Estadstica Inferencial

Distribucin Muestral para la Media,

Teorema Central del Lmite,
Distribucin muestral para la
proporcin
Docente: Mara del Carmen Andrade Lara

Distribucin Muestral
La Distribucin muestral es una distribucin
de probabilidades que consta de todos los
valores posibles de un estadstico de
muestra.
_

Distribucin muestral del promedio (x):

La distribucin muestral del promedio es la
distribucin de probabilidad de todos los
valores posibles de la media de la muestra
_
x

Valor esperado del promedio

muestral
__

Valor esperado de x : _
E(x) =
_
_
Donde : E(x) = valor esperado de x
= media de la poblacin

Desviacin estndar del promedio

muestral
_
Desviacin estndar de x :

Si la poblacin es finita:
_
x = [(N - n) / (N -1)]^0.5 * ( / n)

Si la poblacin es infinita:
_
x = ( / n) tambin aplica si la poblacin es finita y (n /
N) 0.05

Teorema Central del Lmite

Al seleccionar muestras aleatorias simples
de tamao n de una poblacin, la
distribucin muestral de la media
muestral (x barra) se puede aproximar con
una distribucin de probabilidad normal,
cuando el tamao de la muestra es grande.
(n 30 )

Ejemplo
Los ingenieros encargados del diseo y mantenimiento de pavimentos para
aviones tradicionalmente utilizan concreto con calidad de pavimento. Se realiz
un estudio en el aeropuerto Luton (Reino Unido) con el fin de evaluar la
idoneidad de bloques de concreto como superficie para pavimentos de aviones.
El concreto original con calidad de pavimento del extremo occidental de la pista
se cubri con bloques de concreto con un espesor de 80 mm. Se realiz una
serie de pruebas de soporte de plancha para determinar el nmero de
clasificacin de carga (LCN) - una medida de resistencia a la ruptura de la
superficie.
_
Sea x el LCN medio de una muestra de 30 secciones de bloques de concreto
del extremo occidental de la pista.
a. Antes del recubrimiento, se saba que el LCN medio del concreto = 60 y
= 10. Si la resistencia media de la nueva superficie de bloques de concreto no
es diferente de aquella de la superficie original, describa la distribucin de
muestreo de la media.
R/ Aunque no se conoce la distribucin de X por TLC: (n 30)
_
X ~ N ( =60 , 10/ 30 ) aproximadamente

Ejemplo
b.

Calcule la probabilidad de que el LCN medio de la muestra de 30

secciones de bloques de concreto sea mayor que 65?
_
_
x - 65 - 60
R/ P(x > 65) = P( -------- > ---------- )
/ n 10 / 30
_
P(x > 65) = P(

_
P(x > 65) = 1

>

P(

2.74 )

<

2.74 ) = 1 - 0.9969 = 0.0031

Distribucin muestral de la proporcin

_

Distribucin muestral de p:
La distribucin muestral de la proporcin es
la distribucin de probabilidad de todos los
valores posibles de la proporcin muestral
_
p

Valor esperado de la proporcin

muestral
_
Valor esperado de p : _
E(p) = p
_
_
Donde : E(p) = valor esperado de p
p = proporcin poblacional

Desviacin estndar de la
proporcin muestral
_
Desviacin estndar de p :

Si la poblacin es finita:
_
p = [(N - n) / (N -1)]^0.5 * (p * (1 p) / n) ^0.5

Si la poblacin es infinita:
_
p = (p * (1 p) / n) ^0.5 tambin aplica si la poblacin es
finita y (n / N) 0.05

Forma de la distribucin muestral

de la proporcin
La distribucin muestral de la proporcin
muestral (p barra) se puede aproximar con
una distribucin de probabilidad normal,
siempre que el tamao de la muestra sea grande.
Se considera grande cuando:
(n*p 5) y
[n*(1-p)] 5

Estimador Puntual
A los valores numricos obtenidos para el
promedio, la desviacin estndar o la
proporcin en una determinada muestra se
les llama Estimaciones Puntuales.

Propiedades de los estimadores

puntuales
Insesgadez:
Si el valor esperado del estadstico de muestra es
igual al parmetro poblacional que se estima, se
dice que ese estadstico es un estimador
insesgado del parmetro poblacional.
^

El estadstico de muestra es un estimador

insesgado del parmetro poblacional si:
^

E() =
^

Donde E() = valor esperado del estadstico

Ejemplo de estimadores puntuales

insesgado y sesgado
Insesgado
Distribucin muestral de

Sesgado
Distribucin muestral de

sesgo

E()

Propiedades de los estimadores

puntuales
Eficiencia:
Suponga que se puede usar una muestra aleatoria
simple de n elementos para obtener dos
estimadores puntuales del mismo parmetro
poblacional. En este caso, preferiramos usar el
estimador puntual con la menor desviacin
estndar,
porque
tiende
a
proporcionar
estimaciones ms cercanas al parmetro
poblacional. Se dice que un estimador puntual
con menor desviacin estndar tiene una
mayor eficiencia relativa que otro.

Propiedades de los estimadores puntuales

Consistencia:
Una tercera propiedad asociada con los buenos estimadores puntuales
es la consistencia. Hablando en trminos generales, un estimador
puntual es consistente si sus valores tienden a acercarse al
parmetro de poblacin conforme se incrementa el tamao de la
muestra.
En otras palabras, un tamao grande de muestra tiende a proporcionar
un mejor estimador puntual que un tamao pequeo. Observe que, para
la media muestral (x barra), demostramos (en el ejercicio 31 pgina
265 ) que su desviacin estndar se relaciona con el tamao de
muestra, de tal manera que las muestras mayores dan menores valores
de la desviacin estndar del promedio muestral, se lleg a la conclusin
de que un tamao de muestra mayor tiende a producir estimaciones
puntuales ms cercanas a la media de la poblacin .
En este sentido, se puede decir que la media muestral (x barra) es un
estimador consistente de la media poblacional .

Bibliografa

Anderson,
Sweeney,
Williams.
Estadstica para administracin y
economa, Thomson 2004, octava
edicin, Mxico.