Documente Academic
Documente Profesional
Documente Cultură
SAN MARCOS
UNIVERSIDAD DEL PERÚ, DECANA DE AMÉRICA
FUNDADA EL 12 DE MAYO DE 1551 (651 AÑOS)
SEMANA 11
I. DISTRIBUCIONES MUESTRALES: DISTRIBUCIÓN
MUESTRAL DE LA MEDIA.
II. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN
III. DISTRIBUCIÓN MUESTRAL DE LA VARIANZA.
IV. ESTIMACIÓN PUNTUAL. PROPIEDADES DE UN
ESTIMADOR PUNTUAL.
1. DISTRIBUCION MUESTRAL
II. ̅
DISTRIBUCIÓN MUESTRAL DE LA MEDIA 𝐗
Ejemplo 1.6
Solución:
1ro calcular la media y la varianza poblacional:
∑(𝐱 𝐢 −𝛍)𝟐
𝛔𝟐 = =
𝐍
Valores de 𝑥̅ 0 1 2 3 4 5 6
𝑃𝐼 = 𝑃(𝑋̅ = 𝑋̅𝐼 ) 1/16 2/16 3/16 4/16 3/16 2/16 1/16
𝝈𝟐
𝝈𝟐𝒙̅ = 𝐕𝐚𝐫(𝒙
̅) = =
𝒏
Valores de 𝑥̅ 1 2 3 4 5
𝑃𝐼 = 𝑃(𝑋̅ = 𝑋̅𝐼 ) 1/6 1/6 2/6 1/6 1/6
𝝈𝟐 𝑵−𝒏
̅) =
𝐕𝐚𝐫(𝒙 ( )=
𝒏 𝑵−𝟏
𝐗−𝛍
𝐙= ~𝐍(𝟎, 𝟏)
𝛔
En donde Z es una variable estandarizada con media igual a cero y
varianza igual a uno. Con esta fórmula se pueden a hacer los cálculos de
probabilidad para cualquier ejercicio, utilizando la tabla de la distribución
Z.
̅−𝛍
𝐗
𝐙=
𝛔 √𝐍 − 𝐧
√𝐧 𝐍 − 𝟏
Ejercicios 01:
Una Centro tecnológico eléctrico fabrica focos que tienen una duración
que se distribuye aproximadamente en forma normal, con media de 800
horas y desviación estándar de 40 horas. Encuentre la probabilidad de
que una muestra aleatoria de 16 focos tenga una vida promedio de
menos de 775 horas.
sol
Ejercicios 02:
𝐒𝐧
̂=
𝐩
𝐧
̂ se
La Distribución Muestral de la estadística 𝒑
denomina DISTRIBUCIÓN MUESTRAL DE LA
PROPORCIÓN MUESTRAL con media “P” y
𝐏𝐐
varianza” ”
𝐧
𝐏𝐐 ̂−𝑷
𝒑
̂ ≅ 𝐍 (𝐏,
𝐩 )ó 𝒁 = ≅ 𝑵(𝟎, 𝟏)
𝐧 𝑷𝑸
√
𝒏
Si el muestreo se realiza sin reemplazamiento de una
población finita N, entonces para n suficientemente grande
̂ se distribuye:
la proporción muestral 𝒑
𝐏𝐐 𝑵 − 𝒏 ̂−𝑷
𝒑
̂ ≅ 𝐍 (𝐏,
𝐩 )ó 𝒁 = ≅ 𝑵(𝟎, 𝟏)
𝐧 𝑵−𝟏
√𝑷𝑸 𝑵 − 𝒏
𝒏 𝑵−𝟏
Aproximación de la Binomial a la Normal:
𝑿−𝒏𝑷
B(n,P)→ 𝑵(𝒏𝑷, 𝒏𝑷𝑸) ó 𝒁 = ~𝑵(𝟎, 𝟏); 𝑿 = 𝒏𝒑
̂
√𝒏𝑷𝑸
EJERCICIO 01
Sol.
EJERCICIO 02
Sol.
EJERCICIO 03
Sol.
EJERCICIO 04
Solución
EJERCICIO 05
Se sabe que la verdadera proporción de los componentes defectuosos
fabricados por una firma es de 4%, y encuentre la probabilidad de que
una muestra aleatoria de tamaño 60 tenga:
Solución:
𝟐
̅~𝐍(𝛍, 𝛔 )
a) 𝐗
𝐧
̅ 𝒚 𝑺𝟐 𝒔𝒐𝒏 𝒊𝒏𝒅𝒆𝒑𝒆𝒏𝒅𝒊𝒆𝒏𝒕𝒆𝒔
b) 𝑳𝒂𝒔 𝒆𝒔𝒕𝒂𝒅í𝒔𝒕𝒊𝒄𝒂𝒔 𝒙
c) DISTRIBUCIÓN DE LA VARIANZA MUESTRAL
La Variable aleatoria:
̅ )𝟐
(𝐧 − 𝟏)𝐒𝟐 ∑𝐧𝐢=𝟏(𝐗 𝐢 − 𝐗
𝟐
= 𝟐
~ℵ𝟐(𝐧−𝟏)
𝛔 𝛔
EJERCICIO 01
EJERCICIO 03
EJERCICIO 04
Definición:
Sea X una v.a. con función densidad de probabilidad 𝒇(𝒙, 𝜽), donde 𝜽
denota el parámetro desconocido de la población.
̂
Un estimador puntual del parámetro 𝜽 es pués, una variable aleatoria 𝜽
̂ del
Mientras que una estimación puntual es el valor númerico 𝜽
estimador.
Un buen estimador, es aquel que está mas cerca del parámetro que se
estima.
a) ESTIMADOR INSESGADO
̂] = 𝛉 … . . (𝟏)
𝐄[𝛉
𝑬𝒋𝒆𝒎𝒑𝒍𝒐:
𝐄[𝐱̅] = 𝛍
𝐄[𝐒 𝟐 ] = 𝛔𝟐
̂] = 𝐏
𝐄[𝐩
b) ESTIMADOR CONSISTENTE
……..(2)
c) ESTIMADOR EFICIENTE
Ejemplo:
̂𝟏 𝐲 𝛉
𝛉 ̂𝟐 𝐬𝐨𝐧 𝐞𝐬𝐭𝐢𝐦𝐚𝐝𝐨𝐫𝐞𝐬 𝐢𝐧𝐬𝐞𝐠𝐚𝐝𝐨𝐬 𝐝𝐞 𝛉 , tal que:
̂𝟏 ) < 𝐕𝐚𝐫 (𝛉
𝐕𝐚𝐫 (𝛉 ̂𝟐 ) … . (𝟑)
d) ESTIMADOR SUFICIENTE
Ejemplo:
̅ es un estimador suficiente de 𝝁, porque utiliza todos los
La 𝒙
datos de la m.a. para estimarla.
e) ESTIMADOR INVARIANTE
̂| = 𝐟(𝛉) … . (𝟒)
|𝐟(𝛉)
Ejemplo:
VI. BIBLIOGRAFIA
Freund & Miller & Miller, Estadística Matemática con Aplicaciones. Pearson
Educación. 6ª Edición. 1996.