s’ ‘ ‘g Pontificia Umvcrsndad
á g Católica del Ecuador
Fundada cn 1946
s. -.»

Estadística: 
Distribuciones de Muestreo

In...
IIISÏIÍIBIIGIOIIES IIEBIVAIIAS llEl MUESTREO

Cuando se trata de una muestra de datos
seleccionados aleatoriamente de una ...
DISTRIBUCIONES IIEIIIVAIIAS IIEl MIJESÏIÍEI)

Por ejemplo,  si obtenemos al azar muestras de
frijol almacenado,  medimos e...
IIISÏIIIBIIGIIIIES IIEIIIVAIIAS llEl MIJESTIIED

En primer lugar se debe establecer que un
estadístico de una muestra alea...
IIISÏIIIBIIGIIIHES IIEIIWMIAS IIEl MIIESTIIEII

Se desea determinar el calibre promedio de
cierto tipo de árbol que crece ...
IIISÏIIIBIIGIDIIES IIEIIIIMIIAS IlEl MIIESÏIIEII

Suponemos que los calibres de los árboles
siguen una distribución normal...
OISTRIRUOIOIIES
OERIIIRORS OEl
MUESTREO

¿Podemos suponer que los árboles (de 13 pies
de altura) de toda la región tendrán...
RES

,  ¡r ¿lg L‘  “ v? ’ ;   ,  ' .  _ " ’
T“‘i"‘im‘°*"“"   "     í 

rnm< xa rntn

  

Lo que se va a saber en esta unid...
OISTRIRUOIOIIES OERIIIROAS OEl MUESTREO

¿Qué sucede si otras personas también están
estudiando el calibre de los árboles ...
OISTRIRUOIOIIES OERIUROIIS OEI MUESTREO

Es por ello,  que cuando tenemos una muestra, 
decimos que el promedio estimado d...
OISTRIRUOIOIIES OERIIIIIOIIS OEl MUESTREO

Los estadísticos de la muestra tienen una
distribución de probabilidades deriva...
IIÍSEIÍIIUOÍOIIOS UOIÍUOIIOS IIOI IIIUOSEIOO

Una de las propiedades de la media de la
muestra,  es que cualesquiera que s...
Taurina central riel limite

 

Si se tiene una muestra aleatoria de tamaño n, 
tomada de una poblacion con un valor de la...
fiistrmiïainiï rie la media trimestral

X tiene alguna distribución con media 1.7 y varianza 0.81.
La media de una muestra ...
istriuucian me la ¡irradia de ia muestra

 

Dos reglas para calcular la media
y la varianza de una nueva
variable (NX) qu...
Distribución estanilarilizaila
¡le la media ¡le la muestra lll

Si la nueva variable es la media de la muestra,  la media ...
Distribución estanlanlizaila ¡le la meilia
IIO IO IIIUOSEIO

Tabla de Z
tc: (X-u) el

llistrilinción ¡le t ¡le student

0,3

(n-l) =  34

s¡= 

s_  P{t > t, ,=2.3} =  0.01
0.05 y

0
-3 -2 -1 0 1...
— — — Í —
UISEIIIIIIOIOII IIO UIll-OUOIIIOIIO
50

45

40 . e . =
XÏ = {(n-1)S2}/ (02)  G
 

 

_ o 1 2 3 4 5 a
Tabla de Cr...
UÍSIZIÍIIUOÍOII IIOE
35 -

 
   

   

2 25 G.  de L.  Num.  = 7
F Sa 2o i G.  de L.  Den.  = 16
C _ S 2 1: « P {F > Pa”, ...
nesumen

t:  Población estadística
J Muestra
fi Propiedades de la muestra: 

i:  Muestra aleatoria
i‘:  Muestra representat...
Próxima SlideShare
Cargando en…5
×

Estadística: Distribuciones de Muestreo

536 visualizaciones

Publicado el

Estadística: Distribuciones de Muestreo

Publicado en: Entretenimiento y humor
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
536
En SlideShare
0
De insertados
0
Número de insertados
4
Acciones
Compartido
0
Descargas
19
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Estadística: Distribuciones de Muestreo

  1. 1. s’ ‘ ‘g Pontificia Umvcrsndad á g Católica del Ecuador Fundada cn 1946 s. -.» Estadística: Distribuciones de Muestreo Ing. Mtr. Luis Fernando Aguas
  2. 2. IIISÏIÍIBIIGIOIIES IIEBIVAIIAS llEl MUESTREO Cuando se trata de una muestra de datos seleccionados aleatoriamente de una población, surge la pregunta de si las estadísticas observadas en esa muestra serán parecidas a las estadísticas de población de donde se obtuvo la muestra.
  3. 3. DISTRIBUCIONES IIEIIIVAIIAS IIEl MIJESÏIÍEI) Por ejemplo, si obtenemos al azar muestras de frijol almacenado, medimos el contenido de proteína, y obtenemos el promedio de proteína de ese frijol, la pregunta que nos hacemos es: ¿Es ese valor promedio de proteína parecido al contenido de proteína promedio de todo el frijol almacenado en el país o en la región?
  4. 4. IIISÏIIIBIIGIIIIES IIEIIIVAIIAS llEl MIJESTIIED En primer lugar se debe establecer que un estadístico de una muestra aleatoria (como la media de la muestra, la varianza, la desviación estándar o cualquier otro), va a tener una distribución derivada del modelo de distribución que estamos suponiendo que tienen las observaciones que componen la muestra. La variable x de la muestra se distribuye como:
  5. 5. IIISÏIIIBIIGIIIHES IIEIIWMIAS IIEl MIIESTIIEII Se desea determinar el calibre promedio de cierto tipo de árbol que crece en una región (El calibre de un árbol es su diámetro, medido seis pulgadas arriba de la tierra). Para este estudio se toma una muestra aleatoria de 16 árboles que miden 13 pies de altura, y se mide el calibre de cada uno de ellos. Se obtienen los siguientes resultados: 2.3, 1.9, 1.7, 2.1, 1.5, 1.8, 1.8, 1.1, 2.1, 1.5, 2.0, 1.6, 1.3, 1.6, 1.5, y 1.3.
  6. 6. IIISÏIIIBIIGIDIIES IIEIIIIMIIAS IlEl MIIESÏIIEII Suponemos que los calibres de los árboles siguen una distribución normal, y sabemos que los parámetros del modelo de distribución normal serán: , u = Calibre promedio de todos los árboles de 13 pies de altura que crecen en esa región. 0' = Desviación estándar del calibre de los árboles que tienen las características especificadas. Surge entonces la idea de estimar u con la media muestral y 0' con la desviación estándar de la muestra. Así: 1.7 es una estimación de fl 0.332 es una estimación de 0'
  7. 7. OISTRIRUOIOIIES OERIIIRORS OEl MUESTREO ¿Podemos suponer que los árboles (de 13 pies de altura) de toda la región tendrán un calibre promedio de 1.7? Esto va a depender de cómo se distribuye el calibre de los árboles, de si su variación es grande o chica, y del tamaño de la muestra de árboles.
  8. 8. RES , ¡r ¿lg L‘ “ v? ’ ; , ' . _ " ’ T“‘i"‘im‘°*"“" " í rnm< xa rntn Lo que se va a saber en esta unidad es que la media de la muestra es un buen estimador de la media de la población, y que depende de la varianza y del tamaño (n) de la muestra, qué tan lejos o tan cerca pueda estar la media de la muestra de la verdadera media de la población.
  9. 9. OISTRIRUOIOIIES OERIIIROAS OEl MUESTREO ¿Qué sucede si otras personas también están estudiando el calibre de los árboles de esa región, y tienen muestras con promedios y desviaciones estándar diferentes ? «N? ‘WH! !! Media = 1.96 Media = 1.83 Media = 1.91 Dev. St. = 0.38 Dev. St. = 0.60 Dev. St. = 0.48
  10. 10. OISTRIRUOIOIIES OERIUROIIS OEI MUESTREO Es por ello, que cuando tenemos una muestra, decimos que el promedio estimado de la población de árboles será de 1.7. Respecto a la posibilidad de que haya otras muestras con diferentes promedios y desviaciones estándar, esto se deduce del modelo de distribución que se supuso para la población. Si los valores aleatorios de calibre siguen un modelo de distribución normal, los promedios de cada muestra aleatoria tendrán también una distribución normal. 10
  11. 11. OISTRIRUOIOIIES OERIIIIIOIIS OEl MUESTREO Los estadísticos de la muestra tienen una distribución de probabilidades derivada de la distribución de la variable aleatoria con la que se calcula el estadístico. Si la media de la muestra procede de valores de X con una distribución binomial [X«-B(np, npq)], la media muestral tendrá una distribución binomial: [ï-‘Blp, pol/ nl] Si la media de la muestra procede de valores de X con una distribución de Poisson, la media tendrá una distribución Poisson, con media A, y varianza un.
  12. 12. IIÍSEIÍIIUOÍOIIOS UOIÍUOIIOS IIOI IIIUOSEIOO Una de las propiedades de la media de la muestra, es que cualesquiera que sea la distribución de X, cuando la muestra es suficientemente grande, la media de la muestra tendrá una distribución aproximadamente normal. Esto se deriva del Teorema Central del Límite. 12
  13. 13. Taurina central riel limite Si se tiene una muestra aleatoria de tamaño n, tomada de una poblacion con un valor de la rnedia y un valor dado de la varianza, y si n es suficientemente grande, la media de la muestra se distribuye aproximadamente normal con media igual a la media de la población y varianza igual ala varianza de la población dividida n (oz/ n). Es asi que la variable aleatoria: Ï-u ol x/ IÏ se distribuirá aproximadamente normal con media 0 y varianza 1 (o sea tendrá una distribución normal estándar). 13
  14. 14. fiistrmiïainiï rie la media trimestral X tiene alguna distribución con media 1.7 y varianza 0.81. La media de una muestra de tamaño 100 tendrá una distribución con media 1.7 y varianza 0.0081. 12‘ 11‘ ig Distribución de x 8 , 7’ 6 Distribución de n Í De . estánd r= 0.9 3 2, 1 o, Media=1.7 14
  15. 15. istriuucian me la ¡irradia de ia muestra Dos reglas para calcular la media y la varianza de una nueva variable (NX) que es una transformación lineal de otra (X): Sea la transformación: W NX — px Donde NV= Nueva variable ’ O p = media poblacional de X o = desv. estándar de X 5x La media poblacional de NX será: Media (NX) - p La varianza poblacional de NX será: L2 >< Var(NX) 0' 15
  16. 16. Distribución estanilarilizaila ¡le la media ¡le la muestra lll Si la nueva variable es la media de la muestra, la media de la distribución es p (aplicando el teorema central del limite), y la varianza de la distribución de la media de la muestra es ozln, donde n es el tamaño de la muestra. Eso se resume en la ecuación a la derecha. Y se distribuye Nm, (sz/ n) Calcule la media y la varianza de Z para la media de una muestra de tamaño 20 (n=20) cuya distribución tiene una media p de 5 y una varianza o? de 0.82 16
  17. 17. Distribución estanlanlizaila ¡le la meilia IIO IO IIIUOSEIO Tabla de Z
  18. 18. tc: (X-u) el llistrilinción ¡le t ¡le student 0,3 (n-l) = 34 s¡= s_ P{t > t, ,=2.3} = 0.01 0.05 y 0 -3 -2 -1 0 1 2 3 X 2 S Valores de t de Student n Tabla de t P[t>| tc| ] Grados de Libertad (n-1) zll-IIÉIII IÉIIZIIÉIII IÉIIZIIIIÉI IIIIIÉXIIÉI 18
  19. 19. — — — Í — UISEIIIIIIOIOII IIO UIll-OUOIIIOIIO 50 45 40 . e . = XÏ = {(n-1)S2}/ (02) G _ o 1 2 3 4 5 a Tabla de Crwcuadrado Valores de Chi-Cuadrado
  20. 20. UÍSIZIÍIIUOÍOII IIOE 35 - 2 25 G. de L. Num. = 7 F Sa 2o i G. de L. Den. = 16 C _ S 2 1: « P {F > Pa”, =1o.5}= o. 049 b ' ' 5 l ‘ o 0 2 4 6 EI 140 12 14 l} Tabla de F Valores de F Grados de libertad del Numerador (m-1) Gradosde - i‘ Libertad Denominador 1 2 8 01-1) i. . . . t 1 i 161.45 199.50 i 238.88 2 18'51?’ 19.000 , _ 19.371 8 Z 5.3177 V, , 4.4590 V, 3.4381 20
  21. 21. nesumen t: Población estadística J Muestra fi Propiedades de la muestra: i: Muestra aleatoria i‘: Muestra representativa ii Muestra suficiente C Procedimientos de muestreo Distribuciones derivadas del muestreo

×