Documente Academic
Documente Profesional
Documente Cultură
(de tamaño n) de alguna población original con media y con varianza 2.
Consideramos 2 casos:
10. SI LA SELECCIÓN SE HACE CON REPOSICIÓN DE UNA POBLACIÓN FINITA O
EQUIVALENTEMENTE SIN REPOSICIÓN DE UNA POBLACIÓN INFINITA
Si X es la media muestral, entonces:
1) E( X )
2
2) Var ( X )
n
3) Para n suficientemente grande, la variable aleatoria. Z X N(0,1)
/ n
_ _
Lo que revela que: x < , además, x 0 cuando n
2
NOTA: Si n<<N ( Es decir (n/N)<0.1), entonces, V ( X ) ; fcpf, se obvia.
n
La variable Z X es N(0, 1)
Ejemplo. Distribución de media muestral
Consideremos una población hipotética de tamaño N=5. Cuyos valores son: Rx = 2, 4, 6, 8, 10 .
a. Calcular la media y la varianza de la población
b. Determinar la distribución de las medias de muestras de tamaño 2, seleccionadas al
azar con reposición.
c. Determinar la distribución de las medias de muestras de tamaño 2, seleccionadas al
azar sin reposición.
Solución
a. La distribución de probabilidad de esta población (X) finita de tamaño N = 5, es la
distribución uniforme :
Tabla 01
Xi 2 4 6 8 10
P(xi) = P(X=xi) 1/5 1/5 1/5 1/5 1/5
La media y la varianza de la población son respectivamente:
N
N N
xi x i
2 4 6 8 10
xi f ( xi ) i 1
6
i 1 i 1 N N 5
N
N x 2
i
2 2 4 2 6 2 8 2 10 2
2 xi2 f ( xi ) 2 i 1
2 62 8
N 5
b) Muestras seleccionadas con reposición
Se pueden extraer m= Nn =52 = 25 muestras de tamaño dos con reposición.
Las muestras y sus medias correspondientes son las siguientes:
Tabla 02
1ª Unidad Muestral 2ª Unidad Muestral
2 4 6 8 10
2 2.2 2.4 2.6 2.8 2.10
(2) (3) (4) (5) (6)
4 4.2 4.4 4.6 4.8 4.10
(3) (4) (5) (6) (7)
6 6.2 6.4 6.6 6.8 6.10
(4) (5) (6) (7) (8)
8 8.2 8.4 8.6 8.8 8.10
(5) (6) (7) (8) (9)
10 10.2 10.4 10.6 10.8 10.10
(6) (7) (8) (9) (10)
Medias en ( X )
Aquí X tiene una media = 6 y ² =8
Considerando todas las muestras posibles con reposición:
n
a) m = N = 5² = 25
Cálculo de la media y varianza.
Cálculo de medias X i : Ver tabla 02.
Tabla 01
2 3 4 5 6 7 8 9 10 total
Xi
P(xi) 1/25 2/25 3/25 4/25 5/25 4/25 3/25 2/25 1/25 25/25
8 3
3
9 2
10 1 2
0
0 2 4 6 8 10 12
valor de la media
DISTRIBUCIÓN MUESTRAL De X CUANDO LA
POBLACIÓN ES NORMAL (σ es conocida)
a) E( X )
2
b) Var ( X )
n
X
c) La variable aleatoria. Z N(0,1)
/ n
x x
X X
EJEMPLO: Sea X N ( = 50, 2 = 80 ) si se extraen todas las muestras posibles de tamaño n = 20, de esta población.
Entonces la distribución muestral de la media X , será: N ( 50, 80/20 = 4 ) . Hallar:
1) P( X > 48)
2) P(48< X < 54)
3) Cuál es el valor de la media arriba del cual se incluye el 20% de valores mas altos?
SOLUCIÓN
EJEMPLO.
Una empresa eléctrica 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
SOLUCIÓN
DISTRIBUCIÓN MUESTRAL DE X CUANDO “ ” ES CONOCIDA Y SE 2
a) E( X )
b) Var ( X ) 2
n
c) La variable aleatoria. X N(0,1), para n ≥30
Z
/ n
N n
_
x n N 1
Ejemplo. La media de la precipitación en una cuenca hidrometeorológica tiene un promedio de
3.5 in. y una desviación estándar de 0.18 in ¿Cuál es la probabilidad de que en una muestra aleatoria
de 100 observaciones tomadas de esa cuenca, la media esté entre 3.53 y 3.56 kg?
Solución
X N(3.5, 0.0324),
X N(3.5, 0.000324 )
Se consideran 3 casos:
3. Si la población es normal.
- Si n < 30, x sigue una distribución t- Student , es decir:
x -x
------------ t(n-1)
S/n
- Si n 30, entonces :
x - x
------------ N( 0, 1)
S/n
Ejemplo
La tabla siguiente muestra los datos relativos a la tormenta, las precipitaciones y escorrentía sobre un rio
determinado
Para la precipitación:
X
a) E ( X ) 2.16
2 1.53
b) Var ( X ) = 0.36
n 25
P(1 P) N n N n
b) V ( p ) N 1 ; Donde N 1 =factor de corrección por población finita.
n
pP
c) Si n/N 0.05, el f.cp.f se obvia y la variable: Z N(0,1)
P (1 P) n
Ejemplo
BelLabs adquiere componentes para sus teléfonos celulares en lotes de
200 de una firma en Palo Alto. El componente tiene una tasa de defectos
del 10%. Una política establecida recientemente por BelLabs establece
que si el siguiente envío tiene:
a. Más del 12% de defectos, definitivamente buscará un nuevo
proveedor.
b. Entre el 10 y el 12% de defectos, considerará un nuevo proveedor.
c. Entre el 5 y el 10% de defectos, definitivamente no conseguirá un
nuevo proveedor.
d. Menos del 5% de defectos, incrementará sus pedidos.
¿Cuál decisión es más probable que tome BelLabs?
Solución
Debido a que el tamaño de la población N no se suministra, se
asume que BelLabs compra muchos componentes y el tamaño de la
muestra de n = 200 es menor que 0.05N y por tanto el fcpf no se
tiene en cuenta
Ejemplo
En una remesa de vacunas, 30% son defectuosos. Si se extrae una muestra al azar de 500, con
reposición, de esta población. ¿ Cuál es la probabilidad de que la proporción muestral sea menor que 0.3
?.
Solución
Una distribución muestral que es normal la definen completamente su esperanza y su varianza. Aquí la
muestra es suficientemente grande para que la distribución de “p” sea aproximada por la normal.
Para la distribución de “p” con n = 500, tenemos:
E(p) = P = 0.3
Ejemplo . De una población X normal N(100 , 4 ) se obtiene una muestra aleatoria de tamaño 15.
a) Calcule la P(1.3316< S2 < 8.3256)
b) Halle el intervalo [a,b] , tal que P(a< S2 < b) = 0.95, P(S2 <a) = 0.025
Solución
P(14*0.3329 < 14 S2/ 2 < 14* 2.0814) = P [ 4.66 < 2(14) < 29.14) =0.99- 0.01 = 0.98
DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE
DE DOS MEDIAS MUESTRALES ( MUESTRAS
INDEPENDIENTES)
DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA DE DOS
MEDIAS CON VARIANZAS POBLACIONALES CONOCIDAS)
Supongamos que se tienen dos poblaciones con medias y varianzas definidas en los esquemas:
Población 1 Población 2
Muestra (n1): x11, x21, x31, . . ., xn1 Muestra (n2): x12, x22, x32, . . ., xn2
Media muestral = X 1 Media muestral = X 2
12 22
b) 2
X1 X 2
n1 n2
c) Para n1 y n2 suficientemente grandes, la variable aleatoria:
X 1 X 2 ( 1 2 ) N (0,1)
Z
2
2
1 2
n1 n2
EJEMPLO: Se han extraído dos muestras aleatorias de tamaño n de dos
Sean X1 y X2 las medias de los pesos de las muestras respectivas. Los pesos de las poblaciones se
distribuyen normalmente con medias iguales y varianzas iguales. Entonces, la diferencia de las dos media
12 22
muestrales X1 - X2 tiene distribución normal, esto es: N 1 2 ,
n1 n2
12 22 18 18 36
siendo 1 - 2 = 0, y la varianza sería:
n1 n2 n n
X1 X 2 0
Luego, la variable estándar: Z N(0,1)
36 / n
Se debe hallar el valor de n tal que:
P X 1 X 2 2 0.95 , entonces,
20 n n n
0.95 P X 1 X 2 2 P Z P Z 2 p ( Z 0.05)
36 / n 3 3 3
de donde resulta,
n n
p( Z ) 0.975, 1.96, n 5.88, n 34.57 35
3 3
EJEMPLO
Se prueba el rendimiento en km/L de 2 tipos de gasolina,
encontrándose una desviación estándar de 1.23km/L para la
primera gasolina y una desviación estándar de 1.37km/L para
la segunda gasolina; se prueba la primera gasolina en 35
autos y la segunda en 42 autos. ¿Cuál es la probabilidad de
que la primera gasolina de un rendimiento promedio mayor de
0.45km/L que la segunda gasolina?
SOLUCION
Datos:
1 = 1.23 Km/Lto
2 = 1.37 Km/Lto
n1 = 35 autos
n2 = 42 autos
S0lución
Continúa solución:
DISTRIBUCIÓN MUESTRAL DE LA DIFERENCIA DE DOS
Supongamos que se tienen dos poblaciones con parámetros definidos como sigue:
Población 1 Población 2
Muestra (n1): x11, x21, x31, . . ., xn1 Muestra (n2): x12, x22, x32, . . ., xn2
Media muestral = X 1 Media muestral = X 2
2 2
Varianza muestral = S1 Varianza muestral = S 2
varianzas poblacionales desconocidas
A. MUESTRAS GRANDES: n1, n2 ≥ 30.
En este caso la estadística X -X
1 2, (diferencia de medias muestrales) se distribuye aproximadamente
S12 S 22
Como una normal con 1 2 , y varianza
n1 n2
. MUESTRAS PEQUEÑAS: n1, n2 < 30.
B.1 Varianzas poblacionales desconocidas pero supuestas iguales: 2 = 12 22
En este caso, la estadística:
( X 1 X 2 ) ( 1 2 ) t(n1+n2 – 2)
Tc
(n1 1) Sˆ12 (n2 1) Sˆ22 1 1
n1 n2 2 n1 n2
Tiene distribución t- student con n1+n2-2 grados de libertad.
Ejemplo:
Suponga que dos máquinas A y B, producen
independientemente el mismo tipo de probetas y que el
tiempo que cada una emplea en producirlos se distribuye
normalmente con varianzas respectivas y desconocidas.
Se han tomado dos muestras aleatorias, una de A y otra de
B, obteniéndose los siguientes tiempos en minutos:
Muestra de A: 17, 23, 21, 18, 22, 20, 21, 19
Muestra de B: 13, 16, 14, 12, 15, 14
Determinar la distribución muestral de la diferencia de
medias, asumiendo que las varianzas son desconocidas
pero diferentes.
Calcular la probabilidad de que la media de la primera
máquina sea mayor que la de la segunda máquina
Solución
X ( tiempo producción ) máquina A N ( μ1, 12 ) n1 = 8
Y ( tiempo producción ) máquina B N ( μ2, 22 ) n2 = 6
Con α = 0.05 g.l. 1 = n1 – 1 = 7 y 2 = n2 - 1 = 5 ;
2 2
de la muestra: S1 = 4.13 y S 2 = 2.0
1 2
2 2
B.2. Varianzas poblacionales diferentes:
1
2
( X 1 X 2 ) ( 1 2 ) t g ; donde
n1 n2
T g 2
S12 S22 2
Sˆ12 Sˆ 22
2
n1 n2
n1 n2
n1 1 n2 1
Si g no es entero se redondea al entero superior más cercano
Ejemplo.
Una empresa fabrica un mismo producto en 2
máquinas. Una muestra aleatoria de 9 productos
de la máquina uno, ha dado los siguientes tiempos
de fabricación en segundos : X1: 12, 28, 10, 25,
24, 19, 22, 33, 17; mientras que una muestra
aleatoria de 8 productos de la máquina dos, X2:
X - X =x
1 2
( n1 1) ˆ
s 2
( n 2 1) ˆ
s 2
2
2
Sc
2 1 2
, se denomina varianza combinada, y estima a = 1 2
2
n1 n2 2
Sustituyendo datos, se tiene: S c2 3.96 , ( x x ) =
1 2
0.995 (error estándar de la x )
b) Para dar respuesta a la proposición (b), se calcula p(2 1).
p(2 1) = p(1 - 2< 0 ) = p(-(2 - 1)< 0) = p [( X 2- X 1)- (2 - 1) < ( X 2- X 1)]
p [(( X 2- X 1)- (2 - 1))/ Sc< 2.02/0.995] = P( T < 2.03) = 1-p(T>2.03) =1-P0
Resultando Po = 0.0325
p1 (1 p1 ) p2 (1 p2 )
p1 p2
n1 n2
Si n1 y n2 son grandes la distribución muestral de p1 - p2 se aproxima
a una distribución normal
EJEMPLO: El Ingeniero de control de calidad de una industria
opina que el 15% de la producción de la línea de producción A y
el 10% de la línea de producción B no cumplen con las
especificaciones normales de dulzura. En una muestra aleatoria
simple de 150 artículos de la línea de producción A se encontró
que 30 tenían ese problema. Una muestra aleatoria simple e
independiente de 100 artículos de la línea de producción B reveló
que 07 estaban fuera del rango normal.
(0.15)(0.85) (0.10)(0.90)
p p 0.04
1 2
150 100
Si el control es correcto, las proporciones muestrales observadas son:
P1 = 30 / 150 = 0.20 P2 = 7 / 100 = 0.07
Deseamos conocer la probabilidad de observar una diferencia mayor o
igual a:
P1 - P2 = 0.20 - 0.07 = 0.13
Para hallar esta probabilidad calculamos:
( p1 p 2 ) ( P1 P2 ) 0.13 0.05
p( p1 p 2 0.13) p
p2 p2 0.04
pZ 2.0 0.5 0.4772 0.0228 2.28 %
DISTRIBUCIÓN MUESTRAL DE LA RAZON ( S12/ S22)
Si S12 y S22 son las varianzas de dos muestras aleatorias independientes de tamaños n1 y n2
seleccionadas de dos poblaciones normales N(1, 12 ) y N(2, 22) respectivas, entonces, la variable
aleatoria
S12/ 12
F = --------------
S22 /22
Tiene una distribución F con n1- 1, n2-1 grados de libertad, esto es F = F 1-α, (n1- 1, n2-1).
Observación Si 12 = 22 , entonces F = S12/ S22 se distribuye según F con n1- 1, n2-1 grados de
libertad.
Ejemplo. De poblaciones N(1, 12 ) y N(2, 22) independientes se extraen dos muestras de
tamaños 13 y 21 respectivamente. Halle el valor de k tal que :
a) P(S12 < k S22 ) = 0.99 b) P( S12/ S22 < k)= 0.05
Solución
a) P(S12 < k S22 ) = 0.99, significa que P(F<k ) = 0.99, donde F = S12/ S22 F(12, 20),
entonces K= 3.23
b) P(S12/ S22 <k) = 0.05, implica que P(F<k) = 0.05, donde F = S12/ S22 F(12, 20), entonces
K = 1/ F0.95, 20,12 = ½.54 = 0.394
Ejemplo.
Si dos muestras aleatorias independientes de tamaños n1=7 y n2= 13, se toman de una población
normal, ¿ Cuál es la probabilidad de que la varianza de la primera sea al menos 3 veces más grande que la de
la segunda .
Solución.
En la tabla F hallamos que F0.05 es 3.0 para 1 = 6 y 2 = 12. Por tanto la probabilidad deseada es:
P[S12/ S22 3/1] = P [ F0.05,6,12 3.0 ] = 0.05
Ejemplo. Encuéntrese la probabilidad de F0.95 (correspondiente a la probabilidad de cola izquierda de 0.05) para
1 = 10 y 2 = 20. grados de libertad.
Solución
Usando la identidad:
F(1, 2 ) = 1/ F1-(2, 1 ).
Obtenemos:
F0.05 (10, 20) = 1/ F0.95 (20, 10) = 1/ 2.77 = 0.36
DISTRIBUCIÓN F – SNEDECOR.
se considera la identidad:
F1-(1, 2 ) = 1 / F(2, 1 ).