distribucin de la poblacin de
donde proviene la muestra.

Como vimos, una estadstica muestral T, es una funcin

t(x1, ..., xn) de los valores observados de la muestra.
Por ejemplo:

mircoles 17 de junio de 201

5

n
1
x

x
i

1
n
2

E
(x
)V
(x
)n

Distribucin de la Media
Sea X una poblacinMuestral
que tiene distribucin normal con

media y varianza 2 y sea x1, ..., xn una muestra

aleatoria extrada de esta poblacin.
Luego la estadstica media muestral, que
esta dada por:

Tiene un valor esperado y una varianza que estn

dados por:

mircoles 17 de junio de 2015

2
,
5
i
2

2
i
1

1
,
5
n
2
N

4
1
6
M
u
e
s
t
r
a
c
o
n
r
e
m
p
l
a
z
o
N
!
4
!
P
(,n)(n)12E
i(x
2

)V
(x
)n

Ejempl
Suponga
que
o

se tiene una poblacin, cuyos elementos

son: { 1, 2, 3, 4 }
En este
caso,
el tamao
de la poblacionales,
poblacin es Nsus
= 4.
En
cuanto
a los
parmetros
valores
son:
La Media de la poblacin:

La Varianza de la Poblacin:

Si se extrae una muestra de tamao n = 2, es posible

obtener:

Intentaremos probar, a
partir de informacin
muestral,
que:
mircoles
17 de junio
de
2015

Ejemplo:

Caso de muestreo con reemplazo (k =

42 = 16 muestras)

Muest
Muest
Muest
Muest
Media
Media
Media
Media
ra
ra
ra
ra
{ 1,
{ 1,
{ 1,
{ 1,
1
1.5
2
2.5
1}
2}
3}
4}
{ 2,
{ 2,
{ 2,
{ 2,
1.5
2
2.5
3
1}
2}
3}
4}
{ 3,
{ 3,
{ 3,
{ 3,
2
2.5
3
3.5
1
}
2
}
3
}
4
}
Luego, la media muestral tiene los siguientes valores
{1 4,1.5 2 2.5 {3 4, 3.5 4
{ 4,
1 / 16 {; 4,
x 1 x 4
posibles:
2.5
3
3.5 2 / 16 ; x 1.5 x 43.5
1}
2}
3 } p( x)
4}
1/16 2/16 3/16 4/16 3/16 2/16 1/16
Poblacin

mircoles 17 de junio de
2015

Muestra

3 / 16 ;
4 / 16 ;

x2 x3
x 2.5

n
3162
xV
(V
E
)((xx))E
x.1(8x*725i1)6p([.2E
),5(x)(*]0262165
n.1(xi.52)31p.256(xi*)(16.0().15346)2*(21.5)1646.2E
(5(x
.)0)
(.5
.5)126(4)162.5

1
V

0
.
6
2
5
n
xz182,5~N
x~N ;1,25
(0,1)

Ejempl
o El valor esperado de la media muestral,
esta dado por:

La varianza de la media muestral, esta

dada por:

De este modo, y tal como

esperbamos:

Luego, la distribucin muestral de la media muestral,

esta dada por:

mircoles 17 de junio de
2015

2
x
x

N
,

N
,

z
=

N
(
0
,
1
)
n

/
n
n
2

n
-z=
x

N
(
0
,
1
)
2

n
n1

Distribucin Muestral de la Media

a) Caso de varianza 2 conocida
Si X tiene una distribucin con varianza conocida 2, se puede
afirmar que la Distribucin Muestral de la Media esta dada por:

Error Estndar
de la media
muestral
puede
afirmar

Si el tamao de la poblacin es conocido, se

que la Distribucin Muestral de la Media estara dada por:

Error Estndar de la
media muestral

mircoles 17 de junio de
2015

10

-t=
x

t=

t
(
n
1
)
/sn
s
n
-2
x

(
n
1
)
n
1

Distribucin Muestral de la Media

b) Caso de varianza 2 desconocida
Si la varianza 2 es desconocida y el tamao de muestra es
moderado, se puede afirmar que la Distribucin Muestral de la
Media esta dada por:
Error Estndar
Estimado de la media
muestral

Si el tamao de la poblacin es conocido, se puede afirmar

que la Distribucin Muestral de la Media estara dada por:

Error Estndar
Estimado de la
media muestral

mircoles 17 de junio de
2015

11

P(xA)0,2

Ejemplo
De acuerdo a los registros de calificaciones de la universidad, los
1.resultados de los exmenes del curso de marketing, siguen una

distribucin normal con una media de 78 y una varianza de 36.

a)
Qu calificacin mnima debe obtener un alumno, para
ser considerado dentro del quinto superior del curso?
b)
Si se selecciona al azar una muestra de 30 exmenes
correspondientes al parcial de Marketing en este ciclo Cul debe
Solucin
.ser la calificacin
promedio mnima en dicha muestra, para que
a)
poblacin dentro
o variable
aleatoria
X, est
formada
por los
seaLaconsiderada
del quinto
superior
de los
promedios
de
resultados
o calificaciones
exmenes
todas las muestras
posibles de
del los
mismo
tamao?de marketing, de
modo que: X ~ N(78, 36).
Y, la calificacin mnima
A, del 20% superior del
Esto es :
curso, se obtiene de:

P( x A) 0.80
A 83.0497

mircoles 17 de junio de
2015

Xx~N
78,1.2P
)P
(E
,s(txoeA
x

0
2
:)709,821

b) En este caso, la muestra es de tamao: n=30, y

= { Resultados o calificaciones promedio de las muestras
de tamao 30},
de modo que:
Y, La calificacin promedio minina A, del 20% superior de los
promedios de todas las muestras de tamao 30, se obtiene de:

mircoles 17 de junio de
2015

13
13

Ejemplo 2.-

P(x102)P0t5(18304,62751094)P(t01,75394)

El gerente de produccin de una fbrica de productos marinos

envasados asegura que el producto presentado en el nuevo
envase tiene un peso promedio de 100 gramos. La gerencia
antes de lanzar el producto al mercado, exige al jefe del rea de
control de calidad que someta a una prueba de pesos y medidas
a dicho producto.
El jefe del Area de CC, selecciona al azar 10 envases y obtienen
Solucin
.los
siguientes
resultados: 97; 102; 103; 92; 103; 96; 98; 97; 99; y
De los datos se obtiene que: = 100; n = 10; s = 3,6148
95.
Cul ser la probabilidad de que el peso promedio de la muestra
En este
no se conoce la varianza de la poblacin y la
supere
loscaso
102 gramos?
muestra es pequea ya que n 30. Adems se tiene que: t~t(9).
Por tanto, se tiene que calcular:

mircoles 17 de junio de
2015

14

1
S
i
s
a
t
f
c
e
l
a
r
c
t
e

s
i
c
a
K
X

0
N
o
k

X
in
i

1
x
i

p
nn

Distribucin de la Proporcin
Muestral
Sea X una poblacin donde una parte de sus elementos satisfacen
cierta caracterstica. Esto quiere decir que:

La proporcin de la proporcin de la poblacin que satisface

cierta caracterstica est dada por:
K es nmero de observaciones que satisfacen la
caracterstica y es el tamao de la poblacin

Si se tiene una muestra aleatoria extrada de esta poblacin,

x1, ..., xn, la proporcin de la muestra est definida por:
k es nmero de observaciones que satisfacen
la caracterstica, y n es el tamao de la
muestra

mircoles 17 de junio de
2015

15

(
1

)
p
2
p
~
N
(

~
N
(
0
,
1
)
p
p
p
p
n

(
1

)
N

n
p

2
p
~
N
(
,p
)p

N
(0
,1
)
1
~
ppn
Distrib. Muestral de la Proporcin
Muestral

Cuando n >30, la distribucin muestral de proporcin

muestra est dada por:

de la

Error Estndar de la
proporcin muestral

Cuando el tamao de la Poblacin es conocido se tiene que:

Error Estndar de la
proporcin muestral

mircoles 17 de junio de
2015

16

Ejemplo
El fabricante de maquinas despachadoras de caf indica que de
cada 1000 vasos servidos, slo 15 vasos tienen una cantidad de
caf por debajo de las 8 onzas (medida estndar establecida).
Una empresa que va comprar este tipo de mquina quiere evaluar
si esto es verdad. Esto es, desea estimar la proporcin de vasos
servidos con cantidad de caf por debajo de las 8 onzas, en base
a los datos de una muestra aleatoria de 100 vasos de caf que ha
servido esta mquina. Cul es la probabilidad que esta
proporcin en la muestra se encuentre entre 1,2% y 2,0%?
Solucin.X: Vasos que tienen un contenido de caf por debajo de las 8
onzas.
= 0,015 prop. de vasos con un contenido menor que 8 onzas.
n = 100 muestra de vasos observados

mircoles 17 de junio de
2015

17

0
,
1
5
(
0
,
9
8
5
)
P

p
~
N
0
,
1
5
;

(p

(
0
,
9
8
5
)

0
,
1
2
5
1
0,12p02)P
(z0,
)65973P
2
0
(4z2
05,71
2)

Ejemplo

mircoles 17 de junio de
2015

18

n
2
(
x

)
i1
2
i2in

1
s

n
1
2
2
(
n

1
)
s
i

22
n
-1

Distribucin de la Varianza Muestral

Sea X una poblacin que tiene una distribucin normal; si se

toma una muestra aleatoria x1, ..., xn se puede calcular la
estadstica varianza muestral, que esta dada por:

de donde se puede deducir:

As se puede afirmar que:

mircoles 17 de junio de
2015

19

2
P

(
n

1
)
s
(
1
5

)
(
3
9
,
7
4
)
2

(P
,(2s
s

3
9
7
4
)

2
3

2
2

2
6
,

2
6
1
2
1
4
2
9
,7
4
)
1

P
1
2

0
,9
7
5

0
,2
5

Ejemplo

Un investigador afirma que la varianza de una determinada

poblacin, que sigue una distribucin normal, es igual a 21.3. Sin
embargo, podra rechazar tal afirmacin si la varianza de una
muestra aleatoria de tamao 15 excede a 39,74. Cul es la
probabilidad
deprobabilidad
que dicha afirmacin
sea la
rechazad?
Solucin
.- La
de rechazar
afirmacin est dada
por:

mircoles 17 de junio de
2015

20

Ejemplo:
Se sabe que la duracin de paneles luminosos fabricados por
una compaa tiene una media de 2000 horas y una desviacin
tpica de 60 horas. Si se seleccionan al azar 10 paneles, Cul
ser la probabilidad que la desviacin estndar muestral:
a)No supere las 50 horas?
b)Se encuentre entre 50 y 70 horas?

Ejemplo:

Las bolsas de plstico empleadas para empaquetar productos

se fabrican de forma que la resistencia a la rotura tenga una
distribucin normal con = 5 kg/cm2 . Si se toma una
muestra al azar de 16 bolsas. Qu valor mximo tendr la
desviacin estndar de la muestra con probabilidad 0.95?

mircoles 17 de junio de 20
15

21

k
k
1
2
p
=
y
p
=
1
2
n
n
2
p

1
2
p

1
2
1
2

(
1

(
1

)
1
1
2
2

p
2p
2n
1
1
n

Distribucin de la Diferencia
Proporciones
Sean dos poblaciones independientes, X e Y, cuyas proporciones

poblacionales son 1 y 2, respectivamente. Si se toma muestras

independientes en cada una de estas poblaciones de tamaos n 1
y n2, respectivamente, se podra obtener las dos proporciones
muestrales siguientes:

Si los tamaos de muestras son grandes, esto es n 1 + n2 >30, se

puede decir que la Distribucin Muestral de la Diferencia de
las Proporciones Muestrales esta dada de la siguiente forma:

mircoles 17 de junio de
2015

22

Ejemplo

P
iT
u
rcn
a

120
,8
5
n

3
0
p

0
,
8
1
1
92425

Un analista de mercado considera que el 85% de los

consumidores potenciales en Piura y el 95% de la ciudad de Tacna
prefieren beber cerveza rubia. Para validar su opinin, levanto una
encuesta de opinin independiente en cada ciudad. Comprob
que 240, de 300 personas entrevistadas en Piura y 340 de las 400
personas entrevistadas en Tacna prefiere beber cerveza rubia.
Cul
es probabilidad de observar una diferencia mayor que 5%
Solucin.entre
ambas
proporciones
muestrales?
En ambas
poblaciones
se observa
la proporcin de preferencia para
beber cerveza rubia.

mircoles 17 de junio de
2015

23

t
l
ip
S
e
n
q
u
e
a
d
i
s
t
r
b
u
c
i

n
m
u
e
s
t
r
a
l
e
s
t

d
a
p
o
r
:
2

1
2
p

1
2
1
2
,P

0
1
p

1
2
8
5
(
0
1
)
0
9
5
(
,
0
)

,
0
2
3
1
2
3
4
p12,10,9P84(p061,52p10,98425)6P0(,p51)20,5)

Ejemplo

mircoles 17 de junio de
2015

24

2
F
222F
(
n

1
)
s
1
1
(
n
)s212

1
1
2
2
2
sF

s
1
1
1

F
(n
-1
,2-1
)
1
(n1-1,2)
Distribucin de la Razn de
Varianzas

Sean X e Y poblaciones independientes que tienen

distribuciones normales. Si se toman muestras independientes
de tamaos n1 y n2, respectivamente, entonces la variable F
tendr una distribucin F con n1 -1 y n2 -1 grados de libertad, si
est definida de la siguiente forma:

el caso que las varianzas poblacionales sean iguales: 12 = 12 , se tiene

mircoles 17 de junio de 2015

25

2
2
2
M
iL

q
u
n
a
A

2
5
s

5
4
0
A
d
e
m

s
d
e
l
p
r
o
b
e
m
a
s
t
i
e
n
:

1
1
x
y
B
2
6
2
2
s
x
uPesgy2xo:2
F

F
(
2
4
,
)
y
6
5
4
0
P
(2
,1
)P
(F2
,1
)0
,9
6
3
0
,3
6
7

Ejemplo

Se desea saber si se puede comparar dos procesos en relacin

con la variabilidad de la resistencia que tiene un producto
respecto a la traccin. Se considera que los procesos producirn
plsticos con igual resistencia a la traccin, si la razn entre la
varianzas muestrales no es demasiado grande.
sta ser
demasiado grande si la probabilidad, de obtener un valor mayor
o igual que el cociente de las varianzas muestrales, es menor
que 0,04. De dos muestras aleatorias independientes de 25
Solucin.- De los datos se tiene lo siguiente:
especimenes cada una, se observ que las varianzas muestrales
fueron 540 y 256. Asumiendo que ambos procesos de produccin
se ajustan a una distribucin normal con igual variabilidad, a
qu conclusin debera llegar el gerente en este caso?.

mircoles 17 de junio de 2015

26

Ejemplo:
Dadas dos muestras aleatorias de poblaciones normales con
varianzas iguales, de tamao 10 cada una, cul es la
probabilidad de observar que la varianza de la primera
muestra sea por lo menos cuatro veces la varianza de la
Ejemplo: muestra?
segunda
Segn estudios realizados anteriormente, la varianza en el
llenado de las botellas de Pilsen y Cristal son de 2.8 y 3.4 ml,
si se toman muestras de 12 y 15 botellas, de Pilsen y Cristal,
Cul es la probabilidad de que la varianza en la muestra de
Pilsen sean inferiores a las de Cristal?

mircoles 17 de junio de
2015

27

x
x

x
=
y
x
=
n
n
;n
x

N
i22
i
11
2
1
2
x

1
2
1
2
2
1
x
212
1

Distribucin de la Diferencia de
Medias

Sean X1 y X2 , dos poblaciones independientes que tienen

distribuciones normales. Si se toman muestras independientes de
tamaos n1 y n2, respectivamente, se puede obtener las medias
muestrales mediante:

a) Caso de varianzas 12 y 22 , conocidas

Si X1 y X2 tienen distribuciones con varianzas (poblacionales)

conocidas, se puede afirmar que la Distribucin Muestral de la
Diferencia
de
Medias
Muestrales
de
Poblaciones
Independientes esta dada por:

mircoles 17 de junio de
2015

28

tx1sp2n1112t(n2)done:s2p(n11)s12(n221)s2

Dist. Muestral de la Diferencia de

Medias

1
2

b)Caso de varianzas 12 y 22 ,
desconocidas
Cuando n1 + n2 30 y adems se sabe que las varianzas
son desconocidas pero iguales se puede decir que la
Distribucin Muestral de la Diferencia de Medias
Muestrales de Poblaciones Independientes esta dada por
la distribucin de la variable t. Esto es:

mircoles 17 de junio de
2015

29

2
2

s
1

n
(tx12sn1)
(212)
t(G)done:G
1ns2
12
21

Dist. Muestral de la Diferencia de

Medias
Cuando

n1 + n2 30 y adems se sabe que las varianzas

son desconocidas pero diferentes se puede decir que la
Distribucin Muestral de la Diferencia de Medias
Muestrales de Poblaciones Independientes esta dada por la
distribucin de la variable t. Esto es:

mircoles 17 de junio de 2015

30

IP
nN
geoxci1rsa2:2nN

4
0

1
2

1
,
2
12
1
1
3
5
6
2
2
2
2
1
,
2
6
Px11-202;.9xx7112520x21,2P14x351x212P40x1320,3248

Ejemplo 1.-

Tradicionalmente, se puede afirmar que las calificaciones de los

exmenes finales de los estudiantes de ingeniera tienen una
puntacin promedio d de 12 con una desviacin estndar de 1,2
puntos. Mientras que la de los estudiantes de negocios, tienen
una calificacin promedio de 15 con una desviacin estndar de
1,6. Si se asume que las calificaciones de los estudiantes se
ajustan a una normal, y si en el ciclo pasado se eligen al azar los
exmenes
ingenieraconocidas
y 30 de negocios.
Solucin.-Estamos
en un caso de varianzas
.- de 40 estudiantes
Cul ser la probabilidad de observar una diferencia de a lo ms
2,0 puntos entre las calificaciones promedio entre ambas
escuelas?

mircoles 17 de junio de
2015

31

Ejemplo 2.-

El gerente ventas quiere implementar una de las dos nuevas

tcnicas de ventas para la prxima campaa. Considera que
primero debera probarlas. La primera tcnica la prueba con 12
vendedores y la segunda tcnica con 15 vendedores. Al finalizar la
semana de prueba, comprob que con la primera tcnica, las
ventas promedio fueron de 68 con una desviacin estndar de
7,071. Mientras que con la segunda tcnica, las ventas promedio
fueron
de
conlos
una
desviacin
de 8,68.
Solucin
.- 72
Segn
datos
se debeestndar
asumir que:
1 - 2Asumiendo
= 0 y 1 2
que las
ventas obtenidas se aproximan a una distribucin normal
= 22. Estamos en un caso de varianzas desconocidas muestras
con el mismo promedio y la misma variabilidad, en ambas
pequeas,
pero
varianzas
Tcnica
1 que
n1 iguales.
12
x1 68 s1 que
7,071
tcnicas.
Cree
usted
es probable
la segunda tcnica sea
mejor que la primera
enn2ms
Tcnica 2
15 de
x 2 4 ventas?
72 s2 8,68

(n1 1) s12 (n2 1) s22

donde : s
64,19
n1 n2 2
2
p

mircoles 17 de junio de
2015

32

Ejemplo 2.De modo que:

P x 2 x1 4 P x1 x 2 4

40
P t

1
1

64,19

12 15

P (t 1.2891); t 25 g .l.
0,104582

mircoles 17 de junio de
2015

33