SlideShare una empresa de Scribd logo
1 de 20
-Distribución Muestral de
Diferencia de Medias
-Distribución Muestral de
Diferencia de Proporciones
Suponga que se tienen dos poblaciones
distintas, la primera con media y desviación
estándar , y la segunda con media y desviación
estándar . Más aún, se elige una muestra
aleatoria de tamaño n1 de la primera población
y una muestra independiente aleatoria de
tamaño n2 de la segunda población; se calcula
la media muestral para cada muestra y la
diferencia entre dichas medias. La colección de
todas esas diferencias se llama distribución
muestral de las diferencias entre medias o la
distribución muestral del estadístico
La distribución es aproximadamente normal
para n1 ≥ 30 y n2 ≥ 30. Si las poblaciones son
normales, entonces la distribución muestral
de medias es normal sin importar los
tamaños de las muestras.
Ejemplo
En un estudio para comparar los pesos promedio de
niños y niñas de sexto grado en una escuela primaria se
usará una muestra aleatoria de 20 niños y otra de 25
niñas. Se sabe que tanto para niños como para niñas los
pesos siguen una distribución normal. El promedio de
los pesos de todos los niños de sexto grado de esa
escuela es de 100 libras y su desviación estándar es de
14.142, mientras que el promedio de los pesos de todas
las niñas del sexto grado de esa escuela es de 85 libras y
su desviación estándar es de 12.247 libras.
Si x1 representa el promedio de los pesos de 20
niños y x2 es el promedio de los pesos de una
muestra de 25 niñas, encuentre la probabilidad
de que el promedio de los pesos de los 20 niños
sea al menos 20 libras más grande que el de las
25 niñas.
Por lo tanto la probabilidad de que el promedio
de los pesos de la muestra de niños sea al
menos 20 libras más grande que el de la
muestra de las niñas es 0.1056
Distribución Muestral de Diferencia de
Proporciones.
Cuando en una población procedemos a
estudiar una característica con sólo dos posibles
valores (éxito/fracaso), entonces la población
sigue una distribución binomial.
Cada muestra de la población tiene un
porcentaje de individuos que tiene esta
característica. p es la proporción de éxito de esta
esta variable aleatoria de la población. La
proporción de fracaso es q = 1 – p
Sean todas las muestras de tamaño n de la
población. Cada muestra tiene una
proporción de individuos con esa
característica.
La distribución asociada a la variable
aleatoria que une cada muestra con su
proporción se llama distribución muestral
de proporciones
Como, para poblaciones grandes, la binomial se
aproxima a la normal, la distribución muestral
de proporciones también sigue una distribución
normal:
Ejemplo. Una máquina fabrica piezas de
precisión. En su producción habitual fabrica un
3% de piezas defectuosas. Un cliente recibe una
caja de 500 piezas procedentes de la fábrica.
a) ¿Cuál es la probabilidad de que encuentre
más del 5% de piezas defectuosas en la caja?
b) ¿Cuál es la probabilidad de que encuentre
menos de un 1% de piezas defectuosas?
Supongamos una población de la que
conocemos la proporción “p” de individuos que
cumple cierta característica. Si de esta población
extraemos muestras de tamaño “n”, y en cada
muestra a su vez estudiamos la proporción de
individuos que cumple la característica
estudiada, obtendremos diferentes
proporciones muéstrales:
De manera que si llamamos;
a la variable aleatoria formada por los distintos
valores que toman las proporciones muéstrales.
Esta variable aleatoria como tal tiene las
siguientes características:
-La media o esperanza matemática de la
variable "proporciones muéstrales" es la
proporción poblacional “p”
-La desviación típica de la variable de la variable
"proporciones muéstrales" es:
Desviación típica de las proporciones
muéstrales.
Además a medida que crece el tamaño n , la
distribución de las proporciones muéstrales se
aproxima cada vez más a la DISTRIBUCIÓN
NORMAL (siempre que "p" no esté muy próxima
a 0 ni a 1)
EJEMPLO:
En una población se conoce que un 2% de la
misma es favorable a la construcción de un
centro de rehabilitación para toxicómanos. Si
suponemos que en un barrio de la misma viven
500 personas. Calcula la probabilidad de
encontrar en dicho barrio más de 9 personas
favorables a la construcción de dicho centro.
luis enrique estadistica inferencial 1  3i11.pptx

Más contenido relacionado

Similar a luis enrique estadistica inferencial 1 3i11.pptx

Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
LEYDIANAC
 
Distribuciones Muestrales
Distribuciones MuestralesDistribuciones Muestrales
Distribuciones Muestrales
Hector Funes
 
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.pdf
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.pdfZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.pdf
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.pdf
Miguel Angel Zambrano Zambrano
 
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.docx
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.docxZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.docx
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.docx
Miguel Angel Zambrano Zambrano
 
Distribuciones2 de probabilidad.lm
Distribuciones2 de probabilidad.lmDistribuciones2 de probabilidad.lm
Distribuciones2 de probabilidad.lm
LMartiinez
 

Similar a luis enrique estadistica inferencial 1 3i11.pptx (20)

Luz cona-distrubuciones-a4
Luz cona-distrubuciones-a4Luz cona-distrubuciones-a4
Luz cona-distrubuciones-a4
 
Ce ps 2-08.01.2011- parte vi
Ce ps 2-08.01.2011- parte viCe ps 2-08.01.2011- parte vi
Ce ps 2-08.01.2011- parte vi
 
Estimacion y muestreo
Estimacion y muestreoEstimacion y muestreo
Estimacion y muestreo
 
Variable aleatoria y Distribuciónes de Probabilidad
Variable aleatoria y Distribuciónes de ProbabilidadVariable aleatoria y Distribuciónes de Probabilidad
Variable aleatoria y Distribuciónes de Probabilidad
 
Distribuciones
DistribucionesDistribuciones
Distribuciones
 
MODELOS DE PROBABILIDAD
MODELOS DE PROBABILIDADMODELOS DE PROBABILIDAD
MODELOS DE PROBABILIDAD
 
Distribución muéstrales y estimación
Distribución muéstrales y estimaciónDistribución muéstrales y estimación
Distribución muéstrales y estimación
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Distribuciòn binominal y otras distribuciones
Distribuciòn binominal y otras distribucionesDistribuciòn binominal y otras distribuciones
Distribuciòn binominal y otras distribuciones
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Biometria clase 6
Biometria clase 6Biometria clase 6
Biometria clase 6
 
Distribucion muestral
Distribucion muestralDistribucion muestral
Distribucion muestral
 
Distribucion muestral
Distribucion muestralDistribucion muestral
Distribucion muestral
 
Distribuciones Muestrales
Distribuciones MuestralesDistribuciones Muestrales
Distribuciones Muestrales
 
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.pdf
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.pdfZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.pdf
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.pdf
 
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.docx
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.docxZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.docx
ZAMBRANO_ZAMBRANO_EXPOSICIÓN_GRUPO_4_DISTRIBUCIÓN_DE_MEDIAS_Y_PROPORCIONES.docx
 
20121109101108
2012110910110820121109101108
20121109101108
 
Distribuciones2 de probabilidad.lm
Distribuciones2 de probabilidad.lmDistribuciones2 de probabilidad.lm
Distribuciones2 de probabilidad.lm
 
Teoria y tecnicas de decision
Teoria y tecnicas de decisionTeoria y tecnicas de decision
Teoria y tecnicas de decision
 

Más de ARACELIGINESZARATE1

Introducción al método científico.AntonioLopezAngelRoberto.pptx
Introducción al método científico.AntonioLopezAngelRoberto.pptxIntroducción al método científico.AntonioLopezAngelRoberto.pptx
Introducción al método científico.AntonioLopezAngelRoberto.pptx
ARACELIGINESZARATE1
 
1.5Investigación e Investigador-Gonzalez Ugalde Derek 1.pdf
1.5Investigación e Investigador-Gonzalez Ugalde Derek 1.pdf1.5Investigación e Investigador-Gonzalez Ugalde Derek 1.pdf
1.5Investigación e Investigador-Gonzalez Ugalde Derek 1.pdf
ARACELIGINESZARATE1
 
cuentas de activo pasivo y capital balance .pdf
cuentas de activo pasivo y capital balance  .pdfcuentas de activo pasivo y capital balance  .pdf
cuentas de activo pasivo y capital balance .pdf
ARACELIGINESZARATE1
 
PROCESO DE CONTABILIDAD basica de cada una de las etapas .pdf
PROCESO DE CONTABILIDAD basica de cada una de las etapas .pdfPROCESO DE CONTABILIDAD basica de cada una de las etapas .pdf
PROCESO DE CONTABILIDAD basica de cada una de las etapas .pdf
ARACELIGINESZARATE1
 

Más de ARACELIGINESZARATE1 (20)

Prueba de hipótesis - CHI CUADRADO.pptx
Prueba de hipótesis - CHI CUADRADO.pptxPrueba de hipótesis - CHI CUADRADO.pptx
Prueba de hipótesis - CHI CUADRADO.pptx
 
aDMINISTRACION DE PROCESOS, GESTION DE LA CALIDAD .pptx
aDMINISTRACION DE PROCESOS, GESTION DE LA CALIDAD  .pptxaDMINISTRACION DE PROCESOS, GESTION DE LA CALIDAD  .pptx
aDMINISTRACION DE PROCESOS, GESTION DE LA CALIDAD .pptx
 
TÉCNICAS DE REDACCIÓN de fundamentos de investigacion .pptx
TÉCNICAS DE REDACCIÓN de fundamentos de investigacion .pptxTÉCNICAS DE REDACCIÓN de fundamentos de investigacion .pptx
TÉCNICAS DE REDACCIÓN de fundamentos de investigacion .pptx
 
Introducción al método científico.AntonioLopezAngelRoberto.pptx
Introducción al método científico.AntonioLopezAngelRoberto.pptxIntroducción al método científico.AntonioLopezAngelRoberto.pptx
Introducción al método científico.AntonioLopezAngelRoberto.pptx
 
Caso práctico servico de hpjalateria y pintura .pdf
Caso práctico servico de hpjalateria y pintura .pdfCaso práctico servico de hpjalateria y pintura .pdf
Caso práctico servico de hpjalateria y pintura .pdf
 
1.5Investigación e Investigador-Gonzalez Ugalde Derek 1.pdf
1.5Investigación e Investigador-Gonzalez Ugalde Derek 1.pdf1.5Investigación e Investigador-Gonzalez Ugalde Derek 1.pdf
1.5Investigación e Investigador-Gonzalez Ugalde Derek 1.pdf
 
cultura empresarialmateria cultura empresarial .pptx
cultura empresarialmateria cultura empresarial  .pptxcultura empresarialmateria cultura empresarial  .pptx
cultura empresarialmateria cultura empresarial .pptx
 
SISTEMAS LOGISTICOS ingenieria en automotriz .pdf
SISTEMAS LOGISTICOS  ingenieria en automotriz  .pdfSISTEMAS LOGISTICOS  ingenieria en automotriz  .pdf
SISTEMAS LOGISTICOS ingenieria en automotriz .pdf
 
ESTIMACION DE LA DIFERENCIA estadística inferencial .pptx
ESTIMACION DE LA DIFERENCIA estadística inferencial  .pptxESTIMACION DE LA DIFERENCIA estadística inferencial  .pptx
ESTIMACION DE LA DIFERENCIA estadística inferencial .pptx
 
CASO CEREZA ESTTUDIO DE MERCADIO preguntas .pptx
CASO CEREZA  ESTTUDIO DE MERCADIO preguntas .pptxCASO CEREZA  ESTTUDIO DE MERCADIO preguntas .pptx
CASO CEREZA ESTTUDIO DE MERCADIO preguntas .pptx
 
Cómo es la estructura de un sistema.pdf
Cómo es la estructura de un sistema.pdfCómo es la estructura de un sistema.pdf
Cómo es la estructura de un sistema.pdf
 
SISTEMAS LOGÍSTICOS de calidad _240416_172806.pdf
SISTEMAS LOGÍSTICOS de calidad _240416_172806.pdfSISTEMAS LOGÍSTICOS de calidad _240416_172806.pdf
SISTEMAS LOGÍSTICOS de calidad _240416_172806.pdf
 
Investigador y Investigacion GARCIA QUINTANA .pdf
Investigador y Investigacion GARCIA QUINTANA .pdfInvestigador y Investigacion GARCIA QUINTANA .pdf
Investigador y Investigacion GARCIA QUINTANA .pdf
 
metodo cientifico diapositivas. (1) (1).pdf
metodo cientifico diapositivas. (1) (1).pdfmetodo cientifico diapositivas. (1) (1).pdf
metodo cientifico diapositivas. (1) (1).pdf
 
Presentación1 de cultura empresarial .pptx
Presentación1 de cultura empresarial .pptxPresentación1 de cultura empresarial .pptx
Presentación1 de cultura empresarial .pptx
 
UNIDAD 2 REGISTRO Y CONTROL DE MERCANCIAS.pdf
UNIDAD 2 REGISTRO Y CONTROL DE MERCANCIAS.pdfUNIDAD 2 REGISTRO Y CONTROL DE MERCANCIAS.pdf
UNIDAD 2 REGISTRO Y CONTROL DE MERCANCIAS.pdf
 
cuentas de activo pasivo y capital balance .pdf
cuentas de activo pasivo y capital balance  .pdfcuentas de activo pasivo y capital balance  .pdf
cuentas de activo pasivo y capital balance .pdf
 
CF05_estadoderesultados y balance general .pdf
CF05_estadoderesultados y balance general .pdfCF05_estadoderesultados y balance general .pdf
CF05_estadoderesultados y balance general .pdf
 
CULTURA_EMPRESARIAL_U1_Presentacion_1.pptx
CULTURA_EMPRESARIAL_U1_Presentacion_1.pptxCULTURA_EMPRESARIAL_U1_Presentacion_1.pptx
CULTURA_EMPRESARIAL_U1_Presentacion_1.pptx
 
PROCESO DE CONTABILIDAD basica de cada una de las etapas .pdf
PROCESO DE CONTABILIDAD basica de cada una de las etapas .pdfPROCESO DE CONTABILIDAD basica de cada una de las etapas .pdf
PROCESO DE CONTABILIDAD basica de cada una de las etapas .pdf
 

Último

PLAN DE REFUERZO ESCOLAR primaria (1).docx
PLAN DE REFUERZO ESCOLAR primaria (1).docxPLAN DE REFUERZO ESCOLAR primaria (1).docx
PLAN DE REFUERZO ESCOLAR primaria (1).docx
lupitavic
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
EliaHernndez7
 
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfNUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
UPTAIDELTACHIRA
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Fernando Solis
 

Último (20)

SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxPLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
 
PLAN DE REFUERZO ESCOLAR primaria (1).docx
PLAN DE REFUERZO ESCOLAR primaria (1).docxPLAN DE REFUERZO ESCOLAR primaria (1).docx
PLAN DE REFUERZO ESCOLAR primaria (1).docx
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcción
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfNUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
 
Sesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronósticoSesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronóstico
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
 
Interpretación de cortes geológicos 2024
Interpretación de cortes geológicos 2024Interpretación de cortes geológicos 2024
Interpretación de cortes geológicos 2024
 
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VS
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VSSEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VS
SEPTIMO SEGUNDO PERIODO EMPRENDIMIENTO VS
 
Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024
 
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
 
Infografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfInfografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdf
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptx
 

luis enrique estadistica inferencial 1 3i11.pptx

  • 1. -Distribución Muestral de Diferencia de Medias -Distribución Muestral de Diferencia de Proporciones
  • 2. Suponga que se tienen dos poblaciones distintas, la primera con media y desviación estándar , y la segunda con media y desviación estándar . Más aún, se elige una muestra aleatoria de tamaño n1 de la primera población y una muestra independiente aleatoria de tamaño n2 de la segunda población; se calcula la media muestral para cada muestra y la diferencia entre dichas medias. La colección de todas esas diferencias se llama distribución muestral de las diferencias entre medias o la distribución muestral del estadístico
  • 3.
  • 4. La distribución es aproximadamente normal para n1 ≥ 30 y n2 ≥ 30. Si las poblaciones son normales, entonces la distribución muestral de medias es normal sin importar los tamaños de las muestras.
  • 5. Ejemplo En un estudio para comparar los pesos promedio de niños y niñas de sexto grado en una escuela primaria se usará una muestra aleatoria de 20 niños y otra de 25 niñas. Se sabe que tanto para niños como para niñas los pesos siguen una distribución normal. El promedio de los pesos de todos los niños de sexto grado de esa escuela es de 100 libras y su desviación estándar es de 14.142, mientras que el promedio de los pesos de todas las niñas del sexto grado de esa escuela es de 85 libras y su desviación estándar es de 12.247 libras.
  • 6. Si x1 representa el promedio de los pesos de 20 niños y x2 es el promedio de los pesos de una muestra de 25 niñas, encuentre la probabilidad de que el promedio de los pesos de los 20 niños sea al menos 20 libras más grande que el de las 25 niñas.
  • 7.
  • 8. Por lo tanto la probabilidad de que el promedio de los pesos de la muestra de niños sea al menos 20 libras más grande que el de la muestra de las niñas es 0.1056
  • 9. Distribución Muestral de Diferencia de Proporciones. Cuando en una población procedemos a estudiar una característica con sólo dos posibles valores (éxito/fracaso), entonces la población sigue una distribución binomial. Cada muestra de la población tiene un porcentaje de individuos que tiene esta característica. p es la proporción de éxito de esta esta variable aleatoria de la población. La proporción de fracaso es q = 1 – p
  • 10. Sean todas las muestras de tamaño n de la población. Cada muestra tiene una proporción de individuos con esa característica. La distribución asociada a la variable aleatoria que une cada muestra con su proporción se llama distribución muestral de proporciones
  • 11. Como, para poblaciones grandes, la binomial se aproxima a la normal, la distribución muestral de proporciones también sigue una distribución normal:
  • 12. Ejemplo. Una máquina fabrica piezas de precisión. En su producción habitual fabrica un 3% de piezas defectuosas. Un cliente recibe una caja de 500 piezas procedentes de la fábrica. a) ¿Cuál es la probabilidad de que encuentre más del 5% de piezas defectuosas en la caja? b) ¿Cuál es la probabilidad de que encuentre menos de un 1% de piezas defectuosas?
  • 13.
  • 14. Supongamos una población de la que conocemos la proporción “p” de individuos que cumple cierta característica. Si de esta población extraemos muestras de tamaño “n”, y en cada muestra a su vez estudiamos la proporción de individuos que cumple la característica estudiada, obtendremos diferentes proporciones muéstrales:
  • 15.
  • 16. De manera que si llamamos; a la variable aleatoria formada por los distintos valores que toman las proporciones muéstrales. Esta variable aleatoria como tal tiene las siguientes características:
  • 17. -La media o esperanza matemática de la variable "proporciones muéstrales" es la proporción poblacional “p” -La desviación típica de la variable de la variable "proporciones muéstrales" es: Desviación típica de las proporciones muéstrales.
  • 18. Además a medida que crece el tamaño n , la distribución de las proporciones muéstrales se aproxima cada vez más a la DISTRIBUCIÓN NORMAL (siempre que "p" no esté muy próxima a 0 ni a 1)
  • 19. EJEMPLO: En una población se conoce que un 2% de la misma es favorable a la construcción de un centro de rehabilitación para toxicómanos. Si suponemos que en un barrio de la misma viven 500 personas. Calcula la probabilidad de encontrar en dicho barrio más de 9 personas favorables a la construcción de dicho centro.