Estadística I

Lic. Glenda Jackelin Cruz Espinoza

cglendajackelin@unitec.edu
 Objetivos
1. Describe las distribuciones de muestreo.

2. Entiende las distribuciones de muestreo a

detalle.

3. Analiza la relación entre el tamaño de

muestra y el error estándar.

 Introducción a las
distribuciones de muestreo
 Introducción a las
distribuciones de muestreo
 Introducción a las
distribuciones de muestreo
Una distribución de probabilidad de todas

las medias posibles de las muestras es una

distribución de las medias de las muestras.
Los especialistas en estadística lo conocen
como distribución de muestreo de la media.
 Introducción a las
distribuciones de muestreo
.
 Introducción a las
distribuciones de muestreo
 Cualquier distribución de probabilidad puede ser
descrita parcialmente por su media y la desviación
estándar.
 La tabla 7-6 describe varias poblaciones; a un lado de
cada una de ellas, incluye la muestra tomada de esa
población, la estadística medida y la distribución de
muestreo que estaría asociada con ella.
 Introducción a las
distribuciones de muestreo
 Introducción a las
distribuciones de muestreo
En vez de decir “la desviación estándar de la

distribución de las medias de las muestras”

para describir una distribución de medias de
muestra, los especialistas en estadísticas se
refieren al error estándar de la media
 Introducción a las
distribuciones de muestreo
 ¿Por qué error estándar?

Supongamos que deseamos saber algo sobre la estatura de los

alumnos de nuevo ingreso de una gran universidad estatal.
Podríamos tomar una serie de muestras y calcular la estatura media
de cada muestra. Es altamente improbable que todas estas medias
de muestras fueran iguales; es de esperar alguna variabilidad en las
medias observadas. Esta variabilidad en las estadísticas de
muestras proviene de un error de muestreo debido al azar.
 Introducción a las
distribuciones de muestreo
 La desviación estándar de las medias de las muestras
mide el grado hasta el cual es de esperar que varíen
las medias de las diferentes muestras, debido a este
error cometido con el proceso de muestreo. Por tanto,
la desviación estándar de la distribución de una
estadística de muestra se conoce como error
estándar de la estadística.
 Introducción a las
distribuciones de muestreo
 Introducción a las
distribuciones de muestreo
Ejemplo: Una compañía de distribución por correo esta interesada en el
nivel de satisfacción de sus clientes. El director ejecutivo seleccionó 50
gerentes regionales para sondear a sus clientes. Cada gerente elige a 5
supervisores para que entrevisten a 30 clientes al azar. Se realizan las
encuestas, se calculan los resultados y se envían al director ejecutivo.
¿De que tipo de distribución se saco la muestra?

Se trata de una muestra obtenida a partir de una distribución muestral

de las medias de muestra de tamaño de 30 obtenidas de la población.
Muestreo de Poblaciones
normales
Muestreo de Poblaciones
normales
 Muestreo de Poblaciones
normales
 Ejemplo: una institutución bancaria calcula que
sus cuentas de ahorros individuales están
normalmente distribuidas con una media de
$2,000 y una desviación estándar de $600. si el
banco toma una muestra aleatoria de 100
cuentas. ¿Cuál es la probabilidad de que la
media de la muestra caiga entre $1900 y $2050?
 Muestreo de Poblaciones
normales
𝜎
1. 𝜎𝑥ҧ = (𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑎𝑟𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎. )
𝑛

600
 𝜎𝑥ҧ = = 60
100

2. Estandarización de la media de la muestra

𝑥ҧ − 𝜇
𝑧=
𝜎𝑥ҧ

1900 − 2000
𝑧= = −1.67
60
Muestreo de Poblaciones
normales
2050 − 2000
𝑧= = 0.83
60
 Muestreo de Poblaciones
normales
La probabilidad de que la media de la muestra
se encuentre entre $1900 y $2050 es de 0.7492.
 Muestreo de Poblaciones
normales
Ejemplo 2: Mary Bartel, auditora de una gran compañía de
tarjetas de crédito, sabe que el saldo promedio mensual de
un cliente dado es de $112 y la desviación estándar es $56. Si
Mary audita 50 cuentas seleccionadas al azar, encuentre la
probabilidad de que el saldo mensual de la muestra sea:
a. Menor que $100
b. De entre $100 y $130
 Muestreo de Poblaciones
normales
𝜎
1. 𝜎𝑥ҧ = (𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑎𝑟𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎. )
𝑛

56
 𝜎𝑥ҧ = = 7.92
50

2. Estandarización de la media de la muestra

𝑥ҧ − 𝜇
𝑧=
𝜎𝑥ҧ

100 − 112
𝑧= = −1.52
7.92
 Muestreo de Poblaciones
normales
𝑃 𝑥ҧ < 100 = 0.0643

𝑃 100 < 𝑥ҧ < 130 = 0.5 − 0.0643 + 0.4884 = 0.9241

130 − 112
𝑧= = 2.27
7.92
 Muestreo de Poblaciones no
normales
La media de la distribución de muestreo de la media será igual a la media de
la población, si importar el tamaño de la muestra, incluso si la población no es
normal.

Al incrementarse el tamaño de la muestra, la distribución de muestreo de la

media se acercara a la normalidad, sin importar la forma de distribución de la
población.

Esta relación entre la forma de la distribución de la población y la forma de la

distribución de muestreo se denomina teorema del limite central, el cual
asegura que la distribución de muestreo de la media se aproxima a la normal
al incrementar el tamaño de la muestra.
Muestreo de Poblaciones no
normales
 Muestreo de Poblaciones no
normales
Ejemplo: la distribución de los ingresos anuales de todos los cajeros de
un banco con cinco años de experiencia está sesgada de manera
negativa. Esta distribución tiene una media de $19,000 y una
desviación estándar de $2,000. si extraemos una muestra aleatoria de
30 cajeros, ¿Cuál es la probabilidad de que su ganancia promedie mas
de $19750?
 Muestreo de Poblaciones
normales
𝜎
1. 𝜎𝑥ҧ = (𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑎𝑟𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎. )
𝑛

2000
 𝜎𝑥ҧ = = 365.15
30

2. Estandarización de la media de la muestra

𝑥ҧ − 𝜇
𝑧=
𝜎𝑥ҧ

19750 − 19000
𝑧= = 2.05
365.15
 Muestreo de Poblaciones
normales
𝑃 𝑥ҧ > 19750 = 0.5 − 0.4798 = 0.0202

Conclusión: por tanto, hemos determinado que hay ligeramente mas

del 2% de probabilidad de que los ingresos promedios sean mayores
que $19750 anualmente en un grupo de 30 cajeros.
 Muestreo de Poblaciones
normales
En una muestra de 16 observaciones de una distribución normal con una
media de 150 y una varianza de 256, ¿Cuál es

a. 𝑃 𝑥ҧ < 160 ?

b. 𝑃 𝑥ҧ > 142 ?

Si en vez de 16 observaciones se toman solo 9, encuentre.

a. 𝑃 𝑥ҧ < 160 ?

b. 𝑃 𝑥ҧ > 142 ?
 Relación entre el tamaño de la
muestra y error estándar
Si la dispersión disminuye (𝑠𝑖 𝜎𝑥ҧ , se hace más pequeña), entonces los
valores tomados por la media de la muestra tienden a agruparse más
cercanamente a la media de la población(𝜇). Por el contrario, Si la
dispersión se incrementa (𝑠𝑖 𝜎𝑥ҧ , se hace más grande), entonces los
valores tomados por la media de la muestra tienden a agruparse
menos cercanamente a la media de la población(𝜇)

Al disminuir el error estándar, se incrementa la precisión con la que

puede usarse la media de muestra para estimar la media de la
población.
 Relación entre el tamaño de la
muestra y error estándar
Analicemos las siguientes situaciones:

1. ¿calcular el error estándar de la media para una población infinita si

la desviación estándar es 100 y se tienen una muestra de 10?

𝜎
𝜎𝑥ҧ =
𝑛
100
𝜎𝑥ҧ =
10
𝜎𝑥ҧ = 31.63
 Relación entre el tamaño de la
muestra y error estándar
Analicemos las siguientes situaciones:

2. ¿calcular el error estándar de la media para una población infinita si

la desviación estándar es 100 y se tienen una muestra de 100?

𝜎
𝜎𝑥ҧ =
𝑛
100
𝜎𝑥ҧ =
100
𝜎𝑥ҧ = 10
 El multiplicador de población
finita
Muchas de la poblaciones que examinan los responsables de las
decisiones son finitas, es decir, de tamaño establecido o limitado.
Ejemplos de estas incluyen a los empleados de una compañía dada, a
los clientes de una agencia de servicios sociales de una cuidad, a los
estudiantes de una clase especifica y a la producción de un día en una
determinada planta manufactura. Ninguna de estas poblaciones es
infinita.
 El multiplicador de población
finita
La formula diseñada para encontrar el error estándar de la media
cuando la población es finita sin reemplazo, es:
 El multiplicador de población
finita
Ejemplo: supongamos que estamos interesados en una población de 20
compañías textiles del mismo tamaño, todas estas fabricas presentan una
producción excesiva de trabajo. Nuestro estudio indica que la desviación
estándar de la distribución de la producción anual es igual a 75 empleados. Si
muestramos cinco de estas compañías sin reemplazo. Determinar el error
estándar de la media.

1. Datos
𝑁 = 20
𝑛=5
𝜎 = 75
El multiplicador de población
finita
𝜎 𝑁−𝑛
𝜎𝑥ҧ =
𝑛 𝑁−1

75 20 − 5
𝜎𝑥ҧ =
5 20 − 1

𝜎𝑥ҧ = 29.8
 Levin, Richard (2009). Estadística para Administración. (Ma. Elena
Zahar Ed.) Naucalpan de Juárez, México: Pearson Educación México.

 Webster, A. L. (2000). Estadística aplicada a los negocios y la

economía. (L. S. Arévalo, Ed.) Bogotá, Colombia: McGraw-Hill.

 Levine, David (2006). Estadística para Administración, cuarta edición.

(L.M Cruz Ed.) Naucalpan de Juárez, México: Pearson Educación
México.