Sunteți pe pagina 1din 27

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA

ANTONIO JOSE DE SUCRE


VICERRECTORADO BARQUISIMETO
DIRECCION DE INVESTIGACION Y POSTGRADO
MAESTRIA EN INGENIERIA INDUSTRIAL
ESTADISTICA

TEMA 3

DISTRIBUCIONES MUESTRALES
Y
TEOREMA DEL
LIMITE CENTRAL
Ing. Herling Sira Melndez

Muestra Aleatoria.
Cuando se examina alguna caracterstica medible en un
conjunto de objetos o poblacin, algunas veces no es prctico, o
imposible, determinar la distribucin de tal caracterstica con
precisin, sin embargo, es posible aproximar sus propiedades
tomando una parte, o muestra, e inferir resultados acerca de la
poblacin entera.
Es preciso tener en cuenta que las deducciones obtenidas solo
sern tiles si, de alguna manera, la muestra representa al universo
de objetos estudiados. En estadstica, las muestras que poseen
esta propiedad se denominan muestras aleatorias y las tcnicas de
seleccin de los objetos de una muestra se llaman tcnicas de
muestreo o mas simplemente, muestreo.

Muestra Aleatoria
Muestra aleatoria.
Caso Finito
Un conjunto de observaciones
x1,x2, . . . ,xn es un muestra
aleatoria de tamao n, tomada de
una poblacin de tamao N si es
elegida de manera que cada
subconjunto con n elementos, de
los N de la poblacin, tenga
exactamente la misma probabilidad.
Esta regla se refiere,esencialmente,
a la manera como deben ser
seleccionados los elementos de una
muestra aleatoria en una poblacin
finita.

Muestra aleatoria.
Caso Infinito

Un conjunto x1,x2, . . . ,xn es una


muestra aleatoria de
tamao n, tomada de una
poblacin infinita f (x) si se
cumplen las condiciones:
1. Cada xi es un valor de una
variable aleatoria cuya distribucin
tiene los valores f (x).
2. Estas n variables aleatorias son
independientes.

Muestra Aleatoria
Una gran parte de las aplicaciones estadsticas hace
inferencias sobre parmetros de las poblaciones tales como la
media y la varianza . Las inferencias se hacen sobre la base de
estadsticos o valores obtenidos en la muestra.
Como la seleccin de los elementos de una muestra es
controlada por el azar, igualmente controlados serian los valores
observados en la muestra, por lo tanto, se estudian las
distribuciones muestrales, las cuales describen las variaciones
aleatorias de los estadsticos calculados a partir de las muestras
aleatorias.

INFERENCIA ESTADISTICA

La inferencia estadstica o
estadstica inferencial es una
parte de la Estadstica que
comprende
los
mtodos
y
procedimientos
para
deducir
propiedades (hacer inferencias)
de una poblacin, a partir de una
pequea parte de la misma.
La bondad de estas deducciones
se
mide
en
trminos
probabilsticos, es decir, toda
inferencia se acompaa de su
probabilidad de acierto.
La
estadstica
comprende:

inferencial

Inferencia

Estimacin
.Puntual
.Por intervalos

Prueba de
Hiptesis

Inferencia Estadstica
En inferencia estadstica se llama estimacin al conjunto de
tcnicas que permiten dar un valor aproximado de un parmetro de
una poblacin a partir de los datos proporcionados por una muestra.
Por ejemplo, una estimacin de la media de una determinada
caracterstica de una poblacin de tamao N podra ser la media de
esa misma caracterstica para una muestra de tamao n.

Distribuciones Muestrales
Distribuciones Muestrales de la Media ( conocido)

La propiedad anterior no explica el comportamiento aleatorio de x, en general es


imposible conocer la variable aleatoria asociada, sin embargo, si la poblacin tiene una
varianza finita 2, una transformacin de x llamada media estandarizada tiene como
variable aleatoria asociada la distribucin normal estndar Z.
El resultado se conoce como Teorema del lmite central.

Distribuciones Muestrales
Distribuciones Muestrales de la Media ( conocido)

Esta propiedad indica que, independientemente de la forma de distribucin de


la poblacin, la variable aleatoria x es aproximadamente normal con media y
varianza 2/n, siempre que n sea grande.
Por otra parte si la distribucin de la poblacin es normal, entonces x tiene
distribucin normal, no importa el tamao de la muestra.

Distribuciones Muestrales
La distribucin normal estndar o , se puede utilizar siempre y
cuando los tamaos de las muestras sean mayores o iguales a 30 en
muestras ms pequeas si la distribucin o las distribuciones de donde
proviene la muestra o las muestras son normales, en concordancia con el
enunciado del Teorema de limite central.

Qu se hace si la muestra es inferior a 30? Esta situacin no esta

incluida en el Teorema de limite central, pero se presenta a


menudo. Se podrn utilizar muestras pequeas siempre y cuando la
distribucin de donde proviene la muestra tenga un comportamiento
normal o aproximadamente normal.

Distribuciones Muestrales
Distribuciones Muestrales de la Media ( desconocido)
La aplicacin de las propiedades antes enunciadas presupone el
conocimiento de la desviacin estndar, , de la poblacin. Para el caso
n grande, la dificultad se evita aproximando la varianza desconocida por
la varianza muestral. No obstante, si n es pequeo, la media
estandarizada puede estudiarse si la distribucin de la poblacin es
normal.

Distribucin t-student

Grados de Libertad
Es un estimador del nmero de categoras
independientes en una prueba particular o experimento
estadstico. Se encuentran mediante la frmula n r,
donde n=nmero de sujetos en la muestra (tambin
pueden ser representados por k r, donde k=nmero de
grupos, cuando se realizan operaciones con grupos y no
con sujetos individuales) y r es el nmero de sujetos o
grupos estadsticamente dependientes.

http://pino.univalle.edu.co/~robehar/Material%20de%20apoyo/Que%20son%20los%
20llamados%20grados%20de%20libertad-feb-27-2003.pdf

Distribuciones Muestrales
Distribucin t- Student.
Caractersticas

Las siguientes caractersticas de la distribucin t-Student se


basan en la suposicin de que la poblacin sea normal o
aproximadamente normal:
Existe una distribucin t diferente , para cada grado de libertad
(0
con media
) pero una desviacin diferente, depende de
los grados de libertad.
Una distribucin t queda completamente descrita por su nico
parmetro, el nmero de grados de libertad ().
Es una variable aleatoria continua.
Tiene forma de campana y es simtrica con respeto de su
media.
A medida que los grados de libertad aumentan la distribucin tStudent se aproxima a la distribucin normal.

Distribuciones Muestrales
Distribucin t- Student.
Grafica

Distribuciones Muestrales
Distribucin t- Student.
Grafica

Se acostumbra a denotar con al valor t por arriba del cual se encuentra un rea igual
a . Ver la siguiente figura,

Distribuciones Muestrales
Distribucin t- Student.

Como la distribucin t es simtrica alrededor de una media de cero,


tenemos t1 t es decir, el valor t que deja un rea de 1 a la
derecha y por tanto un rea de a la izquierda, es igual al valor t negativo
que deja un rea de en la cola derecha de la distribucin. Esto es,

t 0.95 t 0.05

t 0.99 t 0.01

Por tal razn los valores de la tabla que usaremos son todos positivos.

Distribuciones Muestrales
Distribucin Muestral de la Varianza
Se puede conocer la distribucin de la varianza muestral s cuando la
poblacin tenga una distribucin normal, en este caso se descarta la
distribucin normal para estimar s pues sus valores son siempre positivos.
La distribucin adecuada es ,

Distribucin chi-cuadrado

Distribuciones Muestrales
Distribucin X

En realidad la distribucin Chi-cuadrada es la distribucin muestral de s

Es decir, que si se extraen todas las muestras posibles de una poblacin


normal y a cada muestra se le calcula su varianza, se obtendr la
distribucin muestral de varianzas.
El estadstico Chi-cuadrado tambin se puede dar con la siguiente expresin:

Distribuciones Muestrales
Distribucin X

Las siguientes caractersticas de la distribucin Chi-cuadrada se basan


en la suposicin de que la poblacin sea normal o aproximadamente normal:

La distribucin Chi-cuadrada tiene un solo parmetro, el nmero de grados


de libertad ().

Por tanto, igual que en el caso de la distribucin t-Student, existe una


distribucin Chi-cuadrada distinta por cada valor de grados de libertad.

Es una variable aleatoria continua.

Las distribuciones Chi-cuadrada no son simtricas y la variable Chicuadrada no es negativa, ya que es la suma de variables elevadas al
cuadrado.

Distribuciones Muestrales
Distribucin X
Grafica

Grficamente se presentan tres distribuciones Chi-cuadrada. La


idea es que el lector pueda apreciar el comportamiento que tiene la
distribucin conforme aumenta los grados de libertad

Distribuciones Muestrales
Distribucin X
Grafica

Distribuciones Muestrales
Distribucin Muestral de la Varianza
Un problema relacionado con el estudio individual de la varianza se
presenta al estudiar la razn o proporcin entre las varianzas de dos
muestras independientes, su estudio est ligado a determinar si dos
muestras provienen de poblaciones que tienen igual varianza.
Para determinar si su razn, o proporcin, es grande o pequea se
utiliza la propiedad,

Distribucin F o de Fisher

Distribuciones Muestrales
Distribucin F o de Fisher

La necesidad de disponer de mtodos estadsticos para


comparar las varianzas de dos poblaciones es evidente a partir
del anlisis de una sola poblacin. Frecuentemente se desea
comparar la precisin de un instrumento de medicin con la de otro,
la estabilidad de un proceso de manufactura con la de otro

La distribucin de probabilidad que se utilizara para hacer este


tipo de estudio estadstico es la distribucin F. Se denomina as en
honor de Sir Ronald Fisher, uno de los fundadores de la ciencia
estadstica moderna. La distribucin F encuentra enorme
aplicacin en la comparacin de varianzas mustrales.

Distribuciones Muestrales
Distribucin F o de Fisher

Otra definicin:
La variable aleatoria de la distribucin F se define como el cociente de
dos variables aleatorias Chi-cuadrada independientes, dividida cada
una entre su nmero de grados de libertad. De aqu, podemos escribir

12

1
F
22

2
Donde 1 y 2 son variables aleatorias independientes que tienen
distribucin Chi-cuadrada con 1 y 2 los grados de libertad, respectivamente.
2

Distribuciones Muestrales
Distribucin F o de Fisher
Caractersticas

La distribucin F tiene dos parmetros, los grados de libertad del


numerador y del denominador, no solo depende de estos sino tambin
del orden en que se establezcan estos parmetros. Tomando como
valor del numerador, el mayor valor de las varianzas dadas. En
consecuencia, existe una distribucin F diferente para cada
combinacin de grados de libertad.

Es una variable aleatoria continua.

Las distribuciones F no son simtricas y la variable aleatoria F es no


negativa, por el hecho que es el cociente de dos variables Chicuadrada.

Distribuciones Muestrales
Distribucin F o de Fisher
Grafica

A medida que aumenta el numero de grados de libertad, la distribucin F


se aproxima en forma gradual a la distribucin Normal.

Distribuciones Muestrales
Distribucin F o de Fisher
Grfica

Tema 3
DISTRIBUCIONES MUESTRALES
Preparado por: Ing Herling Sira Melndez

S-ar putea să vă placă și