Beruflich Dokumente
Kultur Dokumente
DISTRIBUCIONES MUESTRALES
domingo, 17 de Noviembre
de 2019
Distribuciones Muestrales
Definición: Una estadística T es una función t(x1, ..., xn ) de los valores de las observaciones de una
muestra de tamaño n; es decir:
T= t(x1, ..., xn )
Para una población de N elementos, se puede obtener: Nn ó P(N, n) muestras posibles de tamaño n,
dependiendo de la selección de la muestra (con reemplazo o sin reemplazo respectivamente).
En este sentido, la Distribución Muestral o de Muestreo es la distribución de probabilidad de la
estadística muestral T, que tiene tantos valores diferentes como muestras posibles de tamaño n se
pueden obtener.
Para determinar la distribución muestral de una estadística, es necesario conocer:
– La población y el parámetro,
– Todas la muestras posibles y
– Todos los valores posibles.
x i
La Media Muestral : x i 1
n
n
xi2 n ( x ) 2
La Varianza Muestral : s 2 i 1
n 1
n
x i
1 caso favorable
La proporción muestral : p i 1
; xi
n 0 caso contrario
domingo, 17 de Noviembre de 2019 5
Distribución de la Media Muestral
Sea X una población que tiene distribución normal con media y varianza 2 y sea x1, ..., xn
una muestra aleatoria extraída de esta población.
0.3 0.25
0.2
0.2
0.15
0.1 0.1
0 0.05
1 2 3 4
0
1 1.5 2 2.5 3 3.5 4
domingo, 17 de Noviembre de 2019 8
Ejemplo
El valor esperado de la media muestral, esta dado por:
n 1 2 3 4 3 2 1
E( x ) x i p ( x i ) (1) (1 .5 ) ( 2 .0 ) ( 2 .5 ) ( 3 .0 ) ( 3 .5 ) ( 4 ) 2.5
i 1 16 16 16 16 16 16 16
La varianza de la media muestral, esta dada por:
2 n 2 2
V( x ) E ( x ) [ E ( x )] x i 2 p ( x i ) ( 2.5)
i 1
2 1 2 2 2 2 2 1
V( x ) 1 * 1,5 * ..... 3.5 * 4 * 6.25
16 16 16 16
V( x ) 6.875 6.25 0.625
E(x ) μ 2.5
De este modo, y tal como esperábamos:
σ 2 1.25
V( x ) 0.625
n 2
Luego, la distribución muestral de la media muestral, esta dada por:
1, 25 x 2 ,5
x~ N 2 , 5; z ~ N(0,1)
2 1,118 2
domingo, 17 de Noviembre de 2019 9
Distribución Muestral de la Media
a) Caso de varianza 2 conocida
Si X tiene una distribución con varianza conocida 2, se puede afirmar que la Distribución Muestral de la Media
esta dada por:
2 x -
x N , z=
N(0,1)
n / n
Error Estándar de la media
muestral
Si el tamaño de la población es conocido, se puede afirmar que la Distribución Muestral de la Media estaría
dada por:
2 n x -
x N , z = N(0,1)
n 1 n
2
x -
t= t (n - 1)
s/ n Error Estándar Estimado de la media
muestral
Si el tamaño de la población es conocido, se puede afirmar que la Distribución Muestral de la Media estaría
dada por:
x -
t= t (n - 1)
s n
2
Solución .-
a) La población o variable aleatoria X, está formada por los resultados o calificaciones de los exámenes de marketing,
de modo que: X ~ N(78, 36).
Y, La calificación promedio minina A, del 20% superior de los promedios de todas las muestras de tamaño 30, se
obtiene de:
P( x A ) 0 ,2 0
Esto es :
P ( x A) 0,80
A 78,9219
Solución .-
De los datos se obtiene que: = 100; n = 10; s = 3,6148
En este caso no se conoce la varianza de la población y la muestra es pequeña ya que n 30. Además se tiene que:
t~t(9).
Por tanto, se tiene que calcular: 102 100
P ( x 102 ) P t P (t 1,751954 )
3,61 10
1 P (t 1,751954 ) 1 0,943153
0,056847
1 Si satisface la característica
X
0 No satisface la característica
La proporción de la proporción de la población que satisface cierta característica está dada por:
K Xi K es número de observaciones que satisfacen la característica y es el tamaño de la
i 1
población
Si se tiene una muestra aleatoria extraída de esta población, x1, ..., xn, la proporción de la muestra está definida por:
n
k xi k es número de observaciones que satisfacen la característica, y n es el tamaño de la
p i 1
muestra
n n
( 1 ) p p
p ~ N( p , 2p ) p p z ~ N(0,1)
n p
Error Estándar de la proporción muestral
( 1 ) N n p p
p~ N( p , 2p ) p p z ~ N(0,1)
n N1 p
Error Estándar de la proporción
muestral
Solución.-
X: Vasos que tienen un contenido de café por debajo de las 8 onzas.
= 0,015 prop. de vasos con un contenido menor que 8 onzas.
n = 100 muestra de vasos observados
0,015 (0,985)
σp 0,012155
100
n 2
(x i x )
s2 i 1
n1
n 2
2
(x i x ) (n 1)s2
i 1
2 2
Así se puede afirmar que:
2 2n - 1
Ejemplo:
Las bolsas de plástico empleadas para empaquetar productos se fabrican de forma que la resistencia a la rotura
tenga una distribución normal con = 5 kg/cm2 . Si se toma una muestra al azar de 16 bolsas. ¿Qué valor
máximo tendrá la desviación estándar de la muestra con probabilidad 0.95?
domingo, 17 de Noviembre
21
de 2019
Distribución 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 tamaños n1 y n2, respectivamente, se podría
obtener las dos proporciones muestrales siguientes:
k1 k2
p1 = y p2 =
n1 n2
Si los tamaños de muestras son grandes, esto es n1 + n2 >30, se puede decir que la Distribución Muestral de la
Diferencia de las Proporciones Muestrales esta dada de la siguiente forma:
p 1 p 2 N p 1 p 2 , 2p 1 p 2
1 (1 1 ) 2 (1 2 )
p1 p2 1 2 p1 p2
n1 n2
Solución.-
En ambas poblaciones se observa la proporción de preferencia para beber cerveza rubia.
Piura 1 0 , 85 n 1 300 p 1 0 , 80
Tacna 2 0 , 95 n 2 400 p 2 0 , 85
P p 1 p 2 0 ,05 1 P p 1 p 2 0 ,05
1 P( 0 ,05 p 1 p 2 0 ,05)
1 P( p 1 p 2 0 ,05) P( p 1 p 2 0 ,05)
1 ( 1,000000 0,98406)
0,98406
(n 1 1)s12
(n 1 1)
σ 2
s12 σ12 σ 22 s12
F 1 2 2 2 2 F(n1 -1, n2 -1)
(n 2 1)s 22 s 2 σ 2 σ1 s 2
(n 2 1)
σ 2
2
En el caso que las varianzas poblacionales sean iguales: σ12 = σ12 , se tiene que:
s12
F 2 F(n1 -1, n2 -1)
s2
domingo, 17 de Noviembre de 2019 25
Ejemplo
Se desea saber si se puede comparar dos procesos en relación con la variabilidad de la resistencia que tiene un
producto respecto a la tracción. Se considera que los procesos producirán plásticos con igual resistencia a la
tracción, si la razón entre la varianzas muestrales no es demasiado grande. Ésta será 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 especimenes cada una, se observó que las varianzas muestrales fueron
540 y 256. Asumiendo que ambos procesos de producción se ajustan a una distribución normal con igual
variabilidad, ¿a qué conclusión debería llegar el gerente en este caso?.
Solución.- De los datos se tiene lo siguiente:
Máquina A n 1 25 s 12 540 A demás del problema se tiene : σ 2x σ 2y
Máquina B n 2 25 s 22 256
s 2x
Luego : F 2 F( 24, 24 )
sy
s 2x 540
P 2 P( F 2 ,11) 1 P( F 2 ,11) 1 0,9633 0 ,0367
s y 256
domingo, 17 de Noviembre de 2019 26
Ejemplo:
Dadas dos muestras aleatorias de poblaciones normales con varianzas iguales, de tamaño 10 cada una, ¿cuál es la
probabilidad de observar que la varianza de la primera muestra sea por lo menos cuatro veces la varianza de la
segunda muestra?
Ejemplo:
Según estudios realizados anteriormente, la varianza en el llenado de las botellas de Pilsen y Cristal son de 2.8
y 3.4 ml², si se toman muestras de 12 y 15 botellas, de Pilsen y Cristal,
¿Cuál es la probabilidad de que la varianza en la muestra de Pilsen sean inferiores a las de Cristal?
domingo,17deNoviembrede2019 27
Distribución de la Diferencia de Medias
Sean X1 y X2 , dos poblaciones independientes que tienen distribuciones normales. Si se toman muestras
independientes de tamaños n1 y n2, respectivamente, se puede obtener las medias muestrales mediante:
x1 =
x 1i
y x2 =
x 2i
n1 n2
x 1 x 2 N x 1 x 2 ; 2x 1 x 2
12 22
x1 x2 1 2 x1 x2
n1 n2
Cuando n1 + n2 ≤ 30 y además se sabe que las varianzas son desconocidas pero iguales se puede decir
que la Distribución Muestral de la Diferencia de Medias Muestrales de Poblaciones Independientes esta
dada por la distribución de la variable t. Esto es:
t
x1 x2 1 2 t donde : s 2p
(n 1 1)s12 (n 2 1)s22
(n 1 n 2 2)
1 1 n1 n2 2
s 2p
n1 n2
2
s12 s 22
( x 1 x 2 ) ( 1 2 ) n
donde : G 2
n
t t (G )
1 2
2
s12 s 22 s12 s 22
n1 n2 n
1 n2
n1 1 n 2 1
x 1 x 2 N x1 x 2 ; ˆ 2
x1 x 2 x 1 x 2 3 ˆ x1 x 2
1, 2 2 1,6 2
40 30
0,3483
P x 1 x 2 2 P 2 x 1 x 2 2 P x 1 x 2 2 P x 1 x 2 2
1 - 0.997955 0,002145
domingo, 17 de Noviembre de 2019 31
Ejemplo 2.-
El gerente ventas quiere implementar una de las dos nuevas técnicas de ventas para la próxima campaña. Considera que
primero debería probarlas. La primera técnica la prueba con 12 vendedores y la segunda técnica con 15 vendedores. Al
finalizar la semana de prueba, comprobó que con la primera técnica, las ventas promedio fueron de 68 con una
desviación estándar de 7,071. Mientras que con la segunda técnica, las ventas promedio fueron de 72 con una
desviación estándar de 8,68. Asumiendo que las ventas obtenidas se aproximan a una distribución normal con el mismo
promedio y la misma variabilidad, en ambas técnicas. ¿Cree usted que es probable que la segunda técnica sea mejor
que la primera en más de 4 ventas?
Solución.- Según los datos se debe asumir que: 1 - 2 = 0 y 12 = 22. Estamos en un caso de varianzas
desconocidas muestras pequeñas, pero varianzas iguales.
Técnica 1 n1 12 x1 68 s1 7,071
Técnica 2 n2 15 x 2 72 s2 8,68
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