Captulo 9

En la vida real es imposible calcular

parmetros poblacionales porque las
poblaciones son muy grandes.
En lugar de analizar toda una poblacin, se
toma una muestra, luego se calcula un
estadstico relacionado con el parmetro
que interesa,
interesa y se hace una inferencia.
La distribucin muestral de un
estadstico es la herramienta que nos dice
cun cerca est el estadstico del parmetro.

Un ejemplo
Se lanza un dado una infinita cantidad de veces.
Llamamos X a la cantidad de puntos en la cara
superior en cada lanzamiento.
La distribucin de probabilidad de X es

x
1 2 3 4 5 6
p(x) 1/6 1/6 1/6 1/6 1/6 1/6

E(X) = 1(1/6) +
2(1/6) + 3(1/6)+
.= 3,5
V(X) = (1-3,5)2(1/6) +
(2-3,5)2(1/6) +
3

se se quiere estimar a partir

de la media x
de una
muestra de tamao n = 2.
Cul es la distribucin de x ?
Si

Muestra
Muestra
11
22
33
44
55
66
77
88
99
10
10
11
11
12
12

1,1
1,1
1,2
1,2
1,3
1,3
1,4
1,4
1,5
1,5
1,6
1,6
2,1
2,1
2,2
2,2
2,3
2,3
2,4
2,4
2,5
2,5
2,6
2,6

MediaMuestra
Muestra
Media Muestra
Muestra
Media
Media
Media
Media
13 3,1
3,1
25
5,1
11
13
22
25
5,1
33
1.5
14 3,2
3,2 2.5
2.5
26
5,2
3.5
1.5
14
26
5,2
3.5
15 3,3
3,3
27
5,3
22
15
33
27
5,3
44
2.5
16 3,4
3,4 3.5
3.5
28
5,4
4.5
2.5
16
28
5,4
4.5
17 3,5
3,5
29
5,5
33
17
44
29
5,5
55
3.5
18 3,6
3,6 4.5
4.5
30
5,6
5.5
3.5
18
30
5,6
5.5
1.5
19 4,1
4,1 2.5
2.5
31
6,1
3.5
1.5
19
31
6,1
3.5
20 4,2
4,2
32
6,2
22
20
33
32
6,2
44
2.5
21 4,3
4,3 3.5
3.5
33
6,3
4.5
2.5
21
33
6,3
4.5
22 4,4
4,4
34
6,4
33
22
44
34
6,4
55
3.5
23 4,5
4,5 4.5
4.5
35
6,5
5.5
3.5
23
35
6,5
5.5
24 4,6
4,6
36
6,6
44
24
55
36
6,6
66
5

Distribucin de las Medias Muestrales para n = 2

Sample
Sample
Muestra
11
22
33
44
55
66
77
88
99
10
10
11
11
12
12

1,1
1,1
1,2
1,2
1,3
1,3
1,4
1,4
1,5
1,5
1,6
1,6
2,1
2,1
2,2
2,2
2,3
2,3
2,4
2,4
2,5
2,5
2,6
2,6

Mean Sample
Mean
Sample
Mean
Mean
Mean
Sample
Mean
Media Sample
Muestra
Media
Muestra
Media
13
3,1
25
5,1
11
13
3,1
22
25
5,1
33
1.5
14
3,2 2.5
2.5
26
5,2
3.5
1.5
14
3,2
26
5,2
3.5
15
3,3
27
5,3
22
15
3,3
33
27
5,3
44
2.5
16
3,4 3.5
3.5
28
5,4
4.5
2.5
16
3,4
28
5,4
4.5
17
3,5
29
5,5
33
17
3,5
44
29
5,5
55
3.5
18
3,6 4.5
4.5
30
5,6
5.5
3.5
18
3,6
30
5,6
5.5
1.5
19
4,1 2.5
2.5
31
6,1
3.5
1.5
19
4,1
31
6,1
3.5
20
4,2
32
6,2
22
20
4,2
33
32
6,2
44
2.5
21
4,3 3.5
3.5
33
6,3
4.5
2.5
21
4,3
33
6,3
4.5
22
4,4
34
6,4
33
22
4,4
44
34
6,4
55
3.5
23
4,5 4.5
4.5
35
6,5
5.5
3.5
23
4,5
35
6,5
5.5
24
4,6
36
6,6
44
24
4,6
55
36
6,6
66

E( x) =1,0(1/36)+
1,5(2/36)+.=3,5

6/36
5/36

V(X) = (1.0-3,5)2(1/36)+
(1,5-3,5)2(2/36)... = 1,46

4/36
3/36
2/36
1/36

1,5

2,0

2,5

3,0

3,5

4,0

4,5

5,0

5,5 6,0

Sea x la media de una muestra aleatoria de n observaciones extrada de una

2
poblacin de media x y varianza x .

a)

La distribucin muestral de

b)

La distribucin muestral de x

tiene media

x , es decir : E ( X ) x

tiene un desvo estndar: x

x
n

Esta cantidad se llama el error estndar de la media.

x
n

N n
N 1

c)

Si n no es una proporcin pequea de N se tiene: x

d)

Si la poblacin tiene distribucin normal entonces z

distribucin normal.

e)

Si la poblacin no es normal pero el tamao de muestra n es grande, es vlido

el resultado anterior. (TCL)

X x
x

tiene una

n5
x 3,5

x2
0,5833 ( )
5
2
x

n 25

n 10

x 3,5

x 3,5
x2 0,2917 (

)
10
2
x

x2
0,1167 ( )
25
2
x

n5

x 3,5
x2 0,5833 (

)
5
2
x

n 10

n 25

x 3,5

x 3,5

x2
0,2917 ( )
10

x2
0,1167 ( )
25

2
x

2
x

Notar que x2 es menor que x. Cuanto

mayor es2el tamao de muestra, va a ser
menor x .Entonces, x tiende a ubicarse
cerca de , a medida que el tamao de la
muestra aumenta
9

Demostracin: La varianza de la media muestral es

menor que la varianza de la poblacin.
Media = 1,5 Media = 2. Media = 2,5

1.5
2.5
3
222
1.5
2.5
1.5
22
2.5
1.5
2.5
1.5
2.5
2
Compare
la variabilidad
de la poblacin
1.5
2.5
1.5
22 de la
2.5
con la variabilidad
media muestral.
1.5
2.5
1.5
2.5
2
1.5
2.5
1.5
2
2.5
1.5
2
2.5
Tomando muestras
1,5
2
2,5
Poblacin

de dos observaciones

10

Tambin,
Valor Esperado de la poblacin =
(1 + 2 + 3)/3 = 2
Valor Esperado de la media muestral =
(1,5 + 2 + 2,5)/3 = 2

11

Si se extrae una muestra aleatoria de

cualquier poblacin, la distribucin de la
media muestral es aproximadamente normal
con tal que el tamao de la muestra (n) sea
suficientemente grande.
Cuanto mayor es el tamao de n, ms se
aproxima r la distribucin xmuestral de
a
una distribucin normal.

12

1. x x

2.
n
3. Si x es normal, x es normal. Si x no es normal, x
se distribuye aproximada mente como una normal
si el tamao de muestra es suficientemente grande.
2
x

2
x

13

Ejemplo 9.1
La cantidad de soda en cada botella de una
gaseosa se distribuye normalmente con una
media de 32,2 gramos y un desvo estndar de
0,3 gramos.
Hallar la probabilidad de que un cliente compre
una botella que contenga ms de 32 gramos.
Solucin
La variable aleatoria X es la
cantidad de soda en una botella.
P( x 32) P(

x 32 32,2

)
x
0,3

P ( z 0,67) 0,7486

0,7486

x = 32 = 32,2
14

Hallar la probabilidad de que un paquete de

cuatro botellas tendr una media de ms de
32 gramos de soda por botella.
Solucin
Se define la variable aleatoria como la cantidad
promedio de soda por botella.

x 32 32,2

)
x
0,3 4
P ( z 1,33) 0,082

P( x 32) P(

0,9082
0,7486
x = 32
x 32 = 32,2

x 32,2

15

Ejemplo 9.2

Informe del INDEC: El salario bsico inicial

pro-medio de los obreros no calificados (sin
antige dad), es de $600 mensuales.
Suponga que la distribucin de los salarios
tiene un desvo estandar de $100. Cul es la
probabi- lidad de que 25 obreros elegidos al
azar tengan un salario promedio mensual de
menos de $550?
Solucin
x 550 600

P ( x 550) P (

x
100 25
P ( z 2,5) 0,0062

16

Ejemplo 9.2 continuacin

Si una muestra aleatoria de 25 obreros tuviera en

reali- dad un salario promedio de $550, qu se podra
con-cluir acerca de la afirmacin de que el salario
promedio de los obreros sin antigedad es 600?
Solucin
Con = 600 la probabilidad de observar una media muestral
tan baja como 550 es muy pequea (0,0062). La afirmacin
de que el salario promedio es $600 es probablemente
injustificada.
Sera ms razonable suponer que es menor de $600,
porque entonces una media muestral de $550 se hace ms
probable.
17

Para hacer inferencia acerca de parmetros poblacionales se

usan las distribuciones muestrales (como en el Ejemplo 9.2).
La simetra de la distribucin normal junto con la distribucin
de la media muestral lleva a:

P ( 1,96 z 1,96) 0,95, P ( 1,96

- Z0,025

Z0,025

x
1,96) 0,95
n

Esto se puede escribir como :

x 1,96
) 0,95
n
n
y ordenando :

P ( 1,96
x 1,96
) 0,95
n
n

P ( 1,96

18

Distribucin normal estndar Z

P(600 1,96

Distribucin normal de

100
100
x 600 1,96
) 0,95
25
25

0,95

0,95

0,025 0,025

0,025

-1,96

Z
-1,96

11.96
P(600
.96

100
25
n

100
P(600
1.96
1.96
n 25

0,025

x
19

100
100
P (600 1,96
x 600 1,96
) 0,95
25
25
Se simplifica a P (560,8 x 639,2) 0,95

Conclusin
Si la media poblacional es 600: Hay una
probabilidad del 95% de que la media muestral
caiga dentro del intervalo [560,8; 639,2]
Dado que la media muestral fue 550, no es
probable que la media poblacional sea 600.
20

El parmetro de inters para datos nominales

es la proporcin de veces que se presenta
un determinado resultado(suceso).
Para estimar la proporcin poblacional p se
usa la proporcin muestral.
El nmero
de sucesos

El estimador de p = ^
p=

X
n
21

^
Si X es binomial, las probabilidades
p
se pueden calcular con la distribucin
binomial.
Pero, para inferencia acerca de
se
^
p
prefiere usar la normal como aproximacin
a la binomial.

22

 La aproximacin normal a
la binomial es mejor
cuando

la cantidad de
experimentos (tamao de
la muestra ) es grande, y la
probabilidad del suceso, p,
es prxima a 0,5.

Para que la aproximacin

d buenos resultados se
deben cumplir dos
condiciones:

np

5 ;

n(1 - p)

5
23

Ejemplo:
Aproximar la probabilidad binomial P(x=10)
cuando n = 20 y p = 0,5
Los parmetros de la distribucin normal que
usamos para aproximar la binomial son:
= np; 2 = np(1 - p)
24

Se construye una distribucin

normal para aproximacin de la
binomial P(X = 10).

= np = 20(0,5) = 10;
2 = np(1 - p) = 20(0,5)(1 0,5) = 5
= 51/2 = 2,24

P(9,5<YNormal<10,5)
La aproximacin

P(XBinomial = 10) = 0,176

~= P(9.5<Y<10.5)
9,5

10

10,5

9,5 10
10,5 10
P(
Z
) 0,1742
2,24
2,24

25

Aproximacin Normal a la
Distribucin Binomial
Ms ejemplos de la aproximacin
normal a la binomial
P(X 4) P(Y< 4,5)
4

P(X 14) P(Y > 13,5)

4,5

13,5

14

26

De las propiedades del valor esperado y

la varianza, se cumple
p E( ) = p yp V ( )
=p(1-p)/n
Si ambos np > 5 y np(1-p) > 5, entonces

ppp

p
zz
pp((11pp))
nn como una normal estndar.
Z se distribuye
27

Ejemplo 9.3
Un representante estatal recibi el 52% de los
votos en la ltima eleccin.
Un ao despus el representante quiere
estudiar su popularidad.
Si su popularidad no ha cambiado, cul es la
probabilidad de que ms de la mitad de un
muestra de 3000 electores lo voten?

28

Ejemplo 9.3
Solucin
El nmero de electores que prefieren el representante es binomial con n = 300 y p = 0,52.
Se tiene np = 300(0,52) = 156 y n(1-p) = 300(10,52) = 144 (ambos mayores de 5)

P( p 0,50) P

p p
0,50 0,52
0,7549

p (1 p ) n
(0,52)(1 0,52) 300
29

Se extraen dos muestras independientes de

dos poblaciones con distribucin normal.
Interesa la distribucin muestral de la
diferencia entre las dos medias muestrales.

x1 x 2

30

La distribucin de

x 1 x 2es normal si:

Las dos muestras son independientes, y

Las distribuciones poblacionales se distribuyen
normalmente.

Si cada una de las poblaciones no tiene

distribucin normal, pero los tamaos de
muestra son 30 o ms, la distribucion de

x1 x 2

es aproximadamente normal.

31

Aplicando las propiedades de valor

esperado y varianza se tiene:

E( x 1 x 2 ) E( x 1 ) E( x 2 ) 1 2

V( x1 x 2 ) V( x1 ) V( x 2 )

n
n
2
1

2
2

Se puede definir:
((xx11xx22))((1122))
Z

Z
22
22

11 22

n
n11 nn22

32

Ejemplo 9.4
Los ingresos promedios de los
funcionarios de dos empresas, WLU y
UWO son de $62.000 (d. estndar =
$14.500), y $60.000 (d. estn- dar =
$18.300). (Valores anuales)
Cul es la probabilidad de que una
media muestral de la WLU sea mayor que
la media muestral de UWO (nWLU = 50;
nUWO = 60)
33

Ejemplo 9.4 Solucin

Hay que determinar :

P( x1 x 2 0)

1 - 2 = 62.000 - 60.000 = $2.000

12
n

22
n

14.500 2 18.300 2

$3.128
50
60

P ( x1 x2 0) P (

x1 x2 ( 1 - 2 )

n1 n2
2
1

2
2

0 2000

)
3128

P ( z 0,64) 0,5 0,2389 0,7389

34